Consumer Perception and Policy Intervention in Large-scale Implementation of Advanced Autonomous Driving: A Dynamic Evolutionary Study Based on Agent-Based Modeling

기술 요약: 대규모 구현 단계의 첨단 자율주행에 대한 소비자 인식 및 정책 개입

문제 제기
중국의 자율주행 산업에서 급격한 기술 발전과 강력한 정책적 지원에도 불구하고, 소비자 인식은 여전히 신중한 태도를 유지하고 있으며, 이는 시범 운영 단계에서 대규모 상업적 적용으로의 전환을 저해하는 '인지적 병목 현상(cognitive bottleneck)'을 야기한다. 기존 문헌은 자율주행을 균질한 기술로 취급하여 이상적인 레벨 5(L5) 시나리오에 집중하는 경향이 있으며, 인간과 기계의 역할 경계가 변화하는 중요한 과도기(L2에서 L4 사이)를 간과하고 있다. 또한, 전통적인 연구는 횡단적 설문조사와 정적 모델(예: TAM, TPB)에 크게 의존하고 있어, 안전사고, 기술적 이정표, 정책 개입에 의해 촉발되는 비선형적 피드백 루프, 동적 신뢰 진화, 그리고 창발적 거시 수준 패턴을 포착하지 못한다. 본 연구가 다루는 핵심 문제는 기술적 진보, 여론 충격, 정책 전략의 복잡한 상호작용 속에서 소비자 신뢰와 수용도가 어떻게 진화하는지를 이해하기 위한 선제적이고 역동적인 프레임워크가 부족하다는 점이다.

연구 방법론
본 연구는 소비자 인지의 역동적 진화를 시뮬레이션하는 '계산 실험실(computational laboratory)'을 구축하기 위해 에이전트 기반 모델링(Agent-Based Modeling, ABM) 접근 방식을 채택하였다. 연구 방법론은 다음 세 단계로 진행된다:

1. 경험적 보정(Empirical Calibration): 기술 수용 모델(TAM)을 기반으로 한 설문조사($N=184$)를 실시하여 초기 매개변수를 보정하였다. 최대우도추정법(MLE)을 통해 초기 소비자 신뢰($\mu=0.38$)와 위험 인식($\mu=0.62$)이 정규 분포를 따름을 확인하였으며, 이는 개인적 이질성을 반영한다.
2. 모델 구축: Python Mesa 프레임워크를 사용하여 이산 시간 시뮬레이션(500 틱, 1 틱 = 1개월)을 구축하였다. 모델은 세 가지 구동력을 통합한다:
   • 기술적 힘(Technological Force): 특정 정책 이정표(예: 틱 121에서의 L3 시장 진입)에서 기술 수준(L2+ $\to$ L3 $\to$ L4)이 도약하는 단계적 진화 메커니즘으로, 외생적 신뢰 신호 역할을 한다.
   • 사회적 힘(Social Force): 소비자는 Watts-Strogatz 소세상 네트워크(Small-world network, $N=500$) 내에 배치된다. 에이전트는 동료 효과(사회적 영향)와 구전 확산에 기초하여 신뢰를 업데이트한다.
   • 개별적 힘(Individual Force): 에이전트는 이질적인 심리적 특성(위험 회피 성향, 사회적 민감도)과 사전 경험(L2 사용 경험)을 보유한다.
3. 정책 시뮬레이션: 규제 강도($reg$), 커뮤니케이션 강도($comm$), 보조금 강도($sub$)라는 세 가지 정책 도구(0에서 1 사이의 범위)의 영향을 테스트한다. 안전사고는 부정적 충격을 시뮬레이션하기 위해 베르누이 과정($p=0.01$)으로 모델링된다. 본 연구는 예산 제약 하에서 최적의 정책 조합을 식별하기 위해 전요인 실험(full factorial experiments)을 수행한다.

주요 결과
시뮬레이션 결과, 정책 조합과 기술 진보 모드에 따라 뚜렷한 진화 궤적이 나타났다:

• 최적 정책 포트폴리오: 고정된 예산 하에서, **엄격한 규제($reg=1.0$), 완만한 커뮤니케이션($comm=0.5$), 그리고 완만한 보조금($sub=0.5$)**의 조합이 가장 높은 종합 점수를 산출하였다. 이 전략은 높은 채택률(166 틱에서 50% 임계점 돌파)과 빠른 확산 속도를 달면서 최종 채택률을 100%에 가깝게 달성한다.
• 규제의 역할: 엄격한 규제는 소비자 신뢰의 근본적인 결정 요인으로 식별되었다. 규제가 없다면 신뢰는 낮은 범위(0.4~0.5)에 갇히게 되며 사고 충격에 매우 취약해진다. 규제는 신뢰의 기저를 안정시키는 '안전 최저선(safety bottom line)'을 구축한다.
• 커뮤니케이션 및 보조금의 역할: 커뮤니케이션은 긍정적 인지의 확산을 가속화하지만, 규제가 제공하는 안전 보장이 없으면 한계 효용이 낮다. 보조금은 초기 수용자들의 경제적 장벽을 낮추는 데 효과적이지만, 제도적 신뢰의 결핍을 보완할 수는 없다.
• 기술 진화 모드: 정책 이정표(L3 시장 진입 등)와 일치하는 **단계적 진화(stepped evolution)**는 선형적 진화보다 훨씬 우수한 성과를 보인다. 명확한 규제 이정표에 의해 촉발되는 '인지적 도약(cognitive leap)'은 지속적이고 점진적인 기술 개선보다 더 효과적으로 인지적 정체를 타파하는 강력한 긍정적 신호로 작용한다.
• 회복 탄력성(Resilience): 최적의 정책 포트폴리오는 높은 회복 탄력성을 보여준다. 안전사고가 일시적인 신뢰 하락을 유발하더라도, 규제와 커뮤니케이션의 조합은 보조금이나 홍보에만 의존하는 시나리오와 달리 빠른 회복을 가능하게 한다.

의의 및 기여
본 논문은 자율주행 도입 분야에 대해 이론적 및 실무적 기여를 한다고 주장한다:

• 이론적 발전: 본 연구는 인지적 전환, 신뢰 회복, 사회적 영향 이론을 하나의 통합된 역동적 진화 프레임워크로 통합함으로써 정적인 수용 모델을 넘어선다. 특히 신뢰의 '경로 의존적(path-dependent)' 특성을 명시적으로 다루어, 낮은 자동화 단계(L2)에서 형성된 신뢰가 재조정 없이 높은 단계(L3/L4)로 자동으로 전이되지 않음을 입증한다.
• 방법론적 혁신: ABM을 '계산 실험실'로 도입함으로써, 미시적 상호작용으로부터 거시적 창발 패턴을 도출하는 새로운 도구를 제공한다. 이 접근 방식은 복잡한 사회-기술 시스템 내의 비선형적 피드백과 창발적 현상을 포착하는 데 있어 횡단적 데이터의 한계를 극복한다.
• 정책적 시사점: 연구 결과는 정책 입안자와 제조사에게 실행 가능한 지침을 제공한다. 구체적으로, 본 연구는 규제의 명확성이 효과적인 커뮤니케이션의 전제 조건임을 주장한다. 정책은 견고한 안전 규제 프레임워크를 먼저 구축한 후, 시장 침투를 가속화하기 위한 표적화된 커뮤니케이션과 보조금을 뒤따르게 하는 것을 우선시해야 한다. 이러한 '균형 잡힌' 접근 방식이 인지적 병목 현상을 극복하고 지속 가능한 대규모 구현을 달enc하는 가장 효율적인 경로로 제시된다.

저자들은 자신들의 시뮬레이션 모델이 장기적인 정책 효과를 평가하기 위한 '디지털 샌드박스' 역할을 수행하며, 의사 결정자들이 기술적 타당성에서 시장 수용성으로 넘어가는 복잡한 전환기를 항해할 수 있도록 돕는 저비용의 선제적 플랫폼을 제공한다고 결론짓는다.