自動駕駛汽車用戶接受度的中美差異

秦 華， 張 然， 王 培

(1.北京建筑大學機電與車輛工程學院， 北京 102616； 2.Partners for Advanced Transit and Highways, University of California, Berkeley 94804, USA)

智能交通已經上升到國家戰略層面[1]，遠期將實現完全無人駕駛的目標[2]。當前處于輔助自動駕駛(L1～L3)向全自動駕駛(L4～L5)過渡的關鍵時期，其消費市場接受度成為國內外學術界及商業界日益關注的焦點[3]。多數研究顯示，全球范圍內公眾對自動駕駛態度積極[4-5]。但仍有少部分研究結論相反[6]。比較來看，亞太地區公眾對無人駕駛汽車接受度高于西方國家，其中，中國消費者接受度處于領先地位[7]。

自動駕駛技術接受度高并不代表可以實現全面商業化。首先，自動駕駛技術水平仍需提升：章軍輝等[8]從環境感知、高精度定位、場景認知等技術角度對自動駕駛的發展歷程進行了概述，研究指出了現階段自動駕駛技術仍不成熟，短期內難以實現商業化落地。而自動駕駛事故便是技術不成熟的最直接的體現：2016年1月20日，中國河北出現首例“特斯拉自動駕駛”車禍致死案，事故原因是系統未能識別前車導致追尾；同年5月，美國第一起無人駕駛車死亡事故發生在佛羅里達的Willston市，事故原因是特斯拉的Model S在處于自動駕駛模式時未能及時剎車，導致與大型貨車相撞；2019年4月，上海特斯拉自燃事件再次讓公眾對自動駕駛汽車產生了風險擔憂。

其次，中國公眾對自動駕駛的高接受度可能由假設偏差導致：唐立等[3]從接受自動駕駛的可能性與態度、了解與信任程度等全面梳理并總結了自動駕駛公眾接受度領域的相關研究，指出現有研究中大部分受訪者不具備高等級自動駕駛汽車使用經驗，往往在高度假設的前提下作答題目，從而導致預測結果與市場實際效果不一致。以往調研對象的選取可歸納為低/無限制條件群體，比如受訪者需要對自動駕駛有一定認知[9]，或者對母語做出限制[10]；以及高限制條件群體，比如必須有自動駕駛乘坐經驗或者汽車愛好者[11]。

綜上，世界范圍內公眾對自動駕駛態度差異較大，盡管中國接受度處于領先地位，但由于調研對象的限制可能導致研究結果與實際存在偏差。同時以特斯拉為首的自動駕駛事故所形成的負面輿論對公眾接受度產生了消極影響，但事故導致的原因往往是駕駛員反應遲緩或對Autopilot的誤用，而非車輛技術缺陷。

因此，以中美特斯拉用戶為研究對象，利用結構式訪談方法，通過比較中美用戶的接受度差異，旨在發現并改進自動駕駛技術和用戶融合過程中出現的問題，同時找到影響終端用戶接受度的關鍵因素。研究成果對自動駕駛汽車制造商、經銷商具有借鑒意義，同時提升終端用戶的體驗將有助于提升公眾對自動駕駛技術的信心。

1 研究方法

有學者曾利用半結構式訪談法探究特斯拉車主的心理模型[12]，但其對用戶使用經驗的研究并不深入，同時未將全自動駕駛汽車納入研究范圍。此外，相比于半結構式訪談，結構式訪談更能確保不同樣本間具有可比性。因此，從半自動駕駛和全自動駕駛兩個維度設計問題，采用結構式訪談法對中美自動駕駛終端用戶展開研究。

1.1 研究對象及調研地點選擇

特斯拉以92.68的綜合得分位于新能源汽車發展力排行首位[13]，但與此同時特斯拉的負面報道引發了公眾對自動駕駛系統安全性的擔憂。鑒于美國、中國特斯拉銷量處于全球前兩位，因此研究選取中美特斯拉終端用戶作為研究對象。另外，選擇加州舊金山灣區(特斯拉總部位于加州)和北京市(特斯拉銷量最多的城市)作為調研地點。

1.2 實地調研

北京研究員首先走訪了北京城南的幾處特斯拉充電站，從充電站可利用充電樁數目、利用率兩個角度綜合考量，最終選取中汽雷日特斯拉超級充電站作為本次訪談地點。該充電站共有8個充電樁，充電樁利用率對比其他充電站較高。經過觀察，大部分車主選擇11：00—13:00午休時段充電，故訪談時間選在該時段進行。舊金山地研究人員在當地招募特斯拉用戶，對每個參與者進行45～60 min 的全程錄音訪談。

最終，課題組對兩地共40名特斯拉車主進行了結構式訪談。

2 訪談結果

2.1 用戶背景

用戶背景信息如表1、表2所示。中國特斯拉車主以男性為主(90%)，平均年齡34.15歲，教育水平多為本科及以上(60%)，平均年收入在50萬元左右，半數(50%)家庭擁有車輛數在3～4輛，使用自動駕駛系統時間平均16.35個月；美國特斯拉車主以男性為主(65%)，平均年齡42.26歲，教育水平多為研究生(65%)，平均年收入在15萬～25萬美元(46%)，多數(55%)家庭擁有車輛數在1～2輛，使用自動駕駛系統時間平均19.54個月。

表1 受訪者背景信息一

表2 受訪者背景信息二

2.2 半自動駕駛汽車用戶接受度訪談結果表

2.2.1 購買特斯拉及自動駕駛系統前

環保(中國39.5%，美國38.0%)和新技術(中國34.2%，美國27.0%)是兩地車主購買特斯拉汽車的主要動機，如表3所示；便利(中國31.5%，美國32.0%)和減少駕駛負荷(中國31.4%，美國27.0%)是兩地車主購買自動駕駛系統的主要動機，如表4所示；不信任自動駕駛技術(33.0%)是美國車主主要顧慮，同時38.0%的車主表示沒有任何顧慮，而安全性(31.8%)是中國車主的主要顧慮，如表5所示。值得注意的是，用戶對于安全性顧慮的側重點并不相同，可歸納為3個維度：①車輛自身性能是否穩定可靠;②車輛能否對外在沖擊(惡劣天氣，與行人/騎車人的互動)做出及時有效的反應;③用戶個人數據信息是否受到保護。

表3 特斯拉購買動機

表4 自動駕駛系統購買動機

表5 購買前的顧慮

2.2.2 學習使用自動駕駛車輛

經銷商講解(33.3%)和自己摸索(42.0%)分

別是中國和美國車主最普遍的學習方式,見表6；大部分中國車主掌握了自適應巡航(85%)和召喚(75%)，美國車主除了召喚(35%)，其他功能掌握度均比較高(>85%)，同時，中國車主認為召喚(25%)和自動泊車(25%)最難掌握，美國車主認為自動泊車(55%)最難掌握，見表7。

表6 學習使用自動駕駛系統方式

表7 學習使用自動駕駛系統的效果

2.2.3 學習后使用自動駕駛汽車

大多數(70%)中國車主使用自動駕駛頻率約30%，大多數(75%)美國車主每次開車都會使用自動駕駛系統(表8)；有趣、有壓力、高效是兩地車主對使用半自動駕駛汽車的主要感受(表9)。

表8 使用輔助駕駛系統頻率及控制全自動駕駛汽車興趣

表9 用戶感受的主要變化及原因

2.3 全自動駕駛汽車用戶接受度訪談結果

2.3.1 全自動駕駛和半自動駕駛汽車使用意向的影響因素比較

接受度評分范圍在1～7，高于5被認定為重要影響因素。結果顯示，中國只有安全性(5.37)為重要影響因素，而美國是態度(6.68)、感知有用性(6.44)、信任(6.23)和安全性(6.71)均為重要影響因素。配對樣本T檢驗結果顯示，大部分影響因素在全自動駕駛汽車中得分更高，但所有因素在中國差異性并不顯著，而美國結果為易用性和信任在半自動駕駛和全自動駕駛汽車中接受度差異顯著(P<0.05)，如表10所示。

表10 半自動和全自動駕駛汽車接受度影響因素的配 對樣本T檢驗Table 10 T-test for acceptance of partial and fully ADS

2.3.2 用戶對共享全自動駕駛汽車的期望

美國車主對共享自動駕駛多持積極態度(90%)，而中國車主多持中立(75%)或消極(15%)態度(表11)。但消極態度有可能被某些因素中和：美國車主表示良好的私密性(56.5%)是他們愿意共享車輛的前提；北京車主表示低成本(41.7%)和高利用率(41.7%)是他們愿意共享車輛的前提(表12)。

表11 用戶對共享無人駕駛出租車的態度及描述

表12 愿意共享車輛的主要原因及描述

3 討論

3.1 特斯拉用戶背景

訪談結果顯示，特斯拉用戶以中年男性為主，駕駛經驗豐富，往往接受過本科以上的教育，稅前年收入水平較高，中美特斯拉用戶背景信息基本一致。但北京特斯拉車主家庭車輛保有量更高。這反映出目前特斯拉目標群體和北京市限購政策的矛盾。自2014年起，北京市實行普通指標搖號與新能源排號并行的方式，目的是為剛需用車的搖號者提供新機會。但隨著許多搖號群體轉向新能源排號，新能能源指標缺口越來越大。2020年第一期新能源指標有效申請編碼共計46.74萬，按現行政策來看，北京新申請者或等9年才有購車資格。盡管有學者對北京市購車搖號階梯概率規則進行了優化[14]，但目前對新能源排號規則的研究十分欠缺。本次研究結果表明，有購買力的車主購買特斯拉并非剛需，更多看中的是這一新技術和新能源指標(購買動機訪談結果得出)。隨著使用自動駕駛汽車人群比例上升，北京市應該采取何種更有區別度的指標發放標準來保證相對公平是下一步工作部署的重點之一。

3.2 特斯拉終端用戶的學習過程

中美兩地用戶在購買動機上呈現高度一致性，集中表現為4個方面：①新能源車輛更環保；②享受新技術；③自動駕駛更便利；④減輕駕駛負荷。同時，兩地用戶均表示使用自動駕駛汽車之后基本達到了購買前的期望。這種預期收益和實際收益的一致性說明終端用戶對自動駕駛系統的收益有正確的理解。

而兩地用戶在購買顧慮差異顯著。美國車主很多表示購買前沒有任何顧慮，但在學習過程中出現了擔心。比如，一位美國用戶表示自動駕駛儀無法檢測路標和燈光。這表明學習經驗讓用戶認識到了自動駕駛儀的局限，而這種期望與現實間的差異可能會增加事故風險。相比美國，中國用戶在安全性的顧慮明顯要高，自動駕駛系統的使用也更為謹慎。但將使用頻率和安全顧慮比較后發現，使用頻率會中和一部分在安全性上的顧慮，即安全性顧慮會隨著用戶使用自動駕駛系統的頻率提升而減少，而導致使用頻率不同的最根本因素為用戶早期的學習行為方式。對比中美兩地用戶早期學習方式和學習效果發現，中美兩地用戶掌握全部5種自動駕駛儀功能的人數占比均未超過25%，而反觀掌握全部功能的用戶，他們往往采用單一方式進行學習。需要注意的是，不同用戶采用的學習方式卻不盡相同，其中，中國車主多采用經銷商講解這樣的被動學習方式(3位掌握全部功能的用戶均未采取這種方式)，美國車主則多采用自己探索等主動學習方式。因此，提升經銷商講解水平將有效幫助國內用戶學會更多的自動駕駛模式，從而增加使用頻率，進而降低用戶顧慮。“2020全球科技出行峰會”中指出，新變革時代車企應當加快轉型升級。有研究指出制造商有責任增加駕駛員對自動駕駛儀的理解[9]。結合本次研究結果看，除了制造商，經銷商所扮演的角色可能更為關鍵。經銷商有責任以客戶數據為基礎形成客戶洞察，幫助用戶找到其最高效的學習方式，具體的實施方法為：對近期的購買用戶進行電話回訪，詢問其自動駕駛技術掌握情況，對于共性問題及時向制造運營商反映，反饋到相應的學習方式上，比如說明書的編寫，網站資料更新等。

3.3 特斯拉用戶接受度重要影響因素

訪談結果顯示，美國方面將態度、感知有用、信任、安全認定為重要影響因素，這與之前的研究結果一致[15-16]。然而中國的重要影響因素數量明顯低于美國，造成很多影響因素評分低于5的原因可能是中國報道了特斯拉安全的負面新聞，導致用戶在對9個影響因素橫向比較時會以安全性為參照進行打分，從而無法凸顯其他影響因素的重要性。基于這種考慮，分別計算了中國兩部分訪談中所有評分介于4～5的影響因素得分的平均值，并以這個數值為參照調整了區分重要性影響因素的閾值。調整后信任、安全性、駕駛環境被認定為重要影響因素(>4.50)。值得注意點是，駕駛環境因素并不在傳統接受度模型中，在今后關于自動駕駛汽車接受度研究中應將駕駛環境納入考慮。綜合本次用戶對駕駛環境的評價，駕駛環境因素可被定義為：個人認為行人/駕駛員的行為、道路狀況、天氣狀況、車內衛生狀況等對駕駛體驗的影響程度。

另一方面，相比于半自動駕駛汽車，中美兩地用戶均認為易用性和兼容性在全自動駕駛汽車中顯得不那么重要。其中感知易用性的評分顯著降低。有終端用戶提到，如果全自動駕駛汽車的優勢能全部實現，他愿意克服一些復雜問題。這一發現意味著“易用性”不再是一個關鍵因素，需要被重新定義。比如有研究指出感知易用(PEoU)也可以指使用方便，因此使用這類技術可以帶來好處[16]。此外，兼容性重要性程度的降低在統計學上并不顯著，但終端用戶背景可以解釋這一現象。大部分終端用戶都認為自己是自動駕駛技術的早期使用者，而早期使用者對技術接受方面會比一般人更加靈活。因此兼容性可能不應該作為終端用戶接受全自動駕駛汽車的重要影響因素。

3.4 特斯拉用戶對全自動駕駛汽車的態度及期望

兩地車主對全自動駕駛汽車的平均購買意愿度高于5(部分有意愿=5)，并且多數車主表示他們更愿意在交通擁堵和長途旅行中使用全自動駕駛汽車。但這并不代表他們愿意完全放棄手動駕駛，相反，絕大多數車主仍然希望全自動駕駛汽車保留方向盤等手動控制部件，最重要的原因有：①享受駕駛帶來的樂趣；②長時間不控制車輛讓他們感到更有壓力。雖然目前像蔚來、大眾等企業已經推出了取消方向盤部件的概念車型，目的是讓汽車成為一個移動的私人空間，但是，本次訪談結果證明車主對取消方向盤依舊顧慮重重。因此，全自動駕駛車輛保留方向盤這一設計將對用戶接受度產生積極影響。

共享自動駕駛汽車有望在未來規模化發展。本次訪談結果顯示，中美兩地特斯拉車主對共享自動駕駛態度差異顯著，而低成本和高利用率是提升國內用戶對共享自動駕駛汽車接受度的關鍵因素。考慮合乘無疑是降低成本、提高利用率最直接有效的方法[17]。但是，中美兩地車主大多表示拒絕合乘。結合用戶背景來看，當前特斯拉用戶往往是高學歷高收入人群，他們對出行品質的要求會高于一般群眾。出行即服務(MaaS)是近幾年被廣泛推崇的智能交通系統，MaaS用戶可以根據需求購買移動套餐。未來智能公路的發展與MaaS聯系緊密[18]。而以人為本是MaaS發展的重要原則之一。本次研究結果表明，相較于一般公眾，終端用戶對于無人駕駛共享出行服務態度并不積極。因此，如果共享自動駕駛汽車想要規模化發展，提供差異化的出行服務將是拓寬目標用戶群體的重要舉措。

4 結論

采用結構式訪談，針對中國(北京)和美國(舊金山灣)各20名特斯拉終端用戶，從半自動駕駛和全自動駕駛兩部分進行接受度研究。研究發現，兩地特斯拉用戶背景、購買動機無明顯差異；而購買顧慮、半自動駕駛系統使用頻率、全自動駕駛汽車保留手動控制意愿、接受度重要影響因素、對共享自動駕駛的態度、愿意共享自動駕駛車輛的原因差異明顯。

本文中研究有5點發現需要特別注意：

(1)北京市自動駕駛汽車用戶購買車輛并非剛需，因此新能源指標發放標準需要調整從而保障相對公平。

(2)經銷商的講解在自動駕駛終端用戶早期學習過程中十分關鍵，經銷商的有效講解將幫助用戶學會更多的自動駕駛功能。

(3)在接受度影響因素中，兼容性和易用性需要調整，駕駛環境成為重點關注因素。

(4)保留方向盤等手動控制車輛部件將對接受度產生積極影響。

(5)自動駕駛終端用戶大多不愿意共享車輛。因此提供差異化服務是共享自動駕駛汽車拓寬用戶渠道的關鍵。

2020將是L3級車型嶄露頭角的關鍵節點，這部分終端用戶將成為未來自動駕駛接受度研究的重點。