[发明专利]基于用户行为和系统状态预测移动设备电池续航的方法

权利要求书

1.一种基于用户行为和系统状态预测移动设备电池续航的方法，包括以下步骤：

提取移动设备持续处于放电状态的使用时间作为会话，保留长度超过一时间阈值且结束时电量低于电量阈值的会话作为基本单元；

从作为基本单元的各会话中随机选取一时间点，作为预测时间点；

对于每个选取了预测时间点的会话，提取从会话开始直至预测时间点范围内的用户使用行为数据及系统状态信息，从用户使用行为数据及系统状态信息中整理、抽取特征信息并将其组成特征向量；其中，所述特征信息包括预测时间点的当前剩余电量；

以会话及其对应的预测时间点和特征向量作为训练集；

选取若干回归模型，以每个会话的训练集作为输入，以预测时间点之后的实际续航时间作为输出，训练回归模型；

通过训练得到的回归模型，将每一个待预测的会话的相应数据按照同上的方式进行特征提取，然后以提取得到的特征向量作为输入，得到回归模型的输出作为对待预测会话的续航时间的预测。

2.如权利要求1所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述用户使用行为数据包括：应用使用记录及用户与系统的交互事件。

3.如权利要求2所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述应用使用记录包括系统运行的应用在各个时刻占用的系统资源量；

所述用户与系统的交互事件包括点亮屏幕、启动应用及拨打电话。

4.如权利要求1所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述系统状态信息包括：传感器读数、系统事件及硬件状态信息。

5.如权利要求4所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述传感器读数包括加速度计、磁力计及GPS的读数；

所述系统事件包括电话呼入、闹钟提醒及应用推送；

所述硬件状态信息包括内存占用量、CPU占用率、充放电状态及电池电量。

6.如权利要求1所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述时间阈值的选取范围设定为20分钟至90分钟，所述电量阈值选取范围设定为10％至50％。

7.如权利要求1所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述特征信息包括：

描述在预测发起时用户所处的上下文信息以及设备状态；

描述用户在当前会话内截止至预测时间点的历史使用行为；

描述用户在之前的会话当中的使用行为。

8.如权利要求1所述的基于用户行为和系统状态预测移动设备电池续航的方法，其特征在于，所述回归模型的训练器由Python脚本实现，内部使用scikit-learn库的RandomForestRegressor类和/或GradientBoostingRegressor类和/或XGBoost库中的XGBoost类，以每个会话作为数据点，以每个会话的特征向量和实际续航时间作为输入进行训练。

9.一种服务器，其包括存储器和处理器，所述存储器存储计算机程序，所述程序被配置为由所述处理器执行，所述程序包括用于执行权利要求1至8中任一项所述方法中各步骤的指令。

10.一种存储计算机程序的计算机可读存储介质，所述计算机程序包括指令，所述指令当由服务器的处理器执行时使得所述服务器执行权利要求1至8中任一项所述方法中的各个步骤。