校园共享滑板车使用意愿影响因素分析及需求预测.pdf 67页

中文摘要

在校园内，共享滑板车作为便捷的短途出行工具已经逐渐流行起来。许多

大学和高校开始支持共享滑板车在校园内的使用，以提供学生和教职员工更方

便的出行选择。本文采用问卷调查与原始骑行数据相结合的方式，探究了大学

生共享滑板车使用意愿的影响因素，并提出了提升使用意愿的建议，基于校园

内的站点进行共享滑板车需求预测，旨在为校园共享滑板车的发展提供参考依

据。

首先，主要是对感知风险、感知有用性、感知便利性、感知成本、感知质

量、感知娱乐性、相对优势、期望确认度和使用意愿9个因素进行研究，建立

研究理论模型并提出研究假设。通过分析得到大学生共享滑板车使用意愿分别

与感知有用性、感知便利性、感知娱乐性和相对优势呈现显著正相关关系，与

感知成本呈现显著负相关关系；感知有用性与期望确认度呈现显著正相关关

系。

其次，分析共享滑板车用户出行需求特性。在对某大学校园共享滑板车2023

年5月19日至2023年6月24日骑行数据进行预处理的基础上，采用数据挖掘

方法和空间可视化工具，从时间、空间层面分析共享滑板车用户出行特征，进而

确定共享滑板车需求预测研究思路。结果显示，用户工作日与非工作日以及不同

类型区域骑行需求在时间分布上存在明显差异。工作日共享滑板车出行需求具有

明显的早中晚高峰特征，高峰期明显高于平峰时期；而非工作日共享滑板车骑行

量并无明显时段波动情况，高峰期内用户出行量增加并不显著，共享滑板车出行

量在时间分布上较为分散，无明显规律；在宿舍区、教学区骑行量高。

然后，建立基于LSTM的站点层面需求量预测模型。结合骑行数据、站点，

在考虑日期属性和良好天气情况基础上，利用长短期记忆网络提取时间特征，对

单个区域进行需求预测。调节参数以优化预测精度，将预测结果与不区分日期属

性的预测效果进行对比。结果显示，采用30min划分时间片可以取得较好的预测

精度，误差为RMSE16.8799，MAE9.8713，区分日期属性时可提高预测精度。

关键词：共享滑板车；使用意愿；出行特征；长短期记忆网络

ABSTRACT

Oncampus,sharedscootershavegraduallybecomepopularasa

convenientmeansofshort-distancetravel.Manycollegesanduniversities

arestartingtosupporttheuseofsharedscootersoncampustoprovidemore

convenienttraveloptionsforstudentsandstaff.Inthispaper,the

influencingfactorsofcollegestudentswillingnesstousesharedscooters

wereexploredbycombiningquestionnairesurveyandoriginalridingdata,

andsuggestionswereputforwardtoimprovethewillingnesstouse

scooters,andthedemandforsharedscooterswaspredictedbasedonthe

stationsoncampus,aimingtoprovideareferenceforthedevelopmentof

sharedscootersoncampus.

Firstly,ninefactorswerestudied,includingperceivedrisk,perceived

usefulness,perceivedconvenience,perceivedcost,perceivedquality,

perceivedentertainment,relativeadvantage,expectedconfirmationand

willingnesstouse,andaresearchtheoreticalmodelwasestablishedanda

researchhypothesiswasproposed.Throughtheanalysis,itwasfoundthat

therewasasignificantpositivecorrelationbetweencollegestudents

willingnesstousesharedscootersandperceivedusefulness,perceived

convenience,perceivedentertainmentandrelativeadvantage,anda

significantnegativecorrelationwithperceivedcost,respectively,anda

significantpositivecorrelationbetweenperceivedusefulnessanddesired

confirmation.

Secondly,thecharacteristicsofthetraveldemandofsharedscooter

userswereanalyzed.Onthebasisofpreprocessingtheridingdataofa

universitycampussharingscooterfromMay19,2023toJune24,2023,

thedataminingmethodandspatialvisualizationtoolswereusedtoanalyze

thetravelcharacteristicsofsharedscooterusersfromthetimeandspace

levels,andthendeterminetheresearchideasofsharingscooterdemand

forecasting.Theresultsshowthatthereareobviousdifferencesinthetime

distributionofuserscyclingneedsbetweenworkingdaysandnon-

workingdaysanddifferenttypesofregions.Thetraveldemandofshared

scootersonweekdayshasobviouscharacteristicsofmorning,noonand

eveningpeaks,andthepeakperiodissignificantlyhigherthanthatinthe

peakperiod.Thereisnoobvioustimefluctuationinthenumberofshared

scooterridesonnon-workingdays,andtheincreaseinusertravelvolume

duringpeakperiodsisnotsignificant,andthetravelvolumeofshared

scootersisrelativelyscatteredintimedistributionwithoutobviousrules.

Thereisahighamountofcyclinginthedormitoryareaandteachingarea.

Then,asite-leveldemandforecastingmodelbasedonLSTMwas

established.Combinedwithcyclingdataandstations,onthebasisof

consideringthedateattributeandgoodweatherconditions,thelongshort-

termmemorynetworkisusedtoextracttimefeaturesandforecastthe

demandofasinglearea.Adjustparameterstooptimizeforecastaccuracy

andcomparetheforecastresultswithpredictionsthatdontdistinguish

betweendateattributes.Theresultsshowthatthe30-minutetimeslice

divisioncanachievebetterpredictionaccuracy,withtheerrorof

RMSE=16.8799andMAE=9.8713,whichcanimprovetheprediction

accuracywhendistinguishingdateattributes.

KeyWords：Sharedscooters;Willingnesstouse;Travelcharacteristics;

Longshort-termmemorynetworks

目录

第1章绪论1

1.1研究背景1

1.2研究意义2

1.2.1理论意义2

1.2.2现实意义3

1.3文献综述3

1.3.1滑板车相关研究3

1.3.2使用意愿相关研究5

1.3.3出行特征研究5

1.3.4需求预测研究6

1.4主要研究内容和研究方法7

1.4.1研究内容7

1.4.2研究方法8

1.4.3技术路线图9

1.5可能的创新点9

第2章基础理论与研究假设10

2.1使用意愿相关理论10

2.1.1理性行为理论（TRA）10

2.1.2计划行为理论10

2.1.3技术接受模型（TAM）11

2.1.4技术接受与利用整合理论（UTAUT）11

2.1.5期望确认理论（ECT）12

2.1.6创新扩散理论（IDT）12

2.2潮汐效应相关理论13

2.2.1潮汐效应概念13

2.2.2高校人员出行潮汐效应13

2.3共享滑板车需求预测相关理论14

2.4研究假设14

2.5小结17

第3章共享滑板车使用意愿影响因素分析18

3.1问卷设计及调查18

3.1.1问卷设计内容18

3.1.2预调查19

3.2问卷数据收集19

3.2.1组织与实施19

3.2.2样本量确定19

3.3信效度检验20

3.3.1信度检验20

3.3.2效度检验21

3.4描述性统计分析23

3.4.1共享滑板车用户个人特征描述性统计23

3.4.2变量描述性统计25

3.5差异性分析26

3.6基于结构方程模型的使用意愿影响因素分析28

3.6.1模型构建29

3.6.2模型验证分析30

3.7小结32

第4章共享滑板车出行特征分析33

4.1数据描述33

4.1.1共享滑板车骑行数据33

4.1.2主要站点位置信息33

4.2数据处理33

4.3时间特征分析34

4.3.1工作日与非工作日出行需求34

4.3.2单日不同时段出行需求36

4.3.3骑行时长37

4.4空间特征分析38

4.4.1热点站点38

4.4.2不同类型功能区39

4.4.3热点路径42

4.5小结42

第5章站点层面共享滑板车需求量预测44

5.1LSTM相关理论44

5.2案例分析45

5.2.1数据集45

5.2.2实验设置45

5.2.3实验结果46

5.3小结49

第6章结论与建议51

6.1研究结论51

6.2建议52

6.3研究不足与展望53

参考文献54

附录1调查问卷56

致谢61

第1章绪论

1.1研究背景

共享经济是随着互联网技术的发展而涌现的一种经济模式，它通过优化资源

配置和利用，有效提高了社会的资源利用率。共享单车则是共享经济在交通出行

领域的具体体现。共享单车的发展为城市交通出行提供了新的思路，也为构建绿

色、智能、宜居的城市做出了积极贡献。共享单车的发展历程，2016年是爆发式

增长的一年，而2017年则是发展的高峰期。共享单车正是抓住了用户出行的“最

后一公里”痛点，提供了便捷、灵活的出行方式，有效解决了这一痛点。同时，

共享单车采用基于移动互联网的无桩共享模式，无需用户归还到指定桩点，大大

提高了用户的使用便利性。这些创新模式切入了市场空白区，迅速获得了用户的

青睐，广泛融入人们的生活。共享单车的成功，证明了共享运营模式在交通领域

的巨大潜力。在此基础上，共享电单车和共享滑板车等其他绿色交通工具也应运

而生，并逐渐流行起来。随着我国高等教育的快速发展，高校招生规模不断扩大，

为了满足办学需要，各高校纷纷兴建新校区，有的高校还搬迁至大学城。这些新

校区和大学城的建设，导致校园面积大幅度增加。同时，为了满足师生的生活和

学习需求，校园内往往会设置多个生活区域（如宿舍、食堂、超市等）和学习区

域（如教学楼、图书馆、实验室等）。这些区域之间的距离也在不断增大。传统

的步行或骑自行车出行方式效率较低，且在校园面积较大时不便捷。为了解决这

一问题，一些高校开始引进共享滑板车等共享交通工具。因此共享滑板车广泛流

行于大学校园，与此同时也带来了一系列如车辆乱停放、车辆利用率不高、交通

安全等问题。解决这些问题的过程中，企业和学校可以采取相应措施来互相配合，

以达到共同目标。改进运营管理等方式来满足用户的需求，提升用户体验，改进

产品、完善运营维护等措施来进行调节。学校可以加强校园管理，来充分体现企

业-校园的双方协同效用。不同人在使用共享滑板车的时间和频率上存在个体差

异。共享滑板车作为一种新型交通方式，在投放市场以后，哪些因素会促进用户

产生对共享滑板车的使用意愿和使用行为，同时，用户在使用共享滑板车的过程

中会受到哪些因素的影响，这些问题都有待研究。

由于共享滑板车相较于共享单车来说，其生产和维护成本更高，因此很多共

享滑板车企业选择采用区域化运营模式。其中，二三四线城市的高校校园市场成

为了主要的目标市场，而在校大学生则成为了主要的用户群体。在大学校园中，

共享交通工具具有特定的使用规则，包括只能在校园内部停放和使用，不允许将

其带离校园并停放在校外。学生可以利用共享单车和共享滑板车方便地在校园内

的各个功能区之间进行出行。然而，校园内不同地点停放的共享滑板车和单车数

量供需不平衡，这可能会导致学生们在某些时候无法满足他们的出行需求。在一

些区域，共享滑板车和单车的数量积压过多，甚至引起路面交通堵塞的问题；而

在其它区域，共享滑板车和单车的数量相对较少，无法满足学生们的出行需求。

这种情况可能会给学生们的出行体验带来一定的不便。然而，简单地增加共享车

辆的数量并不能很好地解决上述问题。事实上，过多的共享车辆可能会造成资源

浪费，因为其中许多车辆可能处于闲置状态。此外，增加车辆数量也可能导致道

路拥堵，给交通运行和环境带来更大的不利影响。因此，为了更好地满足学生们

的出行需求和提升出行效率，有必要优化共享交通工具的调配策略，确保各个区

域的共享滑板车和单车数量能够合理匹配学生们的需求。共享滑板车调度问题存

在两个主要挑战。首先，平台在进行共享滑板车调度时，需要在有限的预算内合

理分配资源，以达到最大化长期用户服务率的目标。其次，由于用户的骑行需求

在时空上不断变化，不同区域的共享滑板车供应量也会随之变化。因此，在预算

有限的情况下，需要有效地对共享滑板车进行调度，以满足不断变化的用户需求，

提高用户的使用意愿，并确保平台的长期用户服务率得到维持和提升。为了解决

这些挑战，可以利用数据分析和智能算法来预测和优化用户需求，实现更精确的

资源调度和用户满意度的提升。

1.2研究意义

1.2.1理论意义

共享电动滑板车作为一种通勤、娱乐一体的新型短途出行工具，提高出行效

率和便利性等方面有着重要的作用。然而，现有的研究大多是对城市共享单车的

使用及投放问题，缺乏对大学生特殊人群的研究，对校园内的单车使用意愿及调

度研究相对较少，对校园内共享滑板车的研究几乎没有。本文揭示用户的出行需

求、偏好和动机，以及影响其使用意愿的各种因素。可以更加深入地理解消费者

的决策过程和行为动机。这有助于丰富和完善消费者行为理论，并为企业提供更

准确的市场定位和产品设计指导。丰富交通领域，使交通更加多元化，更加符合

当前经济发展。大学生属于特殊的人群，且是使用共享滑板车的主要人群，具有

研究价值。共享滑板车作为新时代的科技产品，探究其是否更适用于大学校园及

其他场所具有重要意义。同时展示了如何通过统计模型来量化各因素对使用意愿

的定量影响，以及如何控制其他变量的影响。将机器学习方法通过模型展示了如

何利用统计预测技术来估计未来的使用需求。总的来说，本文章通过实际数据展

示了统计方法在研究用户行为、影响因素分析以及需求预测中的应用，为相关领

域的研究提供了实证支持和统计理论的实践案例。

1.2.2现实意义

共享滑板车对于提升校园形象和竞争力、增加大学生的生活质量和幸福感等

方面有着重要的现实意义。它能满足大学生多样化和个性化的出行需求，为他们

提供一种方便、经济、环保、时尚的出行方式，同时提升他们的出行体验和满意

度。

然而，共享滑板车在推广过程中也面临一些挑战和难题，如用户使用意愿不

够强烈、使用习惯不良、使用安全不保障、使用时不能及时找到车辆等。这些问

题可能影响共享滑板车的使用效果和市场前景，也可能引发一些校园和管理的问

题，如滑板车的损坏、道路拥堵、资源浪费、交通事故等。因此，有必要对共享

滑板车使用意愿及合理投放进行深入和系统的研究，找出其影响因素和改善途径，

为共享滑板车的推广和优化提供现实依据和指导意见。本研究不仅可以为大学生

提供更好的出行服务和体验，也可以为校园交通系统提供更优的补充和优化。有

利于提高大学生校园生活质量及其出行满意度，有利于提高大学生校园共享滑板

车使用意愿从而促进新型交通工具共享滑板车在校园的发展，为共享滑板车行业

的发展提供现实支持和帮助。

表1-1电动滑板车与自行车对比优势

电动滑板车自行车具体说明

占地面积小体积大占地面积达电动滑板车与自行车大小对比。

电动滑板车靠电力开关自动行驶；自行车需

电动、省力人力骑行

靠人力带动轮毂骑行。

电动滑板车可折叠后携带，自行车不能折

轻便，易于折叠重量大、不能折叠

叠，重量大不便携带。

电动滑板车站立骑行方式适用于大部分着

对女性友好连衣裙难以骑行装；自行车的坐式骑行不便于连衣裙或裙式

套装女性使用。

电动滑板车站立即可；自行车需要掌握平衡

骑行技巧要求低骑行技巧要求高

后才能安全骑行。

速度快速度慢电动滑板车通常行驶速度可以达到20km/h

电动滑板车通过折叠方式可以随身携带或拿

防盗功能停靠于室外易于被盗

入家中。

1.3文献综述

1.3.1滑板车相关研究

滑板运动诞生于20世纪90年代，最开始用于海上冲浪，随后逐渐演变成路

上交通工具。1993年滑板车起源于德国。海外共享电动滑板车主要兴起于2018

年，在美国共享电动滑板车异军突起，左手颠覆汽车，右手颠覆自行车。2020年

[1]

开始在国内崛起并涌入校园。波特兰交通局,电动滑板车调查报告显示超过70%

骑电动滑板车的波特兰人表示，他们最常使用电动滑板车作为交通工具，而不是

娱乐。使用的原因包括可靠性、速度、成本、方便和乐趣。MehzabinTuliFarzan

[2]

等人研究了影响芝加哥共享电动滑板车使用的因素，认为温度和能见度与电动

滑板车需求呈正相关，而降雪和降雨则与电动滑板车出行呈负相关。认为电动滑

[3]

板车有潜力改变城市交通系统。MoosaviSeyedMohammadHossein等人了解预

测了共享电动滑板车在大学校园的使用情况，调查马来亚大学学生，受访者认为

安全是骑电动滑板车一个极为重要的预防因素。LaaBarbara、LethUlrich[4]对维

也纳电动滑板车用户进行调查，了解是谁在使用电动滑板车。电动滑板车使用者

[5]

更可能是年轻人、男性、受过高等教育的维也纳居民。JunXu等人研究了电动

[6]

滑板车的安全性能问题，并对其进行了深入分析。Shyang-ChyuanFang等人分

析电动滑板车的使用行为和特性，以及这些因素对岛上交通和居民生活的影响。

通过这些讨论，为未来的研究和政策制定提供有用的信息。Anonymous[7]对

Gogoro公司的电动踏板车及其可更换电池系统进行了全面的介绍。强调了这种

创新技术在推动电动摩托车市场发展方面的潜力，以及它对环境保护和可持续发

展的积极影响。

[8]

2018年，刘非飞对校园滑板车设计动感形态进行了研究，提升了滑板车的

[9]

时尚性、个性。2020年，陈治灸，陈洋等人基于用户体验对电动滑板车设计进

行研究。提出电动滑板车设计以重新设计定义用户界面为主，优化电动滑板车整

[10]

体外观造型与功能结构为辅。梁楚贤等人对模块化设计在电动滑板车中的应用

进行了深入研究。通过模块化设计，可以实现电动滑板车的个性化、高性能和环

保。这种设计方法对于电动滑板车行业的发展具有重要的指导意义。易植等人[11]

进行了重力感应滑板的研究，利用重力感应技术实现了对滑板运动方向的控制，

[12]

使得滑板运动更加智能化。刘刚等人对便携式代步工具进行了创新设计，开发

出一种新型滑板车，这种新型滑板车优点在于可折叠、便于携带、环保、成本低。

目前国内对于电动滑板车的研究主要集中在其材料结构、零部件、动力性等

功能性方面设计。国外研究者则从用户角度出发，更加关注电动滑板车的便捷性，

易用性，安全性能，续航能力，以及用户的相关行为特征。力求为不同的用户群

体设计不同的电动滑板车满足他们的需求。总体来说，对共享滑板车使用意愿研

究较少，大多是关于滑板车设计方面的研究。

1.3.2使用意愿相关研究

很少有科学出版物调查共享滑板车的使用，因为它是一种新兴的微型移动服

务。Populus[13]发布的一份关于电动滑板车使用情况的研究报告显示，在美国主要

城市中，70%的市民对这种微型交通工具持积极态度。此外，该研究表明，与普

通的共享单车服务相比，女性更容易接受共享电动滑板车，这可能有助于缩小共

[14]

享微型交通工具使用方面存在的性别差距。邵鹏的研究关注了共享单车绿色使

用行为与意愿的影响因素，包括消费者创新性、感知有用性、感知易用性和感知

风险，以及人性观。研究了以往共享单车的绿色使用行为及奖惩制度出台后共享

[15]

单车有序停放意愿和爱惜保护意愿的影响因素。盛光华在原有的技术接受模型

上进行了改进，通过使用李克特五级量表收集问卷数据，发现消费者创新性对感

[16]

知易用性和感知有用性具有积极影响。刘珈琪基于TAM-ECM模型进行研究，

探讨了共享单车持续使用意愿的影响因素。研究发现，感知有用性、满意度和感

知风险对持续使用意愿有显著影响。期望确认度通过满意度间接影响用户持续使

[17]

用意愿。感知易用性对用户持续使用意愿的直接影响并不显著。袁晓芳将整合

型技术接受和使用模型与期望确认模型结合在一起，得出了以下结论：期望确认

程度对努力期望、绩效期望、感知趣味性、社群影响和满意度都有正向的影响，

而对感知风险有负向影响。社群影响、绩效期望、感知趣味性以及感知风险对用

[18]

户持续使用意愿影响明显。杨鸿麟基于技术接受模型和计划行为理论分析了西

安市居民使用共享单车的行为意愿，得出感知易用性、感知有用性、行为态度、

主观规范和感知行为控制这五个因素对行为意愿产生显著影响的结论。陈传红[19]

从产品服务系统、社会影响和创新扩散三个角度研究了共享单车的使用情况，并

对注册用户和非注册用户进行了比较分析。研究发现，市民对于共享单车的使用

意愿受到租还易用性、方便出行性和社会影响的积极影响，同时也受到获取便利

[20]

性和个人创新性的影响。陈艳珍研究了公共自行车和共享单车用户的满意度以

及影响因素，并进行了比较分析。在此基础上，她提出了关于城市自行车发展的

政策建议。

1.3.3出行特征研究

[21]

丁月对共享单车出行的时间序列和空间特征进行了分析，结果表明工作日

的共享单车日均出行量远远大于休息日的日均出行量，出行高峰时段工作日和休

息日相同，且早高峰与晚高峰共享单车出行的空间流动趋势恰好相反，共享单车

[22]

的出行时长一般都在10分钟以内。汤諹等通过发放调查问卷，研究了校园无

桩共享单车出行特征，并从车辆停放、运维管理和硬件设计的角度提出了相关建

[23]

议。冉林娜等对调查数据进行分析，得出居民选择共享单车的影响因素，从不

[24]

同因素分析了共享单车的出行特性。赵清波通过滴滴出行APP后台管理系统

中数据，进行特征提取，对交通流量时空特征进行了可视化分析，从时空维度统

[25]

计城市居民出行情况并挖掘出行规律。王丹利用问卷调查方法，基于大学生共

享电单车出行数据，对大学生共享电单车出行特征、出行意愿和出行环境等进行

[26]

分析。张丽分析了共享单车在校园运营中存在的问题，提出这些问题对大学生

的交通出行产生影响较大。通过对影响大学生交通出行因素的分析，以及对共享

单车出行行为特征的深入探讨，提出了对校园共享单车投放和运营维护的一些建

议，为校园共享单车的长期健康发展提供了理论支持。

1.3.4需求预测研究

[27]

赵佳慧在站点层面利用LSTM模型，结合历史骑行数据和天气数据预测

单个停车点的需求；并在网络层面选用时空图卷积神经网络作为预测模型，结合

[28]

土地利用和历史骑行数据预测共享单车停车点的需求。刘恒孜等针对共享单车

骑行数据的周期性、非线性和随机性的特点，提出了季节性灰色Markov模型来

预测共享单车需求量。并以此为依据，根据双层规划模型结果来制定调度优化方

[29]

案。张建国获取了杭州市城区的车辆日常运营数据，分析不同功能区域内用车

需求的变化规律，提取影响需求变化的确定性及不确定性因素，探讨居民出行刚

[30]

需，建立了预测各区域间共享单车需求的Logit模型。张俊英利用成熟的实证

研究方法对共享单车用户的使用意愿、满意度和使用行为进行研究。结果表明，

对共享单车用户的使用意愿进行分析能够快速确定单车需求的产生概率，高效率

地预测单车需求量。PanY[31]等人利用长短期记忆提出了一种基于Citibike自行

车历史数据、气象数据和时间数据实时对城市内不同区域在未来一段时间的自行

[32]

车归还和租赁的预测。蒋璇等人进行了校园无桩共享单车时空动态需求预测，

分析了校园内无桩共享单车时空分布特征，建立了校园内无桩共享单车短时供需

预测模型，构建了校区内共享单车停放热点区域的辨识方法，结果表明校园无桩

[33]

共享单车出行需求分布存在明显的时空分布不平衡性。曹旦旦等人获取到纽约

市共享单车CitiBike的历史数据，与天气数据结合的方法预测每小时的单车使用

数量，采用长短期记忆神经网络模型（LongShort-termMemory,LSTM）预测单

车的短时需求量，与BP神经网络和循环神经网络（RecurrentNeuralNetwork,

[34]

RNN）进行对比。王利凯对高校共享单车用户出行特征进行了分析，并从时间、

空间等不同维度挖掘了影响高校人群共享单车需求潮汐变化的因素。仿真校园内

的人车流动现状，准确地体现了出行潮汐现象影响下的人车时空变化规律。郭海

[35]

波对已经获取的CitiBike共享单车历史骑行数据进行预处理及分析，研究共享

单车影响因素及时空分布特性，应用长短时记忆神经网络模型进行预测，以调度

[36]

成本最小化建立了共享单车调度优化模型。杜孟新搭建LSTM需求预测模型，

对聚类后的某区域进行分时段需求预测。但仅构建时序模型并不能满足预测精度

要求，有学者将融合的深度学习方法用于预测，使其优势互补，在训练样本足够

时，组合模型往往比单一模型有更高效精准的预测结果。

学者更倾向于使用基于历史数据建立模型来预测未来的需求情况。这种方法

通过对过去的需求模式进行分析和建模，预测未来的需求趋势。虽然实时数据动

态预测的方法相对较少，但在技术的发展和数据处理能力的提升下，这种需求预

测方法正在逐渐增加。实时数据包括当前和最新的数据，可以帮助即时调整预测

结果，提供更准确的预测结果。

1.4主要研究内容和研究方法

1.4.1研究内容

问卷调查与校园内共享滑板车骑行原始数据相结合，本研究旨在探讨大学生

对共享滑板车的使用意愿，并给出相关的建议。研究对象为大学生，采用问卷调

查方式调查校园内大学生对共享滑板车的使用意向，进行描述性统计分析、差异

性分析，应用结构方程模型分析影响使用的因素。根据获取的骑行数据进行当前

的出行特征分析，了解目前的出行特征，找到出行量较大的站点对其进行研究。

对其未来的出行需求进行预测以合理分配车辆提高使用者的便利性，进而提高共

享滑板车的使用意愿。

（1）通过文献调研，梳理使用意愿、共享滑板车研究现状及需求预测相关研究，

对变量详细介绍，对本文所采纳相关模型和理论分析透彻，为之后的研究打好基

础。

（2）结合校园共享滑板车实际使用情况和调研文献，进行问卷的设计。建立结

构方程模型对问卷数据进行分析，探究共享滑板车使用意愿的主要影响因素。

（3）通过校园共享滑板车骑行数据，探究大学生在时间和空间上对共享滑板车

的需求特征，了解出行特征并进行站点的需求预测。

（4）通过以上的研究给出具体的对策和建议，以提高共享滑板车的使用意愿。

1.4.2研究方法

本研究将采用文献研究法、统计分析法、问卷调查法、数据可视化、机器学

习方法相结合来进行研究。

（1）文献研究法

以图书馆、互联网和电子资源数据库等为途径，检索大量文献，了解与共享

滑板车相关的理论模型和影响因素等知识，并梳理共享滑板车的发展历程和当前

研究状况，对文献资料进行归纳总结，提炼出影响共享滑板车使用意愿的主要因

素。为设计问卷提供思路和参照。学习有关需求预测的方法，通过查找出行特征

分析、需求预测等方面论文进行学习对比，掌握研究的方法思路及框架。为之后

的写作框架逻辑打好基础。

（2）问卷调查法

在借鉴已有的成熟量表的基础上，结合大学生使用共享滑板车的具体特点，

制定初步的量表。然后进行预调查，根据结果对量表的题目进行调整和修改，最

终形成正式的调查量表，在校园内进行线上发放。收集学生对共享滑板车使用意

愿的相关数据，最后将数据整理汇总。

（3）统计分析法

通过收集、整理、分析数据，对研究对象进行量化分析和预测。使用SPSS

软件对收集到的问卷数据进行统计分析，通过一些统计指标对数据集进行概括和

描述，以便于理解数据的分布情况。评估问卷是否可靠和有效。使用AMOS数

据分析软件来建立结构方程模型，分析影响共享滑板车使用意愿的主要因素。

（4）数据可视化

研究提出了一种多样化的共享滑板车骑行数据可视化方法，通过地图可视化、

折线图、条形图和热力图来展示共享滑板车骑行数据的不同特征和趋势。这些可

视化方法帮助我们更好地了解共享滑板车骑行行为，从而为进一步的分析和决策

提供了有力的支持。

（5）机器学习方法

首先收集和整理了历史的共享滑板车需求数据，并使用数据预处理技术对数

据进行预处理。接下来，构建了一个基于LSTM的预测模型，将历史需求序列作

为输入，并预测未来一段时间内的需求量。在模型训练过程中，使用训练集对

LSTM模型进行训练，并通过优化损失函数来调整模型参数。使用测试集来评估

已经训练好的模型，并使用均方根误差等指标来衡量模型的性能。

1.4.3技术路线图

研

究研究背景及意义国内外研究现状研究内容及路线图

目

标

确

定

滑板车研究动态使用意愿研究需求预测研究

使问卷设计理论模型

用

意

愿影响因素研究

分

析

结构方程分析

出行特性分析

出

行

特

征时间出行特征空间出行特征

分

析

高峰期与非高峰期热点路径

工作日与非工作日热点站点

需

求

预针对站点进行需求预测

测

总

结

展总结对策建议研究不足展望

望

1.5可能的创新点

研究视角创新，目前对校园共享滑板车使用意愿影响因素研究几乎没有。本

文将问卷与骑行数据相结合，先得出主要的影响因素再进行当前的出行特征分析，

根据出行需求进行预测来合理分配车辆，提高用户的便利性，提升用户使用意愿。

第2章基础理论与研究假设

对所涉及到的基础理论进行介绍并提出假设。对使用意愿理论发展进行梳理，

再对当前校园出行特征及出行需求预测的主要方法进行介绍。基于理论提出本文

的研究假设。

2.1使用意愿相关理论

2.1.1理性行为理论（TRA）

理性行为理论是由Fishbein和Ajzen[37]在1975年提出的一种决策模型。该

理论的基本假设是人们在做出决定之前会充分考虑各种信息，并根据这些信息来

决定是否采取某个行动。这个理论认为人们是有意识、理性的，会权衡利弊、评

估风险来做出决策。具体模型如图2-1所示。

行为信念与结果评估态度

行为意向行为

规范信念与依从动机主观规范

图2-1理性行为理论

TRA的重要意义在于它揭示了态度和主观规范在影响行为意向方面的中介

作用。具体而言，态度和主观规范通过对行为意向的影响来间接地影响行为。这

一理论是研究认知行为的基础理论，它的优点在于清晰地说明了态度、主观规范、

行为意向和行为之间的关系。

2.1.2计划行为理论

由于理性行为理论在研究中存在很多解释不明白的现象，因此在应用过程中

受到限制。为此，1991年Ajzen[38]提出了计划行为理论（TPB），该理论认为人的

行为意向不仅受到态度和主观规范的影响，还受到知觉行为控制的影响，如图2-

2所示。

行为信念与结果评估态度

规范信念与依从动机主观规范行为意向行为

控制信念与便利感知知觉行为控制

图2-2计划行为理论

2.1.3技术接受模型（TAM）

TAM理论是1986年由Davis提出的，旨在为计算机接受度提供一个通用的

解释框架，能够解释各种计算机终端用户群体的用户行为。该理论的目标是填补

先前研究中变量模糊的问题，定义的这些变量涉及计算机接受的认知和情感决定

因素[39][40]。TAM主要基于两个核心变量：感知有用性（PerceivedUsefulness，简

称PU）和感知易用性（PerceivedEaseofUse，简称PEOU）。通过这两个变量，

TAM模型试图解释用户对计算机系统的接受程度，其模型详见图2-3。

感知有用性

外部变量使用态度使用意向系统使用

感知易用性

图2-3技术接受模型

为了进一步提高模型预测的准确性，Venkatesh和Davis在TAM模型的基础

上引入了一些额外的变量，如主观规范、形象、服务相关性、产出品质和结果明

确性，并通过加入“经验”和“自愿性”这两个调节变量，使模型更加丰富和全

面。这些改进后的模型被称为TAM2[41]。TAM2模型相对于原有的TAM模型有

着较大的差异。它考虑了用户的主观规范，即用户对于使用特定系统是否符合他

们的价值观和行为准则的认知。此外，用户对于该系统的形象（即系统的外在形

象和声誉）以及服务相关性（即系统提供的服务与用户需求的匹配程度）也会影

响其对系统的感知有用性。另外，TAM2还考虑了产出品质和结果明确性这两个

变量。产出品质指的是用户对于使用该系统后所获得的产出质量的认知，而结果

明确性则是指用户对于使用该系统后所能达到的目标或结果的清晰程度。“经验”

和“自愿性”这两个调节变量能够进一步影响用户对系统的感知有用性。通过以

上的改进与拓展，TAM2模型在解释用户行为和预测系统接受度方面更加准确和

全面，为研究者和实践者提供了更多的理论支持和指导。

2.1.4技术接受与利用整合理论（UTAUT）

根据逐步发展的理论和相关研究，基于理性行为理论（TRA）和技术接受模

型（TAM），出现了许多混合了不同理论概念的模型，或者仅使用对其目标最有

[42]

利的模型。为了解决这个问题，Venkatesh等人通过筛选整理已有的模型，并

结合TRA、TPB和TAM等8个大型理论模型，认真比较并提取整合了这些模型

中的元素。最终，他们提出了技术接受与利用整合模型(UTAUT)，并通过实证验

证了这一新模型。UTAUT包含了单个模型的探索能力和关键的调节影响，既保

持了模型的简洁性，又推进了整个理论的进步。模型如图2-4。

绩效期望

使用意愿实际行为

努力期望

社会影响

促进因素

性别年龄经验自愿性

图2-4技术接受与使用整合模型

2.1.5期望确认理论（ECT）

Bhattacherjee[43]根据期望-确认-满意-意图的范式，在信息系统持续使用的

研究中应用了期望确认理论(ExpectationConfirmationTheory,ECT)，并提出了一

种全新的信息系统持续使用的期望确认模型，如图2-5所示。

期望确认度

满意度持续使用意愿

感知有用性

图2-5期望确认模型

ECM-IT模型认为，用户对信息系统的满意度和持续使用意图取决于期望确

认的程度。如果实际体验符合或超过期望，用户会感到满意并更有可能继续使用

该系统。相反，如果实际体验低于期望，用户会感到不满意并更有可能停止使用

该系统。

2.1.6创新扩散理论（IDT）

传播学者ROGERS[44]研究了创新扩散的过程和影响因素，发现创新产品在

社会系统中的扩散具有一定的规律，也就是著名的创新扩散理论（innovation

diffusiontheory，IDT）。他指出，创新产品最初的使用人数很少，扩散过程缓慢；

但当使用人数增加到基数的10%～25%时，扩散进程突然加快，曲线呈快速上升

趋势；接近最大饱和点时，扩散进程再次放缓。影响创新扩散速度的因素主要包

[44]

括两方面：①创新产品接受者的个人创新性差异，即消费者在接受新产品时的

个体差异和接受新产品的时间先后；②创新产品自身的特征，包括相对优越性、

兼容性、复杂性、可实验性和可观察性等。

2.2潮汐效应相关理论

2.2.1潮汐效应概念

潮汐效应，源于地球和月球之间的引力作用，是指海水周期性地上升和下降

[45]

的现象。在人类行为中，也会出现类似的潮汐效应，受到自然规律和社会环境

两方面因素的影响，人类的出行表现出周期性和潮汐性特征。共享滑板车运营中，

潮汐效应对需求变化产生直接影响。涨潮期，需求剧烈波动，导致大量共享滑板

车流动并聚集在特定区域，区域外流动受限，造成闲置和管理难题。退潮期，共

享滑板车流动减缓，区域内数量趋于平衡。运营商应审时度势，利用退潮期为下

一涨潮期做准备，提前调度共享滑板车，优化区域分布，缓解涨潮期的供需矛盾。

出行是共享滑板车需求的主要来源，因此，把握人群出行规律和需求潮汐效应至

关重要。

2.2.2高校人员出行潮汐效应

（1）课程通勤

在学校里大学生的主要目的是上课学习，他们的个人课表指导着他们每天的

课程安排和通勤时间。同时由于校园面积较大，出行距离较远，大学生就会产生

用车需求。因此，校园内出现高峰时段主要是在课程开始前和结束后的时间段。

这些时段对于校园内的交通需求和交通工具的使用量有直接影响。

（2）集中就餐

在高校中，由于人员众多且上课时间统一，每到下课时间，就会出现一群人

在食堂门口排队等候进入的现象。高校食堂的排队现象，反映了师生用餐的刚性

需求。人群的出行频率较高，产生了大量的出行和用车需求。这种集中的就餐行

为对交通和车辆使用产生了明显的影响，形成了独特的就餐出行潮汐现象。

（3）寄取快递

随着互联网的飞速发展，网购已成为当今生活中不可或缺的一部分。其中，

大学生群体作为网购的主力军，网购频率尤为突出。与传统电商不同，高校中的

快递主要以学生自主取件为主。这使得学生因快递寄取而产生的日常出行需求大

幅增加，这种现象在校园内形成了一个独特的“潮汐效应”。这种“潮汐效应”

具体表现为：在学生课余时间，尤其是中午和傍晚时段，快递站点前会聚集大量

学生，他们需要在这些时段内取走自己的快递。

在课程学习时段，由于大多数学生都在上课，校园内的人流量相对较少，这

使得这个时段成为校园出行的退潮期。这个时段的校园交通出行处于低峰期，因

此成为了进行共享滑板车调度的最佳时段。

2.3共享滑板车需求预测相关理论

需求预测是指根据历史数据和相关因素，对未来一段时间内的需求量进行估

计和预测。其目的是为企业决策提供支持，例如生产计划、库存管理、营销策略

制定等。准确的需求预测可以帮助企业合理安排生产计划，避免生产过剩或短缺，

从而降低成本、提高效率。共享滑板车需求预测是为了满足特定区域内用户的需

求，这需要运营商在充分了解用户特征和区域属性的基础上，对历史骑行数据和

出行规律进行深入分析，从而预测未来的需求。这是调度过程中的核心环节，因

为合理的需求预测对于制定有效的调度方案至关重要。通过精确的需求预测，运

营商可以优化共享滑板车的布局和调度，从而提高调度效率和共享滑板车的利用

率。共享滑板车的需求变动受到多种因素的影响，除了技术差异和运营模式外，

还包括用户人群的特征属性、通行距离、气候条件以及时点因素等。通过综合考

虑历史数据、需求影响因素、分析方法和解决方案，可以建立科学合理的共享滑

板车需求预测模型，为企业决策提供有力支持。

需求预测主要分为以下三种方法：传统时间序列建模方法、机器学习和深度

学习。传统的时间序列建模主要通过提取时间序列数据中的需求变化特征，并使

用统计模型来拟合需求变化规律，从而预测未来的需求。其中，常见的建模方法

[46]

包括指数平滑法和滑动平均自回归模型。而传统的机器学习方法则模仿人类的

行为，高效地获取知识和技能，重建和提升知识体系，以完成需求预测。这类方

法包括人工神经网络算法、关联规则算法和决策树算法等。深度学习是机器学习

的延伸，进一步加强了神经网络算法。深度学习通过深入挖掘样本数据的内在规

律，实现对用户需求的深层次预测，如对共享滑板车需求量的预测。常见的深度

学习模型包括卷积神经网络、深度信任网络和循环网络等。

2.4研究假设

（1）感知有用性与使用意愿

感知有用性是指用户认为某款产品对其提高工作效率的程度。许筠芸等人[47]

通过研究新浪微博客户端的使用意愿，发现感知有用性对其使用意愿有显著的正

[48]

向影响。朱婉君等人对京津冀地区的共享单车使用意愿进行了分析，发现感知

有用性也对其使用意愿有显著的正向影响。在本文中，结合共享滑板车的特点，

我们将感知有用性定义为：大学生在校园内使用共享滑板车对其校园生活质量的

提升程度，包括节省时间和锻炼身体等。基于此，我们提出以下假设：

H1：大学生对共享滑板车的感知有用性显著正向影响其使用意愿。

（2）感知便利性与使用意愿

感知便利性指的是用户在使用产品时，从获取到使用等方面所感受到的便利

[49]

程度。黄雪冰的研究表明，便利因素对消费者的移动支付使用意愿有显著的正

向影响。在本文中，我们将感知便利性定义为大学生在校园共享滑板车获取的便

利性、使用过程中的交易支付便利性等方面。提出假设：

H2：大学生对共享滑板车的感知便利性显著正向影响其使用意愿。

（3）感知成本与使用意愿

本研究之考虑使用共享滑板车产生的经济成本，不考虑时间成本和其他机会

成本。使用共享滑板车的费用计算方式为骑行15分钟1.5元，后每增加10分钟

收取1元，不足10分钟按10分钟计算。相对其他共享单车而言，共享滑板车的

骑行成本较为接近，但是没有骑行优惠券。对普通大众而言，大家都希望在时间

允许的情况下，出行成本越低越好。因此，用户对使用成本的感知会影响他们的

[50]

使用意愿。Campbell等在研究北京民众选择共享单车出行时，发现时间和预算

是影响民众选择共享单车出行的重要因素之一，预算本质上也是对使用成本的考

[51]

虑。本文对用户的感知使用成本进行研究，因而提出如下假设：

H3：大学生对共享滑板车的感知使用成本显著负向影响使用意愿。

（4）感知质量与使用意愿

在1988年，Zeithaml[52]学者通过研究发现，感知质量主要涵盖两个方面：产

品本身的实际属性和使用者对该产品的体验感受。本研究将感知质量视为产品质

量。产品质量指的是线下校园共享滑板车本身的品质，包括车身的重量、骑行时

的转向和刹车灵敏度等。产品质量越好，越能吸引消费者使用，并以此提出本文

研究假设：

H4：大学生对共享滑板车的感知质量显著正向影响其使用意愿。

（5）感知风险与使用意愿

感知风险是由Bauer[53]最早提出的，他认为感知风险主要包含决策结果的不

确定性和错误决策后果的严重性。在感知风险的维度方面，Jacoby和Kaplan[54]提

出的五个维度是最常用的，包括财务风险、功能风险、身体风险、心理风险和社

会风险。在本文中，感知风险指的是用户在使用共享滑板车过程中所感受到的身

体风险。由于共享滑板车是一种新型产品，发展时间较短，可能存在人身安全隐

患，因此如果用户感知到较高的风险，那么他们的使用意愿就会降低。因此，本

文提出了以下假设：

H5:大学生对共享滑板车的感知风险显著负向影响其使用意愿。

（6）感知娱乐性与使用意愿

感知娱乐性是指个体在体验过程中自发产生的愉悦感，它强调的是体验过程

[55]

本身带来的快乐，而不是体验结果导致的绩效改善所带来的快乐。研究表明，

感知娱乐性是消费者接受新事物的重要内在动机，可以直接影响行为意愿。Moon

＆Kim[56]的研究发现，感知娱乐性能够使个体在使用万维网的过程中更专心、更

好奇、更乐意参与互动，能够直接增强消费者的使用意愿，并且感知娱乐性相比

[57]

于感知有用性与感知易用性对使用意愿的影响效果更为显著。杨秀云等在探索

网络文化产品消费意愿的影响因素研究中也发现，感知娱乐性比感知有用性与感

知易用性更能影响网络文化产品的消费意愿。个体对新事物的好奇心会驱使其专

注和探索新事物，而这种专注力和探索精神会使个体身心放松、忘记烦恼，产生

[55]

愉悦和满足的感觉，形成娱乐性感知。对于大学生来说，骑行共享滑板车不仅

仅是一种快捷、便利、低成本、高效率的出行方式，更是一种愉快的休闲运动方

式，骑行过程中会给消费者带来更多的愉悦感和浪漫体验，会促使消费者使用甚

至重复使用共享滑板车。因此，本文提出如下假设：

H6：大学生对共享滑板车的感知娱乐性显著正向影响使用意愿。

（7）相对优势与使用意愿

[58]

相对优势是指用户对采纳某项创新技术相对于已有技术的感知优势程度。

共享滑板车采用站立式骑行方式，更加适合穿裙子的女性骑行，这个特点相比于

传统的自行车和电动车等交通工具来说，具有明显的优势。采用电驱动方式，因

此共享滑板车的相对优势即方便、省力。共享滑板车设计更适合携带重物，车辆

重心低停放时不易倒，方便学生取快递。IDT认为，相对优势正向影响消费者的

[58]

创新技术采纳行为。由此，提出以下假设：

H7：共享滑板车相对优势显著正向影响使用意愿。

（8）期望确认度与感知有用性

在信息系统实际使用之前，用户通常会对该系统抱有特定的期望。这些期望

基于各种因素，例如系统描述、口碑和个人需求。心理期待和现实感知之间的差

距称为期望确认程度。期望确认程度的高低会直接影响用户对信息系统的满意度。

如果现实感知与心理期待相符或超出预期，用户的期望确认程度就会较高，从而

导致较高的满意度。相反，如果现实感知与心理期待存在较大差距，用户的期望

确认程度就会较低，从而导致较低的满意度。此外，期望确认程度还会通过感知

的有用性间接影响用户的满意度。因此，本文提出以下假设：

H8：期望确认度显著正向影响感知有用性。

2.5小结

本章首先介绍了与本文相关的主要理论。其中，使用意愿理论起源于TRA

理论，其他理论都是基于它逐步优化而来。在这些理论中，TAM理论应用最为

广泛，而UTAUT理论则是相对完善的一个。目前，需求预测的主要方法包括基

于时间序列的传统建模方法、机器学习和深度学习方法。本章还探讨了期望确认

度与感知有用性之间的影响关系，以及感知风险、感知有用性、感知便利性、感

知成本、感知质量、感知娱乐性和相对优势7个变量与用户使用意愿的影响关系，

并提出相应的假设。

第3章共享滑板车使用意愿影响因素分析

3.1问卷设计及调查

3.1.1问卷设计内容

设计了一份针对大学生使用共享滑板车的调查问卷，问卷分为两部分。前半

部分收集了被调查者的基本信息，包括性别、年级、生活费用以及他们骑行共享

滑板车的频率、时长等。后半部分则关注了他们使用校园共享滑板车后的感受，

包括：娱乐性、有用性、便利性、不足、风险、质量、创新性、相对优势、期望

确认度和使用意愿。使用了李克特五级量表来测量这些变量，被调查者（大学生）

根据他们对共享滑板车的使用感受来回答问题，1到5代表他们对该问题的认可

或赞同程度，具体来说：1代表“非常不同意”，2代表“比较不同意”，3代表

“同意”，4代表“比较同意”，5代表“非常同意”。

表3-1预调查问卷的内容

变量题项

当我看见周围的同学使用共享滑板车时我也想骑。

使用意愿我愿意在校园使用共享滑板车。

我愿意推荐共享滑板车给同学、朋友。

因滑板车轮子较小所以通过校园不平整道路和减速带时存在安全隐患。

我担心共享滑板车骑行时因故障造成人身伤害。

感知风险

我认为共享滑板车没有配备头盔存在安全问题。

两个人共同使用一辆滑板车存在安全隐患。

我在任意时间能找到共享滑板车。

感知便利我在任意地点能找到共享滑板车。

性我认为共享滑板车开锁方便、快捷。

我认为骑行共享滑板车支付方便、快捷。

我认为共享滑板车可以提高出行效率。

感知有用

我认为校园内需要共享滑板车这类的助力车。

性

总之我认为共享滑板车有必要投放到校园。

我觉得使用共享滑板车给我带来很多乐趣。

感知娱乐

我觉得使用共享滑板车可以放松心情。

性

我觉得使用共享滑板车是有趣的而非枯燥的。

我认为共享滑板车刹车灵敏。

当滑板车行驶到最高速度时很稳定。

我认为共享滑板车外观美。

感知质量我认为共享滑板车有临时停车功能很好。

我认为共享滑板车公司更换电池及时。

我在寻找共享滑板车出行时遇到故障车辆的几率很小。

我认为共享滑板车客服服务态度积极，能帮我快速处理问题。

使用共享滑板车所获得的体验比预想的好。

期望确认

共享滑板车带来的益处大于我的预期。

度

我的期望在使用共享滑板车时得到了满足。

我认为相比于共享单车，共享滑板车在上坡路段更实用、更省力。

相对优势

我认为相比于共享单车，共享滑板车夜间可骑行。

我认为相比于共享单车，共享滑板车方便携带物品。

我认为相比于共享单车，共享滑板车更快，节省时间。

我认为相比于共享单车，共享滑板车性价比高。

我认为相比于共享单车，共享滑板车不易被大风吹倒。

我认为相比于共享单车，共享滑板车占地面积小。

我认为共享滑板车应具备刷校园卡使用功能。

不足

我认为共享滑板车颠簸大。

我很乐意尝试新的事物。

个人创新

我乐于接受新事物的挑战，即使需要花费很多时间与精力。

性

总的来说，我比较乐意接受新的观点和事物。

3.1.2预调查

为了保证问卷调查的有效性，在完成问卷设计后，先在周围的人群中随机发

放问卷进行测试，并收集被调查者的反馈。在预调查阶段，我们收集了调查对象

的意见和建议，对问卷进行了修改和优化。在正式调查开始前，我们对回收的问

卷进行了整理，并进行了信度和效度检验。结果显示，问卷的信度和效度均良好。

通过与调查对象的现场交流，我们了解到被调查者对问卷的各个题项理解上的疑

问和困惑，并进行了相应的修改和调整。删除了量表中的感知不足和个人创新性

变量，并加入了感知成本变量；对其他潜变量中的题项进行调整。对部分题进行

问法和选项的修改，删除填写质量不好的题，使问卷题量尽量少一些，提高问卷

的质量。

3.2问卷数据收集

3.2.1组织与实施

考虑到不同年级课程内容的差异，共享滑板车使用时间和频率也会因年级的

不同而有所差异。因此，为了确保样本数据的全面性和代表性，我们将采用分层

抽样方法，针对内蒙古财经大学学生进行抽样调查。这意味着每个年级的学生都

将被包含在样本中。对每个年级的学生进行随机抽样，以避免出现样本偏差。本

研究采用线上的方式进行问卷数据采集，这种方式更加便捷和高效。通过问卷星

平台生成二维码和链接，发送到不同年级的大学生微信群中让他们填写，并请求

他们认真填写。为了能够获取更高质量的问卷，提高填写人员的积极性，在填写

完成后，我们将对问卷数据进行审核，剔除不完整或随意填写的数据，并对认真

填写者给予相应的红包报酬。

3.2.2样本量确定

[59]

统计学规定，随机抽样方法的所需最大样本量计算公式如公式(3-1）：

222

n(ZS)/d公式(3-1)

Z

式中：代表最大样本量；代表某一置信水平下对应的统计量的值，比如

n

ZSd

95%置信度水平对应的统计值为1.96；代表研究总体的标准差；代表置信

区间1/2处对应的值，在实际应用中将其视为允许误差或者调查误差。

SV

总体标准差在调查过程中较难把握，因此，引入变异系数，计算方法如

[60]VS

公式（3-2）所示。将代入式（3-1）后消去总体标准差，整理得简单随机

抽样方法所需最大样本量计算公式（3-3）。

VS/X=1公式(3-2)

222222

Z(S/X)ZVZ

n公式(3-3)

d2/X2P2P2

VXP

式中：为变异系数；为样本均值。表示相对误差。

由上述式（3-3）可以计算在相对误差一定的情况下，简单随机抽样方法调查

所需的最大样本量。以95%置信水平为例，相对误差在1%到10%间变化时，不

同相对误差对应的简单随机抽样调查所需的最大样本量如下表3-2所示：

表3-295%置信水平下随机抽样调查最小样本量取值

相对误差1%2%3%4%5%6%7%8%9%10%

样本量3841