姚佼　劉善勇　姜璐璐　王飛　徐輝　趙靖

摘 要：在歸納總結(jié)出租車駕駛員無(wú)視交通標(biāo)志標(biāo)線、近距離跟馳、超速行駛和違規(guī)變道超車四類常見違章行為的基礎(chǔ)上，編制了出租車駕駛員違章行為的四維量表，運(yùn)用社會(huì)統(tǒng)計(jì)學(xué)的方法對(duì)量表進(jìn)行了項(xiàng)目分析、探索性因子分析和相關(guān)的信度效度分析；最后運(yùn)用此量表對(duì)駕駛員的違章行為進(jìn)行了相關(guān)的調(diào)查分析和研究，結(jié)果顯示大城市出租車駕駛員違章行為中超速行駛行為比較嚴(yán)重，尤其是“夜間駕駛速度快”和“黃燈期間加速通過交叉口”經(jīng)常出現(xiàn)的概率分別高達(dá)60.4%和56.0%。在城市的出租車運(yùn)營(yíng)管理中，對(duì)駕駛員的這些違章行為應(yīng)重點(diǎn)關(guān)注。

關(guān)鍵詞：出租車駕駛員；違章行為；四維量表；信度分析；效度分析

中圖分類號(hào)：F570 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： Based on summarization of four types of common violations of taxi drivers， ignoring traffic signs and markings， car-following too closely， over-speeding， and illegal lane change and overtaking， its four dimensional table was complied. Furthermore， item analysis， exploratory factor analysis， and reliability & validity analysis of the table were finished with social statistical method. Finally， relative survey of illegal behavior of taxi drivers in metropolis were carried out with the table above， and from the analysis we can conclude that situation of over-speeding of taxi drivers is very serious， in which phenomena of“driving over-speeding at mid-night”and“accelerating to across the intersection during the yellow signal”are more frequent， the probabilities approach 60.4% and 56.0% respectively. So the operation management of taxi in metropolis should mainly focus on these illegal behaviors of taxi drivers.

Key words： taxi driver； illegal behavior； four dimensional table； reliability analysis； validity analysis

0 引 言

相關(guān)研究表明，出租車駕駛員日均工作時(shí)間超過15個(gè)小時(shí)，長(zhǎng)時(shí)間、高負(fù)荷工作極易造成身體和心理疲勞[1]；網(wǎng)絡(luò)約租車的出現(xiàn)，更加劇了出租車駕駛員的工作壓力[2]。此外，出租車駕駛員對(duì)其駕駛技術(shù)自信、開車時(shí)需留意潛在客源、滿足乘客隨意上下車需求等特質(zhì)，也更易誘發(fā)違章駕駛行為。這對(duì)城市道路交通流組織，以及城市交通安全造成了極大的負(fù)面影響。

出租車駕駛員由于其營(yíng)運(yùn)屬性，駕駛目的有別于其他駕駛員，因此其行為表現(xiàn)也不同于一般駕駛員。Hua Cai等基于

11 800輛出租車車輛行駛軌跡的數(shù)據(jù)分析，給出了北京市出租車駕駛員行為的宏觀特點(diǎn)和分布[3]，張梅玲等人通過編制量表對(duì)西寧市出租車駕駛員交通安全知識(shí)、態(tài)度、行為進(jìn)行了分析[4]。楊玲玲等則通過調(diào)查數(shù)據(jù)、建立模型等手段，認(rèn)為出租車跟馳間距較小，增加了事故發(fā)生的機(jī)率[5]。

此外，出租車駕駛員很多時(shí)候表現(xiàn)出的攻擊性駕駛行為、危險(xiǎn)性駕駛行為和憤怒駕駛行為等，對(duì)城市交通流的安全運(yùn)行有著極大的危害[6-8]。挪威科技大學(xué)Hilde lversen等通過量表調(diào)查顯示駕駛員的風(fēng)險(xiǎn)態(tài)度和風(fēng)險(xiǎn)行為對(duì)交通安全有很大的影響[9]；張瓊通過量表設(shè)計(jì)一級(jí)指標(biāo)風(fēng)險(xiǎn)認(rèn)知、風(fēng)險(xiǎn)態(tài)度和風(fēng)險(xiǎn)行為來(lái)檢測(cè)駕駛員違規(guī)行為及發(fā)現(xiàn)違規(guī)發(fā)生的原因[10]；李實(shí)振等對(duì)風(fēng)險(xiǎn)駕駛行為進(jìn)行了更詳細(xì)的分類研究，如危險(xiǎn)性違規(guī)、情緒化違規(guī)、經(jīng)驗(yàn)性違規(guī)和注意力失誤等子行為[11]。駱勇等設(shè)計(jì)了攻擊性駕駛行為的評(píng)測(cè)問卷，并找出產(chǎn)生攻擊性駕駛行為的因子[12]。Y Yasak等人通過對(duì)土耳其駕駛員的憤怒駕駛行為進(jìn)行研究，編制了測(cè)量憤怒駕駛行為的量表[13]。雷虎等人詳細(xì)分析出憤怒情況下，駕駛員具體的行為方式，并研究了憤怒駕駛對(duì)交通安全的影響[14]。

通過設(shè)計(jì)量表能很好分析出駕駛員在駕駛過程中容易出現(xiàn)哪些違規(guī)行為，但這些研究的分析對(duì)象一般是普通駕駛員，對(duì)于出租車駕駛員，由于出租車駕駛員的行為，特別是違章行為特點(diǎn)有別于普通駕駛員，所以上述編制的量表不能準(zhǔn)確分析出租車駕駛員的違章行為。

本研究通過查閱資料和對(duì)出租車駕駛員進(jìn)行訪談的方式，對(duì)出租車駕駛員常見的違章行為進(jìn)行總結(jié)，進(jìn)而根據(jù)出租車駕駛員的違章行為編制出租車駕駛員違章行為量表，并通過調(diào)查數(shù)據(jù)檢驗(yàn)量表的信效度[15]。最后以上海市楊浦區(qū)為例，用驗(yàn)證后的量表來(lái)對(duì)出租車駕駛員違章行為進(jìn)行了分析和研究，具體研究思路如圖1所示。

1 量表設(shè)計(jì)

為了解出租車駕駛員違章駕駛行為特點(diǎn)，查閱相關(guān)資料，對(duì)出租車駕駛員進(jìn)行訪談，將出租車駕駛員違章行為整理成量表項(xiàng)目，在交通工程專業(yè)和心理學(xué)專業(yè)教師的共同指導(dǎo)下，對(duì)量表項(xiàng)目進(jìn)行專業(yè)知識(shí)和語(yǔ)言表達(dá)上的修正，同時(shí)請(qǐng)三位駕駛經(jīng)驗(yàn)豐富的出租車司機(jī)對(duì)量表進(jìn)行初步的評(píng)定，觀察能否準(zhǔn)確理解量表所表達(dá)的信息，最終形成初步量表。初步量表包含四個(gè)維度，即四類常見違章行為：無(wú)視交通標(biāo)志標(biāo)線、近距離跟馳、超速行駛和違規(guī)變道超車。每類常見違章行為包含若干子項(xiàng)違章行為。量表共包含15項(xiàng)，每項(xiàng)采用4點(diǎn)積分方式：“從不”為0分，“偶爾”為1分，“經(jīng)?！睘?分，“總是”為3分。量表結(jié)構(gòu)如表1所示。

2 量表分析

2.1 項(xiàng)目分析

為提高量表的信度和效度，在對(duì)量表進(jìn)行有效性分析之前，應(yīng)對(duì)每個(gè)量表進(jìn)行項(xiàng)目分析。

運(yùn)用積距相關(guān)公式：

γ= （1）

式中：

γ：積距相關(guān)系數(shù)；

X：被試在某一測(cè)題上的得分；

Y：被試測(cè)驗(yàn)總分；

n：被試的總?cè)藬?shù)。

當(dāng)相關(guān)性達(dá)到顯著P<0.05、相關(guān)系數(shù)>0.4時(shí)，表明項(xiàng)目與總體量表的同質(zhì)性較高，所要測(cè)量的心理特質(zhì)越接近。

2.2 探索性因子分析

因子分析一般運(yùn)用主成分分析法來(lái)求解。即通過坐標(biāo)變換的手段，將原有的相關(guān)變量進(jìn)行線性組合，轉(zhuǎn)換成另一組不相關(guān)的變量，這樣便得到量表的各個(gè)主成分。

進(jìn)行探索性因子分析之前需要做巴特利特球度檢驗(yàn)（Bartlett Test of Sphericity）和KMO檢驗(yàn)（Kaiser-Meyer-Olkin），即檢驗(yàn)量表中原有變量之間是否具有較強(qiáng)的相關(guān)關(guān)系。

巴特利特球度檢驗(yàn)原假設(shè)為：原有變量的相關(guān)系數(shù)矩陣是單位陣。其檢驗(yàn)統(tǒng)計(jì)量由相關(guān)系數(shù)矩陣行列式計(jì)算得到，且近似服從卡方分布。如果該統(tǒng)計(jì)量的觀測(cè)值比較大，且對(duì)應(yīng)的概率P值小于給定的顯著性水平α，則應(yīng)拒絕原假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣不太可能是單位陣，原有變量適合作因子分析；反之，原有變量不適合作因子分析。

KMO檢驗(yàn)統(tǒng)計(jì)量是比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，數(shù)學(xué)公式為：

KMO= （2）

式中，r 是變量x 和其他變量x 間的簡(jiǎn)單相關(guān)系數(shù)；p 是變量x 和其他變量x 間在控制了剩余變量下的偏相關(guān)系數(shù)。KMO統(tǒng)計(jì)量的取值在0-1之間。當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1。KMO值越接近1，表示變量間的相關(guān)性越強(qiáng)，原有變量越適合作因子分析。KMO值越接近0，意味著變量間的相關(guān)性越弱，原有變量越不適合作因子分析。

2.3 效度分析

效度即有效性，指量表所測(cè)量到的結(jié)果反映所想要研究?jī)?nèi)容的程度，測(cè)量結(jié)果與要研究的內(nèi)容越吻合，則效度越高；反之，則效度越低。效度分為三種類型：內(nèi)容效度、準(zhǔn)則效度和結(jié)構(gòu)效度。

2.4 信度分析

信度是對(duì)測(cè)量一致性程度的估計(jì)，信度系數(shù)越高表示該量表檢測(cè)結(jié)果越一致、穩(wěn)定與可靠，一般多以內(nèi)部一致性來(lái)加以表示該測(cè)驗(yàn)信度的高低[16]。內(nèi)部一致性信度分為分半信度和同質(zhì)性信度。

求解分半信度之前，先將量表的項(xiàng)目按照序號(hào)的奇數(shù)和偶數(shù)分成兩半，用皮爾遜積差相關(guān)公式計(jì)算其相關(guān)系數(shù)，當(dāng)兩部分方差相等，可以用斯皮爾曼—布朗公式加以校正，即：

r=2r /1+r （3）

式中：r 為兩半分?jǐn)?shù)間的相關(guān)系數(shù)，r為整個(gè)測(cè)驗(yàn)的信度值。

當(dāng)兩部分方差齊性檢驗(yàn)呈不齊性時(shí)，采用弗朗那根公式：

r=21-S +S /S （4）

式中：S 和S 分別表示被試兩半測(cè)驗(yàn)上分?jǐn)?shù)的變異值，S 表示全體被試在整個(gè)測(cè)驗(yàn)上總得分的變異數(shù)。

一般用克朗巴哈α系數(shù)計(jì)算同質(zhì)性信度，其計(jì)算公式為：

α= （5）

式中：k為評(píng)估項(xiàng)目數(shù)； 為k個(gè)項(xiàng)目相關(guān)系數(shù)的均值。

3 案例實(shí)證

首先，對(duì)表1的設(shè)計(jì)量表進(jìn)行有效性驗(yàn)證。根據(jù)相關(guān)經(jīng)驗(yàn)，量表的樣本量與量表項(xiàng)目的比例應(yīng)大于5∶1，且總體樣本量不少于100份[15]。因此，在上海市楊浦區(qū)國(guó)順東路26弄、國(guó)和路609號(hào)兩個(gè)出租車集中的地方發(fā)放200份問卷，收回有效問卷187份，回收率為93.5%。被試對(duì)象群體為上海市出租車駕駛員，其中男性駕駛員為161名，女性駕駛員為26名；被試對(duì)象年齡最低為27歲，最高為59歲；駕駛年齡最低為3年，最高為26年。

利用統(tǒng)計(jì)學(xué)軟件SPSS22.0對(duì)測(cè)的數(shù)據(jù)進(jìn)行項(xiàng)目分析、探索性因子分析、效度分析和信度分析。

首先進(jìn)行量表的項(xiàng)目分析，表1項(xiàng)目6和項(xiàng)目15相關(guān)系數(shù)分別為0.331和0.273，小于0.4，且不顯著，故將其刪除。其他各項(xiàng)目與總分之間顯著性相關(guān)（顯著性水平p<0.01），說明出租車駕駛員違章行為量表各項(xiàng)目鑒別力較高，保留剩余的13項(xiàng)。

再進(jìn)行探索性因子分析，運(yùn)用SPSS軟件對(duì)13個(gè)項(xiàng)目進(jìn)行主成分因素分析，調(diào)查的數(shù)據(jù)KMO=0.87>0.80，表明變量間的相關(guān)性較強(qiáng)，原有變量適合作因子分析。

最后進(jìn)行效度分析，通過對(duì)出租車駕駛員違章行為量表的各維度與總分之間進(jìn)行相關(guān)性檢驗(yàn)，來(lái)檢驗(yàn)項(xiàng)目對(duì)測(cè)試內(nèi)容取樣的適當(dāng)程度。由表2量表各維度與總分之間矩陣可知，四個(gè)維度與總分之間的相關(guān)性系數(shù)均大于0.75，且p<0.01，表示量表各維度所測(cè)內(nèi)容與總量表所測(cè)內(nèi)容之間一致性較高，修訂后的量表的內(nèi)容效度較好。

最后，對(duì)量表進(jìn)行信度分析，計(jì)算量表的分半信度和克朗巴哈α系數(shù)，量表整體的分半信度為0.827，克朗巴哈α系數(shù)為0.836，超過了0.8，同時(shí)各子量表和各項(xiàng)目剔除后的克朗巴哈α系數(shù)都滿足信度檢驗(yàn)要求。因此，可以認(rèn)為量表具有較高的信度。

根據(jù)前述有效性分析修正后的正式量表，對(duì)上海市出租車駕駛員進(jìn)行問卷調(diào)查，共發(fā)放問卷387份，收回有效問卷364份，回收率為94.05%；其中男性駕駛員為330名，女性駕駛員為34名；被試年齡最低為26歲，最高為59歲；駕駛年齡最低為3年，最高為31年。

運(yùn)用SPSS對(duì)調(diào)查數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果見表3。從中可看出在出租車駕駛員違章行為中“超速行駛”維度出現(xiàn)的概率平均達(dá)到89.27%，其均值、中位數(shù)和眾數(shù)都較高，表示出租車駕駛員會(huì)“偶爾”或“經(jīng)?！背霈F(xiàn)超速行駛概率較高，其中的第5項(xiàng)目“夜間行人和車都很少，為了工作效率，我會(huì)開的較快”和第13項(xiàng)目“在黃燈時(shí)間段內(nèi)，加速通過交叉口”的偏度都小于0，其峰值都偏向較大得分值，且出租車駕駛員選擇“經(jīng)?！背霈F(xiàn)上述行為都分別占到了60.40%和56.00%，超過了一半。這說明出租車駕駛員在駕駛的過程中，最容易出現(xiàn)“超速行駛”的違章行為，尤其是夜間駕駛速度較快和在黃燈期間加速通過交叉口最為嚴(yán)重。另外，在“近距離跟馳”維度中的第7項(xiàng)目“沒法超車時(shí)緊跟在前車后面”和“違規(guī)變道超車”維度中的第10項(xiàng)目“對(duì)駕駛技術(shù)的自信頻繁變換車道”，駕駛員選擇“經(jīng)?！钡母怕史謩e為29.70%和27.50%，表示超過四分之一的出租車駕駛員會(huì)經(jīng)常出現(xiàn)上述違章行為。不過，通過分析也可以看出，在“無(wú)視交通標(biāo)志標(biāo)線”維度中的第11項(xiàng)目“在沒監(jiān)控的路口，我會(huì)考慮闖紅燈”駕駛員選擇“從不”的概率高達(dá)95.60%，表示絕大部分出租車司機(jī)不會(huì)闖紅燈。

4 結(jié)束語(yǔ)

編制的出租車駕駛員違章行為量表符合心理測(cè)量學(xué)的標(biāo)準(zhǔn)，可以有效地檢測(cè)出租車駕駛員違章行為，對(duì)規(guī)范駕駛員行為，保障交通安全具有積極的意義。本研究的實(shí)證案例僅局限于上海市出租車駕駛員，對(duì)全國(guó)城市出租車駕駛員進(jìn)行適用性檢驗(yàn)和其普適性有待進(jìn)一步研究。此外，本研究只是檢測(cè)出租車駕駛員的違章行為，并沒用對(duì)違章行為出現(xiàn)的內(nèi)在影響機(jī)理進(jìn)行研究，這需要在后續(xù)的研究中加以綜合考慮。

參考文獻(xiàn)：

[1] 盧國(guó)良. 上海市出租車駕駛員交通安全流行病學(xué)研究[D]. 上海：復(fù)旦大學(xué)（碩士學(xué)位論文），2006.

[2] Simon Harding， Milind Kandlikar， Sumeet Gulati. Taxi apps， regulation， and the market for taxi journeys[J]. Transportation Research Part A： Policy and Practice， 2016，88：15-25.

[3] Cai H， Zhan X， Zhu J， et al. Understanding taxi travel patterns[J]. Physica A Statistical Mechanics & Its Applications， 2016，457：590-597.

[4] 張梅玲，毛輝青. 西寧市出租車駕駛員交通安全知識(shí)、態(tài)度、行為現(xiàn)況調(diào)查[J]. 青海醫(yī)藥，2011，41（7）：2-6.

[5] 楊玲玲，楊亦慧，侯曉宇. 城市出租車跟馳行為安全性分析[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2011，11（S1）：115-119.

[6] 馮忠祥，劉靜，李陽(yáng)陽(yáng)，等. 攻擊性駕駛行為選擇模型及影響因素敏感度分析[J]. 中國(guó)公路學(xué)報(bào)，2012，25（2）：106-112.

[7] 王健霖，常若松，孫龍. 危險(xiǎn)駕駛行為量表的修訂及信效度檢驗(yàn)[J]. 人類工效學(xué)，2015，21（6）：47-49.

[8] Blankenship K L， Nesbit S M. Driving stimuli increases accessibility of aggression-related concepts in “angry” drivers[J]. Personality & Individual Differences， 2013，55（2）：135-140.

[9] Iversen H. Risk-taking attitudes and risky driving behavior[J]. Transportation Research Part F Traffic Psychology & Behaviour， 2004，7（3）：135-150.

[10] 張瓊. 駕駛?cè)税踩庾R(shí)評(píng)估研究[D]. 西安：長(zhǎng)安大學(xué)（碩士學(xué)位論文），2010.

[11] 李實(shí)振. 北京市司機(jī)風(fēng)險(xiǎn)駕駛行為研究[D]. 北京：北京交通大學(xué)（碩士學(xué)位論文），2011.

[12] 駱勇. 道路交通中攻擊性駕駛行為分析與研究[D]. 成都：西南交通大學(xué)（博士學(xué)位論文），2009.

[13] Yasak Y， Esiyok B. Anger amongst Turkish drivers： Driving Anger Scale and its adapted， long and short version[J]. Safety Science， 2009，47（1）：138-144.

[14] 雷虎. 憤怒情緒下的汽車駕駛行為特征及其對(duì)交通安全的影響研究[D]. 武漢：武漢理工大學(xué)（碩士學(xué)位論文），2011.

[15] Warren I， Hicks B， Kleberg， A， et al. The validity and reliability of the EValuation of INtervention Scale（EVIN）： Preliminary report[J]. Acta Paediatrica， 2016，105（6）：618-622.

[16] 金瑜. 心理測(cè)量[M]. 上海：華東師范大學(xué)出版社，2007.