自動駕駛技術(shù)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現(xiàn)場實證研究卻鮮有開展。本研究招募了 300 名參試者乘坐具備 SAE Level 3 水平的自動駕駛汽車，測量了參試者在乘坐前后對自動駕駛技術(shù)的信任度、感知有用性、感知易用性、感知安全性和接受度，確定了乘坐體驗影響自動駕駛汽車接受的關(guān)鍵心理因素。

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(guān)（Dhillon，2007）。自動駕駛技術(shù)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(shù)被認為是確保道路安全的突破性關(guān)鍵技術(shù)。AVs 還有減少交通擁堵、增強通勤效率、減少燃料消耗的潛力。根據(jù) SAE 對汽車自動化水平的分類，有條件自動化 L3、高度自動化 L4、全自動化 L5 的 AVs 都能夠自主駕駛。

自動駕駛技術(shù)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(guān)注。許多的研究者和機構(gòu)對 AVs 的長期應用做出了不同的預測。關(guān)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，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(shù)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(guān)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(shù)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(shù)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(lǐng)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(guān)注于了解對 AV 有很少或幾乎沒有真實體驗的受訪者的一般觀點。像這樣的一種調(diào)查研究方法可能得不到真實的研究結(jié)果。這些受訪者不了解 AV 如何共工作、AV 功能、駕駛員與 AV 的交互方式。必須通過現(xiàn)場實驗，讓參試者真實體驗 AV，然后根據(jù)他們的感受來解釋公眾對 AV 的接受度。就作者了解到的情況，目前在 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(jié)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(shù)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(shù)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(guān)注于接受度的一個方面。

一些駕駛員行為模型和技術(shù)接受度理論被用來解釋用戶接受度，包括技術(shù)接受度模型 TAM，計劃行為理論 TPB，技術(shù)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(shù)接受度發(fā)展起來的。這些模型里包含三類結(jié)構(gòu)，分別是人們對一種技術(shù)的看法和感知，使用這項技術(shù)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(guān)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(shù)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(shù)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(jié)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(guān)的不同研究結(jié)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(jié)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(guān)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(guān)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(guān)性。此外，如上所述，現(xiàn)有的 AV 研究報告關(guān)于感知易用性對行為意向的重要性有不同的結(jié)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(shù)調(diào)查上；第二，TAM 模型在解釋駕駛員對新興車載技術(shù)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(shù)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(shù)，人們對 AV 的安全性感知和技術(shù)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(guān)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(shù)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(shù)接受度之間的積極聯(lián)系（Davis，1989；Ghazizadeh，2012；KingandHe，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(guān)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(shù)、應用和系統(tǒng)被驗證了，因此 AV 接受度也應該遵循這些關(guān)系。然而，正如第一部分所說，TAM 模型中的 PU、PEU 兩個結(jié)構(gòu)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(guān)；

H3、H4：感知易用性與行為意向和再乘坐意愿呈正相關(guān)。

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(quán)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(jié)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(guān)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(shù)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(guān)。

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(guān)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(shù)接受模型上來解釋自動化技術(shù)的接受情況，并且指出對自動化技術(shù)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(shù)的信任可能會產(chǎn)生接受和使用該技術(shù)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(guān)。

信任度可能會影響與技術(shù)相關(guān)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(shù)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(shù)可靠性的人更有可能克服他們對這項技術(shù)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(guān)。

基于上述理論假設，提出如圖 1 所示的自動駕駛車輛技術(shù)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(guān)。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(shù)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?cè)蝿詹⒈O(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(quán)。信達AV能夠?qū)崿F(xiàn)五種類型的功能：

感知和定位；

全局路徑規(guī)劃；

行為推理；

軌跡規(guī)劃；

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「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(gòu)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

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(jié)構(gòu)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(guān)。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(jié)構(gòu)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(jié)果分析

4.1測量模型

基于偏最小二乘法（partialleast squares，PLS）的結(jié)構(gòu)方程建模（the structural equationmodeling，SEM）技術(shù)（PLS-SEM）被用來測試測量模型和結(jié)構(gòu)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：

所有項目的因子載荷都高于 0.70，證實了指標的可靠性。

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。

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。

每個 AVE 的平方根（在表 4 中的對角線上示出）大于相關(guān)結(jié)構(gòu)間的相關(guān)性，證實了判別有效性。

結(jié)構(gòu)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(guān)性

對參與者 AV 體驗前后測量到的四種結(jié)構(gòu)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(jié)構(gòu)（Trust，PU，PEU 和 BI）之間的相關(guān)性（見表 4）。

使用費希爾變換來評估相關(guān)變化的顯著性，主要將相關(guān)系數(shù)檢驗中的相關(guān)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(guān)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(guān)性沒有變化。六個相關(guān)性中有四個顯著或略微增加，表明 AV 體驗增加了相關(guān)結(jié)構(gòu)之間的一致性。

4.2結(jié)構(gòu)模型

本節(jié)首先在結(jié)構(gòu)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(jié)構(gòu)模型，確定了影響 BI 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(guān)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(jié)構(gòu)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(jié)構(gòu)模型。如圖 4 所示，結(jié)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(jié)構(gòu)模型

對于完整的結(jié)構(gòu)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(guān)。Liu 等（2018）表示在設計和應用新型交通技術(shù)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(jié)構(gòu)產(chǎn)生影響的前提下，重新檢查了圖 4 中的結(jié)構(gòu)模型。

4.3中介效應分析

假設 Trust 通過 PU、PEU、PS 三個因素間接影響接受度。使用 Sobel 的 z 方法理論來檢查 Trust 對對接受度的間接效應。計算方差占比（VAF）來確定間接效應對全局效應（直接效應+間接效應）的強度。使用經(jīng)驗法則來確定中介效應（即間接效應）：VAF> 80％，完全中介；VAF <=80％，部分中介；VAF <20％，無中介。

如表 6 顯示，PU、PEU 和 PS 對 Trust→BI 的起到顯著的中介作用（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(guān)系具有部分中介作用。同樣地，在 trust→WTR 關(guān)系中 PU 和 PS 也是顯著的中介變量（ps <.001 和 VAF> 20％）。與其他中介變量相比，PU 對信任的間接效應的影響更大。Trust 的間接效應高于對兩種接受度的直接效應（見表 6）。

表 6 Trust 的直接和間接效應

5.結(jié)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(shù)上的。了解哪些因素以及它們?nèi)绾斡绊懭藗儗?AV 的接受度和使用至關(guān)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(guān)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(guān)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(jié)果為設計和推廣提供了有用的見解 AVS 標準。

結(jié)論 1：直接體驗能增強人們對 AV 的 Trust、PU、PEU；

結(jié)論 2：Trust、PU、PS 均與 BI、WTR 呈正相關(guān)，即直接影響 BI、WTR；

Ps1：Trust 不僅直接影響 BI、WTR，而且能通過其他因素間接影響 BI、WTR；

Ps2：PEU 只能在體驗后預測 BI，與 WTR 無相關(guān)性；

結(jié)論 3：本文提出的模型具有對 AV 接受度的預測能力。