基于行人行為與優化CTAM模型的全自動駕駛車輛行人接受度分析

裘夢琪，周竹萍，梅亞嵐

（南京理工大學，江蘇 南京 210094）

0 引言

自動駕駛是未來交通工具發展的重要方向，它是對人工駕駛的補充或替代，旨在提升交通安全和效率。當前，國內外汽車制造商和科研機構等正在技術上不斷創新和優化，積極投身于自動駕駛領域[1]。然而，目前用戶對全自動駕駛車輛的接受度并不明朗。縱觀以往的研究，從駕駛員或乘客角度展開的“人機混駕階段”自動駕駛相關研究較多[2-6]，而針對行人對自動駕駛車輛接受度的研究成果則相對較少。事實上，我國城市道路交通環境復雜，人車混行對自動駕駛車輛安全性提出了更高的要求，展開行人對全自動駕駛車輛的接受度研究很有必要。

目前，從行人角度出發的已有研究集中于自動駕駛車輛對行人的識別及人車交互。Combs 等人[7]創建了適合自動駕駛的傳感器對行人進行檢測，較大程度降低了車輛與行人碰撞的概率。Woodman 等人[8]在虛擬環境中研究自動駕駛車輛間行人過街間隙接受情況。Gupta 等人[9]提出了自動駕駛車輛與行人協商談判模型，該模型能有效緩解交叉口擁堵問題，減少車輛和行人的等待時間。但已有研究中涉及行人行為的相對較少。Deb等人[10]對482名受訪者展開了行人對自動駕駛車輛接受度問卷調查，發現采取遵守交通規則等積極行為的行人認為自動駕駛車輛會提升系統整體的交通安全，違規較多的行人會更加自信地過街。國內行人過街有不同的特性，周釗等人[11]調查發現，市民對過街違規行為具有從眾心理。高純等人[12]在行人過街中發現較多行人等紅燈或過街時喜歡玩手機，容易分神不注意交通環境。這表明若全自動駕駛車輛要在國內普及，對其行人行為認知要求更高。同時，行人對自動駕駛車輛的接受度也很重要。Xu 等人[13]采用技術接受模型對國內大學生進行調查，發現感知有用性、信賴及感知安全對自動駕駛車輛接受度有直接影響。Zhang 等人[14]通過技術接受模型發現信任和感知有用性決定受訪者對自動駕駛車輛的使用意愿。但目前沒有將行人行為和行人對自動駕駛技術接受度相結合的研究。

因此，本研究基于問卷調查，充分結合行人行為，對行人對全自動駕駛車輛的接受度進行建模分析，探尋行人的關注點，以期為全自動駕駛技術改進提供理論支持，為全自動駕駛車輛的設計與生產提供參考。

1 優化的車輛接受度模型

1.1 CTAM模型

Davis[15]采用理性行為（Theory of Reasoned Action,TRA）模型預測行為態度和社會態度兩大因素對技術接受行為意圖的影響，并提出了技術接受模型（Technology Acceptance Model,TAM）。TAM較專注于技術的接受度，但Ajzen[16]提出了計劃行為理論（Theory of Planned Behavior,TPB），該理論表明行為意圖能預測實際行為。隨后，Venkatesh 等人[17]創建了技術接受和使用統一模型（Unified Theory of Acceptance and Use of Technology,UTAU），該模型進一步分析了年齡、性別、經驗和自愿性對接受使用的影響。Osswald 等人[18]提出了車輛技術接受模型（Car Technology Acceptance Model,CTAM），用于衡量用戶的感知有用性、感知易用性、使用意愿、實際使用行為和外部變量因素對信息技術接受和使用的影響。

1.2 優化的CTAM模型

本文將車輛技術接受模型（CTAM）進行優化，將感知有用性和感知易用性細化為感知態度、信任、效率這3 個維度，添加外部因素兼容性。設計感知態度、效率、信任和兼容性相關問題并篩選，最終確定優化的CTAM模型主要變量。

行人對全自動駕駛車輛的行為態度受感知有用性和感知易用性的影響。其中感知有用性包括感知態度A1,A2和A3、效率E1,E2和兼容性C1，感知易用性包括感知態度A4、信任T1,T2,T3及兼容性C2，兼容性為外部變量。目前我國全自動駕駛車輛還未真正實現，故使用意愿僅考察行人是否接受自動駕駛車輛，無實際使用行為。優化的CTAM 模型變量關系如圖1 所示，變量組成如表1所示。

圖1 優化的CTAM模型變量關系圖

表1 變量組成表

2 問卷設計及分析

2.1 基于行人行為與優化CTAM模型的問卷設計

本次調研以Deb 等人[10]提出的問卷為基礎，結合優化的CTAM 模型和現場行人行為調查重新設計問卷。

首先，現場調查觀測南京中山門大街—羅漢巷交叉口早高峰行人過街行為。調查中發現，青少年男性、青少年女性和中年男性在交通堵塞時更傾向于橫穿馬路且隨意性大；年輕人在過街時存在交談、低頭玩手機或聽音樂的現象；有通勤者為趕時間而隨意橫穿馬路。根據調查區域現場觀測結果，將行人過街行為分為違規行為、過失行為和積極行為3類，其中違規行為指違反交通法規的行為，如闖紅燈、斜穿交叉口等；過失行為指行人因疏忽大意或過于自信而判斷失誤等導致的主觀行為，如隨意過街、因趕時間或思考事情沒注意交通環境橫穿馬路等；積極行為指行人主動讓行。

最終，行人調查問卷由3 部分組成：①個人信息采集，包括性別、年齡和學歷等；②行人過街行為自我判斷，調查違規行為、過失行為和積極行為這3 類行為的經常性；③行人對全自動駕駛車輛技術接受度調查，主要調查行人對全自動駕駛車輛的系統自動化、效率等的態度和信任度。問卷通過預調查進行了修正和完善，最后確定了27道題，在2020年8月進行了為期兩周的正式調查。

2.2 數據獲取

本次問卷調查對象為線上隨機受訪者和南京市城市道路上的行人，采用隨機抽樣調查法，通過在線調查和實地調查相結合的方式獲得結果。共有310 名受訪者參與了本次問卷調查，線上收集172 份問卷，實地收集138 份問卷。其中，有5份問卷因答案不完整或回答不準確而作廢，問卷有效率為98.38%。有效的305 份問卷中，男性受訪者共175 名，女性受訪者共130 名。受訪者的年齡分布為18～75 歲，40.2%的受訪者處于22～30歲年齡段，大部分受訪者受過中高等教育。受訪者的年齡和教育水平分布分別如圖2和圖3所示。

圖2 受訪者年齡分布圖

圖3 受訪者教育水平分布圖

大多數受訪者居住在城市，占總人數的76.5%，少部分居住在鄉鎮。受訪者日均出行次數分布均勻，每日出行1～2 次的受訪者占36.4%，出行3～4 次的占29.6%，出行4 次以上的占34%。另外，大部分受訪者（占比為76.5%）家庭擁有小汽車。因此，此次調查樣本以中青年人群為主，擁有較高學歷，有一定的經濟基礎，該群體也將會是自動駕駛車輛的消費主力。

2.3 數據分析

2.3.1 行人行為描述分析

基于調查問卷數據，71.6%的受訪者認為自己遵守交通法規，從不或幾乎沒有過問卷中的違規或過失行為；38.64%的受訪者會因為某些原因偶爾自信評估并執行問卷中提到的錯誤行為；保持積極態度、主動讓行的受訪者較多，占70.5%。這3類行為的經常性占比如表2所示。

表2 行人行為描述統計表

2.3.2 優化的CTAM模型描述分析

基于優化的CTAM 模型，根據行人對全自動駕駛車輛智能系統、操作效率、設備控制之間兼容性的態度和信任度對感知有用性和感知易用性的影響判斷行人的使用意愿。55.8%的受訪者對全自動駕駛車輛的效率和兼容性持支持和積極的態度，有19.9%的受訪者保持中立。受訪者同意度統計具體如圖4所示。

圖4 優化的CTAM模型各變量同意度百分比圖

同時為明確感知有用性、感知易用性（包括外部因素）與變量之間的相關性，對變量進行雙變量相關性分析表明：變量顯著性均小于0.05，感知有用性和感知易用性與變量存在顯著相關關系，且相關性都較強并呈正相關。

2.4 調查數據信度及效度分析

對問卷所獲得的數據用SPSS24.0 進行信度、效度檢驗，結果如表3 所示。由信度檢驗結果可知，行人行為3個維度和優化CTAM模型4個維度綜合結果超過了0.7，達到了可信的程度。由效度檢驗結果可以看出，KMO 和Bartlett 近似卡方值都達到了顯著水平，驗證了數據的有效性和可靠性。

表3 問卷信度及效度檢驗結果表

3 模型標定與影響因素分析

3.1 Logit模型構建

問卷按照李克特量表將行人對全自動駕駛車輛接受度劃分為接受、一般和不接受3 個層次，且符合平行性檢驗，顯著性水平為0.762大于0.05，故本次模型選用了有序Logit 模型。有序Logit 模型的常用方法是假設潛變量與預測因數存在線性關系，從而分析因變量的有序性。累積概率的有序多分類Logit模型如下：

式（1）中：j為程度類別，j=1,2,…,c-1,c為類別總數；x1,x2,…,xn為n個解釋變量；β1,β2,…,βn分別為對應系數；kj是Y連續標度的一組切點；β′為X的系數集合，此時X為向量。

此時，行人接受全自動駕駛車輛的概率為：

式（2）中：i為行人對自動駕駛車輛接受度類別，對應式（1）中的j，i=1,2；ki為第i個等級的常數項；βi為接受度類別的自變量系數集合中的元素；xj為第j個自變量。

3.2 模型變量選擇及處理

本文主要研究行人對全自動駕駛車輛的接受度，故因變量為行人的接受度，分為接受、一般和不接受3 種。而自變量主要為行人對全自動駕駛車輛接受度的影響因素，主要分為個人屬性因素、個人行為因素和個人對全自動駕駛車輛技術接受度因素3類。

為方便回歸分析，要先將因變量和自變量進行數值轉化，具體如表4所示。

表4 模型變量轉化表

3.3 模型輸出

3.3.1 有序Logit模型極大似然估計

運用SPSS24.0軟件對有序Logit模型進行極大似然估計，并采用逐步后退法對顯著變量進行篩選。在置信區間為95%的情況下，顯著性水平為0.05，故當顯著性p＜0.05時，表明該自變量對因變量有顯著影響，并且若p值在0.05附近范圍內，表明該變量仍有影響，具有統計意義。輸出參數估計如表5所示。

表5 模型參數估計表

表5 （續）

從表5 可知，居住區、過失行為、感知態度及信任對行人對全自動駕駛車輛的接受度有顯著影響，出行次數、兼容性的顯著性較明顯，其余變量顯著性不明顯。

3.3.2 有序Logit模型回歸分析

對過失行為X8、兼容性X11、感知態度X12、信任X13這些影響因素中的具體問題（如N1～N5,A1～A4等）再次篩選，將不滿足顯著性水平的自變量依次剔除，重新進行有序Logit模型回歸，直至所有自變量的顯著性水平符合要求[19]，則回歸過程結束，得出最終結果。將結果中各變量的回歸系數代入有序Logit模型中，模型中各變量的解釋如表6所示，最終確定的效應函數如式（3）和式（4）所示。

表6 模型表達式變量解釋表

3.4 影響因素分析

3.4.1 個人屬性影響分析

居住在城市的居民更容易接受全自動駕駛車輛，居住在鄉鎮的居民接受度是居住在城市的exp(-0.364)=0.694 倍。城市中交通基礎設施建設較完善，居民出行更便捷，因而對全自動駕駛車輛的接受度也較高。但全自動駕駛車輛在城市的應用難度要大于在鄉鎮，因為需要更精準的系統和設備。日均出行次數的系數為正，日均出行次數4次以上被模型設定為0，日均出行1～2次的行人對全自動駕駛車輛接受度是4 次以上的exp(1.027)=2.793倍，日均出行2～4次的行人接受度是4 次以上的exp(0.886)=2.425 倍，故日均出行次數越少的行人對全自動駕駛車輛的接受度越高。

3.4.2 行人行為影響分析

在行人行為影響因素中，行人的過失行為顯著性較明顯。模型設定“很經常”這一可能性分類為0，故過失行為發生的可能性分類中，“從不”“幾乎”“偶爾”“不經常”及“經常”分別是“很經常”的3.2 倍、2.9 倍、2.5 倍、1.7 倍及1.5倍。由于系數為負，所以過失行為越經常的行人越容易接受全自動駕駛車輛。在日常生活中，行人無意識的過街過失行為發生概率遠大于違規行為。有該類行為的行人認為其在全自動駕駛車輛面前更容易得到安全保障，也更愿意相信全自動駕駛車輛的智能系統。

3.4.3 優化的CTAM模型影響分析

（1）感知態度

感知有用性主要由感知態度和效率組成，但主要影響因素為感知態度。數據分析表明，行人對全自動駕駛車輛感知態度越好，接受度也就越高，其中行人態度為“同意”的接受度最高，為“非常不同意”的exp(0.251)=1.285 倍。人們對全自動駕駛車輛技術的感知態度很大程度決定人們是否愿意相信全自動駕駛車輛技術，技術對交通系統的重要性越大、越能有效節省出行時間，則行人的感知有用性越高。

（2）信任

對行人而言，在過街時面對全自動駕駛車輛的心態和過街舒適度至關重要。由顯著性水平可知，行人對全自動駕駛車輛的信任非常顯著。“不同意”“不太同意”“一般”“比較同意”“同意”“非常同意”的接受度分別為“非常不同意”的exp(0.941)=2.562,exp(1.019)=2.770,exp(1.086)=2.962,exp(1.213)=3.363,exp(1.158)=3.184 及exp(0.507)=1.660 倍。行人對全自動駕駛車輛信任度越高接受度也越強，且會將全自動駕駛車輛推薦給家人、朋友。

（3）兼容性

兼容性對外部因素起決定性作用。行人越同意全自動駕駛車輛兼容性，越容易接受全自動駕駛車輛，其中“非常同意”是“非常不同意”的exp(0.866)=2.38 倍。這也表明了全自動駕駛車輛兼容性的重要性，兼容性越強，車輛本身的智能系統、操作系統、設備控制也就越強，其與交通環境的兼容關系也越緊密。

4 結語

本文基于建立的優化CTAM 模型和實際觀測到的行人行為設計調查問卷，從個體屬性、行人行為和行人對自動駕駛車輛技術接受度3 方面對行人展開隨機調查。然后建立有序Logit模型，運用調查數據標定模型參數，篩選出行人對全自動駕駛車輛接受度的關鍵影響因素。經分析得出以下結論：中青年、具備中高學歷且居住在城市的行人更容易接受全自動駕駛車輛；出行次數較少的行人越容易接受全自動駕駛車輛；行人對全自動駕駛車輛技術的感知有用性和感知易用性對接受度起了重要影響，主要表現在行人對全自動駕駛車輛的感知態度和信任上，行人對全自動駕駛車輛的感知態度越好，信任度越高，也就越接受全自動駕駛車輛；同時在外部因素的影響下，兼容性起著關鍵作用，這意味著行人對全自動駕駛車輛技術的接受度還受設備和設備之間、系統與系統之間、車輛與行人及道路之間兼容性的影響。在全自動駕駛車輛的研發上，不僅要注重車輛本身的設計，更要創新與行人的交互方式、提升與交通環境的匹配度。同時，除做好對全自動駕駛車輛的宣傳外，也要加強對行人的交通安全教育。

本文基于理論框架和實證分析從行人角度分析行人行為和技術接受對全自動駕駛車輛接受度的影響，但在某些方面存在局限，如缺乏對未來消費水平、法律法規的完善與執行力度等因素的綜合考慮，同時采用SP問卷調查獲得的數據尚有一定的主觀性。因此，未來可從更多維度研究自動駕駛車輛接受度的影響因素，并可在全自動駕駛車輛進入市場化前期采取試驗與SP 和RP 問卷調查相結合的方式進行研究。