賈　強(qiáng)，朱小光，范楊洲

（安徽工程大學(xué)管理工程學(xué)院，安徽，蕪湖　241000）

安全禁止標(biāo)志識(shí)別率與標(biāo)志特征關(guān)系研究

*賈強(qiáng)，朱小光，范楊洲

（安徽工程大學(xué)管理工程學(xué)院，安徽，蕪湖241000）

為提高安全標(biāo)志有效性，需要對(duì)安全標(biāo)志五維特征與標(biāo)志識(shí)別率關(guān)系進(jìn)行研究。選取50名安徽工程大學(xué)在校學(xué)生為試驗(yàn)對(duì)象，40個(gè)禁止安全標(biāo)志為試驗(yàn)材料，研究安全標(biāo)志的五維特征與標(biāo)志識(shí)別率的關(guān)系，建立安全標(biāo)志識(shí)別率與標(biāo)志五維特征的多元線性回歸方程模型。結(jié)果表明：標(biāo)志的熟悉性對(duì)標(biāo)志識(shí)別率影響最大，其后依次為簡(jiǎn)明性、具體性、語(yǔ)義相關(guān)性、明確性。此外，回歸模型中，常數(shù)項(xiàng)為正值，說(shuō)明仍有其他因素影響標(biāo)志識(shí)別率，有待進(jìn)一步研究發(fā)現(xiàn)。

安全標(biāo)志；識(shí)別率；標(biāo)志特征；多元線性回歸

0　引言

隨著經(jīng)濟(jì)的高速發(fā)展，人們的生活水平得到了進(jìn)一步的改善，并且對(duì)安全的關(guān)注與需求也越來(lái)越高。目前，安全生產(chǎn)形勢(shì)總體趨于好轉(zhuǎn)，但安全事故總量仍然很大，嚴(yán)重制約了我國(guó)的經(jīng)濟(jì)發(fā)展。據(jù)統(tǒng)計(jì)，我國(guó)僅2007年，由于安全事故造成的損失就達(dá)6200億元之多，這一數(shù)額大約是三峽工程靜態(tài)投資的7倍［1］。安全事故發(fā)生的原因是多方面的：有人們自身的原因（如安全意識(shí)不足），但公共場(chǎng)所和生產(chǎn)現(xiàn)場(chǎng)配備的安全標(biāo)志沒(méi)有發(fā)揮其應(yīng)有的作用也是造成事故發(fā)生的一個(gè)重要因素。安全標(biāo)志被稱(chēng)為是預(yù)防安全事故的最后一道防線，它的失效在一定程度上會(huì)直接導(dǎo)致安全事故的發(fā)生［2］，因此，提高安全標(biāo)志的有效性，變得尤為重要。

目前，一些學(xué)者已對(duì)安全標(biāo)志進(jìn)行了大量的研究。例如：從標(biāo)志信息量的角度出發(fā)，林雨［3］對(duì)指路標(biāo)志信息量與認(rèn)知性關(guān)系進(jìn)行了研究；黃凱、何勇［4］通過(guò)室內(nèi)仿真實(shí)驗(yàn)與真實(shí)環(huán)境下的實(shí)驗(yàn)相驗(yàn)證的辦法，對(duì)標(biāo)志信息量與駕駛員認(rèn)知時(shí)間的關(guān)系進(jìn)行了研究。從傳統(tǒng)的人機(jī)工程學(xué)角度出發(fā)，趙正宣［5］設(shè)計(jì)了中美兩國(guó)受試者對(duì)比實(shí)驗(yàn)，研究了文化因素對(duì)安全標(biāo)志的影響；袁京鵬［6］結(jié)合對(duì)13家企業(yè)的深度訪談和大規(guī)模問(wèn)卷調(diào)查，對(duì)安全標(biāo)志有效性影響因素進(jìn)行了多層面多變量同時(shí)作用的實(shí)證研究，探究除安全標(biāo)志本身特征以外，個(gè)體特征、情景因素、安全氛圍等4個(gè)層面18個(gè)影響因素之間交互作用對(duì)安全標(biāo)志有效性的影響；Alan H.S.Chan［7］通過(guò)傳統(tǒng)的問(wèn)卷方式來(lái)研究安全標(biāo)志可猜性與標(biāo)志五維特性以及潛在用戶個(gè)人因素之間的關(guān)系?；谏窠?jīng)工業(yè)工程的視角下，金晶［8］通過(guò)研究人對(duì)安全標(biāo)志信號(hào)詞風(fēng)險(xiǎn)信息的注意、感知，提出安全標(biāo)志信號(hào)詞認(rèn)知的兩階段模型，并且發(fā)現(xiàn)情緒對(duì)安全標(biāo)志的認(rèn)知活動(dòng)有重要影響；唐賢偉［9］從心理認(rèn)知的角度出發(fā)，確定安全標(biāo)志的效價(jià)和喚醒度，并建立起以時(shí)間先后進(jìn)程為主導(dǎo)的安全標(biāo)志認(rèn)知模型，提出了安全標(biāo)志認(rèn)知的雙偏向模型（Dual Bias Model ，DBM）。針對(duì)安全標(biāo)志的有效性評(píng)價(jià)，戴權(quán)［10］對(duì)導(dǎo)致交通標(biāo)志不能有效發(fā)揮作用的因素進(jìn)行分析提取，通過(guò)馬爾可夫過(guò)程模型，建立評(píng)價(jià)交通標(biāo)志有效性的人機(jī)效率指標(biāo)體系，運(yùn)用 ANP 超級(jí)決策SD軟件進(jìn)行決策，并針對(duì)具體路段交通標(biāo)志狀況進(jìn)行評(píng)價(jià)；胡祎程［2］通過(guò)劃分施工人員的認(rèn)知行為階段，構(gòu)建了安全標(biāo)志有效性評(píng)價(jià)指標(biāo)體系，確立指標(biāo)打分規(guī)則。綜上所述，雖然國(guó)內(nèi)學(xué)者從不同角度對(duì)安全標(biāo)志有效性影響因素進(jìn)行了研究，但是通過(guò)線性回歸分析模型研究安全標(biāo)志有效性與其影響因子相互關(guān)系的研究較少。

在安全標(biāo)志有效性評(píng)價(jià)中，識(shí)別率是其中一項(xiàng)重要的指標(biāo)。安全標(biāo)志識(shí)別率在一定程度上可以很好的反映安全標(biāo)志的有效性。研究表明，標(biāo)志五維特征熟悉性、具體性、簡(jiǎn)明性、明確性、語(yǔ)義接近性與識(shí)別率之間有很強(qiáng)的關(guān)聯(lián)性。本文通過(guò)安全標(biāo)志識(shí)別率問(wèn)卷試驗(yàn)與安全標(biāo)志五維特征問(wèn)卷試驗(yàn)，收集相關(guān)數(shù)據(jù)。然后進(jìn)行多元線性回歸分析，通過(guò)對(duì)回歸方程的顯著性檢驗(yàn)，進(jìn)行相關(guān)系數(shù)分析，考查安全標(biāo)志的五維特征對(duì)安全標(biāo)志識(shí)別率的影響力大小，建立安全標(biāo)志識(shí)別率與標(biāo)志五維特征的回歸方程模型。

1　安全標(biāo)志識(shí)別率試驗(yàn)

1.1試驗(yàn)對(duì)象

試驗(yàn)選取50名安徽工程大學(xué)在校學(xué)生（男生28人，女生22人）參與本次試驗(yàn)。年齡從20到24歲不等（平均年齡22）。所有被試者視力或矯正視力正常，先前沒(méi)有參加過(guò)安全標(biāo)志培訓(xùn)和做過(guò)類(lèi)似測(cè)試。

1.2試驗(yàn)材料與設(shè)備

試驗(yàn)選取了GB 2894-2008［11］中規(guī)定的103個(gè)安全標(biāo)志（禁止標(biāo)志40個(gè)，警告標(biāo)志39個(gè)，指令標(biāo)志16個(gè)，提示標(biāo)志8個(gè)）中的40個(gè)禁止標(biāo)志作為試驗(yàn)的測(cè)試圖標(biāo)。40個(gè)試驗(yàn)圖標(biāo)均進(jìn)行了標(biāo)準(zhǔn)化的統(tǒng)一處理。試驗(yàn)采用電腦和投影儀，在多媒體教室進(jìn)行。

1.3試驗(yàn)過(guò)程

試驗(yàn)開(kāi)始之前，主試者宣讀試驗(yàn)注意事項(xiàng)，然后，通過(guò)電腦和投影儀，將40個(gè)禁止安全標(biāo)志依次呈現(xiàn)給被試者，被試者看到標(biāo)志后，在問(wèn)卷相應(yīng)的安全標(biāo)志序號(hào)后面的表格內(nèi)填寫(xiě)上自己認(rèn)為正確的標(biāo)志含義。試驗(yàn)過(guò)程中，所有被試者需獨(dú)立完成問(wèn)卷，不能進(jìn)行交流。測(cè)試結(jié)束后，所有被試者將問(wèn)卷交給主試者。

1.4 試驗(yàn)數(shù)據(jù)整理和統(tǒng)計(jì)分析

主試者按照被試者所給出的標(biāo)志含義依據(jù)ISO9186（2007）［12］打分標(biāo)準(zhǔn)（見(jiàn)表1），給出相應(yīng)的理解性分?jǐn)?shù)，最終將平均理解性看作標(biāo)志識(shí)別率。

表1　安全標(biāo)志理解性打分標(biāo)準(zhǔn)Table 1　The score standards for safety signs comprehension

將收集的問(wèn)卷進(jìn)行整理，并進(jìn)行初步篩選，其中有效問(wèn)卷 48份，安全標(biāo)志的識(shí)別率情況如下表2所示。

表2　禁止標(biāo)志識(shí)別率統(tǒng)計(jì)Table 2 Descriptive statistics of recognition scoring rates for prohibition signs

2　安全標(biāo)志特征問(wèn)卷試驗(yàn)

2.1試驗(yàn)過(guò)程

在完成標(biāo)志識(shí)別率試驗(yàn)后，被試者有十分鐘的休息時(shí)間。被試者準(zhǔn)備好后，投影屏幕依次播放40個(gè)禁止安全標(biāo)志的圖片，圖片下方會(huì)附有該安全標(biāo)志的正確含義。被試者看完每張圖片后，在問(wèn)卷的相應(yīng)位置對(duì)標(biāo)志的五維特征進(jìn)行0-100標(biāo)度的打分，評(píng)價(jià)標(biāo)準(zhǔn)為熟悉性（0=從來(lái)沒(méi)見(jiàn)過(guò)，100=經(jīng)常見(jiàn)），具體性（0=非常抽象，100=非常相似），簡(jiǎn)明性（0=非常復(fù)雜，100=非常簡(jiǎn)單），明確性（0=含義不清，100=含義清楚），語(yǔ)義相關(guān)性（0=含義與功能弱相關(guān)，100=含義與功能強(qiáng)相關(guān)，試驗(yàn)過(guò)程中，所有被試者需獨(dú)立完成問(wèn)卷，不能進(jìn)行交流。測(cè)試結(jié)束后，所有被試者將問(wèn)卷交給主試者。

2.2試驗(yàn)數(shù)據(jù)整理和統(tǒng)計(jì)分析

將收集的問(wèn)卷進(jìn)行整理，并進(jìn)行初步篩選，其中有效問(wèn)卷46份。標(biāo)志五維特征得分情況如表3所示。

表3　標(biāo)志特征得分率統(tǒng)計(jì)Table 3　Descriptive Statistics of Scoring rates for sign Features

3　數(shù)據(jù)分析

3.1 多元線性回歸模型的建立

統(tǒng)計(jì)中，將一個(gè)因變量與兩個(gè)及兩個(gè)以上自變量之間的回歸，稱(chēng)為多元回歸。描述因變量y如何依賴(lài)于自變量X1，X2…，Xm和誤差項(xiàng)ε的方程稱(chēng)為多元線性回歸模型。影響標(biāo)志識(shí)別率的因素有很多，但據(jù)以往的研究與分析來(lái)看，主要因素可能有標(biāo)志的熟悉性、具體性、簡(jiǎn)明性、明確性、語(yǔ)義接近性。假設(shè)識(shí)別率與標(biāo)志五維特征的回歸模型如下：其中y為標(biāo)志識(shí)別率。x1，x2，x3，x4，x5分別表示標(biāo)志的熟悉性，具體性，簡(jiǎn)明性，明確性，語(yǔ)義接近性。β0，β1，β2，β3，β4，β5為總體回歸參數(shù)。ε為誤差項(xiàng)。

用樣本統(tǒng)計(jì)量b0，b1，b2，b3，b4，b5代替回歸方程中的未知參數(shù)β0，β1，β2，β3，β4，β5，即得到估計(jì)的回歸方程：其中，b0，b1，b2，b3，b4，b5是β0，β1，β2，β3，β4，β5的估計(jì)值，是y的估計(jì)值。

3.2參數(shù)的估計(jì)與模型評(píng)估

3.2.1參數(shù)的估計(jì)

將試驗(yàn)收集的數(shù)據(jù)導(dǎo)入SPSS統(tǒng)計(jì)軟件，通過(guò)逐步回歸，經(jīng)計(jì)算可得回歸方程為：

3.3.2模型的評(píng)估

（1）回歸方程的擬合優(yōu)度檢驗(yàn)

通過(guò)計(jì)算復(fù)相關(guān)系數(shù)R、決定系數(shù)R2、校正決定系數(shù)R2幾個(gè)參數(shù)，檢驗(yàn)回歸方程對(duì)樣本觀測(cè)值的擬合程度。用估計(jì)標(biāo)準(zhǔn)誤差表示回歸估計(jì)值與實(shí)際觀察值的平均差異程度。

表4　模型回歸統(tǒng)計(jì)Table 4　Model Summary

表4給出了模型回歸的統(tǒng)計(jì)結(jié)果，回歸統(tǒng)計(jì)量主要反映模型的擬合優(yōu)劣程度。表中的復(fù)相關(guān)系數(shù)（0.888）、決定系數(shù)（ 0.788 ）、校正決定系數(shù)（0.756）都比較接近1。表明求得的回歸方程擬合優(yōu)度比較好，因變量Y的變化幾乎完全由自變量Xi決定。表中得出的標(biāo)準(zhǔn)誤差（7.89832） 也較小，說(shuō)明估算的精度較高，達(dá)到了92.1。

（2）回歸方程的F檢驗(yàn)

F檢驗(yàn)就是要看自變量Xi從總體上對(duì)因變量Y是否有明顯的影響。方差分析是將總變異分解為回歸平方和與殘差平方和，對(duì)整個(gè)回歸方程進(jìn)行F顯著性檢驗(yàn)的結(jié)果見(jiàn)表5。

表5　模型方差分析表Table 5　Analysis of variance model

從表5中的參數(shù)看出，F(xiàn)值檢驗(yàn)達(dá)到了=0.01α的顯著水平。

（3）回歸系數(shù)的t檢驗(yàn)

表6　回歸系數(shù)的t檢驗(yàn)Table 6　The regression coefficient of　t-test

通過(guò)t 檢驗(yàn)，自變量X1、X3對(duì)應(yīng)的回歸系數(shù)達(dá)到了P = 0.01的顯著水平， X2、X4、X5對(duì)應(yīng)的回歸系數(shù)達(dá)到了P = 0.05的顯著水平。由此判定回歸參數(shù)的檢驗(yàn)結(jié)果都有顯著性意義。

3.3結(jié)果討論

1）多元線性回歸結(jié)論分析，試驗(yàn)結(jié)果表明：X1標(biāo)志的熟悉性（回歸系數(shù)0.554）、X2標(biāo)志的具體性（回歸系數(shù)0.103）、X3標(biāo)志的簡(jiǎn)明性（回歸系數(shù)0.357）、X4標(biāo)志的明確性（回歸系數(shù)0.067）、X5標(biāo)志的語(yǔ)義接近性（回歸系數(shù)0.084）五個(gè)因素對(duì)標(biāo)志的識(shí)別率有顯著影響。這與胡祎程［13］等研究表明五維特性與識(shí)別率之間有很強(qiáng)的正相關(guān)性基本一致?；貧w系數(shù)常量b0= 0.321說(shuō)明仍然有其他標(biāo)志特性對(duì)識(shí)別率起作用，有待進(jìn)一步發(fā)現(xiàn)利用。

2）在回歸模型中，X1系數(shù)最大，說(shuō)明標(biāo)志的熟悉性的增強(qiáng)對(duì)標(biāo)志識(shí)別率提高具有顯著的作用，因此，實(shí)際應(yīng)用中可適當(dāng)加強(qiáng)安全教育培訓(xùn)；標(biāo)志的明確性和語(yǔ)義接近性對(duì)標(biāo)志識(shí)別率的影響相對(duì)標(biāo)志熟悉率在模型中起的作用明顯偏弱，但是McDougall［14］將其作為標(biāo)志設(shè)計(jì)的關(guān)鍵因素，說(shuō)明在一定程度上提高設(shè)計(jì)水平，會(huì)有助于提高標(biāo)志識(shí)別率。

4　結(jié)論

1）本研究試驗(yàn)結(jié)果表明：標(biāo)志的熟悉性和簡(jiǎn)明性對(duì)標(biāo)志識(shí)別率影響較大，為此，對(duì)于用戶而言，可在實(shí)踐中加強(qiáng)安全標(biāo)志培訓(xùn)；對(duì)于工業(yè)設(shè)計(jì)師而言，可適當(dāng)將標(biāo)志設(shè)計(jì)的簡(jiǎn)潔明朗，使用戶可以準(zhǔn)確識(shí)別出標(biāo)志，盡可能避免安全事故的發(fā)生；但標(biāo)志具體性、明確性和語(yǔ)義接近性作為標(biāo)志設(shè)計(jì)的關(guān)鍵因素，有必要加強(qiáng)在此方面的設(shè)計(jì)，從而進(jìn)一步提高安全標(biāo)志的有效性；另外，回歸模型中，常數(shù)項(xiàng)為正值，說(shuō)明仍有其他因素對(duì)標(biāo)志識(shí)別率有影響，有待進(jìn)一步研究發(fā)現(xiàn)。

2）此外，本研究中不足之處在于，首先在安全標(biāo)志的五維特征問(wèn)卷中采用主觀打分，試驗(yàn)數(shù)據(jù)的客觀性受到一定影響，有必要在以后研究中采用更為科學(xué)的方法；其次，本試驗(yàn)僅對(duì)現(xiàn)行安全標(biāo)志中禁止標(biāo)志進(jìn)行了多元回歸分析，在以后的安全標(biāo)志研究中仍需將另外三類(lèi)標(biāo)志加入其中，使得工業(yè)設(shè)計(jì)師能更好地把握不同類(lèi)型標(biāo)志的設(shè)計(jì)。

［1］ Ma Q， Bian J， Ji W， et al.Research on warnings with new thought of neuro-IE［J］.Procedia Engineering， 2011， 26: 1633-1638.

［2］ 胡祎程，周曉宏，王亮.工程項(xiàng)目現(xiàn)場(chǎng)安全標(biāo)志有效性評(píng)價(jià)［J］.中國(guó)安全科學(xué)學(xué)報(bào)， 2012 （8） :37-42.

［3］ 林雨，潘曉東，方守恩.指路標(biāo)志信息量與認(rèn)知性關(guān)系研究［J］.交通運(yùn)輸工程與信息學(xué)報(bào)，2005，3（3）:73-77.

［4］ 黃凱，何勇，韓文元，等.公路指路標(biāo)志極限信息量研究［J］.市政技術(shù)，2008，26（6）:471-474.

［5］ 趙正宣， 饒培倫， 劉成益.中美兩國(guó)受試者對(duì)警示標(biāo)志反應(yīng)差異性的實(shí)例分析［J］.工業(yè)工程與管理，2006，11（2）:101-103.

［6］ 袁京鵬.安全標(biāo)志有效性影響因素實(shí)證研究［D］.杭州:浙江大學(xué)，2009.

［7］ Chan A H S， Ng A W Y.Investigation of guessability of industrial safety signs: effects of prospective-user factors and cognitive sign features［J］.International Journal of Industrial Ergonomics， 2010， 40（6）: 689-697.

［8］ 金晶.安全標(biāo)志信號(hào)詞風(fēng)險(xiǎn)信息處理實(shí)驗(yàn)研究［D］.杭州:浙江大學(xué)，2010.

［9］ 唐賢偉.基于神經(jīng)工業(yè)工程的安全標(biāo)志認(rèn)知心理過(guò)程研究［D］.杭州:浙江大學(xué)，2010.

［10］ 戴權(quán).基于人機(jī)工程學(xué)交通標(biāo)志有效性評(píng)價(jià)研究［D］.長(zhǎng)春:吉林大學(xué)，2008.

［11］ GB2894—2008， 安全標(biāo)志及其使用導(dǎo)則［S］.

［12］ Foster J J.Graphical symbols: test methods for judged comprehensibility and for comprehension［J］.ISO Bulletin， 2001: 11-13.

［13］ 胡祎程，周曉宏，王亮.安全標(biāo)志識(shí)別性研究：標(biāo)志特性及用戶因素［J］.中國(guó)安全科學(xué)學(xué)報(bào)， 2013（3） :16-21.

［14］ Mcdougall S J P， Curry M B， de Bruijn O.Measuring symbol and icon characteristics: Norms for concreteness，complexity， meaningfulness， familiarity， and semantic distance for 239 symbols［J］.Behavior Research Methods，Instruments， & Computers， 1999， 31（3）: 487-519.

［15］ 董躍嫻，孫褘振，沈文華，等.影響高校教師教學(xué)質(zhì)量的多元線性回歸分析與思考［J］.高等農(nóng)業(yè)教育，2009（2）:36-39.

RESEARCH ON THE RELATIONSHIP OF SAFETY PROHIBITION SIGNS RECOGNITION RATE AND SIGN FEATURES

*JIA Qiang ， ZHU Xiao-guang， FAN Yang-zhou

（Anhui Polytechnic University， Management Engineering School， Wuhu， Anhui 241000， China）

In order to improve safety signs’ effectiveness， the relationship of safety sign recognition rate and five sign features should be studied.To perform the experiments， 50 college students from Anhui Polytechnic University were selected as subjects， 40 prohibition signs used in the experimental.We establish a multiple linear regression equation model based on the relationship of safety sign recognition rate and five sign features.The results show that the familiarity of safety sign has the most significant impact on the recognition rate， followed by simplicity， concreteness， semantic closeness， meaningfulness.In addition， the constant term is positive in the regression model which indicates that there are some other factors affect sign recognition rates.It is necessary that the influencing factors of safety signs’ effectiveness should be studied in further research.

safety signs； recognition rate； sign features； multiple linear regressions

X947； X925

ADOI:10.3969/j.issn.1674-8085.2015.02.016

1674-8085（2015）02-0069-05

2014-11-011修改日期：2015-01-05

安徽省自然科學(xué)基金項(xiàng)目（1308085MG109）；國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（201310363026）

*賈強(qiáng)（1989-），男，安徽蕪湖人，碩士生，主要從事工業(yè)工程與項(xiàng)目管理方面的研究（E-mail: happyjiaqiang@163.com）；

朱小光（1989-），男，安徽亳州人，碩士生，主要從事工業(yè)工程與項(xiàng)目管理方面的研究（E-mail: gavin100@126.com）；范楊洲（1990-），男，安徽阜陽(yáng)人，碩士生，主要從事技術(shù)經(jīng)濟(jì)與知識(shí)管理方面的研究（E-mail: 255629183@qq.com）.