KR100981128B1

KR100981128B1 - 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능시간 예측 방법

Info

Publication number: KR100981128B1
Application number: KR1020080054424A
Authority: KR
Inventors: 강준명; 홍원기
Original assignee: 포항공과대학교 산학협력단
Priority date: 2008-06-11
Filing date: 2008-06-11
Publication date: 2010-09-10
Also published as: US20090312072A1; US8204552B2; KR20090128599A; EP2133706A1; JP5175242B2; JP2009303207A

Abstract

본 발명은 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 관한 것이다.

상기 목적을 달성하기 위한 본 발명의 일 측면에 의하면, 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 있어서, 배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 하나 이상의 상태를 정의하는 단계, 데이터 수집기가 상기 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 수집하는 단계, 상기 시계열 데이터를 토대로 상태별 평균 배터리 소비 속도를 계산하는 단계, 상기 시계열 데이터를 토대로 사용 패턴을 나타내는 상태별 배터리 사용 시간 비율을 계산하는 단계, 상기 상태별 평균 배터리 소비 속도 및 상기 상태별 배터리 사용 시간 비율을 토대로 배터리의 사용 가능 시간을 예측하는 단계를 포함하는 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법을 제공한다.

본 발명에 의하면, 이동 통신 단말기의 배터리 사용 가능 시간을 개별 사용자의 사용 패턴에 기반하여 정확하게 제공할 수 있는 효과가 있다.

사용 패턴, 이동 통신 단말기, 배터리, 사용 가능 시간, 예측

Description

사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법{METHOD FOR PREDICTING BATTERY LIFETIME OF MOBILE DEVICES BASED ON USAGE PATTERNS}

본 발명은 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 관한 것이다. 구체적으로 본 발명은, 배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 정의된 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 토대로 이동 통신 단말기의 배터리 사용 가능 시간을 예측하는 방법에 관한 것이다.

최근 이동 통신 기술 및 서비스의 발전으로 이동 통신 단말기의 수가 증가함에 따라, 이동 통신 단말기의 배터리 사용 가능 시간을 미리 예측하는 것이 중요한 기술의 하나가 되었다.

종래의 배터리 사용 가능 시간 예측 기술은, 배터리 제조사나 단말기 제조사에서 단말기가 출시되기 전 실험에 의해서 정해진 기준 값을 기반으로 남은 배터리의 양을 예측하는 방법이 일반적이었다. 또한, 이동 통신 단말기의 대기 가능 시간을 소모한 전류의 산출 평균에 의해서 제공하는 방법과 같이, 배터리 사용에 대 한 이론적 모델이나 시뮬레이션에 기반한 연구도 있었다. 최근에는 통계를 이용한 예측 방법이 소개되었는데, 사용하고 있는 배터리의 전압이 특정한 값에 도달하였을 때, 이후 통신 단말기가 파워-오프(power-off) 될 때까지 배터리를 사용할 수 있는 시간을 실제 배터리 사용 시간에 대한 통계자료로부터 구하는 방법이다.

상술한 종래의 배터리 사용 가능 시간 예측 방법들은 회로 수준에서 전류의 소모량을 통해서 배터리 사용 가능 시간을 예측하거나, 일반적인 사용자의 배터리 사용 시간을 예측하는 데 초점을 둔 방법이 주류를 이루었다.

따라서 종래 단말기를 사용하는 사람마다의 사용 패턴이 상이함에도 불구하고, 배터리 사용 가능 시간은 획일적으로 예측될 수밖에 없었다. 단말기 사용자는 일반적인 사용자에 대하여 예측된 배터리 사용 가능 시간을 얻을 수 있을 뿐, 자신의 사용 패턴에 기반하여 더 자신에게 적합하게 예측된 결과를 제공받을 수 없으므로, 효율적인 배터리 사용 또는 비정상적 배터리 남용의 검출 등 배터리 사용 가능 시간 예측 기술의 효과는 제한적이었던 것이 사실이다.

상기 목적을 달성하기 위한 본 발명의 일 측면에 의하면, 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 있어서, 배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 하나 이상의 상태를 정의하는 단계, 데이터 수집기가 상기 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 수집하는 단계, 상기 시계열 데이터를 토대로 상태별 평균 배터리 소비 속도를 계산하는 단계, 상기 시계열 데이터를 토대로 사용 패턴을 나타내는 상태별 배터리 사용 시간 비율을 계산하는 단계, 상기 상태별 평균 배터리 소비 속도 및 상기 상태별 배터리 사용 시간 비율을 토대로 배터리의 사용 가능 시간을 예 측하는 단계를 포함하는 사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법을 제공한다.

또한, 사용자가 예상되는 배터리의 사용 가능 시간을 자신의 사용 패턴에 기반하여 알 수 있어서 단말기의 효율적 사용을 가능하게 하는 효과가 있다.

또한, 예측된 배터리의 사용 가능 시간과 실제 배터리 사용 시간을 비교함으로써 비정상적 배터리 사용의 검출 또는 단말기의 문제점 진단을 가능하게 하는 효과가 있다.

이하 첨부된 도면을 참조하여 본 발명의 동작 원리를 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

먼저, 단말기에서의 음성 통화, 영상 통화, 데이터 통신, 문자 메시지 전송, LCD의 켜진 상태, 응용 프로그램 동작, MP3 감상, 대기 상태 등이 배터리 소비에 영향을 미치는 정도를 기준으로 하여 상태(state)를 정의할 수 있다. 표 1에서는 일 실시예로서 LCD의 사용 여부, 음성 통화 여부, 데이터 통신 여부를 기준으로 하여 총 8개의 상태를 정의하였다.

	S0	S1	S2	S3	S4	S5	S6	S7
LCD	O	O	O	O	X	X	X	X
음성 통화	O	O	X	X	O	O	X	X
데이터 통신	O	X	O	X	O	X	O	X

상기 표 1의 O는 동작중인 것을 나타내고, X는 동작하지 않는 것을 나타낸다.

S0는 LCD가 켜진 채로 음성 통화 및 데이터 통신을 동시에 사용하는 경우이다. 이러한 상태는 현재 존재하지 않으나, 추후에는 존재하게 될 수도 있다. 이 상태에서는 LCD, 음성 통화 및 데이터 통신이 모두 배터리 소비에 영향을 미치게 된다.

S1은 LCD가 켜진 채로 음성 통화만을 하는 경우이다. 이 상태는 음성 통화를 처음 시작하는 경우 음성 통화의 연결 시작 이벤트 시점부터 활성화되며, LCD와 음성 통화가 배터리 소비에 영향을 미치게 된다.

S2는 LCD가 켜진 채로 데이터 통신만을 하는 경우이다. 이 상태는 데이터 통신의 연결 시작 이벤트 시점부터 활성화되며, LCD와 데이터 통신이 배터리 소비에 영향을 미치게 된다.

S3은 LCD만 켜진 채로 음성 통화 및 데이터 통신을 모두 사용하지 않는 경우이다. 전화가 오고 있거나 전화기를 열었을 때의 대기 상태에 해당하며, LCD만 배터리 소비에 영향을 미치게 된다.

S4는 LCD가 꺼진 채로 음성 통화와 데이터 통신을 동시에 사용하는 경우이다. 이러한 상태는 현재 존재하지 않으나, 추후에는 존재하게 될 수도 있다. 이 상태에서는 음성 통화와 데이터 통신이 배터리 소비에 영향을 미친다.

S5는 LCD가 꺼진 채로 음성 통화만을 하는 경우이다. 이 상태는 음성 통화를 시작하고 나서 일정한 타임아웃 이후에 가능한 상태이며, 음성 통화가 배터리 소비에 영향을 미친다.

S6은 LCD가 꺼진 채로 데이터 통신만을 하는 경우이다. 이러한 상태는 현재 존재하지 않으나, 추후에는 존재하게 될 수도 있다. 이 상태에서는 데이터 통신이 배터리 소비에 영향을 미친다.

S7은 LCD가 꺼진 채로 음성 통화 및 데이터 통신을 모두 사용하지 않는 경우이다. 전화가 오고 있지 않으며 전화기를 열지 않거나 타임 아웃(time out)이 되어버린 대기 상태로, 기지국과의 주기적인 접속을 통한 프로세스가 배터리 소비에 영향을 미친다.

도 1은 배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 정의된 하나 이상의 상태 간의 상태 전이를 도시한 것이다. 도 1을 참조하면, 단말기의 전원을 켤 때 단말기는 꺼짐(100) 상태에서 켜짐(101) 상태로 바뀌게 된다. 켜짐(101) 상태의 S0(102), S4(106), S6(108)은 현재 존재하지 않고, 추후 존재하더라도 현재는 도달 가능하지 않은 상태(Unreachable State)이다. 켜짐(101) 상태에서는 S3(105)에서 출발하게 된다. 음성 통화를 시작하면 S1(103)으로 가게 되고, 일정한 시간이 지나 타임 아웃된 이후에는 LCD가 꺼지면서 S5(107)로 가게 된다. S5(107)에서 버튼을 동작하게 되면 S1(103)으로 가게 되고, 음성 통화가 끝나면 S3(105)로 가게 된다. 그리고 데이터 통신을 시작하면 S2(104)로 가게 되고, 데이터 통신이 끝나면 다시 S3(105)로 돌아온다. 일정한 시간이 지나 타임 아웃이 될 때까지 아무런 동작을 하지 않게 되면 S7(109)로 가서 전화 수신을 기다린다. 그리고 전화가 수신되거나 단말기를 열게 되면 S3(105)로 가게 된다.

도 2는 본 발명의 전체 흐름을 도시하는 활동도(Activity Diagram)를 도시한 것이다. 단말기가 켜지면 상태 수집기가 단말기 내부에서 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 데이터를 수집한다(200). 수집된 데이터는 상태별 평균 배터리 소비 속도 및 상태별 배터리 사용 시간 비율을 분석하는 데 사용되는 시계열 데이터(Time-series data)이다. 이렇게 수집된 데이터를 토대로 상태별 평균 배터리 소비 속도를 계산하고(201), 각 사용자의 사용 패턴을 보여주는 상태별 배터리 사용 시간 비율을 계산한다(202). 이러한 상태별 평균 배터리 소비 속도와 상태별 배터리 사용 시간 비율을 토대로, 배터리 사용 시간을 예측하게 된다(203).

도 3은 각 상태에서 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 도시한 것이다. 도 3의 그래프는 일 실시예로서 데이터 수집기가 수집한 시계열 데이터를 시간과 배터리 잔량을 기준으로 작도(plotting)한 것이다. 특히 점선은 S5(107), 즉 LCD가 꺼진 채로 음성 통화만을 하는 상태에서의 배터리 소비량 및 배터리 사용 시간을 나타낸 것이다. 이러한 각 상태에서의 시계열 데이터 전체 샘플의 산술 평균에 의하여 하기 수학식 1과 같이 상태별 평균 배터리 소비 속도를 구할 수 있다.

(여기서, a_i는 Si 상태에서의 평균 배터리 소비 속도(mA/sec)이고, i의 범위는 0부터 7까지이며, B_j는 j번째 음성 통화시의 배터리 소비량(mA)이고, t_j 는 j번째 음성 통화시의 통화 시간, 즉 배터리 사용 시간(sec)이다.)

각 사용자의 사용 패턴은 상태별 배터리 사용 시간 비율로 판단할 수 있다. 이 값은 사용자마다 다른 비율로 나타나고, 이것이 곧 사용자의 사용 패턴을 보여주는 수치가 될 수 있기 때문이다. 상태별 배터리 사용 시간 비율을 계산하는 방법에는 여러 가지가 있을 수 있다. 가장 간단한 방법의 하나는, 데이터 수집기가 수집한 시계열 데이터를 이용하여 각 상태에서의 배터리 사용 시간을 모든 상태에서의 배터리 사용 시간의 합으로 나누는 것이다. 이를 하기 수학식 2와 같이 나타낼 수 있다.

(여기서,

는 Si상태에서 소비한 비율이며,

는 Si상태에서 소비한 시간이다.)

상태별 배터리 사용 시간 비율을 계산하는 다른 방법으로 과거의 시계열 데이터를 통하여 미래의 데이터를 예측하는 방법들이 있다. 자기 회귀 모형(Auto Regressive Model, AR) 또는 홀트-윈터스 모형(Holt-Winters Model)을 사용하는 예측 방법이 그것이다. 사용자의 패턴도 과거의 시계열 데이터를 기준으로 하지만, 최근의 데이터에 더 많은 비중을 두고 예측을 하도록 가중치에 관한 인자를 조절할 수 있다.

자기 회귀 모형은 시계열 자체에 대한 회귀 형태를 취하는 모형이다. 일반 p차 자기 회귀(AR) 과정을 따를 경우, 현시점 t에서의 시계열 데이터 Z_t는 p개의 과거 시계열 데이터들의 가중합

과 이들로 설명되지 않는 부분인 오차항 a_t의 선형 결합으로 표현된다. 자기 회귀 모형에서의 시계열 데이터 Z_t는 하기 수학식 3과 같이 나타낼 수 있다.

(여기서, Z_i는 i번째 시계열 데이터,

는 i번째 시계열 데이터에 대한 가중치, a_t는 오차항을 나타낸다.)

홀트-윈터스 모형은 시계열 데이터에 대한 지수 평활법(Exponential Smoothing)에 속하는 예측법이다. 지수 평활법은 최근 데이터에 제일 큰 가중치를 주고 시간이 지남에 따라 가중치를 지수적으로 감소시키는 가중치 이동평균 예측법의 하나로, 과거 데이터를 유지하는 대신에 가장 최근의 데이터를 만들어내는 방식이다. 홀트-윈터스 알고리즘은 지수 평활법 형태로 계산되는 3가지 요소의 합으로 표현되며, 그 3가지 요소는 평균 수준(Baseline), 추세 성분(Linear Trend), 계절 성분(Seasonal Trend)이다. 홀트-윈터스 모형에는 가법 모형과 승법 모형이 있는데, 본 발명에서는 승법 모형을 사용한다. 이를 사용한 예측은 하기 수학식 4와 같이 나타낼 수 있다.

(여기서, Y_t는 시점 t에서 관찰된 시계열의 값, L_t는 시점 t에서 시계열의 평균 수준, b_t는 시점 t에서 시계열의 추세 성분, S_t는 시점 t에서 시계열의 계절 성분, F_t _+m는 시점 t에서 예측한 시점 t+m 의 예측값이다. s계절 성분의 길이, 예컨대 1주일을 구성하는 요일의 수 또는 1년을 구성하는 달의 수이고,

는 평활 모수를 나타내며,

이다.)

상기 수학식 4의 홀트-윈터스 모형은 m기간의 차이를 두고 예측값을 계산하는 모형이다. 본 발명에서는 1기간 차이를 두고 예측값을 계산한다. 즉, m은 1을 가정한다. 홀트-윈터스 모형을 적용하기 위해서는 평활 모수

의 값을 사전에 설정해 두어야 한다. 평활 모수의 값은 예측 오차를 최소화하는 값이 가장 바람직하다. 평활 모수의 값을 설정하기 위해 전통적으로 사용되어온 방법의 하나로, 몇 개의 가능한 값(0.1, 0.3, 0.5, 0.7, 0.9)에 대해서 예측 오차를 계산한 후 이중 가장 적은 예측 오차를 나타내는 값을 평활 모수로 사용하는 격자 검색(grid search) 방법이 있다. 본 발명에서는 사용자의 사용 패턴을 주기적으로 분석하여 예측한 배터리 사용 가능 시간과 사용자의 실제 배터리 사용 시간을 바탕으로 최적의 평활 모수를 결정한 후, 평활 모수를 그 결정된 값으로 미리 설정하여 사용하도록 동적으로 업데이트하도록 하였다.

도 2를 참조하면, 상태별 평균 배터리 소비 속도(a_i)을 계산하는 단계(201)와 사용자 패턴을 나타내는 상태별 배터리 사용 시간 비율(

)을 계산하는 단계(202)를 거친 후, 그 결과를 바탕으로 하여 최종적으로 남은 배터리의 총량(

)에 대한 사용 가능 시간(

)을 예측하는 단계(203)를 수행하게 된다. 이 단계(203)는, 남은 배터리의 총량(

)을, 상태별 평균 배터리 소비 속도(a_i)에 상태별 배터리 사용 시간 비율(

)을 곱한 값을 전체 상태에 대하여 모두 더한 합으로 나누는 과정이다. 이는 하기 수학식 5와 같이 표현할 수 있다.

(여기서,

은 남은 배터리의 예측된 사용 가능 시간(sec),

은 남은 배터리의 총량(mA), a_i는 Si 상태에서의 평균 배터리 소비 속도(mA/sec)이며, i의 범위는 0부터 7이고,

는 Si상태에서 소비한 비율이다.)

상기 수학식 5에서 a_i과

를 주기적(1주일 또는 1달)으로 업데이트할 수 있으므로, 시간에 따른 배터리의 노화 현상 또는 사용자의 패턴이 바뀌는 경우에 대하여도 유연하게 적용할 수 있다.

도 1은 배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 정의된 하나 이상의 상태 간의 상태 전이를 도시한 것이다.

도 2는 본 발명의 전체 흐름을 도시하는 활동도(Activity Diagram)를 도시한 것이다.

도 3은 각 상태에서 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 도시한 것이다.

Claims

삭제
삭제
삭제
삭제
사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 있어서,

배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 하나 이상의 상태를 정의하는 단계,

데이터 수집기가 상기 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 수집하는 단계,

상기 시계열 데이터를 토대로 상태별 평균 배터리 소비 속도 및 사용 패턴을 나타내는 상태별 배터리 사용 시간 비율을 도출하는 단계,

상기 상태별 평균 배터리 소비 속도 및 상기 상태별 배터리 사용 시간 비율을 토대로 배터리의 사용 가능 시간을 예측하는 단계를 포함하며,

상기 상태별 배터리 사용 시간 비율은 상기 시계열 데이터에 자기 회귀 모형을 사용하여 얻은 예측 값으로써 도출되는

이동 통신 단말기의 배터리 사용 가능 시간 예측 방법.
사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 있어서,

배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 하나 이상의 상태를 정의하는 단계,

데이터 수집기가 상기 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 수집하는 단계,

상기 시계열 데이터를 토대로 상태별 평균 배터리 소비 속도 및 사용 패턴을 나타내는 상태별 배터리 사용 시간 비율을 도출하는 단계,

상기 상태별 평균 배터리 소비 속도 및 상기 상태별 배터리 사용 시간 비율을 토대로 배터리의 사용 가능 시간을 예측하는 단계를 포함하며,

상기 상태별 배터리 사용 시간 비율은 상기 시계열 데이터에 홀트-윈터스 모형을 사용하여 얻은 예측 값으로써 도출되는

이동 통신 단말기의 배터리 사용 가능 시간 예측 방법.
사용 패턴에 기반한 이동 통신 단말기의 배터리 사용 가능 시간 예측 방법에 있어서,

배터리 소비에 영향을 미치는 단말기의 동작을 기준으로 하여 하나 이상의 상태를 정의하는 단계,

데이터 수집기가 상기 각 상태에서의 배터리 소비량 및 배터리 사용 시간에 대한 시계열 데이터를 수집하는 단계,

상기 시계열 데이터를 토대로 상태별 평균 배터리 소비 속도 및 사용 패턴을 나타내는 상태별 배터리 사용 시간 비율을 도출하는 단계,

상기 상태별 평균 배터리 소비 속도 및 상기 상태별 배터리 사용 시간 비율을 토대로 배터리의 사용 가능 시간을 예측하는 단계를 포함하며,

상기 배터리의 사용 가능 시간은 남은 배터리의 총량을 상기 상태별 평균 배터리 소비 속도에 상기 상태별 배터리 사용 시간 비율을 곱한 값을 전체 상태에 대하여 모두 더한 합으로 나눔으로써 예측되는

이동 통신 단말기의 배터리 사용 가능 시간 예측 방법.