Wear OS의 멀티센서 데이터 송신 및 크로스플랫폼 수신을 위한 툴킷 = A Cross-Platform Toolkit for Multi-Sensor Data Streaming on Wear OS

다국어 초록 (Multilingual Abstract)

Smartwatches and other wearable devices have become essential data acquisition platforms for capturing user states and environmental information in real time. Wear OS based smartwatches, in particular, provide a variety of sensors, including accelerometers, gyroscopes, heart rate sensors, and ambient light sensors, that can be utilized in diverse application domains such as activity recognition, healthcare monitoring, and context aware services. However, continuously collecting and transmitting high frequency sensor data to external devices introduces challenges related to power consumption, packet loss, transmission latency, and platform dependency. Furthermore, existing Wear OS sensor collection approaches are primarily designed for integration with Android smartphones, making it difficult to directly utilize sensor data in Windows or Linux PC based external systems.

In this study, we design and implement a cross-platform sensor integration toolkit that enables multi-sensor data collected from Wear OS smartwatches to be utilized not only on Android smartphones but also on Windows and Linux PC based receivers. The proposed toolkit allows users to directly configure collection conditions, including the types of target sensors, the sampling period, and the transmission method. To handle sensors with different sampling characteristics, such as accelerometers, gyroscopes, heart rate sensors, and ambient light sensors, the toolkit defines a common data frame at the sensor event level instead of recording all sensor values in a single row, thereby preserving each sensor's inherent sampling characteristics while enabling the data to be interpreted in the same manner across diverse receiver environments.

For data transmission, the proposed toolkit provides two complementary transmission paths: a Data Layer API based path and a BLE based path. For the BLE path, we adopt a Hybrid structure that combines Advertising and GATT. Advertising is used as a lightweight connectionless path that allows multiple receivers to observe sensor data and assists in establishing GATT connections, while GATT serves as a dedicated path for continuous sensor data streaming with a selected receiver. In addition, we define a common data frame containing Seq and Watch_TS fields to enable quantitative analysis of packet loss rate, reception interval, and transmission latency.

Furthermore, based on the user defined sensor types, sampling period, transmission method, and CSV storage options, the toolkit provides a feature that automatically generates code snippets for sensor collection, frame encoding, transmission and reception, and CSV storage. This reduces the repetitive implementation burden and allows the toolkit to be used as a reusable research and development support tool for developing wearable sensor based application services.

To evaluate the proposed toolkit, we collected accelerometer data from a Wear OS smartwatch and compared the reception characteristics of Data Layer API, BLE GATT, and BLE Advertising across Android smartphones, Windows PC, Linux PC, and Android tablets. The results show that on Android smartphones, Data Layer API achieved an average loss rate of 3.19%, GATT achieved 4.82%, while Advertising exhibited a substantially higher loss rate of 80.58%. In Windows and Linux PC based environments, GATT demonstrated stable reception with a 0% Seq based loss rate over 30 minute long duration experiments. In contrast, Advertising showed significant variation depending on the receiver environment, with high loss rates on Android smartphones, Windows PC, and tablets, but relatively low loss rates on Linux PC. These findings indicate that, rather than being used as a high reliability long duration streaming path, Advertising is better suited as an initial reception and GATT connection assistance path, while GATT serves as the actual continuous streaming path. The proposed Hybrid structure is therefore well suited for cross-platform sensor data transmission in Wear OS based environments.

국문 초록 (Abstract)

최근 스마트워치를 포함한 웨어러블 디바이스는 사용자 상태와 주변 환경을 실시간으로 수집할 수 있는 핵심 데이터 수집 장치로 활용되고 있다. 특히 Wear OS 기반 스마트워치는 가속도계, 자이로스코프, 심박 센서, 조도 센서 등 다양한 센서를 제공하여 활동 인식, 헬스케어 모니터링, 상황 인지 서비스 등 여러 응용 분야에 활용될 수 있다. 그러나 고빈도 센서 데이터를 장시간 수집하고 외부 장치로 전송하는 과정에서는 전력 소모, 패킷 유실, 전송 지연, 플랫폼 종속성 등의 문제가 발생한다. 또한 기존 Wear OS 센서 수집 방식은 주로 Android 스마트폰과의 연동에 초점을 두고 있어, Windows 및 Linux 기반 외부 시스템에서 센서 데이터를 직접 활용하기에는 한계가 있다.
본 연구에서는 Wear OS 스마트워치에서 수집된 멀티센서 데이터를 Android 스마트폰뿐만 아니라 Windows 및 Linux 기반 수신기에서도 활용할 수 있도록 지원하는 크로스플랫폼 센서 통합 툴킷을 설계하고 구현하였다. 제안한 툴킷은 사용자가 수집 대상 센서의 종류와 샘플링 주기, 전송 방식 등의 수집 조건을 직접 설정할 수 있도록 지원한다. 가속도계, 자이로스코프, 심박 센서, 조도 센서 등 서로 다른 샘플링 특성을 가진 센서를 함께 다룰 수 있도록, 모든 센서 값을 하나의 행에 기록하는 대신 센서 이벤트 단위의 공통 데이터 프레임을 정의하여 센서별 고유한 샘플링 특성을 유지하면서 다양한 수신 환경에서 동일한 방식으로 데이터를 해석할 수 있도록 하였다.
데이터 전송을 위해 제안한 툴킷은 Data Layer API 기반 전송 경로와 BLE 기반 전송 경로를 함께 제공하며, BLE 기반 전송에서는 Advertising과 GATT를 결합한 Hybrid 구조를 채택하였다. Advertising은 연결 없이 여러 수신기에서 데이터를 확인하고 GATT 연결을 보조하는 경량 경로로 활용되며, GATT는 선택된 수신기와의 지속적인 센서 데이터 스트리밍 경로로 활용된다. 또한 Seq와 Watch_TS를 포함한 데이터 프레임을 정의하여 패킷 유실률, 수신 간격, 전송 지연 등을 정량적으로 분석할 수 있도록 하였다.
나아가 제안한 툴킷은 사용자가 설정한 센서 종류, 샘플링 주기, 전송 방식, CSV 저장 옵션 등을 기반으로 센서 수집, 프레임 인코딩, 송수신, CSV 저장 과정을 수행하는 코드 스니펫을 자동으로 생성하는 기능을 제공한다. 이를 통해 반복적인 구현 부담을 줄이고, 웨어러블 센서 기반 응용 서비스 개발을 위한 재사용 가능한 연구 및 개발 지원 도구로 활용될 수 있도록 하였다.
제안한 툴킷의 성능을 평가하기 위해 Wear OS 스마트워치에서 가속도 센서 데이터를 수집하고, Android 스마트폰, Windows, Linux 기반 수신기, Android 태블릿 환경에서 Data Layer API, BLE GATT, BLE Advertising 방식의 수신 특성을 비교하였다. 실험 결과, Android 스마트폰 환경에서 Data Layer API는 평균 유실률 3.19%, GATT는 4.82%를 보였으며, Advertising은 80.58%의 높은 유실률을 보였다. Windows 및 Linux 기반 수신 환경에서는 GATT 방식이 30분 장시간 실험에서 Seq 기준 유실률 0%를 보이며 안정적인 수신 특성을 나타냈다. 반면 Advertising 방식은 수신 환경에 따라 큰 차이를 보였으며, Android 스마트폰, Windows, 태블릿 환경에서는 높은 유실률을 보였지만 Linux 환경에서는 상대적으로 낮은 유실률을 보였다. 이러한 결과는 Advertising을 고신뢰 장시간 스트리밍 경로로 사용하기보다는 초기 수신 확인 및 GATT 연결 보조 경로로 활용하고, GATT를 실제 지속 스트리밍 경로로 활용하는 Hybrid 구조가 Wear OS 기반 크로스플랫폼 센서 데이터 전송에 적합함을 보여준다.

목차 (Table of Contents)

• 그림목차 iii
• 표목차 iv
• 국문초록 v
• I. 서론 1
• 1. 연구배경및동기 1
• 2. 연구목적및기여도 4
• 3. 논문구성 5
• II. 관련연구 7
• 1. 웨어러블센서데이터수집및활용연구동향 7
• 2. Wear OS 센서접근및수집구조 9
• 3. Wear OS-스마트폰연동기술 11
• 4. BLE 기반저전력데이터전송기술 13
• 5. 스마트워치기반멀티센서수집도구비교 14
• 6. 기존연구의한계및본연구의차별성 18
• III. 크로스플랫폼웨어러블센서통합툴킷설계 20
• 1. 전체시스템아키텍처 20
• 2. 센서구성및데이터모델 23
• 3. 통신프로토콜설계 27
• 4. 데이터프레임포맷 32
• 5. 데이터저장포맷 36
• 6. 코드스니펫자동생성구조 37
• IV. 구현 41
• 1. 구현환경및장치구성 41
• 2. Wear OS 송신기구현 43
• 3. Data Layer API 기반 Android 수신기구현 46
• 4. BLE 기반수신기구현 49
• 5. CSV 저장및코드스니펫생성구현 53
• V. 실험 58
• 1. 실험지표 58
• 2. 실험시나리오 60
• 3. 실험결과 62
• 4. 종합분석 67
• VI. 결론 70
• 1. 연구결론 70
• 2. 연구기여점 72
• 3. 향후연구 73
• 참고문헌 76
• Abstract 81
• 감사의 글 84