考虑年龄异质性的自动驾驶接受度建模与分析

陈月霞, 查奇芬, 景 鹏, 陈 锋

(1. 江苏大学 汽车与交通工程学院， 江苏 镇江 212013； 2. 江苏大学 财经学院， 江苏 镇江 212013)

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].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LIU P.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(technology acceptance model，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(theory of planned behavior，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(structural equation modeling, 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(perceived usefulness,PU)的共同影响.其中，受到感知易用性(perceived ease of use,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(subjective norm,SN)和感知行为控制(perceived behavioral control,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，如图1所示.根据构建的理论框架，提出如下假设.

图1 自动驾驶技术接受扩展理论框架

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.

感知行为控制是指公众认为自己关于自动驾驶汽车使用能力和机会的感知，在计划行为理论中，其对行为意向有显著影响.自动驾驶汽车获取难易程度的感知与该技术的实用性和功能性有关[11].因此，假设：H9为公众对自动驾驶技术的感知行为控制与其行为意向呈显著相关；H10为公众对自动驾驶技术的感知行为控制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Liker 5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如表1所示.

表1 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(composite reliability,CR)、平均方差提取值(average variance extracted,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，结果如表2所示，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.

表2 变量检验

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.

表3 不同年龄心理变量比较分析

从表3可以看出：不同年龄群体对于自动驾驶技术接受的感知行为控制方面并没有显著差异，可能由于这种新技术并没有实际应用，对于使用的难易程度感知相差不大.除了感知行为控制外，其他变量在3个年龄群组中存在一定的显著差异；45～60岁的群体态度均值为4.042，显著高于18～22岁群体3.788，显得更为友好；23～44岁主观规范均值为3.604，显著高于45～60岁群体3.258，其感受的周围人群的态度更为支持使用自动驾驶汽车；23～44岁和45～60岁的感知有用性均值分别为3.995和4.068，均显著高于18～22岁群体均值，说明年龄较大的群体更为认可自动驾驶技术的有用性，可能是因为年龄较大群体的驾驶经验更为丰富，更能切身体会新技术的优越性；23～44岁感知易用性均值为3.984，显著高于18～22岁群体3.778，表现出自身对自动驾驶技术更强的掌控能力；45～60岁的群体行为意向均值为3.925，显著高于18～22岁群体3.725，更倾向于使用自动驾驶汽车.

整体而言，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.

4 自动驾驶技术接受度模型分析

4.1 模型建立

在图1理论模型的基础上，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模型如图2a所示，图中橙色箭头线为图1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(见表2)，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，结果如图2b-d所示，图中箭头线上数值为标准路径系数，方块中数值为标准截距.

图2 自动驾驶技术接受优化模型

运用Stata软件分别通过卡方自由度比χ2/df、比较拟合指数(comparative fit index，CFI)、Tucker-Lewis指数(Tucker-Lewis index,TLI)、近似误差均方根(root mean square error of approximation,RMSEA)进行18～22岁、23～44岁和45～60岁的模型拟合优度检验，运行结果如表4所示，3个年龄段人群优化后的模型拟合优度明显优于原始理论模型，χ2/df、CFI、TLI和RMSEA均在可接受范围内，表明优化后模型的拟合度良好，该模型对不同年龄段群组可接受.

表4 SEM模型拟合指标

4.2 结果分析

将图2b-d中所建的不同年龄群组对自动驾驶技术接受度影响因素模型的验证结果进行整理，结果如表5所示.

表5 模型假设分析表

从表5可以看出：18～22岁群体模型中除了态度→意向、感知有用性→意向、主观规范→意向、感知行为控制→意向外，其他路径均存在显著影响，其中只有感知易用性对行为意向存在显著影响，说明这个年龄群体对于技术的易用性最为关注；23～44岁群体模型中除态度→意向、感知易用性→态度、主观规范→意向、主观规范→感知有用性、感知行为控制→意向外，其他路径均显著，感知有用性、感知易用性都对行为意向存在显著影响，说明这个年龄群体对新技术的考虑更为全面、理性；45～60岁群体模型中除态度→意向、感知有用性→意向、感知有用性→态度、感知易用性→态度、主观规范→意向、感知行为控制→意向、感知行为控制→感知有用性外，其他路径均显著，感知易用性对行为意向存在显著影响，说明这个年龄群体更为关注技术的易用程度.

各个年龄群组在态度→意向、主观规范→意向、感知行为控制→意向路径上的表现一致，都没有显著作用，这可能与新技术应用的不确定性相关.同时，在感知易用性→意向、感知易用性→感知有用性2条路径上均表现出正向显著性影响，说明各个年龄群组都非常关注技术的易用性，其易用程度能够加深技术有用性的认知.三者在其他路径上存在影响差异，如感知有用性的影响作用在23～44岁群体表现最为明显，感知有用性同时对态度和行为意向产生显著性正向影响，而其他群组中感知有用性对行为意向的影响均不显著，对于态度的影响作用也只在18～22岁群体中表现出显著性，45～60岁群体并不显著.此外，18～22岁和45～60岁群体都对感知易用性更为关注，能够正向显著影响其对自动驾驶技术的态度，而23～44岁群体则不然，其感知易用性甚至对态度产生负向影响，这可能是这个年度段群体大多具有丰富的驾驶经验，对掌握新技术有信心，但习惯于当前驾驶行为的便利性和乐趣，对于新兴的驾驶技术有一定的抵触或质疑.在主观规范→感知有用性路径上，18～22岁和45～60岁群体表现一致，均存在显著影响，而23～44岁群体影响并不显著.而在感知行为控制→感知有用性上，18～22岁和23～44岁群体表现一致，均存在显著影响，而45～60岁群体影响并不显著.

这些影响路径的影响差异性最终导致各年龄群组自动驾驶技术行为意向的影响路径的不同.18～22岁群体的态度和感知有用性并不是决定意向的关键因素，这也说明虽然其对技术的使用难度感知能够增加感知有用性，但最终并不能影响其对自动驾驶技术的行为意向，感知易用性(0.710,P<0.001)才是行为意向的主要决策因素.在23～44岁群体中，感知有用性和感知易用性是影响行为意向的关键因素，且感知有用性受到感知易用性和感知行为控制的共同影响，对态度和行为意向产生显著影响，行为意向的决策路径较为复杂，2个关键影响因素中感知有用性(0.426,P<0.010)作用更为显著.45～60岁群体中感知易用性是最为重要的决策因素，其对行为意向、态度以及感知有用性都存在显著影响.相比18～22岁，45～60岁群体对行为意向的作用效果(0.740,P<0.001)更为显著，这可能是因为相对于18～22岁群体，45～60岁群体习惯于驾驶，更渴望在进入老年化后通过新技术实现继续自驾出行，从而尤为关注自动驾驶技术的易用性.

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.