随着自动驾驶技术的发展和共享经济的普及,共享自动驾驶汽车(Shared Autonomous Vehicle,简称SAV)的出现为交通领域带来巨大变革。它为人们提供便利、舒适和经济的出行服务,研究表明它具有缓解交通拥堵,减少能源消耗和降低车辆排放等优势。因此SAV极具发展前景,但它的引入必然会影响人们现有出行行为。所以寻找准确的SAV使用意向分析方法,明确出行者关于SAV的方式选择行为就尤为必要。总结文献得知,SAV使用意向分析在因素广泛性和个人异质性的考虑上存在不足,而潜在类别分析的方法正逐渐被应用于使用意向分析。基于此,本文考虑更多因素,并使用潜在类别分析与离散选择模型结合的方法,构造出考虑潜在类别的SAV使用意向分析模型,分析SAV使用的影响因素及其影响程度,为未来SAV的普及提供科学依据。首先确定考虑的因素及交通方式备选项,设计RP+SP调查问卷,网上发放后共得311份有效问卷,进行统计分析和数据处理。接着选取变量利用Mplus7.4软件进行潜在类别分析,最终分为3类,两个分类正确率指标分别为0.983和0.967,表示分类结果合理,基于每类人群的特性可命名为冲动的积极创新者、矛盾的保守创新者和理智的保守使用者。对总样本和各潜在类别各自建立多项Logit模型和混合Logit模型,对混合Logit模型进行了随机参数分布的选取和检验,利用R语言3.4.1标定参数,得到模型MNL、MNL_IPI、MNL_CCI、MNL_RCU、MIXL和MIXL_RCU。与潜在类别分析结果结合,得到考虑潜在类别的SAV使用意向分析模型MNL_LC和MIXL_LC,计算拟合优度指标并评价模型,可知MNL_LC、MIXL_LC的所有指标均分别比MNL、MIXL改善6.93%、8.64%以上。最后,分析参数结果和边际效用获知各因素对SAV使用意向的具体影响。研究结果表明,考虑潜在类别的模型比一般模型拟合度更高、解释性更强。分析得到影响SAV使用的显著因素有性别、年龄、学历、驾龄、车辆保有量、儿童、历史主要出行目的、SAV了解程度、SAV使用人群类型、出行人数、等待时间和平均出行费用,而且不同潜在类别人群的显著影响因素有区别,SAV使用人群类型是三类共有的显著因素。总结边际效用结果可知,私家车的停车问题加剧或网约车等待时间增长会明显提高SAV的使用概率;SAV平均出行费用减少后使用私家车的人群最易转变为使用SAV;SAV模仿者对SAV属性变化最敏感,而创新者最不敏感,另外SAV等待时间的变化对SAV使用概率影响最大,其次是平均出行费用,所以在SAV推广过程中首先考虑优化SAV技术以减少等待时间或降低SAV价格来吸引模仿者和不使用者使用SAV。