软件学报

作者：李豁然，刘譞哲，梅俏竹，梅宏

单位：李豁然，北京大学 信息科学技术学院 软件研究所, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087111,刘譞哲，北京大学 信息科学技术学院 软件研究所, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087102,梅俏竹，School of Information, University of Michigan, Ann Arbor, Michigan 48109, USA03,梅宏，北京大学 信息科学技术学院 软件研究所, 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087104

关键词：移动计算;电池续航时间预测;机器学习

基金：国家杰出青年科学基金（61725201）；北京高校卓越青年科学家计划（BJJWZYJH01201910001004）

如今，智能手机已成为人们日常生活中重要的组成部分.然而，在智能手机软硬件能力高速发展的同时，智能手机的电池能力却未能取得突破性的进展.这导致电池的续航能力经常会成为用户使用智能手机时的体验瓶颈.为了提高用户使用体验的优良感受，一种可行的方法是为用户提供电池续航时间预测.准确的电池续航时间预测能够帮助用户更加高效地规划其使用，从而能够改善其使用体验.由于缺乏高质量数据的支持，现有的电池续航时间预测方法通常比较简单，较难在真实场景下发挥实际用途.为了解决这一问题，基于一组细粒度大规模真实用户数据集，提出了一个智能手机电池续航时间预测模型.为了验证模型的效果，基于51名用户21个月内的细粒度使用数据进行了实验验证.结果显示：用户在发起查询时的使用行为、在当前会话内的使用行为以及其历史使用习惯上，均能够不同程度地帮助电池续航时间预测.总体来说，所提出的模型能够显著提升预测准确度.

来源：2021年第10期

《软件学报》期刊编辑部

查看软件学报杂志2021年第10期