📈 economics

Consumer Perception and Policy Intervention in Large-scale Implementation of Advanced Autonomous Driving: A Dynamic Evolutionary Study Based on Agent-Based Modeling

Diese Studie nutzt agentenbasierte Modellierung, um die dynamische Entwicklung des Konsumentenvertrauens und der Akzeptanz von fortschrittlichem autonomem Fahren unter Berücksichtigung verschiedener technologischer, sozialer und politischer Faktoren zu simulieren, und bietet datengestützte Erkenntnisse zur Optimierung von Produktstrategien und regulatorischen Interventionen.

Ursprüngliche Autoren: hao zhang, Peifeng Zhu

Veröffentlicht 2026-06-29

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: hao zhang, Peifeng Zhu

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Die „Vertrauenslücke“ bei selbstfahrenden Autos

Stellen Sie sich die Welt der selbstfahrenden Autos wie einen riesigen, hochtechnologischen Spielplatz vor. Die Ingenieure (die Erbauer) haben hart daran gearbeitet, die besten Rutschen und Schaukeln (die Technologie) zu bauen. Sie haben sogar die Regierung (die Parkmanager) dazu gebracht, grünes Licht zu geben, damit der Park für die Öffentlichkeit geöffnet werden kann.

Es gibt jedoch ein Problem: Die Eltern (die Konsumenten) haben immer noch zu viel Angst, ihre Kinder spielen zu lassen.

Obwohl die Fahrgeschäfte sicherer werden und die Regeln klarer sind, zögern die Menschen. Sie sorgen sich um Unfälle, verstehen nicht ganz, wie die Autos funktionieren, und warten ab, ob sie wirklich sicher sind. Dieses Paper versucht herauszufinden, wie man diese Eltern dazu bringt, endlich zu sagen: „Ja, lasst uns gehen!“

Das Problem mit alten Denkweisen

Vor dieser Studie versuchten Forscher, diese Angst zu verstehen, indem sie Menschen zu einem einzigen Zeitpunkt befragten (wie eine Momentaufnahme). Sie fragten: „Vertrauen Sie selbstfahrenden Autos?“ und erhielten eine Antwort.

Doch die Autoren sagen, das sei so, als würde man versuchen, einen Film zu verstehen, indem man nur ein einziges Einzelbild betrachtet. Man verpasst die Handlung! Vertrauen ist nichts Statisches; es ist eine bewegte Geschichte. Es verändert sich, wenn ein neues Automodell auf den Markt kommt, wenn eine Nachricht über einen Unfall die Runde macht oder wenn die Regierung ein neues Gesetz verabschiedet.

Die Lösung: Ein „Digitaler Sandkasten“

Um dies zu lösen, bauten die Forscher einen Digitalen Sandkasten (ein sogenanntes Agenten-basiertes Modell).

Stellen Sie sich diesen Sandkasten wie eine riesige Videospiel-Simulation vor, in der sie 500 virtuelle Menschen (Agenten) erschaffen haben. Dies sind nicht einfach nur zufällige Zahlen; sie wurden mit echten menschlichen Eigenschaften programmiut, die auf einer vom Forschungsteam durchgeführten Umfrage basieren.

Einige virtuelle Menschen sind von Natur aus mutig.
Einige sind sehr vorsichtig.
Einige hören auf ihre Freunde; andere treffen ihre eigenen Entscheidungen.

Die Forscher ließen diese Simulation dann in die Zukunft laufen und beobachteten, wie diese 500 Menschen auf drei Hauptfaktoren reagierten:

Die Technik: Dass die Autos besser werden (der Übergang von Level 2 „Assistent“ zu Level 3 „Fahrer“ zu Level 4 „voll autonom“).
Die schlechten Nachrichten: Zufällige Sicherheitsunfälle, die in der Simulation passieren.
Die Regeln: Verschiedene Regierungsentscheidungen (strengere Gesetze, mehr Werbung oder Geldzuschüsse).

Die drei Kräfte am Werk

Die Studie fand heraus, dass das Vertrauen der Konsumenten von drei Kräften angetrieben wird, wie bei einem dreibeinigen Hocker:

Die Technik-Leiter: Die Technologie verbessert sich nicht gleichmäßig; sie macht Sprünge. Stellen Sie sich eine Leiter vor, auf der man eine Weile auf einer Sprosse steht und dann plötzlich zur nächsten springt. Die Studie fand heraus, dass diese „Sprünge“ (wie wenn die Regierung offiziell sagt: „Level 3 ist jetzt legal“) wie eine Schockwelle wirken, die das Gefühl der Menschen schlagartig verändert.
Der soziale Kreis: Menschen reden miteinander. Wenn Ihr Nachbar sagt: „Mein Auto ist perfekt von selbst gefahren“, fühlen Sie sich sicherer. Wenn Ihr Nachbar sagt: „Es wäre fast gegen einen Fußgänger gefahren“, bekommen Sie Angst. Die Simulation zeigte, dass dieses „Mundpropaganda-Verhalten“ Vertrauen (oder Angst) sehr schnell durch die Gruppe verbreitet.
Die persönliche Geschichte: Wie Sie sich heute fühlen, hängt davon ab, was Sie früher erlebt haben. Wenn Sie seit Jahren eine einfache Funktion wie den „Spurhalteassistenten“ nutzen, vertrauen Sie einem neuen selbstfahrenden Auto vielleicht eher als jemandem, der noch nie eines benutzt hat.

Das Experiment: Was funktioniert am besten?

Die Forscher testeten verschiedene „Rezepte“ für die Regierungspolitik, um zu sehen, welches die meisten Menschen zur Akzeptanz der Technologie bewegen würde. Sie mischten drei Zutaten:

Strenge Regulierung: Sicherstellen, dass die Regeln streng sind und die Sicherheit garantiert ist.
Kommunikation: Den Menschen von der Technologie erzählen und erklären, wie sicher sie ist.
Subventionen: Den Menschen Geld geben, damit sie die Autos kaufen.

Die Ergebnisse:

Rezept A (Keine Regeln, nur Hype & Bargeld): Dies weckte das Interesse der Menschen zunächst, aber als in der Simulation ein gefälschter Unfall passierte, geriet alle in Panik und hörte auf zu kaufen. Es war zu zerbrechlich.
Rezept B (Strenge Regeln, keine Kommunikation): Dies war sicher, aber langweilig. Die Leute kauften die Autos nicht, weil sie nicht genug über sie wussten.
Rezept C (Die Gewinnkombination): Strenge Regeln + moderate Kommunikation + moderate Subventionen.

Die „Goldlöckchen“-Strategie:
Die Studie fand heraus, dass der beste Ansatz darin besteht, strenge staatliche Regeln zu haben, um ein solides Fundament der Sicherheit zu bauen (wie ein starker Zaun um den Spielplatz). Sob> Sobald diese Sicherheit garantiert ist, hilft moderate Kommunikation, die Botschaft schnell zu verbreiten, und moderate Subventionen helfen den Menschen, den ersten Schritt zu wagen.

Diese Kombination erzeugte einen „Kipppunkt“, an dem das Vertrauen stetig wuchs, selbst wenn Unfälle passierten. Die strengen Regeln fungierten als Stoßdämpfer, die verhinderten, dass das Vertrauen bei schlechten Nachrichten völlig einbrach.

Die wichtigste Erkenntung

Das Paper kommt zu dem Schluss, dass man selbstfahrende Autos nicht einfach nur hypen oder sie einem einfach kostenlos geben kann. Man braucht zuerst ein Sicherheitsnetz.

Denken Sie daran wie beim Fahrradfahren lernen:

Man nimmt nicht einfach die Stützräder ab und hofft das Beste (Keine Regulierung).
Man lässt die Stützräder nicht ewig drauf, ohne jemals fahren zu lassen (Strenge Regulierung ohne Kommunikation).
Der beste Weg: Man setzt einen Helm auf und nutzt Stabilisatoren (Strenge Regulierung), damit sich das Kind sicher fühlt. Dann feuert man es an (Kommunikation) und gibt ihm vielleicht einen kleinen Schubs (Subvention), bis es das Gleichgewicht findet und anfängt, von selbst zu fahren.

Die Studie beweist, dass für selbstfahrende Autos, die ein normaler Teil unseres Lebens werden sollen, die Regierung zuerst beweisen muss, dass die Technologie sicher ist, indem sie strenge Regeln aufstellt. Sobald dieses Vertrauen aufgebaut ist, erfolgt der Rest der Verbreitung viel schneller.

Technisches Resümee: Konsumentenwahrnehmung und politische Intervention bei der großflächigen Implementierung von fortgeschrittenem autonomem Fahren

Problemstellung
Trotz rasanter technologischer Fortschritte und robuster politischer Unterstützung in Chinas Industrie für autonomes Fahren bleibt die Wahrnehmung der Konsumenten vorsichtig, was einen „kognitiven Flaschenhals“ schafft, der den Übergang von Pilotdemonstrationen zur Massenkommerzialisierung behindert. Die bestehende Literatur behandelt das autonome Fahren oft als eine homogene Technologie, wobei der Fokus auf idealisierten Level-5-Szenarien (L5) liegt, während die kritischen Übergangsphasen (L2 bis L4), in denen sich die Rollengrenzen zwischen Mensch und Maschine verschieben, vernachlässigt werden. Darüber hinaus stützt sich die traditionelle Forschung stark auf Querschnittserhebungen und statische Modelle (z. B. TAM, TPB), die nicht in der Lage sind, die nicht-linearen Rückkopplungsschleifen, die dynamische Vertrauensentwicklung und die durch Sicherheitsunfälle, technologische Meilensteine und politische Interventionen ausgelösten emergenten Makro-Muster zu erfassen. Das Kernproblem ist das Fehlen eines zukunftsorientierten, dynamischen Rahmens, um zu verstehen, wie sich das Vertrauen der Konsumenten unter dem komplexen Zusammenspiel von technologischer Progression, öffentlicher Meinung und politischen Strategien entwickelt.

Methodik
Diese Studie verwendet einen Ansatz der agentenbasierten Modellierung (Agent-Based Modeling, ABM), um ein „computational Laboratory“ (computergestütztes Labor) zu konstruieren, das die dynamische Entwicklung der Konsumentenkognition simuliert. Die Methodik gliedert sich in drei Phasen:

Empirische Kalibrierung: Eine Fragebogenstudie ( $N=184$ ) basierend auf dem Technologieakzeptanzmodell (TAM) wurde durchgeführt, um die Anfangsparameter zu kalibrieren. Die maximale Likelihood-Schätzung (MLE) bestätigte, dass das anfängliche Vertrauen der Konsumenten ( $\mu=0.38$ ) und die Risikowahrnehmung ( $\mu=0.62$ ) Normalverteilungen folgen, was die individuelle Heterogenität widerspiegelt.
Modellkonstruktion: Eine diskrete Zeitschrittsimulation (500 Ticks, wobei 1 Tick = 1 Monat) wurde unter Verwendung des Python-Frameworks Mesa erstellt. Das Modell integriert drei Antriebskräfte:
- Technologische Kraft: Ein Mechanismus der stufenweisen Evolution, bei dem die Technologiestufen (L2+ $\to$ L3 $\to$ L4) an spezifischen politischen Meilensteinen (z. B. Marktzugang für L3 bei Tick 121) springen und als exogene Vertrauenssignale fungieren.
- Soziale Kraft: Konsumenten sind in einem Watts-Strogatz Small-World-Netzwerk ( $N=500$ ) eingebettet. Agenten aktualisieren ihr Vertrauen basierend auf Peer-Effekten (sozialer Einfluss) und Mundpropaganda-Diffusion.
- Individuelle Kraft: Agenten besitzen heterogene psychologische Merkmale (Risikoaversität, soziale Sensitivität) und Vorerfahrungen (L2-Nutzung).
Politische Simulation: Das Modell testet die Auswirkungen von drei politischen Instrumenten – Regulierungsintensität ($reg$), Kommunikationsintensität ($comm$) und Subventionsintensität ($sub$) – die jeweils von 0 bis 1 variieren. Sicherheitsunfälle werden als Bernoulli-Prozess ( $p=0.01$ ) modelliert, um negative Schocks zu simulieren. Die Studie führt Vollfaktorial-Experimente durch, um optimale Politik-Kombinationen unter Budgetbeschränkungen zu identifizieren.

Wesentliche Ergebnisse
Die Simulation zeigt unterschiedliche Entwicklungsverläufe basierend auf Politik-Kombinationen und technologischen Progressionsmodi auf:

Optimales Politik-Portfolio: Unter einem festen Budget liefert die Kombination aus starker Regulierung ($reg=1.0$), moderater Kommunikation ($comm=0.5$) und moderaten Subventionen ($sub=0.5$) die höchste Gesamtbewertung. Diese Strategie erreicht eine endgültige Adoptionsrate von nahezu 100 % mit einer schnellen Diffusionsgeschwindigkeit (Überschreiten des 50%-Kipppunkts bei Tick 166).
Rolle der Regulierung: Starke Regulierung wurde als entscheidender Grunddeterminant für das Vertrauen der Konsumenten identifiziert. Ohntne sie bleibt das Vertrauen in einem niedrigen Bereich (0,4–0,5) gefangen und ist gegenüber Unfallschocks hochgradig anfällig. Die Regulierung etabliert eine „Sicherheitsuntergrenze“, die die Vertrauensbasis stabilisiert.
Rolle von Kommunikation und Subventionen: Kommunikation beschleunigt die Diffusion positiver Kognition, hat jedoch ohne die durch Regulierung gewährleisteten Sicherheitsgarantien nur begrenzte Grenzerträge. Subventionen senken effektiv die wirtschaftlichen Barrieren für Early Adopter, können aber einen Mangel an institutionellem Vertrauen nicht kompensieren.
Technologische Evolutionsmodi: Eine stufenweise Evolution (im Einklang mit politischen Meilensteinen wie dem L3-Zugang) schneidet signifikant besser ab als eine lineare Evolution. Der durch klare regulatorische Meilensteine ausgelöste „kognitive Sprung“ wirkt als starkes positives Signal und durchbricht die kognitive Stagnation effektiver als kontinuierliche, inkrementelle technische Verbesserungen.
Resilienz: Das optimale Politik-Portfolio weist eine hohe Resilienz auf; während Sicherheitsunfälle vorübergehende Vertrauenseinbußen verursachen, ermöglichen die Kombination aus Regulierung und Kommunikation eine schnelle Erholung, im Gegensatz zu Szenarien, die ausschließlich auf Subventionen oder Öffentlichkeitsarbeit setzen.

Bedeutung und Beiträge
Die Arbeit beansprucht sowohl theoretische als auch praktische Beiträge zum Feld der Akzeptanz des autonomen Fahrens:

Theoretische Weiterentwicklung: Die Studie geht über statische Akzeptanzmodelle hinaus, indem sie kognitive Transition, Vertrauensreparatur und Theorien des sozialen Einflusses in einen einheitlichen dynamischen Evolutionsrahmen integriert. Sie adresst explizit die „Pfadabhängigkeit“ von Vertrauen und zeigt auf, dass in niedrigeren Automatisierungsstufen (L2) aufgebautes Vertrauen ohne Rekalibrierung nicht automatisch auf höhere Stufen (L3/L4) übertragbar ist.
Methodische Innovation: Durch die Einführung von ABM als „computational Laboratory“ bietet die Studie ein neuartiges Werkzeug, um makroskopische emergente Muster aus mikroskopischen Interaktionen abzuleiten. Dieser Ansatz überwindet die Grenzen von Querschnittsdaten bei der Erfassung nicht-linearer Rückkopplungen und emergenter Phänomene in komplexen soziotechnischen Systemen.
Politische Implikationen: Die Ergebnisse bieten handlungsorientierte Leitlinien für politische Entscheidungsträger und Hersteller. Insbesondere argumentiert die Studie, dass regulatorische Klarheit die Voraussetzung für effektive Kommunikation ist. Politische Maßnahmen sollten primsten darauf abzielen, zuerst einen robusten Sicherheitsregulierungsrahmen zu schaffen, gefolgt von gezielter Kommunikation und Subventionen, um die Marktdurchdringung zu beschleunigen. Dieser „ausgewogene“ Ansatz wird als der effizienteste Weg präsentiert, um den kognitiven Flaschenhals zu überwinden und eine nachhaltige großflächige Implementierung zu erreichen.

Die Autoren kommen zu dem Schluss, dass ihr Simulationsmodell als „digitaler Sandkasten“ zur Bewertung langfristiger politischer Effekte dient und eine kostengünstige, zukunftsorientierte Plattform für Entscheidungsträger bietet, um den komplexen Übergang von technologischer Machbarkeit zur Marktakzeptanz zu steuern.