利用结构方程模型分析司机接受停车应用的意愿

摘要

随着共享经济的概念进入我们的生活，许多停车应用程序的设计是为了连接司机和空出的停车位。然而，使用手机App预约和查找车位的司机并不多，这在很大程度上是由于停车App提供的信息不够充分。为了更好的解释、预测和提高司机对停车App的接受度，构建基于技术接受模型的概念框架，建立驾驶员接受停车App意愿、对停车App信任程度、停车App感知有用性和使用感知易用性之间的关系。然后建立结构方程模型，分析各变量之间的关系。结果表明，对停车App的信任、感知有用性、感知易用性和停车App属性是决定停车App使用意愿的主要因素。通过模型中直接效应、间接效应和总效应的检验，研究发现，感知有用性对接受意向的总影响最大，标准化系数为0.984，其次是停车应用属性(0.743)、感知易用性(0.384)和停车应用信任(0.381)。

1.导言

随着汽车保有量的持续快速增长，停车难问题已成为大中城市的普遍现象。为了解决“停车难”问题，采用了共享停车模式。它已成为停车行业和学术研究的热点。随着共享经济在交通领域的发展，智能停车移动app的设计是继“网约车”、“共享自行车”之后，利用移动互联网的互联性，实现个人泊位的共享使用。市场上推出了100多个应用程序，提供不同的功能。移动应用程序和网站都有一个滚动列表，列出每个停车设施及其可用停车位、价格、地址和其他信息。应用程序和网站还允许司机预留停车位，允许车主共享停车位，并允许经理自动分配和分配最佳停车位给司机。与滴滴、优步等打车应用和共享单车应用不同，共享停车应用尚未被司机、车主和其他用户接受。实际上，停车应用程序提供了连接司机和空闲停车位的信息。如果司机不使用App上的停车信息，就会处于停车的巡航状态，App不能给司机带来方便，提高停车难度。 Therefore, it is of great value to better understand why the driver accepts or rejects the parking App. The overall objective of this study is to analyze the parking App acceptance of the drivers from their intentions and explain their intentions in terms of trust in parking App, perceived usefulness, perceived ease of use, and other related variables. A conceptual framework based on the technology acceptance model is proposed to establish the relationship between driver’s intention to apply parking App and trust in parking App, perceived usefulness, perceived ease of use, and other related variables. Then the structural equation model (SEM) is applied to analyze the relationship among these variables. The research problems are addressed as follows.（一世）驾驶员接受停车应用程序的意愿、对停车应用程序的信任、感知有用性、感知易用性和其他相关变量之间的显著关系是什么？(2)如何基于SEM结果提出泊车App推广策略，了解用户行为机制?

2.文献综述

许多学者研究了旅游信息对旅游行为的影响[1，2]发现，即使交通信息是有用的，它对司机出行方式选择的影响也很小。Dziekan和Kottenhoff [3.]发现实时公共交通信息对乘客的等待时间感知有显著影响，一项调查显示有轨电车的等待时间感知可以减少20%。Brakewood等人[4]研究了实时信息在改善公交运营不确定性以及乘客感知、行为和满意度方面的作用，发现公交信息的应用可以显著提高乘客的出行满意度，减少乘客感知的等待时间，以及他们的焦虑和紧张.

在旅游信息需求、使用和接受方面，Goulias等人[5]研究了乘客使用先进的旅行信息系统，发现四种主要媒体——电视、互联网、广播、电话和移动通信技术——都对乘客的使用意识产生影响，并且这种影响会在家庭和个人特征上发生变化。Molin和Timmermans [6]的研究发现，乘客为公共交通信息付费的意愿可以通过提高信息质量和提供额外的信息服务(如旅行计划)来提高。Grotenhuis等人[7]研究了乘客对多模式出行信息需求的质量，发现乘客对出行信息有强烈的需求，以减少时间(出行和搜索时间)和节省精力(身体能量、认知能量和情感能量)。法拉格和里昂[8发现使用意识、习惯、态度、预期情绪和感知行为控制对公共交通信息的使用有显著影响。法拉格和里昂[9研究发现，社会人口特征、出行信息、社会环境和出行态度对公共交通信息的使用有很强的影响。建议在公共交通使用中提供公共交通信息，充分发挥公共交通信息的服务潜力。

关于乘客使用出租车招呼应用程序的研究，刘[10]发现App的实用性是影响上海乘客接受打车应用的主要因素，使用的便利性对其实用性有一定的影响。彭等人[11]通过行为意图分析打车应用的使用情况，发现感知易用性、感知有用性和兼容性正向且间接地影响使用态度，进而影响使用意图。同时积极主观规范,直接影响行为意向和感知风险负直接影响行为意图,和感知价格水平影响行为意图和使用态度,基地的计划行为理论(“理性行为理论(交易),技术接受模型(TAM)。Zhang等[12]建立了二元Logit模型来描述出行方式选择的趋势，并通过敏感性分析讨论了不同影响因素对选择概率的敏感性，为传统出租车和打车应用的发展提供参考。

在停车应用程序的设计方面，很少有研究[13]提出了停车场内部引导方案，通过将Dijkstra算法应用于停车场路径引导。歌[14]设计了停车App系统数据库，整体设计为后续手机停车App系统的实施和开发提供了整体技术支持。基于互联网和移动互联网的结合，设计的停车App解决了传统App的不足。

很多学者研究了旅行App对旅行者行为的影响。Hancer和Jin [15]结合动机理论探讨了旅游者对旅游应用的态度的影响因素，发现应用使用体验对影响因素有调节作用。Kwon等人[16]采用技术接受行为模型研究旅行者下载旅行App的行为。Shaila等[17]指出，年龄和态度(对智能手机使用和环境)在使用智能手机进行旅行规划以及通过二元选择建模方法塑造旅行结果方面发挥了重要作用。千禧一代(16-34岁)更有可能使用智能手机进行旅行规划，与其他年龄组相比，他们认为智能手机的旅行效果更好。Xie et al. [18]提出了一个建模框架，该框架对于考虑实时随需应变系统的动态对出行者行为的影响和捕获消费者异质性至关重要，因此与多模式动态模拟器的集成非常相关。

3.概念框架

技术接受模型(TAM)来源于Fishbein和Ajzen的理性行动理论(TRA) [19］.TAM的核心论点是，感知有用性和感知的易用性是在通过新技术之前的行为意图的决定因素，其中目的是实际使用的前提[20.］.近年来，TAM在交通运输研究领域得到了越来越多的应用。例如，TAM是为了研究用户对自动驾驶汽车的接受度而开发的[21]。停车应用程序应用信息技术提供停车预约和分配服务；因此，TAM也可用于研究驾驶员接受停车应用程序提供的停车服务的意愿。

３．１．技术接受模型

TAM认为，一个人对特定技术的接受程度是由他或她对该技术的行为意图决定的，而行为意图又可以由他或她对该技术的态度决定。TAM包括两个特定的因素，感知有用性和感知易用性[22]，解释用户对图中所示技术的意图和态度1．感知有用性是指一个人相信使用特定的技术会帮助他或她在工作表现中获得收获的程度。可感知易用性是指与特定技术的使用相关的易用性程度。

其中，感知有用性与用户接受停车App的意愿显著相关，感知易用性显著影响用户的接受意愿和用户的感知有用性。同样，司机认为停车App越有用越容易使用，司机就会越接受停车App。因此，我们提出以下假设。

3.1.1。感知有用性

用户认为使用技术或系统可以帮助他们的工作表现的程度受到外部变量的影响。当用户认为系统易于使用时，他们会以同样的努力完成更多的工作，提高工作绩效。因此，提出以下假设:

假设1。（H₁)．司机的感知有用性与他们接受停车应用的意愿显著正相关。

3.1.2。感知易用性

用户感知技术易用性的程度受外部变量(如用户特征、系统特征和组织因素)的影响。系统越容易使用，用户的控制感和自信心就越强，对系统的态度就越积极。因此，提出以下假设。

假设2。（H₂)．驾驶员的感知易用性与感知有用性显著正相关。

假设3。（H_3.)．司机的易用性感知与用户接受停车应用的意愿显著正相关。
到那时，TAM将更进一步。对于使用停车App的态度和行为意向进行如下讨论。

3.1.3。对使用的态度

驾驶员对信息技术使用的积极或消极感受受到感知有用性和感知易用性的影响。当司机觉得停车App更有用，使用更方便时，他们会对这个App有更积极的态度。

3.1.4.行为意图

驾驶员重复使用停车App的主观可能性受个人态度和感知有用性的影响，直接决定其实际使用行为。

3.2.延长TAM，以满足驾驶员接受停车应用程序的意愿

由于TAM忽略了一些重要因素，如在某些特定情况下的社会影响，Venkatesh和Davis [23]提出TAM2，通过引入社会影响变量(包括主观规范和形象)和认知工具变量(工作相关性、输出质量和结果证明)来解释感知有用性和使用TAM2的意愿，弥补了TAM的经验不足问题。增强了TAM的适应性。

同样，本研究根据本研究中的停车应用的特点，引入了三个新的因素——停车应用属性、对停车应用的信任和社会人口学，对TAM进行了扩展。在以下分析的基础上，我们开发了驾驶员接受停车App意愿的结构模型(图)2)．

3.2.1之上。停车程序属性

Parking App提供了将停车用户与可用停车位连接起来的服务。因此，停车App提供的信息成为司机接受该信息并使用该App停车的决定性因素之一。停车App提供信息的充分性和准确性至关重要，如泊车预约、停车场内跟踪泊车、泊车分配、电子支付等功能是否开放，以及停车费的波动和可用车位的数量是否准确。大量早期研究[24，25]已经证实，此类信息的可靠性和及时性会影响到旅行者对其的接受程度。本研究对parking App属性提出以下假设:

假设4。（H₄)．停车App属性与司机接受停车App意愿显著正相关。

3.2.2。信任停车App

作者给出了停车App信任的定义，即停车App提供的交通信息服务被特定用户信任的程度。因此，在一个具有不确定性的智能停车系统中，分析停车App的可信度，识别其可能带来的风险，从而有效地开发可信的停车App是非常必要的。停车App作为一个新产品，不可避免地存在信任问题。一方面，信任还不足以支撑停车App的运营。另一方面，由于公众对新兴事物的矛盾心理，用户既想尝试，又怕失败。如果停车App作为一个对象不能满足用户的需求，那么用户对停车App的信任度就会大大降低。例如，不准确和不确定的停车位置和价格可能会导致司机在停车上花费更多的时间和金钱。因此，司机会逐渐放弃使用停车App，因为它的不准确导致了不信任。用户对停车App的信任程度主要体现在用户对停车App提供的停车信息的信任程度上。因此，我们提出以下假设。

假设5。（H₅)．对停车应用的信任程度与司机接受停车应用的意愿存在显著正相关关系。

3.2.3。社会人口的

司机的性别、年龄、驾驶年龄、职业、教育程度、当地工作时间等可能会对他们使用停车App的意愿产生一定的影响[26］.例如，由于熟悉本地停车设施，具有丰富停车经验的旧驱动因素往往会使用自己的判断而不是停车应用程序停车。所以给出了以下假设。

假设6。（H₆)．司机的社会人口学特征与司机接受停车App的意愿显著正相关。

4.数据和变量

4.1.问卷和变量

由于上述结构模型无法直接测量对parking App的信任度、感知有用性等潜变量，因此必须使用合适的多个观察指标变量来定义它们。为了保证观察到的指标变量是合理的，在前面提到的概念框架的基础上，根据已有的关于智能停车系统的文献对指标变量进行了选择。各潜变量的观测指标变量详见表1．

在问卷中，除社会人口学(SD1-6)的6个问题外，其余问题均采用李克特量表(Likert scale)进行打分，分为5分:非常同意、比较同意、一般同意、比较不同意、非常不同意，评分范围为5 - 1。

4．2．样本

与中国其他城市一样，宁波城市建设和发展的向心性导致了城市中心高密度土地利用的形成，这导致了高强度的交通。无论是道路条件还是建筑停车标准都不能满足以汽车为主的交通模式。因此，有必要研究宁波市民众对停车App的接受意愿。通过互联网和实地调查，对共享停车意愿进行数据收集。在宁波市鼓楼、城隍庙、月湖圣苑、鄞州区进行了为期四天的实地调查。调查的重点是收费的公共停车场，包括道路上和非道路上的公共停车场;这是因为在中国，收费停车场占多数。最后，发放了450份调查问卷。为了保持估计的准确性和正确的解决方案，确保代表性，并使用多个观察到的指标变量来定义潜在变量，建议使用最大似然估计时，样本量要大得多，样本量在100 - 200之间[27］.根据该研究，SEM适用于450的样品大小。

在450份有效问卷中，对于停车供应商，57%的受访者为男性，43%的受访者为女性。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,宁波市司机平均工作时间为7.35年。详情见表2．

5.方法

本研究旨在探讨停车应用接受度、停车应用信任度、感知有用性等相关变量之间的关系。潜变量和观察变量如表所示1．结构方程模型方法[28]可以同时分析和捕捉司机使用停车App意愿、感知有用性、感知易用性以及社会人口学和其他相关变量之间的复杂相互关系。在该模型中，可将观测变量和潜在变量的影响分解为直接影响和间接影响。SEM还允许用户使用标准化参数，以更低的误差显示观测和潜在变量的相对影响。考虑到这些变量之间的复杂关系和它们的测量误差，SEM是最好的选择。

AMOS软件无需编程即可建模，包含了几乎所有与结构方程模型相关的前沿统计方法。在所有的结构方程回归分析软件中，包括AMOS、LISREL、MPLUS, AMOS的绘图界面最为清晰、舒适，便于检查误差和修正模型。因为Amos是相对简单的老软件，非统计研究人员也可以使用它进行研究。因此，本文选用最新版本的AMOS 21.0进行结构方程模型分析。数字3.显示变量之间的关系。在SEM中，正在调查的现象的潜在理论在评估模型充分性和测试变量之间的关系中起着关键作用。模型包含两个内生的潜在变量:司机接受停车应用的意愿和感知有用性。确定了一组4个独立的外生变量。这些变量包括可能影响接受停车应用的社会人口学、停车应用属性、对停车应用的信任度、感知易用性等。PAA1 ~ PAA6是停车App属性的6个测量变量;PU1 ~ PU2是感知有用性的两个测量变量;TPA1 ~ TPA2是停车应用信任度的两个测量变量;PEOU1 ~ PEOU2是感知易用性的两个测量变量;IUPA1是使用停车App意愿的测量变量。

另外，e1 ~ e19是每个可观测变量的误差。由于parking App属性和感知有用性相互影响，因此使用双箭头表示它们之间的关系。

6.拟合优度及估计结果

该模型通过运行AMOS 21.0得到初始参数估计。根据输出的拟合指标结果，结合理论对模型进行不断修正。最后，得到了拟合程度较好的模型运行结果，满足标准要求。数字4显示路径图。

拟合优度指标见表3.. 绝对固定指数与公认标准的比较表明：χ²/自由度、拟合优度指数、近似均方根误差均满足要求。增量拟合指数为0.920，比较拟合指数为0.919，均高于0.9的标准。这些指标表明，模型的解释力较高。

6.1。假设检验

整体拟合指标表明，最终模型与数据拟合得很好，是可接受的。因此，概念框架中的假设关系可以通过潜变量之间的标准化路径系数来检验。表中总结了六个假设关系的测试结果4．

概念框架中的四个假设中有四个被显着支持。此外，发现了停车应用程序属性与感知有用性之间的新关系。支持H₁表明驾驶员感知有用性(β₁= 0.984, ）正向且显著影响用户接受停车App的意愿。H₂也得到了结果的支持，这表明驾驶员感知到的易用性(β₂=−0.079, ）对停车应用的感知有用性有显著的正向影响H_3.显示司机感知的使用便捷性(β_3.=−0.306, ）正向且显著影响用户接受停车App的意愿。H₅显著，说明司机对App (β₅ = 0.381, ）正向且显著影响用户接受停车App的意愿。

值得一提的是，感知易用性对感知有用性和驾驶员意图的影响系数为负，这是由于表中潜变量与其观测变量之间存在负相关关系1．分析结果时，应去掉负号;即感知易用性正向且显著影响感知有用性和接受停车App的意愿。

虽然司机的社会人口学特征与司机接受停车App的意愿没有显著的关系，但是我们也可以从图中得出一些结论4．观察到的指标变量年龄，驾驶年龄和长期受访者在城市中工作，与接受意图有关的负面关系。它表明，随着年龄和驾驶经验的增长，以及当地的工作时间的增加，司机将更加熟悉本地停车条件，并将使用停车应用较少但凭借经验。此外，性别似乎与接受意图具有负面关系，这意味着妇女更有可能接受停车应用程序，这令人信服为停车应用程序的宣传提供了新的方向。

6.2。直接、间接和总影响的分析

潜在变量之间的直接效应和总效应可以用来分析每个因果关系的强度。直接影响是一个变量对另一个变量的影响，而不受任何其他变量的影响，间接影响是至少受一个其他变量的影响。一个变量对另一个变量的总影响是直接和间接影响的总和。前一小节中所示的路径系数都是直接影响。由于潜在变量之间可能存在间接关系，因此计算模型的直接和间接影响往往是有用的，以便更好地理解模型估计结果。

表中给出了潜在变量之间的直接、间接和总效应5．它们可以用来分析各因素对接受意向的不同权重。从表5在四个因素可以看出,有关验收意图明显,感知有用性最大的总效应系数为0.984,其次是停车应用属性和感知易用性,总影响验收意图的系数为0.743和0.384,分别。停车App信任对接受意愿的总影响最小，系数为0.381。也可以看出，在接受意图的四个决定因素中，停车App信任与接受意图之间、感知有用性与接受意图之间不存在间接关系。

此外，感知易用性与感知有用性、停车应用属性与感知有用性之间的总效应显著且较大;分别为0.079和0.947。所以停车应用的属性对感知有用性有很大的影响。感知有用性对接受意向的影响很大程度上来自于停车App属性。也就是说，停车App属性虽然不直接影响接受意向，但通过感知有用性的影响，间接影响接受意向。

7.讨论的结果

通过假设检验和系数分析，可以发现:司机接受停车App意愿的显著关系为:（1)感知有用性对停车App接受意向的影响最大。由此可见，停车App的感知有用性在接受意向中起着关键作用。在中国，由于车辆多而停车位少，司机很难自己快速找到停车位。停车App最大的责任就是为司机提供停车信息，简化他们的停车搜索过程。大多数停车应用程序的最大问题是实际停车位的数据收集。如果App传递的信息有误，信息更新滞后，不仅不会给用户带来方便，反而会误导用户，或者给司机带来不必要的麻烦。因此，信息数据采集是目前大多数停车App关注的重点，也是这个市场的必然发展趋势。如何加强App运营商与停车供应商之间的合作，需要进一步的研究。(2）感知易用性对停车应用接受意愿的影响仅次于易用性，且在0.001水平上显著。这与中国的停车问题有很大关系。由于停车许可证的限制，停车用户收到的停车信息是多种多样的。如果用户不能快速获得有用的信息，他们会认为停车App不方便他们停车，放弃使用App。一方面，App应该控制广告的数量;另一方面要加强信息管理，避免不必要的信息对用户的干扰。同时，停车App需要开发更多的功能来提高用户的便利性。例如，parking App可以与parking lock连接，实现智能远程控制，方便司机管理车位，防止车位被他人占用。（3）在停车应用中的信任对停车应用程序接受意图具有很大影响。显然，如果应用程序提供的停车信息不够准确或无法根据实际情况实时改变，司机自然会降低停车信息的信心，认为停车信息并不重要，相信更多的判断力，并减少使用停车应用程序的使用。增加司机使用停车App意愿的方法:在社会渗透变量中，观察到的性别指标变量似乎与接受意图具有积极的关系，而年龄似乎与接受意图具有负面关系，这意味着与男性和老年人相比，女性和年轻人更有可能接受停车应用程序。所以建议停车应用程序应该增加女性和年轻司机的宣传。此外，教育表现出与接受意图的积极关系，所以一个建议是停车应用应该促进具有高等教育的人。停车App的最终目标是获取准确的停车数据、停车预约、快速在线支付，改变“先到后停”的传统被动停车模式。还有许多功能有待开发。首先，内部引导和停车区域内停放车辆轨迹的功能应该开放，这样司机更容易进入停车场并在离开时找到自己的车。其次，需要增加租车驾驶功能，为车主提供代驾服务，避免因饮酒从停车场取车时无法驾驶。此外，还可以增加交通违章查询功能，帮助车主及时了解违章情况，进行处理。

8.结论

本研究的目的是发展和验证感知有用性、感知易用性、等潜在变量是使用停车App的决定因素。以往的研究大多通过对停车App的功能设计建模或对停车App的性能进行评估来研究智能停车系统。与现有文献不同的是，本研究中的模型从心理测量学的角度，旨在确认感知有用性、感知易用性等潜变量的测量量表与停车App接受意愿的测量量表之间存在显著的实证关系。

为了总结结果，发现了有关停车应用接受的决定因素的四个主要见解：（一世）感知有用性是停车应用接受意向的主要决定因素(2)停车应用属性是停车应用接受意愿的重要次要决定因素，它通过影响感知有用性间接决定驾驶员的接受意愿(3)感知易用性是停车应用接受意愿的第三个重要决定因素(四)对停车App的信任是停车App接受意愿的重要决定因素

这些研究结果对于提高我国司机对停车应用的接受意愿，提高停车应用的服务质量具有一定的启示意义。

由于感知有用性对停车App接受意愿的影响最大，停车App应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的属性。因此，停车App运营商在保证信息准确的同时，还应尽快开通停车预约、内部引导、停放车辆跟踪、电子支付等功能，增强用户吸引力。只有开发更多的功能，才能提高用户的感知有用性，提高停车App的接受度。

感知易用性是影响停车应用接受意愿的重要因素。如何让停车App更容易被用户接受是运营商需要考虑的问题。提高停车App提供的信息的清晰度和简洁性，可以增强用户对App的感知和可用性。为了提高用户的易用性感知，停车App可以开发代驾服务、违规查询功能，为车主提供长期租赁，方便其使用。

最后，信任停车应用程序对停车信息的准确性和实时的要求提出了更高的要求。这意味着运营商需要与信息供应商合作，以确保可靠地访问停车位和停车价格等信息。毫无疑问，增加了在停车应用程序中的信任可以增加驾驶员使用停车应用程序的使用。与此同时，停车应用程序可以使用微信，QQ等平台添加共享功能，同步上传，这可以提高用户粘性并加强对停车应用的信任。

这是第一篇研究智能停车App对司机停车行为影响的文章，对国内外停车研究具有重要的指导意义。本文的方法也为解决智能背景下的停车问题提供了一种新的思路。通过模型的建立和分析，了解用户行为机制，提出停车App推广策略。本文对于减少城市拥挤和环境污染具有一定的理论和实践价值。值得注意的是，由于人口、停车类型、停车方式的差异，本文的结论对我国停车信息的发布有一定的帮助，但对其他国家的指导意义还需要进一步的调查研究。

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

利益冲突

作者声明他们没有利益冲突。

致谢

该研究得到了中国浙江省自然科学基金的项目（LY20E080011），中国国家自然科学基金（71971059），中国 - 交通建模，与联系的国家重点研究和发展计划和自动化车辆（201​​7YFE9134700）和中国国家自然科学基金（71701108和71861006）。作者感谢他们的宁波大学小飞烨的指导者，他们给了写作本文的指示。作者还感谢面试官在调查中获得帮助。

参考文献

1. C.G.Chorus、E.J.E.Molin和B.Van Wee，“高级旅行者信息服务（ATIS）的使用和效果：文献回顾，”运输检讨，第26卷，第127-149页，2006。视图:谷歌学术
2. C. G. Chorus, E. J. E. Molin, B. Van Wee, T. A. Arentze，和H. J. P. Timmermans，“汽车司机对交通信息的反应:基于遗憾的模型和模拟，”交通规划与科技，第29卷，第2期4，页249 - 271,2006。视图:出版商的网站|谷歌学术
3. K. Dziekan和K. Kottenhoff，《公共交通的停车实时动态信息显示:对顾客的影响》，交通运输研究A部分:政策与实践，卷。41，没有。6，pp。489-501,2006。视图:出版商的网站|谷歌学术
4. C.Brakewood、S.Barbeau和K.Watkins，“一项评估实时交通信息对佛罗里达州坦帕市公交车乘客影响的实验，”交通运输研究A部分:政策与实践， vol. 69, pp. 409-422, 2014。视图:出版商的网站|谷歌学术
5. K. G.古利亚斯，t - g。Kim和O. Pribyl的《对高级旅行者信息系统的意识和使用的纵向分析》，智能交通系统杂志，第8卷，第2期1，页3-17,2004。视图:出版商的网站|谷歌学术
6. E. J. E. Molin和H. J. P. Timmermans，“旅行者对网络公共交通信息服务的期望和付费意愿”，交通研究C部分:新兴技术第14卷第2期2，页57-67,2006。视图:出版商的网站|谷歌学术
7. J.-W。Grotenhuis, B. W. Wiegmans，和P. Rietveld，“公共交通中综合多模式旅行信息的期望质量:客户对节省时间和精力的需求。”交通政策第14卷第2期1，页27-38,2006。视图:出版商的网站|谷歌学术
8. S. Farag和G. Lyons，“什么影响出行前公共交通信息的使用?定性研究的实证结果，”交通研究记录，交通研究委员会，华盛顿特区，美国，2008。视图:谷歌学术
9. S. Farag和G. Lyons，“使用或不使用？商业和休闲旅行前公共交通信息的实证研究，以及与汽车旅行的比较，“交通政策，第20卷，第82-92页，2012。视图:出版商的网站|谷歌学术
10. z. liu，技术接受模型分析:上海打车应用用户接受度与意向研究，哥德堡大学，瑞典哥德堡，2014。
11. 彭磊，王华，何旭东，“探讨影响打车应用用户使用的因素”，《科技导报》第25届澳大利亚信息系统会议的诉讼程序，奥克兰，新西兰，2014。视图:谷歌学术
12. “出租车和定制出租车哪个更吸引游客?”中国的实证研究，”Procedia工程，第137卷，第867-875页，2016年。视图:出版商的网站|谷歌学术
13. z唐、智能停车引导系统的设计与实现，西南交通大学，成都，2017。
14. c .歌曲手机停车APP系统的设计与实现，吉林大学，长春，2016。
15. M.Hancer和Y.I.Jin，“塑造旅行者对旅游移动应用程序的态度，”酒店管理与旅游技术杂志，第5卷，第5期。2, pp. 177-193, 2014。视图:出版商的网站|谷歌学术
16. J. M. Kwon, J. I. Bae, S. C. Blum，“酒店行业的移动应用”，酒店管理与旅游技术杂志，第4卷，第4期。1, pp. 81-92, 2013。视图:出版商的网站|谷歌学术
17. S. Jamal和M. A. Habib，《智能手机和日常旅行:使用智能手机应用程序如何影响旅行决策》，可持续城市与社会2020年，第53卷，第101939条。视图:出版商的网站|谷歌学术
18. Xie Y.， M. Danaf, C. Lima Azevedo等，“按需出行服务的行为建模:可持续出行激励的总体框架与应用”，运输第46卷，第46期6、2017-2039,2019。视图:出版商的网站|谷歌学术
19. M. Fishbein和B. Ajzen，态度、意图与行为:理论与研究导论，附加威斯莉，波士顿，马，美国，1975年。
20. F. D. Davis，“感知有用性，感知易用性和用户接受信息技术”MIS的季度，第13卷，318-339页，1989。视图:出版商的网站|谷歌学术
21. A. Nadia, S. M. Nordin和M. A. Bahruddin，“信任如何推动用户对技术的接受?自动驾驶汽车的车载技术，”交通运输研究A部分:政策与实践， 2018年第97卷，第118页。视图:谷歌学术
22. F. D. Davis, R. P. Bagozzi，和P. R. Warshaw，“用户对计算机技术的接受程度:两种理论模型的比较”，管理科学第35期8，第982-1003页，1989。视图:出版商的网站|谷歌学术
23. V. Venkatesh和F. D. Davis，“技术接受模型的理论扩展:四个纵向实地研究”，管理科学第46卷，第46期2，页186 - 204,2000。视图:出版商的网站|谷歌学术
24. E.Daniels、M.Levin和J.McDermott，“改善芝加哥地区的商业无线电交通报告，”运输研究记录600，交通研究委员会，华盛顿特区，美国，1976。视图:谷歌学术
25. A.J.Khattak、J.L.Schofer和F.S.Koppelman，“交通报告对通勤者路线和出发时间变化的影响”，年车辆导航和信息系统会议论文集，第2卷，第669-679页，IEEE, Dearborn, MI, USA, 1991。视图:谷歌学术
26. F. L. Mannering， "通勤者在改变路线和出发时间时的灵活性的Poisson分析"交通研究B部分:方法论，第23卷，第2期。1，第53-60页，1989。视图:出版商的网站|谷歌学术
27. 耿元、C. G. Cassandras，“基于资源配置和预约的新型“智能停车”系统”，IEEE智能交通系统汇刊第14卷第2期3, pp. 1129-1139, 2013。视图:出版商的网站|谷歌学术
28. 黄永发。吴,研究。陈,Li-M。Lin，“修正后的最终用户计算接受模型的经验评价”，计算机与人类行为，第23卷，第2期。1，页162-174,2007。视图:出版商的网站|谷歌学术

版权

版权所有©2020 Chang Yang等人。这是一篇根据知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。