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

齐 航，夏嘉祺，王光超，贾 宁，贺正冰

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

齐 航1，夏嘉祺1，王光超2，贾 宁3，贺正冰4

（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 1 00024）

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。

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

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[1]。自动驾驶网约车可以被视为是两种概念—— 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）[2]或出租车出行服务（Autonomous Taxi-based Services）[3]。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。

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Axhausen[4]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）①在此基础上，Gkartzonikas等[5]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。。其中，出行者心理变量涉及个人主观感受，往往难以直接观测，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[6]，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 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）[9]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[9]。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[6]。

Xu等[10]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[11]基于TAM模型构建包含绿色感知有用性、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[13]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[14]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[15]，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[16]、共享汽车[17, 18]、共享单车[19]、自动驾驶车辆[13-15]等。

图1 技术接受模型框架图示

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[20]。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[21]。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[22, 23]。余孝军等[22, 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群体，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[24]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-AP3。

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。第一，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）会对使用意向起直接正向作用，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

续表1

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[23, 25]。本文的测量模型和结构模型分别表达如下：

测量模型：

式中，为4个外生潜变量测量值构成的向量；为19个内生潜变量测量值构成的向量；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；与为与对和的因子载荷矩阵；和分别为的4个测量误差和的19个测量误差所构成的向量。

结构模型：

式中，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；为7个内生潜变量对1个外生潜变量的系数矩阵；代表的是模型中的外生潜变量；是模型的误差向量。

2 问卷调查与检验

2.1 问卷设计与实施

本研究问卷包括三部分。第一部分主要调查出行者对网约车平台的使用经历，如在过去一个月的网约车出行次数、时间和距离等，测量网约车出行习惯、网约车平台可靠性、网约车出行社会影响三类潜变量。第二部分调查未来自动驾驶网约车使用意向，测量感知有用性、感知易用性、感知信任、利他性偏好和使用意向五类潜变量。为帮助被调查者更好地了解自动驾驶网约车的定义、特征、对改善交通的优势等，问卷利用图片和概念解释等进行介绍，并提供一段试乘自动驾驶网约车的短视频。第三部分主要收集人口统计学特征，如年龄、性别、职业、月收入、受教育程度、私家车拥有量、驾龄及手机安装网约车APP数量等信息。

本研究以有过搭乘网约车经验的成年人为调研对象，采用匿名自填式网络问卷进行。预调查问卷的结果显示了良好的效度和信度。正式问卷于2020年10月1日至9日间通过问卷星平台、微信转发及网页搜索等多种网络途径完成分发和回收。本次调查共回收412份完整问卷，排除作答时间过短、绝大部分选项答案相同、逻辑错误（问卷中部分题项采用了反向设计）等无效问卷后，得到有效问卷共367份，每份有效问卷奖励3～10元不等的现金红包。调查样本的描述性统计如表2所示。本调查的受访者包含了不同人口统计学特征的、来自不同城市和地区的城市居民，样本在整体上具有较好的代表性。

表2 样本描述性统计

2.2 信度和效度检验

相关性分析表明，7个潜变量之间均不存在强正相关关系（相关系数小于0.8），即变量间不存在多重共线性。结合Cronbach’s Alpha和KMO（Kaiser-Meyer-Olkin）样本测度、因子载荷的指标对回收的样本数据进行信度和效度分析，结果如表3所示。各潜变量的测量问题项的平均值均大于量表中位数3，表明所调查的样本群体对于网约车出行方式、自动驾驶车辆的认可度均是较为积极的。除了“自动驾驶车辆感知信任”之外，各潜变量的Cronbach’s Alpha均通过了信度检验（信度值大于0.6），说明问卷数据质量普遍较高。表3中因子载荷均大于0.7，KMO均大于0.6，问卷效度较为理想。

表3 潜变量的均值、标准差及信度与效度检验结果

注：*感知信任的测量题项是反向设计的，本表格中的均值是数据编码处理后的结果，分值越高代表感知信任程度越高。该潜变量未通过效度检验，因而未纳入结构方程模型分析。

3 影响因素及机理分析

3.1 结构方程模型参数拟合结果

利用SPSS AMOS 24.0软件对模型进行参数标定，得到了最优拟合的结构模型，模型大部分拟合指数均满足适配良好的标准。在三种绝对拟合度检验指标中，卡方自由度比值（χ2/）为2.680，介于临界值1.0与3.0之间，表明模型适配度良好且未出现过度适配现象；近似误差均方根RMSEA值为0.068，小于0.08；标准化残差均方根指标SRMR值为0.065，小于临界值0.01。模型的两种增值拟合检验指标CFI值为0.913，IFI值为0.914，大于临界值0.90，均达到模型适配标准。综上，本文所假设的因果模型具有较好的适配质量，可以被接受。

图2展示了最优拟合的结构模型中，各变量之间的标准化系数（各变量之间的直接效应大小）。所有因果关系的回归系数均显著，且绝大部分极为显著（<0.001），模型2=0.594。由此可知，所有假设均得到了验证，引入心理潜变量后的TAM改进模型能够较好地解释调查数据中的行为模式（意向总方差2为59.4%）。

图2 自动驾驶网约车使用意向结构模型拟合结果

注：*为<0.05，**为<0.01，***为<0.001.

3.2 自动驾驶网约车使用意向的路径分析

本文采用偏差校正的Bootstrap方法，检验各潜变量与自动驾驶网约车使用意向（BIU）之间的中介效应。从原始数据（=367）中抽取3 000个Bootstrap样本进行间接效应估计，得到各潜变量对自动驾驶网约车使用意向的间接作用路径：① 网约车出行习惯、网约车出行社会影响和自动驾驶车辆感知有用性三个潜变量均完全中介网约车平台感知可靠性对BIU的影响；② 自动驾驶车辆感知易用性对BIU的影响被自动驾驶车辆感知有用性完全中介；③ 网约车出行习惯对BIU的影响被自动驾驶车辆感知有用性部分中介（中介效应占比49.7%）；④ 网约车出行的社会影响对BIU的影响被利他性偏好和自动驾驶车辆感知有用性两个潜变量部分中介（中介效应占比分别是17.6%和51.0%）。

根据上述结果可以得出如下启示：① 出行者关于网约车平台可靠性的感知，不会直接影响自动驾驶网约车的使用意向，而是通过影响其网约车出行习惯的形成、对他人对网约车出行的态度的判断以及对自动驾驶车辆有用性水平的感知，从而间接影响使用意向。② 在TAM模型的解释变量中，自动驾驶车辆感知有用性是影响自动驾驶网约车使用意向的最主要且直接的因素，自动驾驶车辆感知易用性通过自动驾驶车辆感知有用性间接影响使用意向；③ 网约车出行习惯既会直接影响未来使用自动驾驶网约车的意向，也会通过影响自动驾驶车辆感知有用性间接影响使用意向；④ 网约车出行社会影响既会直接影响使用意向，又会通过利他性偏好和自动驾驶车辆感知有用性间接影响使用意向。

表4显示了各潜变量对自动驾驶网约车使用意向的直接效应（标准化路径系数）、间接效应（经中介变量的标准化路径系数之积）以及总效应（直接与间接效应之和）。各潜变量对自动驾驶网约车使用意向的影响可以总结为以下几个方面：①在总效应中，影响程度为自动驾驶车辆感知有用性（0.591）、网约车出行社会影响（0.383）、网约车平台感知可靠性（0.364）、自动驾驶车辆感知易用性（0.322）、网约车出行习惯（0.290）、出行者利他性偏好（0.243）依次递减；②在直接影响中，影响程度为自动驾驶车辆感知有用性（0.591）和利他性偏好（0.243）依次递减；③在间接影响中，影响程度为网约车平台感知可靠性（0.415）、自动驾驶车辆感知易用性（0.320）、网约车出行社会影响（0.260）和网约车出行习惯（0.144）依次递减。

表4 各潜变量对自动驾驶网约车使用意向的影响效应

3.3 不同人口统计学特征样本的差异分析

交叉（卡方）分析的结果显示，不同驾龄、不同私家车拥有量及手机中安装不同网约车APP数量的样本对于所有潜变量均没有表现出显著性差异（>0.05）。不同性别、年龄等特征对自动驾驶网约车使用意向均表现出一致性，然而受教育程度较低的出行者（本科及以下），对现有网约车平台可靠性的认可度更高（χ2=74.680,=0.021*），对自动驾驶网约车使用意向也更为积极（χ2=65.008,=0.021*）。同时，相比于女性，男性对自动驾驶车辆的感知易用性水平更高（χ2=17.396,=0.026*）。相比于18～25岁或50岁以上群体，中青年群体表现出的网约车出行习惯更加强烈（χ2=84.213,=0.000**）；月收入水平越高，对网约车出行的习惯或依赖程度也越高（χ2=71.815,=0.005**）。

4 结束语

本文在技术接受模型的基础上，引入网约车平台感知可靠性、网约车出行习惯、网约车出行社会影响以及出行者利他性偏好四类心理潜变量后，结构方程模型能够有效解释自动驾驶网约车使用意向的形成机理。主要结论如下：

（1）各潜变量对自动驾驶网约车使用意向的影响程度递减依次为：自动驾驶车辆感知有用性（0.591）、网约车出行社会影响（0.383）、网约车平台感知可靠性（0.364）、自动驾驶车辆感知易用性（0.322）、网约车出行习惯（0.290）、出行者利他性偏好（0.243）。

（2）自动驾驶车辆的感知有用性、出行者利他性偏好、网约车出行习惯是影响自动驾驶网约车的最为直接的三种因素，对应的正向影响作用依次减弱。

（3）网约车感知可靠性、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（2）中的三种潜变量完全中介或部分中介。

上述使用意向形成机理的发现对推动公众接受自动驾驶网约车新兴出行方式具有以下启示：①通过试乘体验等手段，促进人们对自动驾驶车辆的有用性和易用性形成正确认知；②通过改善网约车平台可靠性，培养和提升居民对网约车的使用习惯；③通过宣传自动驾驶网约车对改善交通拥堵、扩大社会福利的正向作用，激发人们产生利他意识，进而促进自动驾驶网约车接受度。

由于问卷完全采用线上发放的方式，受访者年龄呈现“年轻化”的特点，主要集中在26～40岁，50岁以上群体占比最小（10.35%）②景鹏等[26]专门调研了60岁以上老年人群体的自动驾驶接受度，与本文结论可互为补充。，未来研究可以考虑采用分层抽样方法获取更为广泛的数据以验证结论的外部有效性。本调研中公众对自动驾驶车辆的“感知信任”未通过信度检验而未纳入结构方程模型分析，未来需要更多实证研究对结论进行验证和扩充。未来研究还可以进一步将出行者习惯、利他性偏好等心理因素整合到离散选择模型中[15]，建立自动驾驶网约车背景下的出行方式选择模型。

[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] 陈坚, 甘蜜. 城市交通出行行为中的潜变量研究综述[J]. 交通运输系统工程与信息, 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, 胡启洲, 雷爱国, 等. 基于计划行为理论的驾驶员未礼让行为研究[J]. 交通运输工程与信息学报, 2020, 18 (4): 110-119.

[9] 唐立, 卿三东, 徐志刚, 等. 自动驾驶公众接受度研究综述[J]. 交通运输工程学报, 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] 黄位. 基于计划行为理论与技术接受模型的自动驾驶汽车接受度研究[D]. 镇江: 江苏大学, 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] 曹宝龙.学习与迁移[M].杭州: 浙江大学出版社, 2009.

[16] 尹洁林, 张子芊, 廖赣丽, 等. 基于技术接受模型和感知风险理论的消费者新能源汽车购买意愿研究[J]. 预测, 2019, 38 (6): 83-89.

[17] 袁霞, 王爱民. 基于TAM的共享汽车使用意愿影响因素研究[J]. 武汉理工大学学报: 信息与管理工程版, 2018, 40 (4): 434-438.

[18] 鞠鹏, 周晶, 徐红利, 等. 基于混合选择模型的汽车共享选择行为研究[J]. 交通运输系统工程与信息, 2017, 17 (2): 7-13.

[19] 季彦婕, 谢晓乐, 马新卫, 等. 共享单车影响下小汽车出行方式转移机理研究[J]. 交通运输系统工程与信息, 2019, 19 (3): 188-194.

[20] 黄少安, 韦倩.利他经济学研究述评[J].经济学动态, 2008, (4): 98-101.

[21] 连燕玲, 郑伟伟, 高岑岑, 等.后代影响了CEO的利他性偏好吗?——基于女性社会化视角的分析[J].外国经济与管理, 2020, 42 (10): 17-32.

[22] 余孝军, 张文专. 自私-利他用户混合均衡交通分配的效率损失[J]. 交通运输系统工程与信息, 2014, 14 (1): 59-64.

[23] 余孝军, 毛君竹. 收费机制下利己-利他混合交通均衡分配的效率损失[J]: 数学的实践与认识, 2020, 50 (16), 82-89.

[24] 陈坚, 张弛, 庹永恒, 等. 考虑环保意识和出行习惯的公交出行选择行为模型[J]. 交通运输系统工程与信息, 2020, 20 (4): 128-135.

[25] 李军, 贾顺平, 钱剑培, 等. 习惯影响下城际出行方式选择意向形成机理[J]. 交通运输系统工程与信息, 2018, 18 (2): 7-12, 39.

[26] 景鹏, 王伟, 吴麟麟.老年人对自动驾驶汽车接受度研究[J/OL].中国公路学报: 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

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）

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：qihang@hbue.edu.cn

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：gc.wang@mail.ccnu.edu.cn

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[J]. 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.

（责任编辑：刘娉婷）