譚德榮，商 強，高 松，王曉原

(山東理工大學(xué) 交通與車輛工程學(xué)院，山東 淄博 255049)

?

基于主因子分析的駕駛傾向綜合評價

譚德榮，商 強，高 松，王曉原

(山東理工大學(xué) 交通與車輛工程學(xué)院，山東 淄博 255049)

為正確判斷駕駛員的駕駛安全傾向，設(shè)計了具有較高信度和效度的駕駛行為問卷，選擇非職業(yè)駕駛員進行問卷調(diào)查。對調(diào)查數(shù)據(jù)進行因子分析，提取了駕駛風(fēng)格、駕駛技能和判斷反應(yīng)等3個主因子作為評價指標，運用多層次模糊綜合評判的方法實現(xiàn)了駕駛安全傾向的判定。

交通安全；駕駛特征；因子分析；綜合評判

交通事故不僅導(dǎo)致人員傷亡和財產(chǎn)損失，而且給人們帶來嚴重的精神傷害。如何減少交通事故是世界性的難題。據(jù)統(tǒng)計，駕駛員自身因素造成的交通事故數(shù)已占到總數(shù)的90%以上[1]。正確分析駕駛員的駕駛安全傾向，對具有高事故風(fēng)險的駕駛員采取相應(yīng)措施，是減少交通事故的有效方法。

駕駛行為問卷(Driver Behavior Questionnaire，DBQ)作為駕駛特性提取的常用方法已經(jīng)被各國廣泛應(yīng)用。目前，國內(nèi)外研究主要集中在攻擊性駕駛行為、違規(guī)駕駛和操作錯誤以及這些駕駛行為與性格、年齡、性別及文化相關(guān)聯(lián)系[2-6]。雖然國內(nèi)外基于BDQ的研究側(cè)重點各不相同，但不安全駕駛行為是交通事故直接誘因卻是公認的。筆者根據(jù)常見的不安全駕駛行為，設(shè)計問卷并調(diào)查；運用主因子分析法對調(diào)查數(shù)據(jù)進行處理，提取了決定駕駛員駕駛傾向的駕駛風(fēng)格、駕駛技能和反應(yīng)判斷等3個指標；在此基礎(chǔ)上，使用多層次模糊綜合評判方法，構(gòu)建了駕駛傾向評價模型，并驗證了模型的效果。

1 問卷調(diào)查及數(shù)據(jù)分析

1.1 問卷調(diào)查

筆者以J．Reason，等[7]構(gòu)建的駕駛員行為問卷為基礎(chǔ)，結(jié)合中國交通狀況特點，設(shè)計了駕駛行為問卷，如表1。

表1 問卷統(tǒng)計結(jié)果

(續(xù)表1)

問題均值方差相關(guān)系數(shù) 問題7.在道路上與其他車輛斗氣競速1.530.7420.715** 問題8.在濕滑的路面上緊急剎車,或在車輛打滑時打錯方向1.570.7280.503** 問題9.在接近路口或環(huán)島時進錯車道1.450.7400.584** 問題10.在超車時低估了前面車輛的速度1.920.6350.646** 問題11.按喇叭發(fā)泄對其他車輛或行人的不滿1.660.6900.678** 問題12.匆忙進行駕駛操作1.580.7280.505** 問題13.急剎車或重踩油門1.610.7450.523** 問題14.遇到緊急情況不能迅速反應(yīng)1.950.6310.668** 問題15.在行駛中偏離車道1.460.7200.479*

注：**在 0.01 水平(雙側(cè))上顯著相關(guān)；* 在 0.05 水平(雙側(cè))上顯著相關(guān)。

每個問題有三個選項，用1表示“沒有”，2表示“有時”，3表示“經(jīng)?！?。這些不安全駕駛行為出現(xiàn)的頻率越高，則說明駕駛員的駕駛傾向越趨于危險。問卷測試前，記錄每一位被測駕駛員的性別、年齡、駕齡、常用車型情況和事故歷史詳情。

1.2 問卷結(jié)果分析

應(yīng)用SPSS 11.0軟件[8]對問卷結(jié)果進行分析，得到本問卷Cronbach’s Alpha系數(shù)為0.881，說明有很好的可靠性。進一步統(tǒng)計每個問題和總分的Pearson相關(guān)系數(shù)，如表1。所有問題與總分數(shù)的相關(guān)系數(shù)都為正值，且除問題15之外的所有題目和總分數(shù)都具有在0.05顯著性水平上的相關(guān)關(guān)系。故問卷符合高效度量表的標準，即有良好效度。

2 基于駕駛問卷的駕駛特征提取

2.1 因子分析

因子分析是利用較少的相互獨立的主因子變量來代替原變量的大部分信息的一種統(tǒng)計學(xué)方法。該方法的優(yōu)點：減少計算工作量，保證大部分信息不丟失，因子變量相互獨立，綜合反映原始變量信息。因子分析數(shù)學(xué)模型表示為：

(1)

式中：x1，x2，…，xp為p個原有變量，是均值為0且標準差為1的標準化變量；F1，F(xiàn)2，…，F(xiàn)m為m個因子變量(m

式(1)表示為矩陣形式為：

X=AF+ε

式中：F為因子變量或公因子；A為因子載荷矩陣。

因子分析法按以下4個基本步驟進行：①確定待分析變量是否適合因子分析；②構(gòu)造因子變量；③利用旋轉(zhuǎn)使因子變量更具有可解釋性；④計算因子變量得分。

2.2 問卷的因子分析

通過對問卷的進行因子分析，提取這些問題間相關(guān)關(guān)系和分類解釋，便于對駕駛安全傾向進行分析。首先要確定問卷是否適合因子分析。使用最常用的Kaiser-Meyer-Olkin和Bartlett的檢驗。Kaiser給出了一個KMO的標準：KMO<0.5不易做因子分析，KMO>0.7可接受，KMO>0.9最佳。如表2，本問卷的KMO>0.7，說明本問卷適合做因子分析。Bartlett的球形度檢驗的相伴概率Sig.<0.05，說明各問題間有存在公因子的可能，適合做因子分析。

表2 Kaiser和Bartlett的檢驗

選用因子分析中最常用的主成分分析法，抽取特征值>1的因子，采用方差最大旋轉(zhuǎn)的方法，完成因子分析。提取了問卷的3個主因子，能夠解釋的總方差達到87.45%，即該問卷中的87.45%信息可以由這3個主因子來解釋。圖1為公因子碎石圖，可見，從第3個因子后曲線明顯平緩，表明抽取3個因子是合理的。

圖1 公因子碎石Fig.1 Common factor gravel

2.2 駕駛特征提取

表3為旋轉(zhuǎn)后的因子載荷情況。

表3 旋轉(zhuǎn)后的因子載荷(不足0.5的隱藏)

(續(xù)表3)

問題編號因子123問題110.934問題30.927問題10.866問題70.838問題120.960問題80.957問題130.953問題90.865問題150.811問題140.953問題50.945問題100.916問題40.834

由表3可見，每個問題的載荷都在0.8以上，并且每個問題與最大載荷所在因素具有內(nèi)容上的相似性，易與另外兩個因子區(qū)分并解釋。因子1包含的問題有超速行駛、緊跟前車、小間隙插車、急迫行車、攻擊性駕駛和急躁駕駛情緒，體現(xiàn)了駕駛員駕駛風(fēng)格。因子2包含的問題是走錯車道、偏離車道、操作過急等，體現(xiàn)了駕駛員駕駛操作能力。因子3包含的問題有錯誤估計速度、反應(yīng)不及時和預(yù)判能力差等問題，體現(xiàn)的了駕駛員反應(yīng)判斷能力。這3個因子說明了駕駛員駕駛傾向由駕駛風(fēng)格、駕駛操作能力和反應(yīng)判斷能力綜合影響決定的。若駕駛員的駕駛風(fēng)格激進，駕駛操作能力差，反應(yīng)判斷能力低，則這名駕駛員的駕駛傾向趨于危險。

3 駕駛傾向的多層次綜合評判

3.1 模型構(gòu)建

3.1.1 確定各層次因素集

將提取的3個主因子作為第一層次因素集，綜合的反映出駕駛員的駕駛傾向。第一層次因素集：U={駕駛風(fēng)格，駕駛操作能力，反應(yīng)判斷能力}。

第一層次因素集由第二層次的若干因素決定的，將問卷中的問題更加詳細的體現(xiàn)出來。第二層次因素集：

u1={超速，急迫行車，危險駕駛，急躁情緒}

u2={操作過急，駕駛失誤}

u3={速度估計錯誤，反應(yīng)過慢}

3.1.2 確定各層次權(quán)重集

權(quán)重集的建立用專家評判法，根據(jù)各因素在該因素集的重要性程度來打分，并按照歸一化要求對各因素賦予相應(yīng)的權(quán)重。第一層因素的權(quán)重集：A= (0.3, 0.4, 0.3)。第二層因素權(quán)重集A1= (0.25, 0.25，0.4，0.1)，A2= (0.4,0.6)，A3= (0.5, 0.5)。

3.1.3 建立評價集

根據(jù)評價需要，將評價等級劃分為“安全”“較安全”“較危險”“危險”這4個等級。評價集V={v1，v2，v3，v4}={安全，較安全，較危險，危險}。

綜合評判體系如圖2。

圖2 駕駛傾向綜合評價體系Fig.2 Comprehensive evaluation system of driving tendency

3.2 應(yīng)用實例

對一駕駛員問卷測試，15個問題的選項分別為：2、1、3、2、2、2、1、1、2、2、2、1、1、3、2，其中問題1和問題2表現(xiàn)的是“超速”出現(xiàn)的頻率，該駕駛員選擇分別為2和1。根據(jù)問卷測試結(jié)果，由10名專家對被測駕駛員超速特征進行評價，有7人評價結(jié)果為較安全，3人評價為較危險，剩余單項評判結(jié)果類似。駕駛傾向評估結(jié)果見表4。

表4 駕駛傾向評估

由表4數(shù)據(jù)得單因素判斷矩陣：

帶入Bi=Ai·Ri得：

一級模糊綜合評判矩陣：

二級綜合評判：

根據(jù)最大隸屬原則，該駕駛員的駕駛傾向趨于“較安全”。

4 模型驗證

4.1 權(quán)重系數(shù)選擇分析

筆者所構(gòu)建的層次模型共分為兩層，每一層的各因素的權(quán)重由專家打分的方式給出。因此，所得的權(quán)重具有較強的主觀色彩。下面將對權(quán)重的合理性進行分析和驗證。

每個層次的權(quán)重代表了該層次各因素對評價集的貢獻程度，權(quán)重越大的因素對應(yīng)的更高的事故風(fēng)險。第一層次因素為U={駕駛風(fēng)格，駕駛操作能力，反應(yīng)判斷能力}，權(quán)重A= (0.3, 0.4, 0.3)。說明了駕駛操作能力差，比駕駛風(fēng)格激進和反應(yīng)判斷能力差的事故風(fēng)險率高。僅僅根據(jù)第一層次因素對被測駕駛員進行分類，風(fēng)格激進的駕駛員數(shù)目為42人，其中有事故經(jīng)歷的駕駛員為29人，占69.0%；駕駛操作能力差的駕駛員人數(shù)26人，其中有事故經(jīng)歷的駕駛員為22人，占84.6%；反應(yīng)判斷能力差的駕駛員人數(shù)為21人，其中有事故經(jīng)歷的駕駛員為13人，占61.9%。統(tǒng)計數(shù)據(jù)顯示，駕駛操作技能差的駕駛員有事故經(jīng)歷的人數(shù)比例最高，即駕駛操作能力差，比駕駛風(fēng)格激進和反應(yīng)判斷慢更容易導(dǎo)致交通事故。這一結(jié)果與專家給出的權(quán)重相吻合，說明該層次的權(quán)重集較為合理。第二層次權(quán)重的驗證方法相同，在此不作詳細說明。

4.2 模型判定效果的驗證

根據(jù)問卷測試結(jié)果，運用文中所構(gòu)建的駕駛傾向評判模型，對所有被測駕駛員的駕駛傾向進行分析，得到他們的駕駛傾向，并與其事故記錄作對比分析。128名測試者中，傾向趨于安全的駕駛員人數(shù)為16人，其中有事故經(jīng)歷人數(shù)為4人；傾向趨于較安全人數(shù)為51人，其中有事故經(jīng)歷人數(shù)為17人；傾向趨于較危險人數(shù)為43人，其中有事故經(jīng)歷人數(shù)為24人；傾向趨于危險人數(shù)為18，其中有事故經(jīng)歷人數(shù)為15人。駕駛傾向趨于安全的駕駛員有事故經(jīng)歷的比率最低，僅為25%，而駕駛傾向趨于危險的駕駛員有事故經(jīng)歷的比率最高，高達83.3%。分析結(jié)果表明通過提取3個主因子進行駕駛傾向的評判滿足要求，模型中權(quán)重系數(shù)的選擇是合適的，模型對駕駛傾向分類效果較好。

5 結(jié) 語

以駕駛行為問卷的調(diào)查數(shù)據(jù)為基礎(chǔ)，提取了影響駕駛員駕駛安全的3個主要因子。通過多層次模糊綜合評判的方法，對這3個主因子做出了更詳盡的分析，構(gòu)造了駕駛傾向識別模型并驗證。通過模型辨識，對于駕駛傾向趨于危險的駕駛員可采取交通安全教育、駕駛技能培訓(xùn)和調(diào)節(jié)安全預(yù)警系統(tǒng)閥值的方法來將危險降到最小，而對于駕駛傾向趨于安全的駕駛員可適當(dāng)放寬安全預(yù)警系統(tǒng)的閥值，避免對其正常駕駛的干擾。

[1] 敖谷昌,楊利.機動車駕駛員人為因素與交通事故危害性關(guān)聯(lián)分析[J].重慶交通大學(xué)學(xué)報：自然科學(xué)版,2010,29(1):121-124. Ao Guchang,Yang Li.Correlation analysis on driver’s human factors and accident hazard in road traffic accidents[J].Journal of Chongqing Jiaotong University :Natural Science,2010,29(1):121-124.

[2] 莊明科,白海峰,謝曉非.駕駛?cè)藛T風(fēng)險駕駛行為分析及相關(guān)因素研究[J].北京大學(xué)學(xué)報：自然科學(xué)版,2008,44(3):475-482. Zhuang Mingke,Bai Haifeng,Xie Xiaofei.A study on risky driving behavior and related factors[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2008,44(3):475-482.

[3] Henriette W W,Turker O,Timo L,et al.Cross-cultural comparison of drivers’ tendency to commit different aberrant driving behaviours[J].Transportation Research:Part F,2011,14(5):390-399.

[4] Sharon N,Charlotte V S.Identifying an appropriate driving behavior scale for the occupational driving context:the DBQ vs.the ODBQ[J].Safety Science,2012,50(5):1268-1274.

[5] 白云,石京.北京市駕駛行為與影響因素分析[J].交通信息與安全,2010,28(2):114-119. Bai Yun,Shi Jing.Driving behavior of Beijing and its factors[J].Traffic Information and Safety,2010,28(2):114-119.

[6] Lajunen T,Parker D,Summala H.The manchester driver behaviour questionnaire:a cross-cultural study [J].Accident Analysis and Prevention,2004,36(2):231-238.

[7] Reason J,Manstead A,Stranling S,et al.Errors and violations on the roads:a real distinction?[J].Ergonomics,1990,33(10/11):1315-1332.

[8] 余建英,何旭宏.數(shù)據(jù)統(tǒng)計分析與SPSS應(yīng)用[M].北京:人民郵電出版社,2003:291-310. Yu Jianying,He Xuhong.Statistical Analysis and SPSS Application[M].Beijing:People’s Posts & Telecommunications Press,2003:291-310.

Comprehensive Evaluation of Driving Tendency Based on Principal Factor Analysis

Tan Derong, Shang Qiang, Gao Song, Wang Xiaoyuan

(School of Traffic & Vehicle Engineering, Shandong University of Technology, Zibo 255049, Shandong, China)

In order to judge the driving safety tendency of drivers correctly, a driving behavior questionnaire with high reliability and validity was designed, and non-professional drivers was selected to make a questionnaire survey. The survey data was analyzed by factor analysis to extract the driving style, driving skills and judgment reaction as the evaluation index, to realize judgment driving safety tendency by using multi-level fuzzy comprehensive evaluation method.

traffic safety; driving characters; factor analysis; comprehensive evaluation

10.3969/j.issn.1674-0696.2015.02.18

2013-12-29；

2014-02-27

國家自然科學(xué)基金項目(61074140)；山東省自然科學(xué)基金項目(ZR2011EEM034)

譚德榮(1963—)，男，山東淄博人，教授，博士，主要從事智能交通和載運工具方面的研究。E-mail: tdrong163@163.com。

U491

A

1674-0696(2015)02-085-04