Transport Research >

2022 , Vol. 8 >Issue 3: 120 - 129

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.03.013

Usage Intention of MaaS Based on Extended TAM

  • ZHANG Kun ,
  • ZHAO Sheng-chuan
Expand
  • School of Transportation & Logistics, Dalian University of Technology, Dalian 116024，China

Received date: 2022-04-08

  Online published: 2022-07-05

Fold

Abstract

Investigating users' willingness to use MaaS (Mobility as a Service) and its influence factors, providing scientific basis for MaaS design are important prerequisites to ensure the success of MaaS application. Given this, an analysis framework of MaaS usage intention was proposed based on TAM (Technology Acceptance Model), using four basic variables (perceived usefulness, perceived ease of use, attitude and usage intention), combined with five extended variables (trust, privacy concern, innovativeness, social impact and environmental awareness). 1 190 valid questionnaires were collected nationwide through online questionnaire survey. Cronbach′s α and confirmatory factor analysis were conducted to verify the reliability and validity of the questionnaires, and the path analysis method was used to explore the usage intention of MaaS and the role between variables. The results demonstrated that the positive attitudes were the most important factors for the intention to use MaaS; users paid more attention to usefulness of MaaS than to ease of use; users' trust in MaaS could have a positive indirect effect on usage intention; people who were more innovative and more susceptible to social relationships had higher intention to use MaaS. Accordingly, it is recommended that operators take measures to improve the usefulness and reliability of MaaS and carry out precision marketing for target users.

Key words： MaaS (Mobility as a Service); TAM (Technology Acceptance Model); usage intention; trust; innovativeness; social impact

Cite this article

ZHANG Kun , ZHAO Sheng-chuan . Usage Intention of MaaS Based on Extended TAM[J]. Transport Research, 2022 , 8(3) : 120 -129 . DOI: 10.16503/j.cnki.2095-9931.2022.03.013

0 引言

随着城市交通系统的发展，在交通、技术、社会3个层面的推动下[1]，一种新型出行服务模式——出行即服务（Mobility as a Service, MaaS）应运而生。在2014年召开的欧洲智能交通系统大会上，MaaS这一概念被正式提出讨论并在全球范围内开始被广泛关注。作为一种新型出行服务模式，用户的认知、接受和使用是MaaS生存和发展的前提[2]。同时，我国拥有全球最大的出行服务市场，虽然目前尚无成熟的MaaS应用，却有广阔的发展前景[3]。所以有必要探讨我国用户对MaaS的使用意愿，根据研究结果为MaaS在我国的后续发展提出建议。
目前MaaS相关研究存在3大主线，涉及用户行为、业务模式和管理问题[4]。根据理论和建模方法的不同，关于用户行为的研究可分为3种类型：①采用技术接受模型（Technology Acceptance Model, TAM）和相关理论模型研究用户接受度[2];②基于离散选择模型构建特定出行场景下的选择意愿模型[2];③采用潜在类别分析或聚类分析描述MaaS潜在用户特征[5⇓-7]。接受度研究方面，相关研究人员从不同角度出发探索影响机制。Tomaino等人[8]从心理学角度研究发现，阻碍MaaS接受的社会及感知心理因素包括感知控制、消费认同、社会因素和感知成本，其中感知控制包括心理权利、责任和信任。心理需求在MaaS的接受中起着至关重要的作用[9]，社会影响可通过态度对使用意愿产生间接影响[2]。研究人员建立了使用意愿模型并进行参数标定，结果表明积极的态度是影响MaaS使用意愿的最重要因素[6]，同时TAM的所有假设均得到数据支持[9-10]。此外，环保意识[5-6]、创新性[2,5]和隐私担忧[5]对使用意愿的影响也得到了研究证实。选择意愿模型方面，价格是影响用户支付意愿的最重要属性[11]，方案选择与社会经济属性和出行特征显著相关[12]。王天实等人[13]对哥德堡、伦敦、悉尼三地所进行的出行选择偏好研究显示，MaaS对偶尔开车的群体吸引力最强;曹阳等人[14]针对MaaS出行选择倾向，收集网络问卷数据并建立多项Logit模型，研究结果表明每月生活支出和出行距离是影响用户选择出行方式组合的重要因素。MaaS的潜在用户可能是年轻的、受教育程度和收入较高的人群[15]，他们具有多模式出行[7]、较高出行频率[15]、较高公共交通使用频率[16]和较低小汽车使用频率[17]的出行特征。另外，关于MaaS在我国的发展，相关研究梳理了MaaS的发展阶段[18]并构建评价指标体系[19]，探讨适合我国国情的发展路径[3]。
综上可知，虽然信任被认为是影响MaaS使用意愿的重要因素[8]，且信任对使用意愿的影响在自动驾驶接受度研究中已得到证实[20]，但目前少有研究将信任变量纳入MaaS使用意愿模型中。此外，相关调查大多在已有成熟MaaS应用的地区进行，国内目前对MaaS使用意愿的研究较少。因此，本文将基于TAM研究用户使用意愿，并将信任、隐私担忧、创新性、社会影响和环保意识变量纳入模型，探讨我国用户MaaS使用意愿的影响因素，以期在MaaS投入市场使用前把握影响其使用意愿的关键因素，为更好地发挥MaaS的作用提供科学依据。

1 研究模型与假设

由于目前MaaS尚无统一定义，故本文将其定义为一种整合所有出行方式的，可以购买出行套餐或即付即走的，集成出行规划、预订、票务和支付等功能的多元整合出行服务。MaaS作为新技术支持下的出行服务产品，由于国内受访者没有使用相关服务的经验，故本文以TAM为基础研究用户使用意愿，并引入扩展变量以提高模型可预测性。

1.1 基本假设

研究人员已经开发了许多用于解释人类行为及对新技术接受程度的模型，包括技术接受模型、计划行为理论（Theory of Planned Behavior, TPB）、整合型科技接受模型（Unified Theory of Acceptance and Use of Technology, UTAUT）等。这些模型认为人们对技术的信念和感知可以影响接受度，并以使用该技术的意愿和实际使用行为作为接受度的衡量指标[20]。TAM指出，感知易用性（Perceived Ease of Use, PEU）、感知有用性（Perceived Usefulness, PU）和态度（Attitude, AT）是使用意愿（Usage Intention, UI）的前因[21]。该模型假设个人的使用意愿是由其对技术使用的态度决定的。态度又有2个预测因子，即感知易用性和感知有用性。此外，感知易用性影响感知有用性，而感知有用性对使用意愿有直接影响。使用意愿指一个人使用一种技术的主观意愿。态度是指个人对使用一种技术的积极或消极的感觉。感知有用性是指使用某项技术的预期收益，如对出行而言，包括省钱、省时、出行方便等。感知易用性则描述了使用某项技术的预期难度，如对其理念和操作技能学习的难易程度。本文针对MaaS基于TAM的假设如下：
H1a：感知易用性对MaaS的感知有用性有显著的正向影响;
H2a：感知易用性对MaaS的态度有显著的正向影响;
H3a：感知有用性对MaaS的态度有显著的正向影响;
H4a：感知有用性对MaaS的使用意愿有显著的正向影响;
H5a：态度对MaaS的使用意愿有显著的正向影响。

1.2 扩展变量

由于我国暂无成熟的MaaS产品，受访者只能通过问卷中的情景描述建立对MaaS的初步了解，不适合询问较深入的问题，如功能评价、习惯关联、支付偏好等，故本文选取经过相关研究验证且符合我国国情的变量加入模型中，以进一步提高模型的可预测性。

1.2.1 信任

Choi等人[22]对信任（Trust, TR）的解释为：对系统特征的可预测性和功能性的信任程度;本文对信任的定义为：个人对MaaS应用的信任程度。MaaS需依托智能手机，以应用软件的形式为用户提供服务。而信任是使用MaaS应用软件的基础。Tomaino等人认为，要提高用户对MaaS的接受度，需建立起用户对MaaS的信任[8]。Zhang等人通过加入信任和隐私担忧变量对基础TAM进行拓展，研究结果表明信任对自动驾驶汽车的态度有显著正向影响，感知有用性对信任有显著正向影响，隐私担忧对信任有显著负向影响[20]。此外，Zhang等人[20]还考虑了感知安全风险（对技术安全性及交通事故的担忧），结合MaaS实际，手机软件的风险更多来自隐私问题，所以本文不考虑此变量。综合以上因素，本文引入信任变量并作出如下假设：
H6a：信任对MaaS的态度有显著的正向影响;
H7a：隐私担忧对MaaS的信任有显著的负向影响;
H8a：感知有用性对MaaS的信任有显著的正向影响。

1.2.2 隐私担忧

Phelps等人[23]对隐私担忧（Privacy Concern, PC）的解释为：关注个人消费信息的收集和使用;本文将隐私担忧定义为：用户关注个人信息被MaaS应用收集及使用的问题。近年来，手机软件的隐私泄露问题屡见不鲜，人们越来越重视隐私保护。而MaaS应用需要收集大量数据，这可能会引起人们对个人信息被过量收集或违规使用的担忧。Lopez-Carreiro等人[5]和Ye等人[2]分别使用TAM和UTAUT研究用户对MaaS使用意愿的影响因素，并指出隐私担忧可通过用户期望或态度间接影响使用意愿。鉴于此，本文引入隐私担忧变量。

1.2.3 创新性

创新性（Innovativeness, IN）是指个人尝试新事物和新技术的意愿[24]。创新性强的人可能会积极尝试MaaS。Lopez-Carreiro等人[5]研究发现，技术亲和力，即创新性，对MaaS的使用意愿有正向影响;用户的技术亲和力较低是阻碍MaaS发展的关键因素之一。Herrenkind等人[25]在TAM基础上，加入个体差异、社会影响和系统属性类变量对模型进行拓展，并假设拓展变量对TAM存在影响。其中个体差异类变量包含信任、控制需求、隐私担忧、环保意识和创新性。其研究结果显示，创新性对自动驾驶电动巴士的感知易用性有显著正向影响。故本文在模型中加入创新性变量来解释个体创新性的差异对MaaS使用意愿的影响，并作出如下假设：
H1b：创新性对MaaS的感知易用性有显著的正向影响;
H2b：创新性对MaaS的感知有用性有显著的正向影响;
H3b：创新性对MaaS的隐私担忧有显著的负向影响;
H4b：创新性对MaaS的信任有显著的正向影响;
H5b：创新性对MaaS的态度有显著的正向影响;
H6b：创新性对MaaS的使用意愿有显著的正向影响。

1.2.4 社会影响

Ajzen[26]对社会影响（Social Impact, SI）的解释为：感知社会压力会影响个体行为。本文将社会影响定义为：社会对个人MaaS使用意愿的影响。社会心理学指出个体在群体中存在从众行为。重视社会影响的人可能会因朋友或媒体的推荐而使用MaaS。Tomaino等人认为社会约束和规模问题会影响用户接受MaaS[8]。Ye等人的研究表明社会影响变量会通过态度对MaaS的使用态度产生间接影响[2]。所以本文考虑社会影响变量并作出如下假设：
H1c：社会影响对MaaS的感知易用性有显著的正向影响;
H2c：社会影响对MaaS的感知有用性有显著的正向影响;
H3c：社会影响对MaaS的隐私担忧有显著的负向影响;
H4c：社会影响对MaaS的信任有显著的正向影响;
H5c：社会影响对MaaS的态度有显著的正向影响;
H6c：社会影响对MaaS的使用意愿有显著的正向影响。

1.2.5 环保意识

Roberts[27]对环保意识（Environmental Awareness, EA）的解释为：个体行为受环保意识的影响。MaaS的目的在于减少出行者对小汽车的依赖[14]，为可持续交通的发展作出贡献[28]。MaaS可使公共交通和共享出行更便捷，这对环保意思强的群体有很大吸引力。所以随着可持续发展理念的深入人心，有必要探讨环保意识对MaaS使用意愿的影响。Lopez-Carreiro等人研究发现，环保意识对用户期望存在显著正向影响，对MaaS的使用意愿存在间接影响[5]。故本文引入环保意识变量并作出如下假设：
H1d：环保意识对MaaS的感知易用性有显著的正向影响;
H2d：环保意识对MaaS的感知有用性有显著的正向影响;
H3d：环保意识对MaaS的隐私担忧有显著的负向影响;
H4d：环保意识对MaaS的信任有显著的正向影响;
H5d：环保意识对MaaS的态度有显著的正向影响;
H6d：环保意识对MaaS的使用意愿有显著的正向影响。

1.3 使用意愿模型

基于以上变量及假设，构建MaaS使用意愿模型，用以探讨MaaS使用意愿及其影响因素。本文在原始TAM的基础上增加了5个扩展变量并作出相应假设，模型结构如图1所示。
图1 基于TAM拓展的MaaS使用意愿模型

2 问卷设计与数据收集

本文通过问卷调查收集数据。问卷分为3部分，第1部分为MaaS使用情景描述及功能特征介绍。本调查以芬兰的MaaS项目“Whim”为例，通过视频、图片和文字形式，使受访者对MaaS形成初步了解。首先，在问卷中插入了时长约1min的视频，讲解MaaS平台的使用流程。然后，在图片上插入注释，以突出MaaS的主要特征，如出行套餐、出行规划、支付整合和出行方式整合。最后，用文字对上述特征与功能进行总结。问卷第2部分为使用意愿调查，第3部分为社会经济属性调查。
问卷在借鉴相关研究中具有较高信效度的量表的基础上，结合MaaS自身特点修改而成，因此具有良好的内容效度。TAM 量表参考了Davis等人[21]和Schikofsky等人[9]的量表，信任及隐私担忧借鉴Zhang等人[20]的量表，创新性借鉴Herrenkind等人[25]的量表，社会影响借鉴Ye等人[2]的量表，环保意识借鉴Lopez-Carreiro等人[5]的量表，最终形成包括29个问题的调查问卷。使用意愿调查采用李克特5级量表形式，“1”代表完全不同意，“5”代表完全同意。
问卷调查采用网络调查形式，通过“问卷星”平台获取了1 190份有效问卷，样本来自全国30个省市。样本统计特征如表1所示，其中男女比例基本平衡;96.2%的受访者年龄为18~49岁，处于青年和中年阶段;80.7%的受访者为全职工作者;43.2%的受访者月收入为5000~10000元，收入结构合理。本科学历的受访者占83.7%，77.3%的受访者来自一线城市或其他副省级城市，说明受访者大多来自城市化水平较高的地区且学历较高。
表1 问卷调查样本统计特征
基本信息 样本量 百分比
性别 男 634 53.3%
女 556 46.7%
年龄/岁 ≤17 2 0.2%
18~29 579 48.6%
30~49 567 47.6%
50~64 40 3.4%
≥65 2 0.2%
职业 全职工作 960 80.7%
自由职业/个体从业者 110 9.2%
大学生 114 9.6%
中小学生 1 0.1%
离退休人员 5 0.4%
收入/元 ≤5000 207 17.4%
5000~10000 514 43.2%
10000~15000 256 21.5%
15000~20000 136 11.4%
20000~30000 44 3.7%
≥30000 33 2.8%
教育
背景		 其他 67 5.6%
本科 996 83.7%
硕士 118 9.9%
博士 9 0.8%
城市
类别		 一线城市 409 34.4%
省会城市和计划单列市
（除一线城市外）		 510 42.9%
地级市 191 16.0%
县级市 80 6.7%

3 数据分析

3.1 信效度检验

本文采用SPSS24.0进行信效度检验，其中信度检验使用克隆巴赫系数（Cronbach′s α）。检验结果如表2所示。由表2可看出，问卷各维度Cronbach′s α均大于0.7，说明该量表具有较好的内部一致性。问卷整体KMO（Kaiser-Meyer-Olkin）值为0.934，大于0.7，Bartlett检验P值小于0.001，因此本量表数据适合进行因子分析。
表2 信效度分析结果
变量 题项 因子载荷 CR AVE Cronbach′s α
感知
易用性		 PEU1 0.685 0.829 0.548 0.828
PEU2 0.746
PEU3 0.739
PEU4 0.788
感知
有用性		 PU1 0.740 0.766 0.523 0.760
PU2 0.655
PU3 0.770
隐私担忧 PC1 0.897 0.930 0.816 0.929
PC2 0.894
PC3 0.918
信任 TR1 0.781 0.837 0.632 0.833
TR2 0.777
TR3 0.826
态度 AT1 0.751 0.754 0.506 0.753
AT2 0.680
AT3 0.700
使用意愿 UI1 0.703 0.820 0.534 0.819
UI2 0.708
UI3 0.725
UI4 0.783
环保意识 EA1 0.774 0.827 0.616 0.825
EA2 0.732
EA3 0.844
创新性 IN1 0.738 0.764 0.520 0.759
IN2 0.668
IN3 0.755
社会影响 SI1 0.719 0.768 0.525 0.768
SI2 0.733
SI3 0.722
在此基础上使用Amos24.0进行验证性因子分析。本文选取6个适配统计量，包括简约适配度指数：卡方自由度之比（ χ 2 / d f）;绝对适配度指数：拟合优度指数（Goodness-of-Fit Index, GFI）、修正的拟合优度指数（Adjusted Goodness-of-Fit Index, AGFI）、近似误差均方根（Root Mean Square Error of Approximation, RMSEA）;增值适配度指数：本特勒-波内特规范指数（Bentler-Bonett Normed Fix Index, NFI）、增量拟合指数（Incremental Fit Index, IFI）、比较拟合指数（Comparative Fit Index, CFI）。模型拟合指标的临界值和实际值如表3所示。各拟合指标均在临界范围内，说明拟合度较好。量表各维度平均方差抽取量（Average Variance Extracted, AVE）值见表2，每个维度AVE值均大于0.5，因子载荷均大于0.6，说明具有较好的收敛效度;组合信度（Composite Reliability, CR）值均高于0.7，说明具有良好的组合信度。区别效度结果如表4所示，其他维度的相关系数均小于各维度AVE平方根，说明具有良好的区别效度[29]。综上，量表通过了信效度检验，可以进行建模分析。
表3 模型适配度参数
统计
检验量		 χ2/df GFI AGFI RMSEA NFI IFI CFI
临界值 1<χ2/df<3 >0.90 >0.90 <0.05 >0.90 >0.90 >0.90
测量模型 2.161 0.957 0.946 0.031 0.958 0.977 0.977
结构模型 2.249 0.955 0.944 0.032 0.955 0.974 0.974
表4 区别效度结果
感知易用性 感知有用性 隐私担忧 信任 态度 使用意愿 环保意识 创新性 社会影响
感知易用性 0.740①
感知有用性 0.415 0.723①
隐私担忧 0.026 -0.029 0.903①
信任 0.268 0.412 -0.437 0.795①
态度 0.377 0.503 -0.202 0.624 0.711①
使用意愿 0.479 0.529 -0.103 0.538 0.626 0.730①
环保意识 0.295 0.385 -0.145 0.465 0.461 0.434 0.785①
创新性 0.435 0.474 -0.117 0.423 0.521 0.562 0.395 0.721①
社会影响 0.349 0.468 -0.098 0.400 0.468 0.542 0.383 0.480 0.725①

3.2 路径关系检验

本文使用Amos24.0建立模型，适配度结果如表3所示，路径分析结果如图2所示。除假设H3b, H3c, H5c, H6d之外，其余假设均得到支持。模型中各变量对使用意愿产生的效应包括直接效应和间接效应，直接效应为两变量之间的路径系数，间接效应为相应路径上路径系数的乘积[29-30]。本文采用Bootstrap法，抽取5 000次样本检验各变量对使用意愿的间接效应，结果如表5所示。其中直接效应指某一变量对使用意愿变量的直接影响，间接效应是某一变量通过其他变量对使用意愿变量间接产生的影响，总效应为直接效应与间接效应之和。
图2 路径分析结果

注：***表示在 0.001 水平显著，**表示在 0.05 水平显著，*表示在 0.1 水平显著。

表5 自变量对使用意愿效应
自变量 直接效应 间接效应 总效应
态度 0.517 — 0.517
感知易用性 — 0.085 0.085
感知有用性 0.136 0.189 0.325
隐私担忧 — -0.100 -0.100
信任 — 0.242 0.242
创新性 0.135 0.231 0.366
社会影响 0.196 0.142 0.338
环保意识 — 0.109 0.109

3.3 讨论

通过路径分析结果可知，基础TAM中所有假设均得到支持。感知易用性、感知有用性、态度对使用意愿的总效应分别为0.085, 0.325, 0.517。与Lopez-Carreiro等人[5]和Ye等人[2]的研究结果相似，态度对使用意愿的影响最大，这也印证了TAM和TPB对个体行为的解释。感知有用性和感知易用性对态度的正向影响显著，感知易用性既可以直接作用于态度，也可以通过感知有用性间接作用于态度，感知有用性可直接影响使用意愿。感知有用性比感知易用性对使用意愿的总效应更强，说明受访者更关心MaaS应用的实用属性。同时，随着移动互联网的发展，人们已经习惯使用移动支付、导航软件等相关应用，且默认手机应用是易于操作的[10]，所以对易用性的关注度较低。
信任对态度具有显著正向影响，且信任对态度的影响最大，说明用户对MaaS应用的信任感对其使用态度具有较大的正向影响。隐私担忧对信任有负向影响，说明用户对隐私安全方面的顾虑较大影响了其对MaaS应用的信任，用户隐私担忧越强烈，对MaaS信任度越低。
创新性对感知易用性、感知有用性、信任、态度和使用意愿均有显著的正向影响，其中对感知易用性和感知有用性具有较大的正向影响，对隐私担忧没有显著影响。说明创新性越强，感知易用性和感知有用性越高，人们越愿意尝试新技术，使用意愿越强烈。创新性对隐私担忧影响不显著，原因可能是，创新性较强的人群对隐私安全方面的风险接纳程度高，即便担心隐私泄露问题，最终也会选择使用MaaS。
社会影响对感知易用性、感知有用性、信任和使用意愿均有显著的正向影响，其中对感知有用性和使用意愿正向影响较大。社会影响对隐私担忧和态度没有显著影响，说明社会影响并不能降低用户对MaaS的隐私担忧，也不能改善用户对MaaS的使用态度。但是社会影响越高，用户对MaaS的感知有用性越强烈，使用意愿越高。
环保意识对感知易用性、感知有用性、隐私担忧、信任和态度均有显著影响，对使用意愿没有显著的直接效应，对隐私担忧有负向影响，对信任和感知有用性有较大的正向影响。受访者的环保意识越强，感知有用性越高，使用态度越积极，但是尝试MaaS的意愿并不显著。根据前文综述可知，MaaS的早期接受者特征包括公共交通使用频率高[14]和环保意识强[6]。环保意识较强的群体可能更经常使用公共交通或共享出行服务，所以相关应用软件的使用频率较高，对隐私问题的考量较少，对MaaS信任度高。
模型计算结果表明，态度对使用意愿的总效应最大（0.517），其他由大到小依次为：创新性（0.366）、社会影响（0.338）、感知有用性（0.325）、信任（0.242）、环保意识（0.109）、隐私担忧（-0.100）和感知易用性（0.085）。创新性越强、越易受社会影响的群体，对MaaS的使用意愿越高。因此，可以针对此类群体进行精准营销，通过社交媒体重点宣传MaaS应用的创新性等特点，以达到吸引目标用户的目的。同时运营商等应采取措施提升MaaS的有用性，丰富MaaS应用的功能，集成更多出行方式，实现支付平台的整合，提供实时出行信息和个性化出行套餐，并且对套餐进行差异化定价。还可以通过提供停车、旅游信息等附加服务提升MaaS的使用价值。受访者对隐私问题的担忧会对MaaS的使用意愿产生负面影响，因此，需要提升MaaS的技术可靠性，避免出现数据泄露或不当使用等问题。此外，政府部门应完善相关行业标准与管理条例，明确各方的权利与义务，建立多方参与者的对话机制，为MaaS的成功运营提供机制与政策保障。

4 结语

本文在传统的技术接受模型的基础上，通过引入信任、隐私担忧、创新性、社会影响和环保意识5个扩展变量，建立了拓展型TAM MaaS使用意愿分析模型，并利用全国范围内收集的调查数据，分析了影响MaaS使用意愿的主要因素。研究结果表明，相比于易用性，用户更关注MaaS的有用性;用户对MaaS的信任程度可通过态度影响使用意愿;创新性越强、越易受社会影响的人群，对MaaS的使用意愿越高。但是，本研究在数据收集和对比分析方面仍存在不足，在后续研究中，希望获取运用智能设备困难的老年人群体的样本，深入分析该群体的MaaS使用意愿及障碍。另外 ，可与已有成熟MaaS项目的国家（如芬兰、奥地利）进行比较研究，借鉴国际经验，为我国MaaS的可持续发展提供参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李瑞敏. 出行即服务(MaaS)概论[M]. 北京: 人民交通出版社股份有限公司, 2020.

[2]
YE J H, ZHENG J Q, YI F B. A study on users' willingness to accept mobility as a service based on UTAUT model[J]. Technological Forecasting and Social Change, 2020, 157: 120066.

[3]
刘向龙, 刘好德, 李香静, 等. 中国出行即服务(MaaS)体系框架与发展路径研究[J]. 交通运输研究, 2019,5(3):1-9.

[4]
DANIELA M, CARLOS G J, JAVIER G. On the path to mobility as a service: a MaaS-checklist for assessing existing MaaS-like schemes[J/OL]. Transportation Letters, 2022. https://doi.org/10.1080/19427867.2022.2038987.

[5]
LOPEZ-CARREIRO I, MONZON A, LOIS D, et al. Are travellers willing to adopt MaaS? Exploring attitudinal and personality factors in the case of Madrid, Spain[J]. Travel Behaviour and Society, 2021, 25: 246-261.

[6]
FIOREZE T, DE GRUIJTER M, GEURS K. On the likelihood of using Mobility-as-a-Service: a case study on innovative mobility services among residents in the Netherlands[J]. Case Studies On Transport Policy, 2019, 7(4): 790-801.

[7]
ALONSO-GONZÁLEZ M J, HOOGENDOORN-LANSER S, OORT N, et al. Drivers and barriers in adopting mobility as a service (MaaS): a latent class cluster analysis of attitudes[J]. Transportation Research Part A: Policy and Practice, 2020, 132: 378-401.

[8]
TOMAINO G, TEOW J, CARMON Z, et al. Mobility as a service (MaaS): the importance of transportation psychology[J]. Marketing Letters, 2020, 31(4): 419-428.

[9]
SCHIKOFSKY J, DANNEWALD T, KOWALD M. Exploring motivational mechanisms behind the intention to adopt mobility as a service (MaaS): insights from Germany[J]. Transportation Research Part A: Policy and Practice, 2020, 131: 296-312.

[10]
MOLA L, BERGER Q, HAAVISTO K, et al. Mobility as a service: an exploratory study of consumer mobility behaviour[J]. Sustainability, 2020, 12(19): 8210.

[11]
BREZOVEC P, HAMPL N. Electric vehicles ready for breakthrough in MaaS? Consumer adoption of E-Car sharing and E-Scooter sharing as a part of mobility-as-a-service (MaaS)[J]. Energies, 2021, 14(4): 1088.

[12]
CAIATI V, RASOULI S, TIMMERMANS H. Bundling, pricing schemes and extra features preferences for mobility as a service: sequential portfolio choice experiment[J]. Transportation Research Part A: Policy and Practice, 2020, 131: 123-148.

[13]
王天实, 陆化普. MaaS出行选择偏好研究综述[J]. 交通工程, 2019,19(3):16-21.

[14]
曹阳, 尹怡晓, 常云涛. MaaS出行选择倾向性研究[J]. 综合运输, 2022,44(1):64-69.

[15]
ZIJLSTRA T, DURAND A, HOOGENDOORN-LANSER S, et al. Early adopters of mobility-as-a-service in the Netherlands[J]. Transport Policy, 2020, 97: 197-209.

[16]
JITTRAPIROM P, MARCHAU V, VAN DER HEIJDEN R, et al. Future implementation of mobility as a service (MaaS): results of an international Delphi study[J]. Travel Behaviour and Society, 2020, 21: 281-294.

[17]
TSOUROS I, TSIRIMPA A, PAGONI I, et al. MaaS users: who they are and how much they are willing-to-pay[J]. Transportation Research Part A: Policy and Practice, 2021, 148: 470-480.

[18]
岳锦涛, 李瑞敏. MaaS发展阶段简析[J]. 交通工程, 2019,19(3):11-15.

[19]
叶建红, 易法彬. 出行即服务典型案例发展水平评价[J]. 交通与运输, 2019,35(5):59-63.

[20]
ZHANG T, TAO D, QU X, et al. The roles of initial trust and perceived risk in public′s acceptance of automated vehicles[J]. Transportation Research Part C: Emerging Technologies, 2019, 98: 207-220.

[21]
DAVIS F D, BAGOZZI R P, WARSHAW P R. User acceptance of computer technology: a comparison of two theoretical models[J]. Management Science, 1989, 35(8): 982-1003.

[22]
CHOI J K, JI Y G. Investigating the importance of trust on adopting an autonomous vehicle[J]. International Journal of Human-Computer Interaction, 2015, 31(10): 692-702.

[23]
PHELPS J, NOWAK G, FERRELL E. Provide and consumer information personal concerns[J]. Public Policy Mark, 2000(19): 27-41.

[24]
AGARWAL R, PRASAD J. A conceptual and operational definition of personal innovativeness in the domain of information technology[J]. Information Systems Research, 1998, 9(2): 204-215.

[25]
HERRENKIND B, BRENDEL A B, NASTJUK I, et al. Investigating end-user acceptance of autonomous electric buses to accelerate diffusion[J]. Transportation Research Part D: Transport and Environment, 2019, 74: 255-276.

[26]
AJZEN I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Process, 1991(50): 179-211.

[27]
ROBERTS J A. Profiling levels of socially responsible consumer behavior: a cluster analytic approach and its implications for marketing[J]. Journal of Marketing Theory and Practice, 1995, 3(4): 97-117.

[28]
JANG S, CAIATI V, RASOULI S, et al. Does MaaS contribute to sustainable transportation? A mode choice perspective[J]. International Journal of Sustainable Transportation, 2021, 15(5): 351-363.

[29]
吴明隆. 结构方程模型:AMOS的操作与应用[M]. 重庆: 重庆大学出版社, 2009.

[30]
李振龙, 邢冠仰, 李佳, 等. 基于扩展tam的车路协同系统驾驶人接受度研究[J]. 中国公路学报, 2021,34(7):188-200.

Options
Outlines

/

〈 〉