自动驾驶接受度问卷 (QAAD) 的制定：3 级和 5 级自动驾驶的数据驱动模型,Transportation Research Part F: Traffic Psychology and Behaviour

当前位置： X-MOL 学术 › Transportation Research Part F: Traffic Psychology and Behaviour › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

自动驾驶接受度问卷 (QAAD) 的制定：3 级和 5 级自动驾驶的数据驱动模型
Transportation Research Part F: Traffic Psychology and Behaviour Pub Date : 2021-10-14 , DOI: 10.1016/j.trf.2021.09.011
Klemens Weigl _{1,

2} , Clemens Schartmüller _{1,

3} , Andreas Riener ₁ , Marco Steinhauser ₂

Affiliation

自动驾驶带来了许多承诺，例如零交通伤亡，但只有在其技术发展和公众接受广泛部署的情况下才能实现。为了调查潜在的接受度，我们开发了一个新的数据驱动问卷，重点关注预期可能（非）采用自动驾驶 (AD) 的驱动因素和障碍。因此，我们对 18 至 96 岁的 725 名受访者（351 名女性，374 名男性）进行了横断面问卷调查。我们应用探索性和验证性因素分析以及结构方程建模，以追求制定 QAAD 问卷（SAE 3 (L3) 和 5 (L5) AD 的短版和长版）的总体目标。因此，我们确定了三个潜在因素 PRO（积极方面）、CON（消极方面）、和 L3（短：9 项；长：16）和 L5（短：11，长：17）的 NDRT（非驾驶相关任务）。此外，我们对 AD 的一般性问题（8 项）进行了查询，并提取了早期采用/专业 AD 和可持续性两个因素。我们的发现和拟合优度指数表明了 L3 和 L5 自动驾驶的数据驱动模型，以及关注 AD 背景下早期采用和可持续性的一般方面。它们可以应用于未来的研究环境，特别是（准）实验性 L3 和 L5 AD 研究以及 AD 的人口调查。所提出的研究的证据应该得到验证，并与全球不同国家的其他 AD 问卷进行比较。我们查询了关于 AD 的一般性问题（8 项），并提取了 Early Adoption/Pro AD 和 Sustainability 两个因素。我们的发现和拟合优度指数表明了 L3 和 L5 自动驾驶的数据驱动模型，以及关注 AD 背景下早期采用和可持续性的一般方面。它们可以应用于未来的研究环境，特别是（准）实验性 L3 和 L5 AD 研究以及 AD 的人口调查。所提出的研究的证据应该得到验证，并与全球不同国家的其他 AD 问卷进行比较。我们查询了关于 AD 的一般性问题（8 项），并提取了 Early Adoption/Pro AD 和 Sustainability 两个因素。我们的发现和拟合优度指数表明了 L3 和 L5 自动驾驶的数据驱动模型，以及关注 AD 背景下早期采用和可持续性的一般方面。它们可以应用于未来的研究环境，特别是（准）实验性 L3 和 L5 AD 研究以及 AD 的人口调查。所提出的研究的证据应该得到验证，并与全球不同国家的其他 AD 问卷进行比较。我们的发现和拟合优度指数表明了 L3 和 L5 自动驾驶的数据驱动模型，以及关注 AD 背景下早期采用和可持续性的一般方面。它们可以应用于未来的研究环境，特别是（准）实验性 L3 和 L5 AD 研究以及 AD 的人口调查。所提出的研究的证据应该得到验证，并与全球不同国家的其他 AD 问卷进行比较。我们的发现和拟合优度指数表明了 L3 和 L5 自动驾驶的数据驱动模型，以及关注 AD 背景下早期采用和可持续性的一般方面。它们可以应用于未来的研究环境，特别是（准）实验性 L3 和 L5 AD 研究以及 AD 的人口调查。所提出的研究的证据应该得到验证，并与全球不同国家的其他 AD 问卷进行比较。

"点击查看英文标题和摘要"

Development of the Questionnaire on the Acceptance of Automated Driving (QAAD): Data-driven models for Level 3 and Level 5 automated driving

Automated driving comes with many promises like zero traffic casualties that are, however, only realizable given their technological development and public acceptance for wide-spread deployment. To investigate the potential acceptance, we developed a new data-driven questionnaire focusing on drivers and barriers of the anticipated possible (non-)adoption of automated driving (AD). Therefore, we conducted a cross-sectional questionnaire study with 725 respondents (351 female, 374 male) ranging from 18 to 96 years. We applied exploratory and confirmatory factor analyses and structural equation modeling, to pursue the overarching goal to develop the QAAD questionnaire (short and long version for SAE Level 3 (L3) and 5 (L5) AD). Hence, we identified the three latent factors PRO (positive aspects), CON (negative aspects), and NDRTs (non-driving related tasks) of L3 (short: 9 items; long: 16) and L5 (short: 11, long: 17), respectively. Additionally, we queried general questions on AD (8 items) and extracted the two factors Early Adoption/Pro AD and Sustainability. Our findings and the goodness-of-fit indices suggest data-driven models for L3 and L5 automated driving and on general aspects focusing on early adoption and sustainability in the context of AD. They can be applied in future research settings, in particular, in (quasi-)experimental L3 and L5 AD studies and in population surveys on AD. The evidence of the presented study should be validated and compared to other questionnaires on AD in different countries around the globe.

更新日期：2021-10-14

点击分享查看原文

点击收藏

阅读更多本刊新发论文