城市轿车驾驶员道路用户体验量表(City Car Drivers’ Road User Experience Scale)由Wang等人编制,共12个项目,分为出行体验、路况体验、路标体验和路网体验4个维度,参与者被要求结合自己经常驾车出行的路段指出这些项目在多大程度上符合切身体会。量表采用Likert 5点计分,回答范围从“1 = 完全不符合”到“5 = 完全符合”。分数越高,反映越好的道路用户体验。本研究中量表内部一致性α系数为0.816。
中文版自动驾驶汽车可接受性量表(the Chinese version of the Automated Vehicles Acceptability Scale)由Payre等人编制,Qu等人进行修订
[13]
,并检验了其在我国驾驶员群体中的信度和效度。修订后的量表共7个项目,分为情景接受度和危险使用2个子量表,采用Likert 7点计分,回答范围从“1 = 非常不同意”到“7 = 非常同意”,其中第1、4题反向计分。情景接受度子量表的得分越高表明对自动驾驶汽车的情景接受度越高,危险使用子量表的得分越高表明在危险情况下使用自动驾驶汽车的兴趣越高。本研究中量表内部一致性α系数为0.705。
表1
呈现了各变量描述性统计及相关分析结果。驾驶技能与情景接受度显著正相关(r = 0.14, P < 0.01),驾驶技能与危险使用显著负相关(r = −0.13, P < 0.01),驾驶技能与道路用户体验显著正相关(r = 0.47, P < 0.01),道路用户体验与情景接受度显著正相关(r = 0.16, P < 0.01),道路用户体验与危险使用相关不显著(r = 0.01, P > 0.05),这些结果为后续假设检验提供支持。
3.3. 回归分析
为了验证驾驶技能对自动驾驶接受度的预测作用,进行分层线性回归分析。结果表明,驾驶技能能够显著正向预测情景接受度(β = 0.14, P < 0.001)、显著负向预测危险使用(β = −0.13, P < 0.001)。在控制人口学变量后,驾驶技能仍然能够显著正向预测情景接受度(β = 0.08, P < 0.05)、显著负向预测危险使用(β = −0.09, P < 0.05)。
Table 1. Averages, standard deviations, and correlation matrices for each variable (n = 709)Table 1. Averages, standard deviations, and correlation matrices for each variable (n = 709) 表1. 各变量的平均数、标准差和相关矩阵(n = 709)
M
SD
1
2
3
4
1. 驾驶技能
28.04
4.23
1
2. 道路用户体验
46.88
6.77
0.47**
1
情景接受度
16.10
4.97
0.14**
0.16**
1
4. 危险使用接受度
12.42
6.01
−0.13**
0.01
0.23**
1
注:*在0.05级别(双尾),相关性显著;**在0.01级别(双尾),相关性显著。
3.4. 中介效应检验
采用SPSS 25.0及PROCESS程序,重复抽样5000次,检验道路用户体验在驾驶技能与自动驾驶情景接受度之间的中介效应
[16]
。结果表明,驾驶技能显著正向预测自动驾驶情景接受度(β = 0.14, P < 0.001);驾驶技能和道路用户体验同时进入回归方程,驾驶技能(β = 0.09, P < 0.05)和道路用户体验(β = 0.12, P < 0.01)均能显著正向预测情景接受度,且中介效应的95% Bootstrap置信区间不包含0,表明道路用户体验在驾驶技能和情景接受度之间中介效应显著。中介效应占总效应的比例为39.72%。见
表2
、
表3
。
References
郭延永, 刘佩, 袁泉, 等. 网联自动驾驶道路交通安全研究综述[J]. 交通运输工程学报, 2023, 23(5): 19-38.
闫晓霞. 自动驾驶技术公众接受度影响因素研究[D]: [硕士学位论文]. 太原: 山西财经大学, 2021.
Payre, W., Cestac, J. and Delhomme, P. (2014) Intention to Use a Fully Automated Car: Attitudes and a Priori Acceptability. Transportation Research Part F Psychology&Behaviour, 27, 252-263. >https://doi.org/10.1016/j.trf.2014.04.009
刘颖琦, 冯瑞虞, 李沐. 中国自动驾驶的公众接受度:量表开发与检验[J]. 科学决策, 2023(12): 55-67.
张凯帆. 基于封闭场地实验的自动驾驶汽车智能度和接受度测评研究[D]: [硕士学位论文]. 西安: 长安大学, 2019.
景鹏, 袁代标, 杜刘洋, 等. 基于科学知识图谱的自动驾驶技术接受度研究综述[J]. 江苏大学学报(自然科学版), 2023, 44(1): 14-21.
张琪. 年轻驾驶员自我效能感对驾驶技能的影响[J]. 人类工效学, 2020, 26(2): 8-11.
Huang, G., Hung, Y.-H., Proctor, R.W. and Pitts, B.J. (2022) Age Is More Than Just a Number: The Relationship among Age, Non-Chronological Age Factors, Self-Perceived Driving Abilities, and Autonomous Vehicle Acceptance. Accident Analysis&Prevention, 178, Article ID: 106850. >https://doi.org/10.1016/j.aap.2022.106850
Wang, Y., Dong, H., Sun, L. (2024) Driving on Familiar Roads? Development and Validation of Car Drivers’ Road User Experience Scale. Transportation Research Part F: Traffic Psychology and Behaviour, 102, 468-475. >https://doi.org/10.1016/j.trf.2024.03.017
周春雪. 驾驶员驾驶技能与事故倾向性的相关研究[D]: [硕士学位论文]. 大连: 辽宁师范大学, 2018.
Sundström, A.E. (2011) The Validity of Self-Reported Driver Competence: Relations between Measures of Perceived Driver Competence and Actual Driving Skill. Transportation Research Part F: Traffic Psychology and Behaviour, 14, 155-163. >https://doi.org/10.1016/j.trf.2010.11.011
马艺丹, 孙龙. 驾驶技能量表的修订及其信效度检验[J]. 心理学进展, 2018, 8(10): 8.
Qu, W., Xu, J. and Ge, Y. (2021) The Effect of Acceptability and Personality on the Intention to Use Automated Vehicles among Chinese Samples. Journal of Advanced Transportation, 2021, 1-10. >https://doi.org/10.1155/2021/6632185
Hayes, A.F. (2013) Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. Journal of Educational Measurement, 51, 335-337. >https://doi.org/10.1111/jedm.12050
周浩, 龙立荣. 共同方法偏差的统计检验与控制方法[J]. 心理科学进展, 2004, 12(6): 942-950.
温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745.
Huang, G., Luster, M., Karagol, I., Park, J.W. and Pitts, B.J. (2020) Self-Perception of Driving Abilities in Older Age: A Systematic Review. Transportation Research Part F: Traffic Psychology and Behaviour, 74, 307-321. >https://doi.org/10.1016/j.trf.2020.08.020
Jing, P., Xu, G., Chen, Y., Shi, Y. and Zhan, F. (2020) The Determinants behind the Acceptance of Autonomous Vehicles: A Systematic Review. Sustainability, 12, Article 1719. >https://doi.org/10.3390/su12051719
Meschtscherjakov, A., McCall, R., Louveton, N., Engel, T., Tscheligi, M. and Koenig, V. (2015) MaDSAV: Maintaining Driving Skills in Semi-Autonomous Vehicles. Adjunct Proceedings of the 7th International Conference on Automotive User Interfaces and Interactive Vehicular Applications, New York, 1-3 September 2015, 136-139. >https://doi.org/10.1145/2809730.2809732