자율주행 차량 내 사용자 경험 요소의 구조적 분류: 이중 태깅 기반의 계층적 분류체계 개발

2-1 자율주행 차량과 사용자 경험

자율주행 기술의 고도화로 사용자는 단순한 운전자가 아닌 관찰자 또는 탑승자의 위치에서 다양한 맥락을 경험하게 되며, 이에 따라 몰입, 신뢰, 피로도, 인지 반응 등의 심리적・인지적 사용자 경험 요소들이 중요한 설계 고려 요소로 부각되고 있다. 특히 자율주행 레벨 4 이상의 자율주행 차량에서는 HMI(Human-Machine Interface)의 역할이 복잡해지며, 기존 단일 채널 기반 인터페이스의 한계가 지속적으로 지적되고 있다. 이러한 배경을 바탕으로 멀티모달 인터랙션(Multimodal Interaction)의 적용은 사용자 반응 신뢰도와 상황 적응성을 높이기 위한 핵심 전략으로 대두되고 있다[1,2]. 멀티모달 인터랙션은 시각, 청각, 촉각 등 두 가지 이상의 감각 채널을 복합적으로 활용하여 인터랙션하는 방식[3]으로 음성 피드백, 햅틱 알림, 시각 디스플레이 등 복수 채널을 조합함으로써 정보 분산, 반응 속도 향상, 정확성 개선 등의 효과를 동반한다[4]. 특히 다양한 시뮬레이션 기반 연구에서는 NDRT(Non-Driving Related Tasks) 상황에서 멀티모달 설계가 사용자 몰입을 유지하면서도 상황 인식 능력과 신뢰에 긍정적으로 작용한다는 점을 언급한다[5]. 이러한 맥락에서 향후 자율주행 차량의 HMI 설계는 단순한 기능 제공을 넘어, 입력 채널 간의 우선순위 조절[6]. 피드백 일관성 유지, 예측 가능한 인터페이스 흐름 설계를 포함하는 체계적인 설계 접근이 필요하다.

2-2 기존 자율주행 UX 연구 및 분류체계의 한계

자율주행 UX 연구의 초기 단계는 주로 기술적 가용성과 시스템 안전성을 확보하는 데 집중되어 왔다. 그러나 자율주행 기술이 점차 보편화되고 실증 단계에 진입함에 따라, 파편화된 연구 데이터들이 실무적 가이드라인으로 기능하지 못하는 구조적 결함이 노출되기 시작했다. 기존 분류체계가 지닌 주요 한계점은 기술 중심적 지표에 의한 종속, 맥락과 시간성의 결여, 그리고 데이터의 평면적 나열로 인한 인지적 부하 증대로 요약될 수 있다. 현재 자동차 산업에서 가장 널리 통용되는 자율주행 분류 기준은 SAE J3016 표준이다. 이는 시스템이 주행 과제를 수행하는 기술적 성숙도를 기준으로 0단계에서부터 5단계까지 구분하고 있다[7],[8]. SAE 자율주행 레벨은 제어권의 주체와 책임 소재를 명확히 하는 데는 유용하지만, 운전자가 자율주행 중 겪는 심리적 불안감, 신뢰의 동적인 변화, 비운전 과제(NDRT) 수행 시의 몰입도와 같은 사용자 중심의 질적 가치를 설명하지 못한다[9]. 예를 들어, 조건부 자율주행인 레벨 3 환경에서 시스템이 제어권 전환을 요청(TOR; Take-over Request)할 때, 기술적 기준은 알림의 전달 여부에만 집중하지만 사용자는 주행 루프에서 이탈(Out-of-the-loop)해 있던 상태에서 갑작스럽게 개입해야 하는 인지적 과부하와 패닉 상황에 직면하게 된다. 기존의 기술적 분류 체계는 이러한 인적 요인의 복잡성을 간과함으로써 안전한 전환을 보장하기 위한 설계 전략을 도출하는 데 한계를 드러내고 있다[10].

다수의 자율주행 UX 선행연구들은 인터페이스의 조작 편의성이나 단편적인 사용성 평가 결과를 방대한 데이터베이스 형태로 제시하고 있다. 이러한 방식의 접근은 시스템 엔지니어링 관점에서는 상세한 데이터를 제공하는 것처럼 보이지만, 실제 설계 실무와 사용자 조사 단계에서는 치명적인 약점을 지닌다[11]. 특히 사용자 경험은 정지된 순간의 단면이 아니라, 이동을 결심한 순간부터 차량에 탑승하고 주행을 마친 후 차량을 떠나는 전 과정 속에서 형성된다. 그러나 기존 연구는 자율주행 중 발생하는 특정 시점의 인터랙션에만 집중되어 있다[12]. 자율주행의 맥락은 기상 상황, 도로의 혼잡도, 탑승자의 목적에 따라 역동적으로 변화하며, 이러한 외부 환경과 내부 요구 사항은 서로 인터랙션하며 전혀 다른 UX 요구사항을 발생시킨다[13]. 기존의 맥락 배제적인 분류 체계는 이러한 상황 특이적 요구사항을 포착하지 못하며, 결과적으로 모든 상황에 적합하지만 어떤 상황에도 최적화되지 않은 모호한 설계 가이드를 양산하는 결과를 초래한다[14].

2-3 계층적 UX 모델과 구조화 전략

기존 분류체계의 평면성과 기술 중심적 사고를 극복하기 위해, 본 연구는 사용자의 본질적인 니즈와 차량의 기능적 속성을 입체적으로 결합한 계층적 UX 모델을 핵심 구조화 전략으로 제안한다. 자율주행 차량 내 사용자 경험은 물리적 안전이라는 생존의 문제부터 감성적 만족이라는 자아실현의 문제까지를 포괄하는 광범위한 스펙트럼을 가진다[15]. 이를 구조화하기 위해 심리학 분야의 매슬로우(Maslow)의 욕구 계층 이론[16]과 웹 디자인 분야에서 널리 쓰이는 아론 월터(Arron Walter)의 UX 가치 피라미드 개념[17]을 자율주행의 특수성에 적합하게 차용할 필요가 있다. 이러한 계층 구조의 근본적인 원리는 하위 계층의 충족 없이는 상위 계층의 경험이 성립할 수 없다는 선결 조건의 법칙이다[15]. 예를 들어, 자율주행 시스템이 기술적으로 불안정하여 사고의 위협(안전성 결여 등)을 준다면, 사용자는 차량 내에서 영화를 즐기거나 휴식을 취하는 고차원적 경험(감성 및 유용성)에 도달할 수 없다[15]. 또한 평면적 나열의 한계를 넘어서기 위해서는 하나의 UX 요소가 어디에 위치하는가(What)뿐만 아니라 어떤 의도로 설계되었는가(Why/How)를 동시에 설명할 수 있는 다차원적인 분류 기준이 요구된다. 따라서 본 연구는 자율주행 차량이 단순한 주행 기계에서 서비스 공간으로 진화하는 과정을 투영할 수 있도록 기존의 단편적 구조를 탈피한 계층적 기준과 다차원적 태깅(Tagging) 전략을 결합한 새로운 프레임워크 설계를 목적으로 한다.

2-4 체계적 문헌 고찰 및 내용 분석 기반의 UX 요소 정제

자율주행과 같이 기술적으로 복잡한 도메인에서의 UX 요소들은 다수의 선행연구에 파편화되어 분포하고 있으므로, 이를 통합된 분석 구조로 체계화하는 과정이 필수적이다. 이를 위해 본 연구는 선행연구들에 산재한 문헌 데이터를 수집하고 이를 분석 가능한 형태로 압축하는 체계적 문헌 고찰 및 내용 분석 접근법을 채택하였다. 연구 대상 문헌의 수집 및 여과 과정에서 발생할 수 있는 편향을 최소화하고 객관성을 담보하기 위해 체계적인 문헌 선정을 위해 PRISMA 2020 가이드라인[18]을 준수하여 연구 대상을 식별하고 선별하였다. 확보된 문헌 풀(Pool)을 바탕으로, 개념 중심의 프레임워크 개발을 위한 문헌 고찰 방법론[19],[20]에 입각하여 자율주행 탑승자의 인지적, 심리적, 감성적 반응과 연관된 핵심 진술과 지표들을 심층적으로 추출하였다. 이후 수집된 방대한 양의 초기 UX 요소들을 대상으로 체계적인 질적 데이터 통합 논리[21],[22]를 차용한 개념적 군집화를 수행하였다. 이 단계에서는 파편화된 개념들 사이의 의미론적 유사성을 평가하고, 유연하면서도 심층적인 해석을 위해 구성주의적 관점[23]을 반영하여 중복되거나 지엽적인 지표들을 상위 개념으로 통폐합하는 과정을 반복하였다.

최종적으로 정제된 핵심 요소들은 본 연구가 제안하는 계층적 UX 피라미드와 각 계층별 정의에 부합하도록 재배치되었으며, 이를 통해 기존의 단선적인 데이터가 자율주행 맥락이 반영된 입체적이고 위계적인 구조로 재탄생하게 되었다.

3-1 체계적 문헌 검토

본 연구는 자율주행 차량 환경에서 고려해야 할 포괄적인 사용자 경험 요소를 도출하고 구조화하기 위해 체계적 문헌 검토인 PRISMA 2020를 수행하였다[18]. 수집된 문헌을 바탕으로 내용 분석 및 군집화를 통해 UX 요소를 추출하였으며, 이를 다각도로 분류하고자 이중 태깅(Dual-Tagging) 기법을 적용한 계층적 분류 체계를 설계하였다.

2) 문헌 선정 및 제외 기준

명확한 문헌 필터링을 위해 연구 목적에 부합하는 구체적인 포함 및 제외 기준을 설정하였다. 먼저 문헌 선정 기준으로는 첫째, 연구 도메인은 SAE 기준 레벨 2에서 5에 해당하는 자율주행 차량 맥락으로 한정하였다. 둘째, 연구의 핵심 기여도가 UX, 사용자 니즈, HMI, 또는 신뢰·인지 부하와 같은 인적 요인 등 인간 중심적으로 초점을 맞춘 문헌을 선정하였다. 셋째, 실증적 사용자 연구 결과, UX 측정 도구 및 평가 프레임워크, 혹은 자율주행 관점의 명시적인 개념적 원칙 등 방법론적 근거가 명확한 지식 기여를 포함해야 한다. 마지막으로, 문헌의 질적 수준과 최신성을 확보하기 위해 최근 15년 이내의 영어로 작성된 동료 평가 기반의 학술 출판물을 최종 분석 대상으로 삼았다. 추가적으로, 수집된 문헌의 타당성을 확보하기 위해 연구 범위를 벗어나는 문헌은 엄격한 배제 기준을 통해 여과하였다. 우선, 인지적·심리적 UX 요인에 대한 논의 없이 센서, 제어, 경로 계획, 알고리즘 등 시스템의 기술적 성능 향상만을 다루는 연구는 배제하였다. 또한, 자율주행 차량 맥락과 직접적으로 연결되지 않는 일반 로봇 및 타 자율 시스템 연구, 그리고 UX 설계 근거 없이 교통 정책, 윤리, 규제 등 거시적 주제만을 다루는 문헌도 분석 대상에서 제외하였다. 아울러 학술적 객관성을 담보하기 어려운 단순 기사, 블로그, 기업 홍보자료 등은 제외하였으며, 동일 연구의 사전 출판과 최종 출판본이 중복 수집된 경우에는 최종 출판본만을 분석에 포함하였다(표 1, 2 참고).

Table 1.

Inclusion criteria

Table 2.

Exclusion criteria

3-2 문헌 선정 결과

문헌 선정은 사전 정의된 기준에 따라 2단계(제목/초록 스크리닝 및 전문 검토)로 진행되었다. 데이터베이스 검색을 통해 수집된 500편 중 중복 문헌 15건을 제외한 485편을 대상으로 1차 스크리닝하였다. 검색 범위를 확장하고자 2025년 9월 11편의 핵심 시드 문헌을 바탕으로 후방 인용 검색을 수행하여 355편의 문헌을 추가로 식별하였다. 총 851편(데이터베이스 485편, 인용 검색 355편, 시드 문헌 11편)의 고유 문헌 풀을 확보하였다. 이 중 포함 및 제외 기준에 따른 제목, 초록 스크리닝을 거쳐 데이터베이스 검색군에서 151편, 기타 방법군에서 68편의 전문 검토 대상 문헌을 선별하였다.

전문 검토 단계에서는 연구 범위 불일치, 순수 기술적 접근 등의 사유로 부적합 문헌을 배제하였다. 특히 초록 상으로는 사용자 요인을 언급했더라도 본문에서 구체적인 UX 설계 지침이나 인지적·심리적 측정 결과를 제시하지 않은 문헌들은 이 과정에서 엄격하게 여과하였다. 그 결과, 최종적으로 모든 포함 기준을 충족하는 총 85편의 문헌(데이터 베이스 28편, 인용 검색 46편, 시드 문헌 11편)이 최종 분석 대상으로 확정되었다(그림 1 참조). 이렇게 최종 선정된 문헌은 후속되는 심층 내용 분석 및 이중 태깅 기반의 분류 체계 설계를 위한 핵심 기초 데이터로 활용되었다.

Fig. 1.

PRISMA 2020 flow diagram

3-3 UX 요소 추출 및 데이터 분석

최종 선정된 85편의 문헌을 대상으로 근거이론에 기반한 코딩 절차를 수행하여 UX 요소를 추출하고 정제하였다. 이러한 과정을 통해 시각적 디스플레이 속성, 햅틱 피드백, 음성 인터페이스 특성 등 사용자가 직접 체감할 수 있는 설계 수준의 핵심 UX 요소 통 131개를 도출하였다.

3-4 이중 태깅 기반 분류체계 설계

도출된 131개의 UX 요소를 단선적으로 나열하는 기존 연구의 한계를 극복하고자, 본 연구는 요소를 입체적으로 구조화하는 이중 태깅 분류체계를 설계하였다. 이러한 구조는 크게 6단계의 UX 피라미드 계층과 13x12 매트릭스를 교차하여 요소를 매핑하는 방식을 적용한 것이다.

1) 6단계 계층적 UX 피라미드

도출된 요소가 사용자의 어떠한 본질적 요구를 충족시키는지를 기준으로, UX 요소를 6단계의 계층 구조에 부합하도록 1차 분류하였다. 이는 기본적인 기능 수행부터 감성적 만족까지의 UX 깊이를 구조화한 것이다.

Table 3.

Attributes and definitions of the 6-tier hierarchical UX pyramid

2) 13x12 이중 태깅 매트릭스

본 연구에서는 UX 요소의 계층적 분류와 더불어 각 요소가 구체적으로 차량의 어떤 영역에 속하며, 어떤 설계 전략을 갖는지 명확히 하고자 2차 분류로 이중 태깅 매트릭스를 개발하였다. 각 속성의 성격에 따라 Tag A와 B로 분류하였다.

• Tag A (기능 카테고리, 13개)

Tag A는 기능 속성의 카테고리를 말하며, 인포테인먼트, 좌석 제어, 실내 조명, HMI 등 차량 내 구체적인 시스템/공간적 위치를 말한다.

Table 4.

Tag A in the functional category

• Tag B (설계 전략, 12개)

Tag B는 사용자 경험 설계에 대한 것으로, 개인화, 피드백 제공, 시각적 간결성 등 디자이너/설계자가 취해야 할 12가지 설계 접근 방식 및 전략을 말한다.

이러한 이중 태깅 시스템을 통해 131개의 각 요소는 [계층 + 기능 카테고리 + 설계 전략]이라는 다차원적인 속성을 부여받게 되며, 설계자는 13x12 매트릭스 상에서 필요한 요소를 쉽게 탐색하고 구조적으로 파악할 수 있다.

Table 5.

Tag B in the functional category

131개 UX 요소의 이중 태깅 결과를 기능 카테고리와 설계 전략의 교차 구조에 따라 시각화하였다. 그림 2는 각 조합에 배치된 UX 요소의 빈도를 색상 농도로 나타내며, 이를 통해 특정 기능 카테고리와 설계 전략의 조합에 요소가 집중되는 양상과 상대적으로 분포가 낮은 영역을 확인할 수 있다.

Fig. 2.

PRISMA 2020 flow diagramNote. PER = Personalization; SAF = Safety; TRU = Trust building; TOS = Takeover support; AWS = Awareness support; ACC = Accessibility; FBN = Feedback & notification; EMC = Emotion & comfort; ADA = Adaptivity; DAT = Data transparency; AUC = Autonomy control; COG = Cognitive load reduction.

본 연구는 방대하게 도출된 131개의 UX 요소를 실제 사용자 조사 및 실무 단계에서 적용하기 위해, 모빌리티 여정 지도를 활용하여 사용자와의 접점이 가장 크고 핵심적인 21개의 UX 요소를 선별하는 과정을 추가로 진행하였다.

4-1 개방 코딩 기반 131개 포괄적 자율주행 UX 요소 도출

본 연구는 체계적 문헌 검토를 통해 수집된 85편의 문헌을 분석하여, 자율주행 환경에서 고려해야 할 포괄적인 UX 요소를 도출하고 이를 다차원적으로 분류하는 체계를 구축하였다.

4-2 클러스터별 분포 및 이중태깅 구조 시각화

131개라는 방대한 요소를 단순히 평면적으로 나열하는 것은 학술적/실무적 활용도를 저하시킨다. 따라서 본 연구는 요소들을 입체적으로 파악하고 구조화하고자 기능 기준과 설계 기준을 교차 적용한 이중 태깅 분류체계를 구축하였다.

본 분류체계는 크게 두 가지 차원으로 구성된다. 첫째, ‘어떤 기능(What)인가?’를 나타내는 기능 중심의 13가지 클러스터이다. 이는 경고 및 알림 설계, 사용자 접근성 및 사용 편의성, 제어권 전환 등과 같이 사용자 경험에서 발생하는 주요 이슈 및 인터랙션 흐름을 기준으로 명명되었다. 둘째, ‘어떤 목적과 전략(Why/How)을 위한 것인가?’를 나타내는 설계 전략 태그이다. 본 연구는 각 UX 요소가 단순히 어떤 기능을 수행하는 지를 넘어, 어떤 설계 의도와 전략적 맥락을 가지는지를 종합적으로 표현할 수 있도록 각 요소당 최대 2개의 태그를 부여하는 이중 태깅 매트릭스를 적용하였다. 이러한 다중 태깅 체계는 동일 맥락의 기능이라도 설계 의도에 따라 전혀 다른 UX 가치와 매핑됨을 명확히 규명한다. 구체적인 예로, ‘피로, 졸음, 스트레스 대응 UX’ 클러스터에 속하는 일정 주행 시간 경과 시 자동 경고에 대한 요소는 사용자의 안전 확보와 시스템 적응성을 동시에 달성하기 위해 Safety 및 Adaptivity 태그를 동시에 가진다. 또한 사용자 접근성 및 사용 편의성 클러스터에 속하는 ‘음성 명령으로 주요 기능 완전 제어 가능’ 요소는 Feedback & Notification과 Autonomy control 태그를 동시에 부여받음으로써, 단순한 조작 편의를 넘어 자율주행 차량의 주도권 제어라는 설계자의 심층적 의도를 구체화한다.

나아가 엑셀 기반으로 구축된 이중 태깅 데이터베이스는 각각의 요소가 궁극적으로 UX 피라미드의 어느 계층에 속하는지를 직관적으로 연결한다. 결과적으로 본 이중 태깅 기반의 분류체계는 복잡하게 얽혀있는 자율주행 HMI 설계 의도와 맥락을 하나의 좌표계로 매핑하여 조망할 수 있는 강력한 분석을 제공한다.

Table 6.

Core UX factors in autonomous driving

4-3 핵심 자율주행 UX 요소 도출

도출된 21개의 핵심 요소를 본 연구에서 제안하는 6단계 계층적 UX 피라미드에 매핑하여 정량적 분포를 분석하였다. 그 결과, 각 계층별로 뚜렷한 특징과 시사점이 도출되었다.

위의 매핑 결과는 자율주행 UX의 중심 축이 이동하고 있음을 시사한다. 기존의 자율주행 연구가 주로 기능성과 신뢰성에 치중했던 반면, 본 연구에서 정제된 21개의 핵심 요소는 접근성(23.8%)과 유용성(23.8%)에 가장 높은 비중을 두고 있다. 이는 자율주행 차량이 단순하게 안전한 자율주행 기계의 수준을 넘어, 탑승자의 다양한 맥락을 이해하고 개인화된 가치를 능동적으로 제안하는 지능형 생활 공간으로 진화해야 함을 실증적으로 보여준다.

5-1 시나리오 기반 모빌리티 여정 지도를 통한 핵심 요소 정제

4장에서 도출된 131개의 자율주행 UX 요소는 포괄적인 데이터베이스로서의 가치는 지니지만, 실제 주행 맥락에서 사용자가 겪는 동적인 심리 변화를 반영하기에는 평면적이라는 한계가 있다.

이를 보완하기 위해, 본 연구는 자율주행 환경에서 발생 빈도와 중요도가 높은 주요 시나리오(일반상황 및 비상상황)를 설정하고, 이를 바탕으로 ‘시나리오 기반 모빌리티 여정 지도(Scenario-based Mobility Journey Map)를 구축하였다. 이는 연구자가 설계한 가상의 페르소나와 주행 시나리오를 교차 분석하여, 단계별 예상 페인 포인트와 잠재적 니즈를 도출하는 분석 기법[24]에 기반한 것이다. 자율주행 환경에서의 사용자 경험은 단순히 차가 주행하는 순간에만 발생하지 않으며, 이동을 결심한 순간부터 목적지에 도착하여 차를 떠나는 사후 여정 단계까지 연속적인 흐름 속에서 형성되기 때문이다. 이에 따라 사용자의 전체 여정을 4 가지 핵심 접점으로 세분화하고, 앞서 정의한 주요 주행 시나리오를 타임라인에 올려 사용자의 예상 페인포인트 및 니즈를 단계별로 도출하였다.

Fig. 3.

Mobility journey map for emergency

• 탑승 전(Pre-trip): 진입 및 맞춤 설정 단계

목적지 설정, 차량 호출 및 개인화 인증이 이루어지는 단계이다. 이 단계에서는 사용자를 사전 인지하여 시트, UI, 공조를 맞추는 사용자 프로필 기반 맞춤 설정 및 직관성을 높인 다국어/멀티모달 보조 피드백 요소가 도출되었다.

• 주행 중(In-trip): 비운전 과제 및 환경 제어 단계

운전 주체에서 벗어난 운전자가 업무, 엔터테인먼트 등 NDRT를 수행하는 단계이다. 블랙박스 현상에 의한 불안감을 통제하기 위해 의사결정 과정 및 시스템 상태 가시화가 요구되며, 시스템이 특수한 맥락을 선제적으로 인지하여 환경(조명, 온도, 사운드) 자동 세팅을 제안하는 요소가 정제되었다.

• 제어권 전환(Transition): 인지 지연 극복 및 안전 확보 단계

자율주행 한계 상황(ODD(운영설계영역) 이탈 등) 도달 시, 운전자에게 제어권이 넘어가는 가장 치명적인 안전 단계이다. 자율주행 중 주의를 거둔 상태에서 발생하는 복잡한 맥락 속 순간적인 인지 지연을 방지하고자, 단순 알림을 넘어선 멀티모달 경고(시각/청각/촉각)와 판단의 여유를 제공하는 카운트다운 기반 시점 안내 요소가 핵심으로 추출되었다. 제어권 전환 단계의 경우, 자율주행 단계가 완전 자율주행이 아닌 이상 언제든지 발생할 수 있는 특수한 상황이기 때문에 주요 주행 단계로 선정되었다.

• 하차 및 사후(Post-trip): 경험의 완결 및 데이터 동기화 단계

목적지 도착 후 자동 주차, 클라우드 데이터 동기화 등 경험을 마무리하는 단계이다. 운전자가 차량을 떠난 후에도 개인정보가 안전하게 보호되고, 다음 탑승 시의 경험이 연속적으로 이어질 수 있도록 지원하는 프라이버시 및 연결성 관련 요소들이 검토되었다. 이러한 타임라인 기반의 분석 과정에서 특정 여정이 지나치게 종속되거나 기능적으로 중복되는 요소들은 과감하게 배제하거나 상위 요소로 병합하였다. 그 결과, 자율주행 경험의 본질을 대변하는 21개의 핵심 UX 요소가 성공적으로 정제되었다. 이 요소는 향후 자율주행 차량 내 UX의 실무적 설계에 적용할 수 있으며, 사용자 조사 단계에서 인지적 피로도를 최소화하면서도 수용성을 정확히 평가할 수 있는 최적화된 척도 역할을 수행한다.

5-2 피라미드 매핑을 통한 자율주행 UX 패러다임 변화 규명

도출된 21개의 핵심 요소를 앞서 정의한 6단계 UX 피라미드 모델에 매핑하여 정량적 분포 패턴을 심층 분석한 결과, 기존의 수동 운전 차량과는 완전히 대비되는 자율주행 차량만의 UX 패러다임 이동 현상을 명확하게 포착할 수 있었다. 각 계층별 분포 비율과 그에 담긴 학술적 함의는 다음과 같다.

첫째, 포용적 설계(Inclusive Design)를 통한 접근성 확보이다. 탑승 전, 진입 단계에서 연령이나 신체 조건에 구애받지 않는 모빌리티 시나리오를 적용한 결과, 복잡한 뎁스 조작이나 단일 감각에 의존한 피드백은 사용자의 장벽을 높이는 것으로 나타났다. 따라서 사용자를 사전 인지하는 초기 탑승 시 사용자 프로필 기반 맞춤 설정과 직관성을 높인 다국어 및 멀티모달 보조 피드백 요소가 진정한 유니버셜 모빌리티를 구현하기 위한 핵심 지표로 채택되었다. 실제 정량적 매핑 결과, 접근성 및 유용성 영역이 전체의 47.6%(각 23.8%)로 많은 비중을 차지하며 이러한 진화 방향성을 명확히 뒷받침하였다.

둘째, 인지 부하 감소 및 안전 및 사용성 확보를 위한 직관적 인터랙션의 필요성이다. 제어권 전환이나 비상상황 시나리오를 분석한 결과, 시스템의 경고가 명확히 제공되더라도 특 유의 루프 이탈 현상으로 인해 사용자의 순간적인 인지 지연 및 당황하는 현상이 발생할 가능성이 높은 것으로 예측되었다. 이를 보완하고자 단순 알림을 넘어선 멀티모달 경고와 판단의 여유를 제공하는 카운트다운 기반 시점 안내가 필수적인 안전 요소로 정제되었다. 기능성(19.0%)과 사용성(14.3%) 계층에 메핑된 이러한 요소들은 자율주행의 고도화 속에서 여전히 UX 피라미드를 지탱하는 기반 역할을 수행함을 보여준다.

셋째, 데이터 투명성에 기반한 시스템 신뢰성 형성이다. 주행 중 시스템 주도의 자율주행 시나리오에서는 시스템의 블랙박스 현상이 사용자의 가장 큰 불안 요소로 작용한다. 분석 결과, 시스템이 차량의 제어 상태나 오류 원인을 설명 가능한 AI(XAI, Explainable AI) 형태로 명확하게 시각화하여 제공할 때, 사용자의 불안감이 효과적으로 통제되고 두터운 신뢰 자본이 형성되는 것으로 분석되었다. 신뢰성 계층(14.3%)에 매핑된 이러한 요소들은 단순한 결과 통보를 넘어, 판단 근거 및 의사결정 과정의 가시화가 굳건한 신뢰 형성의 핵심 요건이자 상위 계층의 긍정적 UX를 실현하기 위한 필수 선결 과제임을 증명한다.

넷째, 맥락 인지 기반의 능동적 개입을 통한 감성 충족이다. 주행 중 NDRT를 수행하거나 하차하는 일상 주행 시나리오에서는 차량이 단순한 이동 수단을 넘어 공감하는 비서의 역할을 수행할 때 효용이 극대화된다. 탑승자의 피로나 통화 상태 등 특수한 맥락을 시스템이 선제적으로 인지하고 대처하는 과정을 시뮬레이션한 결과, 환경(조명, 온도, 사운드) 자동 세팅 및 피로 감지 시 선제적 휴식 제안과 같은 능동적 개입이 자율주행 차량을 안락한 제3의 공간으로 거듭나게 하는 최상위 핵심 요소로 도출되었다. 감성 계층의 요소는 현재 비중은 가장 적으나, 완전 자율주행 시대가 도래함에 따라 폭발적으로 성장할 핵심 차별화 요소임을 뚜렷하게 시사한다.

6-1 평가 대상 및 절차

본 연구에서 도출한 자율주행 UX 요소 분류체계의 내용타당도와 적용 가능성을 검토하기 위해 전문가 평가를 실시하였다. 평가는 문헌 분석을 통해 도출된 21개 핵심 UX 요소와 각 요소에 부여된 기능 카테고리 및 설계 전략 태그를 대상으로 하였다. 전문가 선정 기준은 관련 분야 석사학위 이상 또는 자동차 UX/HMI 및 자율주행 관련 실무, 연구 경험 3년 이상으로 설정하였으며, 총 6명의 전문가가 평가에 참여하였다.

6-2 평가 항목 및 분석 방법

평가를 위해 연구 목적, 문헌 분석 절차, 13개 기능 카테고리, 12개 설계 전략 태그, 21개 핵심 UX 요소의 목록과 정의를 포함한 평가 자료를 제공하였다. 각 전문가는 21개 핵심 UX 요소 각각에 대해 명칭의 명확성, 요소 정의의 적절성, 요소 간 독립성, 자율주행 UX 프레임워크 내 중요도, 모빌리티 여정 맥락에서의 적용 가능성을 리커트 5점 척도로 평가하였다. 추가로 전체 분류체계에 대해서는 전체 포괄성, 구조적 일관성, 중복 최소성, 태그 기반 정제 과정의 적절성, 실무 활용성을 평가하였으며, 명칭, 정의, 태그, 여정 단계 적용과 관련한 서술형 의견을 수집하였다.

분석은 평균, 표준편차, 내용타당도 지수(Content Validity Index, CVI)를 중심으로 수행하였다. 리커트 5점 척도 중 4점 이상을 타당한 평가로 간주하고, 각 항목에 대해 4점 또는 5점을 부여한 전문가 수를 전체 전문가 수로 나누어 I-CVI를 산출하였다. 요소별 평가는 동일한 평가 속성이 21개 요소에 반복 적용되었으므로, 표 7의 요소별 평가 I-CVI는 각 평가 속성에 대해 21개 요소에서 산출된 I-CVI의 평균값으로 제시하였다. 전체 분류체계 평가는 항목별 I-CVI를 산출하였으며, 전체 내용타당도는 요소별 평가와 전체 분류체계 평가에서 산출된 I-CVI의 평균인 S-CVI/Ave로 제시하였다.

6-3 평가 결과 및 수정 반영

전문가 평가 결과의 평균, 표준편차, I-CVI 및 S-CVI/Ave는 아래 표 7과 같다. 전체 S-CVI/Ave는 0.86으로 나타나, 본 연구의 21개 핵심 UX요소와 태깅 결과가 자율주행 UX/HMI 분류체계로서 전반적으로 수용 가능한 내용타당도를 확보한 것으로 판단된다. 요소별 평가에서는 적용 가능성의 평균 I-CVI가 0.94로 가장 높았고, 중요도도 0.88로 비교적 높게 나타나 도출된 요소들의 설계 및 평가 활용 가능성을 확인하였다. 반면 정의의 적절성과 요소 간 독립성은 각각 0.81로 나타나, 일부 요소의 정의 표현과 개념적 경계에 대한 보완 필요성을 확인할 수 있었다. 전체 분류체계 평가에서는 태그 기반 정제 과정의 적절성과 실무 활용성이 각각 I-CVI 1.00으로 높게 평가되었으나, 구조적 일관성과 중복 최소성은 각각 I-CVI 0.67로 나타나 분류 기준과 요소 간 중복성에 대한 보완이 필요한 것으로 해석된다.

Table 7.

Summary of expert evaluation results for the UX factor framework

전문가 의견은 크게 멀티모달 경고 관련 요소 간 중복성 조정, 분류체계의 구조적 정교화, 서비스 UX 및 안전 정책 관점의 보완으로 요약되었다. 일부 전문가 의견으로는 멀티모달 경고 관련 요소의 중복 가능성을 지적하며, 상황 기반 인수 요청 경고와 일반 경고 알림 제공처럼 적용 상황과 기능 목적에 따른 구분 기준이 필요하다고 보았다. 추가적으로 각 요소를 상황, 기능 목적, 시스템 신뢰, 탑승자 경험 등의 상위 차원과 연결할 필요가 있다고 제안하였다. 그 외 의견으로는 본 분류체계가 제어권 전환, 운전자 상태 대응, 경고 설계, 정보 우선순위, 사용자 신뢰 등 주요 요소를 균형있게 포함하고 있으며, 모빌리티 서비스 여정 및 탑승자 보호 관점에서 활용가능성이 높다고 평가하였다. 이러한 의견을 바탕으로 일부 핵심 UX 요소의 명칭과 정의를 수정하고, 유사 요소 간 경계 기준 및 태그 적용 기준을 보완하였다. 이를 통해 본 연구의 분류체계는 문헌 기반 도출 결과에 전문가 검토를 더하여 내용타당도와 실무 적용 가능성을 강화하였다.