基于全面实时使用数据的智能手机电池续航预测
人机交互
2018-01-15 v1 软件工程
摘要
过去十年中，智能手机及智能手机应用经历了爆发式增长。然而，智能手机电池技术未能跟上智能手机及应用容量与功能的快速增长步伐。因此，电池一直是用户日常智能手机体验的瓶颈。准确估计剩余电池续航可极大帮助用户安排活动并更高效地使用智能手机。由于缺乏大规模真实世界智能手机使用数据，现有的电池续航预测研究较为初级。本文提出一种新方法，基于从智能手机收集的全面实时使用轨迹，利用最先进的机器学习模型进行电池续航预测。所提方法首次识别并解决了该情境下严重的数据缺失问题，使用了称为一致性指数的原则性统计度量。该方法使用从 51 名用户处收集、历时 21 个月的数据集进行评估，该数据集涵盖了全面且细粒度的智能手机使用轨迹，包括系统状态、传感器指标、系统事件和应用状态。我们发现，智能手机的剩余电池续航可基于用户实时、当前会话及历史中的设备使用方式准确预测。机器学习模型成功识别了电池续航的预测特征及其适用场景。
引用
@article{arxiv.1801.04069,
title = {Predicting Smartphone Battery Life based on Comprehensive and Real-time Usage Data},
author = {Huoran Li and Xuanzhe Liu and Qiaozhu Mei},
journal= {arXiv preprint arXiv:1801.04069},
year = {2018}
}