Page 249 - 《软件学报》2021年第10期

李豁然 等:基于细粒度数据的智能手机续航时间预测模型 3221

使用状态以及用户过往的使用习惯均存在一定的相关性;
(2) 基于上述发现,本文提出了一个智能手机电池续航时间预测模型,并基于上述数据集进行了效果验
证,分析了各组特征对续航时间预测所产生的效果.实验结果显示,本文提出的模型最终可以平均减
少 40 分钟的预测误差.当用户给定的预测目标电量为 20%时(该值为多数手机的预警阈值),本文提出
模型的预测误差平均仅为 30 分钟;
(3) 本文分析了智能手机电池续航时间预测中的预测目标缺失(censoring)问题,并采用了 Concordance
Index 将缺失预测目标的数据纳入到模型评价中,从而更加准确地评价了预测模型的效果.
本文第 1 节介绍相关工作.第 2 节对智能手机电池续航时间预测问题进行形式化定义.第 3 节介绍研究所
使用的数据集.随后,在第 4 节和第 5 节分别介绍研究方法概览和实验设计.第 6 节详细分析实验结果.最终,第 7
节对全文进行总结,并展望下一步工作.

1 相关工作
如前文所述,电池续航能力是如今智能手机最为重要的能力之一,它会对用户的使用体验带来较大影响.因
此,目前已有大量电池优化相关的研究工作.从宏观角度来看,现有工作可以被分为以下 3 类:能耗建模、能耗优
化和续航时间预测.
1.1 能耗建模
能耗建模是指理解智能手机的电量被哪些组件、以何种方式被消耗掉.目前,已有工作中主要包含两种能
耗建模思路.
 第 1 种思路是基于负载强度的能耗建模.其基本假设为:某一硬件的能耗与其运行负载是直接相关的,
因此可以根据硬件的负载强度推断其能耗速率.例如:Shye 等人提出了一种基于系统运行状态的能耗
[9]
模型 ,该工作基于某一时刻智能手机的 CPU 频率、内存占用比等硬件运行信息,通过线性回归模型
预测电池在同一时刻的耗电速率,并分析每种硬件与能耗速率之间的相关性;Dong 等人实现了一种能
够以更高的频率度量手机能耗的能耗模型 [10] ,该模型仅依赖于手机系统提供的电池信息接口,因此不
需要额外的度量手段;Zhang 等人实现了一种能耗模型,将 CPU、LCD 显示屏、GPS、网络通信模块、
声音模块等硬件纳入考量,并实现了一种自动化的能耗模型建模方法 [11] ;Min 等人提出,智能手机的能
耗速率很大程度上会受到持续传感应用(continuous sensing app,简称 CSA)的影响,因为这一类应用会
造成比较大的传感器负载.他们通过一系列实验验证了这一假设确实成立 [12] ;
 第 2 种思路是采用有限状态自动机(finite-state-machine,简称 FSM)来描述电池的耗电速率状态的变
化.这一方法主要适用于网络通信相关模块,因为网络通信模块的能耗速率不仅取决于其负载强度,
还受到其他多种复杂因素的影响.因此,利用有限状态自动机比较适合刻画网络通信模块的能耗状态
变化. Pathak 等人将手机的系统调用视为触发器,研究了系统调用如何影响智能手机的能耗状态 [13] .
他们实现了一个基于系统调用的有限状态自动机,通过该自动机,可以得知,当系统调用产生时,手机
的能耗速率将会如何变化.另一工作 WattsOn [14] 采用了同样的研究思路,用以度量 Wi-Fi 模块的能耗
状态变化.
1.2 能耗优化
目前,已有能耗优化的核心思路通常为限制不必要的硬件调用或软件运行.具体来说,He 等人实现了 DRS
[5]
(dynamic resolution scaling),一种可以根据人眼与屏幕的距离自动调整屏幕分辨率的工具 .其思路在于:如果
人眼距离屏幕比较远,则屏幕以高分辨率显示内容是没有意义的.因此可以适当降低屏幕分辨率,从而可以在不
[6]
影响用户视觉体验的同时达到省电的目的.Chen 等人实现了一个名为 HUSH 的工具 ,可以检测非必要的、在
熄屏状态下运行的应用,并将其关闭.实验显示,HUSH 可以降低 15.7%的能耗.Li 等人提出了一种自动重写 Web
应用的方法,可以使得重写后的 Web 应用更加适用于 OLED 屏幕,能够更好地发挥 OLED 屏幕省电的特性 [15] .