出行即服务（Mobility as a Service,Maa S）作为一种新型出行服务模式,用户的认知、接受和使用是Maa S生存和发展的前提。探讨Maa S环境下的用户接受度及其影响因素,确认潜在用户特征,为Maa S系统设计提供科学依据非常重要。本文旨在建立Maa S接受度模型,分析接受度影响因素,探讨用户特征,为Maa S在中国的后续发展提供建议。本研究以技术接受模型（Technology Acceptance Model,TAM）为理论框架,在基础变量（感知有用性、感知易用性、态度和行为意愿）的基础上,引入信任、感知隐私风险、个人创新性、社会影响和环保意识5个扩展变量,建立了Maa S接受度模型。通过网络问卷调查在全国范围内收集数据,得到1190份有效问卷。并对不同类别人群的行为意愿进行方差分析;使用AMOS软件进行结构方程模型分析,探究Maa S接受度及各变量间的作用;采用Mplus软件进行潜在剖面分析（Latent Profile Analysis,LPA）及多项logistic回归分析,获取用户特征及个人属性对潜在类别的影响。研究结果显示,积极的态度是影响Maa S行为意愿的最重要因素;相比于易用性,用户更关注Maa S的有用性;用户对Maa S的信任程度可通过态度影响行为意愿;个人创新性越强、受社会影响越大的人群,对Maa S的行为意愿越高。通过潜在剖面分析,Maa S用户可分为四个类别:CL1（10%）对Maa S不感兴趣;CL2（11%）行为意愿低,十分关注Maa S的隐私风险并对Maa S缺乏信任,有较鲜明的功能期望偏好,感知有用性与感知易用性得分比CL1高;CL3（40%）整体持中立态度,有较高的行为意愿和感知隐私风险;CL4（39%）行为意愿最高,且不介意隐私风险问题。通过多项logistic回归分析发现,年龄、收入、相关服务使用频率、驾龄、出行频率、出行目的、出行方式、出行时间、出行费用和公共交通付费方式会对潜在分类产生影响。