随着人工智能和第5代移动通信技术等先进科技的发展，自动驾驶技术日趋成熟，据美国电气和电子工程师协会（Institute of Electrical and Electron‐ics Engineers，IEEE）预测，2040年全球上路汽车总量中自动驾驶车辆将占75%^[1]，因此，在未来很长一段时间内，道路交通流将处于自动驾驶车辆和传统车辆混行状态^[2]，出现传统车辆驾驶员跟随自动驾驶车辆行驶的情况不可避免．驾驶员的意向决定了行为^[3]，因此，从社会心理学角度出发，探讨影响驾驶员对自动驾驶车辆跟驰意向的心理因素以及各因素间的关系，对未来人机混驾交通流研究具有重要意义．

目前国内外学者在自动驾驶车辆对驾驶员跟驰行为的影响方面已进行了相关研究，如侯培国等^[4]指出，当前方为自动驾驶车辆时，驾驶员会因不熟悉自动驾驶车辆性能产生恐惧感，进而增大跟车间距，随着驾驶员对自动驾驶车辆了解程度的提升，恐惧值会呈现先上升再下降的趋势； RAHMATI等^[5]采用实车试验法研究驾驶员在跟随自动驾驶车辆或传统车辆行驶时的行为差异，发现跟随在自动驾驶车辆后的驾驶员，在速度和加速度方面表现出较低波动性，MAHDINIA等^[6]的研究也呈现出类似结论；ZHAO等^[7]利用实车试验研究自动驾驶技术的“信任者”、“怀疑者”及“不敏感者”3类驾驶员，跟随在自动驾驶车辆后的速度及跟车间距变化，发现驾驶员面对自动驾驶车辆时的行为反应取决于其对自动驾驶技术的主观信任程度．以上研究表明，自动驾驶车辆的出现必然会影响驾驶员的跟驰行为，但未深入分析造成跟驰行为变化的心理因素以及这些因素间的相互作用．

计划行为理论（theory of planned behavior，TPB）由AJZEN等^[8]基于理性行为理论最先提出，该理论能从心理学角度解释个体行为决策过程．作为一种成熟的社会心理学理论，TPB已在交通领域得到广泛应用，研究角度主要有驾驶员的危险性驾驶行为、防御性驾驶行为、竞争性驾驶行为及变道行为等^[9-12]，但将TPB应用于人机混驾环境下驾驶员行为分析的研究较少，利用该理论进行驾驶员对自动驾驶车辆跟驰行为意向的分析研究尚属空白．基于此，本研究引入驾驶员对自动驾驶车辆的了解程度、风险感知及接受程度3个变量，建立基于扩展TPB的驾驶员跟驰意向模型框架，基于模型框架编制量表并进行问卷调查，构建结构方程模型，利用SPSS和AMOS软件分析所建模型的有效性以及各变量间的影响关系．

TPB认为个体行为由意向（behavioral intention， BI）决定，而意向又受到行为态度（behavioral atti‐tude，ATT）、主观规范（subjective norm，SN）和知觉行为控制（perceived behavioral control，PBC）因素影响．然而在进行行为意向决策分析时，若仅考虑单一的TPB理论模型，可能会存在一定局限性， BAMBERG等^[13]指出，在TPB基础上引入新变量可以提升模型的预测能力和解释能力，因此，需要结合研究目的对模型进行合理修改与扩展，如文献[14]新增法律规范和行为经验两个变量研究驾驶员的疲劳驾驶行为；文献[15]新增过去行为和无害感知两个变量研究驾驶员的酒驾行为．本研究结合人机混驾交通流环境，新增驾驶员对自动驾驶车辆的了解程度（degree of familiarity，DF）、风险感知（per‐ception of risk，PR）以及接受程度（degree of accep‐tance，DA）3个变量，构建基于扩展TPB的驾驶员跟驰意向研究模型，如图1．

结合研究模型提出以下32个假设：DF和DA分别正向影响SN 、 ATT 、 PBC和BI ，分别记为H_a1—H_a4、 H_c1—H_c4； PR负向影响SN、 ATT、 PBC和BI，记为H_b1—H_b4；SN、ATT及PBC分别正向影响BI，记为H_e2、H_d1和H_f2；SN和PBC分别正向影响ATT，记为H_e1和H_f1； ATT、 SN和PBC在DF、PR、DA及BI之间存在中介作用，分别记为H_d2—H_d4、 H_e3—H_e5和H_f3—H_f5； SN和ATT、 PBC和ATT在DF、PR、DA及BI之间存在多重中介作用，记为H_g1—H_g6．

图1 基于扩展TPB的驾驶员跟驰意向研究模型Fig. 1 Driver's car-following intention model based on extended TPB.

基于AJZEN等^[8]提出的问卷设计标准流程，以构建的模型为框架编制问卷．问卷分为3部分，其中，第1部分为人口统计学基本信息，包括受访者的性别、年龄、驾龄及对自动驾驶车辆的信息来源4个单选题项；第2部分为李克特5级量表，设为7个维度，分别为了解程度（DF）、风险感知（PR）、接受程度（DA）、行为态度（ATT）、主观规范（SN）、知觉行为控制（PBC）及跟驰行为意向（BI）；第3部分为驾驶员对自动驾驶车辆的实际了解程度调查，从自动驾驶车辆关键技术、发展趋势、优缺点及队列控制技术角度出发，设置4道多选题，用于量表中驾驶员自述了解程度的验证．

第2部分的5级量表从“1”到“5”表示从“非常不赞同”到“非常赞同”，问题项设计具体如下．①DF为受访者对自动驾驶车辆相关信息的了解程度，共设4个题项，如“我了解自动驾驶车辆的关键技术”；②PR为受访者对自动驾驶车辆所存在潜在风险的感知程度，共设3个题项，如“我担心周围行驶的自动驾驶车辆会突然失控引发交通事故，使我面临一定的危险”；③DA为受访者在心理上对周围行驶自动驾驶车辆的接受程度，共设3个题项，如“若周围出现自动驾驶车辆，我在行驶时会感到更安心”；④ATT为受访者对自动驾驶车辆的态度看法，共设3个题项，如“我认为自动驾驶车辆能够减少交通事故，使道路运行更安全”；⑤SN为乘客或媒体报道等社会主体对受访者的跟驰意向产生的影响，共设3个题项，如“身边主流媒体对自动驾驶车辆的正向宣传，会使我在驾车时更倾向于跟随在自动驾驶车辆后方行驶”；⑥PBC为受访者对跟驰行为控制难易程度的感知，共设3个题项，如“我在驾车时能够轻松应对跟随在自动驾驶车辆后方可能会出现的风险”；⑦BI为受访者对自动驾驶车辆的跟驰意向，共设3个题项，如“在未来自动驾驶车辆投入使用后，相较于跟随普通车辆，驾车时我更愿意跟在自动驾驶车辆后方行驶”．在问卷设计完成后，首先对28名受访者进行预调查，根据受访者反馈修正题项并对复杂题目增加图片说明．利用问卷星平台发放问卷进行正式调查，调查对象为非职业机动车驾驶员．正式调查共收集问卷400份，剔除答题时间小于3 min、大于20 min以及多个题项选同一答案的无效问卷，最终得到有效问卷331份，满足“样本量至少为量表题中观察题项数量5～10倍”的要求．

基本潜变量ATT、SN及PBC对BI均产生正向显著影响，表明计划行为理论可用于解释人机混驾环境中传统车辆驾驶员对自动驾驶车辆的跟驰意向．其中，行为态度对驾驶员跟驰意向的影响最大，知觉行为控制和主观规范对驾驶员跟驰意向的影响略低于行为态度．类似的结果在前人研究中也得到过体现，如张彦宁等^[18]构建的驾驶员超速行为SEM模型拟合结果表明，驾驶员对激进驾驶这一行为的态度越积极，产生加速行为的意愿越大，且在态度、主观规范及知觉行为控制三者中，态度与激进驾驶行为意向的标准化回归系数最大．本研究针对基本潜变量的研究结果表明，在未来自动驾驶车辆投入使用后，可通过提高驾驶员对自动驾驶车辆的积极态度来提高驾驶员对自动驾驶车辆的跟驰意愿，使传统车辆与自动驾驶车辆更为协调友好地在道路系统中共同行驶；周围朋友、乘客对自动驾驶车辆的积极看法以及新闻媒体的正向报道也会促进驾驶员跟随自动驾驶车辆行驶；对自身跟驰行为控制能力认知越高的驾驶员会更易跟随在自动驾驶车辆后方行驶，但若驾驶员对自身行为控制能力的认知和实际能力不匹配，则可能会引发危险驾驶行为，故在未来的驾驶证考试中可增加驾驶员与自动驾驶车辆的模拟交互驾驶测试项，用于测试驾驶员行为控制能力．

图2 修正后驾驶员跟驰意向SEM模型Fig. 2 Modified diagram of driver's car following intention SEM model.

表6 中介效应分析Table 6 Mediation analysis results

针对拓展潜变量DF、PR及DA，DF既能直接影响BI，也能通过影响PBC和ATT间接影响BI；PR仅通过中介变量PBC和ATT间接影响BI；DA仅通过中介变量SN和ATT间接影响BI．以上研究结果表明，驾驶员对自动驾驶车辆相关控制技术及发展趋势的了解程度越高或在心理上对自动驾驶车辆的接受程度越高，就越倾向于跟随在自动驾驶车辆后方行驶；驾驶员对自动驾驶车辆运行存在潜在风险的感知越强烈，对自动驾驶车辆的态度就越消极，自身知觉行为控制能力也会降低，进而造成跟驰意愿的减弱．在未来人机混驾环境下，若驾驶员对自动驾驶车辆了解不足或不准确，则可能会产生远离自动驾驶车辆或紧跟自动驾驶车辆行驶等极端驾驶行为，这类行为会降低交通效率和安全性，建议交管部门向驾驶员更为全面地科普自动驾驶相关知识，让驾驶员正确认识自动驾驶的优缺点，使其在人机混驾环境下能够安全合理地完成与自动驾驶车辆的协同行驶，提高整个道路系统的运行效率．需要注意的是本研究的基本假定为道路交通处于从纯人工驾驶到纯自动驾驶的过渡期，此时驾驶员对自动驾驶车辆的了解程度、风险感知及接受程度大致呈现正态分布，而当自动驾驶车辆面向社会全面普及后，了解程度等变量会产生显著变化，此时需要再次调查验证模型．

本研究基于计划行为理论，新增驾驶员对自动驾驶车辆的了解程度、风险感知以及接受程度3个扩展变量，建立人机混驾环境下驾驶员跟驰意向结构方程模型，从心理层面揭示了解程度、风险感知、接受程度、行为态度、主观规范及知觉行为控制6个因素对驾驶员跟驰意向的作用．研究结果表明：①驾驶员对自动驾驶车辆的了解程度、行为态度、乘客或新闻媒体等社会主体对自动驾驶的宣传以及驾驶员对自身跟驰行为控制能力的感知均会对驾驶员跟驰自动驾驶车辆的意愿产生显著正向影响；②驾驶员对自动驾驶车辆的了解程度会对行为态度及知觉行为控制产生正向显著影响；③驾驶员对自动驾驶车辆的接受程度会对行为态度、主观规范产生正向显著影响；④驾驶员对自动驾驶车辆的风险感知会对行为态度、知觉行为控制产生负向显著影响；⑤在3个扩展潜变量中，了解程度对驾驶员跟驰意向既有直接效应又有间接效应，而接受程度和风险感知仅能通过中介变量对跟驰意向产生间接效应．以上结果表明本研究所建立的基于扩展计划行为理论的驾驶员跟驰意向结构方程模型对人机混驾环境下驾驶员面对自动驾驶车辆时的跟驰行为意向具有良好解释力．研究结果可为今后人机混驾交通流分析及未来交通安全教育及管理措施制定等提供参考．

本研究尚存一定局限性，如不同交通条件下驾驶员的心理素质可能有所差异，在面对自动驾驶车辆时的行为意向也会有所差别，在今后研究中会进一步对驾驶员进行细化分类并增加额外变量，如驾驶员对周围交通环境、道路拥挤程度的感知能力等，进一步完善现有模型．