基于混合Logit模型的共享自动驾驶 汽车选择偏好分析
来源:用户上传
作者:任海林
摘要：为了探索用户态度对选择共享自动驾驶汽车（shared autonomous vehicles，SAV）的影响，实施了一项选择偏好调查，获取用户个人特征、对SAV的态度变量及偏好选择；应用多指标多因素模型（multiple indicators and multiple causes model，MIMIC）进行验证性因子分析，进而适配态度变量；引入混合Logit模型构建用户选择SAV的意愿模型，分析偏好选择结果，探索用户特征及态度变量对SAV的影响。结果表明，感知风险（12.75%）和服务质量（9.85%）对SAV的使用意愿影最大，其余态度变量的影响依次为行为意图、社会影响、感知有用性、感知易用性，弹性值分别为8.17%、7.93%、5.65%、4.46%。因此，未来重点提升SAV的安全性及服务质量是推动SAV发展的重要措施。
关键词：共享自动驾驶；态度变量；多指标多因素模型；混合Logit模型
中图分类号：U491.1文献标志码：A共享自动驾驶汽车（shared autonomous vehicles， SAV）结合了自动驾驶汽车及共享汽车的特点，在解决城市交通安全、提高运输效率、减少机动车保有量等方面具有显著优势。研究表明，90%以上的交通事故是人为操作失误而导致。SAV处于高级阶段时，车辆将无需驾驶员参与，通过导航系统及驾驶辅助系统完全自动化地输送乘客，从而提高安全性。同时，SAV提供的“点对点”出行服务，即用户出行直接从起点到终点，到达目的地后车辆自动离开，服务下一乘客，整个出行不必担心停车、步行等问题，进而提高出行效率。另外，由于SAV具有共享特性的优势，可大幅度降低私家车保有量，有助于缓解交通拥堵［1-2］。
早期对于SAV的研究主要集中于用户特征对SAV使用意愿。Bansal等［3-6］发现，经历过交通事故的用户更倾向于选择SAV。Krueger等［7-8］研究发现，没有驾驶执照的消费者、受教育程度较高、技术熟练的人和年轻人更愿意为使用SAV支付更多费用。霍月英等［9-13］研究表明，个人属性、通勤特征、经济属性等特征会影响用户对SAV的使用意愿。
然而，态度变量也会影响公众对SAV的使用意愿。霍月英等［9］发现，公众对SAV的技术兴趣是影响其发展的关键态度因素。Herrenkind等［14］得出结论，公众使用自动驾驶的意愿受到4个方面的影响，即生活选择、主观幸福感、旅行质量和生活领域。Lee等［15-16］发现，自我效能、相对优势和心理所有权、感知价值、信任因素也会影响公众对自动驾驶的态度。因此，调查公众对采用SAV的态度的影响具有重要意义。研究公众态度对SAV使用意愿的影响至关重要。
本研究选择SP（stated preference，意向）调查获取用户对SAV的态度和选择偏好，引入感知风险、服务质量、社会影响因素对TAM（technology acceptance model，技术接受模型）进行扩展，结合多指标多因素模型（multiple indicators and multiple causes model， MIMIC模型）和混合Logit模型适配潜变量，然后将潜变量作为自变量，代入混合Logit模型，构建用户对SAV的意愿模型。研究结果为SAV的发展提出针对性的措施，为相关部门引导和推广SAV提供建议。
1研究模型选择
1.1技术接受模型
技术接受模型［17］基于用户心理特征，将社会心理学中的理性行为理论与政策、措施相结合，预测用户对新技术的接受程度。TAM包括两个基础变量：感知有用性和感知易用性。感知有用性被认为是用户对使用新技术提升工作效用的程度。感知易用性主要指用户使用新技术的难易程度。相关研究结果表明，用户对新技术的感知有用性和感知易用性越高，则对新技术态度越好，越容易接受和推广新技术。因此，TAM模型适用于探索用户对使用SAV的影响。
对于SAV而言，安全性是非常重要的因素，因而部分文献将感知风险引入TAM模型进行研究，增强模型解释力［18］。同时，SAV作为一种共享出行方式，其社会服务能力至关重要；另外，SAV实施后对社会的影响也是需要考虑的因素［2］。基于此，引入感知风险、服务质量、社会影响3个因素，探析公众态度变量对SAV使用意愿的影响。TAM框架见图1。
1.2混合Logit模型
2数据调查
为了研究用户态度对SAV使用意愿的影响，设计了一项选择偏好试验。本次调查地点选择郑州，调查时间为2021年5月17日至5月21日（周内），随机选择调查用户。本次调查涉及用户社会经济特征、对SAV的态度及选择偏好。由于态度变量无法直接获取，需要通过观测指标进行评估，使用李克特七级量表量化用户对SAV的态度，从1～7分别表示“非常不满意”至“非常满意”。调查样本包括764人，去除部分不完整或明显错误信息后，有效问卷为624份（有效率为81.68%）。潜变量及观测变量见表1。
1）用户基础信息调查
表2给出了调查问卷的用户基础信息分布比例，调查样本男女较为均匀；年龄主要集中青壮年；收入集中于5 001～9 000元/月，占比为44.9%；48.8%的受访者学历在高中及以下；88.3%的受访者是共享汽车用户。
2）数据可靠性验证
调研获取的数据可能存在偏差，因此，在数据分析前需对数据进行验证性因子分析，判别问卷效果［19-20］。结合SPSS软件分析问卷可靠性及稳定性，分析结果见表3。
3结果分析
3.1MIMIC模型结果
由于潜变量具有不可观测性，因此应用AMOS软件对态度潜变量进行验证性分析。选择RMSEA、TFI、χ2/df指标评估MIMIC建模结果［19-20］。AMOS输出结果见图3。
nlc202211161111
AMOS出结果：RMSEA的值为0.034，低于0.08，TFI的值为0.924，超过0.9，χ2/df的值为1.54，小于3.0。AMOS结果表明，数据拟合效果较好，模型可以接受。各潜变量的观测变量因子载荷超过0.5，验证性因子分析符合要求，表明各潜变量的观测变量选择合理。
3.2混合Logit模型
基于调查获得的624份有效数据，将用户社会经济特征及MIMIC模型适配的潜变量代入MLM模型，借助Stata软件，利用最小偏二乘法进行回归分析，得到用户对SAV的选择结果模型，MLM［20］拟合结果见表4。
如表4所示，模型拟合的伪R2值为0.35，伪R2值超过0.2，表示模型拟合效果较好，表明MLM具有较好的效果。
社会经济特征变量中，用户性别对SAV的选择具有显著负相关，这表明女性可能不愿意选择SAV，考虑到女性对于新生事物的接受能力不如男性，结果符合逻辑。受访者年龄、教育水平、收入、家庭拥有小孩、共享汽车用户、家庭拥有私家车对模型有正的影响关系，受访者拥有私家车（0.34）对选择SAV的影响最大。结果表明，年龄越大、教育水平越高、收入越多、家庭拥有小孩、共享汽车用户及私家车用户倾向选择SAV。就年龄而言，老人由于年龄限制，驾驶能力不如年轻人，因此驾车时可能安全性体验较差，SAV不需要手动驾驶，能给老人带来更安全的出行体验，因此，老人倾向于选择SAV；就教育水平和收入而言，教育水平及收入越高的人对于新事物的发展有更强的体验，更愿意去使用SAV；就家庭拥有小孩而言，有小孩的家庭出行更注重出行质量，选择SAV不仅有助于实现出行，而且使用SAV时也可同时与小孩进行互动；就共享汽车用户而言，SAV与共享汽车具有类似的特点，即不需要支付购买费用、维护费用等其他前期成本，安全性更高，因此共享汽车用户更愿意选择SAV；就私家车用户，而SAV既能获得私家车出行便利，不用担心停车问题，因此私家车用户倾向于使用SAV。
对选择的潜变量进行分析，感知风险对选择SAV呈负相关关系，结果表明，用户对SAV的感知风险越大，选择SAV的概率越低。社会影响、服务质量、感知有用性、感知易用性、行为意图等5个因素对选择SAV具有积极正相关关系。结果表明，提高SAV的社会影响、服务质量、感知有用性、感知易用性、行为意图有助于增加用户对SAV的接受。
5结论
为了分析用户态度对SAV的选择行为，引入对SAV至关重要的感知风险、服务质量、社会影响3个因素；应用MIMIC模型进行验证性因子分析，适配潜变量值；最后引入MLM，将用户社会经济特征及潜变量作为自变量，将选择结果作为因变量进行模型拟合。主要有以下成果：
1）基于TAM，引入社会影响、服务质量、感知风险3个因素，对TAM模型进行扩展，提高TAM的解释力，有助于TAM的发展。
2）MIMIC模型分析表明，引入的社会影响、服务质量、感知风险及感知有用性、感知易用性对行为意图均存在显著相关。混合Logit结果表明，性别对于使用SAV负相关，男性更愿意接受SAV；老人、高学历、高收入、家庭拥有小孩、共享汽车用户及私家车用户更愿意接受SAV。所有潜变量对用户选择SAV均存在显著影响。感知风险存在显著负相关影响，其余变量为积极影响。各潜变量影响程度依次为感知风险（-0.41）>服务质量（0.37）>感知易用性（0.33）>行为意图（0.31）>社会影响（0.26）>感知有用性（0.23）。因此，在未来重点提升SAV的安全性及服务质量是推动SAV发展的重要措施。参考文献：
[1]田丽君， 刘会楠， 许岩. 共享自动驾驶汽车经营策略优化分析［J］. 交通运输系统工程与信息， 2020， 20（3）： 6-13.
［2］ 余静财， 李文权， 王顺超， 等. 共享电动汽车选择行为分析［J］. 东南大学学报（自然科学版）， 2021， 51（1）： 153-160.
［3］ BANSAL P， KOCKELMAN K M， SINGH A. Assessing public opinions of and interest in new vehicle technologies： an austin perspective［J］. Transportation Research Part C： Emerging Technologies， 2019， 67： 1-14.
［4］ LILJAMO T， LIIMATAINEN H， PLLNEN M. Attitudes and concerns on automated vehicles［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 59： 24-44.
［5］ MENON N， BARBOUR N， ZHANG Y， et al. Shared autonomous vehicles and their potential impacts on household vehicle ownership： an exploratory empirical assessment［J］. International Journal of Sustainable Transportation， 2019， 13（2）： 1-12.
［6］ WANG S C， JIANG Z Q， NOLAND R B， et al. Attitudes towards privately-owned and shared autonomous vehicles［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2020， 72： 297-306.
nlc202211161111
［7］ KRUEGER R， RASHIDI T H， ROSE J M. Preferences for shared autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2016， 69： 343-355.
［8］ HABOUCHA C J， ISHAQ R， SHIFTAN Y. User preferences regarding autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2017， 78： 37-49.
［9］ 霍月英， 郭晨， 朱援， 等. 共享自蛹菔黄车使用意愿模型及其影响因素［J］. 东北大学学报（自然科学版）， 2021， 42（7）： 1057-1064.
［10］姚荣涵， 梁亚林， 刘锴， 等. 考虑合乘的共享自动驾驶汽车选择行为实证分析［J］. 交通运输系统工程与信息， 2020， 20（1）： 228-233.
［11］胡晓伟， 石腾跃， 于璐， 等. 基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究［J］. 交通运输工程与信息学报， 2021， 19（3）： 1-12.
［12］PETTIGREW S， DANA L M， NORMAN R. Clusters of potential autonomous vehicles users according to propensity to use individual versus shared vehicles［J］. Transport Policy， 2019， 76： 13-20.
［13］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.
［14］HERRENKIND B， NASTJUK I， BRENDEL A B， et al. Young people’s travel behavior―using the life-oriented approach to understand the acceptance of autonomous driving［J］. Transportation Research Part D： Transport and Environment， 2017， 74： 214-233.
［15］LEE J， LEE D， PARK Y， et al. Autonomous vehicles can be shared， but a feeling of ownership is important： examination of the influential factors for intention to use autonomous vehicles［J］. Transportation Research Part C： Emerging Technologies， 2019， 107： 411-422.
［16］YUEN K F， WONG Y D， MA F， et al. The determinants of public acceptance of autonomous vehicles： an innovation diffusion perspective［J］. Journal of Cleaner Production， 2020， 270： 121904.
［17］DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology［J］. MIS Quarterly， 1989， 13（3）： 319-340.
［18］陈君毅， 刘力豪， 周堂瑞， 等. 城市自动驾驶决策系统安全分析与策略设计［J］. 同济大学学报（自然科学版）， 2020， 48（12）： 1810-1817.
［19］NI Z L， WANG X H， ZHOU S Y， et al. Development of competency model for family physicians against the background of ‘internet plus healthcare’ in China： a mixed methods study［J］. Human Resources for Health， 2020， 18（1）： 64.
［20］郑长江， 杨淑茜， 张小丽， 等. 基于多项Logit模型的轨道站点接驳方式选择［J］. 贵州大学学报（自然科学版）， 2018， 35（3）： 120-124.
［21］汪伟伟， 丁祖德， 任志华， 等. 库区碎石土边坡稳定性及其参数敏感性分析［J］. 贵州大学学报（自然科学版）， 2021， 38（1）： 71-78.
［22］梁茜雪. 在役公路桥梁安全评定可靠度研究［J］. 贵州大学学报（自然科学版）， 2021， 38（5）： 81-87.
（责任编辑：曾晶）
Preferences for Shared Autonomous Vehicles
Based on the Mixed Logit Model
REN Hailin
（Henan Transportation Development Research Institute Co.， Ltd.， Zhengzhou 450053， China）Abstract： To examine the effect of attitude on the adoption of shared autonomous vehicles （SAV）， a survey was conducted to obtain customers’ characteristics， attitude variables and preferences. The multiple indicators and multiple causes model （MIMIC） was applied to implement a confirmatory factor analysis and thus to adapt latent variables. The mixed Logit model was also introduced to construct the preference model of SAV. Then a sensitivity analysis was employed to examine the effect of customers’ characteristics and attitude variables on SAV. The results showed that among all the attitude variables， perceived risk （12.75%） and service quality （9.85%） had the greatest impact on the acceptance of SAV， followed by behavioral intention （8.17%）， social impact （7.93%）， perceived usefulness （5.65%） and perceived ease of use （4.46%）. Therefore， we should focus on improving the security and service quality of SAV in the future.
Key words： shared autonomous vehicles; attitude variable; multiple indicators and multiple causes model; mixed Logit model
nlc202211161111
转载注明来源:https://www.xzbu.com/1/view-15442200.htm
