打开文本图片集

摘要：近年来，汽车行业发展飞速，自动驾驶汽车赛道是汽车行业最主要的发展方向。国家不断出台针对自动驾驶汽车相关的扶持政策，可以看出国家对自动驾驶汽车行业的重视。汽车生产商需要在技术的进步的同时，了解目标客户的心理行为，才能更好的帮助自动驾驶汽车行业的发展。研究基于恐怖谷理论探究消费者对自动驾驶汽车使用意愿的影响因素。利用问卷调查法收集相关数据并利用spss软件进行数据信度，效度等数据分析。结果显示自动驾驶汽车个性化推荐程度越高消费者使用自动驾驶汽车的意愿越高，自我学习和自主决策程度越高，消费者使用自动驾驶汽车的意愿越低。研究结论将提升自动驾驶领域消费者的体验，并且推动自动驾驶技术的落地，为自动驾驶汽车产业的发展提供创新性的建议和指导。

关键词：自动驾驶；个性化推荐；自我学习；自主决策；使用意愿

引言

目前有研究实验发现自动驾驶汽车能够大幅度的减少交通事故的发生，并且能够在很大程度上改善目前的交通紧张的状况。但是，许多消费者对自动驾驶技术尚不熟悉，其安全性，智能化程度等问题尚存疑虑。本研究将探寻自动驾驶汽车智能化程度与消费者使用自动驾驶汽车意愿之间的内在机理进行研究，将恐怖谷理论和个性化推荐、自我学习、自主决策三个维度相结合来研究智能化水平对消费者使用意愿的影响。在这竞争激烈的环境下技术本身是无法实现价值的，唯有将技术与消费者的意愿相结合，才能使得技术更好的应用于实际实现技术价值。

一、国内外研究现状

自动驾驶行业发展问题备受国内国外人工智能学界的高度关注和重视，成为诸多学者的关注热点。在自动驾驶邻域有些学者认为风险感知和接受程度通过中介变量对驾驶员的使用意向产生了显著的间接效应，其中风险感知作用为负向的，接受程度为正向的。[1]还有一些学者认为消费者对功能的认知会促进观众对自动驾驶汽车的正面影响。[2]但是以自动驾驶智能化水平的角度研究消费者使用自动驾驶汽车的角度，目前国内外以此角度的研究尚少。在消费者对功能认知影响接受度，这一点可以纳入智能化水平对消费者使用意愿的研究之中。

二、理论假设

（一）个性化推荐对信任的影响机制分析

吕巍等学者曾提出：消费者看重的是AI个性化推荐为其带来的好处。[3]消费者更加看重个性化系统推荐的产品质量及是否有助于其进行决策。这都表明了个性化推荐系统为消费者所推荐的信息或服务能够为使用者带来相应价值更能让使用者感到满意。基于自动化驾驶汽车的情境下，是否自动驾驶汽车个性化推荐程度越高消费者对于自动化驾驶汽车的信任度也就越高？因此提出以下假设。

假设1：个性化推荐程度会正向影响信任

（二）自我学习对信任的影响机制分析

通过文献阅读发现关于自我学习在在人工智能技术层面尚不完善，在理论研究层面更是少之又少。《Nature》曾经报道了AlphaGo Zero以自主学习的方式以100∶0击败曾经代表AI界4∶1击败了世界围棋冠军的AlphaGo，成为了新的围棋高手。文章一经发表，引起了全世界范围的注意，这也让AI再一次处在了风口浪尖。[4]有学者曾提出：机器拟人化增强有可能激发人类的不安全感。[5]基于自动驾驶汽车领域来说当产品的外形和行为拟人化时用户会更相信自动驾驶汽车，但是当产品越来越像人类，甚至超越人类时用户反而会出现反感情绪。因此提出以下假设。

假设2：自我学习程度会负向影响信任

（三）自主决策对信任的影响机制分析

自动驾驶汽车自主决策行为可以表现为通过周边环境获取相关信息以及用户所指定的驾驶任务，通过自动驾驶其策划自身合理的逻辑判断，选择在驾驶时的超车、变道等行自主决策的驾驶行为。相较于传统汽车，自动驾驶汽车的已知危险区域因为算法等各种软件、硬件的引入会变得更加复杂，同时由于自主性等原因导致未知危险区域会日益高发。[6]自主性越强时，用户对产品的信任反而会降低。因此提出以下假设。

假设3：自我决策能力会负向影响信任

（四）信任对消费者使用意愿的影响机制分析

通俗来说当消费在在做出相应决策行为的过程中，需要不断降低风险后在采取行动。信任（Trust）在自动驾驶环境下的人-机共驾中扮演重要角色，是影响自动驾驶中人机协同效率与驾驶安全的关键要素。[7]当用户在接触到自动驾驶汽车时，对其如果产生不信任的情绪，从而会导致出现不愿意使用自动驾驶汽车的行为。因此提出以下假设。

假设4：信任对消费者使用意愿有显著的正向影响

假设5：信任在个性化和消费者使用意愿关系中有显著中介作用

假设6：信任在自我学习和消费者使用意愿关系中有显著中介作用

假设7：信任在自我决策和消费者使用意愿关系中有显著中介作用

三、研究设计

（一）数据收集

本研究主要通过线上问卷发放的方式进行研究数据的收集。本研究借鉴之前的研究采用国内外成熟量表，根据本研究的自动驾驶汽车情景加以改编，从而保证本次问卷所使用的量表具有良好的信度和效度。本研究所用的量表为五点李克特量表。1分表示完全不同意，5分表示完全同意。调查最终共收集有样本270个，其中剔除无效样本12个，最终得到有效样本248个。

（二）数据分析

1.信效度分析

将问卷做可靠性分析所得出的结果。从数据中中可以看出个性化推荐、自主决策、信任和使用意愿的Cronbac’ Alpha值在0.8-0.9之间，自我学习的Cronbac’ Alpha值在0.9以上，说明本问卷的可信度是比较好的。本研究由于采用的是国内外成熟量表进行数据收集，所以在进行效度分析时采用的是验证性因子分析。利用SPSS软件进行数据分析，数据结果显示个性化推荐、自我学习、自主决策变量的KMO值均大于0.8，信任和使用意愿KMO值均大于0.7，变量KMO值均大于0.6，说明本问卷数据是可用于因子分析研究的。并且数据通过Bartlett球度检验（p<0.05）说明本问卷所收集的数据是可以进行因子分析的。因此，本问卷所收集到的数据是有效的。

2.相关回归分析

通过问卷相关性的数据分析得出的结果可以看出个性化推荐和信任存在显著的相关性（sig<0.05），并且r>0（r=0.354），r的绝对值在0.2～0.4之间，表示个性化推荐和信任存在较弱的正向相关性；自我学习和信任存在显著的相关性（sig<0.05），并且r<0（r=-0.417），r的绝对值在0.4～0.6之间，表示自我学习和信任存在一定的负向相关性；自我决策和信任存在显著的相关性（sig<0.05），并且r<0（r=-0.355），r的绝对值在0.2～0.4之间，表示个性化推荐和信任存在一定的负向相关性；信任使用意愿存在显著的相关性（sig<0.05），并且r>0（r=0.403），r的绝对值在0.4～0.6之间，表示个性化推荐和信任存在较强的正向相关性；

将性别、年龄、学历和收入作为控制变量，个性化推荐、自我学习、自主决策和信任作为自变量，消费者使用意愿作为因变量进行回归分析。回归分析结果见下表。在控制了研究对象的控制变量后，因为sig值小于0.001所以p<0.01，个性化推荐、自我学习、自主决策和信任与影响消费者的使用意愿的回归方程显著。其中个性化推荐和信任的标准系数均大于0所以两者与使用意愿呈现显著负相关。假设1，假设4成立。自我学习和自主决策标准系数均小于0所以两者与使用意愿呈现显著负相关。假设2，假设3成立。

3.中介分析

在进行信任的中介作用分析时，发现在个性化推荐与使用意愿、自我学习与使用意愿以及自主决策与使用意愿之间的总效应显著，间接效应的置信区间不包括0，说明信任在模型中的中介作用成立。另外在直接效应中个性化推荐与使用意愿、自我学习与使用意愿以及自主决策与使用意愿之间的置信区间不包括0，所以信任起到一个不完全中介的作用。因此假设5、假设6和假设7不完全成立。

四、结果与政策建议

（一）研究结论

通过文献阅读法、问卷调查法以及实证分析法，得出自动驾驶汽车的个性化推荐程度越高，会促进消费者对于自动驾驶汽车的使用意愿；自动驾驶汽车自我学习以及自主决策程度越高反而会降低消费者使用自动驾驶汽车的意愿。并且信任在影响因素和使用意愿中起到中介作用，因此在未来的可通过对信任的调节来影响消费者使用意愿的增强。

（二）相关建议

1.相关政府加强对自动驾驶汽车的宣传

目前，相关政府对于自动驾驶汽车的扶持逐渐增大，但是效果并不显著。建议在未来，可以增加一些自动驾驶科普公益活动和关于自动驾驶汽车的体验基地。让更多的潜在消费者得到更加真实的体验，增加对自动驾驶汽车的认识。

2.关注信任对消费者使用意愿的影响

信任是技术与用户之间的桥梁。消费者会通过对该产品或服务是否信任而做出相应的行为。在进行产品设计或是推广营销时挖掘更多不同营销点建立与消费者之间的信任。

3.尽量避免出现“恐怖效应”

大部分工程师在进行产品设计时会认为人工智能产品越像人会使得消费者的使用意愿或是购买意愿增强。车企在进行自动驾驶汽车设计时应当注意避免出现恐怖谷效应，当出现恐怖谷效应想要在重新建立起与消费者之间的信任会非常的困难，相关企业在进行产品设计时需要注意。

（三）未来研究方向相关建议

1.视频、现实体验等多角度展示自动驾驶汽车

在未来自动驾驶汽车尚未普及的阶段可以选择视频或是现实体验相结合的形式进行问卷设计。视频更能够全面展现出自动驾驶汽车的特点。在场景模可以更多的去选择真实场景和问卷填写相结合的方式进行，给被调查者更加真实的感受，这种问卷调查的效果可能会更强。

2.扩大样本容量，多角度进行数据分析

自动驾驶汽车的消费者使用意愿还受到相当多因素的影响，除了本研究中所选取的“智”的影响因素以外，还有很多方面比较有价值的影响因素比如不同年龄或是性别的潜在消费者对于自动驾驶汽车使用意愿的影响等在本研究中尚未提及。在今后的研究中可以考虑增加不同年龄段或是不同学历等新的有价值的影响变量。

参考文献：

[1]李霞，郭梦婷，张孝铭，啜二勇，周巍.基于扩展计划行为理论的驾驶员跟驰意向分析[J/OL].深圳大学学报（理工版）：1-9[2022-11-03].

[2]李继朴，贺宜，孙昌鑫，彭建华，陈韬.基于SEM的自动驾驶汽车接受度模型与风险分析[J].交通信息与安全，2021，39（01）：26-34.

[3]张雁冰，吕巍，张佳宇.AI营销研究的挑战和展望[J].管理科学，2019，32（05）：75-86.

[4]徐公伟.人工智能与大数据技术的应用[J].电子技术，2023，52（02）：392-393.

[5]庞松.科学推动自动驾驶技术发展与应用——拥抱新技术，迎接新挑战[J].重庆交通大学学报（自然科学版），2021，40（10）：119-122.

[6]姜睿清，谢菲，柯楚秋等.基于TPB/UTAUT和信任的使用意愿影响因素研究——以互联网消费信贷产品蚂蚁花呗为例[J].南昌大学学报（人文社会科学版），2020，51（06）：70-78.

[7]董文莉，方卫宁.自动化信任的研究综述与展望[J].自动化学报，2021，47（06）：1183-1200.

作者简介：谢玉慧（2000-09），女，汉族，四川内江，本科，研究方向：人工智能应用。

（作者单位：宁波财经学院）