운전 중 스마트폰 사용 행태

서울대학교 사용자 경험 연구실(이중식 교수팀)은 2013년 상반기 삼성과 함께 운전 중 스마트폰 사용 행태를 조사했다. 연구실은 "운전 중에 스마트폰을 사용함으로써 왜 스스로 위험한 행동을 하는가?"라는 질문에서 출발했는데, 사용자 인터뷰만으로는 응답자 스스로도 자신의 행동 데이터를 완전히 파악하지 못한다는 한계가 있어 실제 사용 상황과 행동을 데이터로 직접 수집하는 접근을 택했다. 이 연구는 2015년 pxd talks에서 서울대 연구실이 pxd를 방문해 발표하고 이재용 대표와 질의응답을 나누는 자리에서 소개됐다.

연구실은 이 접근을 규칙성 없는 전반적 패턴을 추출하는 Big Data와 대비해 Deep Data Analysis라 불렀다 — 사용자의 미션·행동을 깊이 관찰해 개인적이고 상황·맥락이 담긴 데이터를 추출하는 방식이다. 두 축으로 데이터를 수집했다. 자체 개발한 앱 "앱캐쳐"로 앱의 시작·체류·종료 시점을 기록하는 Machine Log Data와, 차량 내부에 블랙박스를 설치해 실제 스마트폰 사용 장면을 촬영하는 Behavior Data다. 참가자들은 블랙박스 설치를 처음엔 의식했지만 예상보다 빠르게 잊고 평소와 같은 행동을 보였다. 두 데이터를 코딩해 결합함으로써 정차·고속주행·저속주행·주차 같은 상황, 인터랙션·행태·목적, 사용 앱 종류·시간·알람 정보를 함께 카테고리화해 비구조적 데이터를 구조적 데이터로 전환했다.

이 분석을 통해 운전 중 스마트폰 사용 행태는 5가지 세션으로 분류됐다. Cycle Thru(습관적으로 목적 없이 여러 앱을 순회, 정차보다 주행 중 더 빈번), Come up with(갑자기 떠오른 자극에 반응, 주로 정차 중, 메모·사진·음악 등 미디어 활동 위주), Active Pursuing(Come up with에서 이어져 특정 목적에 오래 몰두, SNS 업로드·업무 메일·계좌이체·동영상 시청까지 관찰됨), Conversing(전화·SNS·메신저, 타이핑이 가장 많이 발생하며 정차 중·동승자 없을 때 61%로 빈번), Defer(주행 상황상 알림을 잠금화면만 확인하거나 무시, 이후 Conversing으로 이어지고 동승자에게 확인·타이핑을 부탁하기도 함)다.

연구실은 이 5가지 세션 분류를 바탕으로 잠금화면에서 더 많은 정보를 노출해 빠른 정보 교환이 가능하게 하는 솔루션 등 구체적 개선안을 제안했으며, 운전 상황을 넘어 모든 상황으로 연구를 확장할 계획이라고 밝혔다. 핵심 메시지는 스마트폰 사용을 "어떤 앱을 많이 쓰는가"라는 App Base로 접근하는 대신, "어떤 상황에서 어떻게 쓰는가"라는 Pattern Base로 접근해야 한다는 것이다.

핵심 내용

  • Deep Data Analysis: 패턴 없는 전반적 데이터를 다루는 Big Data와 달리, 개인·상황·맥락이 담긴 데이터를 깊이 관찰해 추출하는 접근
  • Machine Log Data(자체 개발 앱 "앱캐쳐"로 수집한 App Log) + Behavior Data(차량 내 블랙박스로 촬영한 실제 사용 장면) 두 축을 코딩해 결합
  • 5가지 세션 분류: Cycle Thru(습관적 순회) · Come up with(즉흥적 사용) · Active Pursuing(목적 몰두) · Conversing(통화·메신저) · Defer(응답 유보)
  • Conversing은 동승자가 없을 때(61%) 더 빈번, Defer는 동승자가 있으면 대리 확인·타이핑으로 이어짐
  • 결론: 스마트폰 사용 연구는 App Base(어떤 앱을 쓰는가)가 아니라 Pattern Base(어떤 상황에서 쓰는가)로 접근해야 함

관련 개념

출처

최종 업데이트: 2026-07-20 | 출처 1개