基于客户需求的智慧交通产业园选址意愿

段佳君 ，王幼松,2，黄文炜,2，费 腾

(1.华南理工大学 土木与交通学院,广州 510641；2.华南理工大学 亚热带建筑科学国家重点实验室，广州 510641；3.中交智慧交通产业发展有限公司，杭州 311200)

智慧交通不仅区别于传统交通的概念，也不同于单一的智能交通技术[1]，智慧交通产业更加关注经济和社会利益、更加重视“以人为本”的需求，其所带来的效益是综合性和多方面的[2]。国家“十四五”规划将智慧交通产业的发展作为贯彻落实我国“交通强国”战略的重要举措，然而，我国智慧交通产业起步相对较晚，在20世纪90年代初才开始发展起来，智慧交通建设的总投资占比低于发达国家7%～10%的水平[3]，并且在技术、人才等方面的投入也尚有一定差距[4]。但无论从国家战略、政府政策层面，还是迅猛发展的新兴技术上，目前乃至未来几年智慧交通行业都将处于蓬勃发展的利好时机。其中，智慧交通产业园作为一个新兴产业园区，势必会得到越来越多的关注[5]。

建设智慧交通产业园的一个重要问题是其选址问题，目前在学术领域上对其选址问题的研究较为缺乏，国内外学者集中在科技园区、物流园区、工业园区的选址等方面的研究较多[6-7]。Malecki[8]聚焦在科技产业园选址的区位因素上，认为科技产业园的地理位置应离科研、教育机构较近，指出科技产业园区对科研人才和企业的集聚效果突出。张钰川等[9]认为目前选址研究缺少对决策者和客户选择的影响因素具体分析，因此，决定将包括运输费用和服务价格的成本因素考虑进物流园区的选址问题中。张国方等[10]认为物流中心选址的主要指标包括基础设施平台条件、基础信息平台条件以及经济与可持续发展条件三大方面，从而建立多级模糊综合评判模型选取最优的物流中心地点。戴禾等[11]根据物流园区的特点确立了其选址的原则和主要影响因素，包括是否有便利的货物转运枢纽，是否靠近交通主干道，是否靠近大型工业等方面。何国华[12]采用定性和定量分析结合的方法，用定性分析对物流园的选址因素进行判定，用定量分析构建物流节点的选址模型，最终对备选节点进行综合评价。

文中的研究对象是智慧交通产业园，由于产业园区的客群主要是企业，鲜有学者从客户是否愿意入驻产业园区的视角考虑其选址问题。部分学者将园区选址的直接作用者的满意度作为关键考量因素[13-14]，因此，研究客户入驻智慧交通产业园区的参与意愿有助于为其选址提供建设性建议。其中Davis等[15]提出使用接受行为研究的TAM模型比较适用于客户需求角度的选址问题研究，并认为客户的感知易用性和感知有用性对客户入驻智慧交通产业园区的参与意愿有着正向的积极影响和作用。尽管TAM模型被验证具有广泛的适用性[16]，McFarland等[17]认为TAM模型在测试用户的技术接受度时，应考虑在研究模型增加新的研究结构，以此增强研究模型的解释度。

基于此，文中在对技术接受模型(TAM)进行修正的基础上，采用结构方程模型(SEM)对影响智慧交通产业园区选址的主要因素进行研究，并从企业是否愿意入驻智慧交通产业园区的视角研究这一新兴园区的选址问题，扩展了产业园区的研究内容，完善和延伸了技术接受模型的应用，也是对智慧交通建设的支持。

1 理论模型与研究假设

由于智慧交通产业园区与传统的工业园区、物流园区的特点和定位不同，智慧交通产业体系可分为四个结构层次，包括感知与采集层、网络通信层、决策与处理层和集成应用服务层[18]，与数据资源深度结合。尤其近年来国内大型IT企业和电信运营商等龙头企业相继将目光放在智慧交通行业，因此，智慧交通产业园区的地块价值在城市的核心区域或近郊更能凸显出优势，能够吸引更多的人才和优秀的企业入驻。结合文献研究、智慧交通产业园区的特点以及相关案例研究，将一级评价指标确定为：基础设施配套B1、产业环境B2、社会环境B3、区位因素B4以及经济因素B5，构建AHP模型，如图1所示。

图1 选址影响因素一级决策指标

由于AHP能够为选址问题的决策判断和排序提供较为简洁实用的分析方法，本研究基于萨蒂教授提出的1～9标度法[19]，邀请交通应用相关领域的20位专家学者(高校工程管理研究方向教师5人，交通应用关联企业10人，政府单位5人)对影响智慧交通产业园区选址的一级指标因素间的直接因素进行打分，汇总并得到如表1所示的一级指标权重判断矩阵。

表1 一级指标权重判断矩阵

通过两两比较评判5个一级指标间的相对重要性程度，经检验，CR=0.065<0.1，表明一级指标判断矩阵满足一致性检验，权重计算可靠。通过比较，基础设施配套和产业环境因素的权重值最大，分别为24.274%和40.447%。可见，对于智慧交通产业园区来说，齐全的基础设施配套和完善的产业环境对其选址有着重要的影响。基础设施配套主要指园区的服务基础设施，包括周边便利的交通、公路铁路的衔接、完善的食宿、办公场所、供水条件及能源等；产业环境主要包括企业的运营环境和产业支撑平台，涵盖园区激励政策、关乎企业发展的营商环境、产业链上下游的聚集度、人才引进支持等，围绕企业和产业发展，通过企业服务和产业服务满足客户入驻的需求。

基于技术接受理论，参考了前人学者的研究架构，构建智慧交通产业园选址影响因素的理论模型，如图2所示。理论模型包含以下9个假设：

假设1(H1)：基础设施配套因素会正向影响客户的感知有用性；

假设2(H2)：基础设施配套因素会以客户的感知有用性为中介，间接正向影响客户的参与意愿；

假设3(H3)：产业环境因素会正向影响客户入驻智慧交通产业园的感知易用性；

假设4(H4)：产业环境因素会以客户的感知易用性为中介，间接影响客户的参与意愿；

假设5(H5)：产业环境因素会以客户的感知易用性、感知有用性为中介，间接影响客户参与意愿；

假设6(H6)：感知易用性会正向影响客户的感知有用性；

假设7(H7)：感知易用性会正向影响客户入驻智慧交通产业园的参与意愿；

假设8(H8)：感知易用性会以感知有用性为中介，间接正向影响客户的意愿；

假设9(H9)：感知有用性会正向影响客户入驻智慧交通产业园的参与意愿。

图2 智慧交通产业园选址影响因素模型

2 研究方法与数据来源

2.1 问卷设计预调研

为进一步构建和验证上文提出的智慧交通产业园选址的影响因素理论模型，在借鉴国内外相关领域现有研究成果和参考相关成熟问卷的基础上，结合智慧交通产业园的特点开发设计了本研究的量表。其中，第一部分是针对用户背景资料的调研，如人口统计因素、工作单位等；第二部分主要调研用户对产业园区基础设施配套和产业环境的需求；第三部分主要调查用户对入驻智慧交通产业园区的感知有用性、感知易用性和参与意愿，且所有指标将采用李克特(Likert scale)七级量表，1～7分别表示对题项内容从非常反对到非常赞同，分别为非常反对(1)、反对(2)、轻微反对(3)、中立(4)、轻微赞同(5)、赞同(6)、非常赞同(7)。

为保证问卷设计的合理性和有效性，在2021年4月进行小规模的预调研，预测试共计发放125份问卷，并根据调查对象的反馈对问卷题项内容、语法表达等进行了修改和调整。全部回收问卷后，对有连续作答、缺失作答和未通过防呆设置的问卷进行数据清洗，最终得到98份作为预调研量表题项分析的标准数据。通过SPSS 25.0和AMOS 24.0对题目进行简单的信效度检验、各个层面的因子分析，删除信效度较差、标准化因素负荷量小于0.45或大于0.95的题项[20]，并用SPSS25.0进行主成分分析后，结果显示提取了5个主成分，且均属于对应的题项，说明问卷设置基本合理，与本研究前期设想基本保持一致。

因此，本次问卷最终得到5个构面共19道题目，且各个构面均有良好的信效度，如表2所示。

2.2 数据收集

正式的问卷调查开展于2021年4月15日至5月15日，以交通应用关联企业、政府部门及科研部门为调查对象，通过专业的问卷发放网站——“问卷星”共发放问卷370份，全部回收，其中有14份问卷未通过防呆设置，有19份问卷评分过于集中、有明显规律或者连续，经过筛选剔除掉无效问卷后最终获得有效问卷337份，问卷有效率为91.08%。

3 模型拟合与结果分析

3.1 样本数据基本特征

调查对象的男女比例各占一半，男性稍微多于女性，所占比例为53.1%。年龄在25岁及以下和46～55岁的居多，占总样本数的35.3%和24.6%。本科及以上的人数超过了总样本数的八成，说明本研究调查对象的受教育水平较为良好。43.6%的调查对象处于交通应用关联企业，将近30%的调查对象处于科研院校部门，这也较符合本研究的设想，具体的描述性统计结果如表3所示。

表2 产业园选址因素测量题项设置

表3 调查样本情况

3.2 信度与效度分析

基于337份有效问卷数据,运用SPSS 25.0软件对问卷进行整体和各个构面的信度分析，结果如表4所示，显示问卷量表整体及各个构面均有较高的信度值，证明本研究的数据具有较好的信度，内部一致性较好，数据较为可靠、准确。

运用AMOS 24.0软件对337份有效问卷进行验证性因素分析，分析结果如表4所示。每个构面的标准化因素负荷量均超过了0.6的接受范围。各个观察变量的题目信度(SMC)均大于0.36，每个构面的组成信度(CR)都超过了0.7，收敛效度(AVE)都处于0.36～0.5的可接受门槛，因此,可以得出各个研究构面的内部一致性较好，具有良好的收敛效度。

在区别效度检验方面，通过对比潜在变量的收敛效度(AVE)值的平方根和各个潜在变量的Pearson相关系数，表明基础设施配套因素、产业环境因素、感知有用性、感知易用性和参与意愿之间有较高的相关度，而Fornell等[21]建议每个潜在变量对应的AVE值应大于其他潜在变量的相关系数，如果不能满足，相差不大的数值也认为可以在接受范围。除了产业环境因素上对角线上的AVE平方根数值略低于基础设施配套因素的相关系数，其他构面均超过同一列其他数值,如表5所示，故可以证明本研究构面之间的区别效度良好。

3.3 模型适配度检验

在前文已验证337份有效问卷数据的信效度均符合检验标准的基础上，以AMOS 24.0工具对智慧交通产业园选址影响因素的理论模型进行结构方程模型拟合度检验，主要适配度指标如表6所示。

表4 信度收敛效度

表5 TAM模型区别效度

本研究的卡方值为341.206，自由度比为2.337，介于2～3之间，说明本研究的理论模型尚不能完全拟合真实的观测数据，这是由于卡方值会受到样本量的影响。本问卷的样本数较大，故理论模型的卡方值也较大，因此,还需要结合其他适配度指标来证明模型的拟合度[22]。学者建议RMSEA为非常重要的模型适配度评价指标，RMSEA值小于0.08则认为模型拟合度较好，本研究的RMSEA值为0.063，在可接受范围之内。而常用于报告的IFI(指标值为0.932)、TLI(指标值为0.920)、CFI(指标值为0.932)指标值，均处于较好的适配度范围，故证明假设模型具有良好的适配度。

3.4 假设检验

基于本研究假设模型的路径分析和拟合结果可以看出(见图3、表7)，产业环境因素和基础设施配套因素对于感知易用性和感知有用性的影响以及感知易用性、感知有用性对参与意愿的影响，都是正向且在P<0. 001 (***) 水平上显著，基础设施配套因素和产业环境因素通过感知易用性、感知有用性两个中间变量正向影响客户入驻智慧交通产业园的参与意愿。

表6 模型主要适配度指标

图3 智慧交通产业园选址影响因素结构模型标准化路径

表7 理论模型的路径检验

产业环境因素显著正向影响感知易用性，路径系数为(0.536，P<0.001)，假设H3可以被验证成立；感知易用性正向影响感知有用性和参与意愿，路径系数分别为(0.533，P<0.001)与(0.396，P<0.001)，假设H6和H7可以被验证成立；基础设施配套因素正向影响感知有用性，路径系数为(0.311，P<0.001)，假设H1可以被验证成立；感知有用性显著影响参与意愿，路径系数为(0.300，P<0.001)，假设H9可以被验证成立。

3.5 中介效应检验

为进一步探讨潜在变量的相互关系以及两个外部变量对参与意愿之间的作用路径，需要检验潜在变量之间的中介效果。根据MacKinnon[23]的建议，运用Bootstrap法对潜在变量之间的中介效应存在性进行检验。探究基础设施配套因素→感知有用性→参与意愿、产业环境因素→感知易用性→参与意愿、产业环境因素→感知易用性→感知有用性→参与意愿、感知易用性→感知有用性→参与意愿4条路径的中介效果是否存在。具体检验指标如表8所示。

表8 中介效应检验

根据检验结果可知，4条路径的Z值均大于1.96，证明这4条路径的中介效应都较为显著。另外，通过Bootsttrap法得到Bias-corrected 95%置信区间以及Percenntile 95%置信区间中均不包含0，说明检验的4条路径中介效应均存在，即基础设施配套因素可以感知有用性为中介，间接影响客户参与意愿；产业环境因素不仅可以感知易用性为中介影响客户的参与意愿，也可以客户的有用性感知、易用性感知为中介影响其参与意愿；客户的易用性感知不仅可以直接影响其参与意愿，也可以有用性感知为中介间接影响其参与意愿，故假设H2、H4、H5、H8成立。

4 结论及建议

文中从客户需求角度，建立了智慧交通产业园选址影响因素的理论模型，分析了基础设施配套因素、产业环境因素、感知有用性、感知易用性到客户入驻智慧交通产业园区参与意愿的作用路径。

1)基础设施配套因素到参与意愿的作用路径仅有一条，间接效应为0.121。客户对于具备完善的通信设施、食宿、办公场所、园区服务和管理、稳定的供水条件有着较高的积极回应。产业环境因素到客户参与意愿的作用路径有两条，其间接效应分别为0.282、0.157，说明客户主要通过感知易用性作为中介对参与意愿产生影响，且客户对上下游产业集聚度、投资环境和交通关联企业招商引资的优惠政策有着较高需求。

2)感知易用性不仅可以感知有用性作为中介间接影响客户的参与意愿，间接效应为0.193，也可以直接影响参与意愿，直接效应为0.346。由各观察变量的均值得分得出，客户对于智慧交通产业园选址的需求最注重的是产业园区周边能够有交通应用关联的龙头企业，其次较为注重产业园区的选址能够吸引同类型的企业入驻发展、周边存在传统工业园区，而客户对产业园区的选址是否能够获得资金、科研支持关注程度相对较弱。

3)感知有用性直接影响客户的参与意愿，直接效应为0.403，客户对智慧交通产业园区选址的评价越积极、越愿意入驻智慧交通产业园。因此，在考虑智慧交通产业园区的选址需求时，应着重突出产业园区交通应用关联企业的聚集度，让客户增强入驻智慧交通产业园区的意愿。