Thesis

Στη σύγχρονη εποχή είναι αδιαμφισβήτητη πραγματικότητα πως τα «έξυπνα» κινητά τηλέφωνα αποτελούν κυρίαρχο στοιχείο της ζωής του ανθρώπου. Με το πάτημα ενός κουμπιού μπορεί κάποιος να ενημερωθεί για τις εξελίξεις παγκοσμίως, να επικοινωνήσει με άτομα από την άλλη άκρη του πλανήτη και να ψυχαγωγηθεί. Ειδικότερα, κύριος πόλος έλξης τους αποτελεί η φορητότητα τους, η οποία κατέστη δυνατή μέσω της αξιοποίησης των μπαταριών. Ωστόσο, αυτές διαθέτουν συγκεκριμένο αριθμό επαναφορτίσεων και συνεπώς, η διάρκεια ζωής μιας συσκευής εξαρτάται άμεσα από τον τύπο χρήσης της και τη στρατηγική επαναφόρτισης της.

Η παρούσα διπλωματική εργασία ασχολείται με την ανάλυση της χρήσης των κινητών τηλεφώνων και την εκτίμηση της κατανάλωσης ενέργειας (energy drain) της μπαταρίας τους. Αρχικά, για τη συλλογή των δεδομένων αναπτύχθηκε η εφαρμογή BatteryApp, η οποία περιοδικά καταγράφει τις λειτουργίες της συσκευής και τις πληροφορίες της μπαταρίας. Στη συνέχεια, ακολουθεί η ομαδοποίηση (clustering) όμοιων τύπων χρήσεων των συσκευών μέσω της ιεραρχικής ομαδοποίησης, η οποία δεν επιβάλει την εξ’ αρχής (apriori) επιλογή συγκεκριμένου αριθμού ομάδων και δεν εισάγει περιορισμούς στη συνάρτηση απόστασης που θα επιλεχθεί. Έπειτα, αυτή αξιολογείται ως προς το περιεχόμενό της, έτσι ώστε να επιλεγούν εκείνες οι ομάδες που περιέχουν την περισσότερη πληροφορία. Τέλος, για την εκτίμηση του energy drain, χρησιμοποιήθηκαν ένα απλό γραμμικό μοντέλο, δύο παραλλαγές της γραμμικής παλινδρόμησης, όπου εισάγεται η έννοια της ποινής (Ridge και Lasso Regression), και ένα μη γραμμικό μοντέλο, που ανήκει στην κατηγορία του Ensemble Learning (eXtreme Gradient Boosted trees), με τη διαδικασία μάθησης των παραμέτρων να πραγματοποιείται σε κάθε μια από τις επιλεγμένες ομάδες ξεχωριστά.

Περιγραφή Εφαρμογής

Στο πλαίσιο της διπλωματικής μου εργασίας, ανέπτυξα την Android εφαρμογή BatteryApp, η οποία κατά τη λειτουργία της συλλέγει δεδομένα, ανά τακτά χρονικά διαστήματα, για τη χρήση του κινητού τηλεφώνου και την κατάσταση της μπαταρίας. Τα δεδομένα που συλλέγονται είναι ανώνυμα, καθώς κατά την εγκατάσταση της εφαρμογής θα σας ανατεθεί ένα μοναδικό αναγνωριστικό χρήστη. Οι πληροφορίες που συλλέγονται είναι οι εξής:

• Το μοναδικό αναγνωριστικό χρήστη
• Επίπεδο, θερμοκρασία, τάση, τεχνολογία, κατάσταση (φόρτιση/εκφόρτιση) και υγεία (καλή/υπερθέρμανση) της μπαταρίας
• Χρήση του επεξεργαστή
• Αν τα Wi-Fi, Δεδομένα, Bluetooth, Hotspot, και GPS ¹ είναι ενεργοποιημένα
• Διαθέσιμη μνήμη RAM
• Φωτεινότητα της οθόνης
• Αλληλεπίδραση με τη συσκευή (αναμμένη οθόνη ή όχι)
• Συχνότητα δειγματοληψίας
• Μοντέλο της συσκευής και την έκδοση του Android
• Ποσοστό χωρητικότητας που απομένει στην μπαταρία
• Χρόνος λήψης του δείγματος

Για μια πιο λεπτομερή περιγραφή, δείτε εδώ.