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

齊 航，夏嘉祺，王光超，賈 寧，賀正冰

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

齊 航1，夏嘉祺1，王光超2，賈 寧3，賀正冰4

（1. 湖北經(jīng)濟學(xué)院，財經(jīng)高等研究院，武漢 430205；2. 華中師范大學(xué)，信息管理學(xué)院，武漢 430079；3. 天津大學(xué)，管理與經(jīng)濟學(xué)部，天津 300100；4. 北京工業(yè)大學(xué)，交通工程實驗中心，北京 1 00024）

為探究自動駕駛網(wǎng)約車使用意向的影響因素及作用路徑，以技術(shù)接受模型（TAM）為基礎(chǔ)框架，在自動駕駛車輛感知有用性和感知易用性基礎(chǔ)上，從出行者使用網(wǎng)約車經(jīng)驗和社會偏好兩個維度分別引入網(wǎng)約車出行習(xí)慣、網(wǎng)約車平臺感知可靠性、網(wǎng)約車出行社會影響和出行者利他性偏好四類潛變量，構(gòu)建自動駕駛網(wǎng)約車使用意向的結(jié)構(gòu)方程模型。對367份有效問卷進(jìn)行參數(shù)擬合，結(jié)果證實了引入心理潛變量后的TAM模型具有良好的適配性，能夠解釋使用意向總方差的59.4%。路徑分析結(jié)果表明，影響自動駕駛網(wǎng)約車最直接的三個因素是自動駕駛車輛的感知有用性、出行者利他性偏好、網(wǎng)約車出行習(xí)慣，對應(yīng)的直接效應(yīng)分別是0.591、0.243和0.146。網(wǎng)約車平臺感知可靠性、自動駕駛車輛感知易用性、網(wǎng)約車出行社會影響對自動駕駛網(wǎng)約車使用意向的影響作用，均可被上述三類潛變量完全或部分中介。受教育程度較低的出行者，對網(wǎng)約車平臺可靠性的認(rèn)可度更高，對未來自動駕駛網(wǎng)約車使用意向也更為積極。研究結(jié)果對于促進(jìn)自動駕駛網(wǎng)約車良性發(fā)展具有一定的借鑒意義。

城市交通；結(jié)構(gòu)方程模型；技術(shù)接受模型；自動駕駛網(wǎng)約車；利他性偏好；中介效應(yīng)

0 引 言

隨著自動駕駛技術(shù)的發(fā)展成熟及“出行即服務(wù)”概念的普及，自動駕駛網(wǎng)約車（Autonomous Vehicles for Ride-hailing）被認(rèn)為會成為未來城市交通的新業(yè)態(tài)[1]。自動駕駛網(wǎng)約車可以被視為是兩種概念—— 自動駕駛車輛與網(wǎng)約車出行方式結(jié)合的產(chǎn)物，即以非私人擁有的、高級別自動駕駛汽車為載體、依托于網(wǎng)約車平臺模式運營的一種新興出行方式，為人們提供共享出行服務(wù)（Autonomous Ride-sharing Services）[2]或出租車出行服務(wù)（Autonomous Taxi-based Services）[3]。正確認(rèn)識影響公眾自動駕駛網(wǎng)約車使用意向的因素及其作用機制，是合理制定交通管理政策以提高交通效率、設(shè)計自動駕駛推廣及運營策略以提高其市場占有率等的理論基礎(chǔ)。

關(guān)于自動駕駛網(wǎng)約車使用意向影響因素的實證研究，學(xué)者通常采用意向調(diào)查（Stated Preference Survey, SP）或意向選擇實驗（Stated Choice Experiments）的方式開展。Becker和Axhausen[4]綜述了近年來SP調(diào)查的研究結(jié)果，將公眾對自動駕駛車輛（包括私人擁有的與共享的自動駕駛車輛）使用意向的影響因素歸納為四類：人口統(tǒng)計學(xué)特征（性別、收入等）、與當(dāng)前行為相關(guān)的變量（目前擁有車輛的自動化級別、個人行駛里程數(shù)、發(fā)生車禍的次數(shù)等）、出行本身的特征（自動駕駛車輛專用道、途徑地區(qū)的人口密度、擁堵狀況等）和出行者心理變量（技術(shù)意識、創(chuàng)新性、對駕駛的熱情等）①在此基礎(chǔ)上，Gkartzonikas等[5]進(jìn)一步將影響個體自動駕駛使用意向的心理因素細(xì)化為九類：對自動駕駛的認(rèn)知水平、消費者創(chuàng)新性、安全性、對陌生人的信任、對環(huán)境問題的感知、配套基礎(chǔ)設(shè)施的兼容性和復(fù)雜性、主觀規(guī)范、自我效能感、駕駛過程相關(guān)的享受等。。其中，出行者心理變量涉及個人主觀感受，往往難以直接觀測，因此，出行者心理變量如何影響自動駕駛網(wǎng)約車的使用意向，成為該領(lǐng)域研究的熱點和難點問題[6]，也是本文關(guān)注的重點。

關(guān)于出行者心理變量如何影響自動駕駛網(wǎng)約車使用意向的研究，目前比較先進(jìn)的量化建模方法包括技術(shù)接受模型（Technology Acceptance Model, TAM）[7]、計劃行為理論（Theory of Planted Behavior, TPB）[8]，以及融合了這兩類模型優(yōu)勢的整合型技術(shù)接受（United Theory of Acceptance and Use of Technology, UTAUT）[9]模型。TAM或UTAUT模型通常融合了結(jié)構(gòu)方程建模方法（Structural Equation Modeling, SEM）及路徑分析等方法，便于測量與檢驗無法直接觀測的出行者心理潛變量之間的相互關(guān)系，并探究其對使用意向的作用路徑[9]。目前該方向研究的一個日益明確的趨勢是以TAM或UTAUT等為基礎(chǔ)理論模型，通過引入感知信任、感知風(fēng)險、社會影響等出行者心理潛變量，構(gòu)建更具行為解釋力的自動駕駛使用意向模型[6]。

Xu等[10]以TAM為基礎(chǔ)所構(gòu)建的包含信任、感知有用性、感知易用性和感知安全的結(jié)構(gòu)方程模型對自動駕駛車輛使用意向的解釋力達(dá)55%，對再次乘坐意愿的解釋力達(dá)40%，路徑分析表明，信任通過影響其他幾類變量間接影響使用意向。Wu等[11]基于TAM模型構(gòu)建包含綠色感知有用性、感知易用性和出行者環(huán)境關(guān)切度的電動自動駕駛使用意向模型，發(fā)現(xiàn)環(huán)境關(guān)切度對意向具有顯著的間接效應(yīng)。Panagiotopoulos和Dimitrakopoulos[12]在TAM模型的基礎(chǔ)上引入了感知信任和社會影響，并證實了感知信任、社會影響和感知有用性及感知易用性對使用意向的顯著性影響。黃位[13]融合了TAM與TPB模型，發(fā)現(xiàn)感知有用性、感知易用性、主觀規(guī)范、感知行為控制均會影響我國消費者對自動駕駛汽車的接受度。Madigan等[14]基于UTAUT模型并引入出行者享樂動機和愉快體驗的心理潛變量，證實了UTAUT模型中績效期望、社會影響對使用意向的影響顯著，而付出期望影響并不顯著，新引入的出行者享樂動機和愉快體驗也會對使用意向產(chǎn)生強烈影響。

鑒于多個研究已證實了TAM模型在解釋自動駕駛網(wǎng)約車使用意向中的有效性，本文采用以自動駕駛車輛感知易用性、感知有用性、感知信任為主要解釋潛變量的TAM模型為基礎(chǔ)框架。區(qū)別于以往研究，本文的理論創(chuàng)新主要體現(xiàn)于以下兩點。第一，基于學(xué)習(xí)遷移理論[15]，引入網(wǎng)約車出行習(xí)慣、網(wǎng)約車平臺感知可靠性兩類新的解釋變量。由于公眾對于高級別的自動駕駛車輛尚缺乏直觀的體驗，個體對自動駕駛網(wǎng)約車的感知與期望往往會受到其當(dāng)前網(wǎng)約車（如滴滴等）的出行經(jīng)驗影響。第二，從出行者社會偏好的維度出發(fā)，引入網(wǎng)約車出行社會影響和出行者利他性偏好兩類潛變量。自動駕駛網(wǎng)約車具有減少交通事故和排放污染、改善通行效率的巨大潛力，這可能會激發(fā)人們產(chǎn)生利他性行為，從而更加容易接受自動駕駛網(wǎng)約車出行方式。研究結(jié)論對于交通管理部門、自動駕駛車企、出行服務(wù)提供商等引導(dǎo)公眾接受和使用自動駕駛網(wǎng)約車這一新興出行方式，具有借鑒意義。

1 理論基礎(chǔ)與模型構(gòu)建

1.1 技術(shù)接受模型

Davis[7]在1989年基于理性行為理論提出了技術(shù)接受模型（TAM），用來預(yù)測人們對新信息技術(shù)的接受程度，該理論認(rèn)為人們的行為態(tài)度首先影響行為意向，隨后影響實際行為，而行為態(tài)度受到感知有用性和感知易用性兩類潛變量的影響（如圖1所示）。其中，感知有用性指用戶感知到使用新的信息技術(shù)系統(tǒng)能夠提高工作效率的程度，感知易用性用來刻畫用戶在操作相應(yīng)信息技術(shù)系統(tǒng)時所感受到的便利程度。學(xué)者將TAM模型引入交通選擇行為研究領(lǐng)域，用來預(yù)測出行者對新興出行方式的使用意向，并廣泛應(yīng)用于對新興交通方式使用意向的研究，包括新能源汽車[16]、共享汽車[17, 18]、共享單車[19]、自動駕駛車輛[13-15]等。

圖1 技術(shù)接受模型框架圖示

1.2 利他性偏好

利他性是自利性的對立面，最早由法國哲學(xué)家孔德在19世紀(jì)提出，它概括了人類社會中常見的自愿幫助他人而不求回報的現(xiàn)象，具有復(fù)雜的生物演化學(xué)和社會學(xué)基礎(chǔ)[20]。在心理學(xué)和經(jīng)濟學(xué)領(lǐng)域，利他性偏好或親社會性偏好常被用來刻畫個體對于社會中其他個體利益的考慮[21]。在交通行為研究中，學(xué)者常常假設(shè)出行者自私自利，追求個體出行成本最小化；然而，越來越多的交通行為研究表明，出行者在交通選擇中具有利他性偏好，會表現(xiàn)出利他行為[22, 23]。余孝軍等[22, 23]在交通網(wǎng)絡(luò)均衡分配問題中考慮了利己用戶和具有利他性偏好的用戶兩類群體，認(rèn)為利他性偏好強的用戶會同時考慮自身出行成本和自身出行對其他人造成的擁擠外部性。陳堅等[24]結(jié)合實證研究發(fā)現(xiàn)考慮環(huán)保意識和出行習(xí)慣能夠更好地解釋公交出行選擇行為；同時，公眾環(huán)保意識的增強會促進(jìn)形成公交出行偏好和個體習(xí)慣。類似地，考慮到自動駕駛網(wǎng)約車在減少交通事故和排放污染、緩解擁堵等提高交通系統(tǒng)效率和改善社會福利方面具有巨大潛力，個體利他性偏好會促進(jìn)人們對自動駕駛網(wǎng)約車的使用行為和習(xí)慣。同時，由于目前心理學(xué)界對利他性偏好的測量尚未形成共識性的量表，本文提出了利他性偏好的測量量表，如表1中的AP1-AP3。

1.3 模型假設(shè)與潛變量量表設(shè)計

作為自動駕駛車輛與網(wǎng)約車模式結(jié)合的產(chǎn)物，自動駕駛網(wǎng)約車的使用意向勢必受到出行者對自動駕駛車輛的感知以及網(wǎng)約車出行經(jīng)驗的影響。因此，本文提出三條待檢驗的影響自動駕駛網(wǎng)約車出行意向（Behavioral Intentions to Use, BIU）的潛變量關(guān)聯(lián)路徑。第一，基于技術(shù)接受模型，假設(shè)自動駕駛車輛的感知有用性（Perceived Usefulness, PU）和感知信任（Perceived Trust, PT）會對使用意向起直接正向作用，自動駕駛車輛的感知易用性（Perceived Ease to Use，PEU）通過影響感知有用性間接促進(jìn)意向形成。第二，基于文獻(xiàn)[11, 21]，自動駕駛車輛的社會影響（Social Influence, SI）會促進(jìn)人們選擇自動駕駛網(wǎng)約車出行，同時本文引入出行者利他性偏好（Altruistic Preference, AP）作為中介變量對上述關(guān)系起作用。第三，基于學(xué)習(xí)遷移理論，人們對于網(wǎng)約車出行的習(xí)慣（Travel Habit, TH）會對BIU產(chǎn)生正向影響，同時，本文引入的網(wǎng)約車平臺感知可靠性（Reliability of the Platform and the Algorithm, RPA），如車輛匹配效率、分配路徑合理程度等可能通過影響TH、PEU和SI間接影響使用意向。針對上述潛變量分別設(shè)計了2～4個可測量的問題項，本文采用李克特（LIKERT）5點量表進(jìn)行測度，從“非常不贊同”到“非常贊同”分別賦值1到5分。測量題項如表1所示。

表1 模型中潛變量及其測試題項和來源

續(xù)表1

1.4 結(jié)構(gòu)方程模型

結(jié)構(gòu)方程建模方法以變量的協(xié)方差矩陣為基礎(chǔ)，結(jié)合路徑分析和驗證性因子分析等技術(shù)優(yōu)勢，能夠同時分析潛變量的測量質(zhì)量與關(guān)聯(lián)關(guān)系，一般由測量模型與結(jié)構(gòu)模型兩部分共同組成[23, 25]。本文的測量模型和結(jié)構(gòu)模型分別表達(dá)如下：

測量模型：

式中，為4個外生潛變量測量值構(gòu)成的向量；為19個內(nèi)生潛變量測量值構(gòu)成的向量；代表的是模型中外生潛變量（網(wǎng)約車平臺感知可靠性），是由7個內(nèi)生潛變量構(gòu)成的向量；與為與對和的因子載荷矩陣；和分別為的4個測量誤差和的19個測量誤差所構(gòu)成的向量。

結(jié)構(gòu)模型：

式中，是自動駕駛網(wǎng)約車使用意向的所有解釋變量與意向之間的路徑系數(shù)矩陣；為7個內(nèi)生潛變量對1個外生潛變量的系數(shù)矩陣；代表的是模型中的外生潛變量；是模型的誤差向量。

2 問卷調(diào)查與檢驗

2.1 問卷設(shè)計與實施

本研究問卷包括三部分。第一部分主要調(diào)查出行者對網(wǎng)約車平臺的使用經(jīng)歷，如在過去一個月的網(wǎng)約車出行次數(shù)、時間和距離等，測量網(wǎng)約車出行習(xí)慣、網(wǎng)約車平臺可靠性、網(wǎng)約車出行社會影響三類潛變量。第二部分調(diào)查未來自動駕駛網(wǎng)約車使用意向，測量感知有用性、感知易用性、感知信任、利他性偏好和使用意向五類潛變量。為幫助被調(diào)查者更好地了解自動駕駛網(wǎng)約車的定義、特征、對改善交通的優(yōu)勢等，問卷利用圖片和概念解釋等進(jìn)行介紹，并提供一段試乘自動駕駛網(wǎng)約車的短視頻。第三部分主要收集人口統(tǒng)計學(xué)特征，如年齡、性別、職業(yè)、月收入、受教育程度、私家車擁有量、駕齡及手機安裝網(wǎng)約車APP數(shù)量等信息。

本研究以有過搭乘網(wǎng)約車經(jīng)驗的成年人為調(diào)研對象，采用匿名自填式網(wǎng)絡(luò)問卷進(jìn)行。預(yù)調(diào)查問卷的結(jié)果顯示了良好的效度和信度。正式問卷于2020年10月1日至9日間通過問卷星平臺、微信轉(zhuǎn)發(fā)及網(wǎng)頁搜索等多種網(wǎng)絡(luò)途徑完成分發(fā)和回收。本次調(diào)查共回收412份完整問卷，排除作答時間過短、絕大部分選項答案相同、邏輯錯誤（問卷中部分題項采用了反向設(shè)計）等無效問卷后，得到有效問卷共367份，每份有效問卷獎勵3～10元不等的現(xiàn)金紅包。調(diào)查樣本的描述性統(tǒng)計如表2所示。本調(diào)查的受訪者包含了不同人口統(tǒng)計學(xué)特征的、來自不同城市和地區(qū)的城市居民，樣本在整體上具有較好的代表性。

表2 樣本描述性統(tǒng)計

2.2 信度和效度檢驗

相關(guān)性分析表明，7個潛變量之間均不存在強正相關(guān)關(guān)系（相關(guān)系數(shù)小于0.8），即變量間不存在多重共線性。結(jié)合Cronbach’s Alpha和KMO（Kaiser-Meyer-Olkin）樣本測度、因子載荷的指標(biāo)對回收的樣本數(shù)據(jù)進(jìn)行信度和效度分析，結(jié)果如表3所示。各潛變量的測量問題項的平均值均大于量表中位數(shù)3，表明所調(diào)查的樣本群體對于網(wǎng)約車出行方式、自動駕駛車輛的認(rèn)可度均是較為積極的。除了“自動駕駛車輛感知信任”之外，各潛變量的Cronbach’s Alpha均通過了信度檢驗（信度值大于0.6），說明問卷數(shù)據(jù)質(zhì)量普遍較高。表3中因子載荷均大于0.7，KMO均大于0.6，問卷效度較為理想。

表3 潛變量的均值、標(biāo)準(zhǔn)差及信度與效度檢驗結(jié)果

注：*感知信任的測量題項是反向設(shè)計的，本表格中的均值是數(shù)據(jù)編碼處理后的結(jié)果，分值越高代表感知信任程度越高。該潛變量未通過效度檢驗，因而未納入結(jié)構(gòu)方程模型分析。

3 影響因素及機理分析

3.1 結(jié)構(gòu)方程模型參數(shù)擬合結(jié)果

利用SPSS AMOS 24.0軟件對模型進(jìn)行參數(shù)標(biāo)定，得到了最優(yōu)擬合的結(jié)構(gòu)模型，模型大部分?jǐn)M合指數(shù)均滿足適配良好的標(biāo)準(zhǔn)。在三種絕對擬合度檢驗指標(biāo)中，卡方自由度比值（χ2/）為2.680，介于臨界值1.0與3.0之間，表明模型適配度良好且未出現(xiàn)過度適配現(xiàn)象；近似誤差均方根RMSEA值為0.068，小于0.08；標(biāo)準(zhǔn)化殘差均方根指標(biāo)SRMR值為0.065，小于臨界值0.01。模型的兩種增值擬合檢驗指標(biāo)CFI值為0.913，IFI值為0.914，大于臨界值0.90，均達(dá)到模型適配標(biāo)準(zhǔn)。綜上，本文所假設(shè)的因果模型具有較好的適配質(zhì)量，可以被接受。

圖2展示了最優(yōu)擬合的結(jié)構(gòu)模型中，各變量之間的標(biāo)準(zhǔn)化系數(shù)（各變量之間的直接效應(yīng)大?。?。所有因果關(guān)系的回歸系數(shù)均顯著，且絕大部分極為顯著（<0.001），模型2=0.594。由此可知，所有假設(shè)均得到了驗證，引入心理潛變量后的TAM改進(jìn)模型能夠較好地解釋調(diào)查數(shù)據(jù)中的行為模式（意向總方差2為59.4%）。

圖2 自動駕駛網(wǎng)約車使用意向結(jié)構(gòu)模型擬合結(jié)果

注：*為<0.05，**為<0.01，***為<0.001.

3.2 自動駕駛網(wǎng)約車使用意向的路徑分析

本文采用偏差校正的Bootstrap方法，檢驗各潛變量與自動駕駛網(wǎng)約車使用意向（BIU）之間的中介效應(yīng)。從原始數(shù)據(jù)（=367）中抽取3 000個Bootstrap樣本進(jìn)行間接效應(yīng)估計，得到各潛變量對自動駕駛網(wǎng)約車使用意向的間接作用路徑：① 網(wǎng)約車出行習(xí)慣、網(wǎng)約車出行社會影響和自動駕駛車輛感知有用性三個潛變量均完全中介網(wǎng)約車平臺感知可靠性對BIU的影響；② 自動駕駛車輛感知易用性對BIU的影響被自動駕駛車輛感知有用性完全中介；③ 網(wǎng)約車出行習(xí)慣對BIU的影響被自動駕駛車輛感知有用性部分中介（中介效應(yīng)占比49.7%）；④ 網(wǎng)約車出行的社會影響對BIU的影響被利他性偏好和自動駕駛車輛感知有用性兩個潛變量部分中介（中介效應(yīng)占比分別是17.6%和51.0%）。

根據(jù)上述結(jié)果可以得出如下啟示：① 出行者關(guān)于網(wǎng)約車平臺可靠性的感知，不會直接影響自動駕駛網(wǎng)約車的使用意向，而是通過影響其網(wǎng)約車出行習(xí)慣的形成、對他人對網(wǎng)約車出行的態(tài)度的判斷以及對自動駕駛車輛有用性水平的感知，從而間接影響使用意向。② 在TAM模型的解釋變量中，自動駕駛車輛感知有用性是影響自動駕駛網(wǎng)約車使用意向的最主要且直接的因素，自動駕駛車輛感知易用性通過自動駕駛車輛感知有用性間接影響使用意向；③ 網(wǎng)約車出行習(xí)慣既會直接影響未來使用自動駕駛網(wǎng)約車的意向，也會通過影響自動駕駛車輛感知有用性間接影響使用意向；④ 網(wǎng)約車出行社會影響既會直接影響使用意向，又會通過利他性偏好和自動駕駛車輛感知有用性間接影響使用意向。

表4顯示了各潛變量對自動駕駛網(wǎng)約車使用意向的直接效應(yīng)（標(biāo)準(zhǔn)化路徑系數(shù)）、間接效應(yīng)（經(jīng)中介變量的標(biāo)準(zhǔn)化路徑系數(shù)之積）以及總效應(yīng)（直接與間接效應(yīng)之和）。各潛變量對自動駕駛網(wǎng)約車使用意向的影響可以總結(jié)為以下幾個方面：①在總效應(yīng)中，影響程度為自動駕駛車輛感知有用性（0.591）、網(wǎng)約車出行社會影響（0.383）、網(wǎng)約車平臺感知可靠性（0.364）、自動駕駛車輛感知易用性（0.322）、網(wǎng)約車出行習(xí)慣（0.290）、出行者利他性偏好（0.243）依次遞減；②在直接影響中，影響程度為自動駕駛車輛感知有用性（0.591）和利他性偏好（0.243）依次遞減；③在間接影響中，影響程度為網(wǎng)約車平臺感知可靠性（0.415）、自動駕駛車輛感知易用性（0.320）、網(wǎng)約車出行社會影響（0.260）和網(wǎng)約車出行習(xí)慣（0.144）依次遞減。

表4 各潛變量對自動駕駛網(wǎng)約車使用意向的影響效應(yīng)

3.3 不同人口統(tǒng)計學(xué)特征樣本的差異分析

交叉（卡方）分析的結(jié)果顯示，不同駕齡、不同私家車擁有量及手機中安裝不同網(wǎng)約車APP數(shù)量的樣本對于所有潛變量均沒有表現(xiàn)出顯著性差異（>0.05）。不同性別、年齡等特征對自動駕駛網(wǎng)約車使用意向均表現(xiàn)出一致性，然而受教育程度較低的出行者（本科及以下），對現(xiàn)有網(wǎng)約車平臺可靠性的認(rèn)可度更高（χ2=74.680,=0.021*），對自動駕駛網(wǎng)約車使用意向也更為積極（χ2=65.008,=0.021*）。同時，相比于女性，男性對自動駕駛車輛的感知易用性水平更高（χ2=17.396,=0.026*）。相比于18～25歲或50歲以上群體，中青年群體表現(xiàn)出的網(wǎng)約車出行習(xí)慣更加強烈（χ2=84.213,=0.000**）；月收入水平越高，對網(wǎng)約車出行的習(xí)慣或依賴程度也越高（χ2=71.815,=0.005**）。

4 結(jié)束語

本文在技術(shù)接受模型的基礎(chǔ)上，引入網(wǎng)約車平臺感知可靠性、網(wǎng)約車出行習(xí)慣、網(wǎng)約車出行社會影響以及出行者利他性偏好四類心理潛變量后，結(jié)構(gòu)方程模型能夠有效解釋自動駕駛網(wǎng)約車使用意向的形成機理。主要結(jié)論如下：

（1）各潛變量對自動駕駛網(wǎng)約車使用意向的影響程度遞減依次為：自動駕駛車輛感知有用性（0.591）、網(wǎng)約車出行社會影響（0.383）、網(wǎng)約車平臺感知可靠性（0.364）、自動駕駛車輛感知易用性（0.322）、網(wǎng)約車出行習(xí)慣（0.290）、出行者利他性偏好（0.243）。

（2）自動駕駛車輛的感知有用性、出行者利他性偏好、網(wǎng)約車出行習(xí)慣是影響自動駕駛網(wǎng)約車的最為直接的三種因素，對應(yīng)的正向影響作用依次減弱。

（3）網(wǎng)約車感知可靠性、自動駕駛車輛感知易用性、網(wǎng)約車出行社會影響對自動駕駛網(wǎng)約車使用意向的影響作用，均可被（2）中的三種潛變量完全中介或部分中介。

上述使用意向形成機理的發(fā)現(xiàn)對推動公眾接受自動駕駛網(wǎng)約車新興出行方式具有以下啟示：①通過試乘體驗等手段，促進(jìn)人們對自動駕駛車輛的有用性和易用性形成正確認(rèn)知；②通過改善網(wǎng)約車平臺可靠性，培養(yǎng)和提升居民對網(wǎng)約車的使用習(xí)慣；③通過宣傳自動駕駛網(wǎng)約車對改善交通擁堵、擴大社會福利的正向作用，激發(fā)人們產(chǎn)生利他意識，進(jìn)而促進(jìn)自動駕駛網(wǎng)約車接受度。

由于問卷完全采用線上發(fā)放的方式，受訪者年齡呈現(xiàn)“年輕化”的特點，主要集中在26～40歲，50歲以上群體占比最小（10.35%）②景鵬等[26]專門調(diào)研了60歲以上老年人群體的自動駕駛接受度，與本文結(jié)論可互為補充。，未來研究可以考慮采用分層抽樣方法獲取更為廣泛的數(shù)據(jù)以驗證結(jié)論的外部有效性。本調(diào)研中公眾對自動駕駛車輛的“感知信任”未通過信度檢驗而未納入結(jié)構(gòu)方程模型分析，未來需要更多實證研究對結(jié)論進(jìn)行驗證和擴充。未來研究還可以進(jìn)一步將出行者習(xí)慣、利他性偏好等心理因素整合到離散選擇模型中[15]，建立自動駕駛網(wǎng)約車背景下的出行方式選擇模型。

[1] NARAYANAN S, CHANIOTAKIS E, ANTONIOU C. Shared autonomous vehicle services: a comprehensive review[J]. Transportation Research Part C: Emerging Technologies, 2020 (111): 255-293.

[2] STOIBER T, SCHUBERT I, HOERLER R, et al. Will consumers prefer shared and pooled-use autonomous vehicles? A stated choice experiment with Swiss households[J]. Transportation Research Part D: Transport and Environment, 2019, 71 (6), 265-282.

[3] TACHET R, SAGARRA O, SANTI P, et al. Scaling law of urban ride sharing[J]. Scientific Reports, 2017, 7 (1), 42868.

[4] BECKER F, AXHAUSEN K. W. Literature review on surveys investigating the acceptance of automated vehicles[J]. Transportation, 2017, 44 (6): 1293-1306.

[5] GKARTZONIKAS C, GKRITZA K. What have we learned? A review of stated preference and choice studies on autonomous vehicles[J]. Transportation Research Part C: Emerging Technologies, 2019, 98: 323-337.

[6] 陳堅, 甘蜜. 城市交通出行行為中的潛變量研究綜述[J]. 交通運輸系統(tǒng)工程與信息, 2014 (14): 21-29.

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

[8] 李慧慧, 胡啟洲, 雷愛國, 等. 基于計劃行為理論的駕駛員未禮讓行為研究[J]. 交通運輸工程與信息學(xué)報, 2020, 18 (4): 110-119.

[9] 唐立, 卿三東, 徐志剛, 等. 自動駕駛公眾接受度研究綜述[J]. 交通運輸工程學(xué)報, 2020, 20 (2): 131-146.

[10] XU Z G, ZHANG K F, MINH G, et al. What drives people to accept automated vehicles? Findings from a field experiment[J]. Transportation Research Part C: Emerging Technologies, 2018, 95: 320-334.

[11] WU J W, LIAO H, WANGJ W, et al. The role of environmental concern in the public acceptance of autonomous electric vehicles: a survey from China[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2019, 60: 37-46.

[12] PANAGIOTOPOULOS I, DIMITRAKOPOULOS G. An empirical investigation on consumers’ intentions towards autonomous driving [J]. Transportation Research Part C: Emerging Technologies, 2018, 95: 773-784.

[13] 黃位. 基于計劃行為理論與技術(shù)接受模型的自動駕駛汽車接受度研究[D]. 鎮(zhèn)江: 江蘇大學(xué), 2019.

[14] MADIGAN R, LOUW T, DZIENNUS, M, et al. What influences the decision to use automated public transport? Using UTAUT to understand public acceptance of automated road transport systems [J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2017, 50: 55-64.

[15] 曹寶龍.學(xué)習(xí)與遷移[M].杭州: 浙江大學(xué)出版社, 2009.

[16] 尹潔林, 張子芊, 廖贛麗, 等. 基于技術(shù)接受模型和感知風(fēng)險理論的消費者新能源汽車購買意愿研究[J]. 預(yù)測, 2019, 38 (6): 83-89.

[17] 袁霞, 王愛民. 基于TAM的共享汽車使用意愿影響因素研究[J]. 武漢理工大學(xué)學(xué)報: 信息與管理工程版, 2018, 40 (4): 434-438.

[18] 鞠鵬, 周晶, 徐紅利, 等. 基于混合選擇模型的汽車共享選擇行為研究[J]. 交通運輸系統(tǒng)工程與信息, 2017, 17 (2): 7-13.

[19] 季彥婕, 謝曉樂, 馬新衛(wèi), 等. 共享單車影響下小汽車出行方式轉(zhuǎn)移機理研究[J]. 交通運輸系統(tǒng)工程與信息, 2019, 19 (3): 188-194.

[20] 黃少安, 韋倩.利他經(jīng)濟學(xué)研究述評[J].經(jīng)濟學(xué)動態(tài), 2008, (4): 98-101.

[21] 連燕玲, 鄭偉偉, 高岑岑, 等.后代影響了CEO的利他性偏好嗎?——基于女性社會化視角的分析[J].外國經(jīng)濟與管理, 2020, 42 (10): 17-32.

[22] 余孝軍, 張文專. 自私-利他用戶混合均衡交通分配的效率損失[J]. 交通運輸系統(tǒng)工程與信息, 2014, 14 (1): 59-64.

[23] 余孝軍, 毛君竹. 收費機制下利己-利他混合交通均衡分配的效率損失[J]: 數(shù)學(xué)的實踐與認(rèn)識, 2020, 50 (16), 82-89.

[24] 陳堅, 張弛, 庹永恒, 等. 考慮環(huán)保意識和出行習(xí)慣的公交出行選擇行為模型[J]. 交通運輸系統(tǒng)工程與信息, 2020, 20 (4): 128-135.

[25] 李軍, 賈順平, 錢劍培, 等. 習(xí)慣影響下城際出行方式選擇意向形成機理[J]. 交通運輸系統(tǒng)工程與信息, 2018, 18 (2): 7-12, 39.

[26] 景鵬, 王偉, 吳麟麟.老年人對自動駕駛汽車接受度研究[J/OL].中國公路學(xué)報: 1-25[2021-01-27].http: //kns.cnki.net/kcms/detail/61.1313.u.20201118.1453.002.html.

A Behavioral Intention to Use Model of Autonomous Vehicle Ride-hailing Incorporating Traveler Habit and Altruistic Preference

QI Hang1, XIA Jia-qi1, WANG Guang-chao2, JIA Ning3, HE Zheng-bing4

（1. Institute for Advanced Studies in Finance and Economics, Hubei University of Economics, Wuhan 430205, China; 2. School of Information Management, Central China Normal University, Wuhan 430079, China; 3. College of Management and Economics, Tianjin University, Tianjin 300100, China; 4. Beijing Key Laboratory of Traffic Engineering, Beijing University of Technology, Beijing 100024, China）

This paper studies the factors and pathways that influence the behavioral intention to use Autonomous Vehicle for Ride-Hailing (AVRH). We modify the traditional Technology Acceptance Model (TAM) by introducing four latent variables, including travelers’ ride-hailing habits, perceived reliability of ride-hailing platforms, social influence of ride-hailing services, and altruistic preference. The modified model is integrated into a structural equation model and further fitted by an online survey with 367 valid responses. The results validate the goodness-of-fit of the modified TAM. A path analysis confirms the significance of three latent variables on the intention to use AVRH, i.e., the perceived usefulness of autonomous vehicles (0.591), altruistic awareness (0.243), and ride-hailing habits (0.146). A mediating effect analysis shows that the three significant latent variables can completely or partially mediate the influence on the intention to use AVRH, the perceived reliability of the ride-hailing platform, the perceived ease of use of autonomous vehicles, and the social influence of ride-hailing services. An individual difference analysis shows that travelers with a lower level of education (Bachelor’s degree or below) have higher perceived reliability of ride-hailing platforms and show higher intentions to use AVRH in the future. The study concludes with discussions of potential policy measures for promoting the public intention to use AVRH.

urban traffic; structural equation model; technology acceptance model; autonomous vehicle for ride-hailing; altruistic preference; mediation effect

1672-4747（2021）02-0001-10

U491

A

10.3969/j.issn.1672-4747.2021.02.001

2021-01-04

國家自然科學(xué)基金（71801106，71871010）；教育部人文社會科學(xué)研究基金（17YJC630150，20YJCZH147）；湖北省自然科學(xué)基金（2020CFB264）；湖北省教育廳哲學(xué)社會科學(xué)研究基金（20Q119）

齊航（1990—），女，河南南陽人，湖北經(jīng)濟學(xué)院財經(jīng)高等研究院副教授，碩士生導(dǎo)師，主要從事交通出行行為的實證與實驗分析、混合行為交通網(wǎng)絡(luò)均衡的研究，E-mail：qihang@hbue.edu.cn

王光超（1987—），男，湖北隨州人，華中師范大學(xué)信息管理學(xué)院講師，碩士生導(dǎo)師，主要從事交通物流系統(tǒng)建模與優(yōu)化設(shè)計的研究，E-mail：gc.wang@mail.ccnu.edu.cn

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.

QI Hang, XIA Jia-qi, WANG Guang-chao, et al. A Behavioral Intention to Use Model of Autonomous Vehicle Ride-hailing Incorporating Traveler Habit and Altruistic Preference[J]. Journal of Transportation Engineering and Information, 2021, 19(2): 1-10.

（責(zé)任編輯：劉娉婷）