Własny model AI
Nie korzystamy z gotowych, cudzych detektorów. Model trenujemy na materiale z realnych pojazdów: tłok w godzinach szczytu, ostre słońce w drzwiach, zima, wózki i plecaki.
QLabs buduje systemy widzenia komputerowego dla transportu publicznego. Nasz własny model AI liczy pasażerów bezpośrednio w pojeździe — bez ręcznych pomiarów, bez szacowania z biletów i bez wysyłania nagrań poza autobus.
Wizualizacja poglądowa działania systemu.
Kim jesteśmy
Przewoźnicy planują rozkłady, rozliczają dotacje i decydują o taborze na podstawie danych, których zwykle nie mają. Zbudowaliśmy sprzęt i model AI, które te dane po prostu dostarczają — w każdym kursie, na każdym przystanku.
Nie korzystamy z gotowych, cudzych detektorów. Model trenujemy na materiale z realnych pojazdów: tłok w godzinach szczytu, ostre słońce w drzwiach, zima, wózki i plecaki.
Autorski panel, nie arkusz kalkulacyjny. Potoki pasażerskie, napełnienie kursów, porównania linii i okresów, eksport danych — również w formacie gotowym pod modele językowe.
Kamera z trzema obiektywami i komputerem brzegowym, montowana nad drzwiami. Pasuje do każdego autobusu, liczy na miejscu i wysyła wyłącznie liczby — obraz nie opuszcza pojazdu.
Nasz produkt
Jedno urządzenie nad drzwiami, jeden model AI, jeden panel z danymi. QCam0 jest obecnie w produkcji i rozwijany bez przerwy — każde wdrożenie poprawia dokładność kolejnych.
Strona produktuTechnologia
Sprzęt, oprogramowanie i infrastruktura, na których pracuje QCam0, pochodzą wyłącznie od dostawców z Unii Europejskiej i Stanów Zjednoczonych. To decyzja o bezpieczeństwie i przewidywalności łańcucha dostaw, nie hasło marketingowe.
Podzespoły, moduły obliczeniowe i optyka pochodzą od producentów z UE i USA. Każdy z zastosowanych elementów możemy wskazać z nazwy.
Analiza obrazu odbywa się w pojeździe. Na zewnątrz trafiają liczby i zdarzenia — nie wizerunek pasażerów.
Panel i baza danych utrzymywane w europejskich centrach danych. Dane przewoźnika zostają w Europie.
Wdrożenia
MPK Radomsko korzysta z QCam0 na co dzień i jest zadowolone z wdrożenia — to na ich pojazdach uczymy się najwięcej.
Kontakt
Napisz, ile macie pojazdów i jakich danych brakuje wam najbardziej. Odpisujemy zwykle w ciągu jednego dnia roboczego.
qlabssystems@gmail.com