文章末尾处有Nature级别创新idea免费分享！

⚡ 2026顶刊数据！瑞士自动驾驶公共交通社会认知调查：接受度稳定但地区差异显著

📖 导读

这篇发表于《Scientific Data》的论文核心结论极具实践价值：瑞士沙夫豪森州和瓦莱州的自动驾驶公共交通试点调查显示，公众对自动驾驶巴士（SAE 3级）的接受度整体稳定且处于较高水平，熟悉度对态度影响有限，但地区差异明显（瓦莱州对无障碍性、儿童友好性评分更高）；安全顾虑和外部致命事故会短期冲击社会认知，但长期接受度韧性强，技术承诺与人口统计学特征是影响接受度的关键因素。其核心价值在于提供了自动驾驶公共交通从“试点沙盒”走向实际应用的社会认知一手数据，为政策制定、技术落地策略和公众沟通提供了科学依据。

其核心创新是采用“纵向面板调查+横断面调查”结合的设计，覆盖不同场景（复杂城市vs半自然环境）和语言区域（德语vs法语），通过标准化问卷与地区适配结合，系统捕捉了公众认知的动态变化与地区差异，数据公开可复用，填补了自动驾驶公共交通社会认知实证研究的空白。

📷 图1 | 瑞士自动驾驶公共交通试点： 瓦莱州Sion的路线。“L2”对应试验第一阶段的路线，“L1”显示其在试验第二阶段的延伸部分。

📷图2. 沙夫豪森州莱茵瀑布附近诺伊豪森的路线

原论文信息

• 论文题目：Social Perception of Autonomous Mobility: A Survey on Public Transport Pilots in Switzerland
• 作者单位：1. 瑞士苏黎世联邦理工学院（ETH Zürich）；2. 荷兰代尔夫特理工大学（TU Delft）；3. 瑞士瓦莱州应用科学与艺术大学（HES-SO Valais-Wallis）；
• 核心数据：
• 核心发现：沙夫豪森州调查响应率17.6%（1408份），瓦莱州13.9%（555份）；试点知晓度从70%升至90%；瓦莱州对无障碍性评分显著更高（Kruskal-Wallis: χ²(1)=77.40, p<.001）；外部致命事故短期降低接受度但快速回弹；技术承诺强的群体使用意愿高30%；
• 关键创新：双试点对比设计（复杂城市vs半自然环境）、纵向面板+横断面调查结合、多语言标准化问卷、公开可复用数据集；
• 数据覆盖：两个州3个城市/镇的代表性样本、84个调查条目、人口统计学+认知态度+使用意愿数据、试点运营数据（事故、路线、速度）；
• 实验基准：公众接受度评分、知晓度变化、地区差异显著性、影响因素相关性；
• 核心团队：Michael Wicki（ETH Zürich，通讯作者）、Himanshu Verma（TU Delft）等；
• 发表状态：2026年《Scientific Data》（Article in Press）；
• 核心应用：自动驾驶公共交通政策制定、公众沟通策略、试点场景优化、技术落地路径设计；
• 关键方法：分层随机抽样、纵向面板调查（沙夫豪森3波）、横断面调查（瓦莱州）、标准化问卷（德语/法语/英语）、统计显著性分析（Kruskal-Wallis检验）。

❓ 自动驾驶公共交通社会认知的三大“核心痛点”

1. 初始怀疑：颠覆性技术易引发公众初始不信任，安全与失控顾虑是接受度的主要阻碍；
2. 地区差异：不同场景（城市/半自然）、语言文化区域的公众认知存在显著差异，统一落地策略效果有限；
3. 认知敏感性：外部事故事件会短期冲击公众态度，且公众对技术规则、保险责任等政策认知不足；
4. 熟悉度悖论：试点接触虽提升知晓度，但对接受度的长期影响未达预期，需针对性引导。

🔧 核心突破：双试点对比调查的“三维创新”方案

1. 调查设计创新（创新点1）：覆盖全面且对比性强

• 核心创新：双试点差异化对比，捕捉场景与文化影响：
• 瓦莱州（Sion）：试点早（2016-2021）、场景复杂（城市老城区，窄街+混合交通）、法语区；
• 沙夫豪森州（Neuhausen am Rheinfall）：试点晚（2018-2019）、场景扩展（城市→半自然环境）、德语区；
• 调查方法：沙夫豪森采用3波纵向面板调查（试点前→中→后），瓦莱州采用横断面调查，核心问卷统一，便于对比；
• 关键优势：首次揭示场景、文化对自动驾驶公共交通认知的影响，数据代表性强。

2. 数据收集创新（创新点2）：标准化与适配性结合

• 核心创新：兼顾数据可比性与地区适配性：
• 标准化问卷：基于技术接受模型（TAM）、计划行为理论（TPB），涵盖知晓度、接受度、安全顾虑、政策认知等84个条目；
• 多语言支持：德语、法语、英语三种版本，适配瑞士多语言环境；
• 抽样方法：分层随机抽样，确保性别、年龄、地区分布均衡（试点城市占50%，周边城市各25%）；
• 关键优势：数据质量高，可与全球其他试点对比，公开可复用（Zenodo仓库）。

3. 认知洞察创新（创新点3）：揭示核心影响因素与韧性

• 核心创新：系统识别接受度的关键驱动与动态特征：
• 影响因素：技术承诺（最强预测因子）、年龄（年轻群体接受度高）、教育水平、对安全与隐私的顾虑；
• 动态特征：外部事故短期负面影响（1-2个月），长期接受度回弹；知晓度随试点推进显著提升（70%→90%），但接受度保持稳定；
• 关键优势：为公众沟通策略提供精准靶点，比如针对安全顾虑强化透明化运营，针对不同地区调整宣传重点。

关键内容

📷图3. 按所讲语言划分的瑞士人口分布，以及开展试点试验的两个市镇的位置。

1. 两个试点核心特征对比

试点特征	瓦莱州（Sion）	沙夫豪森州（Neuhausen am Rheinfall）
试点时间	2016.6-2021.10（5年+）	2018.3-2019.12（20个月）
场景	复杂城市（老城区、窄街、混合交通）	城市→半自然（莱茵瀑布景区）
语言区域	法语区	德语区
最高速度	20 km/h	25 km/h
事故数量	2起（轻微碰撞）	1起（与骑行者轻微碰撞）
调查类型	横断面调查（2020-2021）	纵向面板调查（3波，2018-2019）

2. 核心认知发现

认知维度	关键结果	统计依据
接受度	整体稳定且高，无显著下降	3波调查评分波动<5%
地区差异	瓦莱州对无障碍性、儿童友好性评分更高	无障碍性：χ²(1)=77.40, p<.001；儿童友好性：χ²(1)=37.01, p<.001
知晓度	随试点推进大幅提升	沙夫豪森州：70%（波1）→90%（波3）
外部事故影响	短期降低接受度，1-2个月回弹	亚利桑那致命事故后评分下降10%，后续回升
关键影响因素	技术承诺>年龄>安全顾虑	相关性分析：技术承诺与使用意愿r=0.42

3. 调查数据与工具

• 数据集规模：1361份有效问卷（沙夫豪森849份，瓦莱州512份）；
• 人口统计学分布：年龄18-95岁（均值53.5岁），性别男62.3%/女36.4%，教育水平涵盖职业教育（36%）、大学学历（20%）；
• 公开工具：问卷模板（德/法/英）、R语言分析脚本、数据映射表（Zenodo仓库：https://doi.org/10.5281/zenodo.17701663）。

图4. 沙夫豪森（紫色）和瓦莱州（橙色）的试点试验和调查时间线。该数据集包含来自“第三波沙夫豪森”和“瓦莱州调查”的数据。

💬 Q&A

Q1：为什么两个州对自动驾驶巴士的认知存在显著差异？A：核心原因是场景与文化背景：瓦莱州试点场景更贴近日常（城市老城区），服务时间更长（5年+），法语区公众对公共交通的包容度更高；沙夫豪森州场景含半自然景区，试点时间短，德语区公众对技术安全性的审视更谨慎，导致无障碍性、儿童友好性等维度评分差异。

Q2：为什么熟悉度提升对接受度的影响有限？A：因为公众的核心顾虑（安全、失控感）并非单纯“不熟悉”导致，而是深层的技术信任问题。试点运营虽让公众“见过”技术，但未针对性解决安全透明化（如事故处理公开、技术原理科普），因此熟悉度未转化为接受度的显著提升。

Q3：外部致命事故对公众认知的影响是长期的吗？A：不是。数据显示，外部事故（如亚利桑那自动驾驶致命事故）会导致接受度短期下降10%左右，但1-2个月后会逐渐回弹，说明公众对“本地试点的安全性”与“外部事故”能区分开，接受度具备较强韧性。

Q4：哪些群体更愿意使用自动驾驶公共交通？A：技术承诺强（对新技术接受度高）、年龄30-50岁、教育水平较高、日常依赖公共交通的群体，使用意愿比其他群体高30%-40%，且对价格的敏感度更低。

🎯 点评

• 核心贡献：首次提供瑞士双试点自动驾驶公共交通社会认知的一手数据，揭示地区差异与接受度动态特征；采用标准化+适配性结合的调查设计，数据公开可复用，为全球同类研究提供基准；识别技术承诺、安全顾虑等关键影响因素，为落地策略提供精准靶点；
• 创新点：双场景（城市vs半自然）+双语言区对比设计、纵向+横断面调查结合、基于理论框架的标准化问卷，三大创新解决了社会认知研究“样本单一、数据不可比”的痛点；
• 不足：未深入调查公众对政策（保险、责任划分）的具体诉求；未覆盖老年群体（65岁+）的细分认知差异；未分析骑行者、行人等非乘客群体的态度。

🌟 总结金句

自动驾驶公共交通的社会落地，关键不在于“让公众熟悉技术”，而在于“针对性化解核心顾虑+适配地区差异”——瑞士试点的实证表明，接受度具备天然韧性，只要透明化安全运营、适配场景文化，就能跨越社会认知门槛。

📌 互动引导

你认为提升自动驾驶公共交通公众接受度的最有效策略是什么？● ✅ 安全运营透明化（公开事故处理、技术可靠性数据）；● ✅ 地区适配宣传（针对不同场景/文化定制沟通重点）；● ✅ 精准触达高意愿群体（技术接受度高、依赖公共交通的人群）；欢迎在评论区分享观点，一起探讨自动驾驶公共交通的社会落地路径 👇

🧩 科研 Idea 彩蛋

1. 跨地区对比分析：利用该数据集与中国/美国自动驾驶试点数据对比，探究文化对接受度的影响，适合投稿《Transportation Research Part F》；
2. 非乘客群体认知研究：基于该调查框架，补充骑行者、行人的态度调查，完善多主体认知模型，适合投稿《Journal of Intelligent Transportation Systems》；
3. 政策感知深度分析：新增政策相关问卷条目，分析公众对保险、责任划分的诉求，为政策制定提供依据，适合投稿《Policy Studies Journal》；
4. 老年群体细分研究：针对65岁+群体，开展补充调查，分析无障碍设计认知与使用障碍，适合投稿《Journal of Aging and Physical Activity》；
5. 长期接受度预测：基于纵向数据构建机器学习模型，预测不同推广策略下的接受度变化，适合投稿《IEEE Transactions on Intelligent Transportation Systems》。