제한된 자원인 모바일 디바이스 배터리의 소모는 회로 설계자들이 회로를 분석 및 평가할 때 중요한 척도가 된다. 기존의 모바일 디바이스 배터리 소모 분석을 위해 여러 배터리 소모 모델 생성 연구가 수행되었으며, 배터리 소모 모델 생성 기법은 센서의 사용 유무, 런타임 모델 생성 여부, 검증 및 테스팅 목적으로의 모델 이용 여부 등에 따라 서로 다른 특징을 가진다. 본 연구에서는 모바일 디바이스회로 설계자들이 회로를 분석하는데 도움을 주기 위한 목적으로 지금까지 연구되어 온 배터리 소모 모델 분석 기법들에 대하여 비교 및 평가하고자 한다. 평가 결과를 기반으로 향후 모바일 디바이스 배터리 소모 분석 연구의 발전 방향을 제안한다.
제한된 자원인 모바일 디바이스 배터리의 소모는 회로 설계자들이 회로를 분석 및 평가할 때 중요한 척도가 된다. 기존의 모바일 디바이스 배터리 소모 분석을 위해 여러 배터리 소모 모델 생성 연구가 수행되었으며, 배터리 소모 모델 생성 기법은 센서의 사용 유무, 런타임 모델 생성 여부, 검증 및 테스팅 목적으로의 모델 이용 여부 등에 따라 서로 다른 특징을 가진다. 본 연구에서는 모바일 디바이스회로 설계자들이 회로를 분석하는데 도움을 주기 위한 목적으로 지금까지 연구되어 온 배터리 소모 모델 분석 기법들에 대하여 비교 및 평가하고자 한다. 평가 결과를 기반으로 향후 모바일 디바이스 배터리 소모 분석 연구의 발전 방향을 제안한다.
The consumption of mobile device batteries which are limited resources is an important criterion when circuit designers analyze and evaluate circuits. For this reason, researchers conducted researches with different models of battery consumption to analyze power consumption of mobile devices. The ba...
The consumption of mobile device batteries which are limited resources is an important criterion when circuit designers analyze and evaluate circuits. For this reason, researchers conducted researches with different models of battery consumption to analyze power consumption of mobile devices. The battery consumption model generation techniques have various characteristics depending on availability of sensors, run-time model generation, and models for using in verification and testing. However, there is lack of comparison and analysis between varied battery consumption model generation methods. In this research, we compare and evaluate the analysis methods which have been studied so far to support the circuit investigation for circuit designers. Finally, we suggest the direction of researches in battery consumption analysis using the comparison result.
The consumption of mobile device batteries which are limited resources is an important criterion when circuit designers analyze and evaluate circuits. For this reason, researchers conducted researches with different models of battery consumption to analyze power consumption of mobile devices. The battery consumption model generation techniques have various characteristics depending on availability of sensors, run-time model generation, and models for using in verification and testing. However, there is lack of comparison and analysis between varied battery consumption model generation methods. In this research, we compare and evaluate the analysis methods which have been studied so far to support the circuit investigation for circuit designers. Finally, we suggest the direction of researches in battery consumption analysis using the comparison result.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
모바일 디바이스 회로 설계자들의 주어진 상황에 따라 적절한 기법 선택을 돕거나 기존 기법들의 단점을 보완하는 기법을 제안하기 위해서는 기존 모바일 디바이스 배터리 소모 분석 기법들 간의 비교 분석 연구가 필요하 . 다따라서, 본 논문에서는 기존의 배터리 소모 분석 연구 중 배터리 소모 모델을 생성하여 분석하는 기법들을 비교 및 평가하고자 한다. 비교 대상 논문으로 최신 배터리 소모 분석 연구 중 12개를 선정하였으며, 모델링 레벨, 모델 타, 입런타임 모델 생성 여 , 부모델 생성 목적 등의 기준으로 선정된 연구들을 비교 분석하였다.
본 논문에서는 모바일 디바이스 하드웨어 설계자를 위한 모바일 디바이스 배터리 소모 분석 기법 연구들에 대하여 조사하고 기법들을 평가하였다. 평가 결과 모바일 디바이스 배터리 소모 모델에 대한 검증 연구가 많이 이루어지지 않았다는 점과 실제 사용자들의 배터리 소모 데이터 분석 결과가 배터리 소모 모델에 반영되지 않았음을 확인할 수 있었다.
본 배터리 소모 분석 기법 비교 결과를 활용하여 모바일 디바이스 배터리 소모 분석 연구의 향후 방향성을 제시하고자 한다.
스마트폰 사용에 있어 적절한 전력관리를 위해서는 스마트폰의 어느 부분에서 어떻게 에너지가 쓰이는지에 대한 올바른 이해가 필요하다는 점에서 연구가 시작되었다. 본 연구에서는 전체적인 시스템규모의 전력소비뿐만 아니라, 스마트폰을 구성하고 있는 각각 다른 구성요소들이 전력 소비에 어떠한 영향을 끼치는지 보였다. 기존의 연구들과는 다르게 스마트폰에서 주로 사용되는 기능들 오디오 및 (비디오 재생 문자메시지, ,음성통화, 메일 또는 웹 브라우징) 을 기준으로 사용자들의 다양한 사용 시나리오(Usage scenarios)에 해당하는 전력 소비 모델을 만들어 사용 패턴에 따라 전체적인 전력 소비 및 배터리 수명이 어떻게 변화되는지 보여주었다.
개발자들의 스마트폰 어플리케이션에 대한 이해를 돕기 위해 시작된 연구이며, 스마트폰 사용을 통해 생성되는 에너지 트레이스(energy traces)를 이용해 전력소모를 추정할 수 있게 하는 최초의 연구이다. 본 연구에서는 측정하고자하는 안드로이드 기반의 프레임 워크를 설명하고 무선 네트워크 환경에서 메시지 또는 데이터를 전달할 때, 메시지 크기와 버퍼의 크기에 따라 필요한 에너지가 다름을 보여주었다. 메시지 또는 버퍼의 크기와 같은 조그마한 차이가 결과적으로 시스템 전체적인 에너지 소모 측면에서는 큰 차이를 보일 수 있음을 실험을 통해 보여주었으며, 본 연구가 미래에 플랫폼 개발자들이 하드웨어 및 API를 확장하여 미세한 전력을 측정할 때 도움이 될 것으로 예상하였다.
에너지 핫스팟이란 어플리케이션을 실행시켰을 때, 비정상적으로 배터리 소모가 큰 사용자 시나리오를 말하며, 에너지 버그란 어플리케이션의 오작동으로 인하여 어플리케이션의 기능이 끝난 후, 사용자의 사용이 없어도 어플리케이션 상태가 idle이 되지 않는 것을 의미한다. 저자들은 앞서 말한 두 가지 에너지 비효율을 찾아서 자동으로 테스트를 생성해주는 프레임워크를 제시하였다. 프레임워크에서 사용한 배터리 소모 모델은 안드로이드 Hierarchy Viewer[12] 와 Dynodroid[13] 를 이용하여 생성된다.
본 연구에서는 안드로이드 환경에서 작동하는 어플리케이션의 전력 소비를 분석하기 위해 활용 기반 전력 모델(utilization-based power model)을 사용하였고, 프로세스에 대한 각각의 구성 요소의 전력소비를 모델링하고 모델 구성 모듈은 선형 회귀 기법을 적용하여 전력 모델을 나타내었다. 특별한 외부 측정 장비를 사용하지 않고 온라인 상태에서 전력을 추정하기 위해 PowerBooter에서 생성된 전력 소비 모델을 PowerTutor라는 전력 소비 추정 도구에 대입하여 스마트폰 개발자와 사용자들에게 어플리케이션 설계 및 개발에 도움을 주고자 하였다. PowerTutor을 통해 확인할 수 있는 구성 요소들로는 CPU, LCD, GPS, Wi-Fi, 오디오 및 셀룰러 인터페이스 등이 있으며 외부 측정 장비를 사용하지 않는 기존 연구들과 비교하는 실험을 통해 보다 높은 정확도를 가짐을 보였다.
제안 방법
저자들은 BMU를 사용하여 배터리 소모 모델을 생성할 때 발생하는 고질적인 문제인 낮은 BMU 업데이트율을 시스템 레벨에서의 이벤트 기반 배터리 측정 시나리오를 이용하여 극복하였다. 또한, 보다 정확한 배터리 소모 모델 측정을 위해 하드웨어의 컴포넌트 별 배터리 소모 모델을 생성하고 전체 배터리 소모를 분석하였다.
모바일 디바이스 배터리 소모 분석 기법을 평가하기 위해서 체계적 논문 검토 (systematic literature review)를 수행하였다.
논문 선정 기준으로는 1) 최근 10년 내에 소프트웨어 분야 우수 학술대회 및 저널에서 발표한 논문과, 2) 피인용 횟수가 100건 이상인 논문 중 3) 모바일 디바이스 배터리 소모 분석에 관련된 논문을 선정하였다. 모바일 디바이스 배터리 소모 분석과 관련 유무를 판단하기 위해 논문[6]에서 서술한 모델 기반 배터리 소모 분석 용어들의 조합으로 다음과 같이 키워드를 도출하였다.
Power-prof (2011)[10]. 모바일의 API 사용에 따른 전력 소비를 이용하여 배터리 소모 모델을 생성하였다. 이 기법의 특징은 외부의 기기를 사용하지 않고 배터리 소모 모델을 생성하여 수동으로 외부 기기로 배터리 소모를 측정하는 등의 추가적인 노력이 필요하지 않는다는 것과 모바일 디바이스의 API 호출 각각에 대한 배터리 소모 모델을 생성할 때 유전 알고리즘(genetic algorithm)을 사용하였다는 것이다.
다따라서, 본 논문에서는 기존의 배터리 소모 분석 연구 중 배터리 소모 모델을 생성하여 분석하는 기법들을 비교 및 평가하고자 한다. 비교 대상 논문으로 최신 배터리 소모 분석 연구 중 12개를 선정하였으며, 모델링 레벨, 모델 타, 입런타임 모델 생성 여 , 부모델 생성 목적 등의 기준으로 선정된 연구들을 비교 분석하였다.
PowerScope(1999)[7]. 스마트폰의 어플리케이션 사용을 통해 생성되는 에너지 소비 profiling을 다루는 도구 PowerScope를 개발하였다. Powerscope는 CPU profiler가 특정한 프로세스에 대한 분석을 위해 얻은 정보를 프로세서 주기와 매핑하여 해석하는 방법과 비슷한 방법으로 스마트폰의 사용을 통해 발생하는 전력 소비를 어플리케이션 구조에 매핑 시키는 방법을 사용하였다.
시스템 호출은 다른 하드웨어 컴포넌트를 사용할 때 발생하므로 컴포넌트 별 모델을 생성하기에 용이하다. 시스템 호출을 추적한 정보를 저자들이 2011년에 개발한 FSM 배터리 소모 모델에 매핑 하여 배터리 소모 모델을 생성하였다.
SEMO(2011)[11]. 에너지 관리라는 제한된 배터리 환경에서 에너지 소모에 영향을 주는 다양한 측면들을 디버깅할 수 있는 개발자 도구가 부족하다는 점을 인식하여, 스마트폰 애플리케이션 전력 소모를 분석 및 모니터링 할 수 있는 SEMO 시스템을 제안했다. 이 시스템은 안드로이드 기반 스마트폰에 설치되어 배터리 상태(health status), 전압, 온도, 총 용량 (total battery charge) 등의 정보를 수집하고 주기적으로 저장한다.
에너지 관리라는 제한된 배터리 환경에서 에너지 소모에 영향을 주는 다양한 측면들을 디버깅할 수 있는 개발자 도구가 부족하다는 점을 인식하여, 스마트폰 애플리케이션 전력 소모를 분석 및 모니터링 할 수 있는 SEMO 시스템을 제안했다. 이 시스템은 안드로이드 기반 스마트폰에 설치되어 배터리 상태(health status), 전압, 온도, 총 용량 (total battery charge) 등의 정보를 수집하고 주기적으로 저장한다. 저장된 정보를 바탕으로는 특정 시간대의 히스토리 커브 (history curve) 및 실시간 커브 (real-time curve) 를 사용하여 남은 배터리 용량을 나타내고 모니터링 할 수 있다.
기존에 많은 배터리 소모 분석 기법들이 센서 정보를 이용하여 배터리 모델들을 생성해왔으나, 센서가 없는 경우 배터리 모델 생성을 하지 못한다는 한계를 가지고 있었다. 이에 저자들은 센서 없이 이벤트 발생으로부터 배터리 소모를 분석하는 FEPMA(Fine-grained Event-driven Power Meter for Android smartphones) 프레임워크를 제시한다. FEPMA는 센서를 이용하지 않는 간접적 배터리 측정 방법인 상태 기반 배터리 측정 방법을 사용한다.
DevScope는 내장된 배터리 모니터링 유닛 (BMU: Battery Monitoring Unit)을 사용하여 배터리 소모 모델을 동적으로 생성하였다. 저자들은 BMU를 사용하여 배터리 소모 모델을 생성할 때 발생하는 고질적인 문제인 낮은 BMU 업데이트율을 시스템 레벨에서의 이벤트 기반 배터리 측정 시나리오를 이용하여 극복하였다. 또한, 보다 정확한 배터리 소모 모델 측정을 위해 하드웨어의 컴포넌트 별 배터리 소모 모델을 생성하고 전체 배터리 소모를 분석하였다.
배터리 소모 모델로 이벤트 흐름 그래프가 생성이 되면, 이벤트 트레이스를 생성하는 단계가 진행된다. 제안된 기법은 이벤트 트레이스를 생성하면서 하드웨어 컴포넌트의 사용을 확인하기 위해 시스템 호출을 기록하며 모델을 분석한다.
대상 데이터
모바일 디바이스 배터리 소모 분석 기법을 평가하기 위해서 체계적 논문 검토 (systematic literature review)를 수행하였다. 논문 선정 기준으로는 1) 최근 10년 내에 소프트웨어 분야 우수 학술대회 및 저널에서 발표한 논문과, 2) 피인용 횟수가 100건 이상인 논문 중 3) 모바일 디바이스 배터리 소모 분석에 관련된 논문을 선정하였다. 모바일 디바이스 배터리 소모 분석과 관련 유무를 판단하기 위해 논문[6]에서 서술한 모델 기반 배터리 소모 분석 용어들의 조합으로 다음과 같이 키워드를 도출하였다.
이론/모형
이에 저자들은 센서 없이 이벤트 발생으로부터 배터리 소모를 분석하는 FEPMA(Fine-grained Event-driven Power Meter for Android smartphones) 프레임워크를 제시한다. FEPMA는 센서를 이용하지 않는 간접적 배터리 측정 방법인 상태 기반 배터리 측정 방법을 사용한다. 상태 기반 배터리 측정은 하드웨어 컴포넌트들의 상태로부터 배터리 소모를 추정하여 나타내는 것이다.
PowerBooter(2010)[1]. 본 연구에서는 안드로이드 환경에서 작동하는 어플리케이션의 전력 소비를 분석하기 위해 활용 기반 전력 모델(utilization-based power model)을 사용하였고, 프로세스에 대한 각각의 구성 요소의 전력소비를 모델링하고 모델 구성 모듈은 선형 회귀 기법을 적용하여 전력 모델을 나타내었다. 특별한 외부 측정 장비를 사용하지 않고 온라인 상태에서 전력을 추정하기 위해 PowerBooter에서 생성된 전력 소비 모델을 PowerTutor라는 전력 소비 추정 도구에 대입하여 스마트폰 개발자와 사용자들에게 어플리케이션 설계 및 개발에 도움을 주고자 하였다.
저자들은 앞서 말한 두 가지 에너지 비효율을 찾아서 자동으로 테스트를 생성해주는 프레임워크를 제시하였다. 프레임워크에서 사용한 배터리 소모 모델은 안드로이드 Hierarchy Viewer[12] 와 Dynodroid[13] 를 이용하여 생성된다. Hierarchy Viewer는 UI 실행 정보와 UI 실행에 따른 이벤트의 시퀀스 정보를 포함한다.
이 기법은 주로 시스템의 상태를 설명할 때 하나의 종속 변수와 한 개 이상의 독립변수와의 선형 관계를 모델링 하는 데에 주로 사용된다. 하드웨어 컴포넌트들은 시간에 따라 소비 전력이 일정하게 증가하므로 많은 논문에서 배터리 소모 모델링에 선형회귀분석기법을 사용하였다[4, 10, 12, 15-17].
성능/효과
특별한 외부 측정 장비를 사용하지 않고 온라인 상태에서 전력을 추정하기 위해 PowerBooter에서 생성된 전력 소비 모델을 PowerTutor라는 전력 소비 추정 도구에 대입하여 스마트폰 개발자와 사용자들에게 어플리케이션 설계 및 개발에 도움을 주고자 하였다. PowerTutor을 통해 확인할 수 있는 구성 요소들로는 CPU, LCD, GPS, Wi-Fi, 오디오 및 셀룰러 인터페이스 등이 있으며 외부 측정 장비를 사용하지 않는 기존 연구들과 비교하는 실험을 통해 보다 높은 정확도를 가짐을 보였다. 하지만 이 연구에서 사용하는 활용 기반 전력 모델은 트레이닝을 시키는데 많은 시간이 걸린다는 단점과 현대에 많이 사용되는 스마트 폰에서 찾아볼 수 있는 비동기 전력 동작(asynchronous power behavior)을 감지해 낼 수 없다는 제한이 있다.
상태기반으로 정확한 배터리 소모 모델을 생성하기 위해서는 모바일 디바이스 하드웨어의 각 컴포넌트들의 상태 (active, idle, sleep, doze)와 활성 레벨을 정확히 알아내는 것이 중요하다. 따라서 저자들은 안드로이드 운영체제를 수정함으로써 커널의 최하위 레벨에서 전원 정보를 제공받아 시간 지연 문제와 정확한 하드웨어 컴포넌트들의 상태 식별 문제를 해결하였 . FEPMA다에서 생성하는 배터리 소모 모델은 런타임시에 생성된다.
본 연구에서는 측정하고자하는 안드로이드 기반의 프레임 워크를 설명하고 무선 네트워크 환경에서 메시지 또는 데이터를 전달할 때, 메시지 크기와 버퍼의 크기에 따라 필요한 에너지가 다름을 보여주었다. 메시지 또는 버퍼의 크기와 같은 조그마한 차이가 결과적으로 시스템 전체적인 에너지 소모 측면에서는 큰 차이를 보일 수 있음을 실험을 통해 보여주었으며, 본 연구가 미래에 플랫폼 개발자들이 하드웨어 및 API를 확장하여 미세한 전력을 측정할 때 도움이 될 것으로 예상하였다.
PowerScope를 사용하면 특정 기간 동안 소비 된 전체적인 에너지 중 특정 프로세스가 차지하는 비율을 확인할 수 있으며, 프로세스 내에 포함되어 있는 각각의 절차에 해당하는 전력 소비를 결정할 수 특징을 가지고 있다. 이와 같은 방법을 통해, 본 연구에서는 결과적으로 PowerScope를 통해 일반적으로 사용자들이 많이 사용하는 비디오 재생 어플리케이션의 에너지 소비를 46 %까지 줄일 수 있음을 보였다. 하지만 에너지 사용량과 배터리 수명 간의 관계를 나타낼 수 있는 모델을 제시 하지 못한 점과 스마트폰에서 소비하는 에너지 사용 이외에도 배터리 수명에 영향을 주는 피크 전력 레벨과 같은 다른 요소들에 대해서는 고려하지 않았다는 개선 사항이 포함되어있다.
본 논문에서는 모바일 디바이스 하드웨어 설계자를 위한 모바일 디바이스 배터리 소모 분석 기법 연구들에 대하여 조사하고 기법들을 평가하였다. 평가 결과 모바일 디바이스 배터리 소모 모델에 대한 검증 연구가 많이 이루어지지 않았다는 점과 실제 사용자들의 배터리 소모 데이터 분석 결과가 배터리 소모 모델에 반영되지 않았음을 확인할 수 있었다. 향후 계획으로는 평가 결과를 바탕으로 실제 사용자 배터리 소모 데이터를 통계적으로 분석하고, 모바일 디바이스의 배터리 소모 모델 생성 및 검증에 관한 연구를 진행할 예정이다.
조사를 수행한 위의 12개 모바일 디바이스 배터리 소모 분석 기법들은 시스템 커널 레벨부터 어플리케이션 레벨에 이르기까지 다양한 모델링 레벨 (modeling granularity)로 분류 될 수 있다. 하드웨어 레벨에서 생성된 배터리 소모 모델이 어플리케이션 레벨에 비해 배터리 소모 모델(battery consumption estimation model)의 정확도가 높았으며, 하드웨어 레벨에서 외부기기로 측정한 배터리 소모 모델이 디바이스 내부 센서로 측정한 배터리 소모 모델보다 정확도가 높음을 알 수 있다. 모델 타입 비교 항목에서는 선형 회귀 (linear regression), 유한 상태 기계 (FSM), 시스템 호출 트레이스 (system call trace)등의 타입으로 나뉘어짐을 알 수 있다.
후속연구
모델에 대한 검증은 소프트웨어 공학적 접근을 적용할 수 있다. UPPAAL[20], PRISM[21], SPIN[22] 다과 같은 모델검증 지원 도구를 활용하여 모바일 디바이스 배터리 소모 모델을 생성하고 검증 속성에 따른 모델 검증을 할 수 있을 것이다.
그러나 배터리 소모 모델에 실제 디바이스 사용 패턴은 반영되지 않았다. 대상 모바일 디바이스를 사용하는 실제 사용자들의 다양한 사용 패턴 샘플들을 통계적으로 분석하여 배터리 소모 모델에 반영할 수 있다면, 모바일 디바이스 회로 설계자들이 대상 연령층이나 사용자 특성에 맞는 설계를 수행할 수 있을 것이다.
둘째로, 모바일 디바이스 사용 대상자의 배터리 소비패턴을 모델에 반영하는 연구가 진행되어야 할 것이다. 모바일 디바이스 회로 설계자들은 모바일 디바이스 사용자들에게 배터리 소비 최적화를 이룰 수 있는 하드웨어를 제공해야 한다.
모바일 디바이스 회로 설계자들의 주어진 상황에 따라 적절한 기법 선택을 돕거나 기존 기법들의 단점을 보완하는 기법을 제안하기 위해서는 기존 모바일 디바이스 배터리 소모 분석 기법들 간의 비교 분석 연구가 필요하 . 다따라서, 본 논문에서는 기존의 배터리 소모 분석 연구 중 배터리 소모 모델을 생성하여 분석하는 기법들을 비교 및 평가하고자 한다.
첫째, 모바일 디바이스 회로 설계자들에게 정확한 배터리 소모 모델을 제공하는 것 이외에도, 하드웨어의 오류를 잡거나 최적화해야 하는 부분을 찾기 위해서 모델을 테스팅 및 검증 목적으로 활용하는 연구가 진행되어야 할 것이다. 모바일 디바이스 회로 설계자들이 검증해야 하는 배터리 소모 속성 즉, 특정 환경 혹은 특정 어플리케이션을 사용할 때 일정 이상의 배터리 소모가 발생하는지, 혹은 Banerjee 외(2014)[16] 가 정의한 에너지 비효율 오류가 존재하는지 등에 대한 검증이 이루어질 때, 하드웨어 최적화를 이룰 수 있을 것으로 생각된다.
PowerTutor을 통해 확인할 수 있는 구성 요소들로는 CPU, LCD, GPS, Wi-Fi, 오디오 및 셀룰러 인터페이스 등이 있으며 외부 측정 장비를 사용하지 않는 기존 연구들과 비교하는 실험을 통해 보다 높은 정확도를 가짐을 보였다. 하지만 이 연구에서 사용하는 활용 기반 전력 모델은 트레이닝을 시키는데 많은 시간이 걸린다는 단점과 현대에 많이 사용되는 스마트 폰에서 찾아볼 수 있는 비동기 전력 동작(asynchronous power behavior)을 감지해 낼 수 없다는 제한이 있다.
평가 결과 모바일 디바이스 배터리 소모 모델에 대한 검증 연구가 많이 이루어지지 않았다는 점과 실제 사용자들의 배터리 소모 데이터 분석 결과가 배터리 소모 모델에 반영되지 않았음을 확인할 수 있었다. 향후 계획으로는 평가 결과를 바탕으로 실제 사용자 배터리 소모 데이터를 통계적으로 분석하고, 모바일 디바이스의 배터리 소모 모델 생성 및 검증에 관한 연구를 진행할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 모바일 디바이스 배터리 소모 분석 연구에는 무엇이 있는가?
기존의 모바일 디바이스 배터리 소모 분석 연구에는 실제 스마트폰을 구성하고 있는 다양한 컴포넌트들의 배터리 소모를 측정하기 위해 모바일 디바이스 내의 센서를 이용하거나[1] 외부의 측정 장비를 사용하는 연구, 모바일 디바이스 사용자들이 어떤 어플리케이션을 어느 시점에 사용하는지에 대한 사용 패턴에 대한 분석 연구[2] 또는 배터리 소모 모델을 이용하여 시스템 전체의 배터리 소모를 산출하는 연구[3] 등이 있다. 이처럼 다양한 배터리 소모 분석 기법들이 연구되어 왔으나, 기법들 간의 비교 분석에 관한 연구는 많이 이루어지지 않았다.
선형회귀기법은 주로 어디에 사용되는가?
선형회귀기법 (Linear regression analysis)이란 가장 기본적이고 일반적으로 사용되는 통계적 예측 기법으로, 회귀 분석에서 독립 변수에 따라 종속 변수의 값이 일정한 패턴으로 변해 가는데 이러한 변수 간의 관계를 나타내는 회귀선이 선형 그래프 형태로 나타나는 경우를 선형 회귀 분석이라 정의한다. 이 기법은 주로 시스템의 상태를 설명할 때 하나의 종속 변수와 한 개 이상의 독립변수와의 선형 관계를 모델링 하는 데에 주로 사용된다. 하드웨어 컴포넌트들은 시간에 따라 소비 전력이 일정하게 증가하므로 많은 논문에서 배터리 소모 모델링에 선형회귀분석기법을 사용하였다[4, 10, 12, 15-17].
선형회귀기법이란 무엇인가?
선형회귀기법 (Linear regression analysis)이란 가장 기본적이고 일반적으로 사용되는 통계적 예측 기법으로, 회귀 분석에서 독립 변수에 따라 종속 변수의 값이 일정한 패턴으로 변해 가는데 이러한 변수 간의 관계를 나타내는 회귀선이 선형 그래프 형태로 나타나는 경우를 선형 회귀 분석이라 정의한다. 이 기법은 주로 시스템의 상태를 설명할 때 하나의 종속 변수와 한 개 이상의 독립변수와의 선형 관계를 모델링 하는 데에 주로 사용된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.