基于用户情境感知的低能耗移动数据访问机制及技术

随着计算普适化和网络泛在化技术的发展，可以跨平台、随时随地进行的移动数据访问已经日益得到人们的重视。然而，对于智能移动设备，尤其是如手机等靠电池供电的手持设备而言，由于移动数据访问还要涉及到网络通信开销的能耗，因此如何降低其能耗更是非常重要。本项研究将围绕"降低移动数据访问能耗的机制和方法"，以及"能耗、性能与用户满意度之间的关系"这两个问题进行研究，探索新的移动数据访问策略，降低系统能耗，使得用户在移动数据访问时不影响甚至延长电池的使用寿命，同时提高系统的响应性能和用户的使用意愿。为此，本研究在已有研究的基础上，将"用户情境"引入移动数据访问的低能耗机制，即根据对用户行为的分析、判断和预测来动态调整系统的移动数据访问策略，以最大限度的降低能耗，并提高响应速度。同时，为了研究能耗、性能和用户满足度之间的关系，将利用经济学中的效用理论，通过构造合适的效用函数来表征用户使用时的满意度和认可度。

随着智能手机、平板电脑以及云计算的不断发展，移动互联网及其应用在这几年得到了迅速的发展。跨平台、随时随地的移动数据访问已经变成了现实。但是对于这些智能终端而言，网络数据访问已经成为其最大的能量消耗来源。本课题针对移动数据访问所带来的能耗开销问题，开展了两个方面的研究：第一，通过“用户情境”即用户行为的分析来预测用户访问，并通过动态调整移动数据访问策略来减少能量消耗，同时考虑用户的满意度，防止用户因为用户体验下降终止系统的访问策略；第二，针对3G网络的尾巴能量浪费现象，设计并实现了基于虚拟尾巴的能量利用机制来进行数据的有效传输。. 在基于用户情境分析的低能耗数据访问方面，设计并实现了基于用户行为预测和冒进预取的低能耗访问机制。首先，建立了移动数据访问的能耗模型，将系统活动和待机状态的能耗以及状态切换所需能耗之间的关系建模。依据该模型，可计算得到每一次能耗策略变化时能够节省或者增加的能量。其次，针对用户行为具有随时间演变的特点，建立了基于动态窗口的用户行为预测方法。该方法将用户未来行为描述为过去和当前行为的一个叠加，并不断根据当前行为的持续时间来调整其权重。最后，在上述机制基础上，建立了基于冒进预取的低能耗数据访问方法。该方法首先对用户行为进行预测，然后利用能耗模型对该预测进行评估，以决定是否进行数据预读，减少状态切换带来的能耗。实验表明，与现有数据访问机制相比，该方法能够节省能耗30%左右。相关研究成果发表在《电子学报》等中文刊物上。. 在3G网络尾巴能量利用方面，提出并实现了基于虚拟尾巴和双队列调度技术的TailTheft机制。首先，利用虚拟尾巴来维护一个和实际尾巴时间相同的时间长度，以保持现有3G能耗切换方式。其次，设计一组API让用户程序能够通过该组API告诉系统其数据传输能否容忍延迟等特征。TailTheft机制根据应用的特点利用尾巴能量进行有效的数据传输。最后，利用两个队列来分割正常发送的数据以及利用尾巴能量进行发送的数据，并利用虚拟尾巴时间来进行虚拟尾巴队列中的数据发送调度。仿真实验表明，TailTheft能够节省手机电池能耗40%以上。相关研究成果发表在Mobi’Arch 2011会议上，为该会议中唯一来自中国的文章。相关期刊论文已被IEEE汇刊录用或已通过一审。