文摘
共享停车已经成为最有效的方式利用现有的停车资源。小的注意力都集中在司机的意图使用共享停车位在居民区考虑个体的异质性。为了填补这一空缺,本文探讨了共享停车使用意向的影响因素和机制(SPUI)和进一步研究不同类型的偏好共享停车的司机。首先,基于扩展的统一理论的接受和使用的技术,包括心理因素、个人属性,和旅游的特点,多指标多原因(模拟)模型用于参数估计和模型评估。其次,使用模拟的输出结果作为输入变量,潜在的类模型的分割方法(LCM)采用探索关于SPUI司机的偏好。最后,通过问卷数据进行了定量研究。实证结果表明:扩展的统一理论的接受和使用的技术有很好的解释力SPUI。SPUI直接受到感知风险的影响(PR),行为习惯(BH),社会影响(SI),促进条件(FCs),和工作期望(EE),而绩效期望对SPUI (PE)没有显著影响。此外,一些因素的个人属性和特征通过心理因素影响SPUI旅行。根据个体的异质性(b),调查了司机组分为四个部分:敏感型(36%)、保守型(29.6%),中立型(24.5%),分别和批准类型(9.9%)。 There are significant differences in psychological observation variables such as EE, PE, FC, and SI among the four segments of drivers. According to the influence mechanism of psychological factors and preferences analysis of different types of drivers, the shared parking promotion strategy can be formulated from the aspects of management, operation, and technology.
1。介绍
随着汽车保有量的快速增长,不断增长的停车需求之间的矛盾和有限的停车资源越来越突出。直到2020年7月,中国的停车位缺口已经达到8000万1,2),增加搜索时间停车并创建废气排放和交通拥挤3- - - - - -5]。此外,COVID-19的上下文中,旅行者更担心公共交通的安全,并且政府已经采取了一系列antiepidemic措施,比如限制公共交通客运量,导致公民的比例进一步减少乘坐公共交通和私家车出行的比例增加。因此,停车场的供给和需求之间的矛盾进一步加剧。
近年来,分享经济发展已经全面展开,已经渗透到许多领域,比如共享汽车(Evcard Gofun)、住宿(Airbnb)共享,并且随意组合(Lyft)。停车位的特点是在时间和nonmovable nonstorable空间;此外,停车需求也取决于土地的属性,所以停车需求和空间不匹配。因此,提出了共享停车的概念;这一概念的基本思想是,停车位业主出售停车位停车许可的空闲时间在网络平台上,和司机停车需求可以通过网络平台购买停车许可证(6]。
居民出行特征(通常是早和返回晚出来)使小区的停车位空闲在工作时间,使小区的停车位分享在工作时间成为可能。在居住区停车位的数量占总数的很大一部分的停车位。据统计香港运输署(2016),在香港有485000个停车位(70%的停车位的总数是指定为私人使用)。此外,燕et al。7)指出,从2015年到2019年,在北京住宅停车资源占53.16%的平均停车资源,和近800000名私人停车位被闲置在工作时间。仿真实验表明,如果北京20%的现有停车位被添加到共享项目,可以减少二氧化碳排放730万吨/年(8]。因此,如果大量的停车位的空闲时间可以充分利用在居民区,停车场的利用率可以有效地增加,并可以进一步缓解交通拥堵和碳排放(9]。
共享停车项目主要集中在商业领域在中国,而在居民区停车共享项目是非常罕见的,参与低;最根本的原因是司机的SPUI不强(10]。因此,有必要探讨车手SPUI。此外,值得注意的是,由于司机的敏感影响因素不同,他们的表现是不同的,因而具有不同的影响的政策措施的实施(11]。一般来说,细分研究旅行者有助于估计他们的行为规则的差异和特点,分类旅行者有品位的异质性,然后制定更有针对性和有效的政策措施12]。关于味道的异质性,它在交通领域(最近受到了相当大的关注13- - - - - -15]。我们最好的知识,缺乏关注揭示异质性对SPUI尽管一些学者研究了SPUI从需求者的角度(10,16),这意味着它将肯定值得推出多变量的影响取决于个人异质性的第一个科学努力,增加文学知识。
本研究旨在调查司机的意图使用共享停车位在居民区考虑个体的异质性。具体地说,它首先扩展的接受和使用技术的统一理论模型和使用扩展的统一理论的接受和使用的技术作为理论框架。然后,多指标多因素(模拟)模型是用于参数估计和模型评估描述驾驶员的意图对停车位共享系统的使用。其次,基于模拟模型的结果,潜在的类模型的分割方法(LCM)采用探索司机的关于SPUI偏好,选择偏好的不同类型的驾驶员心理因素,分析了人口统计属性,和旅游特点,这将有助于澄清的本质SPUI更深层次,制定有针对性的刺激措施根据司机的异构特性。
此外,需要阐述了什么是探索分享停车位业主的意图也是一个重要的研究领域,因为一些问题共享停车计划,如加班,增加噪音,和可能的交通堵塞,需要协调与停车空间的主人。然而,这是本研究的范围,和读者被称为王等人提出的研究。17- - - - - -19),在那里他们探索人口属性的影响,建筑环境和其他因素业主的意图参与共享停车方案。
本文的其余部分组织如下:第二节广泛回顾文献有关共享停车和研究方法;节3、模型框架、模型和多指标多原因,潜在的类建模方法的简要介绍;部分4配置文件在本研究中使用的数据集,包括调查大纲,数据收集、选择变量,及其描述性分析;节5、结果和分析,包括模拟和LCM评估的结果。最后,部分6总结这个总结的研究意义和主要结论,讨论研究的局限性,并提出潜在的研究主题。
2。文献综述
2.1。共享停车
据我们所知,Lalani [20.]提出共享停车的概念首先,这也标志着从停车位的性质转变为商品。共享停车已经成为一种有效的方法来改善现有的停车资源的利用率。Litman [21)估计,共享停车需要新的空间将减少10 - 30%。燕et al。7结合前景理论和logit模型来确定供应商参与共享停车的目的考虑不确定的需求。此外,共享停车空间的匹配机制相关研究的一个重要组成部分共享停车。邵et al。22)首先开发了一个停车位供给和需求之间的匹配模型住宅停车位,伊曼和哈米德(23和金等。24)建立匹配模型基于GIS和其他技术。肖et al。25)提出了一个双重拍卖停车位考虑多个时期共享的机制。此外,赵et al。26)开发了一个智能停车管理系统(ipm)来模拟共享停车系统的操作。除了参与行为和共享停车的匹配,基于其定价也有研究。一些学者对停车收费定价策略构造基于边际成本理论和次优定价理论27,28]。陈和谢29日)建立了一个动态分配模型共享停车位的大学在中部城市,进行有效的评估。竞争性拍卖机制也提出了基于泊位分配规则和交易支付规则(30.]。
2.2。统一理论的接受和使用的技术
丰富的理论模型已经开发行为研究来分析和解释公众的接受一定的技术,包括理性行为理论、技术接受模型,动力模型,计划行为理论、技术接受模型,和计划行为理论(31日]。在接受新技术的研究,应用最广泛的模型技术接受模型和统一理论的接受和使用的技术。
2003年,Venkatesh et al。32)提出了一个统一的模型称为“统一理论的接受和使用的技术。”他指出,上述八个模型只能解释17% -53%的不同用户的意图使用信息技术,而接受和使用技术的统一理论模型比他们做的更好。同样,Chen等人的(33研究也支持这一结论。四个核心变量,即。,performance expectancy (PE), effort expectancy (EE), facilitating conditions (FCs), and social influence (SI), and exogenous variables such as age, gender, income, and education are proposed in the unified theory of acceptance and use of technology.
一些学者探讨了公众的接受各种道路交通系统的统一理论的基础上接受和使用的技术(34- - - - - -38]。尽管接受的统一理论和使用的技术有一个强有力的普遍性在实践中,它不能完全解释实际的行为在某些情况下(33];除了上述因素,行为意向也可能受到其他一些隐藏因素没有被发现。为了更好的解释的意图和行为,一些新的变量纳入丰富现有的研究根据研究对象的特点。
2.3。潜在的类模型(LCM)
近年来,中国大陆已经被应用于交通分割。Teichert et al。39认识到传统的分割技术的局限性,采用模块对乘客进行分类,探讨了航线和飞行段的重要性对航空公司的选择行为;克劳奇et al。40)收集的数据对人们过去的假期体验选择,旅游动机,和基本的人口统计特征,建立了中国大陆游客划分为5类,并探索如何游客选择度假方式/活动类型。熊等。41)使用LCM显示显著的异质性马里兰司机的潜在偏好拼车,支持交通拥堵相关政策和激励机制管理策略(如高/热通道使用)。此外,中国大陆也广泛应用于其他的研究,如长途司机的路线选择行为(42),自行车用户(43),结合道路上驾驶行为片段(44),游客在目的地的时间45),自动驾驶车辆的验收15公共交通[],满意13]。所有这些研究已经证明潜在类别模型分割研究的优势。旅行者细分研究,考虑心理因素有较高预测能力比个人属性细分研究[46,47]。
2.4。总结
虽然相关研究的研究成果,我们所知,没有之前的研究探索SPUI司机的异质性的影响。此外,在上述研究LCM,确定分类结果的显式变量往往是进入中国大陆估计没有分析,这将不可避免地影响模型估计的准确性(48]。因此,本研究创新使用模拟模块的输出结果作为输入变量,分析不同类别的味道异质性的司机更准确。这种方法有望为文学提供了第一手的见解SPUI不同类别的司机。
3所示。方法
3.1。模型框架
为了分析心理因素的影响,个人属性,SPUI和旅游特点,模拟模型来探索各种因素之间的因果关系和SPUI。之后,基于模拟模型的结果,以确定偏好的异质性在不同类别的司机,本研究构建LCM探索潜在的驱动程序类和分析不同类型的特点。该模型框架如图1。
共享停车为司机提供了更多的停车选择,但它也带来安全和其他问题;因此,SPUI可能受到感知风险的影响(18]。此外,徐(49)指出,当旅行者积累了一定的旅行经验在城际旅游选择,旅游者往往形式采用特定的惯性行为在特定的选择条件下,这样的惯性行为将加强行为习惯的影响(BH)使用目的(UI)。所以,我们认为黑洞也会影响SPUI;因此,我们构建扩展的接受和使用技术的统一理论模型,将公关和BH变量纳入的原始统一理论接受和使用的技术来识别SPUI影响因素。心理因素之间的结构方程可以反映内部心理因素之间的影响关系,外生变量之间的结构方程和心理因素可以反映外生变量的影响程度的心理因素(50]。
通过分析影响因素之间的关系和SPUI,司机的选择意愿和偏好之间的区别是进一步探索。模块用于细分驱动程序类别,如模块框架如图所示1。在旅行者分割研究中,人口因素通常被视为基本的分类指标,如年龄、性别、职业、和收入51]。此外,旅游相关因素(11和各种因素的组合39)也用于细分研究。司机的选择行为与旅游密切相关的特点,如驱动频率和停车时间。因此,本文综合考虑个人属性的结合,旅游特点,和心理因素细分研究。模拟模型的解决方案的结果是SPUI各种因素的影响关系。变量显著影响SPUI作为输入变量的最小公倍数获得司机群体的数量的类型和每种类型的具体特征,如输入变量的分布和比较。最后,每个类别的特点进行了总结和分析。
3.2。多个指标和多种原因(模拟)模型
相比与传统的SEM模型和其他模型,模拟模型不仅可以表达外源性原因和内生潜变量指标显然通过严格的结构模型,还获得所有解释变量对潜在变量的影响程度,这种分析方法可以使测试更方便(正常的统计关系52]。施耐德和Enste53]提出模拟模型可以处理多个潜变量和内生指标没有严格的约束和假设,并允许外源性原因和内生指标含有测量误差。因此,其理论框架比其他间接测量方法更灵活,可能包括其他所有的间接测量方法。
因此,本研究打算使用模拟模型来探讨心理因素的影响,在SPUI外生变量。
矩阵形式的模拟方程如下所示: 在哪里是心理因素向量;表明,外生变量向量;是观察变量向量;和要估计的参数矩阵;和代表了测量误差。
假设测量误差是相互独立的,服从正态分布,然后 , , 。 下三角矩阵吗 ,协方差矩阵公式
总协方差矩阵可以通过观察变量的样本值计算 ;每个参数可以解决。
在multiindex模拟模型的一部分,它相当于心理因素的验证性因素分析。multicause部分可以表示为 在哪里是心理因素,包括EE, SI, FC, PE、公关,黑洞,和用户界面;表示参数估计;代表观察到的个人。
3.3。潜在的类模型(LCM)
模块是一个建模分析技术探索潜在的变量,也不仅是一种统计方法,但统计方法(54]。潜在类别模型的最重要的特征是它可以处理分类数据和使用最大似然方法估计参数,可以更准确地计算出适当数量的类别。此外,分类结果是相对稳定的,可以广义的其他样品相同的人口,这是方便实际应用(55,56]。这是一个重要的研究方法细分旅游者的旅游行为差异,各具特色的潜在类别模型(57]。它可以克服传统聚类分析的缺点,确定性指定游客到一个组而忽略的可能性错误分类错误的集团(58),k - means + +和DBSCAN等。LCM分析过程包括三个步骤:概率参数,模型拟合和参数估计,和潜在的分类和结果解释59]。(1)概率参数化。第一步是将分类变量的概率转换成一个参数模型(11]。摘要个人属性、心理因素和旅游特征作为三个显式变量A, B和C,其条件概率 , ,和 。所有观察到的变量的条件概率的总和在每个级别是1,公式如下: 假设有一个潜变量X与t(t= 1,2,3,…,T)潜类别可以解释三个潜变量之间的关系,B和C,模块可以表示如下(60]: (2)模型拟合和参数估计。最大似然(ML)主要用于参数估计潜在类别模型,和常用的迭代算法包括期望最大化(EM)和牛顿Rapson (NR)。本文期望最大化算法用于迭代分析。ML估计函数如下: (3)潜在的分类和结果解释。由潜水和 ,观测变量在不同的ML概率潜在类别每一层可以获得,公式如下: 每个样本的后验概率计算属于不同潜在的类,和最高的价值是观测值所属的类。公式如下:
4所示。数据
4.1。样本
确保调查问卷的数据质量,我们进行了一次presurvey我们问患有不同程度的知识共享停车填写调查问卷,问卷根据presurvey结果调整。
最终的问卷包括三个部分:第一部分是关于停车场的信息最新的旅行;第二部分是场景模拟;第三部分覆盖的测量项目验收和使用技术的扩展的统一理论模型变量,包括EE, SI, FC,公关,PE、黑洞,和用户界面;第四部分包括受访者的社会经济属性,停车特征,和旅游的特征。本研究主要使用的第三和第四部分问卷。
本研究采用李克特五级量表——从“强烈不同意(= 1)”到“强烈同意”(= 5)来衡量所有的心理因素。它是用来给受访者承认的相关描述在每个问卷测量项反映驾驶员的心理感受共享停车。测量项目制定调查问卷是改编自尺度验证在之前的文献研究和专家修改,以反映的特定环境和目标人群共享停车。六个心理因素的理论模型包含共有31个测量项目。表1提出了项目与心理因素有关。
我们进行了2021年2月正式使用在线问卷调查。是没有限制的位置分布的受访者,和个人与调查研究和兴趣被邀请参加。个人被认为符合条件的包容如果他们满足下列标准:他们都是中国人,有一个有效的驾照,刚停在市区超过30分钟。条件筛选后,本研究有效问卷的数量是217。样本量应至少5 - 10次变量多元研究使用结构方程[50),这意味着正式调查的样本大小应该是155多,所以正式调查的样本大小可以满足研究的需要。
在一个有效的样本,受访司机被均匀地分布在城市的不同水平,约占20%,一线,二线,三线城市,四线城市的35%。男性司机的数量(63.13%)高于女性司机(36.87%)。调查对象主要是年龄在18岁到30岁(61.29%),这符合中国司机的年龄分布结构,和那些年龄超过30岁是均匀分布的。42.86%的受访者有学院或学士学位,超过30%有硕士学位或以上。超过一半的受访者赚不到5000元,这是与中国居民的收入特征一致。表2总结的主要人口特征有效的样本。
4.2。数据分析
4.2.1。准备测量模型试验
首先,使用SPSS进行探索性因素分析,KMO Bartlett的领域进行了测试。结果表明,KMO值为0.902(> 0.700),和巴特利特球形的测试值是重要的(sig。< 0.001),表明问卷数据因子分析的前提要求。
克伦巴赫的α、综合可靠性和平均方差提取被用来评估问卷的信度和效度。表3显示了测试结果的信度和效度。如果克伦巴赫的α高于0.8,可靠性高;如果是在0.7和0.8之间,可靠性是可以接受的;如果是在0.6和0.7之间,它基本上是可以接受的;如果小于0.6,可靠性不好,调查规模应该修改(67年]。基于分析结果,只有克伦巴赫的α黑洞是0.784,和克伦巴赫的α其他心理因素都高于0.8,表明问卷的可靠性是非常高的。
当平均方差提取(AVE)值大于0.5,这表明心理因素具有良好的收敛效度(68年]。此外,当外载荷系数对应于每个观测变量大于0.6 ,它还表明,收敛效度标准。正如在表的结果4,心理因素的最小AVE值是0.567,和每个测量项的外载荷系数大于0.66,表明数据具有很强的可靠性和内部一致性。
4.2.2。结构模型试验
卡方自由度比( ),根均方误差的近似(RMSEA),拟合优度指数(-),比较适合指数(CFI),并调整拟合优度指数(AGFI)被选为评价指标模型的符合程度。采用模拟模型参数估计和模型评估描述驾驶员的意图对停车位的使用基于AMOS软件共享系统。然后,我们发现,不能完全拟合理论模型和实证数据。的前提下不影响理论模型的完整性,模型修改,路径被删除,没有显著的影响。测试的计算结果最终模型的指数如表所示4。除了AGFI略低于标准的价值,提出了其他模型。所有合规指标满足要求。
5。结果分析
5.1。分析模拟估计的结果
校准结果的模拟模型,我们可以看到个人属性之间的关系,旅游特点和心理因素,以及影响心理因素之间的关系。
5.1.1。分析影响心理因素之间的关系
之间的路径关系心理因素在共享停车使用意图模型如图2。图中路径上的值是标准化系数。在图中,∗意味着 ,∗∗意味着 ,和∗∗∗意味着 。
每个心理因素影响的UI从最高到最低排名如下:FC (β= 0.677,t值= 4.025, ),SI (β= 0.452,t值= 1.958, ),EE (β= 0.443,t值= 3.306, ),黑洞(β= 0.229,t值= 2.052, ),公关(β=−0.214,t值=−0.232, ),除了PE (β= 0.170,t值= 1.100, ),其他心理因素产生重大影响的UI,置信区间为95%(对应 ),方差的比例在UI可以解释为FC, SI, EE,公关,黑洞是59.6% (= 0.596)。Marcoulides [69年)指出下列评估标准:低于0.19表示不可接受的解释力;0.19 - -0.33表示弱解释力;0.33 - -0.67表示温和的解释力;高于0.67意味着良好的解释力。此外,科恩提出的评价标准等。70年指出,当大于0.4,模型被认为具有很好的解释力。根据Marcoulides提出的评估标准和科恩,此外,陈水扁的结果(33)研究(= 0.48)也说明所得结果的有效性。因此,可以推断,我们构建的理论模型有很好的解释力使用共享停车的目的。
5.1.2中。分析外生变量对心理因素的影响关系
总结的外生因素的影响,包括人口的社会经济属性,停车特征,FC和旅游特色,SI, PE、黑洞,EE,公关表所示5。
外生因素不直接影响界面但间接影响UI影响FC, SI, PE、BH, EE和公关。它可以从表5这些外生变量没有显著影响每一个心理因素。性别和城市水平没有显著影响心理因素,表明性别和城市水平的被申请人不影响SPUI。
对EE(年龄有很大的积极影响 ),表明在一定范围内,老年人应该更努力地去接受和适应工作共享停车系统。相反,年轻人有强烈的信心控制新事物,这可能与有限的网络信息和接受老年人生理因素,而现代年轻人从外部世界获得更广泛的信息和更积极的思考。驾驶经验对公关有显著积极影响( ),表明年长的驾驶体验,他们就越敏感共享停车的潜在风险;对FC(收入有很大的负面影响 )和SI ( );这表明,收入越高,越不敏感的态度外部条件和周围的人们将不会轻易受到外部世界的影响,这可能是因为高收入的人将看到新事物更合理;对PE(停车时间有很大的积极影响 ),FC ( ),黑洞( ),SI ( ),和EE ( );对公关(驱动频率有很大的负面影响 ),PE ( ),FC ( ),和SI ( ),表明开车的频率就越高。
5.2。模块分割结果的分析
在这项研究中,基于模拟模型的结果,11个因素被选最初细分驱动程序类。这些因素是年龄、收入、驾驶经验、教育水平、停车时间、频率的开车,共享停车的程度的信心控制系统(EE4),步行距离的影响(PC6),政府和新闻媒体的影响(SI3),优惠费用(PE1)的吸引力,停车选择的习惯(BH3)的影响。计算后,LCM BH的价值大于0.05,所以不能拒绝零假设。这个变量不能有效地解释为潜在类别,所以黑洞是排除在显式变量。
因为数量的类C最初是未知的,我们需要事先指定C的值。根据文献[71年)、CAIC (Akaike信息一致准则)和BIC(贝叶斯信息准则)模块是用来确定指标类别c CAIC和BIC值越小,模型符合程度越高。因此,它假定样本可分为1 - 10类。然后,LatentGOLD 5.0软件是用于LCM拟合和参数估计来获取CAIC和BIC值在不同数量的类。从图可以看出3当类的数量是4,CAIC和BIC有最小值,所以样品可分为四类。
受访者基于潜在类别分析、建模和模型参数估计。结果如表所示6。的结果,四个潜在类的概率是0.3602,0.2964,0.2449,和0.0988,分别。最后,模型的分类精度= 0.95,这表明,分类精度高,和分类的结果是合理的72年]。
不同的观察潜类的因素进行了分析,如图4- - - - - -13。五观察可以看出,心理因素(EE4, SI3、FC6 PE1)也不同的类,如图4- - - - - -7,显示了其不同的心理特征。观察中有显著差异因素年龄、驾驶经验、教育水平、收入、停车时间、频率和旅游的潜在的类,如图8- - - - - -13。
根据数据的结果4- - - - - -13和表6,我们的特点细分如下:
1段(36%的受访者)主要由相对更积极的心理特征。这种类型的司机占最大的比例。他们更容易接受“长途换取更少的停车费”比段2和3,和他们更乐观的潜在经济效益共享停车,但他们更容易受到政府和媒体的影响比段2和3,我们称之为“敏感类型。“这个类的成员的年龄和收入分配相对均匀。61.1%的受访者有超过三年的驾驶经验,超过98%的受访者有学士学位或以上,超过40%的受访者停在工作时间超过8小时。
2段(29.6%的受访者)主要由相对更为保守的态度,我们称之为“保守类型。”他们的程度的影响,政府和媒体之间的至少四个部分,和他们的信心度的控制共享停车系统基本上是一样段3但低于部分1和4;除此之外,他们没有大的期望降低停车费相比其他部分。这段的年龄分布相对均匀,平均教育水平是最低的,而平均驱动频率最高;在四个领域,他们的月收入集中在7000元(86.5%),但停车时间低于部分1和4。因此,可以推断,他们的行程可能强大的随机性。
3段(24.5%的受访者)最信任的控制新事物,和他们对政府和媒体的反应基本上是一样的段2。降低停车费的期望与段1,低于2段4但高于段,这就是为什么我们称它为“中性类型。”这部分的成员更多的是25岁以下的人(76.4%)和1年内经常有驾驶经验(67.6%),这也符合年龄的分布。他们的平均教育背景略低于1段,但远高于段2和4,和他们的月收入低于5000元(90.5%),所以它可以推断出,这个群体可能是大学生或刚毕业的工人。此外,他们也有最低数量的停车时间和频率最低的驾车旅行,增强我们的假设之上。
4段(9.9%的受访者)在所有心理因素得分最高。这种类型的驱动程序的最小百分比。这部分人通常是自信的能力来控制新事物,也愿意回应政府和媒体的电话。82%的司机在这个群体倾向于“长途替换为降低成本,这也反映了,他们非常珍惜共享停车项目,所以我们叫它“批准的类型。“在这段,他们的年龄是均匀分布的,下面主要集中在大学生和他们的教育背景(98%),和他们的月收入集中在9000元。此外,他们的驱动频率和停车时间都高于段1和低于段2。
6。结论和讨论
在本文中,我们使用模拟模型的输出作为输入变量的LCM探索SPUI司机考虑个体的异质性。调查结果表明,司机群体可以分为四个部分:敏感型(36%)、保守型(29.6%),中立型(24.5%),和批准类型(9.9%)。在探索这些特征,我们可以更好地理解”四个部分各自的性质。“这项研究有助于文学通过提供第一手的见解SPUI不同类别的司机。
首先,多指标多导致模型被用来探索心理因素之间的关系,个人属性,旅游特点,SPUI。研究表明以下几点:(1)扩展理论模型具有良好的解释力SPUI,和SPUI直接受到感知风险的影响(PR),行为习惯(BH),社会影响(SI),促进条件(FC),和工作期望(EE),而绩效期望对SPUI (PE)没有显著影响。其中,FC有最大的效果和公关SPUI最小的影响。(2)个人属性变量包括年龄、教育程度、月收入、驾驶经验和驱动频率,和停车时间旅游特征对心理变量都有一个显著的影响。
其次,模拟分析结果的基础上,本文运用LCM探索SPUI microperspective不同类型的驱动程序。根据个人属性、旅游特点和心理因素,潜在的类驱动程序进行了分析和模拟。使用十个观测变量包括年龄、教育程度、月收入、驾驶经验,驾驶频率、停车时间,信心在共享停车的控制系统(EE),响应政府和媒体(SI),感知成本效益(PE),“长途换取更少的停车费”(FC)的倾向。最后,司机群体调查分为四个部分:敏感型(36%)、保守型(29.6%),中立型(24.5%),和批准类型(9.9%)。结果表明,不同类型的司机,他们SPUI密切相关的个人属性,旅游特点,和心理因素。因此,为了吸引司机选择共享停车,建议管理者或经营者可以从心理因素,如工作预期,促进条件,性能期望和社会影响。
更有针对性的措施,可以实现对不同类别的司机:(1)第一段(敏感的类型),他们更乐观的潜在经济效益共享停车,这可能是由于他们的更高的平均教育水平和更强的接受新兴事物,和暴露于更广泛的在线信息,所以他们更容易受到政府和媒体的影响力比段2段3。不难共享停车运营商吸引用户的最大比例的司机通过各种促销方法,如为需求者提供激励和供应商。同时,运用对策大大促进dominoreaction非常重要。政府可以引进发展的政策和法规,以鼓励共享停车,从而刺激共享停车行业的发展。(2)第二段(保守的类型),他们的态度共享停车更保守,更容易受到政府和媒体的影响,和比其他部分更合理,但他们的信心控制共享停车系统小于段1和4的。感知到的潜在经济效益是最小的在四个部分。因此,节省更多停车费可能是最重要的一点来吸引他们。确定合理的停车费,并且共享停车费用降低的负面影响。例如,那些使用共享停车泊位灵活或小需求可以根据停车收费停车时间和使用时间的数量。对于那些使用共享停车位很长一段时间和有稳定需求,每月或每年的费用可以采用优惠利率。(3)第三段(中性的类型),他们的信心是最少的共享停车系统的控制。因此,创建一个方便,简单,功能齐全的共享停车操作系统可能是最重要的措施来吸引他们。然而,由于大多数可用的商业地图不能在居民区提供指导,是很重要的逐向道路导航功能和详细的地图显示空停车位。此外,一些研究支持在系统设计中的人体工程学原理的应用,使之更人性化(73年]。最后,设计良好的操作手册和培训课程可以帮助开发用户的自我效能感和使用技术的能力74年]。这些措施有助于改善用户的技术合规。(4)第四段(批准类型),他们非常乐观的经济效益使用共享停车。82%的司机有强烈的意图拯救停车费即使步行距离增加。这个小组可能已经暴露在实际共享停车项目或在高的地区停车压力。因此,共享停车项目的潜在目标区域可以探索根据他们的空间分布特征。
然而,本研究不可避免地有其局限性,需要解决。首先,本研究只考虑潜在变量的影响和个人社会经济特征的SPUI居民区,没有考虑停车费等变量的影响和步行距离,这对运营商确定合理的价格是至关重要的。其次,本研究探讨了SPUI而不是实际的用户行为。未来的研究可以扩展到实际使用行为影响因素的调查。第三,它更有价值,共同分析的因素影响供应商和需求者参与共享停车程序。这可能促进双方更好的合作和匹配。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究是由中国国家自然科学基金(71971005)和项目是由北京市自然科学基金(8202003)。支持感激地承认。