裘夢琪，周竹萍，梅亞嵐

（南京理工大學(xué)，江蘇 南京 210094）

0 引言

自動駕駛是未來交通工具發(fā)展的重要方向，它是對人工駕駛的補(bǔ)充或替代，旨在提升交通安全和效率。當(dāng)前，國內(nèi)外汽車制造商和科研機(jī)構(gòu)等正在技術(shù)上不斷創(chuàng)新和優(yōu)化，積極投身于自動駕駛領(lǐng)域[1]。然而，目前用戶對全自動駕駛車輛的接受度并不明朗?？v觀以往的研究，從駕駛員或乘客角度展開的“人機(jī)混駕階段”自動駕駛相關(guān)研究較多[2-6]，而針對行人對自動駕駛車輛接受度的研究成果則相對較少。事實上，我國城市道路交通環(huán)境復(fù)雜，人車混行對自動駕駛車輛安全性提出了更高的要求，展開行人對全自動駕駛車輛的接受度研究很有必要。

目前，從行人角度出發(fā)的已有研究集中于自動駕駛車輛對行人的識別及人車交互。Combs 等人[7]創(chuàng)建了適合自動駕駛的傳感器對行人進(jìn)行檢測，較大程度降低了車輛與行人碰撞的概率。Woodman 等人[8]在虛擬環(huán)境中研究自動駕駛車輛間行人過街間隙接受情況。Gupta 等人[9]提出了自動駕駛車輛與行人協(xié)商談判模型，該模型能有效緩解交叉口擁堵問題，減少車輛和行人的等待時間。但已有研究中涉及行人行為的相對較少。Deb等人[10]對482名受訪者展開了行人對自動駕駛車輛接受度問卷調(diào)查，發(fā)現(xiàn)采取遵守交通規(guī)則等積極行為的行人認(rèn)為自動駕駛車輛會提升系統(tǒng)整體的交通安全，違規(guī)較多的行人會更加自信地過街。國內(nèi)行人過街有不同的特性，周釗等人[11]調(diào)查發(fā)現(xiàn)，市民對過街違規(guī)行為具有從眾心理。高純等人[12]在行人過街中發(fā)現(xiàn)較多行人等紅燈或過街時喜歡玩手機(jī)，容易分神不注意交通環(huán)境。這表明若全自動駕駛車輛要在國內(nèi)普及，對其行人行為認(rèn)知要求更高。同時，行人對自動駕駛車輛的接受度也很重要。Xu 等人[13]采用技術(shù)接受模型對國內(nèi)大學(xué)生進(jìn)行調(diào)查，發(fā)現(xiàn)感知有用性、信賴及感知安全對自動駕駛車輛接受度有直接影響。Zhang 等人[14]通過技術(shù)接受模型發(fā)現(xiàn)信任和感知有用性決定受訪者對自動駕駛車輛的使用意愿。但目前沒有將行人行為和行人對自動駕駛技術(shù)接受度相結(jié)合的研究。

因此，本研究基于問卷調(diào)查，充分結(jié)合行人行為，對行人對全自動駕駛車輛的接受度進(jìn)行建模分析，探尋行人的關(guān)注點，以期為全自動駕駛技術(shù)改進(jìn)提供理論支持，為全自動駕駛車輛的設(shè)計與生產(chǎn)提供參考。

1 優(yōu)化的車輛接受度模型

1.1 CTAM模型

Davis[15]采用理性行為（Theory of Reasoned Action,TRA）模型預(yù)測行為態(tài)度和社會態(tài)度兩大因素對技術(shù)接受行為意圖的影響，并提出了技術(shù)接受模型（Technology Acceptance Model,TAM）。TAM較專注于技術(shù)的接受度，但Ajzen[16]提出了計劃行為理論（Theory of Planned Behavior,TPB），該理論表明行為意圖能預(yù)測實際行為。隨后，Venkatesh 等人[17]創(chuàng)建了技術(shù)接受和使用統(tǒng)一模型（Unified Theory of Acceptance and Use of Technology,UTAU），該模型進(jìn)一步分析了年齡、性別、經(jīng)驗和自愿性對接受使用的影響。Osswald 等人[18]提出了車輛技術(shù)接受模型（Car Technology Acceptance Model,CTAM），用于衡量用戶的感知有用性、感知易用性、使用意愿、實際使用行為和外部變量因素對信息技術(shù)接受和使用的影響。

1.2 優(yōu)化的CTAM模型

本文將車輛技術(shù)接受模型（CTAM）進(jìn)行優(yōu)化，將感知有用性和感知易用性細(xì)化為感知態(tài)度、信任、效率這3 個維度，添加外部因素兼容性。設(shè)計感知態(tài)度、效率、信任和兼容性相關(guān)問題并篩選，最終確定優(yōu)化的CTAM模型主要變量。

行人對全自動駕駛車輛的行為態(tài)度受感知有用性和感知易用性的影響。其中感知有用性包括感知態(tài)度A1,A2和A3、效率E1,E2和兼容性C1，感知易用性包括感知態(tài)度A4、信任T1,T2,T3及兼容性C2，兼容性為外部變量。目前我國全自動駕駛車輛還未真正實現(xiàn)，故使用意愿僅考察行人是否接受自動駕駛車輛，無實際使用行為。優(yōu)化的CTAM 模型變量關(guān)系如圖1 所示，變量組成如表1所示。

圖1 優(yōu)化的CTAM模型變量關(guān)系圖

表1 變量組成表

2 問卷設(shè)計及分析

2.1 基于行人行為與優(yōu)化CTAM模型的問卷設(shè)計

本次調(diào)研以Deb 等人[10]提出的問卷為基礎(chǔ)，結(jié)合優(yōu)化的CTAM 模型和現(xiàn)場行人行為調(diào)查重新設(shè)計問卷。

首先，現(xiàn)場調(diào)查觀測南京中山門大街—羅漢巷交叉口早高峰行人過街行為。調(diào)查中發(fā)現(xiàn)，青少年男性、青少年女性和中年男性在交通堵塞時更傾向于橫穿馬路且隨意性大；年輕人在過街時存在交談、低頭玩手機(jī)或聽音樂的現(xiàn)象；有通勤者為趕時間而隨意橫穿馬路。根據(jù)調(diào)查區(qū)域現(xiàn)場觀測結(jié)果，將行人過街行為分為違規(guī)行為、過失行為和積極行為3類，其中違規(guī)行為指違反交通法規(guī)的行為，如闖紅燈、斜穿交叉口等；過失行為指行人因疏忽大意或過于自信而判斷失誤等導(dǎo)致的主觀行為，如隨意過街、因趕時間或思考事情沒注意交通環(huán)境橫穿馬路等；積極行為指行人主動讓行。

最終，行人調(diào)查問卷由3 部分組成：①個人信息采集，包括性別、年齡和學(xué)歷等；②行人過街行為自我判斷，調(diào)查違規(guī)行為、過失行為和積極行為這3 類行為的經(jīng)常性；③行人對全自動駕駛車輛技術(shù)接受度調(diào)查，主要調(diào)查行人對全自動駕駛車輛的系統(tǒng)自動化、效率等的態(tài)度和信任度。問卷通過預(yù)調(diào)查進(jìn)行了修正和完善，最后確定了27道題，在2020年8月進(jìn)行了為期兩周的正式調(diào)查。

2.2 數(shù)據(jù)獲取

本次問卷調(diào)查對象為線上隨機(jī)受訪者和南京市城市道路上的行人，采用隨機(jī)抽樣調(diào)查法，通過在線調(diào)查和實地調(diào)查相結(jié)合的方式獲得結(jié)果。共有310 名受訪者參與了本次問卷調(diào)查，線上收集172 份問卷，實地收集138 份問卷。其中，有5份問卷因答案不完整或回答不準(zhǔn)確而作廢，問卷有效率為98.38%。有效的305 份問卷中，男性受訪者共175 名，女性受訪者共130 名。受訪者的年齡分布為18～75 歲，40.2%的受訪者處于22～30歲年齡段，大部分受訪者受過中高等教育。受訪者的年齡和教育水平分布分別如圖2和圖3所示。

圖2 受訪者年齡分布圖

圖3 受訪者教育水平分布圖

大多數(shù)受訪者居住在城市，占總?cè)藬?shù)的76.5%，少部分居住在鄉(xiāng)鎮(zhèn)。受訪者日均出行次數(shù)分布均勻，每日出行1～2 次的受訪者占36.4%，出行3～4 次的占29.6%，出行4 次以上的占34%。另外，大部分受訪者（占比為76.5%）家庭擁有小汽車。因此，此次調(diào)查樣本以中青年人群為主，擁有較高學(xué)歷，有一定的經(jīng)濟(jì)基礎(chǔ)，該群體也將會是自動駕駛車輛的消費(fèi)主力。

2.3 數(shù)據(jù)分析

2.3.1 行人行為描述分析

基于調(diào)查問卷數(shù)據(jù)，71.6%的受訪者認(rèn)為自己遵守交通法規(guī)，從不或幾乎沒有過問卷中的違規(guī)或過失行為；38.64%的受訪者會因為某些原因偶爾自信評估并執(zhí)行問卷中提到的錯誤行為；保持積極態(tài)度、主動讓行的受訪者較多，占70.5%。這3類行為的經(jīng)常性占比如表2所示。

表2 行人行為描述統(tǒng)計表

2.3.2 優(yōu)化的CTAM模型描述分析

基于優(yōu)化的CTAM 模型，根據(jù)行人對全自動駕駛車輛智能系統(tǒng)、操作效率、設(shè)備控制之間兼容性的態(tài)度和信任度對感知有用性和感知易用性的影響判斷行人的使用意愿。55.8%的受訪者對全自動駕駛車輛的效率和兼容性持支持和積極的態(tài)度，有19.9%的受訪者保持中立。受訪者同意度統(tǒng)計具體如圖4所示。

圖4 優(yōu)化的CTAM模型各變量同意度百分比圖

同時為明確感知有用性、感知易用性（包括外部因素）與變量之間的相關(guān)性，對變量進(jìn)行雙變量相關(guān)性分析表明：變量顯著性均小于0.05，感知有用性和感知易用性與變量存在顯著相關(guān)關(guān)系，且相關(guān)性都較強(qiáng)并呈正相關(guān)。

2.4 調(diào)查數(shù)據(jù)信度及效度分析

對問卷所獲得的數(shù)據(jù)用SPSS24.0 進(jìn)行信度、效度檢驗，結(jié)果如表3 所示。由信度檢驗結(jié)果可知，行人行為3個維度和優(yōu)化CTAM模型4個維度綜合結(jié)果超過了0.7，達(dá)到了可信的程度。由效度檢驗結(jié)果可以看出，KMO 和Bartlett 近似卡方值都達(dá)到了顯著水平，驗證了數(shù)據(jù)的有效性和可靠性。

表3 問卷信度及效度檢驗結(jié)果表

3 模型標(biāo)定與影響因素分析

3.1 Logit模型構(gòu)建

問卷按照李克特量表將行人對全自動駕駛車輛接受度劃分為接受、一般和不接受3 個層次，且符合平行性檢驗，顯著性水平為0.762大于0.05，故本次模型選用了有序Logit 模型。有序Logit 模型的常用方法是假設(shè)潛變量與預(yù)測因數(shù)存在線性關(guān)系，從而分析因變量的有序性。累積概率的有序多分類Logit模型如下：

式（1）中：j為程度類別，j=1,2,…,c-1,c為類別總數(shù)；x1,x2,…,xn為n個解釋變量；β1,β2,…,βn分別為對應(yīng)系數(shù)；kj是Y連續(xù)標(biāo)度的一組切點；β′為X的系數(shù)集合，此時X為向量。

此時，行人接受全自動駕駛車輛的概率為：

式（2）中：i為行人對自動駕駛車輛接受度類別，對應(yīng)式（1）中的j，i=1,2；ki為第i個等級的常數(shù)項；βi為接受度類別的自變量系數(shù)集合中的元素；xj為第j個自變量。

3.2 模型變量選擇及處理

本文主要研究行人對全自動駕駛車輛的接受度，故因變量為行人的接受度，分為接受、一般和不接受3 種。而自變量主要為行人對全自動駕駛車輛接受度的影響因素，主要分為個人屬性因素、個人行為因素和個人對全自動駕駛車輛技術(shù)接受度因素3類。

為方便回歸分析，要先將因變量和自變量進(jìn)行數(shù)值轉(zhuǎn)化，具體如表4所示。

表4 模型變量轉(zhuǎn)化表

3.3 模型輸出

3.3.1 有序Logit模型極大似然估計

運(yùn)用SPSS24.0軟件對有序Logit模型進(jìn)行極大似然估計，并采用逐步后退法對顯著變量進(jìn)行篩選。在置信區(qū)間為95%的情況下，顯著性水平為0.05，故當(dāng)顯著性p＜0.05時，表明該自變量對因變量有顯著影響，并且若p值在0.05附近范圍內(nèi)，表明該變量仍有影響，具有統(tǒng)計意義。輸出參數(shù)估計如表5所示。

表5 模型參數(shù)估計表

表5 （續(xù)）

從表5 可知，居住區(qū)、過失行為、感知態(tài)度及信任對行人對全自動駕駛車輛的接受度有顯著影響，出行次數(shù)、兼容性的顯著性較明顯，其余變量顯著性不明顯。

3.3.2 有序Logit模型回歸分析

對過失行為X8、兼容性X11、感知態(tài)度X12、信任X13這些影響因素中的具體問題（如N1～N5,A1～A4等）再次篩選，將不滿足顯著性水平的自變量依次剔除，重新進(jìn)行有序Logit模型回歸，直至所有自變量的顯著性水平符合要求[19]，則回歸過程結(jié)束，得出最終結(jié)果。將結(jié)果中各變量的回歸系數(shù)代入有序Logit模型中，模型中各變量的解釋如表6所示，最終確定的效應(yīng)函數(shù)如式（3）和式（4）所示。

表6 模型表達(dá)式變量解釋表

3.4 影響因素分析

3.4.1 個人屬性影響分析

居住在城市的居民更容易接受全自動駕駛車輛，居住在鄉(xiāng)鎮(zhèn)的居民接受度是居住在城市的exp(-0.364)=0.694 倍。城市中交通基礎(chǔ)設(shè)施建設(shè)較完善，居民出行更便捷，因而對全自動駕駛車輛的接受度也較高。但全自動駕駛車輛在城市的應(yīng)用難度要大于在鄉(xiāng)鎮(zhèn)，因為需要更精準(zhǔn)的系統(tǒng)和設(shè)備。日均出行次數(shù)的系數(shù)為正，日均出行次數(shù)4次以上被模型設(shè)定為0，日均出行1～2次的行人對全自動駕駛車輛接受度是4 次以上的exp(1.027)=2.793倍，日均出行2～4次的行人接受度是4 次以上的exp(0.886)=2.425 倍，故日均出行次數(shù)越少的行人對全自動駕駛車輛的接受度越高。

3.4.2 行人行為影響分析

在行人行為影響因素中，行人的過失行為顯著性較明顯。模型設(shè)定“很經(jīng)?！边@一可能性分類為0，故過失行為發(fā)生的可能性分類中，“從不”“幾乎”“偶爾”“不經(jīng)常”及“經(jīng)?！狈謩e是“很經(jīng)?！钡?.2 倍、2.9 倍、2.5 倍、1.7 倍及1.5倍。由于系數(shù)為負(fù)，所以過失行為越經(jīng)常的行人越容易接受全自動駕駛車輛。在日常生活中，行人無意識的過街過失行為發(fā)生概率遠(yuǎn)大于違規(guī)行為。有該類行為的行人認(rèn)為其在全自動駕駛車輛面前更容易得到安全保障，也更愿意相信全自動駕駛車輛的智能系統(tǒng)。

3.4.3 優(yōu)化的CTAM模型影響分析

（1）感知態(tài)度

感知有用性主要由感知態(tài)度和效率組成，但主要影響因素為感知態(tài)度。數(shù)據(jù)分析表明，行人對全自動駕駛車輛感知態(tài)度越好，接受度也就越高，其中行人態(tài)度為“同意”的接受度最高，為“非常不同意”的exp(0.251)=1.285 倍。人們對全自動駕駛車輛技術(shù)的感知態(tài)度很大程度決定人們是否愿意相信全自動駕駛車輛技術(shù)，技術(shù)對交通系統(tǒng)的重要性越大、越能有效節(jié)省出行時間，則行人的感知有用性越高。

（2）信任

對行人而言，在過街時面對全自動駕駛車輛的心態(tài)和過街舒適度至關(guān)重要。由顯著性水平可知，行人對全自動駕駛車輛的信任非常顯著?！安煌狻薄安惶狻薄耙话恪薄氨容^同意”“同意”“非常同意”的接受度分別為“非常不同意”的exp(0.941)=2.562,exp(1.019)=2.770,exp(1.086)=2.962,exp(1.213)=3.363,exp(1.158)=3.184 及exp(0.507)=1.660 倍。行人對全自動駕駛車輛信任度越高接受度也越強(qiáng)，且會將全自動駕駛車輛推薦給家人、朋友。

（3）兼容性

兼容性對外部因素起決定性作用。行人越同意全自動駕駛車輛兼容性，越容易接受全自動駕駛車輛，其中“非常同意”是“非常不同意”的exp(0.866)=2.38 倍。這也表明了全自動駕駛車輛兼容性的重要性，兼容性越強(qiáng)，車輛本身的智能系統(tǒng)、操作系統(tǒng)、設(shè)備控制也就越強(qiáng)，其與交通環(huán)境的兼容關(guān)系也越緊密。

4 結(jié)語

本文基于建立的優(yōu)化CTAM 模型和實際觀測到的行人行為設(shè)計調(diào)查問卷，從個體屬性、行人行為和行人對自動駕駛車輛技術(shù)接受度3 方面對行人展開隨機(jī)調(diào)查。然后建立有序Logit模型，運(yùn)用調(diào)查數(shù)據(jù)標(biāo)定模型參數(shù)，篩選出行人對全自動駕駛車輛接受度的關(guān)鍵影響因素。經(jīng)分析得出以下結(jié)論：中青年、具備中高學(xué)歷且居住在城市的行人更容易接受全自動駕駛車輛；出行次數(shù)較少的行人越容易接受全自動駕駛車輛；行人對全自動駕駛車輛技術(shù)的感知有用性和感知易用性對接受度起了重要影響，主要表現(xiàn)在行人對全自動駕駛車輛的感知態(tài)度和信任上，行人對全自動駕駛車輛的感知態(tài)度越好，信任度越高，也就越接受全自動駕駛車輛；同時在外部因素的影響下，兼容性起著關(guān)鍵作用，這意味著行人對全自動駕駛車輛技術(shù)的接受度還受設(shè)備和設(shè)備之間、系統(tǒng)與系統(tǒng)之間、車輛與行人及道路之間兼容性的影響。在全自動駕駛車輛的研發(fā)上，不僅要注重車輛本身的設(shè)計，更要創(chuàng)新與行人的交互方式、提升與交通環(huán)境的匹配度。同時，除做好對全自動駕駛車輛的宣傳外，也要加強(qiáng)對行人的交通安全教育。

本文基于理論框架和實證分析從行人角度分析行人行為和技術(shù)接受對全自動駕駛車輛接受度的影響，但在某些方面存在局限，如缺乏對未來消費(fèi)水平、法律法規(guī)的完善與執(zhí)行力度等因素的綜合考慮，同時采用SP問卷調(diào)查獲得的數(shù)據(jù)尚有一定的主觀性。因此，未來可從更多維度研究自動駕駛車輛接受度的影響因素，并可在全自動駕駛車輛進(jìn)入市場化前期采取試驗與SP 和RP 問卷調(diào)查相結(jié)合的方式進(jìn)行研究。