基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究

胡晓伟，石腾跃，于 璐，毛科俊

基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究

胡晓伟1，石腾跃1，于 璐2，毛科俊3

（1. 哈尔滨工业大学，交通科学与工程学院，哈尔滨 150090；2. 哈尔滨工业大学（威海），汽车工程学院，威海 264200；3. 中国宏观经济研究院，综合运输研究所，北京 100038）

共享自动驾驶汽车是智慧交通和绿色交通的重要发展方向之一，但目前其相关研究仍不充分，影响用户使用共享自动驾驶汽车意愿的因素及其作用机理有待深入剖析。为此，本文首先通过引入感知风险、服务质量和社会影响三个潜变量，构建了扩展技术接受度模型。然后将扩展技术接受度模型的潜变量、个人社会经济属性变量和出行方式属性变量整合到多项Logit模型，构建混合选择模型，并以用户选择共享自动驾驶汽车出行的概率衡量用户使用共享自动驾驶汽车的意愿。最后基于SP调查数据标定模型参数，得到潜变量关系及关键影响因素，通过弹性分析研究关键因素对用户使用意愿的影响。结果表明，感知有用性、出行费用、感知易用性、等待时间的影响最为显著，对应的弹性值分别是0.0502、-0.0401、0.0385和-0.0350。本研究对相关企业及相关政府部门发展和推广共享自动驾驶汽车具有重要参考价值。

智能交通；技术接受度模型；混合选择模型；共享自动驾驶汽车；弹性分析

0 引 言

随着科学技术的发展，自动驾驶逐渐演化为未来汽车发展的方向。共享自动驾驶汽车让出行更智慧，更节能减排。研究共享自动驾驶汽车用户使用意愿，有助于推广共享自动驾驶汽车，推动智能交通的发展，具有重要的理论指导意义和社会实践意义。

已有学者研究了公众对共享自动驾驶汽车的使用意愿，如Bansal等[1]发现超过80%的受访者认为共享自动驾驶服务收费不能超过当前拼车公司的收费水平。Fagnant等[2]研究表明，共享自动驾驶汽车对老年出行者以及无法自主开车的出行者更有吸引力。Pettigrew等[3]发现共享使用模式比私人拥有模式更受欢迎，能改善使用私人自动驾驶汽车的负面影响。Gurumurthy等[4]发现共享自动驾驶汽车的共享乘车时间短，可以吸引多个乘客。杨洁等[5]发现驾龄的长短、对自动驾驶技术的认知水平、驾驶安全性将会影响用户的使用意愿。齐航等[6]发现影响自动驾驶网约车使用意愿的三个最直接的因素是自动驾驶车辆的感知有用性、出行者利他性偏好、网约车出行习惯。

部分研究采用技术接受度模型（Technology Acceptance Model，TAM)对影响用户使用共享自动驾驶汽车意愿的因素进行研究。Panagiotopoulos等[7]基于TAM发现感知有用性对共享自动驾驶汽车使用意愿的影响最大。Krueger等[8]和姚荣涵等[9]分别建立了混合Logit模型，研究发现出行费用、出行时间和等待时间是影响用户使用共享自动驾驶汽车的关键因素。Venkatesh等[10]基于TAM引入努力期望、社会影响等变量构建了技术接受与使用模型（United Theory of Acceptance and Use of Technology，UTAUT）。此外，赵敏[11]以计划行为理论（Theory of Planned Behavior，TPB）为基础，引入感知风险和感知价值构建整合模型，发现感知风险对电动汽车共享使用意愿有负向影响。

在自动驾驶技术研究中安全为公众关注的第一要素，公众对共享自动驾驶汽车的使用意愿往往会受到感知风险的影响[12]。已有研究通过引入感知风险等变量增强模型的解释力，但没有考虑到共享自动驾驶汽车的产品服务特性和用户的社会偏好对模型进行优化。同时共享自动驾驶汽车涉及共享服务，其服务质量会影响消费者对共享平台的使用意愿[13]。基于此，本研究结合共享自动驾驶汽车的技术特性、服务特性和用户的社会偏好，引入感知风险变量、服务质量变量和社会影响变量，来深入剖析影响用户使用共享自动驾驶汽车意愿的因素及其作用机理。

为了定量衡量用户对于共享自动驾驶汽车的使用意愿，本文结合SP调查（Stated Preference Survey，SP）数据，基于扩展技术接受度模型与多项Logit模型建立混合选择模型，以出行者选择共享自动驾驶汽车出行的概率来衡量用户使用意愿，采用弹性分析挖掘影响共享自动驾驶汽车使用意愿的关键因素，有针对性地提出有助于我国推广共享自动驾驶汽车的发展建议。研究结论对于相关企业及相关政府部门引导公众采用共享自动驾驶汽车出行，发展共享自动驾驶汽车具有参考价值。

1 模型构建与假设

1.1 扩展的技术接受度模型

技术接受度模型认为行为意向直接决定实际行为，行为态度和感知有用性共同影响行为意向，感知有用性和感知易用性共同影响行为态度[14]。参考现有研究[10, 12, 13]，引入服务质量、感知风险、社会影响三个解释变量扩展技术接受度模型，得到理论模型如图1所示。

图1 扩展的技术接受度模型与关系假设

根据本文所构建的模型，提出的假设如下：

H1：感知有用性会正向影响共享自动驾驶汽车用户的行为态度。

H2：感知有用性会正向影响共享自动驾驶汽车用户的使用意愿。

H3：感知易用性会正向影响感知有用性。

H4：感知易用性会正向影响共享自动驾驶汽车用户的行为态度。

H5：感知风险对共享自动驾驶汽车用户的行为态度有负向影响。

H6：感知风险对共享自动驾驶汽车用户的使用意愿有负向影响。

H7：社会影响对感知风险有负向影响。

H8：社会影响会正向影响共享自动驾驶汽车用户的行为态度。

H9：社会影响会正向影响共享自动驾驶汽车用户的使用意愿。

H10：服务质量会正向影响感知有用性。

H11：服务质量会正向影响共享自动驾驶汽车用户的行为态度。

H12：服务质量会正向影响共享自动驾驶汽车用户的使用意愿。

H13：共享自动驾驶汽车用户的行为态度会正向影响使用意愿。

1.2 混合选择模型的建立

传统的Logit模型多考虑出行者的社会经济属性和出行方式属性，并未考虑个人感受与态度等潜变量[15]。随后研究人员提出了一种涵盖出行者态度等主观心理因素的混合选择模型，整合模型的解释能力较传统Logit模型有了一定提升[16]。本文以扩展技术接受度模型为框架，把对共享自动驾驶汽车使用意愿有影响的潜变量整合到多项Logit模型，形成混合选择模型，上层为结构方程模型（SEM），下层为多项Logit模型，如图2所示。感知有用性等潜变量不能直接观测和量化，因此需要通过观测变量来测量。通过结构方程模型，可得到各潜变量之间的结构关系以及潜变量的适配值，然后将潜变量与社会人口统计属性显变量和出行方式属性显变量一起作为解释变量，构建下层的多项Logit模型，其中采用用户选择共享自动驾驶汽车出行方式的概率来衡量用户使用意愿。

图2 共享自动驾驶汽车用户使用意愿的混合选择模型

基于模型变量构建方式选择的共享自动驾驶汽车效用函数为：

用户选择共享自动驾驶汽车出行方式的概率为

2 数据调查

2.1 调查问卷设计

调查问卷内容设计顺序依次为：潜变量测量调查、出行方式偏好调查、个人社会经济属性调查。对于潜变量的测量，采用李克特5级量表法从“非常不同意”、“比较不同意”、“一般”、“比较同意”、“非常同意”中进行判断。梳理国内外相关文献，设计测量潜变量的量表如表1所示。

出行方式选择调查为SP调查。其中出行方式属性变量包括出行时间、出行费用以及等车时间。在给定起讫点后，假设传统小汽车的出行费用和出行时间是借助地图导航软件估算的定值。参考姚荣涵等[9]和黄浩[23]的SP调查设计，共享自动驾驶汽车和公共交通出行方式的各出行方式属性变量分别设置如表2所示，以考察不同出行方式属性变量的变化对受访者出行选择行为的影响。

表1 潜变量测量量表

表2 SP调查出行方式属性及水平值设置

表3 SP调查组合情况

2.2 数据的描述性统计分析

本研究以我国的成年消费者为研究对象，于2020年3月2～8日在问卷星和微信等网络平台发放匿名自填式网络问卷，共回收问卷409份。认定作答时间小于30 s以及连续多个问题答案一致的问卷为无效问卷。剔除无效问卷后，得到有效问卷302份，问卷有效率77.0%。样本描述性统计分析结果见表4。

表4 样本描述性统计分析

续表4

类 别样本分类样本数比例/(%) 收入6001～8000元289.3 8001～10000元144.6 >10000元144.6 是否有驾照无11337.4 有18962.6 拥有车辆数05417.9 118862.3 25518.2 3辆及以上51.7

2.3 数据的信度和效度检验

表5 样本信度与效度检验结果

续表5

变 量问题项删除项后的Cronbach’s变量的Cronbach’s总体数据的Cronbach’sKMO因子载荷方差累计贡献率 服务质量SQ10.7340.801 0.7020.759 SQ20.6840.777 SQ30.7690.763 行为态度ATB10.6500.772 0.6950.683 ATB20.7120.755 ATB30.7170.611 使用意愿BI10.7980.821 0.7090.535 BI20.7140.723 BI30.7410.532

3 模型分析

3.1 结构方程模型分析及假设检验

在AMOS24.0中绘制共享自动驾驶汽车用户使用意愿的结构方程模型，运行得到图3所示的结果。

在模型拟合度检验指标中，卡方/自由度CMIN/DF为1.792<3；近似误差均方根RMSEA为0.051<0.08；绝对拟合优度指数GFI为0.912>0.9；相对拟合指数CFI为0.951>0.9，可以判定该模型拟合度较好。

图3 共享自动驾驶汽车用户意愿结构方程模型拟合结果

表6展示了所提假设的路径显著性分析结果。路径“社会影响→感知风险”、“社会影响→使用意愿”、“服务质量→感知有用性”的显著性水平>0.05，未达到显著，其余路径均达到统计学的显著要求，且与预测方向一致。因此，13个假设中H7（社会影响对感知风险有负向影响）、H9（社会影响会正向影响共享自动驾驶汽车用户的使用意愿）、H10（服务质量会正向影响感知有用性）不成立，其余10个假设都成立。

注：*<0.05，**<0.01，***<0.001。

结果表明，服务质量、感知有用性、感知易用性、行为态度、感知风险解释了使用意愿方差的40.9%（2=0.409），解释力较好。感知有用性、行为态度、服务质量均对共享自动驾驶汽车用户使用意愿具有预期的显著积极影响，且行为态度影响最为显著，表明提高用户对共享自动驾驶汽车积极态度的策略可能会鼓励用户使用共享自动驾驶汽车。感知风险对用户使用意愿的负面影响小于行为态度的影响，与感知有用性的影响相近，意味着感知风险在某种程度上会阻碍用户使用共享自动驾驶汽车的意愿，因此推广共享自动驾驶汽车需要获得用户对安全性和数据隐私问题的信任。

感知有用性、感知易用性、服务质量、社会影响对用户看待共享自动驾驶汽车的行为态度有显著的积极影响。感知易用性通过感知有用性间接影响共享自动驾驶汽车使用意愿，表明运行良好的系统设计和有效的营销策略有利于提高用户对共享自动驾驶汽车的积极态度。

3.2 混合选择模型参数标定

由前面AMOS软件计算的结构方程参数值可得到潜变量的适配值，将潜变量的适配值以及个人属性变量值、出行方式属性变量值代入多项Logit模型，用Stata软件对模型进行参数估计。不考虑潜变量的模型记为MNL-1，考虑潜变量的模型记为MNL-2，以小汽车出行方式为效用基础项进行模型参数估计。检验值小于0.05，认为该变量对选择行为具有显著的影响，剔除模型中部分不显著的变量（年龄和性别），参数估计结果见表7，对比表7中二者的拟合优度检验结果，模型MNL-2的拟合度更高。优度比系数大于0.2，模型具有较高的精度，因此模型MNL-2的参数标定结果即为最终的模型参数估计结果。

表7 两种模型的参数标定结果

续表7

表7的参数标定结果符合前面3.1中的分析，感知有用性、行为态度、服务质量是显著的积极影响因素，感知风险是显著的消极影响因素。出行时间、等待时间、出行费用对人们选择共享自动驾驶汽车方式出行是显著的消极因素，说明减少出行者的出行时间、等待时间及降低共享自动驾驶汽车的使用价格能激励出行者选择共享自动驾驶汽车出行。在个人经济及社会属性变量中，受教育程度高的群体、个人月收入高的群体以及小汽车拥有量高的群体更愿意选择共享自动驾驶汽车出行，这意味着共享自动驾驶汽车企业可以将受教育程度高或者收入较高的群体作为初期推广的目标市场。

4 共享自动驾驶汽车使用意愿激励策略

4.1 弹性分析

由前面模型参数标定与分析的结果可知，出行时间、出行费用、等待时间、感知有用性、感知易用性、感知风险、行为态度对于出行者选择共享自动驾驶汽车出行方式有着显著的影响。应用弹性分析定量展示显著影响因素对于选择行为的影响。点弹性的计算公式为[24]：

在Stata中计算共享自动驾驶汽车的选择概率对出行时间等变量的弹性值。由表8的弹性分析结果可知，出行时间、等待时间、出行费用、感知风险每增加1%时，选择共享自动驾驶汽车出行的概率就会分别降低1.57%、3.50%、4.01%和1.52%。感知有用性、感知易用性、行为态度每增加1%时，选择概率分别增加5.02%、3.85%和1.48%。综上可知，用户对于影响因素的敏感程度按强弱排序分别是：感知有用性、出行费用、感知易用性、等待时间、出行时间、感知风险、行为态度。以上结果可为设计共享自动驾驶汽车用户使用意愿的激励策略提供参考。

表8 显著变量弹性分析结果

4.2 激励策略建议

基于以上分析可知，感知有用性、出行费用、感知易用性、等待时间的影响最为显著，下面从这4个变量入手，提出激励用户使用共享自动驾驶汽车的建议。

（1）提升共享自动驾驶汽车用户的感知有用性

给予共享自动驾驶汽车一定的道路行驶优先权，如设置共享自动驾驶汽车专用车道，允许共享自动驾驶汽车在一定时间段内使用公交专用车道。减免共享自动驾驶汽车的停车费，或者设置专用停车区域，其他车辆不得使用。增加附近商户信息等对用户日常出行有利的信息，让用户感觉出行更加便捷。定期定点举办共享自动驾驶汽车试乘体验活动，在试乘体验活动中教消费者如何进行约车、支付、评价等操作。

（2）减少使用共享自动驾驶汽车出行的出行费用

制定交通优惠政策，给予共享自动驾驶汽车一定的道路交通费减免，降低其使用成本。引导共享自动驾驶汽车平台合理定价，保证产品性能安全达标的前提下降低成本。相关管理部门应健全共享自动驾驶汽车的消费监管体系，保障消费者的合法权益。引入“分享得红包”功能，在使用共享自动驾驶汽车后，用户可通过在社交应用上将行程分享给好友获取平台红包，用来抵扣下次使用共享自动驾驶汽车服务的费用。

（3）提升共享自动驾驶汽车用户的感知易用性

发布租赁流程和共享自动驾驶汽车操作流程信息，进行线下现场示范如何操作的同时，加强线上宣传，并在车辆内部配备操作手册，减少信息不对称。不断改善APP的功能，简化新用户注册过程与界面操作流程，使得车辆共享预约等功能更加便捷、易于操作。不断改进支付方式，支持多样化的支付方式，让整套流程更加便捷。

（4）降低共享自动驾驶汽车用户的等待时间

提高定位的准确度，快速精准地为用户分配距离近的车辆，减少用户等待时间。充分利用大数据资源，在保障用户隐私的前提下，追踪用户出行习惯、出行高峰期及用车需求密集地，给用户提供及时、准确的服务，尽量避免出现高峰时期约车慢、偏远地区约车难等体验不佳的现象。

5 结束语

本文旨在探索共享自动驾驶汽车用户使用意愿并研究相关激励策略，研究成果如下：

（1）引入感知风险、服务质量和社会影响三个变量，扩展和完善了技术接受度模型，提高技术接受度模型的解释能力。通过结构方程模型分析发现感知有用性、感知易用性、感知风险、社会影响、服务质量和行为态度都直接或者间接影响用户对于共享自动驾驶汽车的使用意愿，潜变量之间也相互影响。

（2）整合扩展的技术接受度模型和多项Logit模型，建立了混合选择模型。以用户选择共享自动驾驶汽车出行方式的概率来定量衡量用户使用共享自动驾驶汽车意愿。用Stata标定了模型参数，模型拟合度较好，通过对比发现引入潜变量之后的模型拟合优度优于不带潜变量的模型。参数标定结果表明出行时间、出行费用、等待时间等因素对用户使用共享自动驾驶汽车意愿的影响显著。

（3）对显著影响因素进行弹性分析得知感知有用性、出行费用、感知易用性、等待时间对于用户使用共享自动驾驶汽车意愿的影响最为显著，并从这几个方面入手，提出激励用户使用共享自动驾驶汽车的策略建议。

[1] BANSAL P, KOCKELMAN K M, SINGH A. Assessing public opinions of and interest in new vehicle technologies: an Austin perspective[J]. Transportation Research Part C: Emerging Technologies, 2016, 67: 1-14.

[2] FAGNANT D J, KOCKELMAN K. The travel and environmental implications of shared autonomous vehicles, using agent-based model scenarios[J]. Transportation Research Part C: Emerging Technologies, 2014, 40: 1-13.

[3] PETTIGREW S, DANA L M, NORMAN R. Clusters of potential autonomous vehicles users according to propensity to use individual versus shared vehicles[J]. Transport Policy, 2019, 76: 13-20.

[4] GURUMURTHY K M, KOCKELMAN K M. Modeling Americans’ autonomous vehicle preferences: a focus on dynamic ride-sharing, privacy & long-distance mode choices[J]. Technological Forecasting and Social Change, 2020, 150: 119792.

[5] 杨洁, 沈梦洁. 中国自动驾驶汽车消费市场接受度调查[J]. 长安大学学报: 社会科学版, 2017, 19 (6): 34-42.

[6] 齐航, 夏嘉祺, 王光超, 等. 考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型[J]. 交通运输工程与信息学报: 2021, 19(2), 1-10.

[7] PANAGIOTOPOULOS L, DIMITRAKOPOULOS G. An empirical investigation on consumers intentions towards autonomous driving[J]. Transportation Research Part C: Emerging Technologies, 2018, 95.

[8] KRUEGER R, TAHA H, JOHN M, et al. Preferences for shared autonomous vehicles[J]. Transportation Research Part C: Emerging Technologies, 2016, 69.

[9] 姚荣涵, 梁亚林, 刘锴，等. 考虑合乘的共享自动驾驶汽车选择行为实证分析[J]. 交通运输系统工程与信息, 2020, 20 (1): 228-233.

[10] VENKATESH V, THONG JYL, XU X. Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology[J]. MIS Quarterly, 2012, 36 (1): 157-178.

[11] 赵敏, 王善勇. 电动汽车共享的使用意向研究[J]. 大连理工大学学报: 社会科学版, 2018, 39 (3): 32-38.

[12] 唐立, 卿三东, 徐志刚, 等. 自动驾驶公众接受度研究综述[J]. 交通运输工程学报, 2020, 20 (2): 131-146.

[13] 武迪. 平台型共享汽车消费者信任影响因素的实证研究[D]. 昆明: 云南财经大学, 2018.

[14] DAVIS F D. A technology acceptance model for empirically testing new end-user information systems: Theory and results[D]. Cambridge: Massachusetts Institute of Technology, 1985.

[15] 陈坚, 晏启鹏, 杨飞, 等. 出行方式选择行为的SEM-Logit整合模型[J]. 华南理工大学学报: 自然科学版, 2013, 41 (2): 51-57, 65.

[16] 鞠鹏, 周晶, 徐红利, 等. 基于混合选择模型的汽车共享选择行为研究[J]. 交通运输系统工程与信息, 2017, 17 (2): 7-13

[17] 黄位. 基于计划行为理论与技术接受模型的自动驾驶汽车接受度研究[D]. 镇江: 江苏大学, 2019.

[18] CHEN C F, CHEN P C. Applying the TAM to travelers’ usage intentions of GPS devices[J]. Expert Systems with Applications, 2011, 38: 6217-6221.

[19] 张曾垚. 共享电动汽车分时租赁的消费者信任研究[D]. 昆明: 云南财经大学, 2018.

[20] KOUFARIS M, HAMPTON S W. Consumer trust online: examining the role of the experience with the web site[R]. CIS Working Paper: Zicklin School of Business Baruch College, 2002.

[21] CHOI J K, JI Y G. Investigating the importance of trust on adopting an autonomous vehicle[J]. International Journal of Human-Computer Interaction, 2015, 31 (10): 692-702.

[22] GEFEN D. Reflections on the dimensions of trust and trustworthiness among online consumers[J]. The Database for Advances in Information Systems, 2002, 33 (3): 38-53.

[23] 黄浩. 基于扩展计划行为理论的自动驾驶汽车方式选择行为研究[D]. 镇江: 江苏大学, 2019.

[24] 陈林. 基于Logit模型的成渝通道交通选择行为研究[D]. 成都: 西南交通大学, 2013.

Measuring Users’ Willingness to Use Shared Autonomous Vehicles Based on an Extension Technology Acceptance Model

HU Xiao-wei1, SHI Teng-yue1, YU Lu2, MAO Ke-jun3

(1. School of Transportation Science and Engineering, Harbin Institute of Technology, Harbin 150090, China; 2. School of Automotive Engineering, Harbin Institute of Technology (Weihai), Weihai 264200, China; 3. Institute of Comprehensive Transportation, China Academy of Macroeconomic Research, Beijing 100038, China)

The development of shared autonomous vehicles (SAVs) is an important direction in intelligent and green transportation, but the relevant research is insufficient. The choice behavior of SAV passengers needs additional analysis. To address this, we first constructed an extended technology acceptance model (ETAM) by introducing three latent variables: perceived risk, service quality, and social influence. A hybrid choice model was then constructed by integrating the latent variables of the ETAM, individual socio- economic attributes, and travel mode attributes into a multinomial logit model. The probability of passengers choosing an SAV is taken as an evaluation index to measure passengers’ willingness to take an SAV. Finally, based on the Stated Preference survey data, the model parameters were calibrated, and the pathways of latent variables and key influencing factors were obtained. The impact of key factors on passengers’ willingness to take an SAV was studied through elastic analysis. The elastic analysis revealed that perceived usefulness (0.0502) is the most significant factor, followed by travel cost (−0.0401), perceived ease of use (0.0385), and waiting time (−0.0350). This study can provide theoretical support for relevant enterprises and government departments to develop and promote SAVs.

intelligent transportation; technology acceptance model; hybrid choice model; shared autonomous vehicles; elastic analysis

1672-4747（2021）03-0001-12

U491

A

10.19961/j.cnki.1672-4747.2021.02.003

2021-02-05

2021-03-12

2021-03-19

2021-02-05～02-06；02-22～02-25；03-09～03-12

国家自然科学基金重大研究计划（91846301）；黑龙江省哲学社会科学研究规划项目（20GLC204）

胡晓伟（1984—），男，博士，副教授，博士生导师，研究方向为现代交通治理，E-mail：xiaowei_hu@hit.edu.cn

胡晓伟，石腾跃，于璐，等.基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究[J]. 交通运输工程与信息学报，2021, 19(3): 1-12.

HU Xiao-wei, SHI Teng-yue, YU Lu, et al, Measuring Users’ Willingness to Use Shared Autonomous Vehicles Based on an Extension Technology Acceptance Model [J]. Journal of Transportation Engineering and Information, 2021, 19(3): 1-12.

（责任编辑：刘娉婷）