第19卷第2期2021年06月
交通运输工程与信息学报
Journal of Transportation Engineering and Information
Vol.19No.2
Jun.2021
文章编号：1672-4747(2021)02-0001-10
齐航I，夏嘉祺蔦王光超2，贾宁蔦贺正冰"
(1.湖北经济学院，财经高等研究院，武汉430205；
2.华中师范大学，信息管理学院，武汉430079；
3.天津大学，管理与经济学部，天津300100；
4.北京工业大学，交通工程实验中心，北京100024)
摘要：为探究自动驾驶网约车使用意向的影响因素及作用路径，以技术接受模型(TAM)为基础框架，在自动驾驶车辆感知有用性和感知易用性基础上，从出行者使用网约车经验和社会偏好两个维度分别引入网约车出行习惯、网约车平台感知可靠性、网约车出行社会影响和出行者利他性偏好四类潜变量，构建自动驾驶网约车使用意向的结构方程模型。对367份有效问卷进行参数拟合，结果证实了引入心理潜变量后的TAM模型具有良好的适配性，能够解释使用意向总方差的59.4%。路径分析结果表明，影响自动驾驶网约车最直接的三个因素是自动驾驶车辆的感知有用性、出行者利他性偏好、网约车出行习惯，对应的直接效应分别是0.591,0.243和0.146。网约车平台感知可靠性、自动驾驶车辆 感知易用性、网约车出行社会影响对自动驾驶网约车使用意向的影响作用，均可被上述三类潜变量完全或部分中介。受教育程度较低的出行者，对网约车平台可靠性的认可度更高，对未来自动驾驶网约车使用意向也更为积极。研究结果对于促进自动驾驶网约车良性发展具有一定的借鉴意义。
关键词：城市交通；结构方程模型；技术接受模型；自动驾驶网约车；利他性偏好；中介效应
中图分类号：U491文献标志码：A DOI:10.3969/j.issn.1672-4747.2021.02.001
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,Wuhan430205,China;
2.School of Information Management,Central China Normal University,Wuhan430079,China;
3.College of Management and Economics,Tianjin University,Tianjin300100,China;
4. Beijing Key Laboratory of Traffic Engineering,Beijing University of Technology,Beijing100024,China)
收稿日期：2021-01-04
基金项目：国家自然科学基金(71801106,71871010)；教育部人文社会科学研究基金(17YJC630150,20YJCZH147)；湖北省自然科学基金(2020CFB264)；湖北省教育厅哲学社会科学研究基金(20Q119)
作者简介：齐航(1990-)，女，河南南阳人，湖北经济学院财经高等研究院副教授，硕士生导师，主要从事交通出行行为的实证与实验分析、混合行为交通网络均衡的研究，E-mail:***************
通信作者：王光超(1987-)，男，湖北随州人，华中师范大学信息管理学院讲师，硕士生导师，主要从事交通物流系统建模与优化设计的研究，E-mail:*****************.edu
引文格式：齐航，夏嘉祺，王光超，等.考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型[〕]•交通运输工程与信息学报，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.
2交通运输工程与信息学报第19卷
Abstract: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 travelers5ride-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 with367valid 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 ,the perceived usefulness of auto
nomous 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 platfbnns 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.
Key words:urban traffic;structural equation model;technology acceptance model;autonomous vehicle for ride-hailing;altruistic preference;mediation effect
0引言
随着自动驾驶技术的发展成熟及“出行即服务”概念的普及，自动驾驶网约车（Autonomous Vehicles for Ride-hailing）被认为会成为未来城市交通的新业态E。自动驾驶网约车可以被视为是两种概念一自动驾驶车辆与网约车出行方式结合的产物，即以非私人拥有的、高级别自动驾驶汽车为载体、依托于网约车平台模式运营的一种新兴出行方式，为人们提供共享出行服务（Autonomous Ride-sharing Services）
図或出租车出行服务（Autonomous Taxi-based Services）[3]o正确认识影响公众自动驾驶网约车使用意向的因素及其作用机制，是合理制定交通管理政策以提高交通效率、设计自动驾驶推广及运营策略以提高其市场占有率等的理论基础。综述了近年来SP调查的研究结果，将公众对自动驾驶车辆（包括私人拥有的与共享的自动驾驶车辆）使用意向的影响因素归纳为四类：人口统计学特征（性别、收入等）、与当前行为相关的变量（目前拥有车辆的自动化级别、个人行驶里程数、发生车祸的次数等）、出行本身的特征（自动驾驶车辆专用道、途径地区的人口密度、拥堵状况等）和出行者心理变量（技术意识、创新性、对驾驶的热情等）®。其中，出行者心理变量涉及个人主观感受，往往难以宜接观测，因此，出行者心理变量如何影响自动驾驶网约车的使用意向，成为该领域研究的热点和难点问题同，也是本文关注的重点。
关于出行者心理变量如何影响自动驾驶网约车使用意向的研究，目前比较先进的量化建模方法包括技术接受模型（Technology Acceptance
关于自动驾驶网约车使用意向影响因素的
实证研究，学者通常采用意向调查（Stated Preference Survey,SP）或意向选择实验（Stated Choice Experiments）的方式开展。Becker和Axhausen⑷在此基础上，Gkartzonikas等固进一步将影响个体自动驾驶使用意向的心理因素细化为九类：对自动驾驶的认知水平、消费者创新性、安全性、对陌生人的
信任、对环境问题的感知、配套基础设施的兼容性和复杂性、主观规范、自我效能感、驾驶过程相关的享受等。
第2期齐航等：考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型3
Model,TAM)［7\计划行为理论(Theory of Planted Behavior,TPB)［8］，以及融合了这两类模型优势的整合型技术接受(United Theory of Acceptance and Use of Technology,UTAUT)囱模型。TAM 或UTAUT模型通常融合了结构方程建模方法(Structural Equation Modeling,SEM)及路径分析等方法，便于测量与检验无法直接观测的出行者心理潜变量之间的相互关系，并探究其对使用意向的作用路径切。目前该方向研究的一个日益明确的趋势是以TAM或UTAUT等为基础理论模型，通过引入感知信任、感知风险、社会影响等出行者心理潜变量，构建更具行为解释力的自动驾驶使用意向模型同。
Xu等a］以TAM为基础所构建的包含信任、感知有用性、感知易用性和感知安全的结构方程模型对自动驾驶车辆使用意向的解释力达55%，对再次乘坐意愿的解释力达40%，路径分析表明，信任通过影响其他几类变量间接影响使用意向。Wu等⑴］基于TAM模型构建包含绿感知有用性、感知易用性和出行者环境关切度的电动自动驾驶使用意向模型，发现环境关切度对意向具有显著的间接效应。Panagiotopoulos和Dimitrakopoulos［12］在TAM模型的基础上引入了感知信任和社会影响，并证实了感知信任、社会影响和感知有用性及感知易用性对使用意向的显著性影响。黄位
融合了TAM与TPB模型，发现感知有用性、感知易用性、主观规范、感知行为控制均会影响我国消费者对自动驾驶汽车的接受度。Madigan等网基于UTAUT模型并引入出行者享乐动机和愉快体验的心理潜变量，证实了UTAUT模型中绩效期望、社会影响对使用意向的影响显著，而付出期望影响并不显著，新引入的出行者享乐动机和愉快体验也会对使用意向产生强烈影响。
鉴于多个研究已证实了TAM模型在解释自动驾驶网约车使用意向中的有效性，本文采用以自动驾驶车辆感知易用性、感知有用性、感知信任为主要解释潜变量的TAM模型为基础框架。区别于以往研究，本文的理论创新主要体现于以下两点。第一，基于学习迁移理论［闵，引入网约车出行习惯、网约车平台感知可靠性两类新的解释变量。由于公众对于高级别的自动驾驶车辆尚缺乏直观的体验，个体对自动驾驶网约车的感知与期望往往会受到其当前网约车(如滴滴等)的出行经验影响。第二，从出行者社会偏好的维度出发，引入网约车出行社会影响和出行者利他性偏好两类潜变量。自动驾驶网约车具有减少交通事故和排放污染、改善通行效率的巨大潜力，这可能会激发人们产生利他性行为，从而更加容易接受自动驾驶网约车出行方式。研究结论对于交通管理部门、自动驾驶车企、出行服务提供商等引导公众接受和使用自动驾驶网约车这一新兴出行方式，具有借鉴意义。
1理论基础与模型构建
1.1技术接受模型
Davis［7］在1989年基于理性行为理论提出了技术接受模型(TAM)，用来预测人们对新信息技术的接受程度，该理论认为人们的行为态度首先影响行为意向，随后影响实际行为，而行为态度受到感知有用性和感知易用性两类潜变量的影响(如图1所示)。其中，感知有用性指用户感知到使用新的信息技术系统能够提高工作效率的程度，感知易用性用来刻画用户在操作相应信息技术系统时所感受到的便利程度。学者将TAM模型引入交通选择行为研究领域，用来预测出行者对新兴出行方式的使用意向，并广泛应用于对新兴交通方式使用意向的研究，包括新能源汽车［⑷、共享汽车［El*］、共享单车I”］、自动驾驶车辆Rm］等。
4
交通运输工程与信息学报第19卷
图1技术接受模型框架图示
感知有用性
1
外生变量
态度使用意向实际行为
感知易用性一—
1.2利他性偏好
利他性是自利性的对立面，最早由法国哲学 家孔德在19世纪提出，它概括了人类社会中常
见的自愿帮助他人而不求回报的现象，具有复杂
的生物演化学和社会学基础㈤］。在心理学和经济
学领域，利他性偏好或亲社会性偏好常被用来刻 画个体对于社会中其他个体利益的考虑0］。在交
通行为研究中，学者常常假设出行者自私自利， 追求个体出行成本最小化；然而，越来越多的交 通行为研究表明，出行者在交通选择中具有利他
性偏好，会表现出利他行为陞23】。余孝军等陞,23］ 在交通网络均衡分配问题中考虑了利己用户和 具有利他性偏好的用户两类体，认为利他性偏 好强的用户会同时考虑自身出行成本和自身出
行对其他人造成的拥挤外部性。陈坚等幽］结合实 证研究发现考虑环保意识和出行习惯能够更好 地解释公交出行选择行为；同时，公众环保意识 的增强会促进形成公交出行偏好和个体习惯。类 似地，考虑到自动驾驶网约车在减少交通事故和
排放污染、缓解拥堵等提高交通系统效率和改善 社会福利方面具有巨大潜力，个体利他性偏好会
促进人们对自动驾驶网约车的使用行为和习惯。 同时，由于目前心理学界对利他性偏好的测量尚 未形成共识性的量表，本文提出了利他性偏好的 测量量表，如表1中的AP1-AP3O
1.3模型假设与潜变量量表设计
作为自动驾驶车辆与网约车模式结合的产
物，自动驾驶网约车的使用意向势必受到出行者 对自动驾驶车辆的感知以及网约车出行经验的影 响。因此，本文提出三条待检验的影响自动驾驶
网约车出行意向(Behavioral Intentions to Use,
BIU)的潜变量关联路径。第基于技术接受模 型，假设自动驾驶车辆的感知有用性(Perceived Usefulness, PU )和感知信任(Perceived Trust, PT )
会对使用意向起宜接正向作用，自动驾驶车辆的感 知易用性(Perceived Ease to Use, PEU )通过影响
感知有用性间接促进意向形成。第二，基于文献［11, 21］，自动驾驶车辆的社会影响(Social Influence, Si) 会促进人们选择自动驾驶网约车出行，同时本文引
入出行者利他性偏好(Altruistic Preference, AP )作
为中介变量对上述关系起作用。第三，基于学习迁 移理论，人们对于网约车出行的习惯(Travel Habit, TH)会对BIU 产生正向影响，同时，本文引入的
网约车平台感知可靠性(Reliability of the Platform and the Algorithm, RPA )，如车辆匹配效率、分配
路径合理程度等可能通过影响TH 、PEU 和SI 间
接影响使用意向。针对上述潜变量分别设计了 2~4 个可测量的问题项，本文采用李克特(LIKERT )
5点量表进行测度，从“非常不赞同”到“非常赞 同”分别赋值1到5分。测量题项如表1所示。
表1模型中潜变量及其测试题项和来源
潜变量
变量来源
序号
测量题项
PU1
自动驾驶车辆感
知有用性(PU)
TAM 模型 文献［12］
PU2PU3
如果城市交通中车辆全部更换为自动驾驶网约车后，城市交通 拥堵问题将得到极大缓解
如果城市交通中车辆全部更换为自动驾驶网约车后，车祸事故 的发生率将会急剧降低
如果城市中车辆全部更换为自动驾驶网约车后，居民个性化、 差异化的出行需求更容易得到满足
第2期齐航等：考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型5
续表1潜变量变量来源序号测量题项
PEU1使用手机客户端预约一辆自动驾驶网约车的操作，我可以轻松
自动驾驶车辆感TAM模型掌握
知易用性（PEU）文献[12]
PEU2
与自动驾驶网约车之间进行指令交互（如修改目的地、中途临时停车等），对我非常简单
自动驾驶车辆感
文献[12]PT1我对自动驾驶网约车总有一种说不上来的不安全感
知信任（PT）PT2我会担心自动驾驶平台受到网络攻击或者我的隐私被泄露
RPA1网约车平台总是能较快地为我匹配到附近车辆
RPA2在雨雪等极端天气下，网约车平台能够为我分配到车辆
网约车平台感知
新增RPA3网约车平台推荐的路线是由人工智能算法基于大数据实时分析
可靠性（RPA）得到的，我认为推荐路线一定比我或司机凭借经验的判断更可靠
RPA4
网约车平台所使用的导航，总是能够根据一些临时性的封路、事故造成的拥堵等突发路况及时调整
TH1我能熟练使用网约车打车软件
网约车出行习惯
文献[12]TH2使用网约车出行已经成为我日常出行的常用方式之一，我很熟
(TH)悉也很习惯
TH3去往停车位紧张的目的地时，我常常使用网约车出行
SI1如果人们看到我使用网约车出行我将感觉自豪
网约车出行社会
文献[12,14]SI2我尊敬或敬重的、可能会影响我行为的人鼓励我采用网约车出
影响（SI）行
SI3对我很重要的人会认为我应该使用网约车出行
API
当我自驾私家车上下班时，我愿意免费为陌生人提供搭顺风车的机会
利他性偏好（AP）新增AP2滴滴共享汽车
如果我所在的集体（如单位、家族、小区、城市等）需要征集 一些志愿者为大家提供免费/无偿的服务，我将会非常乐意
AP3
我愿意参加公益性活动（比如下乡支教、社区服务、关爱特殊体的宣传活动等）
BIU1我支持自动驾驶网约车这种未来新兴出行方式
自动驾驶网约车
文献[12,14]BIU2我将会频繁地使用自动驾驶网约车服务
使用意向（BIU）
BIU3
我会考虑不再购买私家车，而采用自动驾驶网约车完成出行目的
1.4结构方程模型
结构方程建模方法以变量的协方差矩阵为基础，结合路径分析和验证性因子分析等技术优势，能够同时分析潜变量的测量质量与关联关系，一般由测量模型与结构模型两部分共同组成囤25】。本文的测量模型和结构模型分别表达如下：测量模型：
\X=A x+5
（阿（4（M）（4x1）/’、
S（1丿
Y= Ay n+s
dW）（19x7）（7x1）PM）
式中，X为4个外生潜变量测量值构成的向量；y为19个内生潜变量测量值构成的向量；e代表的是模型中外生潜变量（网约车平台感知可靠性）,"是由7个内生潜变量构成的向量；厶与禺为X与V对€和"的因子载荷矩阵；d和&分别为X的4个测量误差和『的19个测量误差所构成的向量。
结构模型：
q=B rj+m（2）
（7x1）（7x7）（7xl）（7x1）（lxl）（7x1）
式中，B是自动驾驶网约车使用意向的所有解释变量与意向之间的路径系数矩阵；T为7个
发布评论