自律走行車の普及が進む中、実世界での自律走行車の挙動を理解することが交通安全の分析や政策策定、公共の受容に不可欠です。本論文では、SVBRD-LLMというフレームワークを提案しています。このフレームワークは、零ショットプロンプトエンジニアリングを通じて、実際の交通ビデオから解釈可能な行動ルールを自動的に発見、検証、適用します。YOLOv8とByteTrackを使用して車両の軌道を抽出し、運動特性を計算、GPT-5の零ショットプロンプティングを用いて自律走行車と人間が運転する車両を比較することで、35の構造化された行動ルールの仮説を生成します。これらのルールはバリデーションセットでテストされ、失敗事例に基づき逐次的に洗練され、高い信頼性のルールライブラリにまとめられます。実験は1500時間以上の実際の交通ビデオで行われ、自律走行車の識別において90.0％の精度と93.3％のF1スコアを達成しました。発見されたルールは、自律走行車の速度制御の滑らかさ、レーン変更の保守性、加速の安定性といった特徴を明示し、それぞれのルールには語義的説明、適用文脈、検証の信頼性が添えられています。