范雙雙 張夢(mèng)潔 漆書(shū)林

(西南交通大學(xué)交通運(yùn)輸與物流學(xué)院 成都 611756)

0 引 言

隨著我國(guó)機(jī)動(dòng)車保有量的上升，有機(jī)動(dòng)車參與的交通事故數(shù)也在增加，道路交通安全近年來(lái)備受關(guān)注，我國(guó)的道路交通安全有3大特征：事故總量大、惡性事故多發(fā)、死亡率高。

據(jù)我國(guó)的疾病預(yù)防控制中心監(jiān)測(cè)的數(shù)據(jù)顯示，在所有的傷害死因中，道路交通事故的傷害成為了我國(guó)人群的第一位傷害的死因。在誘發(fā)交通事故的所有因素中，機(jī)動(dòng)車駕駛員是最重要的影響因子，80%以上的交通事故產(chǎn)生的直接原因是汽車駕駛員。

交通事故的類型不同，導(dǎo)致其發(fā)生的原因也不一致，可對(duì)交通事故致因進(jìn)行分類。西南交通大學(xué)的毛敏等[1]認(rèn)為交通事故的致因有2種，即顯性故障與隱形故障。顯性故障，是因道路使用者的違章或失誤沖破了最后一道保護(hù)裝置，是導(dǎo)致事故發(fā)生的直接原因。隱性故障，會(huì)使道路交通系統(tǒng)中事故發(fā)生的可能性增大，增加交通系統(tǒng)的危險(xiǎn)性。

國(guó)外針對(duì)事故的研究較早也較多，將交通事故分為了事故前、事故中、事故后3個(gè)階段的事故模型。美國(guó)的研究者威廉哈頓用矩陣的形式來(lái)表示人、車、路這3者在交通事故中的相關(guān)性，見(jiàn)表1。

表1 哈頓矩陣

張麗霞等[2]利用SPSS軟件與相關(guān)性分析法，研究指出對(duì)道路交通事故影響最大的4個(gè)因素為：酒后駕駛、疲勞駕駛、超速駕駛與不按規(guī)定讓車。陶達(dá)等[3]為研究性別、年齡和人格特質(zhì)對(duì)風(fēng)險(xiǎn)駕駛行為的影響程度，通過(guò)問(wèn)卷調(diào)查與方差分析得出性別與年齡的影響不大，不同人格類型與風(fēng)險(xiǎn)駕駛行為呈正相關(guān)或負(fù)相關(guān)，均為顯著性。張華[4]分析心理特征因素對(duì)駕駛員的影響,建立汽車駕駛員安全評(píng)價(jià)模型。 郭雪斌等[5]對(duì)駕駛員的心理生理與行車安全的研究，說(shuō)明了駕駛者的心理與生理反應(yīng)特性與之產(chǎn)生的原因，以及與行車安全有著密不可分的關(guān)系，不良的心理與生理反應(yīng)對(duì)行車安全有不良的影響。鄭新夷等[6]通過(guò)軟件元，從交通心理層面分析出了我國(guó)影響駕駛員安全駕車的幾大主要因素分別為：風(fēng)險(xiǎn)態(tài)度、攻擊性、情緒、焦慮、感覺(jué)尋求；劉志強(qiáng)等[7]利用因子分析法(FA)給出攻擊性指標(biāo)的主因子的權(quán)重，再結(jié)合層次分析法(AHP)建立攻擊性駕駛行為的評(píng)價(jià)系統(tǒng)。

隨著科技與移動(dòng)智能手機(jī)的發(fā)展，越來(lái)越多的駕駛員在駕駛過(guò)程會(huì)使用手機(jī)，導(dǎo)致注意力分散，影響駕駛績(jī)效與適應(yīng)性。王穎[8]運(yùn)用實(shí)際測(cè)試與仿真2種方式進(jìn)行實(shí)驗(yàn)，探索駕駛員在開(kāi)車時(shí)使用手機(jī)的車速與反應(yīng)時(shí)間等。David L. Strayer等[9]對(duì)手機(jī)在不同使用方式下進(jìn)行研究，表明在駕駛時(shí)對(duì)手機(jī)采取聲控能有效降低對(duì)安全駕駛的影響。咸化彩[10]綜合考慮了各種次任務(wù)的影響，深入研究次任務(wù)駕駛安全性評(píng)價(jià)指標(biāo)及評(píng)價(jià)模型。

在人車路的環(huán)境中，駕駛員是導(dǎo)致交通事故最重要的因素，為增強(qiáng)交通事故的可控性與交通安全性，分析和研究駕駛員的駕駛行為是有必要的。在以往的研究中，主要只單純的對(duì)駕駛員的駕駛行為進(jìn)行分析研究，忽略了駕駛員作為個(gè)體的人格對(duì)駕駛行為的影響，因此，須探討駕駛員的人格類型，以及在駕駛過(guò)程中可能出現(xiàn)的異常駕駛行為，判斷對(duì)造成道路交通事故的可能性大小。

1 異常駕駛行為

異常駕駛行為就是指與正常合理的駕駛行為有所偏離的行為[11]，異常駕駛行為來(lái)源于駕駛行為問(wèn)卷(driver behavior questionnaire，DBQ)中駕駛員對(duì)自我的評(píng)估。DBQ最初有錯(cuò)誤和違規(guī)2個(gè)因素，到如今有4個(gè)或者5個(gè)，甚至更多的因素出現(xiàn)，其中被使用較多的因子為錯(cuò)誤、一般性違規(guī)、注意力流失、侵略性違規(guī)[12-13]。T. Lajunen等[14]研究表明駕駛行為4因子結(jié)構(gòu)(錯(cuò)誤、注意力流失、一般性違規(guī)、侵略性違規(guī))在英國(guó)、芬蘭和荷蘭具有相當(dāng)好的一致性。次任務(wù)是導(dǎo)致駕駛員分心的最主要原因之一，筆者將原有的注意力流失分拆分為注意力流失與次任務(wù)，在原有的錯(cuò)誤、注意力流失與違規(guī)上增加次任務(wù)因子[15-16]，構(gòu)成異常駕駛行為的四因子，在R. Lawton等[17]的DBQ基礎(chǔ)上去掉部分注意力流失題目，加入次任務(wù)題目，構(gòu)成新的駕駛行為問(wèn)卷。在接下來(lái)的分析中，將重點(diǎn)分析人格類型與次任務(wù)的關(guān)系。

駕駛中的錯(cuò)誤是指觀察和判斷的失誤，以及駕駛行為差錯(cuò)。駕駛行為差錯(cuò)主要有操作差錯(cuò)，技術(shù)差錯(cuò)，以及著裝不符合要求等，會(huì)引起汽車運(yùn)行過(guò)程的非正?，F(xiàn)象，甚至?xí)菇煌ㄊ鹿拾l(fā)生[16]。

注意力流失指的是由于注意力或者記憶力的暫時(shí)缺失或失效，而出現(xiàn)影響正常駕駛的問(wèn)題。

違規(guī)是指有意地做出偏離安全行駛的行為，則違規(guī)是明顯屬于異常駕駛行為的范疇。違規(guī)可分為一般性違規(guī)與攻擊性違規(guī)。

駕駛次任務(wù)也可稱為次要任務(wù)、第二任務(wù)或者二級(jí)任務(wù)，次任務(wù)對(duì)于駕駛員的干擾是綜合性的，有視覺(jué)上的干擾，注意力上的干擾，心理上的干擾。

問(wèn)卷中異常駕駛行為共有24項(xiàng)，見(jiàn)表2，采用李克特5點(diǎn)量法，24個(gè)題目均對(duì)應(yīng)相同的一組陳述，根據(jù)調(diào)查內(nèi)容與數(shù)據(jù)處理，將這一組陳述定義為“非常頻繁” “經(jīng)常” “偶爾” “基本不” “絕不”5種答案表示事物發(fā)生的頻率程度，見(jiàn)表3，調(diào)查對(duì)象的總分越低，表明該駕駛員的安全駕駛意識(shí)越低，更易誘發(fā)交通事故。

表2 異常駕駛行為因子Tab.2 Factors of abnormal driving behavior

表3 李克特5點(diǎn)量表Tab.3 Likert five-point scale

2 試調(diào)查檢驗(yàn)

依據(jù)相關(guān)的問(wèn)卷調(diào)查樣本量的確定，題項(xiàng)數(shù)量與問(wèn)卷樣本量之比為1∶8左右，試調(diào)查樣本量是正式調(diào)查的16%，則正式調(diào)查樣本量應(yīng)不低于192，試調(diào)查樣本量應(yīng)不低于31。

試調(diào)查與正式調(diào)查的問(wèn)卷發(fā)放與完成均采用網(wǎng)絡(luò)匿名的形式。試調(diào)查目的在于檢驗(yàn)修改過(guò)的DBQ是否符合研究目的，在試調(diào)查中共收集了85份問(wèn)卷，有效問(wèn)卷為60份，滿足不低于31份的要求，有效率為70.6%，有效男女比為2:1。對(duì)異常駕駛行為的24個(gè)問(wèn)項(xiàng)綜合進(jìn)行信度檢驗(yàn)；其次對(duì)異常駕駛行為的4個(gè)因子進(jìn)行了效度分析。試調(diào)查與正式調(diào)查的數(shù)據(jù)分析均利用SPSS統(tǒng)計(jì)軟件。

1) 信度分析。進(jìn)行問(wèn)卷測(cè)驗(yàn)的信度分析，采用Cronbach′sα系數(shù)，檢驗(yàn)結(jié)果如表4所示，Cronbach′sα系數(shù)均在0.7以上，滿足信度系數(shù)要求，則問(wèn)項(xiàng)可靠。

表4 信度檢驗(yàn)結(jié)果Tab.4 The result of reliability test

2) 效度分析。效度檢驗(yàn)采用KMO(kaiser meyer olkin)值，KMO的取值范圍在0～1之間。效度分析結(jié)果如表5所示，除注意力流失因子，其他因子KMO值均高于0.6，則效度可以接受。注意力分散因子的KMO值為0.5，理論上效度不佳，由于注意力因子的問(wèn)項(xiàng)數(shù)目只有2個(gè)，效度系數(shù)值得要求可以下調(diào)，所以保留注意力分散因子的兩個(gè)問(wèn)項(xiàng)繼續(xù)使用。

表5 效度檢驗(yàn)結(jié)果Tab.5 The result of validity test

3 調(diào)查結(jié)果分析

非職業(yè)駕駛員駕駛特性調(diào)查問(wèn)卷總共回收了274份，有效問(wèn)卷為232份，有效率為84.7%，其中18～30歲的有效參與者占49.57%，31～55歲占46.55%，56～70歲占3.88%，本次調(diào)查相對(duì)缺乏對(duì)老齡駕駛員的研究；有效男性占54.31%，女性占45.69%，男女比例接近1∶1。

針對(duì)于女性駕駛員者的特點(diǎn)，本文提出“穿高跟鞋駕駛”對(duì)駕駛行為的影響，調(diào)查結(jié)果分析可得，在女性被調(diào)查者中有24.53%會(huì)出現(xiàn)穿高跟鞋駕駛車輛的行為，其中19.23%的女性的異常駕駛行為分值不低于70。所以由本次研究的分析可知，“穿高跟鞋駕駛”的女性駕駛員易出現(xiàn)異常駕駛行為，對(duì)安全駕駛意識(shí)較低。

3.1 異常駕駛行為4因子分析

1) 4因子間的相關(guān)性。如表6所示，異常駕駛行為4個(gè)因子兩兩之間都具有相關(guān)關(guān)系，且相關(guān)性顯著，其中相關(guān)性最強(qiáng)的是錯(cuò)誤與違規(guī)，因錯(cuò)誤超過(guò)一定程度范圍容易出現(xiàn)違規(guī)的現(xiàn)象。

表6 4因子相關(guān)關(guān)系Tab.6 the correlation of the four factors

注：“**”表示顯著相關(guān)。

2) 異常駕駛行為回歸分析

由于異常駕駛行為有4個(gè)因子，則有4個(gè)自變量，則采用多元線性回歸的方法，其數(shù)學(xué)模型如下

y=b0+b1x1+b2x2+…+bnxn+ε

(1)

E(ε)=0

(2)

(3)

式中：y為異常駕駛行為即使b為變量系數(shù)；x為變量取值；ε是隨機(jī)變量，且與x不相關(guān)。表7為模型擬合度檢驗(yàn)。

表7 模型擬合度檢驗(yàn)Tab.7 Test of model fit

注:a.預(yù)測(cè)值：(常量)，次任務(wù)，注意力流失，違規(guī)，錯(cuò)誤

由表7可見(jiàn)，調(diào)整后的決定系數(shù)(adjustedR2square)R2為0.958，則模型可以反映真實(shí)調(diào)查數(shù)據(jù)的95.8%；同時(shí)DW(Durbin-Watson)為1.787，可接受該模型。表8為異常駕駛行為回歸分析結(jié)果。

表8中的顯著性(Sig)水平均為0，則錯(cuò)誤、注意力流失、違規(guī)和次任務(wù)都會(huì)對(duì)異常駕駛行為有顯著性影響；VIF均小于5，則4個(gè)因子不存在共線性。由非標(biāo)準(zhǔn)化的回歸系數(shù)可得，模型擬合結(jié)果為

y1=-0.812x1-0.14x2-0.963x3+135.76

(4)

表8 異常駕駛行為回歸分析結(jié)果Tab.8 The result of abnormal driving behavior regression analysis

式中：x1為錯(cuò)誤分值；x2為注意力流失分值；x3為違規(guī)分值；x4為次任務(wù)分值。

3.2 人格類型分析

采用的是菲爾人格測(cè)試是量表的測(cè)試類型，結(jié)果見(jiàn)表9。

表9 被調(diào)查者人格類型統(tǒng)計(jì)Tab.9 Personality type statistics of surveyed

從統(tǒng)計(jì)的結(jié)果來(lái)看，絕大多數(shù)被調(diào)查者屬于“人格4，平衡的中道者”，這一類人注重實(shí)際、充滿活力。其次，大多數(shù)為“人格3，以牙還牙的自我保護(hù)者”，這一類人注重效率。有少部分人是“人格5，吸引人的冒險(xiǎn)家”，這一類人的思維敏捷，反應(yīng)迅速。只有極少數(shù)人是“人格2缺乏信心的挑戰(zhàn)4者”。在人格為“以牙還牙的自我保護(hù)者”的77位調(diào)查對(duì)象中有21位的異常駕駛行為在70分以下，比例為27.3%；人格為“平衡的中道者”的144位調(diào)查對(duì)象中有31位的異常駕駛行為在70分以下，比例為21.5%。異常駕駛行為的分值域?yàn)?3分至120分，分?jǐn)?shù)越低就表明駕駛的安全意識(shí)越低，出現(xiàn)異常駕駛行為越頻繁。

將菲爾人格類型分布較多的人格3和人格4，分別與次任務(wù)聯(lián)系分析可知，將李克特量表的均值小于等于3(即出現(xiàn)次任務(wù)的頻率較高)的問(wèn)卷進(jìn)行統(tǒng)計(jì)，人格3中有32.47%的被調(diào)查者容易出現(xiàn)次任務(wù)的異常駕駛行為；人格4中有18.75%的被調(diào)查者易出現(xiàn)次任務(wù)的異常駕駛行為。

3.3 結(jié)果分析

異常駕駛行為與人格類型作為自變量，是否發(fā)生事故作為因變量，利用線性回歸模型探討異常駕駛行為與人格類型對(duì)事故發(fā)生情況的影響程度。如表10可知，調(diào)整后的R2在0.6以上，DW系數(shù)在數(shù)字2左右，則該模型可以被接受。

表10 模型擬合度檢驗(yàn)Tab.10 Test of model fit

注：a預(yù)測(cè)值：(常量)，異常駕駛行為，人格類型

由表11知，Sig均小于0.05，異常駕駛行為和人格類型對(duì)交通事故有顯著的影響；VIF都小于5，2個(gè)自變量之間不具有共線性。則由非標(biāo)準(zhǔn)化的回歸系數(shù)，該回歸模型的擬合結(jié)果為

y2=0.063x11-0.072x22+0.974

(5)

式中：y2為是否發(fā)生事故的可能性大??；x11為1個(gè)調(diào)查對(duì)象的菲爾人格得分；x22是1個(gè)調(diào)查對(duì)象的異常駕駛行為得分。

圖1為發(fā)生交通事故回歸圖。

圖1 發(fā)生交通事故回歸圖Fig.1 Picture of traffic accidents′ regression

模型非標(biāo)準(zhǔn)化系數(shù)B標(biāo)準(zhǔn)誤差標(biāo)準(zhǔn)化系數(shù)BetaT顯著性(Sig)共線性統(tǒng)計(jì)容量VIF2 (常量)0.9740.2344.1610人格類型0.0630.0040.0801.2790.020.9981.002異常駕駛行為0.0720.0010.3134.99900.9981.002

4 結(jié)束語(yǔ)

采用DBQ的方式進(jìn)行數(shù)據(jù)收集，通過(guò)模型建立與結(jié)果分析，主要研究結(jié)果有：①將次任務(wù)從原有的注意力流失中細(xì)化出來(lái)，得出次任務(wù)、注意力流失、錯(cuò)誤和違規(guī)兩兩之間具有相關(guān)性；② “穿高跟鞋駕駛”的女性駕駛員易出現(xiàn)異常駕駛行為；③本研究探索人格類型對(duì)于駕駛行為的影響，注重效率的這一類人更容易出現(xiàn)異常駕駛行為；④筆者將細(xì)化出的次任務(wù)出現(xiàn)的頻率與菲爾人格類型結(jié)合起來(lái)，人格3(以牙還牙的自我保護(hù)者)中有近1/3駕駛員易出現(xiàn)次任務(wù)的異常駕駛行為，人格4(平衡的中道者)中近1/4的駕駛員易出現(xiàn)次任務(wù)的異常駕駛行為。

本次調(diào)查研究中缺乏年紀(jì)稍大的駕駛員，人格類型分布也較為集中，在下一步的研究中須更加注意被調(diào)查者的年齡分布情況，以及年齡差異對(duì)異常駕駛行為的影響程度。