본 논문은 자율주행차(AV)와 인간 운전자 간의 안전한 상호 작용을 위해, 복잡하고 위험한 상황에서의 위험 인지 및 동적 의사결정을 정량화하는 인지-결정 프레임워크를 제시한다. 운전자 행동의 개인차와 공통점을 통합하여, 다변량 가우시안 분포 기반의 위험 민감도 모델을 개발하고, 드리프트 확산 모델(DDM) 기반의 인지적 의사결정 모델을 도입하였다. DDM은 초기 편향, 드리프트율, 경계 매개변수를 통합하여 결정 임계값을 동적으로 조정하며, 속도, 상대 거리, 위험 민감도의 변화에 적응하여 다양한 운전 스타일과 위험 선호도를 반영한다. 주행 시뮬레이터를 이용한 고위험 시나리오 시뮬레이션을 통해 제안된 모델이 응급 조치 중 인지 반응과 의사결정 행동을 정확하게 예측함을 보여주었다. 특히, 운전자 특유의 위험 민감도를 통합하여 DDM의 주요 매개변수를 동적으로 조정함으로써 다양한 시나리오에서 개인화된 의사결정 표현을 가능하게 한다. IDM, Gipps, MOBIL과의 비교 분석을 통해 DDM이 고위험 시나리오에서 인간의 인지 과정과 적응적 의사결정을 더 정확하게 포착함을 보여준다. 이러한 결과는 인간 운전 행동 모델링의 이론적 기반을 제공하고 실제 교통 환경에서 AV-인간 상호 작용을 향상시키는 데 중요한 통찰력을 제공한다.
