本文摘要：摘要:为深入解读公众对于自动驾驶技术的态度，进一步推动自动驾驶技术的应用，将计划行为理论引入技术接受模型，构建不同年龄群组的自动驾驶技术接受度扩展模型，利用结构方程模型全面揭示自动驾驶技术接受度影响机制的年龄差异性.以中国城市居民为例，进行
摘要:为深入解读公众对于自动驾驶技术的态度，进一步推动自动驾驶技术的应用，将计划行为理论引入技术接受模型，构建不同年龄群组的自动驾驶技术接受度扩展模型，利用结构方程模型全面揭示自动驾驶技术接受度影响机制的年龄差异性.以中国城市居民为例，进行了自动驾驶技术接受度分析，结果表明:不同年龄群组在自动驾驶技术接受度及其影响因素方面存在差异;除主观规范外，23～44岁和45～60岁群体接受度普遍高于18～22岁群体，尤其在态度、感知有用性、感知易用性和行为意向上差异显著;并不是所有的心理变量都对行为意向有显著性影响，18～22岁和45～60岁群体中行为意向主要受感知易用性的显著影响，而23～44岁群体的行为意向则受到感知有用性和感知易用性的联合作用.
关键词:自动驾驶汽车;自动驾驶技术接受度;技术接受模型;计划行为理论;结构方程模型
世界卫生组织2018年最新《道路安全全球现状报告》显示，全球每年道路交通事故死亡人数达到135万，而美国交通部报告进一步指出交通事故的主要成因是人为操作失误，超过90%的严重车祸均由此引发[1].全自动驾驶汽车只需将目的地信息和路径信息输入车辆即可自动驾驶到目的地，无驾驶员参与，且不考虑路况条件的驾驶模式，被认为是能够有效降低人为误操作的重要途径[2].
自动驾驶论文范例：抓住高级别自动驾驶技术落地前的机遇窗口期
但是其应用价值的实现取决于公众的接受程度，因此有必要对自动驾驶技术接受度进行深入研究，为自动驾驶技术发展方向、政府和企业制定相关策略提供依据.现有对公众自动驾驶技术接受度的研究显示，自动驾驶技术接受度受到年龄、性别、成本、出行时间和机动性等多种因素的影响[3]，其中，大多数研究中，年龄普遍具有显著性影响.C.J.HABOUCHA等[4]研究发现:对比年龄较大的人群，以色列和北美的年轻人对自动驾驶汽车更感兴趣，更有可能接受.法国的老年人愿意接受，但不太愿意为这种技术买单[5].普吉特海峡地区的新生代城市居民具有更高的接受度[6].
针对美国加利福利亚州、新泽西州和伊利罗伊州的研究表明:18～25岁和60岁以上的人较愿意花钱使用自动驾驶汽车[7].而LIUP.等[8]调查中国天津的居民发现，年龄小的人群比年龄大的更倾向于接受使用自动驾驶汽车.显然不同 年龄群组间自动驾驶技术接受度存在差异[9]，且这种差异性在不同地区和不同文化也有所不同.此外，自动驾驶汽车的潜在用户主要是不具备驾驶能力的人群如老年人、残疾人等，已有研究从年龄角度分析时往往更为关注60岁以上老年人的接受度[10]，相比而言，对于18～60岁成年人的解析还不够深入，尤其是基于中国国情的实证还不多见.而根据国家统计局第6次人口普查数据显示，18～60岁约占总人口的61%，是潜力巨大的销售市场，具有重要的研究价值.
其中22岁是中国大学本科毕业的分界线，44岁是联合国世界卫生组织的中青年分界线，因此，处于不同年龄段的18～22岁的潜在职场新人、23～44岁有稳定收入的青年与45～60岁中年人群可能对自动驾驶技术的接受处于不同认知水平，有必要深入解析3个群体的接受度影响机理，辨别三者之间的差异，以便制定不同的营销和推广策略.
目前大多采用描述性统计或方差分析说明年龄影响差异性，而没有涉及年龄群组间自动驾驶技术接受度内在影响机理差异性.技术接受模型(technologyacceptancemodel，TAM)是新技术接受度研究领域广泛应用的理论，通常用于解析技术接受度内在影响机理，但是其并不能全面反映接受度的影响路径，有学者将计划行为理论(theoryofplannedbehavior，TPB)融入其理论框架，并用实证证明扩展的理论模型能够有效提高行为意向的解释力度[11].
但是将其用于自动驾驶技术接受度年龄差异性研究还未可见，其影响路径和效果还有待验证.笔者以TPB-TAM为理论框架，整合自动驾驶技术接受度影响因素，对18～22岁、23～44岁和45～60岁群组分别建立结构方程模型(structuralequationmodeling，SEM)[12]，采用实证数据研究模型的适用性，解析不同年龄群组自动驾驶技术接受度影响机理，全面揭示自动驾驶技术接受度及其影响路径的年龄差异.
1理论模型框架技术接受模型
由Davis基于理性行为理论在1985年首次提出[11].该模型认为行为意向(Intention)受到行为态度(Attitude)和感知有用性(perceivedusefulness，PU)的共同影响.其中，受到感知易用性(perceivedeaseofuse，PEU)影响的感知有用性与感知易用性共同影响行为态度.同源于理性行为理论的TPB与TAM拥有共同变量行为态度和行为意向，为两者的融合奠定了基础.TPB中行为意向受到个人态度、主观规范(subjectivenorm，SN)和感知行为控制(perceivedbehavioralcontrol，PBC)的共同影响，且三者之间也可能存在相互作用.由此，构建TPB-TAM理论框架来解析公众对自动驾驶技术接受度.根据构建的理论框架，提出如下假设.行为态度是指个人在执行特定行为时所产生的正面或者负面的评价，其对行为意向的正向显著影响已在自动驾驶领域得到证实[13].
因此，假设:H1为公众对自动驾驶技术的行为态度与行为意向呈显著相关.感知有用性是指人们对一项产品或技术有多大程度的帮助和促进工作的感知，已经被证明能够直接影响公众的态度[14]，与感知易用性共同影响某一类服务或产品的使用和接受.因此，假设:H2为公众对自动驾驶技术的感知有用性与其行为意向呈显著相关;H3为公众对自动驾驶技术的感知有用性与其行为态度呈显著相关.感知易用性是指公众对自身能力与使用新技术所需技能之间匹配的感知，其对态度和意向的直接影响已在汽车新技术领域被证实[14].
此外，感知有用性和感知易用性之间存在显著的相关性[15].因此，假设:H4为公众对自动驾驶技术的感知易用性与其行为意向呈显著相关;H5为公众对自动驾驶技术的感知易用性与其行为态度呈显著相关;H6为公众对自动驾驶技术的易用性感知与感知有用性呈显著相关.主观规范是指进行某种行为决策时，个体所感知的社会压力和社会舆论，可能会受到周围个体如家人、朋友或同事的影响，已有研究证实其对行为意向显著影响[16].除了受到外界压力的干扰和影响之外，技术的有用性和实用性也是个体感知所关注的焦点.因此，假设:H7为公众对自动驾驶技术的主观规范与其行为意向呈显著相关;H8为公众对自动驾驶技术的主观规范与感知有用性呈显著相关.
2数据检验
问卷分为出行者信息调查和自动驾驶技术接受态度调查2个部分，其中，自动驾驶技术接受态度调查部分用于测量TPB和TAM理论中的心理变量.采用Liker5级量表构造心理变量和问题项设计，本次问卷通过问卷星进行网络调查，剔除问题问卷，回收有效问卷231份，自动驾驶技术接受度样本描述性统计分析.本次调查样本中，男女比例较为均衡，男性占48.92%，女性占51.08%;调查者中收入高于3千元的占58.44%，低于3千元的占41.56%;59.74%为职场人员，40.26%为学生.
由样本发现学生中年龄在18～22岁的占总学生的83.87%，收入3千元以下年龄18～22岁的占88.42%，而85.51%的职场人员年龄在23～60岁，83.87%收入高于3千元人员的年龄在23～60岁，显然年龄18～22岁和23～60岁2个群组具有明显的社会经济属性特征差异，而23～60岁中23～44岁和45～60岁也存在差异，45～60岁均是收入高于3千元的中年职场人士，而23～44岁中还有部分学生和低收入人群.
因此，有必要进行分组分析，探索其在自动驾驶技术接受度方面的区别.对于问卷中的潜变量，通常采用Cronbach'sα系数、组合信度(compositereliability，CR)、平均方差提取值(averagevarianceextracted，AVE)分别检验18～22岁、23～44岁和45～60岁年龄段人群测量数据的信度和效度，所有潜变量的α系数大于0.810，远超过可接受值0.700[17];组合信度CR值均大于0.820，远超过可接受值0.700[18];AVE值均大于0.540，超过可接受值0.500[19].综上所述，量表具有较好一致性和稳定性，数据具有良好的信度和效度.
3自动驾驶技术接受度年龄差异
运用Stata软件对3个群组两两之间进行两样本t检验比较分析，进而解析自动驾驶技术接受度的年龄差异程度，不同年龄心理变量比较分析结果如表3所示.
4自动驾驶技术接受度模型分析
4.1模型建立
利用Stata软件建立结构方程模型进行假设路径验证，初步验证发现理论模型与实证数据无法很好拟合，为此在不影响理论模型完整性前提下对理论模型进行修正，删除完全没有显著影响的路径，增加残差相关路径，最终形成实际SEM模型修正后的假设路径，方块中变量为对应潜变量的可观测指标变量，由对应问题项调查结果获得，ε为对应的误差项.分别将各年龄群组样本数据导入Stata软件，运行所建SEM模型。
5结论
1)不同年龄群组在自动驾驶技术接受心理方面存在差异，除主观规范外，23～44岁和45～60岁群体的自动驾驶技术接受度要高于18～22岁群体，尤其在态度、感知有用性、感知易用性和行为意向上差异显著.因此，决策者需加大年龄较小群体的技术宣传，尤其要提升有用性和易用性方面的技术体验感知，进一步加深对自动驾驶技术的认知和感受.
2)所建的自动驾驶技术接受影响因素结构方程模型有较好的拟合优度，能够很好地解释自动驾驶技术接受度心理因素间的内在联系.不同年龄群组在自动驾驶技术接受度影响因素方面存在差异，18～22岁和45～60岁群体中行为意向主要受感知易用性的显著影响，而23～44岁群体的行为意向则受到感知有用性和感知易用性的复合作用.因此，针对18～22岁和45～60岁群体进行自动驾驶技术推广时，需要从提升技术的使用难易程度方面来着手比如，调查群体的驾驶需求，设计出符合其驾驶习惯的易于操作的汽车;对于23～44岁群体可能更多的了解其出行需求、驾驶习惯，增加体验提升其有用性和易用性感知，从而引导其接受使用自动驾驶技术.
3)并不是所有的心理变量都对意向有显著性影响.其中，态度、主观规范、感知行为控制对行为意向没有起到显著的作用，其他变量都在1种以上模型中对意向产生显著性影响，这可能是由这些心理影响因素的构造和新兴技术接触问题造成.一是心理变量大多从国外研究中引进，其在国内的适用性还有待研究，必须通过大量的国内实证研究来验证;二是实际生活中，自动驾驶技术还处在研究阶段，并没有广泛实际应用，公众的认知还有待提升.
4)结合了TPB和TAM的自动驾驶技术接受影响因素模型更能全面揭示不同年龄群组在自动驾驶出行行为意向方面内在影响机理的差异性，能够为中国自动驾驶技术行业发展、企业营销和市场推广策略的制定提供理论和实证支撑.
参考文献(References)
[1]DEBS，STRAWDERMANL，CARRUTHDW，etal.Developmentandvalidationofaquestionnairetoassesspedestrianreceptivitytowardfullyautonomousvehicles[J].TransportationResearchPartC:EmergingTechnologies，2017，84(11):178-195.
[2]PANAGIOTOPOULOSI，DIMITRAKOPOULOSG.Anempiricalinvestigationonconsumers'intentionstowardsautonomousdriving[J].TransportationResearchPartC:EmergingTechnologies，2018，95(10):773-784.
[3]JINGP，XUG，CHENYX，etal.Thedeterminantsbehindtheacceptanceofautonomousvehicles:asystematicreview[J].Sustainability，2020，12(5):1-26.
[4]HABOUCHACJ，ISHAQR，SHIFTANY.Userpreferencesregardingautonomousvehicles[J].TransportationResearchPartC:EmergingTechnologies，2017，78(5):37-49.
[5]PAYREW，CESTACJ，DELHOMMEP.Intentiontouseafullyautomatedcar:attitudesandaprioriacceptability[J].TransportationResearchPartF:TrafficPsychologyandBehaviour，2014，27(2):252-263
作者：陈月霞1，查奇芬2，景鹏1，陈锋1
转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/25853.html
