彎美娜， 李 洋， 何 慶

(北京警察學院， 北京 102202)

0 引言

駕駛人的駕駛分心是引發(fā)交通事故的重要原因之一. 據美國國家公路安全管理局(NHTSA)統(tǒng)計，美國2006—2010年由于分心導致事故比例達到17%，2011—2013年事故比例達到16%. 其中駕駛分心導致死亡事故占到總死亡事故的10%[1]. 2014年，全國簡易交通事故656.3萬起，其中因“駕駛分心”導致的309.9萬起，占47.22%；一般以上交通事故中，因“駕駛分心”導致的共有74 746起，占37.98%，造成21 570人死亡，76 984人受傷，直接財產損失4.58億元. 2019年以來，交警部門共查處“駕駛分心”違法行為40.3萬起，與去年同期相比上升11.1%[2].

國際標準化組織將駕駛分心初步定義為：注意力集中在駕駛無關的活動中，一般對駕駛行為有害[3]. 美國高速公路安全管理局(NHTSA)將駕駛分心分為以下3種類型：視覺分心：需要駕駛員離開路面注視來獲取信息；操作分心：需要駕駛員單手離開方向盤并操作設備；認知分心：需要駕駛員從駕駛任務中轉移精神注意力.

目前駕駛分心的研究較多地集中在分心的認知機制探討和分心行為分析等研究中. 其中，認知機制的探討一般通過視覺分心或認知分心任務、在駕駛模擬環(huán)境下、通過實驗的方式考查分心任務對駕駛操作行為的影響. 如羅毅等[4]通過駕駛模擬試驗,考查駕駛分心對車輛變道行為的影響，結果顯示，駕駛分心對變道過程中車輛的縱向速度、橫向速度、橫向加速度、方向盤轉角、方向盤轉速和油門開度等6項駕駛績效參數有顯著影響. 李鵬輝等[5]通過駕駛模擬器對分心任務與交通沖突反應時之間的關系進行了分析，結果顯示，認知分心會延長駕駛人應對側向沖突的反應時,視覺分心同時延長駕駛人應對側向及縱向沖突的反應時間;視覺分心對駕駛人反應時間的延長顯著性高于認知分心.

同時，伴隨著移動電話的迅速普及，駕駛時使用電話的行為也變得越發(fā)普遍. 越來越多的研究者在駕駛分心特性中開始關注如手動操作電子通訊設備、使用非手持電子設備通話、使用手持電話通話等的影響[6]. 如黨珊[7]對駕駛中操作手機打車軟件誘發(fā)的駕駛分心行為進行的駕駛模擬實驗結果顯示，正常駕駛與4類駕駛分心情況下駕駛行為表現(xiàn)出顯著差異,非常規(guī)場景中,分心操作對危險刺激的反應時增長顯著，駕駛分心操作時的事故率出現(xiàn)顯著上升. 彭丹丹等[8]使用眼動儀用模擬駕駛試驗的方式對手機導航方式對駕駛行為的影響進行分析后指出，不同手機導航方式都會造成駕駛分心,但分心程度不同;手持手機導航使駕駛人對前方和左側區(qū)域的關注下降最為顯著.

從上述研究中可看到，駕駛分心的研究目前主要集中在對駕駛分心行為的行為觀察和認知機制探索等方面，包括對視覺分心、認知分心的神經生理機制分析、風險認知水平分析等認知過程的分析，以及由此衍生的駕駛分心行為檢測系統(tǒng)和人機交互界面設計等領域中，而對于駕駛分心行為的駕駛人的社會特征和駕駛行為特征分析則較為少見. 從交通管理工作實踐角度出發(fā)，對于駕駛分心行為的駕駛人社會特征和行為特征進行分析，對于交通安全工作也具有不可忽視的作用. 因此，本研究從駕駛人的人口統(tǒng)計學特征和駕駛行為特征出發(fā)，對駕駛分心行為進行了分析，并進一步總結分心駕駛的人群的常見特征，以期為交通管理工作提供可能的管理思路.

1 研究方法

1.1 研究工具

本研究使用網上調查的形式，通過自我報告的問卷，對駕駛人日常出行駕駛行為中的社會經濟狀況、駕駛分心情況(駕駛行為中出現(xiàn)頻率最高的分心行為、日常駕駛活動中使用手機的頻率)和事故情況(過去3a發(fā)生的事故數量)進行了調查. 最終有536名駕駛人接受了調查，其中男性338人，女性198人.

1.2 統(tǒng)計方法

本研究中涉及的分類變量包括駕駛分心情況、基本的人口統(tǒng)計學變量(年齡、性別、受教育程度、職業(yè)和家庭月收入)以及基本的駕駛情況(駕齡、駕駛人性質、車型、周均駕駛里程). 使用傳統(tǒng)的列聯(lián)表分析不僅列聯(lián)表層次復雜，且行與列之間的交叉信息也不易理解，針對這種情況，采用研究者們普遍推薦的多重對應分析的方式進行呈現(xiàn).

使用SPSS 22.0統(tǒng)計軟件進行數據整理和分析，以P<0.05 為差異有統(tǒng)計學意義.

2 研究結果

2.1 駕駛分心行為描述統(tǒng)計

研究者列舉了駕駛行為中常見的可能引起駕駛分心的行為，要求被試選擇在駕駛行為中出現(xiàn)頻率最高的兩項行為，結果如表1所示.

表1 常見的駕駛分心行為頻率表

從表1中可看到，在駕駛分心行為中，駕駛人最常出現(xiàn)的行為頻次最高的5項行為依次為聽廣播、聊天、玩手機、吃東西和看視頻.

進一步詢問被試在駕駛行為中使用手機的頻率，結果如圖1所示.

“好小子！好一招‘浮花浪蕊、蘭摧玉折’，老夫打了一輩子的鷹，差一點就被你們三個娃娃啄到了?！睂O老神仙一邊沉腰出掌，野馬分鬃，左掌六，右掌七，引導陣中內力陰陽轉圜，饒是如此，兩股大力碰撞，如驚濤拍岸，千堆雪積，轟然作響，他承受其重，胸口一滯，一口熱血涌出來，淋淋濺到須發(fā)上。

圖1 駕駛行為中使用手機的頻率分布圖

從圖1中可看到，超過68%的駕駛人承認在駕駛行為中出現(xiàn)過使用手機的情況，其中14%的駕駛人頻繁地在駕駛行為中使用手機.

2.2 駕駛分心行為的多重對應分析

研究者對自我報告中承認在駕駛行為中使用手機的駕駛人(n=363)樣本進一步進行多重對應分析.

2.2.1 基本情況描述

363名駕駛人的年齡、受教育程度、家庭經濟狀況等人口統(tǒng)計學變量如表2所示.

從表2中可看到，男性駕駛人占比接近70%，大多數被調查者年齡在35歲以下，大多數受過高等教育，職業(yè)以固定職業(yè)為主，家庭月收入處于中等水平.

363名駕駛人的駕齡、日常駕駛車型和周均駕駛里程等駕駛基本情況如表3所示.

表3 被調查者人口統(tǒng)計學變量分布表

從表3中可看到，大多數駕駛人的駕齡在5a以下，駕駛車輛以小型客車為主，周均駕駛里程以中短途為主.

2.2.2 適應性檢驗

適用性檢驗結果顯示，不同人口特征的駕駛人在不同的駕駛特征上的表現(xiàn)如表4所示.

從表4中可看到，不同性別的駕駛人在職業(yè)、周均駕駛里程上的分布無差異；不同職業(yè)的駕駛人在駕駛能力分布上無差異；其余研究變量的分布上均表現(xiàn)出顯著差異.

表4 不同人口特征的駕駛人變量的兩兩適應性檢測(χ2/P值)

2.2.3 模型情況概要

考慮到人口統(tǒng)計學變量中，受教育程度和家庭收入情況與年齡和職業(yè)之間存在較大的相關，因此，研究者最終選擇對性別、年齡、職業(yè)、駕齡、車型、周均駕駛里程和駕駛能力7個變量間進行多重對應分析[13]. 在對這7個變量進行特征分析后，其在2個維度上的調整慣量貢獻率如表5所示.

表5 調整慣量貢獻率表

從表5中可看到，維度1可解釋總體變異的34.95%，維度2可解釋總體變異的22.00%；也就是說，兩維坐標圖可介紹原有數據的56.95%的信息.

根據上述2個特征根得到2個辨識度量，并得到性別等維度在這2個辨識度量上的載荷，如表6所示.

表6 辨識度量載荷表

從表6中可看到，年齡、駕齡和駕駛能力主要分布在辨識度量1上，性別主要分布在辨識度2上，職業(yè)和周均駕駛里程在2個辨識度量上分布比較平均. 它們之間的關系，如圖2所示.

圖2 變量在兩個辨識維度上的分布圖

3.2.4 多重對應分析的聯(lián)合分布圖

為了更清晰地呈現(xiàn)這些變量之間的關系，研究將多重對應分析的結果以類別聯(lián)合圖的形式繪制出來，結果如圖3所示.

圖3 駕駛分心人群的多重對應分析的類別聯(lián)合圖

從圖3中可看到，男性、非固定職業(yè)、駕齡在3～5 a在同一方向出現(xiàn)聚集，表明這些變量之間存在相關；同樣，18～35歲與駕齡與在3 a以內、周均駕駛里程為中途(50～400 km)與固定職業(yè)、60歲以上與周均駕駛里程為長途之間也存在一定的關聯(lián)性. 男性和女性在原點的不同方向，駕駛能力自評高、低的駕駛人的位置較遠，說明不同性別、不同駕駛能力認知的駕駛人分布有所不同.

研究者進一步對不同性別、不同駕駛自評能力的駕駛分心人群特征進行了多重對應對應分析，其類別聯(lián)合圖的結果如圖4、圖5所示.

圖4 男性駕駛分心人群的多重對應分析的類別聯(lián)合圖

圖5 女性駕駛分心人群的多重對應分析的類別聯(lián)合圖

從圖4中可看到，在男性的駕駛分心人群中，非固定職業(yè)、駕齡在3 a以內、周均駕駛里程在50 km以內，同時駕駛能力自評較低等特征出現(xiàn)了聚集；同時，固定職業(yè)、駕齡在5～10 a，周均駕駛里程在50～400 km與高的駕駛能力自評等特征可能存在相關. 圖5中的信息顯示，在女性的駕駛分心人群中，10 a以上駕齡與較高的駕駛能力自評出現(xiàn)聚集；女性駕駛人非固定職業(yè)、駕齡3 a以內、周均駕駛里程較短等特征也表現(xiàn)出相關.

從圖6、7中我們發(fā)現(xiàn)，男性駕駛人18～35歲以及3～5 a駕齡均表現(xiàn)出較強的相關，但是在駕駛能力自評較低的群體中，女性與較長的里程出現(xiàn)相關；而在駕駛能力自評較高的群體中， 相對而言，女性與中等程度的駕駛里程關系較為密切.

圖6 低駕駛能力駕駛分心人群的多重對應分析的類別聯(lián)合圖

圖7 高駕駛能力駕駛分心人群的多重對應分析的類別聯(lián)合圖

3 討論

3.1 駕駛分心的群體特征：年齡和職業(yè)特征的影響

綜上所述，在不同條件多重對應分析中出現(xiàn)了一些穩(wěn)定的特征聚集：如駕齡在3 a以內這一特征幾乎總是與短途駕駛里程(周均駕駛里程在50 km以內)以及非固定職業(yè)這些特征聯(lián)系在一起. 這些特征共同構成了這樣一幅駕駛人群體的描象：新手駕駛人. 一般而言，國際慣例將取得駕駛執(zhí)照在1 a以內的駕駛人稱之為新手駕駛人. 但是由于我國的國情，一部分駕駛人在取得駕駛執(zhí)照后的一段時間內，并沒有很多的上路實踐機會，從周均駕駛里程在50 km以內也能反映出這一點. 同時，也意味著這一群體并非具有穩(wěn)定上下班通勤需要的駕駛人群體. 這3個特征放在一起，研究者猜測這一群體中相當大的人群可能是屬于青年駕駛人群體. 由于在本次研究中，我們使用在駕駛活動中對手機的使用頻率作為駕駛分心的指標，因此，這一群體在駕駛分心上表現(xiàn)突出也就不難理解了. 一方面，智能手機的使用頻率本身就呈現(xiàn)出了極強的年齡效應，青年群體中對于智能手機的依賴本身就顯著地高于其他年齡階段；另一方面，在新手駕駛人階段，對駕駛環(huán)境、駕駛操作等方面內容的不熟悉，也進一步加劇了對智能手機(如手機導航軟件等)的依賴，從而使得駕駛分心在這一群體中更加常見.

另一方面，在駕駛里程為中途(50～400 km)與固定職業(yè)、5～10 a駕齡等特征之間的密切相關，也似乎提示，在年齡更高的群體中，駕駛分心的群體似乎與朝九晚五的“上班族”存在一定的重合，周均50～400 km的駕駛里程似乎也與上下班的通勤距離較為接近. 同時，在部分類別聯(lián)合圖中出現(xiàn)的，60歲以上的駕駛人群體與周均400 km以上的駕駛里程之間的聚集，似乎也在提示研究者，對于不同年齡階段的駕駛人而言，駕駛中對手機的使用這一駕駛分心行為可能存在的不同指向和功能，這一內容需要后續(xù)研究根據使用手機的內容和形式進行進一步挖掘.

3.2 駕駛分心行為可能受到性別刻板印象的影響

除了年齡和職業(yè)的影響之外，多重對應分析的結果還顯示，駕駛分心行為在很大程度上表現(xiàn)出了性別和駕駛能力的差異. 具體而言，駕駛自評能力幾乎沒有在男性駕駛人群體表現(xiàn)出差異性的相關，而女性駕駛人則表現(xiàn)出一定的駕駛能力自評結果與駕駛里程至今的負相關的傾向. 也就是說，駕駛能力自評較低的群體中，女性與較長的里程出現(xiàn)相關；而在駕駛能力自評較高的群體中，女性則與中等程度的駕駛里程關系較為密切. 研究者認為，出現(xiàn)這一現(xiàn)象的原因，可能與女性駕駛人所遭受的在駕駛行為中的刻板印象相關. 由于這種刻板印象的存在，女性駕駛人可能對自身的駕駛技能評價相對較低，這種較低的評級可能進一步抑制了女性駕駛人在駕駛活動中的分心行為. 因此，對自己駕駛能力評級較高的女性駕駛人與周均駕駛里程為中途表現(xiàn)出聚集，而對自己駕駛能力評價較低的女性駕駛人則與周均駕駛里程為長途表現(xiàn)出相關. 周均駕駛里程在一定程度上可看做是駕駛人對駕駛技能的練習活動，從這個意義上講，女性駕駛人伴隨著對駕駛技能的熟練，從而導致對自我駕駛能力評價的提高，并進一步可能出現(xiàn)駕駛分心行為.