居民對自動駕駛汽車的偏好：基于可解釋機器學習

仲浩天，吳文君

0 引言

自動駕駛汽車，又稱無人駕駛汽車，是新能源、人工智能、5G、物聯網以及共享經濟融合發展的產物，代表著技術和生活方式的又一次變革[1-2]。當前以自動駕駛汽車為代表的人工智能發展通常反映出強烈的普遍主義謬誤，即人類在所有情況下都以相似的方式思考、感受和行動。然而，城市歷史表明，每一次交通技術的進步，提高了城市整體效率的同時，也使部分人群更加地被排斥在社會系統之外[3]。居民對技術的偏好受到社會經濟特征、空間特征與出行特征等個體獨特身份的影響，存在著復雜、多維的交互性作用，難以通過傳統的統計模型和定性方法進行充分分析[4]。因此，本文倡導將交叉性理論視角納入新興技術的分析框架中，基于北京市居民對自動駕駛汽車偏好的試點調查，利用可解釋機器學習分析居民多維特征交叉所產生的差異化偏好，為新興技術治理策略提供啟示與參考。

1 方法

本文將交叉性視角（intersectionality）作為分析框架，即考慮個體的多維特征及其交互作用的影響，并利用迭代隨機森林算法突破了高維“詛咒”、模型依賴和先驗概念等交叉性分析的方法論局限[5]。迭代隨機森林算法是基于隨機森林算法的改進，它能夠在不增加時間復雜度的前提下，實現良好的模型可解釋性，發現變量間的高階相互作用，被廣泛應用在遺傳生物領域和氣象領域，為探索交叉性提供了數據驅動的可能。本文的數據來源于2022 年以網絡問卷方式，面向北京市18～65 歲居民隨機抽樣發放的《居民對自動駕駛汽車偏好問卷調查》。相較于傳統交通出行問卷，該問卷側重于居民背景、身份、權力關系等特征，并采用最短作答時間控制、驗證項選擇等方式控制問卷的有效性，最終共收集初期樣本573 份，其中包含有效樣本524 份。

1 影響自動駕駛汽車偏好的重要變量及排序，吳文君 繪制

2 迭代隨機森林交互項輸出結果

2 成果

總體而言，心理及態度因素在自動駕駛汽車偏好影響中占主導作用，包含自動駕駛汽車所帶來的愉悅感、安全快捷性、多樣化需求滿足以及居民本身對新興技術的了解程度、風險態度等。居民選擇是否購買自動駕駛汽車時，主要考慮自身的通勤特征情況（時間、成本、路程）；而在居民選擇是否使用共享自動駕駛汽車時，出行服務質量和原來通勤的等待時間則更為重要，這決定了居民是否會承受切換成本，選擇共享自動駕駛汽車出行。個體社會經濟及空間特征方面，收入水平和家庭生活人數更顯著影響對自動駕駛汽車的總體偏好；家庭孩子數和照顧孩子責任更顯著影響購買自動駕駛汽車偏好，即孩子因素是居民選擇購買自動駕駛汽車的重要因素；空間上的特征如公共交通不便度和居住區位更顯著影響使用共享自動駕駛汽車的偏好，表明共享自動駕駛汽車可能改善地區可達性，作為公共交通的補充，提供更快捷的出行服務。

更重要的是，個體社會經濟特征、空間特征、出行特征間的交互作用，形成了獨特且穩定的偏好影響機制：出行和空間特征間存在交叉，體現在優質的出行空間條件與不良的出行空間條件均會促進居民對自動駕駛的偏好；出行空間特征和個體社會經濟特征存在交叉，體現在社會經濟條件優異、價值觀開放的群體期望使用自動駕駛提升出行空間質量，家庭責任將促使交通不便的居民使用共享自動駕駛汽車節省時間成本；個體社會經濟特征間存在交叉，體現在家庭責任重、“90 后”、本市戶口、高收入、高學歷、男性等身份標簽的疊加會加大居民對自動駕駛汽車的偏好程度（圖1）。

根據模型結果和初步結論，我們可以刻畫出自動駕駛汽車使用人群的幾組畫像：一是高收入、高學歷的本市男性群體。經濟條件、學歷、戶籍與性別優勢使他們會更傾向于選擇購買自動駕駛汽車，使用共享自動駕駛汽車；二是已婚的“90 后”群體。90 后“數字原住民”的身份讓他們更加信賴科技，愿意購買自動駕駛汽車。而已婚后照顧家庭、孩子責任的增加讓他們希望使用共享自動駕駛汽車提升時間價值；三是交通不便但家庭經濟收入與生活幸福感較高的家庭，這類群體需要使用自動駕駛解決“最后一公里”問題，改善出行質量。原出行的道路擁堵情況與自身開放包容的價值觀促使他們選擇購買自動駕駛汽車，而家庭孩子數的增加讓他們更傾向于選擇共享自動駕駛汽車提升時間價值（圖2）。

3 結論

本文基于交叉性視角使用迭代隨機森林模型，初步探究了個體出行特征、空間特征、與主客觀社會經濟特征交互作用，如何影響居民對自動駕駛汽車的偏好。一方面，基于可解釋機器學習交叉性分析，更加細微、深刻地刻畫了居民的多重特征所呈現的高階交互效應，一定程度上解決了交叉性視角的方法論挑戰；另一方面，復雜的交叉性效應使得制定精細化的技術治理政策缺乏可操作性。在未來的研究中，仍需要增強機器學習模型可解釋性與政策可操作性之間的聯系，以及通過結合理論驅動與數據驅動的方式構建交叉性分析框架，以實現對技術演進更為精準有效的刻畫。