ALYCE 将 Ultralytics YOLO 集成到 minUi 和 OBSERVER 等解决方案中，节省了两个月的开发时间，并降低了成本，从而助力实现更智能的城市出行。
繁忙的城市经常面临交通拥堵、交通系统过时以及可持续发展方面的挑战。ALYCE 专注于通过提供由 AI 驱动的智能工具来解决这些问题，从而了解并改善城市的出行方式。
ALYCE 致力于解决这一问题，并构建了多种由 Ultralytics YOLO models 驱动的创新解决方案：用于分析行为的 AI 工具 minUi，以及实时交通监测系统 OBSERVER。这些工具能够加快数据收集，提高准确性，降低成本，并帮助城市打造更智能、更绿色、更高效的交通系统。
图 1。minUi 使用 Ultralytics YOLO 模型进行行为分析。
使用视觉 AI 进行交通管理#
20 多年来，ALYCE 一直致力于帮助城市提升出行能力，并高度重视可持续发展。城市地区持续面临交通拥堵、交通系统低效以及迫切的脱碳需求等挑战。传统的出行数据收集和分析方法通常速度缓慢且准确性不足，使规划工作变得困难。ALYCE 采用了 computer vision 和 AI 来克服这些障碍，开发出创新的数据驱动型解决方案，帮助城市优化交通系统，并迈向更加可持续的未来。
城市为何需要更智能的数据驱动型出行解决方案#
在全球范围内，城市日益繁忙，城市出行管理也变得越来越复杂。在交叉路口和环岛等繁忙区域，检测和分析行人、车辆、自行车及其他道路使用者，对于改善交通流量、提升安全性和进行交通规划至关重要。然而，人工调查或过时的监测系统等传统方法，往往无法提供应对这种复杂性所需的准确性。
较老的系统难以区分不同类型的道路使用者，也无法有效跟踪他们的移动情况。例如，传统工具无法可靠地实时监测车辆与行人和骑行者并行的行进路径。不完整或不准确的数据会让城市规划者和交通运营商更难做出明智决策。
解决这些问题需要更智能的工具。理想情况下，一套全面的解决方案应能够同时 track 多个道路使用者，提供实时洞察，并帮助城市更好地了解交通模式。
ALYCE 为实现更智能出行提供的 AI 驱动解决方案#
为应对城市出行挑战，ALYCE 开发了由 AI 和计算机视觉驱动的先进工具。这些工具使用 Ultralytics YOLO 模型执行 computer vision tasks，例如 real-time object detection。具体而言，YOLO 模型能够准确、自动地跟踪行人、车辆、自行车及其他道路使用者。即使在繁忙的交叉路口和环岛等复杂环境中，使用 Ultralytics YOLO 获取的洞察也可靠且可执行。
ALYCE 的主要解决方案包括：
- minUi：用于视频分析的 AI 工具，能够分析道路使用者的行为，并提供有助于提升交通安全性和效率的洞察。
- OBSERVER：实时交通监测系统，能够自动检测和跟踪道路使用者，支持动态 traffic management 和更优的决策制定。
- MyGIS：用于可视化出行数据的平台，帮助城市规划者解读趋势并设计更具影响力的交通系统。
通过集成 Ultralytics YOLO 模型，这些工具能够将缓慢的人工流程自动化，并提供高度准确的数据。借助视觉 AI 驱动的洞察，ALYCE 帮助城市减少拥堵、优化交通流量，并打造更可持续的城市交通网络。
为什么选择 Ultralytics YOLO 模型？#
Ultralytics YOLO 模型是 ALYCE 出行解决方案的理想选择，因为它们在最关键的领域提供了出色性能。它们将平均精度均值 (mAP) 提高了 1–2%，从而提升了准确性；同时推理速度比其他模型快 20%，以 30 FPS 持续运行，确保了实时处理能力。它们的效率同样无可匹敌，仅使用 40% 的 GPU RAM，非常适合资源受限的环境。
这些优势还为 ALYCE 节省了两个月的开发时间。使用 Ultralytics，训练会话只需 5-10 分钟即可设置并启动，而传统设置则接近一小时，从而实现更快的迭代。总体而言，通过使用 Ultralytics YOLO 模型，ALYCE 得以降低成本，同时专注于完善其 AI 驱动的解决方案，打造更智能、更高效的出行系统。
借助 Ultralytics YOLO 获取新的行为洞察#
使用 Ultralytics YOLO 模型帮助 ALYCE 将其出行解决方案提升到了新的水平。如今，这些工具能够提供有价值的洞察，例如分析道路使用者的行为，帮助城市和交通运营商做出更好的决策。
自集成计算机视觉以来，ALYCE 已取得可衡量的业务成果，包括通过自动化降低生产成本、改善性能指标以及缩短交付周期。他们还能够生成新类型的数据，例如详细的行为洞察，从而增强为更智能的出行解决方案提供支持的能力。
图 2。借助计算机视觉，ALYCE 得以生成新的行为洞察。
与此同时，客户对 ALYCE 解决方案的质量和准确性印象深刻；这些解决方案符合由 CEREMA 验证的最高数据标准。首席技术官 Benoit Berthe 分享道：“在 ALYCE，利用 Ultralytics 改变了我们训练模型的方式，使我们能够提高数据准确性，为客户提供无与伦比的质量，并协助他们开展可持续出行项目。”
这些改进还带来了更高的客户满意度。无论是单独使用 ALYCE 的工具，还是结合人工监督使用，客户都反馈取得了更好的结果，运营也更加顺畅。
计算机视觉在出行领域的未来#
ALYCE 认为，计算机视觉的未来将借助 Ultralytics YOLO 等模型不断发展，同时结合 长短期记忆 (LSTMs) 等用于基于视频的模型的新技术。这些创新将增强目标识别能力并改善跟踪连续性，使交通解决方案变得更加智能和可靠。随着这些技术不断发展，城市将拥有更好的工具来应对出行挑战。
想了解视觉 AI 如何改变你的城市？查看我们的 GitHub repository，探索 Ultralytics 针对行业的解决方案，例如 computer vision in agriculture 和 self-driving cars，并了解 our Ultralytics YOLO licenses，立即开始使用！
