자율주행차는 안전하고 효율적인 이동을 약속하지만 의사결정의 투명성 부족으로 대중 신뢰가 낮다. 이 연구는 적응형 주행 제어를 위한 심층강화학습(DRL)과 에이전트 행동을 승객에게 설명하는 LLM 기반 설명 모듈을 결합한다. Dueling Double Deep Q-Network로 학습한 DRL 에이전트는 '빠르게·편안하게·정지'라는 주행 요청을 따르며 안정적 학습, 교통 규칙 준수, 한 주행 내 모드 전환을 보였다. LLM 모듈은 승객 요청을 해석하고 설명이 필요한 시점을 판단해 간결한 안전 지향 설명을 생성한다. 안전·적응성·설명가능성을 균형 있게 결합하는 개념 증명으로, 안전 제약으로 요청이 지연·기각될 때 가장 효과적이다.

• •DRL 기반 적응 주행 제어와 LLM 기반 설명 모듈을 결합한 자율주행 프레임워크를 제안한다.
• •Dueling Double DQN 에이전트가 '빠르게·편안하게·정지' 요청을 안정적으로 학습·전환했다.
• •LLM 모듈이 승객 요청을 해석하고 설명 필요 시점을 판단해 안전 지향 설명을 생성한다.
• •안전 제약으로 요청이 지연·기각될 때 설명이 가장 효과적이다.