본 논문은 자율주행 자동차(AV)의 승객 정보 요구 충족 방식에 대한 미해결 문제가 실제 세계 도입을 저해하고 있음을 지적한다. 승객의 요구를 충족하는 데 어려움을 더하는 것은 사람, 목표, 운전 상황에 따라 상호 작용 성공 기준이 다르다는 점이다. 대부분의 인간-AV 연구 및 설계는 모든 사람과 상황을 균일하게 다루는 데 반해, 본 논문은 AV가 승객의 요구를 충족하기 위해 어떻게 소통해야 하며, 인간-AV 복합 시스템이 변화할 때 소통이 어떻게 변해야 하는지를 이해하는 것이 중요하다고 주장한다. 세 가지 실증 연구를 통해 인간-AV 시스템의 다양한 측면 간의 관계를 이해하면 개선되고 적응력 있는 AV 통신을 구축하는 데 도움이 된다는 주장을 뒷받침한다. 첫째, 극한 운전 환경에서 학습하는 동안 운전 성능, 자신감 및 신뢰를 향상시키는 최적의 통신 전략을 파악한다. 둘째, 결함 있는 통신 시스템 배포의 결과를 강조하고 상황에 맞는 통신의 필요성을 보여준다. 셋째, 기계 학습(ML)을 사용하여 AV에 대한 신뢰를 예측하는 개인적 요인을 밝히고, 개별 특성과 우려 사항에 맞게 설계하는 중요성을 강조한다. 결론적으로, 본 논문은 개별 요구, 목표 및 상황적 요구에 맞는 투명하고, 적응력 있고, 개인화된 AV 시스템의 필요성을 뒷받침하며, 인간-AV 상호 작용이 발생하는 복합 시스템을 고려함으로써 설계자, 연구자 및 정책 입안자에게 귀중한 통찰력을 제공한다. 또한 인간-기계 공동 행동 및 상황 인식 이론을 연구하는 구체적인 영역을 제공하고 미래의 인간-AI 상호 작용 연구를 안내하는 데 사용될 수 있다.
