潘旭茂，干宏程，尹 裴，車(chē)麗萍 PAN Xumao, GAN Hongcheng, YIN Pei, CHE Liping

（1. 上海理工大學(xué) 管理學(xué)院，上海200093；2. 上海理工大學(xué) 超網(wǎng)絡(luò)研究中心，上海200093）

(1. School of Management, University of Shanghai for Science and Technology, Shanghai 200093, China; 2. Center for Supernetworks Research, University of Shanghai for Science and Technology, Shanghai 200093, China)

0 引 言

自行車(chē)出行對(duì)個(gè)人和城市環(huán)境都有明顯的好處，人們?cè)隍T行的過(guò)程中既能鍛煉自己的身體，也可以緩解城市道路交通擁堵，以及減輕城市空氣污染，這種綠色的交通出行方式有利于社會(huì)的可持續(xù)發(fā)展。因此，中國(guó)近年來(lái)也在不斷推廣自行車(chē)這種低碳的綠色交通方式。2017 年11 月27 日，我國(guó)交通運(yùn)輸部發(fā)表《關(guān)于全面深入推進(jìn)綠色交通發(fā)展的意見(jiàn)》[1]，其中明確指出要全面開(kāi)展綠色出行行動(dòng)，積極鼓勵(lì)公眾使用綠色出行方式。加強(qiáng)自行車(chē)專用道和行人步道等城市慢行系統(tǒng)建設(shè)，改善自行車(chē)、步行出行條件。然而相關(guān)數(shù)據(jù)顯示自行車(chē)騎行者的交通事故率與日俱增，以深圳為例[2]，自2017 年以來(lái)發(fā)生了約13 萬(wàn)起與自行車(chē)相關(guān)的交通違規(guī)案件。此外，2017 年上半年與自行車(chē)相關(guān)的交通事故數(shù)量比2008 年同期高出79.63%。通常情況下自行車(chē)騎行者在交通事故中受到嚴(yán)重傷害的風(fēng)險(xiǎn)要高于汽車(chē)駕駛員，與汽車(chē)相比，自行車(chē)沒(méi)有任何保護(hù)的裝置設(shè)施，因此騎行者被歸為易受傷害的道路使用者。以上海為例[3]，2018 年所有交通事故中死亡的人數(shù)有13.7%是自行車(chē)騎行者。因此，在政府推廣綠色自行車(chē)出行的背景下，自行車(chē)騎行者的安全問(wèn)題顯然是不可忽視的。為了減少自行車(chē)騎行的事故率和傷亡率，了解造成自行車(chē)騎行者事故的原因就顯得尤為重要。Thomas 等[4]指出交通事故很大一部分來(lái)源于各個(gè)道路使用者產(chǎn)生的交互，而這種交互往往會(huì)給道路的使用者帶來(lái)憤怒情緒。

關(guān)于駕駛員憤怒情緒方面的研究最早是由Deffenbacher[5]提出的，他采用駕駛憤怒量表（Driving Anger Scale，DAS） 設(shè)計(jì)了一份用來(lái)評(píng)估汽車(chē)駕駛員憤怒情況的問(wèn)卷，研究得出憤怒情緒會(huì)導(dǎo)致汽車(chē)駕駛員做出危險(xiǎn)的駕駛行為，從而有可能造成嚴(yán)重的交通事故。國(guó)內(nèi)外學(xué)者[6-8]也通過(guò)研究得出，雖然危險(xiǎn)的駕駛行為不能夠直接預(yù)測(cè)交通事故發(fā)生，但是交互產(chǎn)生的心理因素會(huì)讓駕駛員做出容易碰撞的駕駛行為（如注意力不集中，操作失誤等）。與之相對(duì)應(yīng)，從騎行者的角度考慮，自行車(chē)騎行者交互所產(chǎn)生的憤怒也可能會(huì)誘發(fā)不良的騎車(chē)行為，這反過(guò)來(lái)又會(huì)增加騎行者的撞車(chē)幾率。與汽車(chē)駕駛者相比，騎行憤怒對(duì)騎車(chē)者本身的威脅可能更大。最近的研究也證實(shí)了憤怒情緒會(huì)影響人們做出危險(xiǎn)和激進(jìn)的騎行行為。Hezaveh 等[9]和周建等[10]通過(guò)調(diào)查數(shù)據(jù)表明騎行者的憤怒情緒與其錯(cuò)誤的騎行和違規(guī)騎行相關(guān)；丹麥學(xué)者M(jìn)oller 等[11]發(fā)現(xiàn)憤怒的情緒與激進(jìn)的騎行和被交警罰款呈正相關(guān)。然而仍然缺乏更詳細(xì)地刻畫(huà)騎行憤怒情緒與騎行者道路安全的研究。Oehl 等[12]首次嘗試探索德國(guó)騎行憤怒與道路使用者交互的關(guān)系，并開(kāi)發(fā)了一個(gè)12 項(xiàng)的自行車(chē)騎行者憤怒量表（Cycling Anger Scale，CAS），該量表具有四個(gè)因子，包括警察互動(dòng)，騎行互動(dòng)，汽車(chē)互動(dòng)和行人互動(dòng)。Steve 等[13]基于澳大利亞的騎行者數(shù)據(jù)驗(yàn)證了此量表的合理性，表明憤怒情緒會(huì)影響騎行者的騎行行為。

上述的研究來(lái)源于世界各國(guó)，Wang 等[14]，Scott[15]指出人口、社會(huì)、經(jīng)濟(jì)、文化、法規(guī)和交通環(huán)境的差異會(huì)影響自行車(chē)騎行在該地區(qū)的推廣，并且也會(huì)造成人們?cè)隍T行行為習(xí)慣和心理考慮的不同。中國(guó)是一個(gè)幅員遼闊，地域差距顯著的國(guó)家，騎行憤怒量表對(duì)我國(guó)各地區(qū)的騎行者適用性研究尚不充分，考慮到自行車(chē)日益增長(zhǎng)的事故率和騎車(chē)者易受傷害的特點(diǎn)，如何解釋騎行者與其他道路使用者的交互中產(chǎn)生的憤怒情緒，怎么有效預(yù)防和降低騎車(chē)人交通事故方面顯得尤為重要。因此，本文立足于探究上海自行車(chē)騎行憤怒影響因素，設(shè)計(jì)了一份包含CAS 的調(diào)查問(wèn)卷，來(lái)衡量上海自行車(chē)騎行者在騎行中遇到不同情境下的憤怒程度，通過(guò)上海的實(shí)地樣本數(shù)據(jù)，構(gòu)建包含交警互動(dòng)、汽車(chē)互動(dòng)、騎行互動(dòng)、行人互動(dòng)的四因子結(jié)構(gòu)方程模型，解釋騎行憤怒的影響因素，最后針對(duì)騎行者的騎行安全問(wèn)題給出措施和建議。

1 問(wèn)卷調(diào)查和量表設(shè)計(jì)

1.1 問(wèn)卷調(diào)查。本次問(wèn)卷調(diào)查對(duì)象為上海自行車(chē)騎行者，并采用線上和線下兩種方式展開(kāi)，線上采用“問(wèn)卷星”電子問(wèn)卷，總共收集了350 份問(wèn)卷，線上200 份，線下150 份，有效問(wèn)卷329 份。問(wèn)卷有效率94%。P. M. BENTLER 等[16]提出當(dāng)樣本數(shù)不少于測(cè)量變量的10 倍的情況下，結(jié)構(gòu)方程模型是可信的，而本次調(diào)查的樣本數(shù)大于測(cè)量變量的10 倍，因此該問(wèn)卷調(diào)查樣本數(shù)可以進(jìn)行有效的數(shù)據(jù)分析。

問(wèn)卷的內(nèi)容包括兩部分，第一部分為個(gè)人信息（性別，年齡，教育背景） 和騎自行車(chē)習(xí)慣（騎自行車(chē)的經(jīng)歷，騎自行車(chē)的頻率），第二部分是測(cè)量憤怒情緒的量表。使用了13 項(xiàng)CAS 量表，每個(gè)問(wèn)題描述了騎自行車(chē)者交互中產(chǎn)生的憤怒情緒。

1.2 量表設(shè)計(jì)。根據(jù)Oehl 等[12]和Steve 等[13]的研究，采用CAS 量表來(lái)衡量自行車(chē)騎行者的憤怒，同時(shí)根據(jù)《中華人民共和國(guó)道路交通安全法》和《中華人民共和國(guó)道路交通安全法實(shí)施條例》中有關(guān)自行車(chē)的部分和上海當(dāng)?shù)氐尿T行環(huán)境對(duì)量表進(jìn)行了修訂（比如自行車(chē)在澳大利亞安全上路的條件是要有車(chē)燈，而我國(guó)并無(wú)此規(guī)定；此外我國(guó)對(duì)自行車(chē)交通在城市道路上的通行權(quán)和安全性未有嚴(yán)格的定義和明確的解釋[17）]，并進(jìn)行了問(wèn)卷的預(yù)調(diào)查，根據(jù)反饋?zhàn)罱K生成了一個(gè)四因子的結(jié)構(gòu)方程模型，潛變量分別是交警互動(dòng)F1（A1,A2,A3）、騎車(chē)互動(dòng)F2（B1,B2,B3）、汽車(chē)互動(dòng)F3（C1,C2,C3,C4）和行人互動(dòng)F4（D1,D2,D3），測(cè)量變量對(duì)應(yīng)問(wèn)卷中13 個(gè)題目，被調(diào)查的騎行者用五分制李克特量表對(duì)測(cè)量變量對(duì)應(yīng)的問(wèn)題從1 到5 打分，1 表示“完全不生氣”，3 表示“一般生氣”，5 表示“非常生氣”。本文模型對(duì)應(yīng)變量結(jié)果如表1 所示。

表1 問(wèn)卷量表和評(píng)分

2 調(diào)查問(wèn)卷分析

2.1 樣本描述性統(tǒng)計(jì)分析。在329 名接受調(diào)查的人中，男性占53.5%，女性占46.5%，男女比例較為均衡。其中絕大多數(shù)學(xué)歷為大學(xué)專、本科學(xué)歷，占60.2%，這部分人群受教育程度高，能夠較好地理解和完成問(wèn)卷內(nèi)容。樣本平均年齡30 歲左右，整體樣本偏年輕化，也反映出自行車(chē)騎行更適合年輕人。根據(jù)他們的騎行頻率和經(jīng)歷，大多數(shù)調(diào)查者報(bào)告說(shuō)他們一周騎行了3～5次，占比為56.5%，在騎行中有被交警罰款經(jīng)歷的騎行者占了21.9%，而騎行中有過(guò)碰撞經(jīng)歷的占比為29.2%。

2.2 量表評(píng)分。量表評(píng)分?jǐn)?shù)據(jù)如表1 所示，量表中四個(gè)潛變量的平均得分由高至低依次為：4.22（汽車(chē)互動(dòng)），3.45（騎行互動(dòng)），3.4（交警互動(dòng)） 和3.04（行人互動(dòng)）。這說(shuō)明，騎行者在遇到與汽車(chē)互動(dòng)的情境時(shí)，所表現(xiàn)出來(lái)的憤怒水平最高，而與行人的互動(dòng)產(chǎn)生的憤怒水平最低。

最讓騎行者感到憤怒的情況是與汽車(chē)的互動(dòng)，其中最讓騎行者能有憤怒情緒的三種情況是：汽車(chē)迫使您離開(kāi)騎行道路，平均得分為4.68（SD=0.81）；汽車(chē)阻礙你騎行，平均得分為4.62 （SD=0.78）；汽車(chē)快速?gòu)哪闵磉咇傔^(guò)，平均得分為4.41（SD=0.61）。

3 模型分析

3.1 信度效度檢驗(yàn)。使用驗(yàn)證性因子分析（Confirmatory Factory Analysis, CFA） 對(duì)13 項(xiàng)四因子CAS 進(jìn)行了測(cè)試。在CFA中，警察互動(dòng)、汽車(chē)互動(dòng)、騎車(chē)人互動(dòng)和行人互動(dòng)四個(gè)心理潛變量與測(cè)量指標(biāo)之間的標(biāo)準(zhǔn)化因子載荷如表2 所示。

從表2 中可以看出四個(gè)潛變量的標(biāo)準(zhǔn)化因子載荷都較為符合標(biāo)準(zhǔn)，大于0.5，組合信度（Composite Reality, CR） 也大于0.7，表明測(cè)量量表信度良好，而平均方差提取值（Average Variance Extracted, AVE） 均大于0.5，表明測(cè)量模型的聚斂效度較好。

表2 測(cè)量量表的信度及效度檢驗(yàn)

3.2 模型擬合判斷標(biāo)準(zhǔn)。根據(jù)相關(guān)資料[18-21]得出結(jié)構(gòu)方程模型的擬合最常用的指標(biāo)：擬合優(yōu)度指數(shù)（Goodness-of-Fit Index，GFI，小于0.90 為宜）、修正的擬合優(yōu)度指數(shù)（Adjusted-Goodness-of-Fit index，AGFI，小于0.90 為宜）、近似誤差平方根（Root-Mean-Square-Error-of Approximation，RMSEA，小于0.08 為宜）、卡方與自由度比值（Chi-square/Degrees-of-Freedom，CHI/DF，小于3 為宜）。

3.3 模型的估計(jì)。利用AMOS 軟件采用極大似然故估計(jì)法（Maximum Likelihood Estimate，MLE） 對(duì)模型進(jìn)行估計(jì)，原先的四因子模型產(chǎn)生的擬合度不高，RMSEA=0.109＞0.080，AGFI=0.882＜0.900。該模型需要修正，增加三個(gè)誤差對(duì)的共變關(guān)系，并去除交警互動(dòng)和行人互動(dòng)之間的協(xié)方差，修正后的模型與樣本數(shù)據(jù)的適配度較為理想，模型修正后顯示出良好的適配度，如表3 顯示，卡方與自由度比值小于3，CFI值為0.953，RSMEA=0.061＜0.080，GFI=0.912＞0.900，AGFI=0.944＞0.900，圖1 是最終的標(biāo)準(zhǔn)化模型參數(shù)估計(jì)結(jié)果。

表3 模型擬合指標(biāo)

3.4 模型的解釋。從最后修正的模型中可以看出，自行車(chē)騎行的憤怒情緒和四種因子存在相關(guān)性。

（1） 子量表中交警互動(dòng)與其他量表相關(guān)性較低，表明騎行者遇到警察罰款的憤怒感受和其他情形下的憤怒感受是不相同的，其他的憤怒情緒來(lái)源于道路使用者的交互。而警察互動(dòng)打分可以得知人們騎行過(guò)程中對(duì)遭遇處罰也容易產(chǎn)生負(fù)面情緒。

（2） 對(duì)于騎行互動(dòng)來(lái)說(shuō)，在城市用地緊張的情況下，騎行的道路往往不是非常寬敞，一旦騎行過(guò)程中，騎行人數(shù)過(guò)多，那么產(chǎn)生摩擦和碰撞的概率就會(huì)變大，這顯然會(huì)讓騎行者產(chǎn)生不愉快的心情，因此，騎行互動(dòng)的憤怒打分排名第二，僅次于汽車(chē)互動(dòng)。

（3） 汽車(chē)的互動(dòng)打分是最高的，可以看出騎行過(guò)程中與汽車(chē)交互會(huì)給騎行者帶來(lái)最激進(jìn)的情緒，很大程度上可能在于潛在的安全風(fēng)險(xiǎn)，與速度較快的汽車(chē)交互更容易產(chǎn)生嚴(yán)重的交通事故。而模型中e4和e10以及e6和e8存在關(guān)聯(lián)的原因可能是汽車(chē)互動(dòng)和騎車(chē)互動(dòng)兩者的交互對(duì)象均是道路的使用者，同時(shí)模型中測(cè)量指標(biāo)的問(wèn)卷描述是相近的，在這種情況下，汽車(chē)交互的憤怒打分均值比騎行互動(dòng)打分均值高出更多，可以得出汽車(chē)互動(dòng)是騎行者最大的憤怒來(lái)源。

（4） 而與行人互動(dòng)方面，大多數(shù)人是不怎么產(chǎn)生憤怒情緒的，表明交互過(guò)程相對(duì)比較溫和，不會(huì)有較大的碰撞和損傷，同時(shí)這也與警察互動(dòng)不相同，不會(huì)受到訓(xùn)誡和罰款，所以行人互動(dòng)打分最低。

3.5 政策建議。為貫徹和推進(jìn)實(shí)施國(guó)家綠色出行政策，根據(jù)上述研究結(jié)論給出以下建議。

（1） 對(duì)于條件允許的主、次干道上盡量采用隔離護(hù)欄或綠化設(shè)施的機(jī)非分離方式，如圖2 和圖3 所示。

（2） 針對(duì)許多城市普遍存在的由于機(jī)動(dòng)車(chē)道容量拓寬和城市用地受限等原因而形成的非機(jī)動(dòng)車(chē)道與人行道合并的“人非共板”情形，可以利用如圖4 所示的道路標(biāo)線和彩色的自行車(chē)騎行路面來(lái)減少騎行中的行人互動(dòng)。

（3） 對(duì)于政府管理部門(mén)，加強(qiáng)自行車(chē)騎行交通法規(guī)知識(shí)普及宣傳非常重要，比如設(shè)置自行車(chē)通過(guò)機(jī)動(dòng)車(chē)道應(yīng)當(dāng)下車(chē)推行等標(biāo)語(yǔ)，以此提升騎行者的道路交通法的認(rèn)知水平，減少違反交通法規(guī)騎行者的比例，營(yíng)造更有序的道路騎行氛圍，同時(shí)也可以預(yù)防騎行者因違規(guī)騎行而導(dǎo)致的交通事故。

4 結(jié) 論

本文結(jié)合上海居民騎行數(shù)據(jù), 采用騎行憤怒量表問(wèn)卷調(diào)查和基于結(jié)構(gòu)方程模型的分析, 對(duì)上海居民自行車(chē)騎行憤怒影響機(jī)理做了初步探索。研究表明：

（1） 從交互方面，自行車(chē)憤怒情緒影響因素由高到低分別為：汽車(chē)互動(dòng)、騎行互動(dòng)、交警互動(dòng)、行人互動(dòng)。騎行者在與汽車(chē)互動(dòng)的情境下，憤怒情緒較高，這很可能會(huì)導(dǎo)致騎行者產(chǎn)生激進(jìn)的騎行行為誘發(fā)交通事故。相比之下，騎行者與行人互動(dòng)情境下所產(chǎn)生的憤怒情緒較低。

（2） 從政策角度，本文研究成果對(duì)于貫徹和推進(jìn)實(shí)施國(guó)家綠色出行政策具有啟示和指導(dǎo)意義，通過(guò)完善機(jī)非隔離設(shè)施，改善騎行環(huán)境以及加強(qiáng)騎行者交通法規(guī)意識(shí)等措施和方法，可以減少騎行者的事故率和傷亡率。

圖1 騎行憤怒量表CFA 分析

圖2 主、次干道隔離護(hù)欄設(shè)施示意圖

圖3 主、次干道綠化設(shè)施示意圖

圖4 “人非共板”騎行環(huán)境改善示意圖

由于條件限制，本文對(duì)于自行車(chē)騎行者未做分類，除了騎行者的個(gè)人特征外，還可以通過(guò)細(xì)分不同自行車(chē)（如私人擁有的自行車(chē)，共享單車(chē)，公共自行車(chē)） 的交互情況做進(jìn)一步的研究。此外，還可以收集中國(guó)其他地方的自行車(chē)騎行數(shù)據(jù)與本文對(duì)比，深入了解中國(guó)騎行者憤怒情況。