随着城市机动化进程的加快,私家车保有量与日俱增,道路拥堵、停车困难、交通事故、环境污染等问题日趋严重。与此同时,科技的进步使得自动驾驶汽车(Autonomous Vehicles:AV)成为现实,自动驾驶技术的发展有望在提高道路交通安全的同时减少交通拥堵、降低污染物排放。自动驾驶技术也可能为人们的出行提供诸如共享自动驾驶汽车(Shared Autonomous Vehicles:SAV)这样的商业运营服务。如果融合私家车和公共交通两者优势的SAV介入交通市场,私家车出行和公共交通出行势必受到一定冲击,其原因在于人们的日常出行多了一种选择方式。另外,SAV可以与动态合乘系统进行结合,那么考虑合乘的SAV将是实现绿色交通和可持续发展的一种积极尝试。因此,在这种出行方式投入市场之前进行全面的意愿调查及分析具有重要的现实意义,并有助于科学、合理地制定相关的交通政策。首先,通过查阅文献资料,分析总结了考虑合乘的SAV出行方式选择行为的影响因素,在此基础上进行SP调查问卷的设计,于2019年2月共回收问卷488份,其中有效问卷393份。其次,针对有效数据,基于K-Means聚类分析对出行者的历史出行方式进行模式分类,利用因子分析将相关性较强的性格态度特征因素整合成一类,以此得到若干个性格态度特征变量。然后,在处理与分类有效数据的基础上,分别对无私家车人群和有私家车人群建立随机变量的系数服从不同分布的Mixed Logit模型,运用R语言实现模型参数估计,并给出随机变量的系数均服从正态分布的ML-I模型和拟合度最高的ML-II模型的详细参数估计结果。最后,选用拟合度最高的ML-II模型参数标定结果对影响因素进行详细分析。研究结果表明,ML-I模型和ML-II模型所标定的各种影响因素的正负性一致且显著性差异不大,可见这两种模型都可以很好地解释考虑合乘的SAV选择行为;对于无私家车人群和有私家车人群,出行成本、车内时间、历史出行模式、日均出行距离、次均出行时间、周出行费用、出行目的、性格态度特征、职业以及SAV熟知程度对于考虑合乘的SAV选择行为均具有显著影响;除以上因素外,对于无私家车人群,等待时间、到达时间灵活度、驾照、住宅情况也是影响受访者出行方式选择行为的显著因素,对于有私家车人群,停车费用、月收入对考虑合乘的SAV出行方式选择行为同样具有显著影响。