摘要：為了探索用戶態(tài)度對選擇共享自動駕駛汽車（shared autonomous vehicles，SAV）的影響，實施了一項選擇偏好調(diào)查，獲取用戶個人特征、對SAV的態(tài)度變量及偏好選擇；應(yīng)用多指標(biāo)多因素模型（multiple indicators and multiple causes model，MIMIC）進行驗證性因子分析，進而適配態(tài)度變量；引入混合Logit模型構(gòu)建用戶選擇SAV的意愿模型，分析偏好選擇結(jié)果，探索用戶特征及態(tài)度變量對SAV的影響。結(jié)果表明，感知風(fēng)險（12.75%）和服務(wù)質(zhì)量（9.85%）對SAV的使用意愿影響最大，其余態(tài)度變量的影響依次為行為意圖、社會影響、感知有用性、感知易用性，彈性值分別為8.17%、7.93%、5.65%、4.46%。因此，未來重點提升SAV的安全性及服務(wù)質(zhì)量是推動SAV發(fā)展的重要措施。

關(guān)鍵詞：共享自動駕駛；態(tài)度變量；多指標(biāo)多因素模型；混合Logit模型

中圖分類號：U491.1文獻標(biāo)志碼：A共享自動駕駛汽車（shared autonomous vehicles， SAV）結(jié)合了自動駕駛汽車及共享汽車的特點，在解決城市交通安全、提高運輸效率、減少機動車保有量等方面具有顯著優(yōu)勢。研究表明，90%以上的交通事故是人為操作失誤而導(dǎo)致。SAV處于高級階段時，車輛將無需駕駛員參與，通過導(dǎo)航系統(tǒng)及駕駛輔助系統(tǒng)完全自動化地輸送乘客，從而提高安全性。同時，SAV提供的“點對點”出行服務(wù)，即用戶出行直接從起點到終點，到達目的地后車輛自動離開，服務(wù)下一乘客，整個出行不必?fù)?dān)心停車、步行等問題，進而提高出行效率。另外，由于SAV具有共享特性的優(yōu)勢，可大幅度降低私家車保有量，有助于緩解交通擁堵［1-2］。

早期對于SAV的研究主要集中于用戶特征對SAV使用意愿。Bansal等［3-6］發(fā)現(xiàn)，經(jīng)歷過交通事故的用戶更傾向于選擇SAV。Krueger等［7-8］研究發(fā)現(xiàn)，沒有駕駛執(zhí)照的消費者、受教育程度較高、技術(shù)熟練的人和年輕人更愿意為使用SAV支付更多費用?；粼掠⒌龋?-13］研究表明，個人屬性、通勤特征、經(jīng)濟屬性等特征會影響用戶對SAV的使用意愿。

然而，態(tài)度變量也會影響公眾對SAV的使用意愿?；粼掠⒌龋?］發(fā)現(xiàn)，公眾對SAV的技術(shù)興趣是影響其發(fā)展的關(guān)鍵態(tài)度因素。Herrenkind等［14］得出結(jié)論，公眾使用自動駕駛的意愿受到4個方面的影響，即生活選擇、主觀幸福感、旅行質(zhì)量和生活領(lǐng)域。Lee等［15-16］發(fā)現(xiàn)，自我效能、相對優(yōu)勢和心理所有權(quán)、感知價值、信任因素也會影響公眾對自動駕駛的態(tài)度。因此，調(diào)查公眾對采用SAV的態(tài)度的影響具有重要意義。研究公眾態(tài)度對SAV使用意愿的影響至關(guān)重要。

本研究選擇SP（stated preference，意向）調(diào)查獲取用戶對SAV的態(tài)度和選擇偏好，引入感知風(fēng)險、服務(wù)質(zhì)量、社會影響因素對TAM（technology acceptance model，技術(shù)接受模型）進行擴展，結(jié)合多指標(biāo)多因素模型（multiple indicators and multiple causes model， MIMIC模型）和混合Logit模型適配潛變量，然后將潛變量作為自變量，代入混合Logit模型，構(gòu)建用戶對SAV的意愿模型。研究結(jié)果為SAV的發(fā)展提出針對性的措施，為相關(guān)部門引導(dǎo)和推廣SAV提供建議。

1研究模型選擇

1.1技術(shù)接受模型

技術(shù)接受模型［17］基于用戶心理特征，將社會心理學(xué)中的理性行為理論與政策、措施相結(jié)合，預(yù)測用戶對新技術(shù)的接受程度。TAM包括兩個基礎(chǔ)變量：感知有用性和感知易用性。感知有用性被認(rèn)為是用戶對使用新技術(shù)提升工作效用的程度。感知易用性主要指用戶使用新技術(shù)的難易程度。相關(guān)研究結(jié)果表明，用戶對新技術(shù)的感知有用性和感知易用性越高，則對新技術(shù)態(tài)度越好，越容易接受和推廣新技術(shù)。因此，TAM模型適用于探索用戶對使用SAV的影響。

對于SAV而言，安全性是非常重要的因素，因而部分文獻將感知風(fēng)險引入TAM模型進行研究，增強模型解釋力［18］。同時，SAV作為一種共享出行方式，其社會服務(wù)能力至關(guān)重要；另外，SAV實施后對社會的影響也是需要考慮的因素［2］?；诖?，引入感知風(fēng)險、服務(wù)質(zhì)量、社會影響3個因素，探析公眾態(tài)度變量對SAV使用意愿的影響。TAM框架見圖1。

1.2混合Logit模型

2數(shù)據(jù)調(diào)查

為了研究用戶態(tài)度對SAV使用意愿的影響，設(shè)計了一項選擇偏好試驗。本次調(diào)查地點選擇鄭州，調(diào)查時間為2021年5月17日至5月21日（周內(nèi)），隨機選擇調(diào)查用戶。本次調(diào)查涉及用戶社會經(jīng)濟特征、對SAV的態(tài)度及選擇偏好。由于態(tài)度變量無法直接獲取，需要通過觀測指標(biāo)進行評估，使用李克特七級量表量化用戶對SAV的態(tài)度，從1～7分別表示“非常不滿意”至“非常滿意”。調(diào)查樣本包括764人，去除部分不完整或明顯錯誤信息后，有效問卷為624份（有效率為81.68%）。潛變量及觀測變量見表1。

1）用戶基礎(chǔ)信息調(diào)查

表2給出了調(diào)查問卷的用戶基礎(chǔ)信息分布比例，調(diào)查樣本男女較為均勻；年齡主要集中青壯年；收入集中于5 001～9 000元/月，占比為44.9%；48.8%的受訪者學(xué)歷在高中及以下；88.3%的受訪者是共享汽車用戶。

2）數(shù)據(jù)可靠性驗證

調(diào)研獲取的數(shù)據(jù)可能存在偏差，因此，在數(shù)據(jù)分析前需對數(shù)據(jù)進行驗證性因子分析，判別問卷效果［19-20］。結(jié)合SPSS軟件分析問卷可靠性及穩(wěn)定性，分析結(jié)果見表3。

3結(jié)果分析

3.1MIMIC模型結(jié)果

由于潛變量具有不可觀測性，因此應(yīng)用AMOS軟件對態(tài)度潛變量進行驗證性分析。選擇RMSEA、TFI、χ2/df指標(biāo)評估MIMIC建模結(jié)果［19-20］。AMOS輸出結(jié)果見圖3。

AMOS輸出結(jié)果：RMSEA的值為0.034，低于0.08，TFI的值為0.924，超過0.9，χ2/df的值為1.54，小于3.0。AMOS結(jié)果表明，數(shù)據(jù)擬合效果較好，模型可以接受。各潛變量的觀測變量因子載荷超過0.5，驗證性因子分析符合要求，表明各潛變量的觀測變量選擇合理。

3.2混合Logit模型

基于調(diào)查獲得的624份有效數(shù)據(jù)，將用戶社會經(jīng)濟特征及MIMIC模型適配的潛變量代入MLM模型，借助Stata軟件，利用最小偏二乘法進行回歸分析，得到用戶對SAV的選擇結(jié)果模型，MLM［20］擬合結(jié)果見表4。

如表4所示，模型擬合的偽R2值為0.35，偽R2值超過0.2，表示模型擬合效果較好，表明MLM具有較好的效果。

社會經(jīng)濟特征變量中，用戶性別對SAV的選擇具有顯著負(fù)相關(guān)，這表明女性可能不愿意選擇SAV，考慮到女性對于新生事物的接受能力不如男性，結(jié)果符合邏輯。受訪者年齡、教育水平、收入、家庭擁有小孩、共享汽車用戶、家庭擁有私家車對模型有正的影響關(guān)系，受訪者擁有私家車（0.34）對選擇SAV的影響最大。結(jié)果表明，年齡越大、教育水平越高、收入越多、家庭擁有小孩、共享汽車用戶及私家車用戶傾向選擇SAV。就年齡而言，老人由于年齡限制，駕駛能力不如年輕人，因此駕車時可能安全性體驗較差，SAV不需要手動駕駛，能給老人帶來更安全的出行體驗，因此，老人傾向于選擇SAV；就教育水平和收入而言，教育水平及收入越高的人對于新事物的發(fā)展有更強的體驗，更愿意去使用SAV；就家庭擁有小孩而言，有小孩的家庭出行更注重出行質(zhì)量，選擇SAV不僅有助于實現(xiàn)出行，而且使用SAV時也可同時與小孩進行互動；就共享汽車用戶而言，SAV與共享汽車具有類似的特點，即不需要支付購買費用、維護費用等其他前期成本，安全性更高，因此共享汽車用戶更愿意選擇SAV；就私家車用戶，而SAV既能獲得私家車出行便利，不用擔(dān)心停車問題，因此私家車用戶傾向于使用SAV。

對選擇的潛變量進行分析，感知風(fēng)險對選擇SAV呈負(fù)相關(guān)關(guān)系，結(jié)果表明，用戶對SAV的感知風(fēng)險越大，選擇SAV的概率越低。社會影響、服務(wù)質(zhì)量、感知有用性、感知易用性、行為意圖等5個因素對選擇SAV具有積極正相關(guān)關(guān)系。結(jié)果表明，提高SAV的社會影響、服務(wù)質(zhì)量、感知有用性、感知易用性、行為意圖有助于增加用戶對SAV的接受。

5結(jié)論

為了分析用戶態(tài)度對SAV的選擇行為，引入對SAV至關(guān)重要的感知風(fēng)險、服務(wù)質(zhì)量、社會影響3個因素；應(yīng)用MIMIC模型進行驗證性因子分析，適配潛變量值；最后引入MLM，將用戶社會經(jīng)濟特征及潛變量作為自變量，將選擇結(jié)果作為因變量進行模型擬合。主要有以下成果：

1）基于TAM，引入社會影響、服務(wù)質(zhì)量、感知風(fēng)險3個因素，對TAM模型進行擴展，提高TAM的解釋力，有助于TAM的發(fā)展。

2）MIMIC模型分析表明，引入的社會影響、服務(wù)質(zhì)量、感知風(fēng)險及感知有用性、感知易用性對行為意圖均存在顯著相關(guān)?；旌螸ogit結(jié)果表明，性別對于使用SAV負(fù)相關(guān)，男性更愿意接受SAV；老人、高學(xué)歷、高收入、家庭擁有小孩、共享汽車用戶及私家車用戶更愿意接受SAV。所有潛變量對用戶選擇SAV均存在顯著影響。感知風(fēng)險存在顯著負(fù)相關(guān)影響，其余變量為積極影響。各潛變量影響程度依次為感知風(fēng)險（-0.41）gt;服務(wù)質(zhì)量（0.37）gt;感知易用性（0.33）gt;行為意圖（0.31）gt;社會影響（0.26）gt;感知有用性（0.23）。因此，在未來重點提升SAV的安全性及服務(wù)質(zhì)量是推動SAV發(fā)展的重要措施。參考文獻：

[1]田麗君， 劉會楠， 許巖. 共享自動駕駛汽車經(jīng)營策略優(yōu)化分析［J］. 交通運輸系統(tǒng)工程與信息， 2020， 20（3）： 6-13.

［2］ 余靜財， 李文權(quán)， 王順超， 等. 共享電動汽車選擇行為分析［J］. 東南大學(xué)學(xué)報（自然科學(xué)版）， 2021， 51（1）： 153-160.

［3］ 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， 2019， 67： 1-14.

［4］ LILJAMO T， LIIMATAINEN H， PLLNEN M. Attitudes and concerns on automated vehicles［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 59： 24-44.

［5］ MENON N， BARBOUR N， ZHANG Y， et al. Shared autonomous vehicles and their potential impacts on household vehicle ownership： an exploratory empirical assessment［J］. International Journal of Sustainable Transportation， 2019， 13（2）： 1-12.

［6］ WANG S C， JIANG Z Q， NOLAND R B， et al. Attitudes towards privately-owned and shared autonomous vehicles［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2020， 72： 297-306.

［7］ KRUEGER R， RASHIDI T H， ROSE J M. Preferences for shared autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2016， 69： 343-355.

［8］ HABOUCHA C J， ISHAQ R， SHIFTAN Y. User preferences regarding autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2017， 78： 37-49.

［9］ 霍月英， 郭晨， 朱援， 等. 共享自動駕駛汽車使用意愿模型及其影響因素［J］. 東北大學(xué)學(xué)報（自然科學(xué)版）， 2021， 42（7）： 1057-1064.

［10］姚榮涵， 梁亞林， 劉鍇， 等. 考慮合乘的共享自動駕駛汽車選擇行為實證分析［J］. 交通運輸系統(tǒng)工程與信息， 2020， 20（1）： 228-233.

［11］胡曉偉， 石騰躍， 于璐， 等. 基于擴展技術(shù)接受度模型的共享自動駕駛汽車用戶使用意愿研究［J］. 交通運輸工程與信息學(xué)報， 2021， 19（3）： 1-12.

［12］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.

［13］齊航， 夏嘉祺， 王光超， 等. 考慮出行者習(xí)慣與利他性偏好的自動駕駛網(wǎng)約車使用意向模型［J］. 交通運輸工程與信息學(xué)報， 2021， 19（2）： 1-10.

［14］HERRENKIND B， NASTJUK I， BRENDEL A B， et al. Young people’s travel behavior—using the life-oriented approach to understand the acceptance of autonomous driving［J］. Transportation Research Part D： Transport and Environment， 2017， 74： 214-233.

［15］LEE J， LEE D， PARK Y， et al. Autonomous vehicles can be shared， but a feeling of ownership is important： examination of the influential factors for intention to use autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2019， 107： 411-422.

［16］YUEN K F， WONG Y D， MA F， et al. The determinants of public acceptance of autonomous vehicles： an innovation diffusion perspective［J］. Journal of Cleaner Production， 2020， 270： 121904.

［17］DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology［J］. MIS Quarterly， 1989， 13（3）： 319-340.

［18］陳君毅， 劉力豪， 周堂瑞， 等. 城市自動駕駛決策系統(tǒng)安全分析與策略設(shè)計［J］. 同濟大學(xué)學(xué)報（自然科學(xué)版）， 2020， 48（12）： 1810-1817.

［19］NI Z L， WANG X H， ZHOU S Y， et al. Development of competency model for family physicians against the background of ‘internet plus healthcare’ in China： a mixed methods study［J］. Human Resources for Health， 2020， 18（1）： 64.

［20］鄭長江， 楊淑茜， 張小麗， 等. 基于多項Logit模型的軌道站點接駁方式選擇［J］. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2018， 35（3）： 120-124.

［21］汪偉偉， 丁祖德， 任志華， 等. 庫區(qū)碎石土邊坡穩(wěn)定性及其參數(shù)敏感性分析［J］. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2021， 38（1）： 71-78.

［22］梁茜雪. 在役公路橋梁安全評定可靠度研究［J］. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2021， 38（5）： 81-87.

（責(zé)任編輯：曾晶）

Preferences for Shared Autonomous Vehicles

Based on the Mixed Logit Model

REN Hailin

（Henan Transportation Development Research Institute Co.， Ltd.， Zhengzhou 450053， China）Abstract： To examine the effect of attitude on the adoption of shared autonomous vehicles （SAV）， a survey was conducted to obtain customers’ characteristics， attitude variables and preferences. The multiple indicators and multiple causes model （MIMIC） was applied to implement a confirmatory factor analysis and thus to adapt latent variables. The mixed Logit model was also introduced to construct the preference model of SAV. Then a sensitivity analysis was employed to examine the effect of customers’ characteristics and attitude variables on SAV. The results showed that among all the attitude variables， perceived risk （12.75%） and service quality （9.85%） had the greatest impact on the acceptance of SAV， followed by behavioral intention （8.17%）， social impact （7.93%）， perceived usefulness （5.65%） and perceived ease of use （4.46%）. Therefore， we should focus on improving the security and service quality of SAV in the future.

Key words： shared autonomous vehicles; attitude variable; multiple indicators and multiple causes model; mixed Logit model