基于情景感知的電源管理策略

楊 昆,周麗娟,張樹東

(1.首都師范大學 信息工程學院,北京 100048; 2.成像技術北京市高精尖創(chuàng)新中心,北京 100190)

?

基于情景感知的電源管理策略

楊 昆1,2,周麗娟1,2,張樹東1,2

(1.首都師范大學 信息工程學院,北京 100048; 2.成像技術北京市高精尖創(chuàng)新中心,北京 100190)

智能手機處于待機狀態(tài)下仍會消耗能量，這些能量部分消耗在網絡數(shù)據的通信上；為了降低這些功耗，提高智能手機的續(xù)航能力；提出一種基于情景感知的電源管理策略，通過機器學習的方法來進行決策，智能地管理移動終端的網絡接口，通過使持續(xù)性的網絡連接變成間斷性的網絡連接來減少功耗；在Android移動終端上對提出的策略進行相關實驗和對比，能有效的提高續(xù)航能力。

移動終端；待機；情景感知；電源管理；機器學習

0 引言

智能手機的性能與功能在不斷地提升，其復雜性和高性能的同時帶來了更大的電量消耗。目前智能手機只能依賴電池來完成供電，這就導致對智能手機操作系統(tǒng)在電源管理方面提出了更高的要求。然而，電池技術發(fā)展的速度遠落后對其電池容量的需求的增長速度。在當前智能手機向更輕、更薄、更快的發(fā)展趨勢下，智能手機的體積決定了不可能為電池預留充足的空間。電池容量的局限制約了智能手機的功能、性能與使用時間，如何提高電池的有效利用率，延長智能手機的待機時間，減少不必要的電量消耗，這就成為智能手機系統(tǒng)平臺中一個亟待解決的問題。

1 相關工作

Android智能手機終端可以提供很多系統(tǒng)與用戶的情景信息，利用Android系統(tǒng)框架提供出的接口，可以獲取到各種情景信息，然后對這些數(shù)據信息進行優(yōu)化處理，從而進行特征提取。最終篩選出相關性較強的信息屬性。利用決策樹算法建立決策策略，最后利用Android系統(tǒng)的框架來執(zhí)行決策結果，從而決定智能移動終端在待機狀態(tài)下是否連接網絡，達到提高續(xù)航能力的效果。

2 基于情景感知的電源管理策略模型

2.1 策略模型描述

基于情景感知的電源管理策略模型的框架圖(如圖1)，從上而下可分為硬件設備層、數(shù)據采集層、數(shù)據處理層與策略控制層。其中策略模型的主要模塊是數(shù)據處理層與策略控制層。

圖1 電源管理策略模型框架圖

硬件設備層包含了Android智能手機所有的硬件設備，它能提供設備系統(tǒng)的各種信息屬性與用戶信息屬性。

數(shù)據采集層則在硬件設備層的基礎上，通過 Android 系統(tǒng)框架提供的開發(fā)接口，來獲取各種情景信息屬性。利用這一層獲取到的情景信息，并保存到本地數(shù)據庫來作為歷史數(shù)據，為深入學習用戶的使用習慣做好數(shù)據準備。同時當在策略決策過程當中，我們也要實時地獲取情景信息，作為決策模塊的輸入，最終決策模塊輸出決策結果。

數(shù)據處理層主要是對數(shù)據采集層采集到的數(shù)據進行處理，得到決策模塊需要的有用信息，包括數(shù)據優(yōu)化處理模塊和特征選取模塊。數(shù)據優(yōu)化處理模塊負責對數(shù)據采集層的一些復雜信息進行優(yōu)化處理，為特征選取模塊提供更加簡單而有代表性的信息。特征選取模塊則對眾多的情景信息屬性進行分析處理，篩選出和決策模型結果相關性較強的屬性，從而可以提高決策模型的決策效果。

策略控制層利用數(shù)據采集層的實時情景數(shù)據和數(shù)據處理層提供的有效特征來對待機狀態(tài)下網絡是否連接進行決策，最后根據決策結果來實施。這一層有兩個模塊，分別是策略決策模塊和策略實現(xiàn)模塊。策略決策模塊根據建立的決策模型來進行決策，本文利用決策樹算法來建立決策模塊。實現(xiàn)決策模塊則用來實行決策的結果。

2.2 情景信息屬性

Android智能手機可以提供了系統(tǒng)與用戶的情景屬性信息，表 1 列出了情景信息的屬性。主要的情景類型包括時間、空間、設備。

表1 情景信息屬性

時間是重要屬性，能體現(xiàn)用戶在不同時間的行為特征。當天具體時間則更加細化地反映了用戶每天的具體情況。是否工作日區(qū)分了工作日和休息日，用戶通常在這不同時間下有著較為不同的生活方式從而產生不同的智能手機使用習慣；

空間類型代表了智能手機所處的空間地點和環(huán)境，不同的空間地點與環(huán)境通常會有不同的使用習慣，例如公司、超市或者家里，移動和靜止等。

設備類型主要體現(xiàn)當前智能手機的使用情況，包括CPU負載、內存使用率、屏幕狀態(tài)、電池狀態(tài)、電量狀態(tài)、移動網絡狀態(tài)、網絡信號強弱，Wi-Fi狀態(tài)等。

2.3 數(shù)據優(yōu)化處理

情景信息是可以通過數(shù)據采集層直接獲取到的初始數(shù)據，為了提高決策算法的準確度，我們需要對一些初始數(shù)據進行優(yōu)化處理，主要是針對的空間地理位置的判定以及獲取地理位置方式的優(yōu)化。

2.3.1 空間地理位置優(yōu)化

Android 提供的定位方法可以通過獲取到經緯度來確定所處的地理位置，例如家、公司、超市，取舍不同的精確度可以使經緯度數(shù)據產生不同個數(shù)的地理位置。而我們需要的是一個范圍內的地方可以對應同一對經緯度數(shù)據。因此我們需要對經緯度的精確度進行適當?shù)奶幚硎蛊鋵ㄒ坏牡乩砦恢谩?/p>

圖2 地理位置分布圖

2.3.2 獲取地理位置數(shù)據的優(yōu)化

Android 系統(tǒng)提供的定位技術主要有 GPS定位、移動網絡基站定位、WiFi 網絡定位3種方式。其中 GPS 定位比較耗電，而WiFi則是最省電的，因此我們采用基站 定位與WiFi兩種方式。在移動網絡環(huán)境下，我們通過移動網絡基站定位來獲取移動設備的位置與移動速度。而當移動設備處于一個相對穩(wěn)定的位置，我們會嘗試通過WiFi來獲取位置。簡單來說，我們可以通過判斷用戶設備是否移動來決定采用不同的定位方式，由于同一個 WiFi 環(huán)境的地理位置一般來說是固定的，所以我們可以保存每一個WiFi對應的位置信息，當處于固定位置時，嘗試根據地理位置來開啟對應的WiFi，如果沒有熟悉的WiFi則用移動網絡基站定位，用什么方式獲取地理位置的流程如圖3。

圖3 獲取地理位置方式圖

2.4 決策算法

策略控制層通過策略決策模塊來進行決策并管理待機狀態(tài)下網絡接口。我們將根據情景信息屬性的信息增益來建立決策樹。最后根據決策樹管理待機狀態(tài)下的網絡。決策樹算法如下。

假定給定訓練數(shù)據集:

其中:xi=(xi(1),xi(2),...,xi(n))T為輸入的特征向量，n為特征屬性個數(shù)，yi∈{1,2,...,K}為類標記，i=1,2,..,N,N為樣本容量。根據給定的訓練數(shù)據集構建一個決策樹模型，使它能夠對輸入的數(shù)據進行正確的分類。構建決策樹分為2個步驟,先對特征進行信息增益，然后根據信息增益構建決策樹。

2.4.1 信息增益的算法

(3) 要證η為同胚嵌入,只需證η|η(X)為同胚即可。首先η|η(X)為連續(xù)的雙射;其次易證η|η(X):X→η(X)為開映射,事實上只需證對任意O∈O(X),η(O)=η(X)∩csO即可。

(1)數(shù)據集D的經驗熵：

(2)特征A對數(shù)據集D的經驗條件熵：

(3)信息增益：

根據信息增益算法可以得到表2。

表2 屬性信息增益

2.4.2 決策樹的生成

在決策樹各個結點上根據信息增益準則選擇特征，遞歸地構建決策樹。具體方法是：從根結點開始，對結點計算所有可能的特征的信息增益，選擇信息增益最大的特征作為結點的特征，由該特征的不同取值建立子結點；再對子結點調用以上方法，生成決策樹；直到所有特征的信息增益均很小或沒有特征可以選擇為止。最后得到一個決策樹。

具體算法描述：假設有訓練數(shù)據集D，特征集A，閾值ε，得到的決策樹是T。

1)若D中所有的實例事同一類Ck,則T為單結點樹，并將類Ck作為該結點的類標記，返回T。

2)若A=φ,則T為單結點樹，并將D中實例數(shù)最大的類Ck作為該結點的類標記，返回T。

3)否則，計算A中各特征對D的信息增益選擇信息增益最大的特征Ag。

4)如果Ag的信息增益小于閾值ε，則置T為單結點樹，并將D中實例數(shù)最大的類Ck作為該結點的類標記，返回T。

5)否則，對Ag的每一可能值ai,依Ag=ai將D分割為若干非空子集Di,將Di中實例數(shù)最大的類作為標記，構建子結點，由結點及其子結點構成樹T，返回T。

6)對第i個子結點，以Di為訓練集，以A-{Ag}為特征集，遞歸的調用步(1)～步(5),得到子樹Ti,返回Ti。

最終根據決策得到一棵是否關閉待機狀態(tài)下的決策樹。

圖4 決策樹

3 實驗與分析

本文的實驗都是在 Android 移動終端上進行的，具體采用的是華為手RIO-AL00。

相關參數(shù)如表3。

表3 實驗手機參數(shù)表

先分別記錄 Android 移動終端在充滿電的狀態(tài)下分別在待機狀態(tài)下分別運行5周的電量使用情況，之后在上面啟動我們的情景感知策略再在分別充滿電的狀態(tài)下分別運行 5 周，同樣記錄這5周內待機狀態(tài)下的電量使用情況。

圖 5 為系統(tǒng)在待機狀態(tài)下分別在5周的電量消耗，在沒有運用情景感知策略的情況下，分別用掉系統(tǒng)電量的58%、52%、61%、59%、56%，雖然有所波動，但是也在誤差允許范圍內。在運用情景感知策略的情況下分別用掉系統(tǒng)電量的49%、52%、51%、48%、43%。計算可以得出運用情景感知策略后可以比未運用情景感知策略的情況下節(jié)省15.1%電量。

圖5 系統(tǒng)消耗電量圖

4 結言

Android 移動終端的高性能與電池容量受限的矛盾使得減少功耗已成為其發(fā)展阻礙，為了有效地減少待機狀態(tài)下的功耗，提出了一種基于情景感知的電源管理策略及其框架，利用移動終端的情景感知信息進行決策來預測當前是否需要網絡接口，并智能地對其進行動態(tài)管理，減少待機狀態(tài)下的系統(tǒng)能耗。我們對復雜的情景信息進行了預處理，并優(yōu)化了獲取定位數(shù)據的方法。決策算法是決策樹算法，根據信息增益生成決策樹。根據生成的決策樹來決定待機狀態(tài)下的網絡連接的狀態(tài)，并分別進行相關實驗和對比。結果表明我們提出的 情景感知策略更加節(jié)省能耗。情景感知策略的實驗結果表明其在智能管理網絡接口的同時，能夠在待機狀態(tài)下節(jié)省 15%左右的系統(tǒng)功耗。以上實驗結果充分驗證了我們提出的策略的可行性和有效性。

[1] IBM and MontaVista Software. Dynamic Power Management for Embedded Systems V1.1[Z].2002.

[2] Zhao Xia, Chen Xiangqun, Guo Yao, et al. A Survey on Operating System Power Management[J]. Journal of Computer Research and Development, 2008,pp817-824.

[3] Wang C H, Wu A. A Predictive System Shutdown Method For Energy Saving Of Event Driven Computation[A]. In: Proc of Int .Conf on Computer Aided Design[C]. Los Alamitos: IEEE Computer Society Pres s, 1997. 28-32.

[4] Soumya Kanti Datta,Christian Bonnet,Navid Nikaein,Sophia Antipolis.2013.Minimizing Energy Expenditure in Smart Devices[A].In Proceedings of 2013 IEEE Conference on Information and Communication Technologies (ICT 2013)[C]. IEEE, 2012: 578-585.

[5] Pering T，Burd T，BrodersenR，The Simulation and Evaluation of Dynamic Voltage Scaling Algorithms[A]．Proceedings of the 1998 International Symposium on Low Power Electronics and Design[C].Monterey，CA，USA: ACM，1998:

[6] Grunwald D，Morrey III C B，Levis P，et al． Policies for Dynamic Clock Scheduling[A]． Proceedings of the 4th Conference on Symposium on Operating System Design& Implementation[C]． CA，USA: USENIX Association，2000: 6．

[7] Indumathi G，Ramakrishnan K V． Study and Analysis of Power Optimization Techniques for Embedded Systems[A].2011 IEEE Computer Society Annual Symposium on VLSI (ISVLSI)[C]． Chennai: IEEE，2011: 365-366．

[8] Seo Y，Kim J，Seo E． Effectiveness Analysis of DVFS and DPM in Mobile Devices[J]． Journal of Computer Science and Technology，2012，27(4) : 781-790．

[9] Kim J，Park J． Reducing Power Consumption Using Improved Wakelock on Android Platform[A]．The Eighth International Multi-Conference on Computing in the Global Information Technology[C]． Nice，F(xiàn)rance:IARIA，2013: 171-174．

[10] Carroll A，Heiser G.An Analysis of Power Consumption in a Smartphone[A]．Proceedings of the 2010 USENIX Conference on USENIX Annual Technical Conference[C]． CA，USA: USENIX，2010: 21．

[11] Benini L，Bogliolo A，De Micheli G．A Survey of Design Techniques for System-level Dynamic Power Management[J]． IEEE Transactions on Very Large Scale Integration (VLSI) Systems，2000，8(3) : 299-316．

[12] 陳 璟，陳平華，李文亮． Android 內核分析[J]． 現(xiàn)代計算機，2009(11) : 112-115．

[13] 方 勝． 基于 Android 平臺的電源管理機制的研究[J]．現(xiàn)代計算機，2012(2) : 41-43．

[14] Android wakelocks and the Linux power management controversy[EB/OL]http://www.perforce.com/blog/110713/android-wakelocks-linux-power-management-controversy.

[15] Learn and talk about Sysfs，F(xiàn)ree special purpose file systems[EB/OL].http://www.digplanet.com/wiki/Sysfs.

Power Management Strategy Based on Context Awareness

Yang Kun1，2,Zhou Lijuan1，2，Zhang Shudong1，2

(1.College of information engineering, Capital Normal University,Beijing 100048,China；2.Beijing Advanced Innovation Center for Imaging Technology,Beijing 100048,China)

Intelligent mobile phone will still consume energy in standby state and the energy is consumed in portions of the data communication network. In order to reduce the power consumption and improve the intelligent mobile phone battery life, put forward a context aware based power management strategy, through machine learning method to make the decision, intelligent management of mobile terminal network interface, by making continuous network connection as a discontinuity of the network connection to reduce power consumption. The related experiments and comparison of the proposed strategy on the Android mobile terminal, can effectively improve the endurance capacity.

mobile terminal; standby;context aware;power management;machine learning

2016-03-17；

2016-04-22。

國家自然科學基金(31571563)；國家科技支撐計劃項目、北京市屬高等學校創(chuàng)新團隊建設與教師職業(yè)發(fā)展計劃項目、高可靠嵌入式系統(tǒng)技術北京市工程研究中心(2013BAH19F01)；國外訪學項目(067145301400)。

楊 昆(1990-)，男，碩士研究生，主要從事移動開發(fā)、數(shù)據挖掘方向的研究。

周麗娟(1969-)，女，教授，博士，研究生導師，主要從事數(shù)據倉庫與商務智能、數(shù)據挖掘與智能分析、數(shù)據庫系統(tǒng)及應用方向的研究。

1671-4598(2016)09-0203-03

10.16526/j.cnki.11-4762/tp.2016.09.057

TP3

A