An Analysis of the Influence Factors on Using Intention of Vehicle Idle Start-stop System with a Structural Equation Model
-
摘要: 车辆怠速起停系统的应用能有效降低油耗和尾气排放量。为探究驾驶人使用车辆怠速起停系统的行为意愿，调查受访者的社会经济属性及其对车辆怠速起停系统的主观态度特征，采用Likert量表设计行为意愿调查问卷，收集到520份有效样本。通过共同方法偏差检验、信度和效度检验，保证样本数据的稳定性和可靠性。在技术接受模型和计划行为理论的框架下，新增潜变量-驾驶人对怠速起停系统的信任，以优化适配指标来调整模型路径关系，建立该系统使用意愿的结构方程模型。通过路径假设检验和中介效应检验结果来梳理主观因素之间的作用关系，并依据社会经济特征划分群组，建立多群组模型分析个体差异对系统使用意愿的具体影响。结果表明：影响车辆怠速起停系统使用意愿的主观因素中，行为态度的影响作用最显著，信任和知觉行为控制的影响作用较显著，而感知有用性不是显著影响因素；感知易用性和主观规范对信任皆有显著正向作用，并通过信任影响使用意愿；高学历群组受感知易用性和信任的影响较大，年长组和小型车组受主观规范影响较大，而大型车组受知觉行为控制影响较大。Abstract: The vehicle idle start-stop system can significantly reduce fuel consumption and exhaust emissions. This study examines drivers' socio-economic attributes and subjective attitudes towards vehicle idle start-stop system to investigate their usage intention. A questionnaire of behavioral intention is designed with the Likert scale, and 520 valid observations are collected. The stability and reliability of the sample data are examined using common method bias test, reliability, and validity test. Under the framework of the technology acceptance model and the theory of planned behavior, a new latent variable, i.e., driver's trust in the idle start-stop system is added. The final structural equation model about usage intention of the system is established by optimizing the fitness value. From the tests of the model path hypotheses and mediation effect, the influence of each subjective factor is sorted out. Groups are divided according to socio-economic characteristics, and multiple-group models are established to analyze the specific influence of individual differences on the intention to use the system. The results found that: ① the most significant factor affecting the intention of drivers to use the vehicle idle start-stop system is their behavioral attitude; ② trust and perceived behavioral control also have a significant effect, while perceived usefulness is not a significant factor; ③ subjective norm and perceived ease of use have a significant positive effect on trust, which in turn affects the usage intention; 4) the higher-educated group is more likely to be influenced by perceived ease of use and trust, and the older and miniature-vehicle groups are more influenced by subjective norms while the oversized-vehicle group is more influenced by perceived behavioral control.
-
图 2 模型结构及标准化路径系数
注：“***”-显著性P≤0.001，“**”-显著性P≤0.01，“*”-显著性P≤0.05。
Figure 2. Model structure and standardized path coefficient
表 1 潜变量界定
Table 1. Definition of latent variables
潜变量 含义 感知有用性 驾驶人认为使用车辆怠速起停系统能够对环境和车辆带来正向作用的大小。 感知易用性 驾驶人认为怠速起停系统的开启是否简便，结合车辆行驶工况与驾驶技能，使用该系统实现安全行车的难易程度。 行为态度 驾驶人认为车辆怠速起停系统能否令汽车性能更加完善与智能，是否应该广泛应用的主观评价高低。 主观规范 驾驶人受到已经使用过怠速起停系统人群的影响程度。 知觉行为控制 当预期的阻碍被消除，已经具备怠速起停系统的使用条件时，驾驶人使用该系统的意愿强弱。 信任 驾驶人认为车辆怠速起停系统的技术成熟和应用广泛的程度以及其质量水平的高低。 行为意愿 驾驶人支持和使用怠速起停系统以及建议周围人使用该系统的意愿强弱程度。 
下载: 导出CSV
表 2 潜变量的测量问题项
Table 2. Measurement problem item of latent variable
潜变量 测量问题项（观察变量） 题项编号 感知有用性 认为车辆怠速起停系统能节约能源 PU1 认为车辆怠速起停系统能减少尾气排放 PU2 认为车辆怠速起停系统能延长发动机寿命 PU3 认为车辆怠速起停系统能增加汽车时尚度 PU4 认为车辆怠速起停系统能有效控制车辆怠速 PU5 感知易用性 认为车辆怠速起停系统的开启、关闭便于操作 PEOU1 认为车辆怠速起停系统便于识别车辆行驶情况 PEOU2 认为车辆怠速起停系统便于结合驾驶技能安全行车 PEOU3 行为态度 认为应该注重汽车功能的完善性 BA1 认为车辆怠速起停系统是汽车行业进一步实现智能化的体现 BA2 认为车辆怠速起停系统的应用将成为社会主流 BA3 主观规范 周围亲人朋友认为车辆怠速起停系统不错 SN1 周围亲人朋友有很多在使用车辆怠速起停系统 SN2 周围亲人朋友向我推荐车辆怠速起停系统 SN3 知觉行为控制 在怠速时间较长时，希望使用车辆怠速起系统 PBC1 在外界气温舒适车内不需要开启空调时，考虑使用怠速起停系统 PBC2 行车有较长的排队时，希望使用车辆怠速起停系统 PBC3 车辆怠速起停系统配置费用适中时，希望使用车辆怠速起停系统 PBC4 行为意愿 支持汽车装载怠速起停系统 BI1 愿意使用车辆怠速起停系统控制车辆怠速 BI2 会建议身边的人使用车辆怠速起停系统 BI3 信任 认为车辆怠速起停系统已经得到广泛应用 T1 认为车辆怠速起停系统的功能研发已经成熟 T2 认为车辆怠速起停系统具有较高质量水平，值得信赖 T3
下载: 导出CSV
表 3 样本描述性统计
Table 3. Sample descriptive statistics
变量 属性分类 样本量 频率/% 性别 男 316 60.77 女 204 39.23 年龄/岁 ≥18~30 239 45.96 >30~40 111 21.35 >40~50 104 20.00 >50 66 12.69 工作 专业人士 56 10.77 服务业人员 52 10.00 自由职业者 54 10.38 工人 86 16.54 公司职员 68 13.08 事业单位 68 13.08 学生 78 15.00 家庭主妇 32 6.15 其他 26 5.00 学历 高中及以下 139 26.73 专科 111 21.35 本科 131 25.19 硕士 73 14.04 博士及以上 66 12.69 年均收入水平/万元 >0~3 59 11.35 >3~8 211 40.58 >8~15 163 31.35 >15~30 55 10.58 >30 32 6.15 驾驶车型 轿车（9座及以下） 326 62.70 客车（9座以上） 16 3.08 货车和牵引汽车 168 32.31 工程作业车（拖车等） 8 1.54 特种汽车（危险品运输车等） 2 0.38 周用车频数/次 >0~2 77 14.81 >2~5 207 39.81 >5~8 181 34.81 >8 55 10.58
下载: 导出CSV
表 4 信度和聚合效度检验
Table 4. Reliability and convergent validity test
潜变量 观察变量 因子标准负荷 Cronbach'sα CR AVE 感知有用性 PU1 0.905 PU2 0.899 PU3 0.886 0.940 0.951 0.795 PU4 0.878 PU5 0.891 感知易用性 PEOU1 0.937 PEOU2 0.920 0.900 0.934 0.825 PEOU3 0.866 行为态度 BA1 0.906 BA2 0.886 0.914 0.923 0.799 BA3 0.889 主观规范 SN1 0.861 SN2 0.892 0.862 0.897 0.744 SN3 0.834 知觉行为控制 PBC1 0.914 0.953 0.942 0.803 PBC2 0.922 PBC3 0.926 PBC4 0.922 行为意愿 BI1 0.896 BI2 0.855 0.929 0.906 0.763 BI3 0.869 信任 T1 0.901 T2 0.865 0.907 0.921 0.796 T3 0.910
下载: 导出CSV
表 5 潜变量相关系数
Table 5. Correlation coefficient of latent variables
相关系数 感知有用性 感知易用性 行为态度 主观规范 知觉行为控制 行为意愿 信任 感知有用性 0.892 感知易用性 0.142* 0.908 行为态度 0.164* 0.365*** 0.894 主观规范 －0.010 －0.013 0.115 0.863 知觉行为控制 －0.048 0.006 0.013 0.068 0.896 行为意愿 0.136* 0.255** 0.494*** 0.330** 0.369*** 0.873 信任 －0.038 0.358*** 0.033 0.392** 0.021 0.386*** 0.892 注：“***”-参数在0. 001水平上显著；“**”-参数在0. 01水平上显著；“*”-参数在0. 05水平上显著。
下载: 导出CSV
表 6 模型拟合指数
Table 6. Model fitting index
适配指标 推荐值 拟合值 是否符合要求 调整卡方 χ2/df ＜3.0 2.928 是 拟合优度指数 GFI >0.9 0.903 是 调整拟合优度指数 AGFI >0.8 0.814 是 近似误差均方根 RMSEA ＜0.08 0.075 是 非标准化拟合值数 TLI >0.9 0.902 是 增值拟合值数 IFI >0.9 0.934 是 比较拟合值数 CFI >0.9 0.933 是
下载: 导出CSV
表 7 模型假设检验结果
Table 7. Model hypothesis test results
假设 结构关系 标准化路径系数β 显著性P 结论 H1 感知易用性→感知有用性 0.127 0.147 未通过 H2 感知有用性→行为态度 0.170 0.084 未通过 H3 感知易用性→行为态度 0.262 ＜0.05 通过 H4 行为态度→行为意愿 0.686 *** 通过 H5 感知易用性→行为意愿 0.325 ＜0.01 通过 H6 感知有用性→行为意愿 0.116 0.156 未通过 H7 主观规范→行为意愿 0.337 ＜0.01 通过 H8 知觉行为控制→行为意愿 0.420 *** 通过 H9 信任→行为意愿 0.464 *** 通过 H10 感知易用性→信任 0.338 ＜0.01 通过 H11 主观规范→信任 0.436 *** 通过
下载: 导出CSV
表 8 中介效应检验
Table 8. mediating effect test
结构 效应系数 Z bootstrapping 显著性 bias-corrected percentile 路径 lower upper lower upper 直接效应 感知易用性→行为意愿 0.325 4.019 0.160 0.314 0.161 0.318 显著 主观规范→行为意愿 0.337 4.258 0.246 0.843 0.256 0.879 显著 间接效应 感知易用性→行为态度→行为意愿 0.204 2.117 0.024 0.092 0.022 0.087 显著 感知易用性→信任→行为意愿 0.124 2.054 0.032 0.132 0.028 0.126 显著 主观规范→信任→行为意愿 0.288 2.124 0.027 0.191 0.021 0.182 显著 整体效应 感知易用性→行为意愿 0.653 14.864 0.212 0.371 0.211 0.368 显著 主观规范→行为意愿 0.625 12.163 0.357 0.972 0.354 0.970 显著
下载: 导出CSV
表 9 群组划分表
Table 9. Group division table
变量 变量定义 占比/% 性别 男 60.77 女 39.23 年龄/岁 年轻组（≥18~40） 67.31 年长组（>40~70） 32.69 工作 稳定薪资（专业人士、服务业人员、公司职员、事业单位） 46.93 不稳定薪资（学生、家庭主妇、工人、自由职业者等） 53.07 学历 低学历组（本科以下） 48.08 高学历组（本科及以上） 51.92 年均收入水平/万元 低收入组（≤8） 51.92 高收入组（>8） 48.08 驾驶车型 小型车组（轿车） 62.69 大型车组（客车、货车和牵引汽车等） 37.31 周用车频数/次 低频用车组（≤5） 54.62 高频用车组（>5） 45.38
下载: 导出CSV
表 10 模型跨群组检验的适配度
Table 10. The fitness of the cross-group test of the model
模型 P CFI TLI RMSEA 稳定性 性别群组 >0.05 0.913 0.945 0.045 稳定 年龄群组 ＜0.01 0.930 0.936 0.041 不稳定 工作群组 >0.05 0.933 0.947 0.043 稳定 学历群组 ＜0.01 0.924 0.935 0.045 不稳定 年均收入水平群组 >0.05 0.915 0.943 0.046 稳定 驾驶车型群组 ＜0.01 0.929 0.923 0.037 不稳定 周用车频数群组 >0.05 0.941 0.942 0.039 稳定
下载: 导出CSV
表 11 多群组分析估计结果
Table 11. Estimation results of multi-group analysis
路径 年龄 学历 驾驶车型 年轻 年长 低学历 高学历 小型车 大型车 感知易用性→行为态度 0.375** 0.143 0.167 0.377** 0.284* 0.214* 行为态度→行为意愿 0.690*** 0.667*** 0.756*** 0.512*** 0.611*** 0.623*** 感知易用性→行为意愿 0.442*** 0.305** 0.151 0.464** 0.356*** 0.308** 主观规范→行为意愿 0.221** 0.417*** 0.324*** 0.362*** 0.550*** 0.212** 知觉行为控制→行为意愿 0.527*** 0.438*** 0.454*** 0.452*** 0.168* 0.554*** 信任→行为意愿 0.521*** 0.554*** 0.236*** 0.531*** 0.556** 0.527*** 感知易用性→信任 0.504*** 0.214** 0.108 0.515*** 0.411*** 0.451*** 主观规范→信任 0.272** 0.497*** 0.304** 0.363** 0.475*** 0.292**
下载: 导出CSV
-
[1] 杨帆. 装备起停系统的车辆燃油经济性和排放研究[D]. 天津: 河北工业大学, 2018.YANG F. Study on fuel economy and emissions of vehicles with start/stop system[D]. Tianjin: Hebei University of Technology, 2018. (in Chinese) [2] 郇宁, 姚恩建. 城际组合出行行为建模及应用研究进展[J]. 清华大学学报(自然科学版), 2022, 62(7): 1112-1120. https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB202207002.htmHUAN N, YAO E J. Advances in intermodal travel behaviour modelling[J]. Journal of Tsinghua University (Science and Technology), 2022, 62(7): 1112-1120. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB202207002.htm [3] 芮海田, 吴群琪. 高铁运输与民航运输选择下的中长距离出行决策行为[J]. 中国公路学报, 2016, 29(3): 134-141. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201603020.htmRUI H T, WU Q Q. Medium-and-long distance travel mode decision between high-speed rail and civil[J]. China Journal of Highway and Transport, 2016, 29(3): 134-141. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201603020.htm [4] ZHAO X, YAN X, YU A, et al. Prediction and behavioral analysis of travel mode choice: a comparison of machine learning and Logit models[J]. Travel Behaviour and Society, 2020, 20: 22-35. doi: 10.1016/j.tbs.2020.02.003 [5] 韩宝明, 陈佳豪, 周玮腾, 等. 城市轨道交通运营中断条件下乘客路径选择模型[J]. 同济大学学报(自然科学版), 2023, 51(2): 238-246. https://www.cnki.com.cn/Article/CJFDTOTAL-TJDZ202302011.htmHAN B M, CHEN J H, ZHOU W T, et al. Passenger route choice model under the condition of urban rail transit operation disruption[J]. Journal of Tongji University(Natural Science), 2023, 51(2): 238-246. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TJDZ202302011.htm [6] LU R, GUO X, LI J, et al. Travel behavior of rural tourists considering bus route preference[J]. Journal of Southeast University, 2023, 39(1): 49-61. [7] 魏丽英, 刘鲁建. 新冠肺炎疫情下居民出行方式选择行为分析[J]. 北京交通大学学报, 2022, 46(6): 52-61, 92. https://www.cnki.com.cn/Article/CJFDTOTAL-BFJT202206007.htmWEI L Y, LIU L J. Analysis of residents' travel mode choice during COVID-19 pandemic[J]. Journal of Beijing Jiaotong University, 2022, 46(6): 52-61, 92. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BFJT202206007.htm [8] ZHOU H, RICHARD N, XIA J, et al. Analyzing travel mode and airline choice using latent class modelling: a case study in Western Australia[J]. Transportation Research Part A: Policy and Practice, 2020, 137: 187-205. doi: 10.1016/j.tra.2020.04.020 [9] 张昕明, 弓棣, 谢秉磊, 等. 计划行为理论视角下基于出行行为的公交防疫策略影响效果研究[J]. 交通信息与安全, 2021, 39(6): 117-125. doi: 10.3963/j.jssn.1674-4861.2021.06.014?viewType=HTMLZHANG X M, GONG D, XIE B L, et al. A Study of the effectiveness of epidemic prevention policies on public transit usage based on the theory of planned behaviors[J]. Journal of Transport Information and Safety, 2021, 39(6): 117-125. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2021.06.014?viewType=HTML [10] 刘志伟, 宋正沄, 邓卫, 等. 无人驾驶汽车对中短距离市际出行方式选择行为的影响[J]. 交通信息与安全, 2022, 40 (2): 91-97. doi: 10.3963/j.jssn.1674-4861.2022.02.011?viewType=HTMLLIU Z W, SONG Z Y, DENG W, et al. Impacts of autonomous vehicles on mode choice behavior in the context of short-and medium-distance intercity travel[J]. Journal of Transport Information and Safety, 2022, 40(2): 91-97. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2022.02.011?viewType=HTML [11] 姚荣涵, 龙梦, 张文松, 等. 基于潜在类别-Logit模型的共享自动驾驶汽车使用意向[J]. 交通信息与安全, 2022, 40 (2): 135-144. doi: 10.3963/j.jssn.1674-4861.2022.02.016?viewType=HTMLYAO R H, LONG M, ZHANG W S, et al. User preferences for shared autonomous vehicles based on latent-class Logit models[J]. Journal of Transport Information and Safety, 2022, 40(2): 135-144. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2022.02.016?viewType=HTML [12] 连齐才, 李涵, 石小林, 等. 基于面板数据Mixed Logit模型的自动驾驶选择行为分析[J]. 重庆交通大学学报(自然科学版), 2021, 40(7): 46-52. doi: 10.3969/j.issn.1674-0696.2021.07.07LIAN Q C, LI H, SHI X L, et al. Autonomous driving choice behavior based on panel data mixed Logit model[J]. Journal of Chongqing Jiaotong University (Natural Science), 2021, 40(7): 46-52. (in Chinese) doi: 10.3969/j.issn.1674-0696.2021.07.07 [13] 周继彪, 郭延永, 吴瑶, 等. 电动自行车事故和车牌使用影响因素分析[J]. 交通运输系统工程与信息, 2017, 17(3): 229-234. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201703034.htmZHOU J B, GUO Y Y, WU Y, et al. Assessing factors related to e-bike crash and e-bike license plate use[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 229-234. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201703034.htm [14] 刘宝双, 高波. 机动车驾驶人红灯怠速熄火的意愿研究[J]. 公路交通科技(应用技术版), 2017, 13(11): 269-272.LIU B S, GAO B. Research on the willingness of motor vehicle drivers to stop at red light idle[J]. Journal of Highway and Transportation Research and Development (Applied Technology), 2017, 13(11): 269-272. (in Chinese) [15] PAI C, JOU R, KUO M. An investigation of factors that determine motorcyclists' adoption of an idle-stop system in Taiwan[J]. International Journal of Sustainable Transportation, 2016, 10(3): 216-224. doi: 10.1080/15568318.2014.887163 [16] WU J, LIAO H, WANG J, et al. The role of environmental concern in the public acceptance of autonomous electric vehicles: a survey from China[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2019, 60: 37-46. doi: 10.1016/j.trf.2018.09.029 [17] XU Z, ZGANG K, MIN H, et al. What drives people to accept automated vehicles? Findings from a field experiment[J]. Transportation Research Part C: Emerging Technologies, 2018, 95: 320-334. doi: 10.1016/j.trc.2018.07.024 [18] 王月辉, 王青. 北京居民新能源汽车购买意向影响因素: 基于TAM和TPB整合模型的研究[J]. 中国管理科学, 2013, 21(增刊2): 691-698. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK2013S2044.htmWANG Y H, WANG Q. Factors affecting beijing residents' buying behavior of new energy vehicle: an integration of technology acceptance model and theory of planned behavior[J]. Chinese Journal of Management Science, 2013, 21 (S2): 691-698. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK2013S2044.htm [19] 李华强, 武晨, 范春梅. 智能交通技术下居民绿色出行影响因素研究: 基于TPB和TAM整合模型的扎根分析[J]. 现代城市研究, 2018(12): 2-8. https://www.cnki.com.cn/Article/CJFDTOTAL-XDCS201812002.htmLI H Q, WU C, FAN C M. Factors affecting residents' green travel under intelligent transportation technology: grounded theory analysis based on an integration model of TPB and TAM[J]. Modern Urban Research, 2018(12): 2-8. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XDCS201812002.htm [20] 陈月霞, 查奇芬, 景鹏, 等. 考虑年龄异质性的自动驾驶接受度建模与分析[J]. 江苏大学学报(自然科学版), 2021, 42(2): 131-138. https://www.cnki.com.cn/Article/CJFDTOTAL-JSLG202102002.htmCHEN Y X, ZHA Q F, JING P, et al. Modeling and analysis of autonomous technology acceptance considering age heterogeneity[J]. Journal of Jiangsu University(Natural Science Edition), 2021, 42(2): 131-138. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JSLG202102002.htm [21] 鞠鹏, 周晶, 陈星光, 等. 基于TAM和TPB整合模型的汽车共享使用意向研究[J]. 管理现代化, 2016, 36(4): 82-85. https://www.cnki.com.cn/Article/CJFDTOTAL-GLXX201604022.htmJU P, ZHOU J, CHEN X G, et al. Research on car sharing intention based on TAM and TPB integrated model[J]. Modernization of Management, 2016, 36(4): 82-85. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GLXX201604022.htm [22] CHEN C, FAN Y, FARN C. Predicting electronic toll collection service adoption: an integration of the technology acceptance model and the theory of planned behavior[J]. Transportation Research Part C: Emerging Technologies, 2007, 15(5): 300-311. doi: 10.1016/j.trc.2007.04.004 [23] 李振龙, 邢冠仰, 李佳, 等. 基于扩展TAM的车路协同系统驾驶人接受度研究[J]. 中国公路学报, 2021, 34(7): 188-200. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202107016.htmLI Z L, XING G Y, LI J, et al. Driver's acceptance of cooperative vehicle infrastructure system based on extended TAM[J]. China Journal of Highway and Transport, 2021, 34(7): 188-200. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202107016.htm [24] 芈凌云, 俞学燕, 杨洁. 知识型消费者新能源汽车购买行为影响因素研究——基于扎根理论的探索[J]. 企业经济, 2018(4): 19-26. https://www.cnki.com.cn/Article/CJFDTOTAL-QUIT201804005.htmMI L Y, YU X Y, YANG J. Research on the influencing factors of new energy vehicle purchase behavior of knowledge consumers: exploration based on grounded theory[J]. Enterprise Economy, 2018(4): 19-26. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QUIT201804005.htm [25] 薛云建, 董雨, 浦徐进. 知识付费App用户持续使用意愿的模型构建及实证研究[J]. 经济与管理, 2021, 35(4): 17-23. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGL202104003.htmXUN Y J, DONG Y, PU X J. Model construction and empirical research on users'intention to continue using knowledge payment App[J]. Economy and Management, 2021, 35 (4): 17-23. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JJGL202104003.htm -
点击查看大图
图(3) / 表(11)
计量
- 文章访问数: 213
- HTML全文浏览量: 115
- PDF下载量: 7
- 被引次数: 0