• Journal of Computing Science and Engineering
• /
• 제5권4호
• /
• pp.338-345
• /
• 2011

Nowadays mobile devices are used for various applications such as making voice/video calls, browsing the Internet, listening to music etc. The average battery consumption of each of these activities and the length of time a user spends on each one determines the battery lifetime of a mobile device. Previous methods have provided predictions of battery lifetime using a static battery consumption rate that does not consider user characteristics. This paper proposes an approach to predict a mobile device's available battery lifetime based on usage patterns. Because every user has a different pattern of voice calls, data communication, and video call usage, we can use such usage patterns for personalized prediction of battery lifetime. Firstly, we define one or more states that affect battery consumption. Then, we record time-series log data related to battery consumption and the use time of each state. We calculate the average battery consumption rate for each state and determine the usage pattern based on the time-series data. Finally, we predict the available battery time based on the average battery consumption rate for each state and the usage pattern. We also present the experimental trials used to validate our approach in the real world.

• Journal of Information Processing Systems
• /
• 제12권3호
• /
• pp.436-454
• /
• 2016

This research presents the battery discharge rate models for the energy consumption of mobile phone batteries based on machine learning by taking into account three usage patterns of the phone: the standby state, video playing, and web browsing. We present the experimental design methodology for collecting data, preprocessing, model construction, and parameter selections. The data is collected based on the HTC One X hardware platform. We considered various setting factors, such as Bluetooth, brightness, 3G, GPS, Wi-Fi, and Sync. The battery levels for each possible state vector were measured, and then we constructed the battery prediction model using different regression functions based on the collected data. The accuracy of the constructed models using the multi-layer perceptron (MLP) and the support vector machine (SVM) were compared using varying kernel functions. Various parameters for MLP and SVM were considered. The measurement of prediction efficiency was done by the mean absolute error (MAE) and the root mean squared error (RMSE). The experiments showed that the MLP with linear regression performs well overall, while the SVM with the polynomial kernel function based on the linear regression gives a low MAE and RMSE. As a result, we were able to demonstrate how to apply the derived model to predict the remaining battery charge.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.536-545
• /
• 2020

모바일 스마트 장치 배터리의 잔여 시간을 예측하기 위해 범용 통계적 회귀 기법을 적용한 경우, 배터리 잔량별 배터리 사용 시간의 편차가 커질수록 범용 통계적 회귀 기법의 예측 정확도가 낮아진다. 따라서 범용 통계적 회귀 기법의 예측 정확도를 향상시키기 위해서는 배터리 잔량별 배터리 사용 시간의 편차가 큰 원 측정 데이터를 가공 처리하여 정제된 데이터로 변환시키는 작업이 필요하다. 이에 본 논문에서는 원 측정 데이터를 정제된 데이터로 가공 처리하는 데이터 전처리 프레임워크를 제안하였다. 제안한 프레임워크를 통해 가공 처리하여 정제된 데이터를 범용 통계적 회귀 기법에 적용한 결과, 범용 통계적 회귀 기법의 예측 정확도가 향상됨을 확인하였다.

• 대한전자공학회논문지SD
• /
• 제48권6호
• /
• pp.33-38
• /
• 2011

최근들어 모바일기기의 다기능화 와 고성능화로 인하여, 배터리 사용량이 증가하고 있다. 하지만 필요한 컴퓨팅 파워에 비하여 배터리의 에너지 용량증가의 연구는 더디게 진행되고 있다. 그러므로 본 논문에서는 우리는 배터리 방전특성을 이용하여, 배터리의 사용가능 유효용량을 증가시키는 연구를 하였으며, 무선 전송에서 시스템파워를 끄는 것만으로 배터리 사용시간 연장을 하는 기술을 설명한다. 실험은 표준영상 전송을 통하여 배터리 방전간격에 따른 배터리 사용시간을 측정하고, 사용될 어플리케이션과 발견적 실험을 통하여 배터리 사용시간의 최적화를 달성하였다.

• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.1078-1090
• /
• 2022

모바일 기기 배터리의 잔여 시간 예측은 배터리 잔량별 사용 시간 데이터의 분포 특성에 영향을 받는다. 특히 이상치 데이터가 존재하는 경우, 통계적 회귀 기법의 예측 성능을 왜곡시킬 수 있다. 이에 본 논문에서는 통계적 회귀 기법의 예측 성능 향상을 위해 이상치 데이터를 탐지 및 처리하는 프레임워크를 제안하였다. 제안한 프레임워크는 먼저 배터리 잔여 시간 예측에 영향을 주는 이상치 데이터를 탐지한다. 탐지된 이상치 데이터는 평활 과정을 통해 새로운 값으로 치환된 후, 이상치 데이터와 치환된 데이터 간의 차이를 개별 데이터에 분배한다. 마지막으로 개별 데이터를 재강화하여 예측 성능을 향상시키고자 한다. 제안한 프레임워크의 성능 분석을 수행한 결과, 배터리 잔여 시간의 예측 성능이 향상됨을 확인하였다.

• 디지털산업정보학회논문지
• /
• 제9권2호
• /
• pp.23-32
• /
• 2013

The purpose of this study is to make effective mobile grid considered general environment, which can be summarized as irregular mobility, service exploration, data sharing, variety of machines, limit to the battery duration, etc. The data was extracted from the Dartmouth College. We analysed mobile use pattern of a specific group and applied pattern using hybrid method. As a result, we could adjust infra usage effectively and appropriately and cost cutting and increase satisfaction of user. In this study, by applying weighting method based on access time interval, we analysed use pattern added time variation with association rule during users in mobile grid environment. We proposed more stable way to manage patterns in a mobile grid environment that is being used as a hybrid form to process the data value received from the server in real time. Further studies are needed to get appropriate use pattern by group using use patterns of various groups.

• Journal of Electrical Engineering and Technology
• /
• 제10권3호
• /
• pp.1201-1211
• /
• 2015

WSN acts as an effective tool for tracking the large scale environments. In such environment, the battery life of the sensor networks is limited due to collection of the data, usage of sensing, computation and communication. To resolve this, a mobile robot is presented to identify the data present in the partitioned sensor networks and passed onto the sink. In novel data collection algorithm, the performance of the data collecting operation is reduced because mobile robot can be used only within the limited range. To enhance the data collection in a changing environment, Non Linear Error Identifier (NLEI) algorithm has been developed and presented in this paper to configure the robot by means of error models which are non-linear. Experimental evaluation has been conducted to estimate the performance of the proposed NLEI and it has been observed that the proposed NLEI algorithm increases the error correction rate upto 42% and efficiency upto 60%.

• ETRI Journal
• /
• 제37권2호
• /
• pp.348-358
• /
• 2015

Mobile devices have been widespread and become very popular with connectivity to the Internet, and a lot of desktop PC applications are now aggressively ported to them. Unfortunately, mobile devices are often vulnerable to malicious attacks due to their common usage and connectivity to the Internet. Therefore, the demands on the development of mobile security systems increase in accordance with advances in mobile computing. However, it is very hard to run a security program on a mobile device all of the time due the device's limited computational power and battery life. To overcome these problems, we propose a novel mobile security scheme that migrates heavy computations on mobile devices to cloud servers. An efficient data transmission scheme for reducing data traffic between devices and servers over networks is introduced. We have evaluated the proposed scheme with a mobile device in a cloud environment, whereby it achieved a maximum speedup of 13.4 compared to a traditional algorithm.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.127-135
• /
• 2015

상황인지(Context-Aware) 모바일 클라우드 컴퓨팅은 어플리케이션이 사용자의 위치, 시간, 근처에 사용자와 장치 그리고, 사용자의 상황적인 정보를 분석함으로써, 사용자 경험을 증대시킬 수 있는 새로운 전도 유망한 패러다임이다. 본 논문에서는 Volare 미들웨어를 탑재한 상황인지 모바일 클라우드 컴퓨팅 시스템의 성능 연구를 제공한다. Volare 미들웨어는 리소스와 장치의 상황을 모니터하고, 실행시간에 클라우드 서비스 요구를 동적으로 적용한다. 이러한 접근은 실행시간에 상당한 비용절감 뿐 아니라, 더욱 효과적인 자원과 신뢰할 만한 클라우드 서비스를 제공할 것이다. 또한, 다른 QoS적용 정책에 대한 상황인지 모바일 클라우드 컴퓨팅의 성능을 연구했다. 시뮬레이션 결과는 배터리 레벨이 낮고 CPU 사용량은 높고, 사용자가 초기단계 QoS를 유지할 수 없을 때, 현 적용 정책에 의해서 서비스 비용이 줄어드는 것을 보여준다. 결과적으로, 본 논문에서 제안된 적용정책을 사용하면 상황에 따라 다르게 서비스 비용을 사용자들에게 제공할 수 있다.

• 한국통신학회논문지
• /
• 제36권12A호
• /
• pp.959-965
• /
• 2011

다양한 서비스의 활성화로 인한 이동 단말의 사용 시간 및 트래픽의 증가로 인해 배터리로 구동되는 이동 단말의 전력 절감 기술이 주목받고 있다. 본 논문은 4G 기술 중의 하나인 Mobile WiMAX라 불리는 IEEE 802.16m의 전력 절감 기술에 대해서 기술한다. 먼저 IEEE 802.16m의 기초가 되는 IEEE 802.16e 전력 절감 방안과의 차이점 및 기술적 특정을 살펴본다. 이동 단말의 효율적인 전력 관리를 위해 패킷들의 도착 분포 정보를 기반으로 동적 수면 사이클 조절 방안을 제안한다. 제안한 방안을 에너지 절감 측면과 패킷 대기 지연 시간 측면에서 살펴본다.