본 논문은 자율주행차의 실제 주행 영상을 기반으로 해석 가능한 행동 규칙을 자동으로 발견, 검증 및 적용하는 프레임워크인 SVBRD-LLM을 제안한다. YOLOv8과 ByteTrack을 사용하여 차량 궤적을 추출하고, 운동학적 특징을 계산하며, GPT-5를 활용한 Zero-shot 프롬프트 엔지니어링을 통해 자율주행차와 인간 운전자 차량을 비교한다. 이를 통해 35개의 구조화된 행동 규칙 가설을 생성하고, 검증 세트에서 테스트를 거쳐 오류 사례를 기반으로 반복적으로 개선하여 신뢰도가 높은 규칙 라이브러리를 구축한다. 1500시간 이상의 실제 교통 영상을 대상으로 실험한 결과, 자율주행차 식별 작업에서 90.0%의 정확도와 93.3%의 F1 점수를 달성했다. 발견된 규칙은 속도 제어의 부드러움, 차선 변경의 신중함, 가속도의 안정성과 같은 자율주행차의 특징을 명확히 보여주며, 각 규칙은 의미 설명, 적용 컨텍스트 및 검증 신뢰도와 함께 제공된다.
