基于新老設備的歷史數(shù)據(jù)，建立設別的壽命預測，可以大大降低故障率，及時對故障進行預警，并及時更換設備。抽取樣本從當前狀態(tài)到達設備不能使用或者故障的狀態(tài)所經(jīng)過的時間作為樣本標簽，設備的各種溫度、電壓、電流、功率、脈沖，表面數(shù)字清晰度、當前個指標的誤差等作為特征，從而基于這些的建立訓練數(shù)據(jù)，訓練一個GBDT模型。經(jīng)過交叉驗證，證明此壽命預測模型的精度高于90%。
總體來講，通過Slipstream的流式處理，Inceptor的復雜邏輯數(shù)據(jù)加工，Discover和Sophon的數(shù)據(jù)挖掘和分析，可以及時、高效、全面地對高速場景和業(yè)務進行深度優(yōu)化處理，為“智慧高速”的構(gòu)建提供了強有力的支撐。
結(jié)語
現(xiàn)在，在平臺上的技術(shù)應用與數(shù)據(jù)分析已經(jīng)發(fā)展到集合機器學習和深度學習階段，應用中算法模型也會不斷根據(jù)新的數(shù)據(jù)進行迭代學習。同時，隨著物聯(lián)網(wǎng)建設的推進，產(chǎn)生更多海量的數(shù)據(jù)，數(shù)據(jù)處理和應用的價值將得到進一步體現(xiàn)。高速公路的數(shù)據(jù)將和更多的行業(yè)數(shù)據(jù)打通進行跨界應用，讓高速公路更加“智慧”，并應用到實際的場景中。