📈 economics

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

Deze studie maakt gebruik van agent-gebaseerde modellering om de dynamische evolutie van consumentenvertrouwen en de acceptatie van geavanceerd autonoom rijden onder verschillende technologische, sociale en beleidsfactoren te simuleren, waarbij datagestuurde inzichten worden geboden voor het optimaliseren van productstrategieën en regulerende interventies.

Oorspronkelijke auteurs: hao zhang, Peifeng Zhu

Gepubliceerd 2026-06-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: hao zhang, Peifeng Zhu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: De "Vertrouwenskloof" in Zelfrijdende Auto's

Stel je de wereld van zelfrijdende auto's voor als een enorme, technologisch geavanceerde speeltuin. De ingenieurs (de bouwers) hebben hard gewerkt om de beste glijbanen en schommels te bouwen (de technologie). Ze hebben zelfs de overheid (de parkbeheerders) overtuigd om het groene licht te geven om het park voor het publiek te openen.

Er is echter een probleem: De ouders (de consumenten) durven hun kinderen nog steeds niet te laten spelen.

Hoewel de attracties veiliger worden en de regels duidelijker zijn, zijn mensen aarzelend. Ze maken zich zorgen over ongelukken, ze begrijpen niet volledig hoe de auto's werken, en ze wachten af of het echt wel veilig is. Dit onderzoek probeert uit te zoeken hoe we die ouders er eindelijk toe kunnen krijgen om "Ja, laten we gaan!" te zeggen.

Het Probleem met Oude Denkpatronen

Voordat deze studie plaatsvond, probeerden onderzoekers deze angst te begrijpen door mensen op een enkel moment in de tijd vragen te stellen (zoals het maken van een foto). Ze vroegen: "Vertrouwt u zelfrijdende auto's?" en kregen een antwoord.

Maar de auteurs zeggen dat dit is alsof je probeert een film te begrijpen door naar slechts één enkel beeld te kijken. Je mist de actie! Vertrouwen is geen statisch gegeven; het is een bewegend verhaal. Het verandert wanneer er een nieuw automodel wordt gelanceerd, wanneer er een nieuwsbericht over een ongeluk verschijnt, of wanneer de overheid een nieuwe wet aanneemt.

De Oplossing: Een "Digitale Zandbak"

Om dit op te lossen, bouwden de onderzoekers een Digitale Zandbak (een Agent-Based Model).

Zie deze zandbak als een enorme videogame-simulatie waarin ze 500 virtuele mensen (agenten) hebben gecreëerd. Dit zijn niet zomaar willekeurige getallen; ze zijn geprogrammeerd met echte menselijke eigenschappen op basis van een enquête die de onderzoekers hebben uitgevoerd.

Sommige virtuele mensen zijn van nature dapper.
Sommige zijn zeer voorzichtig.
Sommigen luisteren naar hun vrienden; anderen nemen hun eigen beslissingen.

De onderzoekers lieten deze simulatie vervolgens in de tijd vooruitlopen en keken hoe deze 500 mensen reageerden op drie hoofdzaken:

De Tech: De auto's die beter worden (van Niveau 2 "helper" naar Niveau 3 "bestuurder" naar Niveau 4 "volledig autonoom").
Het Slechte Nieuws: Willekeurige veiligheidsongelukken die in de simulatie plaatsvinden.
De Regels: Verschillende overheidsbeleid (strengere wetten, meer reclame, of geldsubsidies).

De Drie Krachten die Meespelen

De studie ontdekte dat consumentenvertrouwen wordt gedreven door drie krachten, zoals een driepotige kruk:

De Technologische Ladder: De technologie verbetert niet geleidelijk; het gebeurt in sprongen. Stel je een ladder voor waarbij je een tijdje op een sport staat en dan plotseling naar de volgende springt. De studie vond dat deze "sprongen" (zoals wanneer de overheid officieel zegt: "Niveau 3 is nu legaal") werken als een schokgolf die de gevoelens van mensen in één klap verandert.
De Sociale Kring: Mensen praten met elkaar. Als je buurman zegt: "Mijn auto reed perfect zelfstandig," voel je je veiliger. Als je buurman zegt: "Hij reed bijna een voetganger omver," schrik je ervan. De simulatie liet zien dat dit "mond-tot-mondreclame" vertrouwen (of angst) zeer snel door de groep verspreidt.
De Persoonlijke Geschiedenis: Hoe je je vandaag voelt, hangt af van wat je eerder hebt gedaan. Als je al jarenlang gebruikmaakt van een basisfunctie zoals "rijstrookassistentie", vertrouw je een nieuwe zelfrijdende auto misschien meer dan iemand die nog nooit met zo'n technologie heeft gewerkt.

Het Experiment: Wat Werkt het Beste?

De onderzoekers testten verschillende "recepten" voor overheidsbeleid om te zien welk recept de meeste mensen zou laten instemmen met de technologie. Ze probeerden drie ingrediënten te mengen:

Strikte Regulering: Ervoor zorgen dat de regels streng zijn en de veiligheid gegarandeerd is.
Communicatie: Mensen informeren over de technologie en hoe veilig deze is.
Subsidies: Mensen geld geven om de auto's te kopen.

De Resultaten:

Recept A (Geen regels, alleen hype en geld): Dit wekte in het begin interesse, maar toen er in de simulatie een nepongeluk gebeurde, raakte iedereen in paniek en stopte met kopen. Het was te kwetsbaar.
Recept B (Strikte regels, geen communicatie): Dit was veilig, maar saai. Mensen kochten de auto's niet omdat ze er niet genoeg over wisten.
Recept C (De Winnaarscombinatie): Strikte Regels + Matige Communicatie + Matige Cash.

De "Goldilocks"-strategie:
De studie vond dat de beste aanpak is om strikte overheidsregels te hebben om een solide fundament van veiligheid te leggen (zoals een stevig hek rond de speeltuin). Zodra die veiligheid gegarandeerd is, helpt matige communicatie om het nieuws snel te verspreiden, en helpen matige subsidies mensen om de eerste stap te zetten.

Deze combinatie creëerde een "kantelpunt" waarbij het vertrouwen gestaag groeide, zelfs wanneer er ongelukken gebeurden. De strikte regels fungeerden als een schokdemper, waardoor het vertrouwen niet volledig instortte wanneer er slecht nieuws kwam.

De Belangrijkste Les

De conclusie van het papier is dat je zelfrijdende auto's niet alleen maar groot moet aanprijzen of ze niet gratis moet weggeven. Je hebt eerst een veiligheidsnet nodig.

Denk aan het leren fietsen aan een kind:

Je haalt niet gewoon de zijwieltjes eraf en hoopt op het beste (Geen Regulering).
Je houdt de zijwieltjes niet voor altijd aan en laat ze nooit echt rijden (Strikte Regulering zonder Communicatie).
De Beste Manier: Je zet een helm op en gebruikt een stabilisator (Strikte Regulering) zodat ze zich veilig voelen. Daarna moedig je ze aan (Communicatie) en geef je ze misschien een klein duwtje (Subsidie) totdat ze hun evenwicht vinden en zelfstandig beginnen te rijden.

De studie bewijst dat voor zelfrijdende auto's een normaal onderdeel van ons leven te worden, de overheid eerst moet bewijzen dat de technologie veilig is via strikte regels. Zodra dat vertrouwen is opgebouwd, verloopt de rest van de adoptie veel sneller.

Technische Samenvatting: Consumentenperceptie en Beleidsinterventie bij de Grootschalige Implementatie van Geavanceerd Autonoom Rijden

Probleemstelling
Ondanks de snelle technologische vooruitgang en robuuste beleidsondersteuning in de Chinese sector voor autonoom rijden, blijft de consumentenperceptie voorzichtig, wat een "cognitieve flessenhals" creëert die de overgang van pilotdemonstraties naar grootschalige commerciële toepassing belemmert. De bestaande literatuur behandelt autonoom rijden vaak als een homogene technologie, waarbij de focus ligt op geïdealiseerde Level 5 (L5) scenario's, terwijl de cruciale transitiefasen (L2 naar L4) waarin de grenzen tussen mens en machine verschuiven, worden genegeerd. Bovendien leunt traditioneel onderzoek zwaar op dwarsdoorsneden door middel van enquêtes en statische modellen (bijv. TAM, TPB), die er niet in slagen om de niet-lineaire feedbackloops, de dynamische vertrouwensevolutie en de emergente macro-patronen te vatten die worden getriggerd door veiligheidsongevallen, technologische mijlpalen en beleidsinterventies. Het kernprobleem dat wordt geadresseerd, is het gebrek aan een vooruitziend, dynamisch kader om te begrijpen hoe consumentenvertrouwen en acceptatie evolueren onder de complexe wisselwerking van technologische progressie, publieke opinie-schokken en beleidsstrategieën.

Methodologie
Deze studie maakt gebruik van een Agent-Based Modeling (ABM) benadering om een "computationeel laboratorium" te construeren dat de dynamische evolutie van consumentencognitie simuleert. De methodologie verloopt in drie stadia:

Empirische Kalibratie: Een vragenlijstonderzoek ( $N=184$ ) gebaseerd op het Technology Acceptance Model (TAM) werd uitgevoerd om de initiële parameters te kalibreren. Maximum Likelihood Estimation (MLE) bevestigde dat het initiële consumentenvertrouwen ( $\mu=0.38$ ) en de risicoperceptie ( $\mu=0.62$ ) normale verdelingen volgen, wat individuele heterogeniteit weerspiegelt.
Modelconstructie: Een discrete-tijd simulatie (500 ticks, waarbij 1 tick = 1 maand) werd gebouwd met het Python Mesa-framework. Het model integreert drie drijvende krachten:
- Technologische Kracht: Een stapsgewijs evolutiemechanisme waarbij technologieniveaus (L2+ $\to$ L3 $\to$ L4) springen bij specifieke beleidsmijlpalen (bijv. L3 markttoegang bij tick 121), wat fungeert als exogene vertrouwenssignalen.
- Sociale Kracht: Consumenten zijn ingebed in een Watts-Strogatz small-world netwerk ( $N=500$ ). Agents updaten hun vertrouwen op basis van peer-effecten (sociale invloed) en mond-tot-mondreclame.
- Individuele Kracht: Agents bezitten heterogene psychologische kenmerken (risicoaversie, sociale sensitiviteit) en eerdere ervaringen (L2-gebruik).
Beleidssimulatie: Het model test de impact van drie beleidsinstrumenten—Reguleringsintensiteit ($reg$), Communicatie-intensiteit ($comm$) en Subsidie-intensiteit ($sub$)—variërend van 0 tot 1. Veiligheidsongevallen worden gemodelleerd als een Bernoulli-proces ( $p=0.01$ ) om negatieve schokken te simuleren. De studie voert full factorial experimenten uit om optimale beleidscombinaties onder budgetbeperkingen te identificeren.

Belangrijkste Resultaten
De simulatie onthult duidelijke evolutionaire trajecten op basis van beleidscombinaties en technologische progressiemodi:

Optimale Beleidsportfolio: Onder een vast budget levert de combinatie van strikte regulering ($reg=1.0$), matige communicatie ($comm=0.5$) en matige subsidies ($sub=0.5$) de hoogste integrale score op. Deze strategie bereikt een uiteindelijke adoptiegraad van bijna 100% met een snelle diffusiesnelheid (het passeren van het 50%-kantelpunt bij tick 166).
Rol van Regulering: Strikte regulering wordt geïdentificeerd als de fundamentele determinant van consumentenvertrouwen. Zonder deze regulering blijft het vertrouwen gevangen in een laag bereik (0,4–0,5) en is het zeer kwetsbaar voor ongevallen-schokken. Regulering vestigt een "veiligheidsbodem" die de vertrouwensbasis stabiliseert.
Rol van Communicatie en Subsidies: Communicatie versnelt de diffusie van positieve cognitie, maar heeft beperkte marginale rendementen zonder de veiligheidsgaranties die door regulering worden geboden. Subsidies verlagen effectief de economische barrières voor vroege adoptanten, maar kunnen een gebrek aan institutioneel vertrouwen niet compenseren.
Technologische Evolutiemodus: Een stapsgewijze evolutie (afgestemd op beleidsmijlpalen zoals L3-toegang) presteert significant beter dan een lineaire evolutie. De "cognitieve sprong" die wordt getriggerd door duidelijke regulatoire mijlpalen werkt als een sterk positief signaal, wat cognitieve stagnatie effectiever doorbreekt dan continue, incrementele technische verbeteringen.
Veerkracht: De optimale beleidsportfolio vertoont een hoge veerkracht; hoewel veiligheidsongevallen zorgen voor tijdelijke dalingen in vertrouwen, zorgt de combinatie van regulering en communicatie voor een snel herstel, in tegen tegenstelling tot scenario's die uitsluitend vertrouwen op subsidies of publieksbereik.

Betekenis en Bijdragen
Het artikel claimt zowel theoretische als praktische bijdragen te leveren aan het veld van de adoptie van autonoom rijden:

Theoretische Vooruitgang: De studie gaat verder dan statische acceptatiemodellen door cognitieve transitie, vertrouwen-reparatie en sociale invloestheorieën te integreren in één verenigd dynamisch evolutionair kader. Het adresseert expliciet de "pad-afhankelijke" aard van vertrouwen, door aan te tonen dat vertrouwen dat is opgebouwd bij lagere automatisatieniveaus (L2) niet automatisch overdraagt naar hogere niveaus (L3/L4) zonder herkalibratie.
Methodologische Innovatie: Door ABM te introduceren als een "computationeel laboratorium", biedt de studie een nieuw instrument om macro-emergente patronen af te leiden uit micro-niveau interacties. Deze benadering overwint de beperkingen van dwarsdoorsnede-data bij het vastleggen van niet-lineaire feedback en emergente fenomenen in complexe socio-technische systemen.
Beleidsimplicaties: De bevindingen bieden bruikbare richtlijnen voor beleidsmakers en fabrikanten. Specifiek beargumenteert de studie dat regulatorische helderheid de voorwaarde is voor effectieve communicatie. Beleid moet prioriteit geven aan het eerst vestigen van een robuust veiligheidsreguleringskader, gevolgd door gerichte communicatie en subsidies om de marktpenetratie te versnellen. Deze "gebalanceerde" aanpak wordt gepresenteerd als de meest efficiënte weg om de cognitieve flessenhals te overwinnen en duurzame grootschalige implementatie te bereiken.

De auteurs concluderen dat hun simulatiemodel dient als een "digitale zandbak" voor het evalueren van langetermijneffecten van beleid, en een goedkoop, vooruitziend platform biedt voor besluitvormers om de complexe transitie van technologische haalbaarheid naar marktacceptatie te navigeren.