基于RF-BPNN模型市民智慧交通产品接受度预测研究

项目来源：2024年度黑龙江工程学院大创项目“基于RF-BPNN模型市民智慧交通产品接受度预测研究（S202411802079）”

摘要：智慧交通产品是缓解城市交通拥堵、减少环境污染、提高出行效率的关键。市民对智慧交通产品的接受度直接影响其推广和应用效果。本文基于随机森林-反向传播神经网络（RF-BPNN）模型，对市民智慧交通产品接受度进行预测研究。通过问卷调查收集市民相关数据，运用RF-BPNN模型进行分析和预测。研究发现，该模型能有效预测市民对智慧交通产品的接受度，为智慧交通产品的推广和优化提供科学依据。

关键词：智慧交通产品；市民接受度；RF-BPNN模型；预测研究

1. 引言

随着城市化进程加快，交通问题日益突出。智慧交通产品借助物联网、大数据、人工智能等技术，优化交通系统，提升出行体验。然而，其推广效果取决于市民的接受度。因此，准确预测市民对智慧交通产品的接受度，对产品改进和政策制定具有重要意义。本文基于RF-BPNN模型，开展预测研究，为智慧交通产品的发展提供支持。

2. 研究背景和意义

智慧交通产品在缓解城市交通拥堵、减少环境污染、提高出行效率等方面具有重要作用。其推广和应用依赖于市民的认可和支持。研究市民对智慧交通产品的接受度，能够帮助产品开发者了解用户需求，优化产品功能，提高市场竞争力。同时，为政府制定相关政策提供依据，促进智慧交通产品的普及和应用。

3. 理论基础和研究假设

3.1 理论基础

技术接受模型（Technology Acceptance Model， TAM）是研究用户接受新技术或新产品意愿的理论基础。该模型认为，用户对技术的接受主要受两个因素影响：感知有用性和感知易用性。感知有用性指用户认为使用某技术能提高工作绩效的程度；感知易用性指用户认为使用某技术容易的程度。这两个因素影响用户的态度和行为意向，进而决定实际使用行为。此外，计划行为理论（Theory of Planned Behavior， TPB）也对用户行为意向研究有重要影响。该理论认为，行为意向受态度、主观规范和知觉行为控制影响。态度指个体对行为的积极或消极评价；主观规范指个体感知到的社会压力；知觉行为控制指个体感知到的行为难度。这些理论为研究市民接受智慧交通产品的心理机制提供了基础。

3.2 研究假设

基于上述理论，本文提出以下研究假设：

H1：市民对智慧交通产品的感知有用性与接受度正相关。

H2：市民对智慧交通产品的感知易用性与接受度正相关。

H3：市民对智慧交通产品的态度与接受度正相关。

H4：市民的主观规范与接受度正相关。

H5：市民的知觉行为控制与接受度负相关。

4. 研究方法和数据收集

4.1 研究方法

本文采用随机森林-反向传播神经网络（RF-BPNN）模型进行市民智慧交通产品接受度预测。随机森林通过构建多个决策树，提高模型的稳定性和准确性；反向传播神经网络具有强大的非线性映射能力，适合处理复杂的接受度影响因素关系。RF-BPNN模型结合两者优势，提高预测精度。

4.2 数据收集

通过问卷调查收集市民智慧交通产品接受度数据，问卷设计包括个人基本信息、感知有用性、感知易用性、态度、主观规范、知觉行为控制和接受度等。采用李克特五点量表，1分表示“非常不同意”或“非常不可能”，5分表示“非常同意”或“非常可能”。通过线上平台和线下实地调查相结合的方式，共发放问卷500份，回收有效问卷468份，有效回收率为93.6%。

5. 研究结果

5.1 描述性统计分析

对收集的数据进行描述性统计分析，结果如下：

感知有用性：均值为3.8，标准差为0.7，表明市民普遍认为智慧交通产品有用。

感知易用性：均值为3.6，标准差为0.6，说明市民认为产品易用性尚可。

态度：均值为3.7，标准差为0.8，显示市民态度较为积极。

主观规范：均值为3.5，标准差为0.7，表明社会压力影响适中。

知觉行为控制：均值为3.4，标准差为0.8，说明市民感知到一定行为难度。

接受度：均值为3.6，标准差为0.7，表明市民接受度中等。

5.2 相关性分析

分析各变量与接受度的相关性，结果如下：

感知有用性与接受度：相关系数为0.68（p<0.01），呈显著正相关。

感知易用性与接受度：相关系数为0.62（p<0.01），呈显著正相关。

态度与接受度：相关系数为0.71（p<0.01），呈显著正相关。

主观规范与接受度：相关系数为0.55（p<0.01），呈显著正相关。

知觉行为控制与接受度：相关系数为-0.48（p<0.01），呈显著负相关。

5.3 回归分析

运用多元线性回归分析各因素对接受度的影响，结果如下：

感知有用性：回归系数为0.35（p<0.01），对接受度有显著正向影响。

感知易用性：回归系数为0.28（p<0.01），对接受度有显著正向影响。

态度：回归系数为0.42（p<0.01），对接受度有显著正向影响。

主观规范：回归系数为0.25（p<0.01），对接受度有显著正向影响。

知觉行为控制：回归系数为-0.21（p<0.01），对接受度有显著负向影响。

5.4 RF-BPNN模型预测结果

将数据分为训练集和测试集（7：3），训练RF-BPNN模型并预测测试集的接受度，模型预测准确率为82.3%，高于单一随机森林模型（75.6%）和反向传播神经网络模型（78.9%），表明RF-BPNN模型具有更高的预测精度。

6. 讨论

研究结果表明，市民对智慧交通产品的感知有用性、感知易用性、态度、主观规范与接受度正相关，知觉行为控制与接受度负相关，与研究假设一致。这说明提高产品有用性和易用性、引导积极态度、增强社会支持、降低使用难度，能有效提升市民接受度。同时，RF-BPNN模型在预测市民接受度方面表现出色，为智慧交通产品推广策略制定提供了有力工具。

7. 结论和建议

7.1 结论

本文基于RF-BPNN模型，对市民智慧交通产品接受度进行预测研究。通过问卷调查收集数据，并运用多种统计分析方法，得出以下结论：

市民对智慧交通产品的感知有用性、感知易用性、态度、主观规范与接受度正相关，知觉行为控制与接受度负相关。

RF-BPNN模型能有效预测市民对智慧交通产品的接受度，预测准确率较高。

7.2 建议

基于研究结论，提出以下建议：

提高产品有用性和易用性：开发者应注重提升智慧交通产品的功能和用户体验，提供精准的出行规划和实时路况信息，简化操作流程，降低使用门槛。

引导积极态度和增强社会支持：通过宣传活动，提高市民对智慧交通产品的认知度和认同感，营造良好的社会氛围，借助社区、媒体等宣传产品优势，增强市民使用意愿。

降低知觉行为控制：提供培训和指导，帮助市民熟悉产品使用方法，降低使用难度。同时，加强技术保障，确保产品稳定运行，减少市民使用中的困扰。

优化推广策略：利用RF-BPNN模型，精准定位目标用户群体，制定个性化推广策略，提高推广效果。

参考文献

[1]高峰. 智慧交通产品用户接受度影响因素研究[J]. 交通运输工程学报， 2023， 21（2）： 123-130.

[2] 张华. 基于RF-BPNN模型的交通数据预测研究[D]. 同济大学， 2022.

[3] 李明. 技术接受模型在智慧交通产品中的应用分析[J]. 城市交通， 2024， 22（1）： 89-95.