周水水　宋正沄　楊柳

摘 要：為了改善老年人出行，針對中國老年人出行機動性差和可達性低的問題，提出用自動駕駛汽車技術(shù)解決，研究了老年人群體對自動駕駛汽車接受度的潛變量因素。采用結(jié)構(gòu)方程模型，對全國的734份有效問卷調(diào)查樣本分析，構(gòu)建了三個模型進行了分析和對比。本文揭示了構(gòu)建的模型的優(yōu)劣，并分析了影響老年人對自動駕駛汽車接受度的心理潛變量因素，找出了其中的關(guān)鍵影響因素，為自動駕駛汽車在老年人中的普及提供了建議。

關(guān)鍵詞：交通工程 接受度 影響因素 結(jié)構(gòu)方程模型 老年人 自動駕駛汽車

Analysis of factors influenced the elderly to acceptance autonomous vehicles

Zhou Shuishui Song Zhengyun Yang Liu

Abstract：In order to improve the mobility of the elderly， aiming at the poor mobility and low accessibility of the elderly in China， autonomous vehicle technology is proposed to solve the problem， and the latent variable factors of the elderly's acceptance of autonomous vehicles are studied. Using structural equation model， 734 valid questionnaires in China were analyzed， and three models were constructed for analysis and comparison. This paper reveals the advantages and disadvantages of the constructed model， analyzes the psychological latent variable factors that affect the elderly's acceptance of self-driving cars. The key influencing factors are finds out， according to which suggestions for the popularity of self-driving cars among the elderly are put forward.

Key words：traffic engineering; acceptance; influencing factor; SEM; elderly; autonomous vehicles

1 引言

人口老齡化給交通出行帶來了巨大挑戰(zhàn)。老年人日?；顒拥某鲂行袨?，包括休閑、購物、去醫(yī)院和接送小孩上學(xué)[1]。在交通方式選擇上，主要包括步行、公共交通、自行車和小汽車。由于公共汽車服務(wù)水平較低、秩序混亂、適老化改造程度不足以及不能及時提供出行信息等問題，不利于老年人的日常出行活動。而且由于身體機能逐漸下降，反應(yīng)逐漸遲鈍、導(dǎo)致他們不能有效利用私家車。可見，老年人的出行需求和出行障礙的矛盾，影響了老年人的出行需求和出行方式選擇。自動駕駛汽車（autonomous vehicles，AV）具有效率高、機動性強、經(jīng)濟環(huán)保、安全性高、可緩解交通擁堵等優(yōu)點，可以很好的解決老年人在出行中遇到的困難。但由于自動駕駛汽車并未普及，老年人對自動駕駛汽車的態(tài)度未可知。因此，本文考慮模型的潛變量因素，建立三個結(jié)構(gòu)模型，以路徑系數(shù)和解釋行為方差為標(biāo)準(zhǔn)，對比各個模型的解釋力的優(yōu)劣，分析影響老年人對自動駕駛汽車接受度的因素。

2 理論基礎(chǔ)及模型建立

2.1 結(jié)構(gòu)方程模型

SEM是一種多元數(shù)據(jù)統(tǒng)計方法，將兩個或多個模型聯(lián)合起來，以變量的協(xié)方差矩陣為基礎(chǔ)，實現(xiàn)對變量之間關(guān)系的分析，包括因果關(guān)系、區(qū)別直接和間接作用。它一般用３個基本的方程式如下：

式中：η為內(nèi)生潛變量；ξ為外生潛變量；Λx表示Ｘ與ξ之間的關(guān)系，是外生觀測變量在外生潛變量上的因子載荷矩陣；Λy表示Ｙ與η之間的關(guān)系，是內(nèi)生觀測變量在內(nèi)生潛變量上的因子載荷矩陣；Ｘ、Ｙ為測量變量；ε為Ｙ的測量誤差；δ為Ｘ的測量誤差；Γ和β均為路徑系數(shù)，分別表示外生潛變量對內(nèi)生潛變量的影響和內(nèi)生潛變量之間的關(guān)系；ζ為殘差項，反饋方程中沒有解釋的部分。其中，第１個方程是結(jié)構(gòu)模型的表達式，第２，3個方程是測量模型的表達式。在結(jié)構(gòu)方程模型中，比較有代表性的是TAM和TPB模型。

2.2 建立模型

本研究通過考慮了TPB和TAM提出了一個綜合模型（模型1），并進一步探討這兩組變量與老年人對自動駕駛汽車接受度之間的關(guān)系。其概念如圖1。

因此，除了包括考慮感知易用性和感知有用性兩個因子，從交通技術(shù)采用的角度探討老年人對自動駕駛汽車接受意愿外，還考慮了主觀規(guī)范、 態(tài)度和 感知行為控制三個因子，從理性決策方面來分析他們對自動駕駛汽車的接受行為意向。為了驗證建立的聯(lián)合模型的解釋力，本研究將它與TPB（模型2）和TAM（模型3）兩個模型對比分析。

3 問卷設(shè)計與數(shù)據(jù)調(diào)查

3.1 問卷設(shè)計與數(shù)據(jù)統(tǒng)計

本文中用于評估TAM和TPB中的觀測變量來自之前的研究。根據(jù)對文獻的回顧，并結(jié)合老年人情況，設(shè)計了包含所有正在調(diào)查的測量變量的問卷并通過預(yù)測試修正，測量問題來自之前的研究，例如表1是其中一個2個潛變量的觀測變量，并使用5點李克特量表進行評估。

該調(diào)查收到有效問卷734份，其中年齡60-65歲占比46.3%，66～70歲占比31.5%，71～75歲占比16.3%，76歲以上占比5.9%。受訪者55.9%為女性。65.8%受訪者至少具有初中文化程度。11%的受訪者具有相對較高的年收入。65.4%的人具有老年人免費公交卡。家庭有小汽車的占比69.3%。44.6%的老年人具有駕照。有智能手機的占比78.2%。仍然有全職工作的人占比13.2%。由此可見，調(diào)查對象中，近80%老年群體年齡在60～70歲之間，大部分收入中等偏下，超過一半的人具有免費公交卡和家庭有小汽車。

4 結(jié)果分析與討論

4.1 信效度檢驗

信效度檢驗用于保證問卷的準(zhǔn)確性和穩(wěn)定性。信度分析采用克隆巴赫系數(shù)（Cronbach’s α）和組合信度（composite reliability， CR）來評價。根據(jù)George等[4]的研究，Cronbach’s α的值大于0.6可接受。依據(jù)Fornell等[5]的研究，組合信度系數(shù)同樣大于0.6，就可以接受。效度分析通常使用平均方差提取值（average variance extracted， AVE）來測度，當(dāng)AVE大于0.5時表示潛變量收斂效度較好，測量比較準(zhǔn)確。各潛變量的信度和效度結(jié)果見表2，這些結(jié)果表明該測量模型具有良好的收斂效度。

4.2 結(jié)果分析

我們用最大似然估計方法來估計3個結(jié)構(gòu)模型。首先我們分析模型的擬合優(yōu)度，考察比較適配指數(shù)（CFI），Tucker-lewis系數(shù)（TLI），漸進殘差均方平方根（RMSEA）以及標(biāo)準(zhǔn)化殘差均方根（SRMR）等擬合指標(biāo)。模型擬合結(jié)果見表3。結(jié)果表明，除了模型1的RMSEA外，3個模型擬合指標(biāo)均符合要求，模型擬合度較高。

模型3的計算結(jié)果見圖2。該模型解釋了81.9%的行為意向協(xié)方差。ATT（β=0.731，p<0.01）和PU（β=0.164，p<0.05）對老年人接受自動駕駛有顯著的積極影響。并且，ATT對行為意向的解釋能力比PBC更強。PU和PEU對ATT都有積極影響，且PBC對PU影響顯著。

模型2的計算結(jié)果見圖3，該模型解釋了76.4%的行為意向協(xié)方差。其中，行為態(tài)度（β=0.520，p<0.001）、主觀規(guī)范（β=0.453，p<0.001）、感知行為控（β=0.436，p<0.001）對行為意向有顯著正向影響。

模型1的計算結(jié)果見圖4，圖中的實線表示因果關(guān)系在95%的顯著水平上顯著，虛線表示不顯著。該模型解釋了82.5%的行為意向協(xié)方差。

其中，態(tài)度（β=0.489，p<0.001）、主觀規(guī)范（β=0.384，p<0.001）和感知行為控制（β=0.384，p<0.001）對老年人接受自動駕駛車輛有著顯著影響，而感知有用性（β=0.149，p=0.058>0.05）對接受行為沒有顯著影響。

4.3 結(jié)果討論

（1）標(biāo)準(zhǔn)的TAM解釋了81.9%的行為意向協(xié)方差，標(biāo)準(zhǔn)的TPB解釋了76.4%的行為意向協(xié)方差，而擴展的計劃行為理論解釋了82.5%的行為意向協(xié)方差。說明在解釋老年人對自動駕駛汽車接受意向方面，標(biāo)準(zhǔn)的TAM比TPB能更好的能解釋老年人對自動駕駛汽車接受的行為意向，解釋行為意向方差增加了ΔR2=（81.9%-76.5%）=5.4%。而擴展的計劃行為理論和技術(shù)接受模型的解釋能力相當(dāng)，解釋行為意向方差僅僅增加了ΔR2=（82.5%-81.9%）=0.6%。擴展的計劃行為理論比標(biāo)準(zhǔn)的計劃行為理論的行為意向解釋力更強，增加了ΔR2=（82.5%-76.5%）=6%。

（2）單獨分析TAM和TPB。發(fā)現(xiàn) SN、ATT、PBC、PU分別顯著的影響了老年人對自動駕駛汽車的度。但在聯(lián)合的計劃行為理論模型中，PU（β=0.149，p=0.058>0.05）的影響變的不顯著。說明在分析老年人對AV接受意向時，技術(shù)接受模型的因子受到計劃行為理論因子的影響。

（3）在聯(lián)合的計劃行為理論中，SN和PCB具有同等的解釋力，都解釋了0.384的行為意向方差，行為態(tài)度解釋了0.489的行為意向。說明老年人的行為態(tài)度對選擇自動駕駛汽車的解釋力比主觀規(guī)范和感知行為控制都要強。

（4）PU和PEU對ATT的影響分別為0.442和0.540，影響顯著。并且感知易用性（PEU）對感知有用性（PU）的影響為0.753。感知有用性（PU）和感知易用性（PEU）通過態(tài)度（ATT）對行為意向產(chǎn)生間接影響。

5 結(jié)束語

在解釋老年人對自動駕駛汽車接受意愿方面，與標(biāo)準(zhǔn)的TAM和標(biāo)準(zhǔn)的TPB相比，擴展的計劃行為理論解釋力較強。在影響因素方面，在擴展的計劃行為理論中，行為態(tài)度的影響最大，其次是主觀規(guī)范和感知行為控制，而感知有用性對老年人接受自動駕駛的影響不顯著。根據(jù)以上結(jié)論，可以通過讓接受能力強的年輕人子女，或通過親朋好友和鄰里街坊的使用，從而來促進老年人對自動駕駛車輛的接受意愿。感知有用性和感知易用性對態(tài)度的影響顯著。因此，可以通過提高自動駕駛汽車技術(shù)及服務(wù)質(zhì)量，改善老年人的態(tài)度來促進其使用意愿。此外，可以對老年人進行相關(guān)的培訓(xùn)教育，提高老年人對自動駕駛車輛的認知和對智能手機的操作技能，來促進老年人對自動駕駛汽車的接受意愿。

參考文獻：

[1]吳萌 黃 A. 特大城市老年人出行特征及相關(guān)因素分析——以上海市中心城為例 [J]. 城市規(guī)劃學(xué)刊，2015，（02）：93-101.

[2]AJZEN I. The theory of planned behavior [J]. Organizational Behavior and Human Decision Processes，1991，50（2）：179-211.

[3]LANZINI P，KHAN S A. Shedding light on the psychological and behavioral determinants of travel mode choice： A meta-analysis [J]. Transportation Research Part F： Traffic Psychology and Behaviour，2017，48：13-27.

[4]GEORGE D，MALLERY P. SPSS for Windows Step by Step： A Simple Guide and Reference 12.0 update （5th Edition）[M]. SPSS for Windows Step by Step： A Simple Guide and Reference 12.0 update （5th Edition），2004.

[5]FORNELL C， LARCKER D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error [J]. Journal of Marketing Research，2018，18（1）：39-50.