Exploring Factors Affecting People’s Acceptance of Connected Vehicle Technology in China
Notice bibliographique
Résumé
Connected vehicles (CVs) leverage the vehicle‐to‐everything (V2X) function to interact with various mobility systems. In China, regulations mandate that CVs must possess automatic recording capabilities as stipulated by the “Management Specification for Road Tests of Intelligent CVs.” Yet, public perception of these functionalities and their impact on the acceptance of V2X technology remains unclear. This study explores the acceptance of V2X in China by augmenting the Unified Theory of Acceptance and Use of Technology (UTAUT) framework. Utilizing a survey of 567 Chinese drivers, we employed structural equation modeling (SEM) and Multiple Indicators Multiple Causes (MIMIC) analysis to dissect the factors influencing the behavioral intention (BI) to use V2X. Our findings reveal that social influence (SI), facilitating conditions (FC), and effort expectancy (EE) significantly predict the intention to adopt V2X. Interestingly, while trust (T) does not exert a direct influence, its overall effect on BI surpasses those of the previously mentioned factors. Moreover, the MIMIC models highlight that individuals’ understanding of V2X significantly shapes their acceptance attitudes. These insights underscore the importance of enhancing T, particularly in the data security aspects of V2X, to bolster its acceptance in China. By addressing these concerns, stakeholders can pave the way for wider adoption of this pivotal technology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».