肖杰文，胡 驥，閆章存，陳維新，王 崗

基于Bayesian-SEM的駕車使用手機(jī)行為心理成因分析

肖杰文1，胡 驥1，閆章存2，陳維新1，王 崗1

（1. 西南交通大學(xué)，交通運(yùn)輸與物流學(xué)院，成都 611756；2. 同濟(jì)大學(xué)，道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804）

為深入探究駕駛員在駕車過程中使用手機(jī)行為的形成因素，基于心理學(xué)視角在計(jì)劃行為理論的基礎(chǔ)上引入行為習(xí)慣、路況環(huán)境和風(fēng)險(xiǎn)感知等因素變量，構(gòu)建了基于擴(kuò)展計(jì)劃行為理論（Ex-TPB）的駕駛員駕車使用手機(jī)行為貝葉斯結(jié)構(gòu)方程模型（Bayesian-SEM）。分析各影響因素間關(guān)系及作用，使用面向駕駛員的423份問卷作為樣本數(shù)據(jù)對(duì)所建模型進(jìn)行分析評(píng)價(jià)，并將參數(shù)結(jié)果與傳統(tǒng)結(jié)構(gòu)方程模型估計(jì)結(jié)果進(jìn)行對(duì)比。研究發(fā)現(xiàn)：在小樣本情況下，本文所構(gòu)建的模型能對(duì)駕駛員駕車使用手機(jī)行為心理成因進(jìn)行較好的預(yù)測(cè)和解釋；行為習(xí)慣變量對(duì)行為意向影響最大，歸一化權(quán)重影響系數(shù)為0.238，對(duì)路況環(huán)境和風(fēng)險(xiǎn)感知的標(biāo)準(zhǔn)化影響系數(shù)分別為0.307和0.235；知覺行為控制、態(tài)度和主觀規(guī)范對(duì)使用手機(jī)行為意向均有顯著影響。

交通工程；成因分析；Bayesian-SEM模型；行為意向；Ex-TPB理論

0 引 言

隨著智能科技迅速發(fā)展，人們對(duì)智能手機(jī)的依賴性越來越強(qiáng)，其不僅影響著生活方式，也改變著駕駛行為習(xí)慣，提高出行便捷性的同時(shí)增加駕車使用手機(jī)行為而引發(fā)事故的比率。2013年美國因使用手機(jī)所引發(fā)事故率為12%[1]，司法大數(shù)據(jù)報(bào)告顯示國內(nèi)約為10.56%，已成為排名前三的事故誘因。因此，亟需深入探究駕駛員駕車過程中使用手機(jī)行為的影響因素，以制定行之有效的干預(yù)措施。

國內(nèi)外研究主要集中在使用手機(jī)行為分析和駕駛安全風(fēng)險(xiǎn)分析方面。在使用手機(jī)行為分析方面：Waddell[2]將該行為劃分為回應(yīng)式和主動(dòng)式，通過分層多元回歸來分析社會(huì)心理因素對(duì)兩種方式的影響；Riquelme[3]研究發(fā)現(xiàn)主觀、言語、行為、指令性規(guī)范，對(duì)駕駛員駕車使用手機(jī)的行為意向都有很好的預(yù)測(cè)能力；Walsh[4]研究激發(fā)駕駛員駕車使用手機(jī)行為的規(guī)范和控制信念，分析情境因素，針對(duì)手機(jī)使用意愿強(qiáng)弱不同的駕駛員信念差異進(jìn)行了評(píng)估。駕駛安全風(fēng)險(xiǎn)分析方面：Caird[5]和David[6]通過駕駛模擬實(shí)驗(yàn)研究反應(yīng)時(shí)間、側(cè)車控制、車頭時(shí)距和車速等駕駛性能對(duì)安全績效的影響，發(fā)現(xiàn)駕車使用手機(jī)會(huì)導(dǎo)致反應(yīng)時(shí)間減慢18%，跟車距離增加12%；趙煒華[7]對(duì)比了手持手機(jī)撥號(hào)的行車實(shí)驗(yàn)與正常駕駛情況的統(tǒng)計(jì)分析結(jié)果，發(fā)現(xiàn)駕車使用手機(jī)會(huì)造成車速下降、行車軌跡偏離等問題。

本文基于計(jì)劃行為理論（TPB）對(duì)駕車使用手機(jī)行為心理成因進(jìn)行了研究。同時(shí)，駕車使用手機(jī)屬違法行為，實(shí)際調(diào)查時(shí)被訪者可能會(huì)刻意隱瞞事實(shí)，較難獲取大量的樣本數(shù)據(jù)，而使用傳統(tǒng)結(jié)構(gòu)方程模型（Traditional-SEM）極大似然估計(jì)法（ML）進(jìn)行參數(shù)估計(jì)時(shí)需要較大樣本數(shù)，所以本文采用具有小樣本分析優(yōu)勢(shì)的結(jié)構(gòu)方程模型貝葉斯方法（Bayesian-SEM）。

1 問題分析

駕駛員駕車過程中決定是否使用手機(jī)的過程可視為一個(gè)注意力資源分配過程，使用手機(jī)將會(huì)分取注意資源，相應(yīng)的分配給駕駛?cè)蝿?wù)的資源就會(huì)減少，進(jìn)而影響駕駛員對(duì)外界危險(xiǎn)的感知能力和對(duì)車輛的控制能力，產(chǎn)生駕駛風(fēng)險(xiǎn)[8]。相關(guān)研究表明[5, 9, 10]駕車過程中使用手機(jī)會(huì)導(dǎo)致駕駛員制動(dòng)反應(yīng)時(shí)間延遲、行車路線發(fā)生偏移從而造成追尾或翻車事故，總結(jié)駕車使用手機(jī)的駕駛員心理具有以下共性：

① 高估自己的反應(yīng)速度與駕駛技能，認(rèn)為自己有很強(qiáng)的主導(dǎo)能力，形成駕駛操控錯(cuò)覺；

② 工作緊迫性與安全意識(shí)耦合失調(diào)，導(dǎo)致工作緊迫感占據(jù)上位，而忽視駕駛安全風(fēng)險(xiǎn)。

同時(shí)，TPB在預(yù)測(cè)和解釋個(gè)體行為和行為意向方面具有良好的適用性[11]，本文基于傳統(tǒng)計(jì)劃行為理論，引入行為習(xí)慣、路況環(huán)境及風(fēng)險(xiǎn)感知3個(gè)解釋變量，構(gòu)建基于Ex-TPB的駕駛員駕車使用手機(jī)行為成因模型，如圖1所示。

圖1 駕駛員駕車過程中使用手機(jī)行為成因模型

2 數(shù)據(jù)及變量描述

本研究通過問卷調(diào)查的方式對(duì)駕駛員駕車使用手機(jī)行為數(shù)據(jù)進(jìn)行采集，調(diào)查共收回問卷447份，其中有效問卷423份。

表1 變量定義及描述

Tab.1 Definition and description of variable

3 模型結(jié)構(gòu)分析與建立

3.1 結(jié)構(gòu)方程模型原理

結(jié)構(gòu)方程模型是基于變量協(xié)方差矩陣對(duì)變量間關(guān)系進(jìn)行分析的一種統(tǒng)計(jì)方法，集因素分析與路徑分析兩種分析技術(shù)于一體，適用于多變量間相互關(guān)系的定量研究。結(jié)構(gòu)方程模型包含測(cè)量模型與結(jié)構(gòu)模型兩個(gè)基本模型[12]。其中測(cè)量模型：

結(jié)構(gòu)模型：

3.2 結(jié)構(gòu)方程模型的Bayesian估計(jì)

結(jié)構(gòu)方程模型廣泛使用極大似然估計(jì)法（ML）和廣義最小二乘法（GLS）進(jìn)行模型估計(jì)，這兩種方法都是通過將固定參數(shù)值和自由參數(shù)的估計(jì)值代入結(jié)構(gòu)方程，推導(dǎo)方差協(xié)方差矩陣。均需滿足樣本是多變量正態(tài)總體且以簡單隨機(jī)抽樣來獲取[13]，當(dāng)不滿足假設(shè)時(shí)，則很難得到樣本協(xié)方差矩陣與其自身的漸近性質(zhì)。

貝葉斯估計(jì)根據(jù)馬爾可夫鏈蒙特卡羅（MCMC）方法從未知參數(shù)的后驗(yàn)分布中抽取樣本進(jìn)行有效統(tǒng)計(jì)計(jì)算[12]，得到參數(shù)和潛在變量的后驗(yàn)分布，其關(guān)注的是原始觀測(cè)值，而非樣本協(xié)方差矩陣。同時(shí)，依靠漸近理論的方法需要在大樣本的前提下才能有效，而基于抽樣的貝葉斯方法較少依賴漸進(jìn)理論，即使在小樣本情況下也能得到可靠的結(jié)果。使用此方法進(jìn)行參數(shù)估計(jì)的結(jié)構(gòu)方程模型稱為Bayesian-SEM。

黨的十八大以來，一個(gè)顯著特點(diǎn)就是通過強(qiáng)調(diào)文化自信，激發(fā)全民族文化創(chuàng)新創(chuàng)造活力，推動(dòng)社會(huì)主義文化繁榮興盛，努力建設(shè)社會(huì)主義文化強(qiáng)國，鑄就中華文化新輝煌。這是中國特色社會(huì)主義文化進(jìn)入新時(shí)代的重要新氣象。

4 模型評(píng)價(jià)及因素分析

4.1 模型評(píng)價(jià)

在貝葉斯結(jié)構(gòu)方程模型中，Posterior predictive p-value（PPp值）、DIC值和參數(shù)事后概率分布圖通常被作為模型的評(píng)價(jià)指標(biāo)。PPp值反映假設(shè)模型和觀測(cè)數(shù)據(jù)的契合度，是結(jié)構(gòu)方程模型貝葉斯估計(jì)的適配度顯著性指標(biāo)，其范圍為0.25~0.75；DIC值為差異化準(zhǔn)則，是赤池信息準(zhǔn)則（AIC）和貝葉斯信息準(zhǔn)則（BIC）的延伸[14]，可反映兩個(gè)模型間的偏差，若DIC指標(biāo)值大于10，則表明兩個(gè)模型間存在顯著差異。

圖2 自相關(guān)圖與參數(shù)軌跡圖

同時(shí)，由圖3事后概率分布圖可看出最初與最后事后概率分布的兩條多邊圖近似重疊，表明參數(shù)估計(jì)值的事后概率分布也達(dá)到很好的收斂。模型適配參數(shù)中PPp=0.42，位于0.25與0.75之間，則模型與觀測(cè)數(shù)據(jù)有很好的適配度；DIC=369.20遠(yuǎn)大于標(biāo)準(zhǔn)值10，表明此Bayesian- SEM與Traditional-SEM模型存在顯著差異，兩種參數(shù)估計(jì)方法結(jié)果比較如表2所示，可看出兩種估計(jì)方法相關(guān)路徑系數(shù)均為顯著，各因素對(duì)駕車使用手機(jī)行為成因都有顯著影響。同時(shí)，Bayesian估計(jì)方法標(biāo)準(zhǔn)誤均小于ML，表明Bayesian-SEM參數(shù)估計(jì)的樣本統(tǒng)計(jì)量與總體參數(shù)的真實(shí)值更接近，用樣本推斷總體參數(shù)更為準(zhǔn)確，即在小樣本條件下，Bayesian-SEM能得到更好的結(jié)果。

圖3 事后概率分布圖

表2 模型參數(shù)估計(jì)方法結(jié)果比較

注：*為<0.05；***為<0.001；Mean和Estimate表示路徑系數(shù)；S.E.為參數(shù)的標(biāo)準(zhǔn)誤差。

4.2 影響因素分析

基于Ex-TPB的駕駛員駕車使用手機(jī)行為貝葉斯結(jié)構(gòu)方程模型各因素間因果關(guān)系及作用大小如圖4所示。

圖4 基于Ex-TPB的駕車使用手機(jī)行為心理成因分析結(jié)果

由圖4可知，各影響因素變量之間既存在直接影響，又有間接影響。根據(jù)模型參數(shù)估計(jì)結(jié)果，將各影響因素對(duì)行為意向的標(biāo)準(zhǔn)化總效應(yīng)系數(shù)大小作為各因素對(duì)駕車使用手機(jī)行為影響的評(píng)判標(biāo)準(zhǔn)，各影響因素歸一化權(quán)重結(jié)果見圖5。由圖可知對(duì)駕車過程中使用手機(jī)行為影響最大的是行為習(xí)慣，其次是知覺行為控制、態(tài)度、路況環(huán)境、主觀規(guī)范和風(fēng)險(xiǎn)感知。

圖5 影響因素歸一化權(quán)重

駕駛員駕車使用手機(jī)行為心理成因測(cè)量模型中，各觀測(cè)指標(biāo)對(duì)行為意向影響歸一化權(quán)重大小如圖6所示。

圖6 觀測(cè)變量歸一化權(quán)重

根據(jù)模型參數(shù)估計(jì)中路徑分析結(jié)果和歸一化權(quán)重可知，對(duì)駕駛員駕車過程中使用手機(jī)行為意向影響最大的是行為習(xí)慣，歸一化權(quán)重為0.238。各影響因素間，行為習(xí)慣對(duì)路況環(huán)境有較大影響，標(biāo)準(zhǔn)化影響系數(shù)為0.307，表明駕駛員過去在特定的路況環(huán)境下使用手機(jī)的行為會(huì)隨時(shí)間演變?yōu)橐环N固有習(xí)慣。本研究在問卷設(shè)計(jì)時(shí)引入了路況較好、車輛較少路段和等待時(shí)間較長交叉口兩種情景，表明當(dāng)下次遇到類似路況環(huán)境條件時(shí)，駕駛員會(huì)因?yàn)檫^去行為很大程度上傾向于使用手機(jī)。行為習(xí)慣與風(fēng)險(xiǎn)感知的相關(guān)系數(shù)僅次于其與路況環(huán)境的相關(guān)系數(shù)，標(biāo)準(zhǔn)化影響系數(shù)為0.235，表明未曾受到過交警處罰或未曾發(fā)生過交通事故的駕駛員會(huì)形成僥幸心理，隨著使用手機(jī)次數(shù)的增多，風(fēng)險(xiǎn)感知被弱化。

知覺行為控制是繼行為習(xí)慣之后對(duì)行為意向影響較大的因素，歸一化權(quán)重為0.197，表明駕駛員往往會(huì)權(quán)衡自己能力與所面對(duì)情景后再實(shí)施行為決策。在知覺行為控制觀測(cè)指標(biāo)中，“駕駛經(jīng)驗(yàn)”（0.073）和“駕駛技能”（0.062）兩項(xiàng)觀測(cè)指標(biāo)權(quán)重占比較大，表明隨著駕駛員駕車過程中使用手機(jī)次數(shù)增多，駕駛經(jīng)驗(yàn)不斷豐富，演變?yōu)閷?duì)于自身駕駛經(jīng)驗(yàn)和技能的一種肯定，形成一種并不會(huì)造成危險(xiǎn)的操縱錯(cuò)覺，也就會(huì)更加頻繁地在駕車過程中使用手機(jī)。

在態(tài)度方面，“積極態(tài)度”（0.034）、“不會(huì)影響正常駕駛”（0.053）等觀測(cè)指標(biāo)權(quán)重大小表明駕駛員對(duì)駕車過程中使用手機(jī)的行為是認(rèn)可和允許的；“有效利用時(shí)間”（0.050）說明駕駛員迫于工作或生活壓力，對(duì)于手機(jī)的依賴性較強(qiáng)，交通安全意識(shí)薄弱并常常忽略生活中因使用手機(jī)引發(fā)的交通事故。

主觀規(guī)范與行為意向表現(xiàn)為負(fù)相關(guān)關(guān)系，其中觀測(cè)變量“交管約束”（0.037）對(duì)于駕車使用手機(jī)行為意向的影響最強(qiáng)，表明當(dāng)駕駛員考慮到會(huì)受罰時(shí)，違章意向會(huì)減弱；“從眾行為”對(duì)主觀規(guī)范的相關(guān)性為0.028，說明駕駛員會(huì)因?yàn)樯磉吶笋{車過程中使用手機(jī)而做出相同的行為。

5 結(jié) 論

本文在計(jì)劃行為理論的基礎(chǔ)上，新增行為習(xí)慣、路況環(huán)境和風(fēng)險(xiǎn)感知三個(gè)拓展解釋變量，構(gòu)建基于擴(kuò)展計(jì)劃行為理論（Ex-TPB）的駕駛員駕車使用手機(jī)行為貝葉斯結(jié)構(gòu)方程模型（Bayesian- SEM），通過比較ML估計(jì)和Bayesian估計(jì)的結(jié)果發(fā)現(xiàn)，小樣本情況下Bayesian-SEM得到的參數(shù)估計(jì)結(jié)果更佳。Bayesian-SEM參數(shù)估計(jì)結(jié)果顯示對(duì)駕駛員駕車過程中使用手機(jī)行為意向影響最大的是行為習(xí)慣，其次是知覺行為控制、態(tài)度、路況環(huán)境、主觀規(guī)范和風(fēng)險(xiǎn)感知，且行為習(xí)慣對(duì)路況環(huán)境和風(fēng)險(xiǎn)感知也有較大影響。描述性觀測(cè)變量方面，對(duì)行為意向影響最大的為環(huán)境習(xí)慣，其次為駕車使用手機(jī)次數(shù)和駕駛經(jīng)驗(yàn)。

此研究為制定科學(xué)的交通安全管理措施提供了新的思路，由于變量選擇限制未能完全揭示駕駛員駕車使用手機(jī)行為心理成因，后續(xù)研究可補(bǔ)充社會(huì)壓力、預(yù)期后悔等指標(biāo)對(duì)行為心理的影響，進(jìn)一步完善駕駛員駕車過程中使用手機(jī)行為心理成因模型。

[1] National Highway Traffic Safety Administration. A compilation of motor vehicle crash data from the fatality analysis reporting system and the general estimates system[R]. Washington DC: National Highway Traffic Safety Administration. 2013

[2] WADDELL L P, WIENER K K K. What’s driving illegal mobile phone use? Psychosocial influences on drivers’ intentions to use hand-held mobile phones[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2014, 22: 1-11.

[3] RIQUELME H E, AL-SAMMAK F S, RIOS R E. Social influences among young drivers on talking on the mobile phone while driving[J]. Traffic Injury Prevention, 2010, 11 (2): 127-132

[4] WALSH S P, WHITE K M, WATSON B C, et al. Psychosocial factors influencing mobile phone use while driving[M]. Canberra: Australian Transport Safety Bureau, 2007.

[5] CAIRD J K, WILLNESS C R, STEEL P, et al. A meta- analysis of the effects of cell phones on driver performance[J]. Accident Analysis and Prevention, 2008, 40 (4): 1282-1293.

[6] STRAYER D L, DREWS F A. Profiles in driver distraction: effects of cell phone conversations on younger and older drivers[J]. Human Factors, 2004, 46 (4): 640.

[7] 趙煒華, 喬曉亮. 手持式手機(jī)對(duì)駕駛安全的影響研究[J]. 西安航空學(xué)院學(xué)報(bào), 2018, 36 (1): 56-61.

[8] 李宏汀, 劉彥宇, 李文書. 駕駛中使用手機(jī)對(duì)駕駛員行為安全績效影響綜述[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23 (01): 16-21.

[9] AL-DARRAB I A, KHAN Z A, ISHRAT S I. An experimental study on the effect of mobile phone conversation on drivers’ reaction time in braking response[J]. Journal of safety research, 2009, 40 (3): 185-189.

[10] ALM H, NILSSON L. The effects of a mobile telephone task on driver behaviour in a car following situation[J]. Accident Analysis & Prevention, 1995, 27 (5): 707-715.

[11] CONNER M, SPARKS P. Theory of planned behaviour and health behaviour[J]. Health Psychology Official Journal of the Division of Health Psychology American Psychological Association, 2011, 40 (4): 471-499.

[12] 吳明隆. 結(jié)構(gòu)方程模型: AMOS的操作與應(yīng)用[M]. 重慶: 重慶大學(xué)出版社, 2010.

[13] 黃芳銘. 結(jié)構(gòu)方程模型[M]. 北京: 中國稅務(wù)出版社, 2005.

[14] 吳明隆. 結(jié)構(gòu)方程模型—— AMOS實(shí)務(wù)進(jìn)階[M]. 重慶: 重慶大學(xué)出版社, 2013.

Analysis on the Psychological Cause of Using Mobile Phones during Driving Based on Bayesian-SEM

XIAO Jie-wen1, HU Ji1, YAN Zhang-cun2, CHEN Wei-xin1, WANG Gang1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China)

To comprehensively explore the influencing factors of the use of a driver of his mobile phone during driving, the driver behavior, road environment, and risk-aware factors were introduced into the theory of planned behavior from the psychology perspective. The Bayesian-structural equation model (Bayesian-SEM) for the use of mobile phones during driving based on the extended theory of planned behavior was constructed to analyze the relationship and effect of the influencing factors using 423 questionnaire data of drivers as sample data to analyze and evaluate the model. The parameter estimation results of the traditional estimation method using SEM and those of the method employed in this research were compared. The results show that the model developed in this work demonstrated better predictive ability and validity of the behavioral psychogenesis in case of small samples. Behavioral habit exhibited the greatest influence on the behavioral intention in which the normalized weight influence coefficient was 0.238. Behavioral habit also exhibited a great influence on the road environment and risk perception. The influence coefficients were 0.307 and 0.235 respectively. Perceptual behavior control, attitude, and subjective norm significantly influenced the behavior intent on the use of mobile phones during driving.

traffic engineering; cause analysis; Bayesian-structural equation model; behavioral intention; extended theory of planned behavior

1672-4747（2020）04-0145-08

U491.2+54

A

10.3969/j.issn.1672-4747.2020.04.018

2020-03-05

肖杰文（1994—），男，四川自貢人，碩士研究生，主要從事交通行為方面的研究，E-mail：593924781@qq.com

胡驥（1970—），男，四川成都人，副教授，研究方向?yàn)榻煌ㄐ袨閷W(xué)，E-mail：hujihj@ 163.com

肖杰文，胡驥，閆章存，等. 基于Bayesian-SEM的駕車使用手機(jī)行為心理成因分析[J]. 交通運(yùn)輸工程與信息學(xué)報(bào)，2020, 18(4): 145-152

（責(zé)任編輯：李愈）