PLANA · UAM Cockpit UX · 2022–2023
UAM 단일 조종사 환경에서 시각 클러터로 인한 OODA 루프 병목을 분석하고, 비행 맥락 기반 자동 보정 전략(Autocorrection Strategy)을 적용해 Safe Mission Completion Rate 95%를 달성한 Flypad UX 설계
👉 모빌리티 시장에서 새롭게 활동할 UAM 운영 구조에서는 "HMI가 사실상 가상의 크루 멤버 역할"을 해야 한다는 요구가 커지고 있다 — 판단을 돕는 시스템 설계 필요
비즈니스 리스크: 기존의 시각적 클러터가 조종사의 판단 지연을 유발해 미션 실패율을 높이고, 이는 곧 기체 손실 및 브랜드 신뢰도 추락이라는 거대한 비즈니스 리스크로 이어진다.
핵심 목표: 비행 중 특정 구간(계기 비상·경로변경·버드스트라이크 등)에서 시각 정보가 과도하게 쏟아질 때, 해당 OODA 단계에 필요한 핵심 정보만 골라서 먼저 보여주고 나머지는 뒤로 미뤄 의사결정 속도와 정확도를 높이는 것.
| 시나리오 | 지표 | 기존 UI | 고부하 시 | 근거 |
|---|---|---|---|---|
| 이착륙 | Off-road 비율 | 12% | 35%↑ | Eye-tracking |
| 경고 처리 | 경고 무시율 | 8% | 28%↑ | NASA-TLX |
| 회피 기동 | 오류율 | 7% | 15%↑ | Single-pilot |
원인 결론: 정량 데이터(시선 분산 2.5배 증가)와 정성 데이터(경고 묻힘 피드백)를 결합하여, OODA 루프의 Orient–Decide 단계에서 병목이 발생함을 확인했다.
원인 결론: 정량 데이터(시선 분산 2.5배 증가)와 정성 데이터(경고 묻힘 피드백)를 결합하여, OODA 루프의 Orient–Decide 단계에서 병목이 발생함을 확인했다.
실시간 판단에 필요한 정보가
적절한 타이밍과 우선순위로 제시되지 않는다.
핵심 지표를 어떻게
개선할 수 있을까?
상황별 자동 보정 UI가 적용되면 OODA 전환 시간이 25% 단축되고 오류율이 40% 감소한다.
| 구성요소 | 문제 | 가설 | 검증 지표 |
|---|---|---|---|
| Observe | 정보 과부하 | 핵심 우선 노출 | Glance time ↓25% |
| Orient | 시선 왕복 | 컨텍스트 그룹화 | SA 점수 ↑20% |
| Decide | 판단 지연 | 예측 보조 | 오류율 ↓40% |
A/B 실험 설계: Autocorrection Strategy 없음(Control) vs. 있음(Variant) 동일 미션·루트 비행 비교. 전략: 조종사가 정보를 탐색하는 비용을 Zero-Search로 만들기 위해 비행 맥락에 따라 필요한 정보만 선제적으로 노출하는 시스템 구축.
비행 Phase(이륙 전 준비–상승–순항–접근–착륙) 및 OODA 단계에 따라 반드시 봐야 하는 정보만 1차 계층에 배치, 나머지는 2·3차 계층으로 이관. 예: 접근·착륙 Phase에서는 속도/고도/활주로 Alignment/경고를 전면에, 저우선 지형·트래픽은 축소·레이어링.
색·대비·위치·모션·아이콘 크기 등 시각적 변수로 현재 태스크에 필요한 정보와 나머지를 강하게 구분. 위험도 높은 경고·모드 변경 정보는 HUD 영역 또는 시야 중심 근처에 배치해 eyes-out 상태에서도 인지 가능하게 설계.
자주 헷갈리는 요소(고도 프로파일·경로 편차·바람 방향·회피 권고)에 시각적 보정 설계. 예: 강한 측풍 구간에서 heading bug·wind vector·경사각을 한 묶음으로 시각화. 잘못된 조작 패턴이 발견된 구간에는 사전 강조(anticipatory cue)를 추가해 조종사가 의도·모드 상태를 재확인하도록 유도.
정보 밀도·시선 이동 경로·확인 필수 지점을 기준으로 플로우별 Fitts law / glance path 점검. 단일 태스크 수행에 필요한 화면 전환 수·조작 수 최소화. NASA-TLX·Eye-tracking·태스크 기반 수행 데이터로 각 설계안의 인지부하 비교.
| Input 지표 | A/B 결과 | Output 영향 |
|---|---|---|
| 태스크 시간 −25% | Reaction time −25% | Safe Completion 95%↑ |
| 첫 성공률 +20% | First-pass +15%p | 오류율 50%↓ |
| Glance −30% | Off-road −35% | 신뢰도 +20pt |
| NASA-TLX −15pt | Workload −15–20% | Mission 성공률↑ |
핵심 성과: cockpit UX를 단순 '보기 좋은 화면'이 아니라, 판단을 돕는 시스템으로 확장했다는 점이 이 프로젝트의 본질적인 성과다. Input(반응 시간 25% 단축)의 개선이 결과적으로 Output(미션 완료율 95%)으로 이어짐을 A/B 테스트로 검증하여 단일 조종사 운영의 안정성과 비즈니스 타당성을 입증했다.[1][2][3][4]
기술적 정교함보다 사용자 인지 흐름에 맞는 '심리적 도달 시점'을 설계하는 것이 복잡한 도메인에서 비즈니스 신뢰를 구축하는 핵심 레버임을 학습했다. 조종사가 정보를 찾지 않아도 되는 상태를 만드는 것이 UX의 역할이다.
표면적 불편함을 인지부하라는 측정 가능한 지표(NASA-TLX·Glance Time·Reaction Time)로 구조화하여 문제를 해결하는 논리적 접근 방식을 체득했다. 정성 인사이트를 응답 강도(%)로 수치화하고, 정량 데이터와 교차 검증해 OODA 병목을 특정한 것이 해결의 출발점이었다.