基于深度神经网络的客票欺诈方法

客票欺诈是公共交通公司面临的问题，通过 LSTM 模型可获得有关此问题发生最严重位置的分析性见解，以便进行预防，以避免资本损失。除了这一问题造成的财务负担之外，仅靠增加检查员并不能缓解问题。本研究旨在以不同方式预测公共交通部门的客票欺诈。通过对乘客在视频 footage 中的关键点进行提取，训练 LSTM 模型以预测乘客在支付与逃票之间的动作。结果在对实时 footage 的动作预测方面表现良好。因此，可以采用这种方法来降低客票欺诈问题。可以与 LSTM 模型一起使用 ReID 模型以获得更好的准确率，因为有时乘客可能会在稍后才支付客票。通过这两个模型，公共交通公司可以开始缩小其客票欺诈问题根源所在的范围。