基于事故树法和层次分析法的养老服务智能车购买意愿影响因素研究

王伟豪胡辰雨李智敏陆兆钠王焱

摘要：为了确定影响养老服务智能车购买意愿的主要因素，并为后期确定销售方法提供帮助，利用事故树法定性地分析影响养老服务智能车的购买意愿的4个主因素和20个子因素。本研究在进行定量分析时，使用了层次分析法作为研究方法，通过利用Matlab软件确定影响因素权重，有效减少了主观因素的影响。研究结果显示，在四个主因素中，经济性因素和安全性因素的权重值之和高达0.7573，因此认为这两个因素是确定销售方法的最重要因素。在20个子因素中，价格、维护成本、自我保护机制、服务种类及质量、鲁棒性以及兼容性的综合权重之和为1.108，需要去针对性地确定相应方法。

关键词：养老服务智能车购买意愿事故树法层次分析法（AHP）

随着人口老龄化的持续增长，国家与社会赡养老人的压力增大[1]。养老服务智能车是应对人口老龄化趋势和护理人员不足而出现的新兴产业。“十三五”期间，我国智能化产业规模快速增长，年均复合增长率约15%，我国进入全球人工智能排名前10的国家行列。这为养老机器人、智能车等产品的发展提供了良好的技术支撑[2]。

袁媛、杜佳[3]等人对家用扫地机器人购买意愿进行了研究，可以从中分析出影响市场购买意愿的主要因素。刘伟杰[4]等人从消费者的角度，以消费者人机互动的交互程度高低出发，研究了自主型人工智能对消费者购买意愿的影响，推动了人工智能营销领域的发展。其研究结果表明：人工智能正向影响消费者的购买意愿，其中控制感知起到部分的中介作用。张佳琪[5]等人对产品独特性对消费者人工智能推荐接受意愿的影响进行研究，为理解消费者接受人工智能推荐提供了新的思路，有助于营销人员认识到产品独特性的重要性。本文通过文献参考及实际调研的方式，采用事故树法对影响养老服务智能车购买意愿的因素进行定性分析，采用层次分析法定量分析确定影响养老服务智能车购买意愿的主要因素，并为后期制定销售策略提供帮助。

2事故树法及其应用

事故树分析被称为FTA，是对事故的最终事件进行分析，并按照发展的顺序逐层分析，直到最终不需要分解。结合有关文献及实际调查，对影响养老服务智能车购买意愿的因素进行分析，从4个主因素和20个子因素出发，绘制出事故树，如图1所示。

3层次分析法

3.1建立层次结构模型

层次分析法（AnalyticHierarchyProcess，AHP）是一种将问题分解成不同层次的准则、子准则和方案，这些层次通过使用配对比较矩阵来确定其相对重要性，计算出每个层次的权重，最终通过统计加权得分来评估每个方案，并作出最佳决策的决策方法。

本文根据事故树创建一个指标系统，以养老服务智能车购买意愿为目标层，以经济性、安全性、功能性、便捷性为准则层，将事故树底事件中关联度较大的因素进行整合得到指标层各个要素，见表2。

3.2养老服务智能车购买意愿层次单排序的计算

评价矩阵中每个元素的值反映了对同一级的两个元素和上层元素的相对重要性的理解。在具体的标度判断中，需要依赖专业知识，可由一定数量的专家或是通过向相关人群定向调查确定，判断一般采用1～9及倒数标度方式，1代表同等重要，3代表稍微重要，5代表明显重要，7代表强烈重要，9代表绝对重要。将中间层的4个因素两两对比，结合1-9及倒数标度，构造出中间层的判断矩阵。如表3中，CI是一致性指标，表示判断矩阵中各元素对应的特征值与平均特征值之差的总和除以特征向量的长度。当CI接近于0时，说明判断矩阵的一致性较好，反之则说明一致性较差。CR为随机一致性比率，用于将CI转化为可比较的概率值。当CR小于0.1时，可以认为判断矩阵通过了一致性检验，即具有较好的内在一致性。

通过分析表3数据可知，经济性因素是影响养老服务智能车购买意愿的主要因素，安全性因素次之，两者的权重值相加高达0.7573。由此也可以说明用户对产品的经济性能和安全性能最为看重，应当着重注意提升养老服务智能车的质量，同时考虑好恰当的价格、成本等，提高养老服务智能车的市场竞争力和购买意愿。

3.3养老服务智能车购买意愿层次总排序的计算

计算综合权重的方法可以分为两个步骤。第一步，通过Matlab计算从最底层（也称作子准则层）到中间层（也称作准则层）的单层权重，即确定每个层次的相对重要性。第二步，将中间层的单层权重与对顶层（也称作目标层）的权重相乘，得到所有方案的综合权重。最后所得值便是综合权重值，并且通过一致性检验。层次总排序的计算过程如表4所示。

通过分析以上各表数据可知，B11（价格）、B31（服务种类及质量）的综合权重超过了0.2，这是需要重点关注的因素。用户首要考虑的主要还是产品的服务、品质以及价格。养老服务智能车能实现什么功能，是否满足自己的需求，价格值不值得，这些都