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

Resumen Técnico: Percepción del Consumidor e Intervención de Políticas en la Implementación a Gran Escala de la Conducción Autónoma Avanzada

Planteamiento del Problema
A pesar de los rápidos avances tecnológicos y el sólido apoyo de las políticas en la industria de la conducción autónoma en China, la percepción del consumidor sigue siendo cautelosa, lo que crea un "cuello de botella cognitivo" que obstaculiza la transición de las demostraciones piloto a la aplicación comercial masiva. La literatura existente suele tratar la conducción autónoma como una tecnología homogénea, centrándose en escenarios idealizados de Nivel 5 (L5) mientras descuida las fases de transición críticas (L2 a L4), donde los límites de los roles hombre-máquina se desplazan. Además, la investigación tradicional depende en gran medida de encuestas transversales y modelos estáticos (por ejemplo, TAM, TPB), que no logran capturar los bucles de retroalimentación no lineales, la evolución dinámica de la confianza y los patrones emergentes a nivel macro provocados por accidentes de seguridad, hitos tecnológicos e intervenciones de políticas. El problema central abordado es la falta de un marco prospectivo y dinámico para comprender cómo evoluciona la confianza y la aceptación del consumidor bajo la compleja interacción de la progresión tecnológica, los choques de opinión pública y las estrategias de política.

Metodología
Este estudio emplea un enfoque de Modelado Basado en Agentes (ABM) para construir un "laboratorio computacional" que simula la evolución dinámica de la cognición del consumidor. La metodología consta de tres etapas:

1. Calibración Empírica: Se realizó una encuesta mediante cuestionario ($N=184$) basada en el Modelo de Aceptación de la Tecnología (TAM) para calibrar los parámetros iniciales. La Estimación de Máxima Verosimilitud (MLE) confirmó que la confianza inicial del consumidor ($\mu=0.38$) y la percepción del riesgo ($\mu=0.62$) siguen distribuciones normales, lo que refleja la heterogeneidad individual.
2. Construcción del Modelo: Se construyó una simulación de tiempo discreto (500 ticks, donde 1 tick = 1 mes) utilizando el marco de trabajo Python Mesa. El modelo integra tres fuerzas impulsoras:
   • Fuerza Tecnológica: Un mecanismo de evolución escalonada donde los niveles tecnológicos (L2+ $\to$ L3 $\to$ L4) saltan en hitos de política específicos (por ejemplo, el acceso al mercado de L3 en el tick 121), actuando como señales de confianza exógenas.
   • Fuerza Social: Los consumidores están integrados en una red de mundo pequeño de Watts-Strogatz ($N=500$). Los agentes actualizan su confianza basándose en efectos de pares (influencia social) y difusión de boca en boca.
   • Fuerza Individual: Los agentes poseen rasgos psicológicos heterogéneos (aversión al riesgo, sensibilidad social) y experiencias previas (uso de L2).
3. Simulación de Políticas: El modelo pone a prueba el impacto de tres instrumentos de política —Intensidad Regulatoria ($reg$), Intensidad de Comunicación ($comm$) e Intensidad de Subsidios ($sub$)— que oscilan entre 0 y 1. Los accidentes de seguridad se modelan como un proceso de Bernoulli ($p=0.01$) para simular choques negativos. El estudio realiza experimentos de factor completo para identificar combinaciones de políticas óptimas bajo restricciones presupuestarias.

Resultos Clave
La simulación revela trayectorias evolutivas distintas basadas en las combinaciones de políticas y los modos de progresión tecnológica:

• Portafolio de Política Óptimo: Bajo un presupuesto fijo, la combinación de regulación estricta ($reg=1.0$), comunicación moderada ($comm=0.5$) y subsidios moderados ($sub=0.5$) produce la puntuación integral más alta. Esta estrategia logra una tasa de adopción final cercana al 100% con una velocidad de difusión rápida (superando el punto de inflexión del 50% en el tick 166).
• Papel de la Regulación: La regulación estricta se identifica como el determinante fundamental de la confianza del consumidor. Sin ella, la confianza permanece atrapada en un rango bajo (0.4–0.5) y es altamente vulnerable a los choques por accidentes. La regulación establece un "límite inferior de seguridad" que estabiliza la base de la confianza.
• Papel de la Comunicación y los Subsidios: La comunicación acelera la difusión de la cognición positiva, pero tiene rendimientos marginales limitados sin las garantías de seguridad proporcionadas por la regulación. Los subsidios reducen eficazmente las barreras económicas para los adoptantes tempranos, pero no pueden compensar la falta de confianza institucional.
• Modo de Evolución Tecnológica: Una evolución escalonada (alineada con hitos de política como el acceso a L3) supera significativamente a una evolución lineal. El "salto cognitivo" provocado por hitos regulatorios claros actúa como una fuerte señal positiva, rompiendo el estancamiento cognitivo de manera más efectiva que las mejoras técnicas continuas e incrementales.
• Resiliencia: El portafolio de política óptimo demuestra una alta resiliencia; aunque los accidentes de seguridad causan caídas temporales en la confianza, la combinación de regulación y comunicación permite una recuperación rápida, a diferencia de los escenarios que dependen únicamente de subsidios o publicidad.

Significancia y Contribuciones
El artículo afirma ofrecer contribuciones tanto teóricas como prácticas al campo de la adopción de la conducción autónoma:

• Avance Teórico: El estudio va más allá de los modelos de aceptación estáticos al integrar la transición cognitiva, la reparación de la confianza y las teorías de influencia social en un marco evolutivo dinámico unificado. Aborda explícitamente la naturaleza "dependiente de la trayectoria" de la confianza, demostrando que la confianza establecida en niveles de automatización inferiores (L2) no se transfiere automáticamente a niveles superiores (L3/L4) sin una recalibración.
• Innovación Metodológica: Al introducir el ABM como un "laboratorio computacional", el estudio proporciona una herramienta novedosa para derivar patrones macro-emergentes a partir de interacciones de micro-nivel. Este enfoque supera las limitaciones de los datos transversales para capturar la retroalimentación no lineal y los fenómenos emergentes en sistemas sociotécnicos complejos.
• Implicaciones de Política: Los hallazgos proporcionan una guía accionable para responsables de políticas y fabricantes. Específicamente, el estudio argumenta que la claridad regulatoria es el prerrequisito para una comunicación efectiva. Las políticas deben priorizar el establecimiento de un marco regulatorio de seguridad robusto primero, seguido de comunicación y subsidios dirigidos para acelerar la penetración en el mercado. Este enfoque "equilibrado" se presenta como el camino más eficiente para superar el cuello de botella cognitivo y lograr una implementación masiva sostenible.

Los autores concluyen que su modelo de simulación sirve como un "entorno de pruebas digital" para evaluar los efectos de las políticas a largo plazo, ofreciendo una plataforma de bajo costo y prospectiva para que los tomadores de decisiones naveguen la compleja transición de la viabilidad tecnológica a la aceptación del mercado.