張名芳，馬艷華，吳初娜，王力

（1.交通運輸部公路科學(xué)研究院，運輸車輛運行安全技術(shù)交通運輸行業(yè)重點實驗室，北京 100088；2.北方工業(yè)大學(xué)，城市道路智能交通控制技術(shù)北京市重點實驗室，北京 100144）

0 引言

公共交通是目前我國人員出行選擇的重要方式，公共交通安全關(guān)系到國民經(jīng)濟的健康發(fā)展和社會的和諧穩(wěn)定[1]。交管部門相關(guān)數(shù)據(jù)統(tǒng)計表明，道路交通事故致因90%以上為駕駛?cè)艘蛩?，少部分為車輛因素、道路因素[2]?，F(xiàn)階段我國公交駕駛員作為城市公共交通重要的服務(wù)群體，日常駕駛過程中工作責(zé)任重、工作強度大、駕駛姿勢單一[3]，同時，早、晚高峰交通環(huán)境不佳，使得心理健康問題較為嚴(yán)重[4]。因此，公交駕駛員心理狀況分析與疾病判別研究具有重要的現(xiàn)實意義。

公交駕駛員的某些人格心理特性在特定環(huán)境下易導(dǎo)致交通事故的發(fā)生。國內(nèi)外學(xué)者針對公交駕駛員的職業(yè)壓力、工作疲勞、組織認(rèn)同感、駕駛憤怒等心理特性展開大量研究。在職業(yè)壓力方面，MARGHERITA等[5]采用巴雷特沖動性量表(Barratt Impulsivity Scale,BIS)和艾森克人格問卷(Eysenck Personality Questionnaire-Revised，EPQ-R)對公交駕駛員的職業(yè)壓力進行主觀評估，但未提出針對公交駕駛員職業(yè)壓力的干預(yù)措施。朱春瑩等[6]采用一般情況調(diào)查表、心理身體緊張松弛測試表(Psycho Smotic Tension Relaxation Inventory，PSTRI)、壓力測試問卷以及艾森克人格問卷，調(diào)查杭州市243名公交駕駛員，分析公交駕駛員職業(yè)壓力狀況的影響因素，探討有效改善公交駕駛員職業(yè)壓力的應(yīng)對策略。在工作疲勞方面，史晨軍等[7]構(gòu)建基于擴展計劃行為理論的駕駛員疲勞駕駛行為結(jié)構(gòu)方程模型，探究駕駛員工作疲勞原因，但該模型的適用性較差，僅適用于單一心理特性分析。在工作疲勞和組織認(rèn)同感方面，馬雪銘等[8]選用馬氏工作倦怠量表(Maslach Burnout Inventory-General Survey, MBIGS)、組織認(rèn)同感問卷(Organizational Identification Questionnaire, OIQ)以及駕駛行為問卷(Driving Behavior Questionnaire,DBQ)對城市公交駕駛員展開問卷調(diào)查研究，使用因果逐步回歸分析和中介檢驗探究公交駕駛員工作倦怠和組織認(rèn)同感對不良駕駛行為的影響機制，然而，逐步檢驗法會錯過一些實際存在的中介效應(yīng)，導(dǎo)致所探究影響機制有效性降低。在駕駛憤怒方面，林慶豐等[9]基于原始駕駛憤怒量表和客運駕駛員憤怒量表設(shè)計公交駕駛員駕駛憤怒量表，探究公交駕駛員駕駛憤怒的誘因，但設(shè)計量表時未考慮公交駕駛員內(nèi)源性心理因素。萬平等[10]在交通繁忙路段開展基于道路事件刺激的憤怒情緒誘導(dǎo)限時實驗，以獲得駕駛員憤怒與中性情緒下的駕駛行為數(shù)據(jù)，提出基于支持向量機的憤怒駕駛狀態(tài)檢測模型，對“路怒癥”實現(xiàn)有效干預(yù)，但該模型僅適用于解決二分類問題，對于多分類問題需構(gòu)建多個分類器的組合，模型計算量較大。

綜上，國內(nèi)外現(xiàn)有研究主要針對公交駕駛員的單一心理特性進行評估和分析，未對多個心理特性間的關(guān)系進行深入挖掘，探索公交駕駛員心理特性對心理疾病的影響。因此，本文在已有心理特性研究基礎(chǔ)上，設(shè)計公交駕駛員心理健康狀況調(diào)查問卷，分析心理狀況影響因素，構(gòu)建基于K-means 聚類算法的心理疾病判別模型，并進一步利用多元Logistic回歸模型探究不同心理疾病類型的主要影響因素，提出相應(yīng)的干預(yù)機制。

1 公交駕駛員心理問題調(diào)研

1.1 調(diào)研對象

本文采用隨機抽樣方法，對北京市某公交公司400 名公交駕駛員進行隨機抽樣問卷調(diào)查，共發(fā)放紙質(zhì)問卷200 份，回收問卷195 份，抽檢率為48.8%。剔除無效問卷5 份，共獲得有效問卷190份，有效樣本率為97.4%。

1.2 調(diào)研工具

本文借鑒已有的一般健康問卷(General Health Questionnaire 12，GHQ-12)、癥狀自測表(Symptom Check List 90，SCL-90)、駕駛行為問卷(DBQ)、組織認(rèn)同感問卷(OIQ)、客運駕駛員駕駛憤怒量表、工作倦怠量表(MBI-GS)、艾森克人格問卷(EPQ-R)以及PSTRI 壓力測試問卷，從公交駕駛員的基本信息、身體狀況、生活狀態(tài)、駕駛行為、組織認(rèn)同感、人格冷怒及職業(yè)壓力與工作倦怠這7個方面設(shè)計問卷，匯總得到558 個問題。進一步結(jié)合我國特有的公交駕駛環(huán)境現(xiàn)狀(道路擁擠、乘客眾多造成公交駕駛員心理負(fù)荷重)，剔除與公交駕駛員工作特性相關(guān)度不高的問題，避免問卷題量過大引發(fā)駕駛員抵觸情緒，篩選出40個問題，生成公交駕駛員心理健康狀況調(diào)查問卷。經(jīng)檢驗問卷的取樣適切性量數(shù)(Kaiser-Meyer-Olkin Measure of SamplingAdequacy，KMO)為0.801，具有較高的效度，說明調(diào)查問卷設(shè)計科學(xué)。將調(diào)查問卷發(fā)放給北京市某公交公司駕駛員群體使用，并回收有效調(diào)查問卷。

(1)基本信息問卷

公交駕駛員基本信息問卷包含：公交駕駛員的性別、年齡、文化程度及工作年限[11]。本文將公交駕駛員年齡分為：[20，30]歲、[31，40]歲、[41，50]歲、[51，65]歲；文化程度分為：中專、大專、本科；將工作年限分為：(0，5]年、[6，10]年、[11，20]年、[21，45]年。

(2)身體狀況問卷

公交駕駛員身體狀況問卷參考一般健康問卷(GHQ-12)[12]進行設(shè)計，共9 題。該問卷采用5 點計分法：0表示“嚴(yán)重”；1表示“偏重”；2表示“中等”；3表示“很輕”；4表示“從無”。以問卷總分作為公交駕駛員身體狀況得分，得分越高代表駕駛員身體狀況越健康。根據(jù)得分情況將公交駕駛員身體狀況分為4 個等級：[0，9]分為很差，[10，18]分為欠佳，[19，27]分為一般，[28，36]分為良好。

(3)生活狀態(tài)問卷

根據(jù)公交駕駛員職業(yè)特性，由癥狀自測表(SCL-10)篩選得到公交駕駛員生活狀態(tài)問卷，該問卷主要包括公交駕駛員的生活習(xí)慣和情緒等，共8題，采用4點計分法：0表示“總是”；1表示“經(jīng)?！?；2表示“有時”；3表示“很少”。以問卷總分作為公交駕駛員生活狀態(tài)得分，得分越高代表公交駕駛員近期生活狀態(tài)越好。根據(jù)得分分布情況以及所選計分方法指定分割點[13]將公交駕駛員生活狀態(tài)分為4個等級：[0，6]分為很差，[7，12]分為欠佳，[13，18]分為一般，[19，24]分為良好。

(4)駕駛行為問卷

在MASLAC 等[14]提出的營運車輛駕駛?cè)笋{駛行為問卷基礎(chǔ)上，結(jié)合我國公交駕駛員目前特有的駕駛行為現(xiàn)狀設(shè)計駕駛行為問卷，共10題，采用李克特7分等級量表評分：0 代表“從不”；1 表示“偶爾”；2 表示“較少”；3 表示“有時”；4 表示“較多”；5表示“經(jīng)?！?；6表示“總是”。以總分作為個人駕駛行為得分，得分越高代表個人駕駛行為越規(guī)范。根據(jù)得分分布情況以及所選計分方法指定分割點將公交駕駛員駕駛行為分為4 個等級：[0，15]分為很差，[16，30]分為欠佳，[31，45]分為一般，[46，60]分為良好。

(5)組織認(rèn)同感問卷

以MAEL 等[15]開發(fā)的社會組織內(nèi)部認(rèn)同問卷為依據(jù)，設(shè)計公交駕駛員組織認(rèn)同感問卷，共4題，采用李克特7 分等級量表評分：0 表示“從不”；1 表示“偶爾”；2 表示“較少”；3 表示“有時”；4 表示“較多”；5表示“經(jīng)常”；6表示“總是”。得分越高表示駕駛員組織認(rèn)同感越強，越認(rèn)可自己的工作。根據(jù)得分分布情況以及所選計分方法指定分割點將公交駕駛員的組織認(rèn)同感分為4 個等級：[0，6]分為低，[7，12]分為欠佳，[13，18]分為一般，[19，24]分為高。

(6)人格冷怒問卷

借鑒客運駕駛員駕駛憤怒量表[16]設(shè)計公交駕駛員人格冷怒問卷，將公交駕駛員人格特征分為冷靜駕駛型與路怒駕駛型，共15 題，采用150 分制進行計分，[0，90]分判為路怒型人格；[91，150]分判為冷靜型人格；分?jǐn)?shù)越高表示公交駕駛員在日常駕駛工作中越冷靜。

(7)職業(yè)壓力與工作倦怠問卷

以馬氏工作倦怠量表(MBI-GS)[17]、艾森克人格問卷(EPQ-R)[18]以及PSTRI壓力測試問卷為參考，設(shè)計公交駕駛員職業(yè)壓力與工作倦怠問卷，共10題，采用百分制計量法，得分越高表明駕駛員壓力越大、倦怠性越高。根據(jù)得分分布情況以及所選計分方法指定分割點將公交駕駛員的職業(yè)壓力與工作倦怠情況分為3個等級：[0，40]分為嚴(yán)重，[41，60]分為一般，[61，100]分為良好。

2 公交駕駛員心理狀況影響因素分析

根據(jù)回收的公交駕駛員心理健康狀況問卷結(jié)果分析心理狀況影響因素，主要包括：年齡、性別、文化程度、工作年限、身體狀況、組織認(rèn)同、駕駛行為、生活狀態(tài)、職業(yè)壓力與工作倦怠、人格冷怒。

2.1 統(tǒng)計學(xué)分析

心理狀況影響因素描述性統(tǒng)計如表1所示。由表1可知，調(diào)查群體中72.1%的公交駕駛員年齡在[31，50]歲，年齡為[20，30]歲的年輕公交駕駛員僅占3.2%；男性公交駕駛員相對較多，共有173人，占比91.1%；文化程度以?？茷橹鳎袑：痛髮７謩e占比43.2%、41.1%，本科人數(shù)較少；工作年限為[11，20]年的公交駕駛員占比37.9%，而工作年限為[21，42]年的公交駕駛員僅占16.3%。

表1 心理狀況影響因素描述性統(tǒng)計表Table 1 Descriptive statistical table of influencing factors of psychological status

公交駕駛員身體狀況問卷得分顯示，[28，36]分?jǐn)?shù)段占比63.2%，表明駕駛員的身體狀況普遍較好。通過分析不同年齡段公交駕駛員的身體狀況發(fā)現(xiàn)，隨著年齡增長，公交駕駛員的身體健康水平有一定程度的下降，導(dǎo)致這種情況的部分原因是長時間注意力高度集中的駕駛工作。

公交駕駛員的組織認(rèn)同感調(diào)查問卷得分顯示，78.9%的公交駕駛員在[13，18]分?jǐn)?shù)段內(nèi)，而[19，24]分?jǐn)?shù)段僅占13.7%，表明大部分公交駕駛員的組織認(rèn)同感一般。

公交駕駛員駕駛行為調(diào)查問卷得分顯示，[31，60]分?jǐn)?shù)段占比96.4%，表明大部分公交駕駛員駕駛行為規(guī)范，沒有極端不規(guī)范情況存在。通過分析不同工作年限公交駕駛員的駕駛行為得分等級發(fā)現(xiàn)，工作年限越長，駕駛行為越規(guī)范。

公交駕駛員生活狀態(tài)問卷得分顯示，[13，24]分?jǐn)?shù)段占比86.9%，表明大部分公交駕駛員近期作息規(guī)律、心情愉悅，即生活狀態(tài)良好。

公交駕駛員職業(yè)壓力與工作倦怠調(diào)查問卷分析結(jié)果顯示，[0，40]分?jǐn)?shù)段占比73.7%，說明大部分公交駕駛員的職業(yè)壓力和工作倦怠程度普遍較輕，即心理壓力較小、身心輕松。

公交駕駛員人格特征問卷調(diào)查結(jié)果顯示，[90，150]分?jǐn)?shù)段占比90.5%，說明大部分公交駕駛員表現(xiàn)為駕駛冷靜型，較少的公交駕駛員表現(xiàn)為路怒駕駛型。

2.2 相關(guān)性分析

為提取有效的心理狀況影響因素，采用皮爾遜相關(guān)分析對初選的10個影響因素(年齡、性別、文化程度、工作年限、身體狀況、組織認(rèn)同感、駕駛行為、生活狀態(tài)、職業(yè)壓力與工作倦怠以及人格冷怒)進行相關(guān)性檢驗，結(jié)果如圖1所示。

一般情況下，相關(guān)系數(shù)的絕對值越大，相關(guān)性越強。通常認(rèn)為：[0.0，0.2)為無相關(guān)；[0.2，0.4)為弱相關(guān)；[0.4，0.6)為中度相關(guān)；[0.6，0.8)為強相關(guān)；[0.8，1.0]為極強相關(guān)。由圖1可以看出，人格冷怒和職業(yè)壓力與倦怠顯著相關(guān)(p＜0.01)，且為負(fù)極強相關(guān)(相關(guān)系數(shù)為-0.89)；人格冷怒與駕駛行為顯著相關(guān)(p＜0.01)，且為正極強相關(guān)(相關(guān)系數(shù)為0.81)；人格冷怒與身體狀況顯著相關(guān)(p＜0.01)，且為正強相關(guān)(相關(guān)系數(shù)為0.71)；人格冷怒與生活狀態(tài)、組織認(rèn)同感顯著相關(guān)(p＜0.01)，且為正中度相關(guān)(相關(guān)系數(shù)分別為：0.58、0.48)。職業(yè)壓力與工作倦怠和生活狀態(tài)、身體狀況顯著相關(guān)(p＜0.01)，且為負(fù)強相關(guān)(相關(guān)系數(shù)分別為：-0.61、-0.62)；職業(yè)壓力與工作倦怠和駕駛行為、組織認(rèn)同感顯著相關(guān)(p＜0.01)，且為負(fù)中度相關(guān)(相關(guān)系數(shù)分別為：-0.56、-0.57)。即人格冷怒和駕駛行為、身體狀況、生活狀態(tài)、組織認(rèn)同感顯著正相關(guān)，相關(guān)性較強；職業(yè)壓力與工作倦怠和生活狀態(tài)、身體狀況、駕駛行為、組織認(rèn)同感顯著負(fù)相關(guān)，相關(guān)性也較強。因此，構(gòu)建心理疾病判別模型時排除與多個影響因素均呈較強相關(guān)性的人格冷怒和職業(yè)壓力與工作倦怠。

圖1 心理狀況影響因素相關(guān)系數(shù)Fig.1 Correlation coefficient chart of influencing factors of psychological status

3 公交駕駛員心理疾病判別與分析

3.1 基于K-means聚類算法的心理疾病類型判別模型

由于K-means 聚類算法思想簡單、聚類效果好、聚類速度快、在數(shù)據(jù)挖掘方面應(yīng)用廣泛，因此，本文從年齡、性別、文化程度、工作年限、身體狀況、組織認(rèn)同感、駕駛行為、生活狀態(tài)維度建立基于Kmeans 聚類算法的心理疾病判別模型，以劃分公交駕駛員的心理疾病嚴(yán)重程度類型。

K-means聚類算法[19]思想：對于給定的樣本集，按照樣本x之間的距離大小，將樣本集劃分為k個簇，最小化簇內(nèi)點之間的距離，最大化簇間距離。假設(shè)樣本簇劃分為（C1,C2,…,Ck），則K-means 算法的目標(biāo)為最小化平方誤差E，即

式中：μi為簇Ci的均值，表達(dá)式為

本文利用輪廓系數(shù)法求解K-means 聚類算法的k值，結(jié)果如圖2所示。輪廓系數(shù)表示聚類后各類樣本間的緊密程度和各類間的離散程度，輪廓系數(shù)值越大，聚類效果越好。

由圖2可知，k=3 時，輪廓系數(shù)值最大，聚類效果最好。故本文利用K-means聚類算法將190名公交駕駛員的心理疾病嚴(yán)重程度劃分為：心理狀態(tài)良好型、輕度心理疾病型、嚴(yán)重心理疾病型3 種類型。算法先確定3個初始聚類中心，然后分別求解所有樣本到3個聚類中心的距離，將每個樣本的類別標(biāo)記為距離該樣本最近的聚類中心的類別，計算得到所有樣本第1輪迭代后的類別，不斷迭代至第13次迭代時，聚類中心不存在變動或僅有小幅度變動，實現(xiàn)收斂。

圖2 輪廓系數(shù)Fig.2 Profile coefficient diagram

由于性別、年齡、文化程度和工作年限對公交駕駛員心理疾病類型的影響不明顯，故本文在劃分心理疾病類型時考慮身體狀況、組織認(rèn)同、駕駛行為以及生活狀態(tài)，這幾個影響因素的得分越高說明公交駕駛員患心理疾病的嚴(yán)重程度越輕。最終聚類中心如表2所示。

表2 最終聚類中心表Table 2 Final cluster center results

聚類結(jié)果顯示：190名公交駕駛員中，心理狀態(tài)良好型、輕度心理疾病型、嚴(yán)重心理疾病型公交駕駛員分別占比52%、34%、14%。

單因素方差分析結(jié)果如表3所示。

表3 聚類單因素方差分析結(jié)果Table 3 Results of cluster one-way ANOVA

由表3可知：年齡、性別和工作年限在0.05 顯著性水平下是顯著的；文化程度、身體狀況、組織認(rèn)同、駕駛行為和生活狀態(tài)在0.001 顯著水平下是顯著的，即這8個影響因素對分類結(jié)果皆起顯著性作用。

3.2 基于多元Logistic 回歸的心理疾病類型分析模型

Logistic 回歸分析[20]是一種廣義的線性回歸模型，常用于疾病自動診斷、數(shù)據(jù)挖掘等領(lǐng)域，例如，探討引發(fā)疾病的危險，并根據(jù)危險因素預(yù)測疾病發(fā)生的概率等。Logistic 回歸分析分為二元Logistic回歸分析和多元Logistic 回歸分析。二元Logistic回歸模型中因變量只取兩個值“1”和“0”；多元Logistic回歸模型廣泛用于研究多元因變量與自變量間的關(guān)系[21]。因此，本文采用多元Logistic 回歸模型探究不同心理疾病類型的主要影響因素。

以8 個影響因素：年齡、性別、文化程度、工作年限、身體狀況、組織認(rèn)同、駕駛行為以及生活狀態(tài)為自變量x；以3 種心理疾病類型：嚴(yán)重心理疾病型、輕度心理疾病型以及心理狀態(tài)良好型為因變量Y，構(gòu)建多元Logistic回歸模型，即

式中：i為心理疾病類型編號，i∈{0,1, 2} ；hi（x）為自變量函數(shù)；P(Y=i|x)為駕駛員表現(xiàn)的第i種心理疾病類型的概率。假設(shè)患任一心理疾病的可能性不為0，即

式中：P(Y=0)為駕駛員有嚴(yán)重心理疾病的可能性；P(Y=1)為駕駛員有輕度心理疾病的可能性；P(Y=2)為駕駛員心理狀態(tài)良好。3 種心理疾病類型的概率為

在最初的多元Logistic 回歸模型中，對除人格冷怒和職業(yè)壓力與工作倦怠這2 個相關(guān)變量外的所有變量進行分析，將對心理疾病影響較小的變量(sig大于0.05)排除在外，得到3個剩余變量：駕駛行為、生活狀態(tài)和身體狀況，然后，建立最終的基于多元Logistic 回歸的心理疾病分析模型，結(jié)果如表4所示。由表4可知

表4 公交駕駛員心理疾病多元Logistic回歸分析結(jié)果Table 4 Results of multivariate Logistic regression analysis of mental diseases of bus drivers

(1)將公交駕駛員心理狀態(tài)良好型與嚴(yán)重心理疾病型比較發(fā)現(xiàn)，身體狀況欠佳(B 為-5.716，sig 為0.024)、身體狀況一般(B為-3.383，sig為0.004)的系數(shù)在0.05 顯著水平下是顯著的，系數(shù)均為負(fù)值，表明身體狀況欠佳或者一般的公交駕駛員比身體狀況良好的公交駕駛員患嚴(yán)重心理疾病的可能性更大；生活狀態(tài)欠佳(B為-5.114，sig為0.009)、生活狀態(tài)一般(B為-3.087，sig為0.014)的系數(shù)在0.05顯著水平下是顯著的，系數(shù)均為負(fù)值，表明生活狀態(tài)欠佳或者一般的公交駕駛員比生活狀態(tài)良好的公交駕駛員表現(xiàn)為心理狀態(tài)良好型的概率更小。

(2)將輕度心理疾病型與嚴(yán)重心理疾病型比較：身體狀況欠佳(B 為-3.087，sig 為0.001)的系數(shù)在0.001顯著水平下是顯著的，系數(shù)為負(fù)值，表明身體狀況欠佳的公交駕駛員比身體狀況良好的公交駕駛員患嚴(yán)重心理疾病的可能性更大；生活狀態(tài)很差(B 為-5.236，sig 為0.003)、生活狀態(tài)欠佳(B為-4.277，sig為0.001)的系數(shù)在0.01顯著水平下是顯著的，系數(shù)均為負(fù)值，表明生活狀態(tài)很差或者欠佳的公交駕駛員比生活狀態(tài)良好的公交駕駛員表現(xiàn)為嚴(yán)重心理疾病型的概率更大；駕駛行為欠佳(B為-4.017，sig 為0.048)的系數(shù)在0.05 顯著水平下是顯著的，系數(shù)為負(fù)值，表明駕駛行為較不規(guī)范的公交駕駛員比駕駛行為規(guī)范的公交駕駛員患嚴(yán)重心理疾病的概率更大。

本文利用Spearman 相關(guān)性檢驗進一步分析公交駕駛員駕駛行為、生活狀態(tài)和身體狀況對心理疾病類型影響的強弱程度，結(jié)果如表5所示。

由表5可知，公交駕駛員的身體狀況、生活狀態(tài)、駕駛行為與心理疾病類型的相關(guān)系數(shù)分別為0.382、0.253、0.579，說明這3 個因素與公交駕駛員的心理疾病類型顯著正相關(guān)，與基于多元Logistic回歸的心理疾病類型分析模型的結(jié)果一致。并且，心理疾病類型與駕駛行為的相關(guān)性最強，身體狀況次之，與生活狀態(tài)的相關(guān)性最弱。

表5 心理疾病類型主要影響因素相關(guān)性分析Table 5 Correlation analysis of main influencing factors of mental illness types

3.3 不同嚴(yán)重程度的心理疾病干預(yù)機制

結(jié)合3 個主要影響因素與各因素對心理疾病類型影響的強弱程度，針對公交駕駛員不同嚴(yán)重程度的心理疾病提出相應(yīng)的干預(yù)措施，及時疏導(dǎo)公交駕駛員的心理問題，提高公交駕駛員的身心健康水平，促進公共道路交通安全的長期健康發(fā)展。

對于心理狀態(tài)良好型公交駕駛員，身體狀況和生活狀態(tài)均良好，駕駛行為規(guī)范，無需過多外在干預(yù)。個人方面，可利用空閑時間發(fā)展一些興趣愛好，例如，各種球類運動等；公交公司方面，不能因公交駕駛員一時心理狀態(tài)良好而放松警惕，應(yīng)堅持做好心理篩查工作，防患于未然。

對于輕度心理疾病型公交駕駛員，個人方面，可利用講座形式進行知識分享，加強降低駕駛分心風(fēng)險、調(diào)節(jié)“路怒”情緒等與公交駕駛員心理狀態(tài)認(rèn)知有關(guān)的培訓(xùn)和指導(dǎo)；公交公司方面，應(yīng)多組織體育活動和戶外團建活動，提高公交駕駛員身體健康水平，釋放生活與職業(yè)壓力，保持積極樂觀的生活狀態(tài)。

對于嚴(yán)重心理疾病型公交駕駛員，個人方面，可由專業(yè)心理治療師對其進行小組或個人心理疏導(dǎo)；公交公司方面，可設(shè)立“情緒假”，當(dāng)公交駕駛員由于身體、心情、家庭等因素情緒不佳，本人主動申請不上路時，應(yīng)予以調(diào)休。同時，可考慮適當(dāng)減輕對公交駕駛員的工作量要求，或均衡每日工作時間。

4 結(jié)論

本文通過分析公交駕駛員心理狀況影響因素，構(gòu)建心理疾病判別模型，并基于不同心理疾病類型的主要影響因素分析提出干預(yù)措施，得出如下結(jié)論：

(1)利用皮爾遜相關(guān)性分析研究心理狀況各影響因素間的相關(guān)性，發(fā)現(xiàn)人格冷怒和駕駛行為、身體狀況、生活狀態(tài)、組織認(rèn)同感顯著正相關(guān)，職業(yè)壓力與工作倦怠和這4個影響因素顯著負(fù)相關(guān)，相關(guān)性均較強，故構(gòu)建心理疾病判別模型時排除人格冷怒和職業(yè)壓力與工作倦怠。采用K-means聚類算法對公交駕駛員心理疾病嚴(yán)重程度進行分類，分類結(jié)果顯示，心理狀態(tài)良好型、輕度心理疾病型、嚴(yán)重心理疾病型公交駕駛員分別占比52%、34%、14%。

(2)通過多元Logistic 回歸模型探究公交駕駛員不同心理疾病類型的主要影響因素，發(fā)現(xiàn)身體狀況、生活狀態(tài)和駕駛行為對公交駕駛員心理疾病有顯著的正向影響，即身體狀況與生活狀態(tài)越良好，駕駛行為越規(guī)范，公交駕駛員患心理疾病的概率越?。徊⑶?，心理疾病類型與駕駛行為的相關(guān)性最強，身體狀況次之，與生活狀態(tài)的相關(guān)性最弱。