이정원 백두산 2018-08 28036 https://aurora.ajou.ac.kr/handle/2018.oak/14099 학위논문(박사)--아주대학교 일반대학원 :전자공학과,2018. 8 모바일 센싱 어플리케이션(Mobile Sensing Application; MSA)은 모바일 기기에 내장된 다수의 센서를 사용하여 사용자 및 사용자의 주변 물리 환경을 인지하고, 이를 토대로 사용자 맞춤형 서비스를 제공한다. 이 때, 모바일 기기는 배터리라는 제한된 전력을 통해 구동되기 때문에 높은 수준의 서비스 품질을 확보하기 위해서는 전력에 대한 고려가 필수적이다. 특히, MSA는 다수의 센서를 지속적으로 사용하기 때문에 저전력에 대한 고려가 더욱 필요하다. 저전력 구동의 필요성으로 모바일 기기의 전력 소비를 측정하고, MSA의 전력 소비를 분석하는 연구들이 수행되어 왔으며, 이를 기반으로 전력 소비 관점에서 MSA를 평가하고, 전력 소비 효율을 개선하려는 연구들이 진행되어 왔다. 그러나 모바일 기기의 전력 소비를 측정하는 기존의 방법들은 외부 측정 기기를 사용하여 이동 중 측정이 불가능하거나, BMU(Battery Monitoring Unit)를 활용하여 측정된 전력 소비 값의 오차가 크고, 루팅 등 보안 정책을 위배해야 하는 등의 문제점을 가지고 있었다. 전력 모델 기반 MSA의 전력 소비 추정 기법들 역시, 모바일 기기의 동작 정보를 지속적으로 수집하기 위해 탐침 영향(probe effect), 보안, 낮은 소프트웨어 이식성 등의 문제점을 가지고 있었다. 또한, MSA의 전력 소비 효율을 평가하기 위해 임의의 테스트 시나리오만을 사용하기 때문에, 이용 행태(usage behavior)의 다양성에 따라 서로 다른 전력 소비 효율을 갖는 MSA의 특성을 반영하지 못하였다. 따라서 본 연구에서는 MSA를 개발하고 실제 사용함에 있어 활용할 수 있는 모바일 기기의 컴포넌트의 상태 및 동작 정보와 전력 소비 정보를 제공하며, 이를 기반으로 MSA의 전력 소비 효율을 평가하고, 개선하기 위한 방법을 다음과 같이 제안한다. 첫째, 범용성, 이동성 및 실시간성을 확보한 모바일 기기의 전력 소비 측정 방법 및 임베디드 시스템을 제안한다. 이동식 전력 측정 임베디드 시스템은 모바일 기기의 종류에 대한 의존성을 없애 다양한 모바일 기기를 대상으로 전력 소비를 측정 할 수 있도록 범용성을 확보하며, 휴대 가능하도록 소형화 하고, 휴대용 외장 배터리로부터 전력을 공급받기 때문에 이동 중 측정이 가능하다는 장점을 지닌다. 또한, 공급 전력을 실측하기 때문에 전력 모델을 통해 전력 소비를 추정하는 방법과는 다르게 전력 소비를 얻는 과정에서 탐침 영향이 없고, 실시간으로 정확한 전력 소비 정보를 획득할 수 있다. 둘째, 이동식 전력 측정 임베디드 시스템을 통해 측정된 모바일 기기의 전력 소비 정보를 분석하는 실시간 전력 분석 방법 및 도구를 제안한다. 모바일 기기의 전체 전력 소비 총량은 MSA에 의한 컴포넌트 상태 및 동작과 관련된 정보를 포함하고 있지 않아, MSA의 전력 소비 효율을 파악하고 개선을 위해 직접 사용하기에는 정보의 세밀성(fine granularity)이 부족하다. 본 연구는 이동식 전력 측정 임베디드 시스템이 가지고 있는 장점을 유지하면서도, 정보의 세밀성을 확보하기 위해 CNN(Convolutional Neural Network) 학습 모델을 활용하여 모바일 기기의 전력 소비 정보와 컴포넌트의 상태 및 동작 정보를 학습한다. 실시간 전력 분석 도구는 학습된 CNN을 활용하여 모바일 기기의 전력 소비 정보로부터 컴포넌트의 상태 및 동작 정보를 추정하여 실시간으로 제공한다. 셋째, 이동식 전력 측정 임베디드 시스템을 활용하여 MSA의 전력 소비 효율을 사용자 관점에서 평가한다. 본 연구는 사용자들이 상호 대체 가능한 다수의 MSA 중 하나의 어플리케이션을 선택함에 있어 기준이 될 수 있는 사용패턴 기반 에너지 효율등급을 제안한다. 사용패턴 기반 에너지 효율 등급은 이용 행태(usage behavior)에 따라 서로 다른 전력 소비 효율을 갖는 MSA의 특성을 반영하여 실효적이며, 평가 결과를 에너지 효율 등급표의 행태로 제공하여 사용자의 직관적 이해를 돕는다. 이와 더불어, 개발자 관점에서 MSA의 소비 전력을 개선하기 위한 전문가 시스템 기반 상호 배타 상황 해결 시스템을 제안한다. 상호 배타 상황 해결 시스템은 논리적으로 동시에 존재할 수 없는 상황들을 추론하며 발생하는 불필요한 센서 동작에 대처하여 소비 전력 효율을 향상 시킨다. 실험결과, 이동식 전력 측정 임베디드 시스템을 활용하여 이동 중 실시간으로 모바일 기기의 전체 소비 전력이 측정 가능하다는 것을 확인하였다. 사실상 지상 진리(ground truth)로 사용되는 Monsoon 측정기와의 비교를 통해 평균 오차가 약 1.5%, 상관도는 0.925를 갖는 것을 확인하였다. 또한, 실험을 통해 CNN 기반의 실시간 전력 분석 도구를 적용하여 전체 전력 소비 총량으로부터 컴포넌트의 상태 및 동작 정보를 실시간으로 획득할 수 있음을 확인하였으며, 4 종류의 컴포넌트에 대해서 평균 94%의 정확도를 갖는 것을 확인하였다. 더불어, 여러 사용 패턴을 갖는 어플리케이션에 에너지 효율 등급 평가 방법을 적용하여 사용패턴에 따라 상이한 등급이 생성됨을 확인하였다. 기존에 획일화 된 테스트 시나리오로는 MSA 전력 소비에 대한 적절한 평가가 불가능하였으나 사용자 중심의 에너지 효율 평가는 직관적으로 저전력의 MSA를 선택할 수 있는 기준을 마련할 수 있었다. 마지막으로, 상호 배타 상황 해결 시스템으로 생성된 ‘효율적인 센서 동작 지침’을 적용한 MSA의 전력 소비를 평가하여 실험 시나리오 내에서 약 12~20% 향상 효과를 확인하였다. 본 연구에서 제안하는 에너지 효율 등급은 사용자의 현명한 소비를 도울 뿐만 아니라, 높은 전력 소비 효율을 갖는 MSA의 니즈를 발생시킬 것이다. 따라서 이러한 시장 환경이 구축된다면, 본 연구를 통해 제안된 전력 소비 측정 및 분석 방법을 활용하여 전력 소비 효율을 향상 시킨 MSA의 시장 경쟁력 확보가 가능할 것이다. 1. 서론 1.1. 연구 배경 1.2. 연구 목적 및 방법 1.3. 논문 구성 2. 관련연구 2.1. MSA의 전력 소비에 관한 연구 2.2. 모바일 기기의 소비 전력 측정 방법 2.3. 저전력 MSA를 위한 전력 소비 분석 방법 2.4. MSA의 전력 소비 평가 및 전력 소비 효율 개선 방법 2.4.1. MSA의 전력 소비 평가 방법 2.4.2. MSA의 전력 소비 효율 개선 방법 2.5. MSA의 전력 소비에 관한 연구 비교 3. 모바일 기기의 전력 소비 측정 3.1. MSA의 전력 소비 정보 생성 기술 비교 분석 3.1.1. 전력 소비 정보 항목 3.1.2. 측정 활동 항목 3.1.3. 분석 용이성 항목 3.1.4. 사용성 항목 3.2. 이동식 전력 측정 및 실시간 정보 제공 방법 3.2.1. 외부 전력 측정 방법 활용 3.2.2. 이동 중 전력 측정 방법 3.2.3. 하드웨어 이식성 3.2.4. 실시간 정보 제공 방법 3.3. 이동식 전력 측정 임베디드 시스템 설계 및 구현 3.3.1. 이동식 전력 측정 임베디드 시스템 및 보조 도구 설계 3.3.1.1. 이동식 전력 측정 임베디드 시스템 및 보조 도구 구조 설계 3.3.1.2. 이동식 전력 측정 임베디드 시스템 및 보조 도구 동작 설계 3.3.2. 이동식 전력 측정 임베디드 시스템 및 보조 도구 구현 3.3.2.1. 이동식 전력 측정 임베디드 시스템 구현 3.3.2.2. 이동식 전력 측정 보조 도구 구현 3.4. 이동식 전력 측정 임베디드 시스템 검증 3.4.1. 이동식 전력 측정 임베디드 시스템의 정확도 평가 3.4.2. 이동 중 전력 소비 측정 가능성 평가 4. MSA의 전력 소비 분석 4.1. 실시간 전력 분석 필요성 및 분석 전략 수립 4.2. 동작 정보 수집 방안 4.2.1. 실시간 전력 분석을 위한 데이터 형태 4.2.2. 안드로이드 제공 서비스 기반 동작 정보 수집 방안 4.2.3. MSA 기반 동작 정보 수집 방안 4.3. CNN 기반 실시간 전력 분석 도구 설계 및 구현 4.3.1. CNN 설계 4.3.2. 실시간 전력 분석 도구 설계 4.3.2.1. 실시간 전력 분석 도구 구조 설계 4.3.2.2. 실시간 전력 분석 도구 동작 설계 4.3.3. 실시간 전력 분석 도구 구현 4.4. CNN 기반 실시간 전력 분석 도구 평가 4.4.1. CNN 학습 평가 4.4.1.1. 학습 데이터 4.4.1.2. CNN 평가 4.4.2. 실시간 전력 분석 도구 평가 5. MSA의 전력 소비 효율 평가 및 개선 5.1. MSA의 전력 소비 평가 5.1.1. 사용패턴 기반 평가 시나리오 및 에너지 효율 등급 5.1.1.1. 사용패턴 기반 평가 시나리오 5.1.1.2. 에너지 효율 등급 5.1.2. 에너지 효율 등급 평가 방법 5.1.2.1. 어플리케이션 사용 시나리오 생성 5.1.2.2. 이동식 전력 측정 임베디드 시스템을 활용한 전력 소비 측정 5.1.2.3. 에너지 효율 등급 평가 5.1.3. 에너지 효율 등급 적용 및 결과 분석 5.2. 상호 배타 상황을 고려한 MSA의 전력 소비 효율 개선 5.2.1. 상호 배타 상황에서의 과소비 원인 분석 5.2.2. 전문가 시스템 기반 상호 배타 상황 해결 시스템 제안 5.2.2.1. 상황을 표현하기 위한 모델 소개 5.2.2.2. 상황-센싱 모델 제안 5.2.2.3. 상호 배타 상황 해결을 위한 규칙 정의 5.2.3. 전문가 시스템 기반 상호 배타 상황 해결 시스템 설계 5.2.4. 전문가 시스템 기반 상호 배타 상황 해결 시스템 구현 및 적용 5.2.4.1. 상호 배타 상황 해결 시스템 구현 5.2.4.2. 상호 배타 상황 해결 시스템 적용 6. 결론 및 향후 연구 과제 참 고 문 헌 kor The Graduate School, Ajou University 아주대학교 논문은 저작권에 의해 보호받습니다. 저전력 모바일 센싱 어플리케이션을 위한 실시간 전력 측정 및 분석 Dusan Baek Thesis 아주대학교 일반대학원 Dusan Baek 일반대학원 전자공학과 2018. 8 Master I804:41038-000000028036 http://dcoll.ajou.ac.kr:9080/dcollection/common/orgView/000000028036 저전력 모바일 센싱 어플리케이션 전력 측정 전력 분석 전력 평가 에너지 효율 에너지 효율 등급 The Mobile Sensing Application (MSA) recognizes a user and the user’s surrounding physical environment by using a plurality of sensors built into the mobile device and provides a customized service based on the recognition. At this time, it is necessary to consider low power to ensure a high level of quality of service because the mobile device is driven by the limited power of the battery. Especially, the MSA requires more consideration of the low power because it operates multiple sensors continuously. For this reason, much previous research has been conducted to measure the power consumption of mobile devices and to analyze the power consumption of MSAs. In addition, based on this, the power efficiency of the MSAs has been evaluated and improved. However, conventional methods of using external measuring equipment to measure the power consumption of a mobile device are impractical while the device is on the move, and methods of using the BMU(Battery Monitoring Unit) are not accurate and can violate security policies such as rooting. Other previous works aimed at estimating power consumption by using a predefined power model also suffer from problems such as probe effects, security policy violation, and low software portability because of the need to collect behavioral information of the mobile device continuously. Furthermore, because the power efficiency of MSAs was evaluated over an arbitrary test scenario, the results may not reflect the characteristics of MSAs with different power efficiencies depending on the diversity of usage behavior. To solve these problems, I propose methods to provide information on the power consumption of the mobile device and on the states and behavior of the components in the mobile device that can be utilized to develop MSAs. Moreover, based on this, I propose methods to evaluate and improve the power efficiency of MSAs. First, I propose a portable power measurement method and embedded system with usability, mobility, and real-time measurement capability for measuring power consumption of mobile devices. The proposed embedded system eliminates the dependency on the type of mobile device and has versatility to measure the power consumption of various mobile devices. The size of the system is reduced and a portable external battery is used for the power source of the system so that the power measurement can be performed while the device is moving. In addition, the system directly measures power consumption, unlike methods that estimate power consumption based on a power model. Therefore, there is no probe effect in obtaining the power consumption and the system can provide accurate power consumption measurement in real time to MSA developers. Second, I propose a real-time power analysis method and tool for analyzing the power consumption of a mobile device measured by the portable power measurement embedded system. The total amount of power consumption of the mobile device is insufficient to be used for identifying causes of inefficient power consumption and improving the power efficiency of the MSA. To provide more detailed information while taking advantage of the proposed portable power measurement embedded system, I utilize a convolutional neural network (CNN) model to train the relationship between the power consumption of the mobile device and the states and behavior of the components. By using a pretrained CNN, the real-time power analysis tool infers and provides the states and behavior information of the components in real time from the power consumption of the mobile device. Third, from a user’s perspective, I propose usage-pattern-based energy efficiency grades that can be utilized as a basis for users to select one of the exchangeable applications that provide similar services. The evaluation results are effective because the test scenarios for evaluating the MSA are based on usage patterns to reflect the characteristics of MSAs having different power efficiencies according to usage behavior. Moreover, they are provided as a label, so that the user can intuitively understand the power-related information of the MSAs. In addition, from a developer’s perspective, I propose an expert-system-based Exclusive Contexts Resolver (ExCore) to improve the power efficiency of the MSA. The ExCore improves power efficiency by detecting and coping with unnecessary sensing operations that concurrently work to infer two or more exclusive contexts that cannot exist at the same time logically. The results of the experiment showed that the proposed portable power measurement embedded system can be utilized to measure the total amount of power consumption of a mobile device in real time while the device is on the move. The power value measured by using the proposed system in comparison with the Monsoon power meter, which is used as de facto ground truth, had an average error of ~1.5% and a correlation of 0.925. By utilizing a CNN-based real-time power analysis tool, I confirmed the states and behavior information of four kinds of components, inferred by using the tool from the total amount of power consumption of a mobile device, with an average of 94% accuracy in the test scenarios. Moreover, by applying the energy efficiency grading method to MSAs with various usage patterns. I found that the MSAs have different grades depending on the usage patterns. Although conventional arbitrary test scenarios did not allow proper evaluation of power efficiency of the MSA, the results evaluated by using the test scenarios based on usage patterns could be used as a basis for selecting a low-power MSA. Finally, the power consumption of the MSA using the 'efficient sensor operation guidelines' generated by ExCore was improved by ~12%-20% within the experimental scenario. The energy efficiency grading method proposed in this study will not only help users to consume smartly but also raise the needs of the MSA with high-power efficiency. Therefore, if this market environment is established, it will be possible to secure MSA market competitiveness through improved power efficiency by using the proposed portable power measurement embedded system and real-time power analysis tool.