的概念分享经济进入我们的生活,许多应用程序是用于连接司机停车,腾出的停车位。然而,没有许多司机使用移动应用储备并找到可用的停车位,这主要是由于停车程序提供的信息不足。为了更好地解释,预测和改善司机的接受停车应用,基于技术接受模型的概念框架之间的关系建立了司机的意图接受停车程序,相信停车应用,停车应用的感知有用性,感知的易用性。然后建立了结构方程模型来分析各个变量之间的关系。结果表明,信任停车程序,感知有用性、感知易用性和停车程序属性的主要因素,确定意图使用停车程序。通过测试的直接效应,间接效应和总效应模型中,发现总影响感知有用性最大的接受意愿,标准化系数为0.984,其次是停车程序属性(0.743),感知易用性(0.384),在停车程序(0.381)和信任。
汽车保有量的持续快速增长,停车难问题成为大中型城市的普遍现象。共享停车模式已被应用于解决“停车困难的问题。“它变成了一个停车行业和学术研究的热点话题。作为共享经济的发展在运输领域,移动应用的智能停车场的设计使用移动互联网的连接分享个人的使用“在线car-hailing”和“后停车泊位共享的自行车。“超过100应用于市场,提供不同的功能。移动应用程序和网站功能的可滚动列表每个停车位停车设施及其可用性、价格、地址和其他信息。应用程序和网站也允许司机保留停车位,允许所有者共享停车空间,并承认经理分配和自动最优停车位分配给司机。与迪迪和超级ride-hailing和共享自行车应用,共享停车程序还没有被司机,接受业主和其他用户。实际上,停车程序提供了信息,连接驱动程序和空的停车位。如果司机不使用停车信息的应用程序,他们将巡航停车和App无法给司机带来便利,提高停车困难。因此,它有巨大的价值更好的理解为什么司机接受或拒绝停车程序。本研究的总体目标是分析驾驶员的停车程序接受他们的意图和解释其意图的信任停车应用,感知有用性、感知易用性和其他相关变量。一个概念性的框架基于技术接受模型建立驾驶员的意图之间的关系提出了应用在停车场停车程序和信任应用程序,感知有用性、感知易用性,和其他相关变量。 Then the structural equation model (SEM) is applied to analyze the relationship among these variables. The research problems are addressed as follows.
车手之间的重要关系是什么打算接受停车应用,相信停车应用,感知有用性、感知易用性和其他相关变量?
如何提出促进停车的战略应用和理解用户行为机制基于SEM结果?
许多学者研究了旅游信息旅游行为的影响。合唱et al。
旅游信息的需求、使用和认可,“et al。
至于研究旅行者使用taxi-hailing应用,刘(
在停车场的设计应用,几乎没有研究。唐(
许多学者研究了旅游应用程序的行为的影响。拱腰和金
技术接受模型(TAM)来源于理性行动理论(TRA)什拜因和Ajzen
根据TAM,一个人的接受指定的技术是由他或她的行为意图有关的技术,可以由他或她的对技术的态度。TAM包括两个特殊因素,感知有用性和感知易用性
技术接受模型(TAM)。
具体来说,感知有用性显著相关用户的意图接受停车程序,和感知易用性大大影响用户的接受意愿以及用户的感知有用性。同样,更有用和更容易使用司机认为停车程序是,司机会越接受应用。因此,提出以下假设。
用户认为在多大程度上使用一种技术或一个系统能帮助他们的工作表现受到外部变量的影响。当用户认为系统是易于使用,他们将完成更多的工作,同样的努力和提高工作性能。因此,提出以下假设。
(
用户感知的程度,技术易于使用外部变量的影响(如用户特征、系统特性和组织因素)。系统更容易使用,更强的用户的控制感和信心,以及他们对该系统将更积极的态度。因此,提出以下假设。
(
(
到那时,TAM进一步将两个步骤。态度和行为意向使用停车程序讨论如下。
司机的积极或消极情绪对信息技术的使用影响感知有用性和感知易用性。当司机感到停车程序更有用和方便使用,他们将有一个更积极的态度向应用程序。
司机的重复使用的主观可能性停车程序是受到个人态度和感知有用性和直接决定了他们的实际使用行为。
由于TAM忽略了一些重要的社会影响等因素在某些特定情况下,曾和戴维斯
同样,当前的研究扩展了TAM通过引入三个新的factors-parking应用属性,相信停车程序,sociodemographics-according停车的特点应用在这项研究。下面的分析的基础上,对司机的意图接受停车结构模型应用开发(图
结构模型的司机的意图接受停车程序。
停车场停车用户应用程序提供的服务链接可用的停车位。因此,停车程序提供的信息成为决定性因素司机接受这些信息,并使用这个程序公园。提供的信息的充分性和准确性停车程序是至关重要的,这样的函数是否停车预订,跟踪停车场内停放的车辆,停车作业,和电子支付是开放的,以及停车费用的波动是否可用停车位的数量是准确的。许多早期的研究(
(
作者给出的定义信任停车程序,即在多大程度上停车提供的交通信息服务应用程序可以通过特定用户信任。与不确定性,因此,在一个智能停车系统明显必要分析停车程序的可信度和确定它可能带来的风险,从而有效地开发一个可靠停车应用。作为一个新产品,停车场的应用不可避免地有信任的问题。一方面,信任是不足以支持停车的操作程序。另一方面,由于公众对新兴事物的矛盾,用户还想试一试,但害怕失败的同时。如果停车程序作为一个对象不能满足用户的需求,然后在停车用户的信任应用程序将会大大减少。例如,不准确和不确定的停车位置和价格可能会导致司机停车上花更多的时间和金钱。因此,司机会逐渐放弃使用停车程序,因为其不准确造成的不信任。用户的信任在停车场的应用主要是反映在他们的信任在停车信息提供的应用。因此,提出了以下假设。
(
性别、年龄、驾车年龄、职业、教育、和当地司机的工作时间可以有一定的影响他们的目的使用停车程序(
(
因为信任停车程序、感知有用性和其他潜在的变量不能直接测量的结构模型刚刚提到的,必须使用适当的多个观测指标变量定义。为了保证观测指标变量是合理的,他们选择在前面的概念框架的基础上,根据现有文献关于智能停车系统。每个潜变量观察指标变量的详细表
变量中使用的模型。
| 潜变量 | 观察指标变量 |
|---|---|
| 社会人口的 | SD1:性别 |
| SD2:年龄 | |
| SD3:开年 | |
| SD4:你在这个城市多久了? | |
| SD5:职业 | |
| SD6:教育 | |
|
|
|
| 停车程序属性 | PAA1:停车场停车收费应用提供准确信息。 |
| PAA2:停车数量的应用程序提供了准确的信息可用的停车位。 | |
| PAA3:停车程序需要开放停车场预订功能。 | |
| PAA4:停车程序需要打开函数的内部指导和停放车辆跟踪内部停车场。 | |
| PAA5:停车程序需要开放的电子支付功能。 | |
| PAA6:通过停车停车信息应用的更新速度是快速和及时的。 | |
|
|
|
| 感知有用性 | PU1:它有助于检查停车程序当寻找可用的停车位。 |
| PU2:总是通过停车检查停车信息应用在寻找可用的停车位。 | |
|
|
|
| 相信停车程序 | TPA1:停车场的停车信息应用是无关紧要的。 |
| TPA2:我更信任自己的停车经验比停车程序。 | |
|
|
|
| 感知易用性 | PEOU1:当寻找可用的停车场,停车检查应用程序是一件很麻烦的事情。 |
| 停车PEOU2:检查应用程序将需要更多的时间和造成不便。 | |
|
|
|
| 打算使用停车程序 | IUPA1:愿意使用应用时寻找可用的停车位停车。 |
六个问题的问卷调查,除了社会人口(SD1-6),剩下的问题都是由李克特量表评分5分:强烈同意,相对一致,一般认为,相对不同意,和强烈反对分级规模5比1。
像中国的其他城市一样,向心宁波城市建设和发展的性质导致的形成高密度的土地利用在城市中心,这导致了高强度运输。无论是路况还是建筑停车标准能够满足交通模式占据主导地位的汽车。因此,有必要研究宁波人民接受的意图停车程序。通过网络和实地调查、数据收集共享停车的目的。田野调查的鼓楼、城隍庙、月湖生源,宁波市鄞州区四天。调查集中于公共停车收费,包括公路和越野公共停车;这是因为在中国,大多数人都会收费停车场。最后,450份问卷被发出。保持估计的准确性和适当的解决方案,确保代表性,和使用多个观测指标变量定义潜在的变量,一个更大的和足够的样本大小,从100年到200年,建议使用最大似然估计(
450份有效问卷中,停车供应商,57%的受访者是男性,43%是女性。有几乎相同数量的男性和女性,这使得它合理分析意图使用停车程序。的意思不同人口学特征样本,司机的平均年龄是37.22岁,驾驶体验的平均长度是4.14年,和司机在宁波工作的平均时间是7.35年。更多的细节如表所示
受访者的特点。
| 变量 | 类别 | |
|---|---|---|
| 年龄 | < 20 | 5.7 |
| 20 - 30 | 58.0 | |
| 30 - 40 | 17.6 | |
| 40 - 50 | 15.4 | |
| > 50 | 3所示。3 | |
|
|
||
| 性别 | 男性 | 57 |
| 女 | 43 | |
|
|
||
| 开年 | < 5 | 66.7 |
| 5 - 10 | 19 | |
| > 10 | 14.3 | |
|
|
||
| 你在这个城市多久了?(年) | < 5 | 68.6 |
| 5 - 10 | 15 | |
| > 10 | 26.4 | |
|
|
||
| 教育 | 高(大学或更高) | 72年 |
| 其他 | 28 | |
本研究针对接受停车程序之间的关系,倚靠停车应用,感知有用性,和其他相关变量。潜变量和可观测变量见表
AMOS软件很容易没有编程模型,包括几乎所有的前沿统计方法与结构方程模型有关。在所有结构方程回归分析软件,包括阿摩司,采,MPLUS,阿莫斯的绘图界面是最清晰和舒适,方便检查错误和正确的模型。因为阿莫斯是相对简单的,旧的软件,nonstatistical人员还可以使用它来学习。因此,本文选择AMOS 21.0的最新版本进行结构方程模型分析。图
扫描电镜的司机的意图接受停车程序。
此外,e1∼e19是每个可观测变量的错误。因为停车程序属性和相互感知有用性的影响,使用双箭头来表示它们之间的关系。
这个模型获得的初始参数估计通过运行AMOS 21.0。根据输出拟合指数结果和连接理论,模型是不断修改。最后,运行的结果模型具有良好的拟合程度,满足标准要求。图
测量和结构模型与标准化的估计。
总结了对拟合优度指标表
整体符合指数模型。
| 指数 | 指数模型的价值 | 标准的价值 |
|---|---|---|
|
|
3.380 | < 5.0 |
| GFI | 0.905 | > 0.9 |
| NFI | 0.890 | > 0.8 |
| 金融机构 | 0.920 | > 0.9 |
| CFI | 0.919 | > 0.9 |
| RMSEA | 0.075 | < 0.1 |
DF =自由度,GFI =拟合优度指数,NFI =赋范健康指数,如果=增量符合指数,CFI =比较符合指数,RMSEA =均方根误差近似。
整体健康指数显示,最后一个模型与数据的吻合程度很好,接受。因此,假设关系在概念框架可以通过标准化的潜变量之间的路径系数测试。测试结果总结了六个假设关系表
假设检验的结果。
| 假设 | 模型的路径 | 系数两个变量之间 |
|
测试结果 |
|---|---|---|---|---|
|
|
感知有用性⟶意图使用停车程序 |
|
|
重要的 |
|
|
感知易用性⟶感知有用性 |
|
|
重要的 |
|
|
感知易用性⟶意图使用停车程序 |
|
|
重要的 |
|
|
停车程序属性⟶意图使用停车程序 |
|
|
不重要 |
|
|
相信停车程序⟶意图使用停车程序 |
|
|
重要的 |
|
|
社会人口⟶意图使用停车程序 |
|
|
不重要 |
四个六个假设的概念框架明显支持。此外,一个新的停车程序之间的关系属性和感知有用性被发现。所支持的
值得一提的是,影响系数在感知有用性和感知易用性司机的意图是负的,这是由于潜变量及其之间的负相关观测变量在表
尽管社会人口的司机没有显著关系司机的意图接受停车应用,我们还可以从图得出一些结论
潜变量之间的直接效应和总效应可以用来分析每一个因果关系的力量。直接影响一个变量对另一个的影响,不是由任何其他变量,和一个间接效应是由至少一个其他变量。总一个变量对另一个的影响是直接和间接影响的总和。前面的小节所示的路径系数都直接影响。自潜变量之间可能存在一种间接关系,通常很有用的直接和间接影响模型计算得到更好地理解模型的估计结果。
潜变量之间的直接、间接、和总效应给出了表
直接、间接和潜在变量之间的影响。
| 潜变量之间的关系 | 直接影响 | 间接影响 | 总影响 |
|---|---|---|---|
| 感知有用性⟶意图使用停车程序 | 0.984 |
- - - | 0.984 |
| 感知易用性⟶意图使用停车程序 | 0.306 |
0.078 |
0.384 |
| 停车程序属性⟶意图使用停车程序 | −0.189 | 0.932 |
0.743 |
| 相信停车程序⟶意图使用停车程序 | 0.381 |
- - - | 0.381 |
| 社会人口⟶意图使用停车程序 | −0.087 | - - - | −0.087 |
| 感知易用性⟶感知有用性 | 0.079 |
- - - | 0.079 |
| 停车程序属性⟶感知有用性 | 0.947 |
- - - | 0.947 |
此外,总的效应是显著和大型之间的感知易用性和感知有用性和停车程序属性之间和感知有用性;他们分别是0.079和0.947。所以停车程序属性对感知有用性有很大的影响。感知有用性的影响在接受意向很大程度上来自于停车程序属性。也就是说,虽然停车程序属性不直接影响到验收的意图,他们间接通过感知有用性的影响。
从假设检验和系数的分析,可以找到以下。
司机之间重要关系的意图接受停车程序:
感知有用性的影响最大停车程序接受意图。可以看出,感知有用性接受停车应用中扮演着重要角色的意图。由于在中国更多的车辆停车空间更少,司机很难快速找到停车位。停车程序的最大的责任是为司机提供停车信息和简化他们的停车搜索过程。和大多数停车场应用程序最大的问题是数据收集实际的停车位。如果所传播的信息应用是错误的和信息更新滞后,应用程序不会给用户带来便利但误导用户或给司机带来不必要的麻烦。因此,信息数据收集是大多数停车场应用目前的焦点,也是这个市场的必然发展趋势。未来的研究需要解决的问题,如何加强应用停车运营商和供应商之间的合作。
感知易用性第二大影响停车程序验收的意图,这效果在0.001水平具有重要意义。它有很多在中国与停车问题。由于停车许可的限制,停车场停车用户收到的信息是不同的。如果用户无法迅速得到有用的信息,他们会认为他们的应用不方便停车公园和放弃使用应用。一方面,应用程序应该控制广告的数量;另一方面,应加强信息管理,避免不必要的干扰用户的信息。同时,停车程序需要开发更多的功能来增强用户的方便。例如,停车程序可以与停车锁实现智能远程控制,方便司机管理停车位和防止停车位被别人占领。
相信在停车场停车应用有很大的影响应用程序接受的意图。显然,如果应用程序提供的停车信息不够准确或实时改变不根据实际情况,司机自然会减少停车信息的信心,认为停车信息并不重要,更相信自己的判断,减少停车场的使用应用程序。
提高司机的意图的方法使用停车程序:
社会人口变量,观察指标变量的性别与验收的意图,似乎有一个积极的关系和年龄似乎与接受意愿消极的关系,这意味着相对于男人和老人,妇女和年轻人更容易接受停车程序。所以建议停车程序应该增加宣传女性和年轻的司机。此外,教育与接受意愿显示了一个积极的关系,所以一个建议是,停车程序应该被提升到高等教育的人。
停车的终极目标应用程序能够获得准确的停车数据,停车预订,和快速的在线支付,可以改变传统的被动停车模式”首先到达,然后公园。“有很多功能有待开发。首先,函数的内部指导和停放车辆跟踪内部停车场应打开,这样就会更容易的司机进入停车场,离开时发现他们的车。然后,它需要添加一个雇佣驾驶功能,为车主提供驾驶代理服务,以避免无法开车当他们拿起从停车场,因为喝酒。此外,它还可以添加一个交通违章查询功能,帮助车主及时了解违反处理它。
本研究的目的是开发和验证的假设感知有用性、感知易用性、和其他潜在的变量是使用停车应用的决定因素。大多数以前的工作通过建模研究智能停车系统停车程序的功能设计或评估停车应用的性能。与现有文献不同的是,该模型在这项研究中,从心理的角度来说,是为了确认的测量尺度感知有用性、感知易用性和其他潜在的变量有显著的实证关系测量尺度停车程序接受意图。
总结结果,四个主要的见解关于停车程序验收发现的决定因素:
感知有用性是一个主要的行列式停车程序接受意图
停车停车程序属性是一个重要的辅助行列式应用接受意图,它间接地决定了司机的验收意图通过影响感知有用性
感知易用性是第三重要的行列式停车程序接受意图
相信停车程序是一个停车程序接受意愿的重要因素
这些研究结果对提高司机的验收的意图产生影响停车程序和提高停车在中国应用的服务质量。
自感知有用性影响最大停车程序接受意图,停车程序应该提高信息发布的准确性,加快信息更新,避免不必要的信息对用户产生不利影响。影响感知有用性的重要因素是停车应用程序属性。因此,停车程序经营者不仅要确保准确的信息也会开停车的预订,内部指引,和停放车辆跟踪、电子支付功能尽快增强用户的吸引力。只有通过开发更多的功能可以接受的用户感知有用性和停车程序得到改善。
感知易用性影响停车程序接受的意图是一个重要的因素。如何使停车程序接受用户是一个运营商需要考虑的问题。提高停车程序提供的清晰和简单的信息可以提高应用程序对用户的感知和可用性。为了提高用户的感知易用性、停车程序可以开发雇佣驾驶服务,违反查询功能,并提供长期出租车主方便使用。
最后,相信停车应用提出了更高的要求的准确性和实时停车信息。这意味着,运营商需要使用信息供应商,以确保可靠的访问信息,比如停车位和停车价格。毫无疑问,增加信任停车程序可以提高司机的使用停车程序。同时,停车程序可以用微信添加共享功能,QQ,和其他平台上传同步,提高用户粘性和加强他们的信任在停车程序。
这是第一篇文章研究智能停车程序的影响司机的停车行为,很有指导意义的研究国内外停车。本文的方法还提供了一种新的方式来解决停车问题的背景下情报。基于模型的建立和分析,我们可以理解用户行为机制,提出停车应用推广策略。减少城市交通拥堵和环境污染,本文具有一定的理论和实用价值。值得注意的是,由于人口的差异,停车类型和模式,本文的结论有助于释放停车信息在中国,但其他国家的指导意义需要额外的调查和研究。
使用的数据来支持本研究的发现可以从相应的作者。
作者宣称没有利益冲突。
这项研究得到了浙江省自然科学基金的项目,中国(LY20E080011),中国国家自然科学基金(没有。71971059),国家重点研究和发展项目的中国交通建模、监测和控制连接和自动车辆(2017 yfe9134700)和中国国家自然科学基金(没有。71701108和71701108)。作者感谢他们的导师,(你们的宁波大学写作这篇论文给了指令。作者还要感谢面试官协助调查。