自動駕駛公交的公眾接受度研究

楊尚將， 陳艷青， 吳宇鵬， 胡愛秀

(福建農(nóng)林大學 金山學院， 福州 350002)

0 引言

在大力倡導優(yōu)先發(fā)展公共交通、提倡綠色出行的社會背景下，自動駕駛公交因著力于信息化、智能化，可提高能源利用率，減少道路事故的發(fā)生，減少城市交通的擁堵，有效減緩駕駛疲勞. 因此，自動駕駛公交車科學合理的進行商業(yè)化，將會影響城市公共交通系統(tǒng)和城市生活空間布局，也將影響居民的出行方式[1]. 自動駕駛公交車的試運行已在多地陸續(xù)實施，但由于交通系統(tǒng)的復雜性與不確定性，自動駕駛公交車距離商用還存在很多障礙，尤其近年來多起無人駕駛車輛導致的交通傷亡事故，引發(fā)了公眾對自動駕駛技術(shù)水平及法律法規(guī)監(jiān)督的一定質(zhì)疑，公眾對自動駕駛公交表現(xiàn)出一定的抵制或者中立態(tài)度[2].

國內(nèi)外不少學者對自動駕駛技術(shù)的接受度進行研究，Payre等[3]調(diào)查研究發(fā)現(xiàn)自動駕駛汽車的使用意愿受人格特證的影響；Salonen[4]調(diào)查了乘客在不同年齡段、不同性別、不同學歷水平條件下對于自動駕駛公交車的交通安全、應急處理等服務的不同感受；ZHANG等[5]研究了自動駕駛技術(shù)接受度中信任因素以及感知風險對其所產(chǎn)生的影響. 陳堅等[6]提出基于UTAUT的無人駕駛公交乘客接受度模型，并在UTAUT模型基礎(chǔ)上創(chuàng)新性的增添了個人創(chuàng)新性、感知風險2個新的潛變量.

已有研究主要圍繞公眾對自動駕駛技術(shù)使用意愿的影響因素進行分析，提出心理、生理行為角度以及個人屬性等方面，而對自動駕駛公交車的研究較少，尚未形成一套完善的體系. 本文基于TAM3模型，引用感知愉悅性等若干變量，增添了社群影響、服務質(zhì)量、個體需求性3個因素，構(gòu)建自動駕駛公交公眾接受度模型，采用Smartpls3.0軟件分析問卷調(diào)查數(shù)據(jù)，用于宏觀描述乘客對自動駕駛公交的心理感受，分析不同影響因素對于公眾接受度的影響，對未來自動駕駛公交的發(fā)展以及城市公共交通的發(fā)展將具有深遠意義.

1 理論基礎(chǔ)與模型構(gòu)建

1.1 第3代技術(shù)接受模型及其發(fā)展

1989年，美國學者戴Davis在原有的理性行為理論的態(tài)度、主觀準則、感知行為控制因素基礎(chǔ)上加入了3個決定關(guān)鍵因素：感知的有用性、感知的易用性、外部因素，提出了1個研究人員對信息系統(tǒng)接受時的模型，并命名為技術(shù)接受模型(Technology Acceptance Model TAM)[7]. 2000年，Venkatesh和Davis[8]提出了TAM的擴展模型TAM2，該模型側(cè)重分析影響高效用和可用性的因素. 2008年，Venkatesh和Bala[9]基于TAM2模型，詳細劃分了感知易用性的影響因素，提出了TAM3模型，并引入了錨定因素和調(diào)整因素2個因素，認為錨定因素和調(diào)整因素兩者對感易用性的影響具有重要意義.

TAM模型被廣泛用于研究用戶意愿和使用新興技術(shù)的接受程度，現(xiàn)有不少研究利用TAM進行自動駕駛接受度論證，但目前針對自動駕駛公交車接受度的研究較為少見. 而TAM3具有廣泛的普適性，乘客在接受自動駕駛公交車的過程與其接受信息系統(tǒng)的過程有一定的相似性，所以將TAM3用于研究乘客選擇自動駕駛公交車的過程是可行的，因此，本此研究基礎(chǔ)為TAM3模型，并構(gòu)建出自動駕駛公交的公眾接受意愿模型.

1.2 模型構(gòu)建

參考TAM3模型中的若干變量，結(jié)合自動駕駛公交的乘客特征，增添了社群影響、服務質(zhì)量、個體需求性3個變量，王嘉如[10]發(fā)現(xiàn)社群意識能正向影響用戶的社群活動參與意愿；汪純孝等[11]發(fā)現(xiàn)服務質(zhì)量對旅客的行為意向有直接的影響；李海峰[12]研究發(fā)現(xiàn)個人需求特征直接影響出行方式的選擇. 而社群活動參與意愿，旅行社的服務質(zhì)量對旅客行為意向的影響，出行方式的選擇，均與公眾對自動駕駛公交車的接受意愿具有相似性，故引入上述3個變量探討其對自動駕駛公交車接受度的影響. 因此最終確定變量及含義見表1.

對于TAM3，張培認為感知易用性的影響因素包括錨定因素(使用焦慮性)和調(diào)整因素(感知愉悅性)[13]，兩者對感知易用性的影響存在此消彼長的關(guān)系，當使用焦慮性對感知易用性的影響增強時，感知愉悅性對感知易用性的影響就會減弱. 結(jié)合該理論基礎(chǔ)及表1提出以下假設(shè)：

H1：服務質(zhì)量會正向積極作用感知易用性；

H2：服務質(zhì)量會正向積極作用行為意向；

H3：社群影響會正向積極作用行為意向；

H4：社群影響會正向積極作用乘客在使用自動駕駛公交車時產(chǎn)生的焦慮性；

H5：感知愉悅性會正向積極作用感知易用性；

從你對戰(zhàn)爭的哲學思考里，我感覺到你作為歷史小說的創(chuàng)作者，心中有一項更嚴肅的使命——在尊重歷史的同時，有自己獨到的藝術(shù)和審美發(fā)現(xiàn)，并憑借自己深刻的思考讓一個時代的精神和靈魂復活。的確，一個民族延亙了數(shù)十個世紀的道德感和價值觀，不應該成為過時的、幾近枯萎的陳舊紙頁。遺憾的是，在對歷史喧囂的批判和歪曲顛倒的孟浪解析和刻意誤讀中，年輕一代應有的正確的歷史觀，被胡亂地拋撒到虛擬的網(wǎng)絡(luò)和低俗的熒屏之中。唯其如此，更顯《德克薩斯》的價值。

H6：個體創(chuàng)新會正向積極作用感知易用性；

H7：個體創(chuàng)新會正向積極作用感知有用性；

H8：使用焦慮性會負向消極作用感知易用性；

H9：使用焦慮性會負向消極作用感知有用性；

H10：使用焦慮性會負向消極作用行為意向；

H11：感知易用性會正向積極作用行為意向；

H12：感知易用性會正向積極作用感知有用性；

H13：感知有用性會正向積極作用行為意向；

H14：個體需求性會正向積極作用感知有用性；

H15：個體需求性會正向積極作用行為意向.

表1 變量及含義

參照以上假設(shè)，自動駕駛公交的公眾接受意愿模型如圖1所示.

圖1 自動駕駛公交車的接受意愿模型

2 研究方法

2.1 潛變量量表設(shè)計

依據(jù)接受度模型的9個變量編制量表，設(shè)置相關(guān)題項共21題，問卷分為兩大部分，第1部分是了解乘坐自動駕駛公交車乘客的基本信息情況，包括性別，年齡，學歷等情況；第2部分是群眾對自動駕駛公交車接受度的測量變量，問卷中的選項“非常不贊同”到選項“非常贊同”依次賦值1～5，并依據(jù)5點式量表計分法進行測評. 潛變量題項如表2所示.

2.2 數(shù)學分析方法

偏最小二乘結(jié)構(gòu)方程(PLS-SEM)模型可處理變量測量引起的誤差，能處理多變量的復雜結(jié)構(gòu)模型，無數(shù)據(jù)分布要求，即使在小樣本的情況下仍然有效，PLS-SEM模型更適合于探索性和解釋性研究[14]，因此，本文采用PLS-SEM方法構(gòu)建模型，使用Smartpls3.0軟件進行模型驗證.

2.3 模型檢驗

信度用于評定調(diào)查問卷數(shù)據(jù)結(jié)果的一致程度、可靠程度，克朗巴哈α系數(shù)(Cronbach’s Alpha)及組合信度(Composite Reliability)被用于衡量問卷整體與問卷設(shè)置的各種問題之間的相關(guān)信度. 克朗巴哈α系數(shù)一般在0～1之間. 如果α系數(shù)達到0.7～0.8，說明量表具有相當?shù)目煽啃?α系數(shù)在為0.8～0.9，說明該量表的具有相當不錯的可信度.

平均方差提取值A(chǔ)verage Variance Extracted(AVE)，是用于衡量數(shù)據(jù)的收斂效度，組合信度Construct Reliability(CR)，衡量潛變量中對應的問題是否一致性地解釋該變量，如果因子的AVE值大于0.5，且CR值大于0.7，則說明該潛變量具有良好的有效性.

表2 潛變量問題題項

3 實例分析

本文采用匿名自填式線上問卷進行調(diào)查，通過問卷星平臺、微信、QQ等多種網(wǎng)絡(luò)途徑分發(fā)和回收. 本次調(diào)查共回收277份問卷，排除作答時間過短、絕大部分選項答案相同、邏輯錯誤(問卷中設(shè)置了陷阱題，12題和25題為同一題目但不同表述)等無效問卷后，得到有效問卷共189份，有效回收率為68%.

3.1 描述性統(tǒng)計

對189份有效問卷進行統(tǒng)計分析，本次調(diào)查數(shù)據(jù)結(jié)果顯示為男女比例在1∶1左右，年齡分布主要在18～40歲之間，學歷多為本科層次，其相關(guān)詳細數(shù)據(jù)見表3所示.

表3 問卷統(tǒng)計信息

3.2 信度和效度分析

信度通過克朗巴哈α系數(shù)和組合信度CR來評價. 本研究所有潛變量的α系數(shù)均在0.8以上，說明本模型信度相當不錯，符合標準；模型的CR值均大于0.9，AVE值均大于0.8，表明本模型具有良好的結(jié)構(gòu)效度，可進行后續(xù)分析. 具體參數(shù)如表4所示.

3.3 問卷數(shù)據(jù)區(qū)別效度分析

區(qū)別效度分析是比較結(jié)構(gòu)變量中測量指標的內(nèi)部相關(guān)性與各結(jié)構(gòu)變量的外部相關(guān)性. 本模型結(jié)構(gòu)要求其他潛變量的相關(guān)系數(shù)需要均小于AVE平方根的數(shù)值，即表格加粗部分，根據(jù)表5可得出此次區(qū)別效度分析結(jié)果達到標準要求，且代表本次設(shè)計量表其效度及相關(guān)性均具有可觀的契合度.

表4 模型效度和信度分析

3.4 結(jié)構(gòu)模型擬合度分析

通過決定系數(shù)R2來分析模型的解釋能力，R2越大，測量變量對潛變量的解釋程度就越高，R2為0.19代表模型對變量具有較弱的解釋能力，0.33代表模型對于變量具備中等強度的解釋能力，0.67代表模型對于變量具有非常強的解釋能力. GOF在模型中用于表示回歸擬合度，一般來說GOF大于0.36，說明具有良好的擬合效果[15]. 使用Smartpls3.0軟件計算得到接受度模型的R2，GOF數(shù)值，如表6所示，R2分別為0.632，0.523，0.671，結(jié)果數(shù)據(jù)對應評判標準為中強度的解釋能力. 模型的GOF為0.550，反映了本此研究模型模型具有不錯的擬合效果.

表5 AVE平方根與潛變量間相關(guān)系數(shù)

表6 R2、GOF計算結(jié)果

3.5 結(jié)構(gòu)方程模型驗證

使用Bootrapping技術(shù)計算每個路徑的路徑系數(shù)、標準差、P值數(shù)據(jù)，通過P值判定潛變量關(guān)系的顯著性，計算結(jié)果如表7所示，各潛變量對行為意向的影響作用按大小排序依次為：感知易用性(0.383)、社群影響(0.224)、感知有用性(0.218)；社群影響對使用焦慮性的影響作用最為顯著(-0.582). 最后將未通過檢驗的H2、H10、H15從原模型中剔除得到最終模型結(jié)果如圖2所示.

表7 模型路徑系數(shù)及假設(shè)檢驗結(jié)果

圖2 結(jié)構(gòu)方程模型結(jié)果

4 結(jié)束語

本文在TAM3模型的基礎(chǔ)上，增添了社群影響，服務質(zhì)量，個體需求性3個因素，構(gòu)建自動駕駛公交公眾接受度模型. 通過匿名自填式線上問卷進行調(diào)查，得到有效問卷共189份，用PLS-SEM算法分析了試驗數(shù)據(jù)的有效性和可靠性，對潛變量、各潛變量之間的關(guān)系進行具體化描述，結(jié)果表明：模型的CR值均大于0.9，AVE值均大于0.8，模型具有良好的信度和效度；各潛變量對行為意向的影響作用為：感知易用性(0.383)>社群影響(0.224)>感知有用性(0.218)，而“服務質(zhì)量” “使用焦慮性” “個體需求性”的影響并不顯著，從原模型中將其剔除；社群影響對使用焦慮性的影響作用最為顯著(-0.582). 最后將未通過檢驗的H2、H10、H15從原模型中剔除，得到最終的自動駕駛公交公眾接受度模型，該模型具有較好的適用性.

問卷第25題答題結(jié)果顯示：交通工具的安全性影響著乘客的選擇，現(xiàn)階段，自動駕駛公交車應著重提高自動駕駛技術(shù)及安全性；模型路徑研究結(jié)果顯示，社群影響、個體創(chuàng)新性分別對行為意向和感知易用性影響較為顯著，后期可優(yōu)先邀請個人創(chuàng)新性高的人群進行乘坐體驗，并通過這群消費者將乘坐體驗分享和帶動其他群眾，提高自動駕駛公交車的認可度.