李繼樸 賀 宜▲ 孫昌鑫 彭建華 陳 韜

（1.武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢430063；2.武漢理工大學(xué)水路公路交通安全控制與裝備教育部工程研究中心 武漢430063；3.交通運輸部科學(xué)研究院 北京100029；4.中汽研汽車檢測中心（武漢）有限公司 武漢430056）

0 引 言

近年來，自動駕駛汽車引發(fā)的人員傷亡交通事故引發(fā)了社會民眾和行業(yè)學(xué)者對無人駕駛技術(shù)的擔憂[1]。據(jù)美國波士頓咨詢公司預(yù)測，到2035年，自動駕駛汽車將占據(jù)全球25%左右的新車市場，產(chǎn)業(yè)規(guī)模將達到770 億美元[2]。無人駕駛技術(shù)的落地應(yīng)用一定程度上取決于民眾對于無人駕駛技術(shù)的接受度和風險認知[3]。

國內(nèi)外對無人駕駛技術(shù)接受度及其影響因素的研究，在調(diào)查方式上，一般采用主觀問卷的方式進行調(diào)查分析。在研究接受意向的影響因素時，Koul等[4]技術(shù)接受度模型（Technology Acceptance Model，TAM）模型分析了感知有用性、感知易用性和使用意愿之間的關(guān)系。Venkatesh 等[5]基于TAM結(jié)構(gòu)方程模型和計劃行為理論等，從使用者認知影響接受意向，認知與其他相關(guān)因素影響的角度出發(fā)，提出了技術(shù)接受和使用統(tǒng)一理論（Unified Theory of Acceptance and Use of Technology，UTAUT）模型。Hewitt等[6]基于UTAUT模型，引入態(tài)度、自我效能感知、焦慮和感知安全作為關(guān)鍵變量，建立自動駕駛汽車接受模 型（Autonomous Vehicle Acceptance Model，AVAM）模型，以標準化的方式衡量用戶對自動駕駛車輛的接受程度，AVAM模型檢驗結(jié)果證實了新增的關(guān)鍵變量對使用意愿具有顯著影響，其還發(fā)現(xiàn)隨著自動化等級的上升接受意愿呈顯著下降趨勢。魏瀟瀟等[7]建立TAM模型，新增隱私關(guān)注對接受意向的影響，分析了對接受意向影響的促進因素，發(fā)現(xiàn)隱私關(guān)注對接受意向產(chǎn)生顯著影響。楊潔等[8]新增受訪者駕齡信息，調(diào)查了公眾對自動駕駛技術(shù)的前景預(yù)期，對自動駕駛汽車的購買意愿，研究了國內(nèi)自動駕駛汽車消費市場接受度。

目前，國內(nèi)外對無人駕駛技術(shù)影響因素的研究，大多是只考慮了單一的影響因素或少數(shù)因素對接受意向的影響，沒有探究各因素之間的作用關(guān)系并最終如何作用到接受意向上的。因此，本文將在整合國內(nèi)外對無人駕駛技術(shù)影響因素探究的基礎(chǔ)上，引入駕車頻率、社會公眾對自動駕駛汽車的主觀認知、法律倫理的主觀意愿傾向[9]，以定量描述乘客對自動駕駛汽車的心理感受，并以此建立自動駕駛汽車接受度模型，揭示各影響因素之間的作用關(guān)系以及對自動駕駛汽車接受度的作用結(jié)果。

1 樣本調(diào)查

1.1 參與者

本研究通過文獻綜述與歸納，基于個人人格特性、主觀認知、了解程度、信任程度會對接受意向產(chǎn)生影響的理論基礎(chǔ)上[10]，設(shè)計出自動駕駛汽車接受意向調(diào)查問卷。問卷通過網(wǎng)絡(luò)途徑向社會大眾發(fā)布，為使調(diào)查樣本具有代表性，選取的被調(diào)查者涵蓋中國20個省份地區(qū)，包含每種學(xué)歷、年齡范圍，并通過在線方式進行填寫。問卷調(diào)查時間從2019年6月開始，回收問卷中參與者分布地區(qū)見圖1。

圖1 調(diào)查樣本地域分布Fig.1 Survey-sample geographical distribution

本調(diào)查在填寫問卷之前告知了本次調(diào)查研究的意義和目的，問卷調(diào)查采用匿名的方式進行，對調(diào)查者所填寫的信息進行保密，以便被調(diào)查者能更好地完成問卷，提高問卷的真實性。共回收1 123 份問卷，為提高問卷的質(zhì)量，剔除問卷中回答完全一樣，前后回答矛盾，填寫時間小于120 s（回收問卷中填寫時間平均值為135 s，眾數(shù)為130 s）和不完整的問卷，最終回收769 份有效問卷。樣本群體的主要特征見表1。

1.2 調(diào)查方法

1.2.1 問卷編制

自動駕駛汽車接受意向調(diào)查問卷共包含5個部分：基本信息、自動駕駛汽車功能認知、自動駕駛汽車負面影響認知、法律倫理認知、自動駕駛汽車接受意愿。具體編制過程如下。

1）文獻綜述與歸納。目前在對自動駕駛汽車接受意向及其影響因素的研究中，在調(diào)查方式上，絕大多數(shù)研究采用了意向調(diào)查法[11]，也有部分通過模擬實驗法。意向調(diào)查法，將問卷通過專業(yè)網(wǎng)站、電子郵件和社交軟件等發(fā)放，這種方法容易操作且便于收集與統(tǒng)計數(shù)據(jù)[12]。國外多使用模擬實驗法，通過模擬實驗，檢測被測試者的主觀認知和感受[13]。

表1 樣本主要特征信息Tab.1 Main characteristic information of samples

在以往對自動駕駛汽車接受意向的研究中，將接受意向解釋為接受自動駕駛汽車的可能性與態(tài)度、了解與信任程度、個人感知與關(guān)注點、購買意愿和使用傾向5 個方面[14]。而對影響自動駕駛汽車公眾接受意向的關(guān)鍵因素探究，可分為個人心理屬性，社會人口屬性，倫理、法律責任和車輛安全水平，車輛自動化水平及相關(guān)屬性，出行和環(huán)境因素6類[15]。

影響因素中個人心理、特質(zhì)和認知構(gòu)建了公眾對自動駕駛汽車接受意向的主要傾向，而法律倫理和車輛的安全水平對公眾接受意向起到了重要影響。因此，根據(jù)以上分析設(shè)計了自動駕駛汽車接受意愿調(diào)查問卷。

2）預(yù)調(diào)查。調(diào)查問卷發(fā)放給了100 位被測試者，觀測他們對問卷內(nèi)容和回答方式的理解程度，并進行了信度檢驗，結(jié)果較好。

對于部分表述不佳和難以理解的問題，根據(jù)被測試者對題目的理解的反饋而修改了表述并加以了說明。在修正了造成信度不佳的題目后，進行正式調(diào)查。

1.2.2 問卷信度檢驗

信度檢驗即問卷的可靠性檢驗，指采用同樣的方法對同一對象重復(fù)測量時所得結(jié)果的一致性程度，也就是反映實際情況的程度。一般克隆巴赫α系數(shù)大于0.7即表明問卷的信度是足夠的。

1.3 量表

本問卷根據(jù)自動駕駛汽車發(fā)展現(xiàn)狀，參照自動駕駛汽車所引發(fā)的一系列問題和爭議，旨在了解社會大眾對自動駕駛汽車社會影響及法律倫理方面的見解，以及自動駕駛汽車進入人類社會的倫理準則、法律規(guī)范、社會主體地位等，從而探索智能無人的社會適應(yīng)性及其影響因素。

問卷由5 個部分內(nèi)容構(gòu)成。個人的基本信息，包括年齡、性別、駕齡、學(xué)歷、地區(qū)等；自動駕駛汽車功能認知，反映的是公眾對自動駕駛汽車的感知易用性；自動駕駛汽車負面影響的認知反映的是感知風險性，公眾對自動駕駛汽車安全性的關(guān)注點；社會法律倫理的認知反映的是社會大眾對自動駕駛汽車法律準則的理解以及對未來相關(guān)法律制定的預(yù)期；自動駕駛汽車社會接受意向通過購買意愿、對自動駕駛汽車未來發(fā)展的預(yù)期2項來測試。

問卷均采用5 點式李克特量表，每個問題的選項按照頻率、可能性、與描述的貼近度，用1～5 來表示。“1”代表著“可能性小”“次數(shù)少”或“與描述不貼近”，“5”代表“可能性大”“次數(shù)多”或“與描述貼近”。

2 模型建立

2.1 SEM模型

1973 年Wiley 等[16]為更好地分析因數(shù)之間的作用關(guān)系，提出結(jié)構(gòu)方程模型（structural equation modeling，SEM）的初步概念。結(jié)構(gòu)方程模型在進行分析時，首先將各個變量的測試值進行處理，如果變量的測試變量只有1個可不做處理。變量數(shù)據(jù)處理后，假定變量之間存在因果關(guān)系，建立因果關(guān)系模型，隱變量可以分別用1組顯變量表示，是某幾個顯變量中的線性組合。模型建立后，導(dǎo)入相應(yīng)數(shù)據(jù)進行分析檢測，通過模型各項擬合指標，可以估計出假設(shè)的模型對所研究的過程是否合適，如果證實所假設(shè)的模型合適，就可以說假設(shè)隱變量之間的關(guān)系是合理的。SEM 大量的應(yīng)用于社會科學(xué)及行為科學(xué)的領(lǐng)域里，并在近幾年開始逐漸應(yīng)用于接受意向的研究中。

2.2 模型假設(shè)

為了研究接受意向的影響因素，基于TAM 模型增加外部變量，改進TAM 型的感知易用性與感知有用性，建立新的接受意向研究模型[17]。由于感知有用性與感知易用性，僅代表個人主觀認知的有用性、合作難易程度2個認知維度，因此建立功能認知、負面影響的認知、法律倫理認知新的認知維度，研究其對接受意向的影響。根據(jù)個人后天屬性特征受教育程度、駕車因素（駕齡、駕車頻率）等控制變量會對個人主觀認知變量產(chǎn)生影響的理論，增設(shè)了外部變量。同時大量研究表明，性別、年齡、職業(yè)等也會對個人主觀認知產(chǎn)生影響，由此增設(shè)了潛變量對影響因素進行研究。改進后模型總體框架見圖2。

圖2 自動駕駛汽車接受度研究模型Fig.2 Acceptance model of automated vehicles

2.3 模型變量方程

利用結(jié)構(gòu)方程模型定量描述變量間的因果關(guān)系及變量對自動駕駛汽車接受意向的影響，結(jié)構(gòu)方程模型的構(gòu)建主要包含2個方面：①測量模型（問卷題目與變量因素之間的關(guān)系）；②結(jié)構(gòu)模型（各個變量之間的關(guān)系）。由此，模型表達式見式（1）～（3）[18]。

式（1）為外生潛變量的測量模型。

式中：X 為外生潛變量（自變量）的觀察變量構(gòu)成的向量，ξ 為外生潛變量構(gòu)成的向量，ΛX為X 對ξ的因子載荷矩陣，δ 為X 的觀測誤差向量。

式（2）表示的內(nèi)生潛變量的測量模型。

式中：Y 為4 個內(nèi)生潛變量（因變量）的觀察變量組成的向量，η為內(nèi)生潛變量構(gòu)成的向量，ΛY為Y 對η的因子負荷矩陣，ε 為Y 的觀測誤差構(gòu)成的向量。

式中：B 為內(nèi)生潛變量的結(jié)構(gòu)系數(shù)矩陣，Γ 為外生潛變量ξ 的結(jié)構(gòu)系數(shù)矩陣，ζ 為模型的誤差向量。

3 數(shù)據(jù)分析與結(jié)果

首先對問卷數(shù)據(jù)進行了探索性因子分析以及信度效度檢驗。根據(jù)探索性因子分析結(jié)果，對因子進行了相關(guān)性分析排除無關(guān)變量。為探索幾個因子對自動駕駛汽車接受意向的影響做了線性回歸分析，為進一步研究幾個因子之間的作用關(guān)系，按照圖2模型假設(shè)進行了結(jié)構(gòu)模型分析。

3.1 探索性因素分析

采用KMO 檢驗方法和巴特利特球度檢驗對問卷數(shù)據(jù)進行分析，以驗證問卷數(shù)據(jù)的有效性及因子分析的可行性，結(jié)果見表2。其中，df 為檢驗的自由度，Sig.為顯著性水平。KMO 的值為0.803，表明問卷數(shù)據(jù)適合進行因子分析（0.8～0.9為很適合；0.7～0.8 為適合；0.6～0.7 為尚可；0.5～0.6 為很差；0.45以下應(yīng)該放棄）[19]。同時，Bartlett檢驗的近似卡方值為3 142.391，p＜0.000 01，即排除相關(guān)矩陣是同一個單位矩陣的可能。其結(jié)果表明，其也滿足做因子分析的條件。

表2 KMO 和Bartlett 的檢 驗Tab.2 The test of KMO and Bartlett

3.2 問卷信度檢驗

根據(jù)探索性因素分析的結(jié)果，將問卷劃分為5個因子，并對各個因子進行一致性檢驗，結(jié)果見表3。問卷總體Cronbach'a 信度系數(shù)均在0.7 以上，表明問卷的內(nèi)部一致性信度良好，問卷的整體設(shè)計具有較高的可信度。因此，依據(jù)該問卷獲得的數(shù)據(jù)是可信的，基于問卷數(shù)據(jù)統(tǒng)計分析的結(jié)果也是可靠的。

3.3 公眾認知及接受意向調(diào)查狀況

公眾對自動駕駛汽車的認知和接受意向的調(diào)查狀況如下。其中，認知狀況包括功能認知和負面影響的認知，并以購買意愿來解釋公眾對自動駕駛汽車的接受程度。

圖3展示的是自動駕駛汽車功能的社會公眾認知，指社會公眾對自動駕駛汽車所具有的功能、作用的理解認知。從調(diào)查結(jié)果來看，完全不可能的比例顯著偏低，且都小于7.0%，去除不清楚的比例之后，比較可能和完全可能二者比例之和都超過了84%?？芍?，自動駕駛汽車基本滿足了社會大眾的相關(guān)功能認知，且對自動駕駛汽車在減少汽車尾氣排放、減少交通事故數(shù)量、縮短行程時間、緩解交通壓力、降低交通事故嚴重性的認知具有高度一致性。

表3 自動駕駛汽車社會適應(yīng)性問卷表信度檢驗結(jié)果Tab.3 Reliability test results of the social adaptability questionnaire for Automated Vehicles

圖3 公眾對自動駕駛汽車功能認知狀況Fig.3 Public's awareness of autonomous vehicle functions

圖4展示了自動駕駛汽車負面影響的社會公眾認知，指社會大眾對自動駕駛汽車可能存在的問題及對人類的影響的理解認知。在調(diào)查社會公眾對自動駕駛汽車的負面影響認知狀況時，從3 個維度進行調(diào)查分析，系統(tǒng)設(shè)備安全、隱私安全、對人和傳統(tǒng)汽車的影響。調(diào)查結(jié)果顯示，比較可能和完全可能的比例都超過48%?？芍?，社會大眾認為自動駕駛汽車存在隱私泄露、系統(tǒng)設(shè)備失靈、會對傳統(tǒng)汽車和人產(chǎn)生負面影響的問題。

圖4 公眾對自動駕駛汽車負面影響認知狀況Fig.4 Public's cognition of the negative effects ofautomated vehicles

圖5 展示了購買意愿，用于解釋公眾對自動駕駛汽車的接受意愿，購買意愿在不同的性別中沒有顯著差異，公眾對未來購買1 輛自動駕駛汽車的意愿較高對自動駕駛汽車有較高的社會接受度。

3.4 接受意向影響因素的相關(guān)性分析

為了驗證哪些因素會對自動駕駛汽車的社會接受意向產(chǎn)生影響，同時排除對一些影響分析接受意向因素的其他無關(guān)變量，根據(jù)圖2 假設(shè)的研究模型圖，將所有變量與自動駕駛汽車接受意向進行Pearson相關(guān)性與Kendall相關(guān)性檢驗。

表4 是對幾個因素變量進行Pearson 相關(guān)性與Kendall相關(guān)性檢驗輸出的結(jié)果。

圖5 公眾對自動駕駛汽購買意愿狀況Fig.5 Public's willingness to buy automated vehicles

表4 接受意向影響因素相關(guān)性分析Tab.4 Correlation analysis of influencing factors of acceptance intention

從檢驗結(jié)果（見表4）來看，個人因素3個變量中駕齡、學(xué)歷、駕車頻率的Pearson 相關(guān)性分別為：-0.132，0.276，-0.089，概 率P值 為：0.001，0.008，0.014，均小于0.05。因此，可認為駕齡、學(xué)歷、駕車頻率3個變量對自動駕駛汽車接受意向存在顯著影響。為了使結(jié)果更準確，本文進行了Kendall相關(guān)性檢驗，其幾項P值為均小于0.05。進一步論證駕齡、學(xué)歷、駕車頻率3個變量對自動駕駛汽車接受意向存在顯著影響。功能的認知、負面影響認知、法律倫理認知的Pearson相關(guān)性分別為：0.473，-0.046，0.087，且其P值均小于0.05。因此，可認為自動駕駛汽車功能的認知、負面影響認知、法律倫理認知對自動駕駛汽車接受意向存在顯著影響。法律倫理認知會對自動駕駛汽車社會接受意向產(chǎn)生影響。同時，性別、年齡、職業(yè)，檢驗結(jié)果為不顯著（P＞0.05），則排除這3個變量因素對接受意向影響的顯著性。

3.5 接受意向影響因素的多元回歸分析

本研究探究個人因素、自動駕駛汽車功能認知、負面影響認知、法律倫理認知對自動駕駛汽車社會接受意向的影響關(guān)系，從4 個維度進行線性回歸分析。在影響因素相關(guān)性分析的基礎(chǔ)上，根據(jù)與自動駕駛汽車接受意向產(chǎn)生顯著相關(guān)性的因素建立線性回歸模型，以探究各個因素對接受意向的作用機制，以下是線性回歸模型分析后輸出的模型參數(shù)。表5為自動駕駛汽車社會接受度模型參數(shù)。

表5 自動駕駛汽車社會接受度模型參數(shù)Tab.5 Parameters of the social acceptance model of automated vehicles

表5 中，線性回歸模型R為0.513，R2為0.263，調(diào)整后的R2較為精準為0.257，說明模型的擬合度很好，對因變量為大效應(yīng)，個人因素、自動駕駛汽車功能認知、負面影響認知、法律倫理認知4個維度的自變量對自動駕駛汽車社會適應(yīng)性可以產(chǎn)生較大的影響。DW值為2.057（大于2），說明自變量有自相關(guān)。

表6 是將4 個維度的變量與自動駕駛汽車社會接受意向進行線性回歸分析輸出的分析結(jié)果。其中VIF值均小于8 說明自變量中無需剔除相似變量?？捎霉絹肀硎緜€人因素、自動駕駛汽車功能認知、負面影響認知、法律倫理認知4 個自變量對自動駕駛汽車社會適應(yīng)性的影響程度為

式中：x1為學(xué)歷；x2為駕齡，年；x3為駕車頻率；x4自動駕駛汽車功能的認知；x5為自動駕駛汽車負面影響的認知；x6法律倫理認知。模型分析結(jié)果表明，以上因素可作為影響公眾接受度變化的重要輸入。

表6 回歸模型輸出結(jié)果Tab.6 Output of the regression model

3.6 SEM接受意向模型

為進一步驗證駕車因素（駕齡、駕車頻率）、公眾對自動駕駛汽車功能、負面影響、法律倫理的認知與自動駕駛汽車社會受意向之間的因果關(guān)系，明確地展示出幾個因素之間發(fā)生作用的機制，根據(jù)圖2 假設(shè)的研究模型，建立了結(jié)構(gòu)方程模型見圖6。其中駕車因素是駕齡與駕車頻率生成的變量，e1為自動駕駛汽車功能認知的殘差項，e2為自動駕駛汽車法律倫理準則認知的殘差項，e3為自動駕駛汽車負面影響認知的殘差項，e4為自動駕駛汽車接受意向的殘差項。

圖6 結(jié)構(gòu)方程模型Fig.6 Structural model

表7 為結(jié)構(gòu)化模型指數(shù)，展示的是結(jié)構(gòu)化模型分析的模型指標，用以說明結(jié)構(gòu)化模型各項路徑數(shù)據(jù)是否滿足模型要求以及模型擬合程度。其中卡方值（chi-square）為0.138，自由度df 為1，P值為0.711（標準值P＞0.5），擬合優(yōu)度指數(shù)GFI為0.99（標準值GFI＞0.9），修正擬合優(yōu)度指數(shù)AGIF為0.99（標準值A(chǔ)GIF＞0.9），近似差方根RMSEA為0.000（標準值RMSEA＜0.05），說明接受度模型擬合效果好，符合標準要求[16]。

表7 結(jié)構(gòu)化模型指數(shù)Tab.7 Structural model index

表8 是路徑的標準化影響系數(shù)，表征每個路徑的影響大小。顯示，學(xué)歷對功能認知產(chǎn)生顯著的正影響（路徑系數(shù)值為：0.34，顯著），個人學(xué)歷的提升，會增加對自動駕駛汽車功能正面的理解度。學(xué)歷對法律倫理的認知產(chǎn)生0.302的正影響，對負面影響的認知產(chǎn)生-0.175 的負影響，對自動駕駛汽車接受意向產(chǎn)生0.172的正影響，表明學(xué)歷通過促進公眾對自動駕駛汽車正面的認知、抑制負面認知，從而對公眾接受度產(chǎn)生顯著正影響，與多元線性回歸分析的結(jié)果一致。駕車因素對功能認知產(chǎn)生-0.044 的負影響，對法律倫理的認知產(chǎn)生-0.004的負影響，對負面影響的認知產(chǎn)生0.040的正影響，對自動駕駛汽車的社會接受意向產(chǎn)生-0.014的負影響，表明駕車因素，會促進公眾對自動駕駛汽車負面影響的認知程度，而抑制正面影響的認知，從而對自動駕駛汽車接受意向產(chǎn)生顯著負面影響。功能認知對接受意向產(chǎn)生0.444 的正影響，負面影響的認知對接受意向產(chǎn)生-0.099的負影響。法律倫理認知對接受意向產(chǎn)生0.038的正影響。

表8 模型標準化路徑關(guān)系值Tab.8 Standardized-path relational values of the model

表9是3種分析結(jié)果對比，展示檢驗結(jié)果的一致性。其中，檢驗的所有因素，相關(guān)性分析Person 值、線性回歸B值、SEM 結(jié)果方程模型路徑值正負性（正/負表征該路徑為正/負影響）相同且均為顯著（P＜0.05）3種方式檢驗結(jié)果趨于一致性，驗證了以上結(jié)論的可靠性。

表9 影響因素檢驗結(jié)果對比Tab.9 Significant comparison of influencing factors

3.7 討論

本研究調(diào)查了公眾對自動駕駛汽車功能、負面影響、法律倫理的主觀認知，以公眾對自動駕駛汽車的購買意愿分析了公眾的接受意愿。公眾對自動駕駛汽車的功能和有用性有良好的認知和較為樂觀的期待。這與當下科技發(fā)展造福人類的主流思想相符。但同時，由于技術(shù)的不成熟，人們也擔心自動駕駛汽車會存在系統(tǒng)安全、隱私泄露等造成負面影響的問題。雖然公眾普遍擔憂自動駕駛汽車存在一定的風險，但對未來購買1 輛自動駕駛汽車卻表現(xiàn)出較高的意愿。建議當下行業(yè)開展自動駕駛汽車技術(shù)研究，不僅要聚焦技術(shù)的可實現(xiàn)性也要聚焦提升技術(shù)的安全性和避免造成不良社會影響。

在探究自動駕駛汽車接受意向的影響因素時，發(fā)現(xiàn)職業(yè)與接受意向并無顯著相關(guān)性，但是不排除從事某些與車輛工程技術(shù)相關(guān)的職業(yè)與非相關(guān)職業(yè)，在接受意向上會出現(xiàn)顯著差異，這是由于其從事車輛工程技術(shù)工作，個人對自動駛技術(shù)的認知構(gòu)建過程受到職業(yè)的顯著影響，而對于其他非相關(guān)職業(yè)，職業(yè)并不會在其對自動駕駛技術(shù)的認知構(gòu)建過程中產(chǎn)生顯著影響。

4 結(jié)束語

1）本研究設(shè)計了自動駕駛汽車接受意向調(diào)查問卷，調(diào)查了769位涵蓋20個地區(qū)的參與者，統(tǒng)計分析了被調(diào)查者人口屬性特征。自動駕駛汽車接受意向調(diào)查群體的樣本特征為18～45 歲的企業(yè)員工、學(xué)生為主體，學(xué)歷集中在中學(xué)以上，男性略多于女性，駕齡集中在0～4年。

2）本研究使用問卷數(shù)據(jù)基于研究假設(shè)模型，將各個可能對接受意向產(chǎn)生影響的因素進行相關(guān)性分析，排除無關(guān)因素變量性別、職業(yè)、年齡。引入了駕車頻率、法律倫理認知[20]這2個核心變量結(jié)合功能認知、負面影響認知、學(xué)歷構(gòu)建了自動駕駛汽車接受度線性回歸模型。為驗證回歸模型的結(jié)論和更好的展示幾個因素之間的作用關(guān)系，建立了接受度結(jié)構(gòu)方程模型，對幾個因素之間的作用關(guān)系進行了具體的描述。根據(jù)模型的路徑結(jié)果分析了人格因素、主觀認知對接受意向的影響機制，驗證了“個性特質(zhì)-態(tài)度/感知-行為”的經(jīng)典框架在研究影響公眾對自動駕駛汽車接受意向因素的有效性。

3）本研究只是調(diào)查了公眾主觀對自動駕駛汽車的購買和使用意愿，在未來隨著自動駕駛技術(shù)的不斷成熟，自動駕駛汽車和傳統(tǒng)車輛將會同時出現(xiàn)在道路上，駕駛傳統(tǒng)車輛的道路使用者，是否會擔憂自動駕駛汽車的存在會影響到自己的行駛安全，而抵制其共同在道路上行駛。所以，以后的研究可以考慮從這一角度出發(fā)，去調(diào)查公眾與自動駕駛汽車共同使用道路的合作意愿。