范雙雙 張夢(mèng)潔 漆書林

(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備受關(guān)注，我國的道路交通安全有3大特征：事故總量大、惡性事故多發(fā)、死亡率高。

據(jù)我國的疾病預(yù)防控制中心監(jiān)測的數(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。美國的研究者威廉哈頓用矩陣的形式來表示人、車、路這3者在交通事故中的相關(guān)性，見表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，通過問卷調(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]通過軟件元，從交通心理層面分析出了我國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，越來越多的駕駛員在駕駛過程會(huì)使用手機(jī)，導(dǎo)致注意力分散，影響駕駛績效與適應(yīng)性。王穎[8]運(yùn)用實(shí)際測試與仿真2種方式進(jìn)行實(shí)驗(yàn)，探索駕駛員在開車時(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]，異常駕駛行為來源于駕駛行為問卷(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、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)成新的駕駛行為問卷。在接下來的分析中，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，有視覺上的干擾，注意力上的干擾，心理上的干擾。

問卷中異常駕駛行為共有24項(xiàng)，見表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)?！?“偶爾” “基本不” “絕不”5種答案表示事物發(fā)生的頻率程度，見表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)的問卷調(diào)查樣本量的確定，題項(xiàng)數(shù)量與問卷樣本量之比為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)修改過的DBQ是否符合研究目的，在試調(diào)查中共收集了85份問卷，有效問卷為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)行問卷測驗(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)查問卷總共回收了274份，有效問卷為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)測值：(常量)，次任務(wù)，注意力流失，違規(guī)，錯(cuò)誤

由表7可見，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試是量表的測試類型，結(jié)果見表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?。粁11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

采用DBQ的方式進(jìn)行數(shù)據(jù)收集，通過模型建立與結(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，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，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。