基于UTAUT的MaaS一體化支付的接受度研究

摘" 要：為探究用戶對MaaS一體化支付的接受度，列出MaaS一體化支付框架，分析其中的關鍵部分及問題，通過整合技術接受度模型（UTAUT），構建MaaS一體化支付接受度模型，在武漢市的三個大型火車站發放問卷以收集數據，運用結構方程模型來具體分析檢驗各維度之間的關系，并分析各因素對用戶使用意向的影響程度，結果表明社群影響與個人創新性對使用意向的影響程度最大，標準化路徑系數為0.363與0.325，除社群影響與個人創新性以外，努力期望、促成因素對使用意向的影響程度適中，標準化路徑系數為0.202與0.215，而績效期望對使用意向的影響程度較小，標準化路徑系數為0.096，并根據此數據結果分析MaaS一體化支付的發展模式。

" 關鍵詞：MaaS；整合技術接受度；結構方程模型；智慧交通系統

" 中圖分類號：F713.361.3" " 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.21.003

Abstract： In order to explore users' acceptance of MaaS integrated payment， list the MaaS integrated payment framework， analyze the key parts and problems therein， build a MaaS integrated payment acceptance model by integrating technology acceptance model（UTAUT）， and distribute questionnaires at three large railway stations in Wuhan to collect data. Structural equation model was used to concretely analyze and test the relationship among various dimensions， and analyze the influence degree of each factor on users' usage intention. The results showed that community influence and individual innovation had the largest influence degree on usage intention， and the standardized path coefficient was 0.363 and 0.325. The influence of effort expectation and contributing factors on usage intention is moderate， and the standardized path coefficient is 0.202 and 0.215， while the influence of performance expectation on usage intention is small， and the standardized path coefficient is 0.096. Based on the data results， the development model of MaaS integrated payment is analyzed.

Key words： MaaS; integration technology acceptance; structural equation model; intelligent transportation system

0" 引" 言

" 出行即服務（Mobility as a Service，MaaS）在2014年被首次提出與定義，經過逐步探索與發展，在2017年的世界ITS大會，成為了這次大會的主題[1]，其核心為客戶需求、服務捆綁、交通方式和服務提供商之間的協作和互連[2]，通過出行數據分析、資源與信息整合等方式，令出行者可根據個人出行習慣、預期價格與時間等，選擇所期望的出行方式[3]，為出行者提供獨特的、定制化的出行服務模式[4]。其中，支付為MaaS一體化中重要的一個環節。對比于傳統出行模式，MaaS的支付方式主要為“一鍵支付”、“一票出行”[5]，出行者較多會考慮價格、支付模式、支付便捷程度等關鍵問題。

" 目前，MaaS已經在全球范圍內創建了多個試點[6-8]，對支付方面進行了許多探索。Arsintescu et al.[9]分析了悉尼Whim試點試驗，通過回歸方程的方法探究了出行者出行習慣對MaaS平臺支付意愿的影響；Kamargianni et al.[10]揭示了MaaS中的三個重要問題：支付系統、購票價格、出行套餐選擇，其中，購票價格[11]為影響出行者支付意愿的較為重要的因素；瑞典Ubigo、維也納Smile、拉斯維加斯SHIFT[12-13]通過進行試點試驗，發現用戶越來越傾向按需付費，多種套餐對應的各類支付方式對用戶的使用意愿產生了較為積極的影響；Guidon et al.[14]認為通過制定套餐支付的方式，可以很大程度上拓寬MaaS的服務范圍。

" 用戶使用MaaS服務時的支付方式與傳統交通出行的支付方式存在一個差異。傳統交通出行各個交通方式相互獨立，在出行者需進行多次乘車或換乘時，必須進行多環節的購票。而MaaS的支付方式為一體化支付，獨特的一體化支付系統可以在短時間內快速地整合用戶一次出行所需乘坐的多種交通工具并計算出用戶出行所需的費用之和。通過這種新型支付方式，使得MaaS的支付變得更加便捷、高效。綜上，在現階段對用戶的MaaS出行方案選擇偏好進行研究的調查方法還是以意向調查構建模型為主。本文的目的是調查及研究用戶在面對MaaS新型支付方式時的使用意愿及接受度分析，進而分析MaaS對出行產生的幫助及需改進的不足之處。

1" MaaS一體化支付框架

" MaaS一體化支付的目標是提供方便快捷的出行方式，并簡化用戶在不同交通工具之間支付的過程。在一體化支付方式中，主要存在統一賬戶、多種支付方式、多種交通工具接入、結算和賬單管理、數據安全和隱私保護五個組成部分[15]。

1.1" 統一賬戶

" 統一賬戶為MaaS平臺為用戶提供的用戶賬戶，用戶可以在此賬戶中進行充值服務、資金管理以及查詢交易記錄等操作，其目的是為用戶提供查詢及管理支付信息的系統。

1.2" 多種支付方式

" MaaS平臺與各大應用商進行合作，為用戶提供各類支付方式，如銀行卡、微信支付、支付寶、云閃付、電子錢包等，用戶可根據實際情況選擇不同的出行支付方式。

1.3" 多種交通工具接入

" MaaS平臺與各出行服務商進行合作，為用戶提供多種出行方式，如公共汽車、軌道交通及地鐵，出租車及網約車、共享汽車、共享單車等，通過這種方式來增加用戶出行的多樣性，同時提供預約交通出行方式及規劃行程的服務。

1.4" 結算和賬單管理

" MaaS平臺與服務提供商共同對結算及賬單進行管理。當用戶完成出行后，平臺會根據用戶選擇的出行方式及套餐種類，計算本次出行的費用，并顯示用戶本次出行所應支付金額的賬單。

1.5" 數據安全和隱私保護

" MaaS平臺需要建立強大的數據安全機制，確保用戶支付信息和個人隱私的安全。平臺應采取加密技術、訪問控制和安全審計等措施，防止數據泄露和濫用。同時，平臺應遵守相關的隱私法規，保護用戶的個人隱私權益。

" 要想實現MaaS一體化支付，完成MaaS電子出行的模式，除了交通運營商、服務、數據提供者等，最重要的是MaaS平臺運營者需要開發出適配各類設備的統一服務入口，將出行用戶的個人信息及出行信息保存至MaaS支付系統中。嵌入一次性支付以及多通路的結算系統，同時，連接大數據系統，對不同地點、不同人群、不同出行工具等聯合計算出相應價格，并進行結算支付。

2" 模型理論及分析

2.1" UTAUT模型

" UTAUT模型中存在績效期望、努力期望、社群影響、促成因素這四個核心變量[16]，同時存在年齡、性別等其他因素所形成的控制變量，核心變量是影響用戶的使用意向的主要因素，而控制變量主要起到間接影響以及調節的作用。

" 作為本次研究的變量共有7個，除了四個核心變量以及使用意向變量以外，增加了感知風險和個人創新性這兩個控制變量。表1主要列出了UTAUT模型中變量應用于本文的定義，同時解釋各變量體現的關鍵點，為后續問卷設計做出前提。具體內容如表1所示。

2.2" MaaS一體化支付接受度模型

根據UTAUT接受度模型各個變量間的關系路徑，提出以下研究假設：績效期望對使用意向產生正向影響（H1），努力期望對使用意向產生正向影響（H2），努力期望對績效期望產生正向影響（H3），社群影響對使用意向產生正向影響（H4），社群影響對個人創新性產生正向影響（H5），個人創新性對使用意向產生正向影響（H6），個人創新性對感知風險產生負向影響（H7），促成因素對使用意向產生正向影響（H8），感知風險對使用意向產生負向影響（H9）。模型結構如圖1所示。

采用結構方程模型來對各個潛變量間的具體路徑關系進行檢測與分析，結構方程模型中的測量方程表示為式（1）與式（2），結構方程表示為式（3）。

X=Λxξ+δ" " " " " " " " " " " nbsp; " " "（1）

Y=Λyη+ε" " " " " " " " " " " " " " （2）

η=Bη+Γξ+ζ" " " " " " " " " " " " " "（3）

在式（1）與式（2）中，X與Y分別為外生顯變量與內生顯變量，ξ與η分別為外生潛變量與內生潛變量，X由9個外生顯變量所構成，為EE、SI、FC所對應的測量變量，Y為12個內生顯變量所構成，為PE、PR、PC、BI所對應的測量變量；ξ與η分別為外生潛變量與內生潛變量，ξ為3個外生潛變量所構成，為EE、SI、FC，η為4個內生潛變量所構成，為PE、PR、PC、BI。Λx與Λy分別為X對ξ、Y對η的因子載荷矩陣，δ與ε分別為X、Y所對應的誤差。在式（3）中，B與Γ分別為η與ξ的結構系數矩陣，ζ為η所對應的誤差。

2.3" 模型變量測度

" 發放問卷進行調查，分為基本信息調查與研究部分調查兩部分。基本信息的調查內容為受訪者的年齡、性別、學歷、收入情況。研究部分的調查為關于變量的具體研究問題。下列內容為各維度中變量的具體調查方向：

（1）績效期望：將出行支付效率、出行支付便捷程度、出行質量作為績效期望的主要調查內容；

" （2）努力期望：將支付系統操作難度、用戶對支付方式的適應能力、對移動支付的了解程度作為努力期望的主要調查內容；

（3）社群影響：將他人影響、外界宣傳、用戶所處環境作為社群影響的主要調查內容；

" （4）促成因素：將政府支持、相關技術支持、資金合作支持作為促成因素的主要調查內容；

（5）感知風險：將費用問題、支付系統問題、使用安全問題作為感知風險的主要調查內容；

" （6）個人創新性及使用意向主要對不同用戶在不同情況下的接受程度進行調查。

采用李克特五點評分量表對模型中的潛變量進行測量，以描述出行者對MaaS一體化支付的心里接受程度，具體調查內容如表2所示。

3" 實例分析

3.1" 問卷統計情況

以武漢市的交通出行者為調查對象，在武漢站、武昌站、漢口站三個火車站分發問卷，來完成本次出行者對于MaaS一體化支付接受度的研究。

" 本次調查共發放597份問卷，最終回收546份有效問卷，有效回收率為91.5%。對本次調查有效問卷信息進行整理，在546份有效的樣本中，男性占比54%，女性占比46%，調查對象的年齡較為分散，根據年齡分布將調查分成小于18歲、18—24歲、24—40歲、40—65歲、65歲以上這五個范圍，分別代表受訪者處于高中以下階段、大學階段、工作前中期階段、工作后期階段與退休老年階段，學歷分為高中及以下、專科及本科、碩士及以上，收入情況分為5 000元以下、5 000～15 000元、15 000元以上。具體調查信息如表3所示。

3.2" 信效度檢驗

" 在本次的研究中，主要的測量因素均是通過量表的方法進行測量，因此需對本次調查結果數據進行檢驗，為后續研究提供重要的前提。

" 首先對數據進行信度檢驗，分析本次測量中各個維度的內部一致性，利用SPSS軟件，采用克隆巴赫系數信度檢驗的方法，克隆巴赫系數的值一般被認為大于0.7時比較可信，大于0.8時很可信，本次檢驗中，信度檢驗結果如表4所示。其中，績效期望、努力期望、社群影響以及促成因素的克隆巴赫系數的值均大于0.8，感知風險、個人創新性以及使用意向的克隆巴赫系數的值均大于0.7，說明此調查問卷結果信度較好，可以使用。

其次對數據進行效度檢驗，效度檢驗主要檢測模型是否適配。其中，KMO值為0.937，此時KMO值大于0.8，表明結果適用。RMSEA（誤差均方根）為0.06，此時小于0.08，接近0.05，在良好范圍以內；GFI、NFI、CFI以及IFI的值均大于0.9，較為優秀，AGFI的值為0.892，接近優秀水平。此分析數據的結果充分表明了模型具有良好的適配度。模型適配度檢驗如表5所示。

模型適配度檢驗通過后，檢驗各個維度的收斂效度（AVE）與組合信度（CR）。利用AMOS進行驗證性因子分析（CFA），得出各維度內各個題目的標準化因子載荷，通過收斂效度與組合信度的計算公式計算出各維度對應的數值。AVE的值要求大于0.5，CR的值要求大于0.7，通過計算可得結果數值達標，收斂效度與組合信度結果較為良好。各維度的收斂效度與組合信度檢驗如表6所示。

3.3" 結構方程模型數據分析

結構方程模型的假設分析結果如表7所示，標準化后的路徑系數表示各維度之間的互相影響情況的強弱，社群影響對使用意向的影響程度最大，對其標準化后的路徑系數為0.363，其他變量對使用意向的影響程度為：績效期望（0.096）、努力期望（0.202）、個人創新性（0.325）、促成因素（0.215）、感知風險（-0.056），所得數值表明除社群影響外，努力期望、個人創新性、促成因素對使用意向的影響程度適中，而績效期望對使用意向的影響程度較小。P值代表置信程度，P值為***表示此時P值小于0.001，檢驗結果中，所有假設均已達到95%的置信程度，置信程度已達標，說明所有假設成立。結構方程模型分析結果如圖2所示。

4" 結" 論

" 本文通過問卷調查，基于UTAUT模型理論，創建MaaS一體化支付接受度模型，并對其進行分析，通過研究發現：（1）社群影響對使用意向的影響程度最大，平臺可以在用戶支付后，建立評價推薦系統，使用戶進行支付體驗反饋，并令其推薦給他人，對完成推薦的用戶，可給予適度的優惠；與政府等部門做好合作與聯系，加大政府與媒體的宣傳力度；（2）相比于其他變量維度，績效期望對使用意向的影響程度最小，平臺應豐富MaaS平臺，增加平臺支付的多樣性，并凸顯出MaaS一體化支付相比于傳統出行支付的優勢與特點；（3）作為新興出行方式，隨時調節支付價格，方便較多出行者，在用戶通過平臺支付或第三方支付時，增加支付便捷性，關注用戶個人隱私。

參考文獻：

[1]" MAAS ALLIANCE. White Paper： Guidelines and recommendations to create the foundations for thriving MaaS ecosystem[R]. Europe： MaaS Alliance， 2017.

[2] 王健. 什么是出行即服務（MaaS）[J]. 人民公交，2018（5）：34-36.

[3]" ZHU J， YE X. Development of destination choice model with pairwise district-level constants using taxi GPS data[J]. Transportation Research， 2018，93（8）：410-424.

[4] 曹陽，尹怡曉，常云濤. MaaS出行選擇傾向性研究[J]. 綜合運輸，2022，44（1）：64-69.

[5] 董志國，溫曉麗，蘇躍江，等. 一站式交通出行融合支付MaaS平臺的實踐與思考——以廣州為例[J]. 交通與港航，2022，9（2）：9-14.

[6] 龍昱茜，石京，李瑞敏. MaaS各國案例比較研究與應用前景分析[J]. 交通工程，2019，19（3）：1-10.

[7]" UTRIAINEN R， POLLANEN M. Review on mobility as a service in scientific publications[J]. Research in Transportation Business and Management， 2018，27（6）：15-23.

[8] 徐志剛，李金龍，等. 智能公路發展現狀與關鍵技術[J]. 中國公路學報，2019，32（8）：1-24.

[9]" ARSINTESCU LUCIA， CHACHAD RAVI， GREGORY KEVIN B， et al. The relationship between workload， performance and fatigue in a short-haul airline[J]. Chronobiology International， 2020，37（9-10）：1492-1494.

[10]" KAMARGIANNI M， LI W， MATYAS M， et al. A critical review of new mobility services for urban transport transp[J]. Res. Procedia， 2016，14：3294-3303.

[11]" BREZOVEC P， HAMPL N. Electric vehicles ready for breakthrough in MaaS？ Consumer adoption of E-Car sharing and E-Scooter sharing as a part of mobility-as-a-service （MaaS）[J]. Energies， 2021，14（4）：1088.

[12]" KAMARGIANNI M， MATYAS M， LI W B， et al. Londoners′ attitudes towards car-ownership and mobility-as-a-service： Impact assessment and opportunities that lie ahead[R]. London： MaaSLab， Energy Institute， University College London， 2018.

[13]" TS AUSTRALIA. Mobility as a service in Australia： Customer insights and opportunities[R]. Melbourne： ITS Australia， 2018.

[14]" GUIDON S， WICKI M， BERNAUER T， et al. Transportation service bundling——For whose benefit？ Consumer valuation of pure bundling in the passenger transportation market[J]. Transportation Research Part A： Policy and Practice， 2020，131：91-106.

[15] 黃藝宇，溫曉麗，謝振東，等. 基于MaaS的電子車票的研究[J]. 現代信息科技，2020，4（7）：21-23.

[16]" VENKATESH V， MORRIS M G， DAVIS G B， et al. User acceptance of information technology： Toward a unified view[J]. Mis Quarterly， 2003，27（3）：425-478.

收稿日期：2023-10-09

基金項目：國家社會科學基金項目“智慧出行的方案定制及服務提升策略研究”（20CGL018）

作者簡介：陳玲娟（1985—），女，湖北武漢人，武漢科技大學汽車與交通工程學院，教授，博士，研究方向：智能交通系統；李家豪（1998—），男，河北石家莊人，武漢科技大學汽車與交通工程學院碩士研究生，研究方向：交通規劃與管理。

引文格式：陳玲娟，李家豪. 基于UTAUT的MaaS一體化支付的接受度研究[J]. 物流科技，2024，47（21）：10-15.