日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

基于現(xiàn)場試驗的自動駕駛汽車接受度研究

2019-06-04 23:35:03·  來源：同濟智能汽車研究所  
　
編者按：自動駕駛技術已經(jīng)成為汽車產(chǎn)業(yè)發(fā)展的戰(zhàn)略方向。然而，面向人類對于自動駕駛汽車接受度的研究卻鮮有開展。本研究招募了300名志愿者乘坐具備SAE Level 3水
編者按：自動駕駛技術已經(jīng)成為汽車產(chǎn)業(yè)發(fā)展的戰(zhàn)略方向。然而，面向人類對于自動駕駛汽車接受度的研究卻鮮有開展。本研究招募了300名志愿者乘坐具備SAE Level 3水平的自動駕駛汽車，將測試者對自動駕駛技術的信任度從心理層面分為感知有用性、感知易用性以及感知安全性三方面，進行分析和調(diào)查。最終統(tǒng)計結果反映了人類對自動駕駛汽車的接受度。
 
本文譯自《What drives people to accept autonomous vehicles? Findings from a field experiment》作者為長安大學徐志剛教授。

1、引言
 
根據(jù)世界健康組織的統(tǒng)計，每年全世界有超過120萬人死于道路交通事故，對人類健康和社會和諧發(fā)展產(chǎn)生巨大的影響。超過70%的交通事故與人的錯誤操作有關（Dhillon,2007）。自動駕駛技術在減少因人類誤駕駛而引發(fā)的交通事故方面具有很大的潛力（NHTSA,2016）。AVs是能夠感知交通環(huán)境，可通過軟件算法導航，不需要駕駛員的決策和操作就能夠控制車輛運動的新一代汽車。自動駕駛技術被認為是確保道路安全的突破性關鍵技術。AVs還有減少交通擁堵，增強通行率，減少燃料消耗的潛力。根據(jù)SAE的觀點，有條件自動化L3、高度自動化L4、全自動化L5的AVs都能夠工作在自主/自動駕駛模式。
 
自動駕駛技術越來越受到汽車制造商，科技公司，政策制定者以及公眾的關注。許多的研究者和機構對AVs的長期應用做出了不同的預測。關于AV的應用預測引用最多的是Litman的研究，他預測道，到2050年自動駕駛將是絕大多數(shù)新車的一個標準功能，40-60%的車輛隊列、80-100%的銷售車型、50-80%的汽車旅行都將應用AVs。Litman還預測道，AV在增強道路安全和減少交通擁堵方面的作用很可能會在2040s-2060s顯現(xiàn)出來。
 
影響AV大量應用的障礙可能不是技術上的，而是心理上的。如果AV不能被公眾廣泛接受，那就不能增強道路安全，也不能實現(xiàn)對社會和環(huán)境的期望效益。現(xiàn)階段關于公眾對AV意見的投票調(diào)查顯示，公眾對AV持有抵抗或中立的態(tài)度。為了更好地預測、解釋和增強公眾對諸如AV等新興技術的接收度，需要大量研究來深刻地揭示影響公眾接收或拒絕新興技術的原因。在意識到影響AV接收度因素的研究需求后，許多的研究者展開調(diào)查以確定影響公眾使用AV意向的決定因素。
 
但是在這個領域的研究上仍然存在許多的空白。首先，了解公眾對AV接受度的研究仍然是非常有限的，影響接受度的心理層面決定因素仍然是大量未知的。其次，大多數(shù)的研究依賴于線上調(diào)查，關注于了解對AV有很少或幾乎沒有真實體驗的參與者的一般觀點。像這樣的一種調(diào)查研究方法可能得不到真實的研究結果。參與者對AV的感知和回應會被問卷中的描述信息或者其他信息源（如多媒體）引導。在態(tài)度研究中這被稱為信息曝光法或消息學習法。因此，這些參與者可能并不能夠真實地看到AV的操作、感受到AV的功能，以及了解到人與AV可能的交互方式。因此，這些研究者對AV接受度的貢獻可能只是一個不準確的心理學模型。為了避免這種情況，調(diào)查必須關注于對AV有真實體驗的參與者，并根據(jù)他們的感受來理解和解釋公眾對AV的接受度。就作者了解到的情況，目前在私有AV上還沒有進行過這樣的現(xiàn)場試驗。
 
為了了解AV接受度背后的心理驅(qū)動因素，我們進行了一個現(xiàn)場試驗。邀請了300名學生作為乘客體驗AV以獲得一手的乘坐體驗數(shù)據(jù)。利用這些參與者的體驗反饋結果，我們分析了真實直接的體驗對AV接受度及其心理決定因素的影響，并建立了一個心理學模型來解釋和預測參與者再乘坐該AV的意愿和未來使用L5級自動駕駛汽車的意向。
 
2、理論框架和假設
 
2.1接受度和心理模型
接受度是允許新汽車技術達到預測效益水平的先決條件。這個定義意味著接受度是交通系統(tǒng)新技術實施應用的必要條件。Adell等（2014）也把駕駛員對車載系統(tǒng)的接受度定義為駕駛過程中系統(tǒng)與個人的協(xié)作程度，或者系統(tǒng)不可獲得時使用它的意向。盡管接受度有多種定義，一般的理解是它涉及多個方面，比如購買意愿和使用意向（Adell,2014）。研究者經(jīng)常關注于接受度的一個方面。
 
一些駕駛員行為模型和技術接受度理論被用來解釋用戶接受度，包括技術接受度模型TAM，計劃行為理論TPB，技術應用和接受度統(tǒng)一性理論UTAUT，UTAUT2。在這些理論里，TPB用來解釋駕駛員的一般行為，而其他三種模型是在解釋信息系統(tǒng)研究中的技術接受度發(fā)展起來的。這些模型里包含三類結構，分別是人們對一種技術的看法和感知，使用這項技術的行為意向，以及實際的應用行為。這些模型的基本原理是人們的感知和看法將會決定他們的意向，進而決定他們的實際使用行為。研究影響用戶使用意向和實際使用行為的主要感知因素是非常關鍵的。在TAM 模型里，感知有用性PU和感知易用性PEU被認為是行為意向BI的兩個直接影響因子。TPB模型包括行為意向BI的三個內(nèi)容——態(tài)度、主觀規(guī)范和感知行為控制（與感知易用性相似）。它表明積極的態(tài)度、有利的規(guī)范性和意志控制看法都將正面影響技術的使用意向。在UTAUT模型里，假定期望的表現(xiàn)（如感知有用性）、期望的成果（如感知易用性）和社會影響都正面地影響行為意向，再和其他促進條件共同正面影響實際應用行為。UTAUT2模型里又加入了享樂動機、價格值和習慣三個因素。
 
上面提到的模型都已經(jīng)被用來解釋新興車載技術的駕駛員接受度。這些模型也被應用于近年基于調(diào)查的AV和AS研究，來解釋人們使用AV和AS的意向。這些研究分享了某些發(fā)現(xiàn)，其中一個研究證實了這些心理模型影響行為意向的能力。這些研究在影響行為意向的因素方面產(chǎn)生了不一致或相互矛盾的結果。比如，感知有用性被逐漸發(fā)現(xiàn)是影響行為意向的主要預測因子，但有時被發(fā)現(xiàn)無法預測行為意向的具體措施（Nordhoff,2017）。這些與感知易用性對行為意向的重要性有關的不同研究結果主要有：Choi(2015)發(fā)現(xiàn)感知易用性是一個較弱的預測因素；Madigan(2017)和Motak(2017)發(fā)現(xiàn)感知易用性是一個沒有意義的預測因素；Nordhoff(2017)和Lee(2017)發(fā)現(xiàn)感知易用性不是一個穩(wěn)定的預測因素但是能影響行為意向的具體措施。準確理解感知易用性對行為意向重要性是必要的，因為PEU能夠影響AV的用戶設計方式。
 
2.2研究目標和假設發(fā)展
 
本研究的目的是兩個方面。通過邀請參與者直接體驗AV的自動駕駛模式，提出了大規(guī)模的現(xiàn)場研究，自然就引出了自動駕駛汽車體驗的影響是什么的問題。對這個問題的準確回答是第一個目的。對直接體驗的影響研究文獻比較少，但是就是這些少量的研究其研究結果也較為混亂。在他們的小規(guī)模研究中，Motak（2017）指出AS的體驗對參與者的感知有用性有所增強，并引起了參與者對AS積極的態(tài)度。Payre(2016)基于他們在全自動駕駛模擬器上的實驗研究發(fā)現(xiàn)，模擬器體驗并不能增加全自動駕駛的接受度，并且相反地，在駕駛條件受損的情況下模擬器反而降低了參與者使用它的興趣。
 
本研究中，注意力集中在直接體驗的其他影響上，主要是與觀念、情感和行為相關的影響，這些影響被之前的接受度研究很大程度上忽視了。直接體驗會幫助人們評估與對象相關的信息，引導人們用更加細致深入的體驗達成合理的態(tài)度并校準他們的看法和感知，并在看法、意向和行為方面表現(xiàn)出更大的一致性。相反地，暴露出來的某些信息可能導致人們采取較少的努力過程。本文提出的的現(xiàn)場研究不僅考慮了直接體驗是否會導致人們在信任度、感知有用性、感知易用性和行為意向方面的態(tài)度改變；而且測試了直接體驗是否增加了心理決定因素和行為意向的相關性。此外，如上所述，現(xiàn)有的AV研究報告關于感知易用性對行為意向的重要性有不同的結論，本文的現(xiàn)場研究正好提供了一個PU對BI影響的驗證機會。
 
第二個主要目的是基于現(xiàn)場體驗數(shù)據(jù)解釋和預測公眾對AV的接受度并測試提出的心理學模型。鑒于以下兩個原因，本文模型以傳統(tǒng)的TAM模型為基礎。第一，TAM模型（Davis,1989）被先前的研究者應用在AV和車載技術調(diào)查上；第二，TAM模型在解釋駕駛員對新興車載技術的接受度上有相對較好的效果。駕駛AV的感知安全性PS和對這個技術的信任度Trust這兩個因素被突出添加進AV背景下的TAM模型里。鑒于安全是駕駛的第一要義并且AV是一項新興技術，人們對AV的安全性感知和技術的初始信任度在他們對AV的接受度形成過程中發(fā)揮著關鍵作用。模型中考慮了行為意向BI和再乘坐意愿WTR兩個接受度表現(xiàn)方面，它們用來檢查所考慮的決定因素（PU,PEU,PS,Trust）能否成為AV接受度的穩(wěn)定預測因子。
 
2.2.1感知有用性和感知易用性
在TAM模型Davis（1989）里，感知有用性和感知易用性是對技術接受度有主要貢獻的兩個外部變量。Davis（1989）定義感知有用性為個人認為使用一個特定的系統(tǒng)時增強其工作表現(xiàn)的程度。通過定義，感知有用性被描述為系統(tǒng)被有效利用的程度。它跟UTAUT(Venkatesh,2003)模型里的期望表現(xiàn)很接近。Davis（1989）定義感知易用性是個人認為使用一個特定系統(tǒng)不需要努力的程度。也就是說，感知易用性能夠被理解為與人們在使用該系統(tǒng)時所感受到的困難相反。它與TPB(Ajzen,1991)模型里的感知行為控制、UTAUT(Venkatesh,2003)模型里的努力期望是相似的。
 
先前的研究均支持感知有用性/易用性與技術接受度之間的積極聯(lián)系(Davis,1989;Ghazizadeh,2012;Kingand He,2006;Rahman,2017;Venkatesh,2003)。這種聯(lián)系的背后是行為決策研究中的成本效益范式(Payne,1992)。感知有用性與感知收益、感知易用性與感知花費都是緊密相關的。人們總在追求高收益低花費的決策。鑒于TAM模型已經(jīng)通過各種技術、應用和系統(tǒng)被驗證了，因此AV接受度也應該遵循這些關系。然而，正如第一部分所說，TAM模型中的PU、PEU兩個結構對AV接受度的影響可能并不像TAM模型描述地那樣簡單。本文的場地研究將首次驗證下面的假設：
 
H1、H2：感知有用性與行為意向和再乘坐意愿呈正相關；
H3、H4：感知易用性與行為意向和再乘坐意愿呈正相關。
 
2.2.2 感知安全性
確保駕駛員、乘客和其他道路使用者安全，減少由于人類駕駛引發(fā)的交通事故等的緊迫需要已經(jīng)刺激了AV的發(fā)展。安全性是AV的一個主要賣點(Fagnantand Kockelman,2015)。然而，對人們來說AV存在風險、不確定性和失控等問題(Kyriakidis,2015)。駕駛以安全為核心。當人們乘坐AV時意味著將自己的安全全權交給了自動駕駛系統(tǒng)。他們將會提出比自駕安全性更高的自動駕駛安全要求(Waycaster,2018)。我們之前的研究發(fā)現(xiàn)公眾認為SDVs應當比傳統(tǒng)的人類駕駛車輛安全4到5倍。如果人們不能從AV的體驗中感受到相當程度的安全，他們就不可能接受和使用AV。事實上，一些對公眾觀點的調(diào)查結果是許多人們對AV的安全問題非常擔心(Bansal,2016;Howardand Dai,2014;Kyriakidis,2015)，這可能會導致他們不愿意乘坐AV。一些研究已經(jīng)強調(diào)到，增強感知安全性對促進公眾對AV的接受度有關鍵作用(Salonen,2018;Shariff,2017)。然而，據(jù)我們所知，還沒有實驗性研究探究過感知安全性對AV接受度的影響。
在本文的研究中，感知安全性被定義為駕駛員和乘客駕駛或乘坐AV時能夠感受到放松、安全和舒適的趨勢。實驗性證據(jù)(Delbosc andCurrie,2012)表明感知安全性是乘坐公共交通意向的一個重要預測因子。對AV來說，人們的安全性感知更加重要，因為人們對這項技術的安全性高度擔心。本文的現(xiàn)場研究中，如果參與者在體驗AV的過程中感到非常安全，他們就可能更有意向在未來使用AV，同樣也會愿意再次乘坐他們體驗過的AV。因此，我們提出了下面兩個假設：
 
H5、H6：感知安全性與行為意向和再乘坐意愿呈正相關。
 
2.2.3 信任度
信任是一種心理狀態(tài)，就像基于對另一個人的意圖或行為的積極期望而接受其弱點(Rousseu,1998)。信任是人機交互的基礎(Leeand Moray,1994;Lee and See,2004)。人和自動化機器之間的交互通過信任度來調(diào)解(Ghazizadeh,2012)。有研究發(fā)現(xiàn)，對自動化機器的信任度影響人們的接受度、利用率和依賴行為(Lee and Moray,1994;Lee andSee,2004;Merritt and Ilgen,2008;Parasuraman and Riley,1997)，信任度是進行依賴性活動的心理驅(qū)動因素。這里對AV的信任度定義為公眾和潛在消費者愿意成為AV推廣者的意愿程度。
雖然在TAM(Davis,1989)模型及其后研究(Venkatesh,2003;Venkatesh,2012)中最初并沒有考慮到信任度，但許多后期的研究(Ghazizadeh,2012;Hengstler,2016;Pavlou,2003)認為把Trust加入TAM模型中是必要的，尤其是在高風險和不確定的情況下。Pavlou(2003)把Trust和感知風險加入TAM模型應用于電子商務相關研究，并且假設信任度能夠直接影響行為意向，或者通過感知有用性、感知易用性和感知風險間接影響行為意向。在Pavlou(2003)假設的基礎上，Ghazizadeh(2012)把TAM模型拓展到自動化技術接受模型上來解釋自動化技術的接受情況，并且指出對自動化技術的信任度可以是行為意向的直接決定因素，也能通過感知有用性和感知易用性間接影響行為意向。Choi和Ji(2015)應用這些模型研究外行人使用AV的行為意向。
作為一種情感反應，對技術的信任可能會產(chǎn)生接受和使用該技術的意愿(Lee and See,2004;Mcknight,2002)。信任度對消費者使用信息系統(tǒng)和電子商務的意愿的直接作用已經(jīng)被許多研究測試驗證過了(Gefen,2003;Mcknight,2002;Pavlou,2003)。相似地，Trust的水平?jīng)Q定了AV將會被消費者使用的程度(Shariff,2017)。如果人們不是足夠信賴AV，他們就不會使用AV進而從中獲益。因此，充分的公眾信任度被認為是AV大量應用的必要前提(Noy,2018;Shariff,2017)。這個引出以下的假設：
 
H7、H8：信任度與行為意向和再乘坐意愿呈正相關。
 
信任度可能會影響與技術相關的感知有用性和感知易用性認知過程的形成，并最終做出是否接受該技術的判斷。因此，信任度可能通過感知有用性和感知易用性間接影響行為意向(Choi andJi,2015;Ghazizadeh,2012;Nordhoff,2016;Pavlou,2003)。此外，信任度還有減少感知風險和不確定性的特定作用。之前的研究（Choi and Ji,2015;Pavlou,2003）都曾證實信任度能夠降低感知風險。相信AV技術可靠性的人更有可能克服他們對這項技術的風險感知度。因此，在使用AV時高度信任更能夠增強安全性感知。這可以引出以下假設：
 
H9、H10、H11：信任度與感知有用性、感知易用性和感知安全性呈正相關。
基于上述理論假設，提出如圖1所示的自動駕駛車輛技術接受度模型。圖中的四個內(nèi)容（信任度、感知有用性、感知易用性、行為意向）與L5級自動駕駛車輛有關。由于現(xiàn)階段沒有L5級的自動駕駛路測車輛，因此本文使用一輛較低自動化的AV來讓參與者直接體驗不同交通場景下的自主駕駛。參與者將會在體驗后校正他們對自主駕駛車輛的感知和判斷。
圖1 自動駕駛技術接受度模型
 
3、方法論
3.1設備和場景設計
圖2所示是試驗用自動駕駛汽車——信達AV，其上裝配了高分辨率立體攝像機，一個激光雷達和一個差分GPS。信達AV是由比亞迪汽車集團制造的乘用車改裝而成，主要用來進行科學研究和實驗。信達AV是SAE Level 3水平：系統(tǒng)能夠完成一些駕駛任務并監(jiān)控某些情況下的行駛環(huán)境，人類駕駛員必須在自動駕駛系統(tǒng)請求時接管車輛控制權。信達AV能夠?qū)崿F(xiàn)五種類型的功能：（1）感知和定位；（2）全局路徑規(guī)劃；（3）行為推理；（4）軌跡規(guī)劃；（5）軌跡跟蹤控制。當給信達AV一個計劃目的地時，它將根據(jù)已知交通網(wǎng)絡計算可行路線并開始遵循計劃路線行駛。運行過程中，信達AV能夠感知道路上靜止的和突然出現(xiàn)的動態(tài)物體，并控制車輛的方向和速度以避免可能發(fā)生的碰撞。
圖2長安大學“信達號”自動駕駛車
長安大學車聯(lián)網(wǎng)與智能汽車試驗場CU-CVIS構建了一個自動駕駛車輛測試軌道AVTT。CU-CVIS包括一條2.4公里長的環(huán)形高速雙向測試道路，一個1.1公里長的4車道直線軌道，并擁有四種不同路面，是一個進行智能網(wǎng)聯(lián)汽車應用測試的綜合封閉場地。
該自動駕駛車輛測試軌道長1公里，如圖1所示，共設計了9種典型駕駛場景，記為S1-S9。測試軌道圖和部分場景圖如圖3所示。
表1九個駕駛場景的描述
場景
歷時
描述
S1行人避撞
20s
假人橫穿馬路時AV停下
S2自行車避撞
20s
假自行車橫穿馬路時AV停下
S3交通燈識別
25s
AV識別交通燈狀態(tài)并決定通過還是等待
S4車輛避撞
20s
AV遇到前方故障車輛時繞行
S5彎道速度預警
25s
AV從路側設備接收限速信息，在限速范圍內(nèi)行駛
S6緊急車輛避讓
50s
緊急車輛優(yōu)先通過交叉口，AV停在停止線之前，待緊急車輛通過且信號燈變綠時再通行
S7穿行隧道
30s
AV通過無信號隧道
S8側向超車
40s
AV超過一輛人駕車
S9通過S型路障
10s
AV通過由錐桐擺放而成的S型路障
圖3 測試軌道圖與S1、S9場景圖
3.2 措施
表2列出了信任度、感知有用性、感知易用性、感知安全性、行為意向和再乘坐意愿這六個結構和它們的具體感受項。所有的感受項都以同意程度來進行量化（絕對不同意為1，絕對贊同為5）。信任度、感知有用性、感知易用性和行為意向都與L5級自動駕駛車輛有關。感知安全性是對直接體驗的自動駕駛車輛的安全性水平感知；再乘坐意愿表示參與者愿意再次乘坐該AV車的程度。
表2 六個結構及其具體感受項和來源
3.3參與者和試驗過程
300名本科生自愿參加了試驗。300人當中，57%（171人）是男生，25.3%（76人）持有有效駕駛證件，94.3%（283人）之前聽說過L5級自動駕駛車輛。它們分別來自于班級為單位、個人郵件及其他社會媒體的申請報名。所有的參與者都在體驗前簽署了書面知情同意書。該研究是在長安大學的批準下進行的。
試驗時每次AV內(nèi)乘坐2-3名體驗者。首先，參與者必須閱讀實驗的介紹，并對告知內(nèi)容進行簽字確認；閱讀L5級自動駕駛車輛介紹內(nèi)容，通過在安靜的實驗室里體驗前問卷調(diào)查的填寫來對其如何看待L5級AV做出回應。試驗中，測試員在駕駛L3級AV 5-10秒后切換至自動駕駛模式。接著，AV在自動駕駛模式下通過所有駕駛場景。由于安全原因，一輛人工駕駛車輛在保持安全距離的情況下始終監(jiān)控并記錄AV的實時情況。我們鼓勵體驗者對信達AV和L5級自動駕駛車的操作和功能進行提問。信達AV最終在測試駕駛員的操作下停在起點。之后，體驗者被引導回實驗室填寫更加完整的體驗后調(diào)查問卷。最后，向每一名體驗者支付了30元報酬。典型的現(xiàn)場實驗視頻可提供給有需要的讀者。本文中用到的數(shù)據(jù)是從體驗前后的問卷中提取出來的。
本文的現(xiàn)場試驗是在2017年8至10月間的晴天里進行的。整個實驗過程中使用相同的AV來確保參與者AV體驗的一致性。出于安全原因以及交通場景的復雜性（例如，在S3中綠燈和S6中緊急車輛通行的等待），AV必須以相當?shù)偷乃俣冗\行在自動駕駛模式下，平均速度為20 km / h，預設最高速度為40km / h。這次AV體驗持續(xù)4.5到5分鐘。在試驗過程中，測試駕駛員的手離開了方向盤，但他隨時準備在必要時接管AV；事實上，在整個現(xiàn)場試驗中沒有發(fā)生人工干預。每個參與者僅有一次試乘機會。
4
結果分析
4.1測量模型
基于偏最小二乘法(partialleast squares,PLS)的結構方程建模(the structural equationmodeling,SEM)技術(PLS-SEM)被用來測試測量模型和結構模型。PLS-SEM被認為適合于分析復雜道路模型。它不受嚴格的、不切實際的假設的影響，樣本量要求不高。用R包“plspm”來進行PLS-SEM的分析，遵循引導程序（1,000個子樣本）。
表3 測量模型的信度和效度
如表3所示，參與者體驗AV前后測量模型的指標可靠性，內(nèi)部一致可靠性，收斂有效性和判別有效性都被分別記錄下來了。這些指標沒有包括再乘坐意愿，因為再乘坐意愿是作為單獨一項進行測量的。PU3和PS3這兩項由于低要素負荷（<0.70）而被刪掉了。在最終的測量中，判斷如下：
（1）所有項目的因子載荷都高于0.70，證實了指標的可靠性。
（2）所有組合信度（CR）和α 值都大于0.70，證實了內(nèi)部一致的可靠性。
（3）所有平均提取方差（AVE）值超過標準值0.50，證實了收斂有效性。
（4）每個AVE的平方根（在表4中的對角線上示出）大于相關結構間的相關性，證實了判別有效性。
（5）結構的方差膨脹因子（VIF）低于3.0，表明不存在多重共線性（Hair等，2014）。因此，測量模型的信度和效度是充分的。
表4 體驗AV前后的均值（標準差）和零級相關性
對參與者AV體驗前后測量到的四種結構平均值進行比較發(fā)現(xiàn)，體驗后的Trust，PEU，以及PU均顯著增加，但BI基本沒有變化（△M= 0.02）。根據(jù)ELM理論可知，直接體驗將增加感知-意向-行為之間的一致性。也就是說，正如本文假設的一樣，AV體驗增加了四種結構（Trust，PU，PEU和BI）之間的相關性（見表4）。
使用費希爾變換來評估相關變化的顯著性，主要將相關系數(shù)檢驗中的相關系數(shù)R轉(zhuǎn)換成Z檢驗統(tǒng)計量。PU和PEU（△R = .16，z = 3.07，p = .002），PU和BI（△R = .17，z = 3.33，p <.001），以及PEU和BI（△R = .19 ，z = 3.06，p = .002）之間的相關性都顯著增加了，而Trust和PU之間僅略微增加（△R = .11，z = 1.87，p = .062）。Trust和PEU（△R = .10，z = 1.51，p = .130），Trust和BI（△R = .03，z = 0.36，p = .716）之間的相關性沒有變化。六個相關性中有四個顯著或略微增加，表明AV體驗增加了相關結構之間的一致性。
4.2 結構模型
本節(jié)首先在結構模型層面測試評價了AV體驗的影響。然后，在參與者的AV體驗之后，檢查了完整的結構模型，確定了影響B(tài)I和WTR的心理決定因素。
4.2.1 TAM模型
首先，我們在傳統(tǒng)的TAM模型中加入了Trust，然后我們基于參與者體驗AV前后的收集數(shù)據(jù)使用PLS分析該TAM模型。我們進行了三種類型的比較。第一，檢查這些路徑（見表5）的重要性，發(fā)現(xiàn)AV體驗使感知易用性成為行為意向的一個重要預測因子。第二，比較了路徑系數(shù)。這兩個模型（體驗前后）展示了三種不同的路徑：PU→ BI（H1：△β=0.15，p = .039），Trust→BI（H7：△β=-0.17，p = .017）和Trust→PU（H9：△β=0.11，p = .017）。Trust和BI之間的相關性沒有變化（△R= .03）（見表4），但它們的路徑系數(shù)下降了（△β= -0.17），可能是因為AV體驗加劇了PU和PEU對BI的影響。第三，比較了參與者AV體驗前后PU、PEU和BI的解釋方差（R2）之間的比例差異。PU和BI△R2的95％置信區(qū)間是PU（△R2= .12）和BI（△R2= .15），表明直接體驗顯著增加了PU和BI的解釋力。
表5 AV體驗前后的路徑系數(shù)β和解釋方差R2
4.2.2結構模型的完善
以下分析包括調(diào)解和預測分析，是特定于完善圖1中的結構模型。如圖4所示，結果支持除一個假設之外的所有假設，即PEU不是WTR（H4：β=- .05，p = .422）的重要預測因子。
圖4完整結構模型
對于完整的結構模型，BI和WTR的R2值分別為0.55和0.40，大于0.10的截止值。對于PU，PEU和PS，所有R2值均大于0.05。因此，研究模型對所有內(nèi)生變量具有可接受的解釋力。
擬合優(yōu)度（GoF）標準用作PLS的全局擬合度量，范圍從0.00到1.00。擬合優(yōu)度GoF定義為AVE和內(nèi)生變量R2均值的幾何平均值。GoF標準是0.10，0.25和0.36，分別適用于小、中、大三種影響程度。本文的GoF計算為0.55，大于大影響程度的截止值0.36。
我們在傳統(tǒng)TAM模型上增加了Trust和PS，并將新模型與傳統(tǒng)TAM模型（PU和PEU兩個預測因子）進行了比較。新模型中，BI和WTR的R2值分別增加0.01(F(2,293)=17.6，p<0.001)，0.4(F(2,293)=47.1，p<0.001)。因此，在TAM模型中增加Trust和PS被證明是有意義的，特別是對于解釋WTR。
先前的研究表明人們對AV的感知和態(tài)度與他們的社會人口學特征有關。Liu等（2018）表示在設計和應用新型交通技術時，應當考慮這些人口學特征的差異，因此確實有必要考慮人口統(tǒng)計學變量。本文的研究中收集統(tǒng)計了性別、之前是否聽說過L5級完全自主駕駛車輛、是否擁有駕駛執(zhí)照這三個人口統(tǒng)計學變量。分析過程中，在控制好這些統(tǒng)計學變量對模型中六種結構產(chǎn)生影響的前提下，重新檢查了圖4中的結構模型。
結果發(fā)現(xiàn)，這些人口統(tǒng)計學變量與模型中的任意結構都沒有關聯(lián)，它們并沒有影響圖4中的結果。
4.3 調(diào)解分析
假設Trust通過PU、PEU、PS三個因素間接影響接受度。使用Sobel的z測試法理論來檢查Trust對完整模型的間接影響。計算方差占比（VAF）來確定間接影響對全局影響（直接影響+間接影響）的強度。使用經(jīng)驗法則來確定調(diào)解效應：VAF> 80％，完全調(diào)解；VAF <=80％，部分調(diào)解； VAF <20％，無調(diào)解。
如表6顯示，調(diào)解因子PU、PEU和PS對Trust→BI的關系是有意義的（ps <.01）。它們的VAF值介于39％至70％之間，超過了20％的閾值水平，表明它們對Trust→BI關系具有部分調(diào)解作用。同樣地，在trust→WTR關系中PU和PS也是有意義的調(diào)解因子（ps <.001和VAF> 20％）。與其他調(diào)解因子相比，PU對信任的間接影響更大。Trust的間接影響高于對兩種接受措施的直接影響（見表6）。
表6 Trust的直接和間接影響
4.4 預測分析
評估預測性能對理論的構建和驗證來說是很有用的。通過以下步驟檢查圖1中研究模型的預測能力:（1）將樣品隨機分成訓練樣本（n = 200）和保持樣本（n = 100）；（2）對訓練樣本進行PLS分析，估算權重和路徑系數(shù);（3）對保留樣本中的每個觀察量進行標準化;（4）通過使用從訓練樣本獲得的權重，估計舊樣本的觀察得分作為各個觀察的線性組合;（5）標準化觀察得分;（6）將內(nèi)生結構的得分預測為預測因子的觀察得分和從訓練樣本獲得的路徑系數(shù)的線性組合;（7）使用三個標準來確定PLS模型的表現(xiàn)。第一個標準要求預測和觀察得分之間的相關性（R）是顯著的（Ali等，2016）。第二個標準要求保持樣本和訓練樣本的R2值相似（Cepeda Carrion等，2016）。第三個標準要求Theil的預測質(zhì)量度量（U2）值低于1，否則預測模型將被認為不比無變化的模型好。
樣品外預測運行五次，結果顯示在表7中。來自保留樣品的所有R2值都是顯著的（ps<.001），與訓練樣品得到的R2值相似。所有U2值都小于1。因此，結果證實了所提出模型的預測性能。模型對BI的預測能力優(yōu)于對WTR的預測能力。（參見BI較高R2值和較低U2值）。
表7 樣本外預測結果
5 結論
大規(guī)模采用AVs的最大障礙可能是心理上的，而不是技術上的。了解哪些因素以及它們?nèi)绾斡绊懭藗儗V的接受度和使用至關重要。嚴重依賴對擁有很少有或沒有AV體驗實驗者的在線或紙質(zhì)調(diào)查數(shù)據(jù)來評估公眾接受度已經(jīng)受到質(zhì)疑。本實地研究有助于理解直接體驗對AV接受度的影響，影響接受度的決定因素以及這些因素的關聯(lián)，并找出哪些決定因素可以解釋和預測AV接受度。本現(xiàn)場實驗邀請了在可預見將來將是AV早期使用者的300名學生，體驗自動駕駛中的九個復雜場景。他們對AV的直接體驗被發(fā)現(xiàn)增加了他們對L5級自動駕駛車輛SDV相關的Trust和兩種認知信念（感知有用性和感知易用性），并且特別地發(fā)現(xiàn)這兩種認知信念更能預測使用SDV的行為意圖。感知有用性、信任度和感知安全性是參與者使用SDV的行為意向和愿意重新乘坐AV的積極預測因素。信任度對AV接受產(chǎn)生了直接影響，也產(chǎn)生了間接影響。目前的研究結果為設計和推廣提供了有用的見解AVS標準。
結論1：直接體驗能增強人們對AV的Trust、PU、PEU；
結論2：Trust、PU、PS均與BI、WTR呈正相關，即直接影響B(tài)I、WTR；Ps1：Trust不僅直接影響B(tài)I、WTR，而且能通過其他因素間接影響B(tài)I、WTR；Ps2：PEU只能在體驗后預測BI，與WTR無相關性；
結論3：本文提出的模型具有對AV接受度的預測能力。
 
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25