終端感知狀態(tài)控制方法和終端感知狀態(tài)控制裝置與流程

本發(fā)明涉及終端技術(shù)領(lǐng)域，尤其涉及一種終端感知狀態(tài)控制方法和一種終端感知狀態(tài)控制裝置。

背景技術(shù)：

目前，很多智能終端可以通過傳感器等裝置感知并獲取信息，如用戶體溫、環(huán)境溫度、用戶運(yùn)動(dòng)數(shù)據(jù)等，并能夠?qū)⑦@些信息發(fā)送到云端服務(wù)器，為用戶的生活和工作提供了便利。

然而，這種信息采集方式的傳感器等裝置均由終端的電池供電，其持續(xù)工作會(huì)大量消耗終端電池的電量，既影響用戶的正常使用，還增加了使用成本。另外，將將這些信息發(fā)送到云端服務(wù)器時(shí)，有可能使用數(shù)據(jù)流量，而大量數(shù)據(jù)流量的消耗也會(huì)導(dǎo)致電池電量的高消耗和使用成本的增加，影響用戶的正常使用。

因此，如何改善因終端持續(xù)進(jìn)行信息采集造成的缺陷，成為目前亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種終端感知狀態(tài)控制方法和一種終端感知狀態(tài)控制裝置，旨在解決相關(guān)技術(shù)中因終端持續(xù)進(jìn)行信息采集而造成的影響用戶的正常使用的技術(shù)問題，能夠減少終端處于信息采集狀態(tài)的時(shí)間，有效控制終端的感知狀態(tài)。

第一方面，本發(fā)明實(shí)施例提供了一種終端感知狀態(tài)控制方法，包括：每隔預(yù)定時(shí)間間隔，獲取終端的實(shí)時(shí)參數(shù)；根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，確定所述終端的感知狀態(tài)，其中，所述多種預(yù)定終端屬性模型為電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型，所述終端的感知狀態(tài)包括信息采集狀態(tài)和休眠狀態(tài)。

在本發(fā)明上述實(shí)施例中，可選地，根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，確定所述終端的感知狀態(tài)的步驟，具體包括：根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，計(jì)算每個(gè)預(yù)定終端屬性模型對(duì)應(yīng)的屬性因子；根據(jù)多個(gè)屬性因子，確定所述終端進(jìn)入所述信息采集狀態(tài)的概率；判斷所述概率是否大于預(yù)定閾值；當(dāng)所述概率大于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為信息采集狀態(tài)，以及當(dāng)所述概率小于或等于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為休眠狀態(tài)。

在本發(fā)明上述實(shí)施例中，可選地，所述電池電量約束模型、所述網(wǎng)絡(luò)流量約束模型和所述用戶狀態(tài)保持模型對(duì)應(yīng)的屬性因子分別為電池電量約束因子、網(wǎng)絡(luò)流量約束因子和用戶狀態(tài)保持因子。

在本發(fā)明上述實(shí)施例中，可選地，根據(jù)多個(gè)屬性因子，確定所述終端進(jìn)入所述信息采集狀態(tài)的概率的步驟，具體包括：確定1與所述用戶狀態(tài)保持因子的差值，以及所述電池電量約束因子和所述網(wǎng)絡(luò)流量約束因子的乘積；將所述差值與所述乘積的比值確定為所述終端進(jìn)入所述信息采集狀態(tài)的概率。

在本發(fā)明上述實(shí)施例中，可選地，在判斷所述概率是否大于預(yù)定閾值的步驟之前，還包括：獲取隨機(jī)數(shù)，所述隨機(jī)數(shù)大于0且小于1；將所述隨機(jī)數(shù)設(shè)置為所述預(yù)定閾值。

第二方面，本發(fā)明實(shí)施例提供了一種終端感知狀態(tài)控制裝置，包括：實(shí)時(shí)參數(shù)獲取單元，每隔預(yù)定時(shí)間間隔，獲取終端的實(shí)時(shí)參數(shù)；感知狀態(tài)控制單元，根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，確定所述終端的感知狀態(tài)，其中，所述多種預(yù)定終端屬性模型為電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型，所述終端的感知狀態(tài)包括信息采集狀態(tài)和休眠狀態(tài)。

在本發(fā)明上述實(shí)施例中，可選地，所述感知狀態(tài)控制單元包括：屬性因子計(jì)算單元，根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，計(jì)算每個(gè)預(yù)定終端屬性模型對(duì)應(yīng)的屬性因子；概率計(jì)算單元，根據(jù)多個(gè)屬性因子，確定所述終端進(jìn)入所述信息采集狀態(tài)的概率；概率判斷單元，判斷所述概率是否大于預(yù)定閾值，其中，當(dāng)所述概率大于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為信息采集狀態(tài)，以及當(dāng)所述概率小于或等于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為休眠狀態(tài)。

在本發(fā)明上述實(shí)施例中，可選地，所述電池電量約束模型、所述網(wǎng)絡(luò)流量約束模型和所述用戶狀態(tài)保持模型對(duì)應(yīng)的屬性因子分別為電池電量約束因子、網(wǎng)絡(luò)流量約束因子和用戶狀態(tài)保持因子。

在本發(fā)明上述實(shí)施例中，可選地，所述屬性因子計(jì)算單元具體用于：確定1與所述用戶狀態(tài)保持因子的差值，以及所述電池電量約束因子和所述網(wǎng)絡(luò)流量約束因子的乘積，并將所述差值與所述乘積的比值確定為所述終端進(jìn)入所述信息采集狀態(tài)的概率。

在本發(fā)明上述實(shí)施例中，可選地，還包括：預(yù)定閾值確定單元，在所述概率判斷單元判斷所述概率是否大于預(yù)定閾值之前，獲取隨機(jī)數(shù)，所述隨機(jī)數(shù)大于0且小于1，并將所述隨機(jī)數(shù)設(shè)置為所述預(yù)定閾值。

以上技術(shù)方案，針對(duì)相關(guān)技術(shù)中因終端持續(xù)進(jìn)行信息采集而造成的影響用戶的正常使用的技術(shù)問題，提供了一種基于終端的實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型靈活控制終端的感知狀態(tài)的方案。

具體來說，每隔預(yù)定時(shí)間間隔，也就在每個(gè)周期內(nèi)，進(jìn)行一次是否調(diào)整終端的感知狀態(tài)的判斷，其中，可以獲取終端的剩余電量、Wi-Fi連接狀態(tài)等實(shí)時(shí)參數(shù)，并且，將每種預(yù)定終端屬性模型所需的實(shí)時(shí)參數(shù)帶入該預(yù)定終端屬性模型中，從而結(jié)合多個(gè)預(yù)定終端屬性模型的計(jì)算結(jié)果，確定終端應(yīng)進(jìn)入信息采集狀態(tài)還是休眠狀態(tài)。該技術(shù)方案，通過將終端的多種屬性建模，充分考慮到了終端的多種屬性，從而可以根據(jù)多方面的實(shí)際情況分周期地有效調(diào)整終端的感知狀態(tài)，改善了因終端持續(xù)處于信息采集狀態(tài)而導(dǎo)致電池電量和網(wǎng)絡(luò)流量消耗過大的問題，能夠節(jié)省電池電量和網(wǎng)絡(luò)流量，降低了用戶的使用成本，提升了用戶體驗(yàn)。

【附圖說明】

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1示出了本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖；

圖2示出了本發(fā)明的另一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖；

圖3示出了本發(fā)明的再一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖；

圖4示出了本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制裝置的框圖；

圖5示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的終端的框圖。

【具體實(shí)施方式】

為了更好的理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)描述。

應(yīng)當(dāng)明確，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在本發(fā)明實(shí)施例中使用的術(shù)語是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本發(fā)明。在本發(fā)明實(shí)施例和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。

圖1示出了本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖。

如圖1所示，本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制方法，包括：

步驟102，每隔預(yù)定時(shí)間間隔，獲取終端的實(shí)時(shí)參數(shù)。

每隔預(yù)定時(shí)間間隔，也就在每個(gè)周期內(nèi)，可以獲取終端的剩余電量、Wi-Fi連接狀態(tài)等實(shí)時(shí)參數(shù)，以供下面進(jìn)一步進(jìn)行一次是否調(diào)整終端的感知狀態(tài)的判斷。

步驟104，根據(jù)實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，確定終端的感知狀態(tài)。

其中，多種預(yù)定終端屬性模型包括但不限于電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型，將每種預(yù)定終端屬性模型所需的實(shí)時(shí)參數(shù)帶入該預(yù)定終端屬性模型中，從而結(jié)合多個(gè)預(yù)定終端屬性模型的計(jì)算結(jié)果，確定終端應(yīng)進(jìn)入信息采集狀態(tài)還是休眠狀態(tài)。這樣，通過將終端的多種屬性建模，充分考慮到了終端的多種屬性，從而可以根據(jù)多方面的實(shí)際情況分周期地有效調(diào)整終端的感知狀態(tài)。

終端的感知狀態(tài)包括信息采集狀態(tài)和休眠狀態(tài)，基于終端的實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型靈活控制終端的感知狀態(tài)，可以使終端不會(huì)持續(xù)處于信息采集狀態(tài)，改善了因終端持續(xù)處于信息采集狀態(tài)而導(dǎo)致電池電量和網(wǎng)絡(luò)流量消耗過大的問題，能夠節(jié)省電池電量和網(wǎng)絡(luò)流量，降低了用戶的使用成本，提升了用戶體驗(yàn)。

圖2示出了本發(fā)明的另一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖。

如圖2所示，本發(fā)明的另一個(gè)實(shí)施例的終端感知狀態(tài)控制方法，包括：

步驟202，每隔預(yù)定時(shí)間間隔，獲取終端的實(shí)時(shí)參數(shù)。也就在每個(gè)周期內(nèi)，可以獲取終端的剩余電量、Wi-Fi連接狀態(tài)等實(shí)時(shí)參數(shù)，以供下列步驟使用。

步驟204，根據(jù)實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，計(jì)算每個(gè)預(yù)定終端屬性模型對(duì)應(yīng)的屬性因子。

其中，多種預(yù)定終端屬性模型包括但不限于電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型，電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型對(duì)應(yīng)的屬性因子分別為電池電量約束因子、網(wǎng)絡(luò)流量約束因子和用戶狀態(tài)保持因子。

下面結(jié)合具體模型介紹計(jì)算屬性因子的方式。

第一，電池電量約束模型可充分考慮電池剩余電量以及電池是否正在充電這兩個(gè)要素，那么電池電量約束因子F1為：

其中，C表示電池是否處于正在充電的狀態(tài)，C＝1代表正在充電，C＝0代表未充電，E1為電池總電量，E2為電池當(dāng)前剩余電量，E_t代表低電量閾值，也就是終端會(huì)認(rèn)為電池處于低電量狀態(tài)時(shí)電池的最高電量。

當(dāng)然，終端可以僅根據(jù)電池電量約束模型來調(diào)整終端的感知狀態(tài)：

1)當(dāng)終端處于充電狀態(tài)時(shí)，電池電量對(duì)終端進(jìn)行智能感知無任何約束，則可設(shè)置終端進(jìn)入信息采集狀態(tài)。

2)當(dāng)終端處于非充電狀態(tài)時(shí)，如果其電量大于閾值E_t，剩余電量E2越大，那么終端處于信息采集狀態(tài)，則終端執(zhí)行的感知和信息采集功能越頻繁。

3)當(dāng)終端處于非充電狀態(tài)時(shí)，如果其電量小于閾值E_t，則終端不再進(jìn)行智能感知，即使終端處于休眠狀態(tài)。

第二，網(wǎng)絡(luò)流量約束模型可充分考慮網(wǎng)絡(luò)剩余流量以及手機(jī)是否通過WiFi連接無線網(wǎng)絡(luò)這兩個(gè)要素，那么網(wǎng)絡(luò)流量約束因子F2為：

其中，W表示終端是否通過Wi-Fi連接無線網(wǎng)絡(luò)，W＝1代表WiFi連接，W＝0代表WiFi未連接，D1為終端網(wǎng)絡(luò)套餐總流量，D2為終端網(wǎng)絡(luò)套餐當(dāng)前剩余流量，D_t為低流量閾值，也就是終端會(huì)認(rèn)為電池處于低流量狀態(tài)時(shí)的最高剩余流量。

當(dāng)然，終端可以僅根據(jù)網(wǎng)絡(luò)流量約束模型來調(diào)整終端的感知狀態(tài)：

1)當(dāng)終端處于通過Wi-Fi連接無線網(wǎng)絡(luò)狀態(tài)時(shí)，網(wǎng)絡(luò)流量對(duì)終端進(jìn)行智能感知無任何約束，則可設(shè)置終端進(jìn)入信息采集狀態(tài)。

2)當(dāng)終端處于非Wi-Fi連接狀態(tài)時(shí)，如果其剩余流量大于低流量閾值D_t，剩余流量D2越大，那么終端處于信息采集狀態(tài)，則終端執(zhí)行的感知和信息采集功能越頻繁。

3)當(dāng)終端處于非Wi-Fi連接狀態(tài)時(shí)，如果其剩余流量小于低流量閾值D_t，則終端不再進(jìn)行智能感知，即使終端處于休眠狀態(tài)。

第三，對(duì)于用戶狀態(tài)保持模型來說，終端用戶當(dāng)前時(shí)刻的狀態(tài)很大程度上依賴于其在上一時(shí)刻的狀態(tài)，例如，若上一時(shí)刻終端用戶處于睡眠狀態(tài)，則其當(dāng)前時(shí)刻處于睡眠狀態(tài)的概率較大，若終端用戶上一時(shí)刻的狀態(tài)是S_-，當(dāng)前時(shí)刻的狀態(tài)S保持與上一時(shí)刻狀態(tài)不變的用戶狀態(tài)保持因子F3為：

F3＝p(S＝S_)

用戶處于不同的狀態(tài)S_時(shí)，其用戶狀態(tài)保持因子F3是不同的，由此，終端也可以僅根據(jù)用戶狀態(tài)保持模型來調(diào)整終端的感知狀態(tài)。

當(dāng)然，計(jì)算各模型對(duì)應(yīng)的屬性因子的方式包括但不限于以上方式，還可以是根據(jù)需要除此之外的任何其他方式。

步驟206，根據(jù)多個(gè)屬性因子，確定終端進(jìn)入信息采集狀態(tài)的概率。

根據(jù)多個(gè)屬性因子，也就是綜合考慮電池電量、網(wǎng)絡(luò)流量、最近采集到的用戶狀態(tài)，來確定當(dāng)前時(shí)刻終端進(jìn)入信息采集狀態(tài)的概率p_c。具體地，可以先確定1與用戶狀態(tài)保持因子的差值，以及電池電量約束因子和網(wǎng)絡(luò)流量約束因子的乘積，則該差值與乘積的比值即為終端進(jìn)入信息采集狀態(tài)的概率，即：

步驟208，獲取隨機(jī)數(shù)作為預(yù)定閾值，其中，該隨機(jī)數(shù)大于0且小于1。

步驟210，判斷終端進(jìn)入信息采集狀態(tài)的概率是否大于預(yù)定閾值，當(dāng)判斷結(jié)果為是時(shí)，進(jìn)入步驟212，當(dāng)判斷結(jié)果為否時(shí)，進(jìn)入步驟214。

對(duì)于每一個(gè)需要確定終端的感知狀態(tài)為信息采集狀態(tài)還是休眠狀態(tài)的時(shí)刻，即每個(gè)周期中，終端都需要產(chǎn)生一個(gè)0至1范圍內(nèi)的隨機(jī)數(shù)p_t，如果p_c>p_t，那么終端需要進(jìn)入信息采集狀態(tài)，否則，終端需要保持休眠狀態(tài)。

步驟212，將終端的感知狀態(tài)設(shè)置為信息采集狀態(tài)。

步驟214，將終端的感知狀態(tài)設(shè)置為休眠狀態(tài)。

這樣一來，充分考慮到了終端的多種屬性，從而可以根據(jù)多方面的實(shí)際情況分周期地有效調(diào)整終端的感知狀態(tài)，使終端不會(huì)持續(xù)處于信息采集狀態(tài)，改善了因終端持續(xù)處于信息采集狀態(tài)而導(dǎo)致電池電量和網(wǎng)絡(luò)流量消耗過大的問題，能夠節(jié)省電池電量和網(wǎng)絡(luò)流量，降低了用戶的使用成本，提升了用戶體驗(yàn)。

圖3示出了本發(fā)明的再一個(gè)實(shí)施例的終端感知狀態(tài)控制方法的流程圖。

如圖3所示，本發(fā)明的再一個(gè)實(shí)施例的終端感知狀態(tài)控制方法，以基于手機(jī)實(shí)現(xiàn)的人體運(yùn)動(dòng)狀態(tài)感知系統(tǒng)為例，該手機(jī)智能感知系統(tǒng)主要用于感知和采集手機(jī)的加速度傳感器、溫度傳感器、陀螺儀的數(shù)據(jù)，并將數(shù)據(jù)發(fā)送到云端服務(wù)器進(jìn)行智能處理與分析。

則上述步驟204所述的具體模型計(jì)算各屬性因子的步驟具體包括：

步驟302，根據(jù)電池電量約束模型，計(jì)算電池電量約束因子F1。

步驟304，根據(jù)網(wǎng)絡(luò)流量約束模型，計(jì)算網(wǎng)絡(luò)流量約束因子F2。

步驟306，根據(jù)用戶狀態(tài)保持模型，計(jì)算用戶狀態(tài)保持因子F3。

其中，手機(jī)電池總電量E1為4100mAH，電池當(dāng)前剩余電量為E2處于0至4100mAH之間，低電量閾值E_t為400mAH；手機(jī)網(wǎng)絡(luò)套餐采用移動(dòng)的1G流量套餐，總流量D1為1G，手機(jī)網(wǎng)絡(luò)套餐當(dāng)前剩余流量D2處于0至1G之間，低流量閾值D_t為50M；該手機(jī)人體運(yùn)動(dòng)狀態(tài)感知系統(tǒng)將人體運(yùn)動(dòng)狀態(tài)分為靜止、行走、跑步、睡眠四種狀態(tài)，其中，靜止?fàn)顟B(tài)的F3設(shè)為0.6，行走狀態(tài)的F3設(shè)為0.4，跑步狀態(tài)的F3設(shè)為0.2，睡眠狀態(tài)的F3設(shè)為0.9。

步驟308，根據(jù)電池電量約束因子F1、網(wǎng)絡(luò)流量約束因子F2和用戶狀態(tài)保持因子F3，計(jì)算終端進(jìn)入信息采集狀態(tài)的概率p_c。

步驟310，產(chǎn)生隨機(jī)數(shù)p_t。

其中，手機(jī)設(shè)置的間隔時(shí)間T設(shè)為10秒鐘，也就是說，每隔10秒鐘，手機(jī)計(jì)算一次當(dāng)前時(shí)刻手機(jī)進(jìn)入信息采集狀態(tài)的概率p_c，并隨機(jī)產(chǎn)生一個(gè)0至1范圍內(nèi)的隨機(jī)數(shù)p_t，

步驟312，如果終端進(jìn)入信息采集狀態(tài)的概率大于隨機(jī)數(shù)，即p_c>p_t，進(jìn)入信息采集狀態(tài)，否則，保持休眠狀態(tài)。

在手機(jī)智能感知系統(tǒng)的感知性能基本不變的條件下，使用本實(shí)施例的技術(shù)方案，電池電量消耗可降低46％，同時(shí)，可節(jié)省63％的網(wǎng)絡(luò)流量。

該技術(shù)方案，適用于任何基于手機(jī)的智能感知系統(tǒng)，它無需額外的硬件，且僅需要較小的計(jì)算代價(jià)，能顯著降低手機(jī)智能感知系統(tǒng)對(duì)電池電量以及網(wǎng)絡(luò)流量的消耗，使手機(jī)智能感知系統(tǒng)更加適合在手機(jī)上實(shí)現(xiàn)智能感知。

圖4示出了本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制裝置的框圖。

如圖4所示，本發(fā)明的一個(gè)實(shí)施例的終端感知狀態(tài)控制裝置400，包括實(shí)時(shí)參數(shù)獲取單元402和感知狀態(tài)控制單元404。

實(shí)時(shí)參數(shù)獲取單元402用于每隔預(yù)定時(shí)間間隔，獲取終端的實(shí)時(shí)參數(shù)。

每隔預(yù)定時(shí)間間隔，也就在每個(gè)周期內(nèi)，可以獲取終端的剩余電量、Wi-Fi連接狀態(tài)等實(shí)時(shí)參數(shù)，以供進(jìn)一步進(jìn)行一次是否調(diào)整終端的感知狀態(tài)的判斷。

感知狀態(tài)控制單元404用于根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，確定所述終端的感知狀態(tài)。

其中，多種預(yù)定終端屬性模型包括但不限于電池電量約束模型、網(wǎng)絡(luò)流量約束模型和用戶狀態(tài)保持模型，將每種預(yù)定終端屬性模型所需的實(shí)時(shí)參數(shù)帶入該預(yù)定終端屬性模型中，從而結(jié)合多個(gè)預(yù)定終端屬性模型的計(jì)算結(jié)果，確定終端應(yīng)進(jìn)入信息采集狀態(tài)還是休眠狀態(tài)。這樣，通過將終端的多種屬性建模，充分考慮到了終端的多種屬性，從而可以根據(jù)多方面的實(shí)際情況分周期地有效調(diào)整終端的感知狀態(tài)。

終端的感知狀態(tài)包括信息采集狀態(tài)和休眠狀態(tài)，基于終端的實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型靈活控制終端的感知狀態(tài)，可以使終端不會(huì)持續(xù)處于信息采集狀態(tài)，改善了因終端持續(xù)處于信息采集狀態(tài)而導(dǎo)致電池電量和網(wǎng)絡(luò)流量消耗過大的問題，能夠節(jié)省電池電量和網(wǎng)絡(luò)流量，降低了用戶的使用成本，提升了用戶體驗(yàn)。

在本發(fā)明上述實(shí)施例中，可選地，所述感知狀態(tài)控制單元404包括：屬性因子計(jì)算單元4042，根據(jù)所述實(shí)時(shí)參數(shù)和多種預(yù)定終端屬性模型，計(jì)算每個(gè)預(yù)定終端屬性模型對(duì)應(yīng)的屬性因子；概率計(jì)算單元4044，根據(jù)多個(gè)屬性因子，確定所述終端進(jìn)入所述信息采集狀態(tài)的概率；概率判斷單元4046，判斷所述概率是否大于預(yù)定閾值，其中，當(dāng)所述概率大于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為信息采集狀態(tài)，以及當(dāng)所述概率小于或等于所述預(yù)定閾值時(shí)，將所述終端的感知狀態(tài)設(shè)置為休眠狀態(tài)。

在本發(fā)明上述實(shí)施例中，可選地，所述電池電量約束模型、所述網(wǎng)絡(luò)流量約束模型和所述用戶狀態(tài)保持模型對(duì)應(yīng)的屬性因子分別為電池電量約束因子、網(wǎng)絡(luò)流量約束因子和用戶狀態(tài)保持因子。

在本發(fā)明上述實(shí)施例中，可選地，所述屬性因子計(jì)算單元4042具體用于：確定1與所述用戶狀態(tài)保持因子的差值，以及所述電池電量約束因子和所述網(wǎng)絡(luò)流量約束因子的乘積，并將所述差值與所述乘積的比值確定為所述終端進(jìn)入所述信息采集狀態(tài)的概率。

在本發(fā)明上述實(shí)施例中，可選地，還包括：預(yù)定閾值確定單元406，在所述概率判斷單元判斷所述概率是否大于預(yù)定閾值之前，獲取隨機(jī)數(shù)，所述隨機(jī)數(shù)大于0且小于1，并將所述隨機(jī)數(shù)設(shè)置為所述預(yù)定閾值。

圖5示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的終端的框圖。

如圖5所示，根據(jù)本發(fā)明的一個(gè)實(shí)施例的終端500，包括圖4示出的終端感知狀態(tài)控制裝置400，因此，該終端500具有和圖4示出的終端感知狀態(tài)控制裝置400相同的技術(shù)效果，在此不再贅述。

以上結(jié)合附圖詳細(xì)說明了本發(fā)明的技術(shù)方案，通過本發(fā)明的技術(shù)方案，充分考慮到了終端的多種屬性，可以根據(jù)多方面的實(shí)際情況分周期地有效調(diào)整終端的感知狀態(tài)，改善了因終端持續(xù)處于信息采集狀態(tài)而導(dǎo)致電池電量和網(wǎng)絡(luò)流量消耗過大的問題，能夠節(jié)省電池電量和網(wǎng)絡(luò)流量，降低了用戶的使用成本，提升了用戶體驗(yàn)。

取決于語境，如在此所使用的詞語“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”或“響應(yīng)于檢測(cè)”。類似地，取決于語境，短語“如果確定”或“如果檢測(cè)(陳述的條件或事件)”可以被解釋成為“當(dāng)確定時(shí)”或“響應(yīng)于確定”或“當(dāng)檢測(cè)(陳述的條件或事件)時(shí)”或“響應(yīng)于檢測(cè)(陳述的條件或事件)”。

需要說明的是，本發(fā)明實(shí)施例中所涉及的終端可以包括但不限于個(gè)人計(jì)算機(jī)(Personal Computer，PC)、個(gè)人數(shù)字助理(Personal Digital Assistant，PDA)、無線手持設(shè)備、平板電腦(Tablet Computer)、手機(jī)、MP3播放器、MP4播放器等。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如，多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)裝置(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)裝置等)或處理器(Processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(Read-Only Memory，ROM)、隨機(jī)存取存儲(chǔ)器(Random Access Memory，RAM)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。