基于深度学习的现场促销AI稽核方法的研究

针对通信运营商社会渠道网点在申报现场促销活动酬金补贴时,需要投入大量人力对促销场次真实性、促销照片规范性等进行人工稽核的问题,文中通过对现场促销位置、时间、工号进行多维度的合理性自动审核,基于深度学习技术开发现场促销AI稽核模型。该模型能够高效稽核促销真实性,使稽核效率提升80%,有效降低了套利风险,节约了31.14%的促销包干酬金支出。

高速公路AI稽核系统建设及数据分析

随着省界收费站全部取消,全国实现了“收费一张网”,极大地提升了高速公路路网通行效率,然而在经济利益的驱使下,偷逃通行费行为层出不穷并呈现出多样化、隐蔽化特点。传统稽核方法存在依赖人工、遏制难度大、运营服务能力不足等问题,无法满足新收费模式下的稽核需求。本文基于大数据、边缘计算、AI算法等技术,对AI稽核系统平台建设进行了探讨,提出了多流水融合路径还原、边缘计算实时稽查、多维AI稽核引擎等方法,并建立了多种偷逃费稽核模型。结果表明,AI稽核系统可有效核查多种偷逃费行为,模型准确率高,能够满足核查需求。

AI稽核在打击ETC跟车冲卡逃费中的应用

随着电子标签发行量的不断上升,ETC交易量占比不断上升,高速公路收费正由以现金为主、ETC为辅向以ETC为主、现金为辅转变。ETC车道已占出口车道的一半,部分没有安装电子标签的车辆利用ETC车道无人值守、栏杆具有防砸车功能和车道线圈无法精确识别过车的情况,通过ETC车道跟车冲卡逃费。本文通过AI稽核技术,对有门架记录但无出口记录的车辆进行了智能搜索试点,对最后一个门架有记录的下一个收费站的所有ETC车道视频进行智能搜索,从而找出车辆在ETC出口车道跟车冲卡的证据。

基于多源时空数据融合的异常轨迹识别与逃费稽核

随着路网规模的扩大,收费里程的激增,衍生出一系列新型逃费漏费行为,对联网收费稽核提出了更高的要求。本文从深入挖掘ETC门架设备获取的信息出发,基于ETC交易流水数据、ETC门架牌识数据、车辆特征数据,开展了多源时空数据融合的研究。利用高速公路的门架拓扑关系构建基于ETC门架的高速公路路网模型;使用Dijkstra算法实现车辆通行路径还原拟合;融合多源数据通过多源数据的轨迹信息对比进行偷逃费车辆识别,证据链生成;最终实现异常车辆的定位和逃费稽核。

江苏有线5G反诈智能稽核体系建设

本文通过介绍江苏省广电有线信息网络股份有限公司5G反诈智能稽核体系建设,结合反诈工作防范治理和内控管理要求,基于图像识别、特征提取、模型匹配和决策分析能力,对各平台之间的数据一致性和业务合规性进行自动校验,提出了智能化、电子化、流程化的业务稽核方法,大大解放了稽核工作的人力消耗,实现了稽核工作的高合规、高可靠、高保密。