Seleção de sensores sensível a contexto para redução do consumo de energia em smartphones

Nos últimos anos observamos uma mudança no paradigma de uso dos aparelhos celulares. Inicialmente eles possuíam um número limitado de funções, voltados apenas para fazer e receber chamadas. Atualmente, contudo, eles se tornaram dispositivos de propósito geral, oferecendo diversos serviços como GPS, e-mail, jogos, vídeos, etc. Além disto, a cada ano cresce o número de sensores integrados ao smartphone. Essa alta quantidade de sensores possibilita que os atuais dispositivos móveis sejam sensíveis ao contexto, ou seja, entendam o contexto do usuário e adaptem-se a diferentes situações. Contudo, a coleta contínua de dados contextuais e associada ao uso exagerado de sensores consome muita energia. E infelizmente as baterias usadas nos smartphones não evoluíram no mesmo ritmo que os demais componentes. Desta forma, surge um novo desafio: Como prover mais serviços e de melhor qualidade sem desperdiçar energia? Por este motivo, diversos artigos sobre o hardware e o software em dispositivos móveis são voltados para desenvolver soluções em eficiência energética, ou seja, reduzir o consumo de energia sem que os dispositivos percam a performance e a qualidade dos serviços oferecidos. Este trabalho de mestrado propõe um método de redução de consumo de energia baseado em contexto para smartphones através da seleção de sensores. O objetivo é entender quais atividades o usuário executa e o ambiente onde ele se encontra para selecionar apenas os sensores mais adequados ao momento. Com isto evita-se o desperdício de energia causado por diversos sensores ativos sem deixar de atender correntamente ao usuário. Em nosso estudo usamos regras de associação para relacionar diferentes características do usuário, como sociabilidade, mobilidade, posição, etc, de modo a inferir todo o contexto do usuário de maneira simples e rápida. Para validar nosso estudo, desenvolvemos um serviço android e realizamos experimentos de energia. O protótipo conseguiu aumentar o tempo de vida das baterias dos smartphones estudados em mais de uma hora.In the last years we observed a great change in the way how people interact with their cell phones. Initially, these devices had few functionalities, with receiving and making calls being their main purpose. Nowadays, however, they became general purpose devices, offering a diverse range of services, such as GPS location, e-mail, games, etc. Besides, the great amount of sensors embedded in smartphones enable them to be context aware devices, wich means they can understand the user context and adapt their services to diferent situations. However, the continuous acquisition of context data associated with the overuse of sensors causes high energy consumption. Unfortunately these devices depend on the battery and the battery technology used nowadays haven’t evolved in the same rate of the other components, like CPU and memory. Therefore we face a new problem: How can we provide more services with better quality without wasting energy? To answer this question, many papers in mobile devices hardware and software are focused in energy efficient solutions, in other words, how to reduct the energy consumption in mobile devices without losing performance or quality of service. This master thesis develops a new context aware method for energy consumption reduction in smartphones using sensor selection. The main purpose is to understand where the user is and what activity he/she is doing to select only the necessary sensors to each situation. With less sensor usage we can reduce the energy consumption and since these sensors are necessary we can provide better services to the user. We used association rules for relating diferent features, such as sociability, mobility, position, to better understand the whole user context. To validate our method, we developed an Android service and performed some energy experiments. This prototype was capable of increase the battery life-time in more than one hour