袁 偉，楊國(guó)松，付 銳，張 智，張康康

（長(zhǎng)安大學(xué)汽車(chē)學(xué)院，西安 710064）

前言

在由駕駛?cè)?、?chē)輛和道路環(huán)境所構(gòu)成的道路交通系統(tǒng)中，駕駛?cè)俗鳛橄到y(tǒng)的重要組成部分，對(duì)道路交通及其安全起到不可替代的作用［1］。國(guó)內(nèi)外關(guān)于駕駛行為研究證實(shí)，駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為是導(dǎo)致道路交通事故的一個(gè)重要因素［2］，而駕駛?cè)苏J(rèn)知能力對(duì)其駕駛過(guò)程中的行為產(chǎn)生顯著影響［3］，通過(guò)對(duì)駕駛?cè)苏J(rèn)知能力的研究有望解釋和減少道路交通事故的發(fā)生［4］。抑制控制作為重要的認(rèn)知能力之一，其作用是使駕駛?cè)四軌蛴行У种仆饨缯T惑而不被自身沖動(dòng)所驅(qū)使，從而去執(zhí)行更需要或更恰當(dāng)?shù)男袨椋?］，對(duì)駕駛?cè)嗽隈{駛過(guò)程中的感知和決策行為都產(chǎn)生顯著影響［6］。

國(guó)內(nèi)外的一些學(xué)者對(duì)抑制控制和風(fēng)險(xiǎn)駕駛行為間的關(guān)系進(jìn)行了初步研究，為從駕駛?cè)苏J(rèn)知能力入手提高道路交通安全提供了理論基礎(chǔ)。Fillmore等［7］采用線索化Go/NoGo 任務(wù)范式和模擬駕駛?cè)蝿?wù)，根據(jù)是否飲酒將被試分為實(shí)驗(yàn)組和對(duì)照組，進(jìn)行重復(fù)實(shí)驗(yàn)與測(cè)試分析，結(jié)果表明實(shí)驗(yàn)組的Go/NoGo任務(wù)反應(yīng)時(shí)和誤報(bào)率都明顯增加，且其風(fēng)險(xiǎn)駕駛行為同時(shí)增加，而實(shí)驗(yàn)組和對(duì)照組的誤報(bào)率都與其制動(dòng)失效比例和行駛過(guò)程中壓線次數(shù)成正比。Cascio等［8］采用Go/NoGo 任務(wù)范式對(duì)抑制控制進(jìn)行測(cè)試，并使用核磁共振技術(shù)從神經(jīng)層面研究和解釋抑制控制與駕駛行為之間的關(guān)系，結(jié)果表明腦部右額區(qū)是與抑制相關(guān)的腦內(nèi)源區(qū)，右額區(qū)激活越明顯，則駕駛?cè)说陌踩{駛行為越多。Ross 等［9］采用線索化Go/NoGo 任務(wù)范式和Stop?Signal 任務(wù)范式對(duì)抑制控制進(jìn)行測(cè)試，并設(shè)計(jì)了包含多種駕駛事件的模擬駕駛?cè)蝿?wù)，結(jié)果表明Stop?Signal 任務(wù)反應(yīng)時(shí)與車(chē)道偏移標(biāo)準(zhǔn)差和碰撞次數(shù)成正比，Go/NoGo 任務(wù)誤報(bào)率與碰撞次數(shù)成正比。Owsley等［10］對(duì)沖動(dòng)性人格特質(zhì)與風(fēng)險(xiǎn)駕駛行為之間的關(guān)系進(jìn)行了研究，通過(guò)艾森克人格測(cè)試量表對(duì)305 名駕駛?cè)说臎_動(dòng)性人格特質(zhì)進(jìn)行了測(cè)量，并使用駕駛行為問(wèn)卷對(duì)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為進(jìn)行了評(píng)估，結(jié)果表明高沖動(dòng)分?jǐn)?shù)的駕駛?cè)司哂懈黠@的駕駛錯(cuò)誤和違規(guī)行為。莊明科等［11］對(duì)風(fēng)險(xiǎn)駕駛行為影響因素與交通事故間的關(guān)系進(jìn)行了研究，通過(guò)風(fēng)險(xiǎn)駕駛行為調(diào)查問(wèn)卷并結(jié)合探索性因素分析，得到風(fēng)險(xiǎn)駕駛行為的一般性和攻擊性違規(guī)、無(wú)害性和危險(xiǎn)性失誤4 個(gè)重要因素。Hennessy［12］對(duì)駕駛?cè)饲榫w與風(fēng)險(xiǎn)駕駛行為的關(guān)系進(jìn)行了研究，結(jié)果表明在駕駛過(guò)程中的消極情緒會(huì)影響駕駛?cè)藢?duì)外來(lái)刺激的反應(yīng)水平，這將會(huì)影響駕駛?cè)藢?duì)于道路上其他駕駛?cè)笋{駛行為的理解，從而觸發(fā)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為。Cheng 等［13］對(duì)駕駛?cè)藳_動(dòng)性與風(fēng)險(xiǎn)駕駛行為的關(guān)系進(jìn)行了研究，采用沖動(dòng)性量表對(duì)駕駛?cè)诉M(jìn)行分類，并使用Stroop 任務(wù)范式對(duì)抑制控制進(jìn)行測(cè)試，通過(guò)調(diào)查問(wèn)卷對(duì)風(fēng)險(xiǎn)駕駛行為進(jìn)行評(píng)估，結(jié)果表明沖動(dòng)程度較高的駕駛?cè)司哂懈嗟娘L(fēng)險(xiǎn)駕駛行為，并且更難以抑制自己的反應(yīng)，而Stroop 任務(wù)范式得分越低，則其風(fēng)險(xiǎn)駕駛行為中的違規(guī)分?jǐn)?shù)越高。

現(xiàn)有研究成果表明駕駛?cè)艘种瓶刂颇芰εc駕駛安全性間具有緊密聯(lián)系，但是學(xué)者們對(duì)于風(fēng)險(xiǎn)駕駛行為的測(cè)試多采用自我報(bào)告等主觀問(wèn)卷形式展開(kāi)，基于駕駛行為績(jī)效進(jìn)行評(píng)估的方法較少。因此，有必要基于行為層面探討抑制控制與風(fēng)險(xiǎn)駕駛行為之間的關(guān)系，本文中結(jié)合駕駛?cè)艘种瓶刂坪惋L(fēng)險(xiǎn)駕駛行為特征，建立模擬駕駛場(chǎng)景，通過(guò)模擬駕駛實(shí)驗(yàn)任務(wù)分析駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為與抑制控制之間的關(guān)系。

1 實(shí)驗(yàn)方法

1.1 實(shí)驗(yàn)設(shè)備

本文中基于駕駛模擬器硬件和交通場(chǎng)景仿真軟件SILAB 開(kāi)發(fā)了駕駛模擬器系統(tǒng)，該系統(tǒng)可具有實(shí)驗(yàn)場(chǎng)景自主選擇、實(shí)驗(yàn)場(chǎng)景動(dòng)態(tài)組合、安全可靠性高、數(shù)據(jù)采集精度高和成本較低等優(yōu)勢(shì)。圖1 展示了本文采用的駕駛模擬器系統(tǒng)的駕駛場(chǎng)景。

圖1 模擬駕駛系統(tǒng)

1.2 被試選取

本文的研究對(duì)象為駕駛?cè)?，因此要求被試需要持有駕照且有駕駛經(jīng)驗(yàn)，且近2 年在駕駛過(guò)程中未發(fā)生過(guò)重大交通事故。最終共招募51 名駕駛?cè)?，其?2 名男性，19 名女性，均為右利手，平均年齡為25.5 歲，標(biāo)準(zhǔn)差為2.42 歲，平均駕齡為3.3 年，標(biāo)準(zhǔn)差為1.25年。

1.3 心理學(xué)任務(wù)

在常用的測(cè)試抑制控制能力的心理學(xué)實(shí)驗(yàn)范式中，Go/NoGo 范式要求被試在部分試次中抑制處于優(yōu)勢(shì)的行為反應(yīng)［14］，這需要被試在復(fù)雜的實(shí)驗(yàn)環(huán)境下精準(zhǔn)地控制動(dòng)作反應(yīng)，所以該范式能夠較好地評(píng)估抑制控制能力。因此，本文中采用Fillmore提出的線索化Go/NoGo 范式任務(wù)［15］測(cè)試駕駛?cè)说囊种瓶刂颇芰?，Derefinko 等［16］和Roberts 等［17］的研究均表明該范式是一種有效測(cè)試抑制控制能力的方法。線索化Go/NoGo 范式的實(shí)驗(yàn)材料包括線索材料和刺激材料兩種。其中線索材料包含Go 線索和NoGo 線索，而刺激材料包含Go 刺激（綠色矩形）和NoGo 刺激（藍(lán)色矩形）。當(dāng)線索材料出現(xiàn)后，被試可根據(jù)線索類型判斷顯示Go 刺激或NoGo 刺激的概率。正式進(jìn)入實(shí)驗(yàn)程序后，屏幕上會(huì)出現(xiàn)文字提示，要求被試看到屏幕上出現(xiàn)綠色矩形（Go 刺激）時(shí)，應(yīng)該快速按下空格鍵，則記為反應(yīng)正確；相反，當(dāng)被試看到屏幕上出現(xiàn)藍(lán)色矩形（NoGo 刺激）時(shí)，則不能按下空格鍵，否則將被視為反應(yīng)錯(cuò)誤，被試應(yīng)盡可能地減少錯(cuò)誤反應(yīng)。實(shí)驗(yàn)流程如圖2所示。

圖2 線索化Go/NoGo任務(wù)實(shí)驗(yàn)流程圖

1.4 模擬駕駛?cè)蝿?wù)

為通過(guò)模擬駕駛?cè)蝿?wù)中的風(fēng)險(xiǎn)決策指標(biāo)來(lái)評(píng)估駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為表現(xiàn)，結(jié)合常見(jiàn)的風(fēng)險(xiǎn)駕駛行為并依據(jù)其相應(yīng)的風(fēng)險(xiǎn)決策特征，設(shè)計(jì)了觸發(fā)駕駛?cè)孙L(fēng)險(xiǎn)決策行為的18 種風(fēng)險(xiǎn)決策事件（單黃實(shí)線遇慢車(chē)、右轉(zhuǎn)遇行人、丁字口車(chē)輛突然駛?cè)?、限?0 km/h 等），并基于交通場(chǎng)景仿真軟件SILAB 建立仿真場(chǎng)景。為更全面模擬真實(shí)道路駕駛環(huán)境，對(duì)上述風(fēng)險(xiǎn)決策場(chǎng)景進(jìn)行隨機(jī)挑選組合，最終實(shí)驗(yàn)任務(wù)包含23種風(fēng)險(xiǎn)決策事件，見(jiàn)表1。

表1 風(fēng)險(xiǎn)決策事件類型及順序

2 抑制控制能力特性分析

2.1 行為客觀指標(biāo)分析

在本文采用的實(shí)驗(yàn)范式中，體現(xiàn)抑制控制的客觀指標(biāo)有兩個(gè)：Go 刺激反應(yīng)時(shí)和NoGo 刺激誤報(bào)率（錯(cuò)將NoGo 刺激作反應(yīng)的錯(cuò)誤比例）［18］，Go 刺激反應(yīng)時(shí)越短或NoGo刺激誤報(bào)率越高，則代表抑制控制能力越弱［19］。對(duì)51 名被試在心理學(xué)實(shí)驗(yàn)任務(wù)中的Go 刺激反應(yīng)時(shí)和NoGo 刺激誤報(bào)率進(jìn)行頻數(shù)分布統(tǒng)計(jì)，如圖3和圖4所示。

圖3 Go刺激平均反應(yīng)時(shí)頻數(shù)分布圖

圖4 NoGo刺激誤報(bào)率頻數(shù)分布圖

由圖3 可知：兩種線索類型Go 刺激平均反應(yīng)時(shí)的分布特征存在差異，Go 線索類型主要分布在300～420 ms 區(qū)間，占比92%；NoGo 線索類型主要分布在340～480 ms 區(qū)間，占比90%。對(duì)兩種線索類型Go刺激平均反應(yīng)時(shí)進(jìn)行均值分析，Go線索類型均值為364.83 ms（最小為291.47 ms，最大為526.57 ms，標(biāo)準(zhǔn)差（SD）為41.59），NoGo 線索類型均值為408.59 ms（最小為345.80 ms，最大為556.49 ms，SD為49.88）。結(jié)果表明，線索材料的不同對(duì)被試的抑制能力產(chǎn)生了影響，在Go 線索之后，將有80%的概率會(huì)出現(xiàn)Go刺激，因此被試可能會(huì)降低對(duì)于優(yōu)勢(shì)反應(yīng)（Go 刺激）的抑制能力，導(dǎo)致Go 線索類型低于NoGo線索類型的平均反應(yīng)時(shí)。

由圖4 可知：兩種線索類型NoGo 刺激誤報(bào)率的分布特征存在差異，Go 線索類型主要分布在0～40%區(qū)間，占比90%；NoGo線索類型主要分布在0～5%區(qū)間，占比94%。對(duì)得到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，Go 線索類型均值為14.13%（最小為0，最大為63.16%，SD為18.4%），NoGo線索類型均值為2.14%（最小為0，最大為26.39%，SD 為4.3%）。結(jié)果表明，線索材料的不同對(duì)被試的抑制能力產(chǎn)生了影響，在Go線索之后，將有80%的概率會(huì)出現(xiàn)Go 刺激，因此被試可能會(huì)降低對(duì)于優(yōu)勢(shì)反應(yīng)（Go 刺激）的抑制能力，導(dǎo)致Go線索類型高于NoGo線索類型的平均誤報(bào)率。

2.2 高低抑制控制組差異性分析

本文中通過(guò)因子分析將駕駛?cè)艘种瓶刂颇芰Ρ碚鲄?shù)作線性組合化為少數(shù)幾個(gè)綜合變量因子，再采用聚類分析以抑制控制相應(yīng)因子的得分作為聚類指標(biāo)，將總體被試分為兩個(gè)群體：高抑制控制組（共34 人，其中22 名男性，12 名女性，平均年齡為26 歲，標(biāo)準(zhǔn)差為2.37 歲，平均駕齡為3.5 年，標(biāo)準(zhǔn)差為1.32 年）和低抑制控制組（共17 人，其中10 名男性，7 名女性，平均年齡為24.4 歲，標(biāo)準(zhǔn)差為2.29 歲，平均駕齡為3年，標(biāo)準(zhǔn)差為1.19年）。對(duì)心理學(xué)實(shí)驗(yàn)客觀指標(biāo)在兩組之間的差異性進(jìn)行分析，獨(dú)立樣本t檢驗(yàn)結(jié)果見(jiàn)表2。

表2 客觀指標(biāo)差異性分析

由表2可知：高抑制控制組在Go線索類型Go刺激反應(yīng)時(shí)（t=-3.266，p＜0.05）、Go線索類型NoGo刺激 誤 報(bào) 率（t=7.261，p＜0.05）和NoGo 線索類型NoGo 刺激誤報(bào)率（t=2.333，p＜0.05）的均值方面與低抑制控制組存在顯著性差異。高低抑制控制組在Go 刺激平均反應(yīng)時(shí)和NoGo 刺激誤報(bào)率上的均值差異如圖5和圖6所示。

由圖5可知：高抑制控制組在Go線索類型Go刺激反應(yīng)時(shí)（均值為376.043 ms，SD 為42.586）上顯著高于低抑制控制組。說(shuō)明高抑制控制組被試在整個(gè)實(shí)驗(yàn)過(guò)程中和面對(duì)Go線索類型刺激反應(yīng)過(guò)程中，明顯體現(xiàn)出比低抑制控制組更強(qiáng)的抑制能力，而在面對(duì)NoGo線索類型刺激過(guò)程中，兩組被試的反應(yīng)時(shí)沒(méi)有顯著性的差異。

圖5 Go刺激反應(yīng)時(shí)箱線圖

圖6 NoGo刺激誤報(bào)率箱線圖

由圖6可知：高抑制控制組在Go線索類型NoGo刺激誤報(bào)率（均值為3.00%，SD 為4.7%）和NoGo 線索類型NoGo 刺激誤報(bào)率（均值為0.60%，SD 為1%）上顯著低于低抑制控制組。說(shuō)明在整個(gè)實(shí)驗(yàn)過(guò)程中以及面對(duì)Go 線索類型和NoGo 線索類型刺激過(guò)程中，高抑制控制組明顯比低抑制控制組具有更強(qiáng)的對(duì)于優(yōu)勢(shì)反應(yīng)（Go 刺激）的抑制能力，故誤報(bào)率顯著低于低抑制控制組。

3 風(fēng)險(xiǎn)駕駛行為特性分析

3.1 風(fēng)險(xiǎn)行為傾向評(píng)估

在模擬駕駛?cè)蝿?wù)中，評(píng)價(jià)駕駛?cè)孙L(fēng)險(xiǎn)行為傾向的直接指標(biāo)為駕駛?cè)嗽陲L(fēng)險(xiǎn)決策事件中的決策表現(xiàn)得分之和，駕駛?cè)藳Q策表現(xiàn)分為安全決策與風(fēng)險(xiǎn)決策，相應(yīng)的得分為1分和0分。決策表現(xiàn)得分越低，說(shuō)明被試在模擬駕駛?cè)蝿?wù)中表現(xiàn)出的風(fēng)險(xiǎn)行為傾向越高，各個(gè)事件中對(duì)于風(fēng)險(xiǎn)決策行為的定義見(jiàn)表3。

對(duì)51 名被試在駕駛過(guò)程中的風(fēng)險(xiǎn)決策表現(xiàn)得分進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖7所示。

由圖7 可知：決策表現(xiàn)得分主要集中分布在12～19 區(qū)間，約占總數(shù)的77%。其均值為15.39（最小為7，最大為23，SD 為3.666）。被試得分分布大致呈現(xiàn)正態(tài)分布，整體風(fēng)險(xiǎn)水平處于中等水平，風(fēng)險(xiǎn)行為傾向極高或極低的被試占比非常小，只有少數(shù)被試表現(xiàn)出較高的風(fēng)險(xiǎn)行為傾向。

本文中設(shè)計(jì)了10 種風(fēng)險(xiǎn)決策場(chǎng)景，從風(fēng)險(xiǎn)決策情境的角度出發(fā)歸為6 類風(fēng)險(xiǎn)決策情境：紅綠燈、無(wú)紅綠燈、限速標(biāo)識(shí)、與行人交互、與車(chē)輛交互和彎道路段。對(duì)51 名被試在風(fēng)險(xiǎn)決策情境中的風(fēng)險(xiǎn)決策百分比進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果表明，被試在無(wú)紅綠燈和彎道路段類型中表現(xiàn)出更高的風(fēng)險(xiǎn)行為傾向。在這兩類情境中，駕駛?cè)颂幱陬愃啤皟呻y決策（Go/NoGo）”的選擇情境，為了保證行車(chē)安全在通過(guò)路口或進(jìn)入彎道前應(yīng)提前降低車(chē)速。但當(dāng)駕駛?cè)艘詣蛩倩蚣铀傩旭倳r(shí)，目前的駕駛狀態(tài)（踩下油門(mén)踏板）對(duì)于駕駛?cè)藖?lái)說(shuō)是優(yōu)勢(shì)反應(yīng)，若減速就須放棄目前駕駛狀態(tài)而采取減速措施，這就需要駕駛?cè)说囊种颇芰?。此時(shí)大腦認(rèn)知功能區(qū)域會(huì)進(jìn)行激活信號(hào)和抑制信號(hào)的相互博弈，最終做出決策結(jié)果。

表3 風(fēng)險(xiǎn)決策行為定義

圖7 決策表現(xiàn)得分頻數(shù)分布圖

對(duì)高低抑制控制組的決策表現(xiàn)得分進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖8所示。

圖8 高低抑制控制組決策表現(xiàn)得分頻數(shù)分布圖

由圖8可知：兩組表現(xiàn)得分分布特征存在一定差異，低抑制控制組表現(xiàn)得分主要分布在16～19 區(qū)間，占比38%；高抑制控制組表現(xiàn)得分主要分布在16～19區(qū)間，占比34%。對(duì)高低抑制控制組表現(xiàn)得分進(jìn)行均值分析，高抑制控制組表現(xiàn)得分均值為15.78（最小為7，最大為23，SD 為3.933），低抑制控制組表現(xiàn)得分均值為15.06（最小為7，最大為20，SD 為3.214）。結(jié)果表明，高低抑制控制組的決策表現(xiàn)得分均值存在一定差異，但是差異并不明顯。對(duì)高低抑制控制組的風(fēng)險(xiǎn)決策百分比進(jìn)行差異性分析，結(jié)果見(jiàn)表4。

表4 風(fēng)險(xiǎn)決策百分比差異性分析

由表4 可知：高抑制控制組在無(wú)紅綠燈類型（t=4.621，p＜0.05）、彎道路段類型（t=2.549，p＜0.05）和限速標(biāo)識(shí)類型（t=2.213，p＜0.05）均值方面與低抑制控制組存在顯著性差異。根據(jù)被試在無(wú)紅綠燈和彎道路段類型中表現(xiàn)出更高的風(fēng)險(xiǎn)行為傾向，可以得到抑制控制與風(fēng)險(xiǎn)行為傾向存在相應(yīng)關(guān)系，抑制控制相對(duì)較低的被試在面對(duì)風(fēng)險(xiǎn)決策情境時(shí)，表現(xiàn)出更高的風(fēng)險(xiǎn)行為傾向，即在駕駛過(guò)程中可能具有更高的違章和事故概率。

3.2 駕駛行為模式分析

本節(jié)將分析被試在模擬駕駛過(guò)程中車(chē)輛運(yùn)動(dòng)參數(shù)和駕駛行為指標(biāo)上的差異，以比較不同風(fēng)險(xiǎn)行為傾向被試所對(duì)應(yīng)的駕駛行為模式，主要從速度選擇和車(chē)道保持兩方面對(duì)駕駛行為模式進(jìn)行分析。對(duì)51 名被試在駕駛過(guò)程中的平均速度進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖9所示。

圖9 平均速度頻數(shù)分布圖

由圖9可知：被試在駕駛過(guò)程中的平均速度主要分布在39～51 km/h區(qū)間，占比約70%，對(duì)平均速度進(jìn)行均值分析，其均值為44.29 km/h（最小為31.05 km/h，最大為57.56 km/h，SD為5.853）。結(jié)果表明，被試平均速度分布大致呈現(xiàn)正態(tài)分布，平均速度在45～48 km/h 區(qū)間的人數(shù)占比最多。隨著駕駛速度的提高，駕駛?cè)说能?chē)輛控制能力和車(chē)內(nèi)外信息感知水平都有所下降，駕駛過(guò)程中的風(fēng)險(xiǎn)行為概率將會(huì)增高。因此，超速行為是反映駕駛過(guò)程中風(fēng)險(xiǎn)行為模式的主要指標(biāo)，對(duì)被試在駕駛過(guò)程中的超速百分比進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖10所示。圖中“40區(qū)域”是指限速40 km/h的區(qū)域；“60區(qū)域”含義類同。

圖10 超速百分比頻數(shù)分布圖

由圖10 可知：兩種區(qū)域類型超速百分比的分布特征存在一定差異，40 區(qū)域主要集中分布在0～20%區(qū)間，占比53%；60 區(qū)域主要集中分布在0～20%區(qū)間，占比76%。對(duì)超速百分比進(jìn)行均值分析，40 區(qū)域均值為26.32%（最小為0，最大為100%，SD 為0.244），60 區(qū)域均值為12.34%（最小為0，最大為71.28%，SD為0.147）。結(jié)果表明，被試在40區(qū)域表現(xiàn)出更高的超速行為，其均值是60 區(qū)域的兩倍左右。除此之外，部分被試的超速比例過(guò)高，在40 區(qū)域中最高達(dá)到了100%，幾乎在限速標(biāo)識(shí)場(chǎng)景中全程超速，而在60 區(qū)域中也出現(xiàn)了最高71.28%的超速比例，這反映出很高的不安全行為和風(fēng)險(xiǎn)傾向。

在模擬駕駛過(guò)程中被試表現(xiàn)出不同的速度選擇模式，除了速度選擇外，被試對(duì)于車(chē)輛的控制能力也反映其駕駛行為模式，橫向位置偏離標(biāo)準(zhǔn)差（standard deviation of lateral position，SDLP）是駕駛?cè)诵熊?chē)穩(wěn)定性的重要評(píng)價(jià)指標(biāo)［20］，其值越大則說(shuō)明駕駛?cè)塑?chē)道保持能力越弱，即駕駛?cè)溯^難按照理想的行駛軌跡進(jìn)行穩(wěn)定駕駛。本文中設(shè)計(jì)的彎道路段場(chǎng)景，除了考察被試的風(fēng)險(xiǎn)行為傾向，也評(píng)估被試對(duì)于車(chē)輛的橫向控制能力，對(duì)被試在彎道路段駕駛過(guò)程中的SDLP進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖11所示。

圖11 SDLP頻數(shù)分布圖

由圖11 可知：SDLP 主要 分布在0.2～0.5 m 區(qū)間，占比88%，對(duì)SDLP 進(jìn)行均值分析，其均值為0.32 m（最 小為0.11 m，最大 為0.68 m，SD 為0.141）。結(jié)果表明，整體車(chē)輛橫向控制能力較強(qiáng)，但是有約12%被試SDLP 大于0.5 m，其車(chē)輛控制能力低于平均水平，當(dāng)車(chē)輛發(fā)生緊急情況時(shí)，駕駛?cè)丝赡軣o(wú)法有效控制車(chē)輛使其運(yùn)行在安全的行駛軌跡上，從而有可能會(huì)導(dǎo)致交通事故的發(fā)生。

對(duì)高低抑制控制組的速度選擇行為進(jìn)行差異性分析，結(jié)果見(jiàn)表5。

表5 速度選擇行為差異性分析

由表5 可知：高抑制控制組在40 區(qū)域超速比例（t=2.879，p＜0.05）和60 區(qū)域超速比例（t=2.170，p＜0.05）均值方面與低抑制控制組存在顯著性差異。結(jié)果表明，低抑制控制組在40區(qū)域和60區(qū)域的超速比例均值上是高抑制控制組的兩倍左右，并且均值間具有統(tǒng)計(jì)學(xué)上的顯著性差異，說(shuō)明低抑制控制組具有更高的超速行為表現(xiàn)，有更高的風(fēng)險(xiǎn)行為傾向。

對(duì)高低抑制控制組的SDLP進(jìn)行頻數(shù)分布統(tǒng)計(jì)，結(jié)果如圖12所示。

圖12 高低抑制控制組SDLP頻數(shù)分布圖

由圖12可知：高抑制控制組SDLP 在0.2～0.3 m區(qū)間的頻次最高，占比34%；低抑制控制組SDLP 在0.3 m 附近的頻次最高，在0.2～0.3 m 區(qū)間的占比31%。對(duì)SDLP 進(jìn)行均值分析，高抑制控制組均值為0.29 m（最小 為0.11 m，最 大為0.62 m，SD 為0.138），低抑制控制組均值為0.42 m（最小為0.24 m，最大為0.68 m，SD為0.151）。結(jié)果表明，低抑制控制組相比于高抑制控制組，對(duì)于車(chē)輛的橫向控制能力偏弱，結(jié)合風(fēng)險(xiǎn)行為傾向的分析，低抑制控制組往往具有更高的超速行為比例，導(dǎo)致發(fā)生緊急情況時(shí)，很可能無(wú)法有效控制車(chē)輛運(yùn)行在安全的軌跡上，導(dǎo)致交通事故的發(fā)生。

4 抑制控制和風(fēng)險(xiǎn)駕駛行為相關(guān)分析

通過(guò)上節(jié)的分析，可知不同抑制控制能力的被試在風(fēng)險(xiǎn)駕駛行為上存在差異，但群體間的差異無(wú)法全面表現(xiàn)出抑制控制與風(fēng)險(xiǎn)駕駛行為間的直接關(guān)系，因此有必要對(duì)抑制控制與風(fēng)險(xiǎn)駕駛行為進(jìn)行相關(guān)性分析。其客觀指標(biāo)相關(guān)分析結(jié)果見(jiàn)表6。

表6 行為客觀指標(biāo)相關(guān)性分析

由表6 可知：Go 刺激反應(yīng)時(shí)與平均速度存在正相關(guān)關(guān)系（r=0.235），與40 區(qū)域超速比例存在負(fù)相關(guān)關(guān)系（r=-0.108），與SDLP 存在負(fù)相關(guān)關(guān)系（r=-0.144）；NoGo 刺激誤報(bào)率與表現(xiàn)得分存在負(fù)相關(guān)關(guān)系（r=-0.143），與風(fēng)險(xiǎn)決策比例存在正相關(guān)關(guān)系（r=0.181），與40 區(qū)域超速比例存在負(fù)相關(guān)關(guān)系（r=-0.135），與SDLP 存在負(fù)相關(guān)關(guān)系（r=-0.182）。結(jié)果表明，抑制控制與風(fēng)險(xiǎn)駕駛行為有關(guān)的行為客觀指標(biāo)間存在一定的相關(guān)關(guān)系，結(jié)合不同抑制控制能力被試的風(fēng)險(xiǎn)駕駛行為差異分析，可認(rèn)為駕駛?cè)艘种瓶刂颇芰υ谝欢ǔ潭壬嫌绊懫滹L(fēng)險(xiǎn)駕駛傾向及其對(duì)應(yīng)的駕駛行為模式。抑制控制能力相對(duì)較低的駕駛?cè)司哂懈叩娘L(fēng)險(xiǎn)行為傾向，且具有駕駛過(guò)程中采取相對(duì)較高的車(chē)速、更高的超速行為比例和相對(duì)較弱的車(chē)輛橫向控制能力等駕駛行為模式，容易在遇到緊急情況時(shí)失去對(duì)車(chē)輛控制，從而造成交通事故的發(fā)生。

5 結(jié)論

（1）在本文設(shè)計(jì)的風(fēng)險(xiǎn)決策情境中，駕駛?cè)嗽跓o(wú)紅綠燈和彎道路段類型中表現(xiàn)出更高的風(fēng)險(xiǎn)行為傾向。通過(guò)分析高、低抑制控制組在風(fēng)險(xiǎn)行為傾向上的差異性，可以認(rèn)為抑制控制能力相對(duì)較低的駕駛?cè)嗽诿鎸?duì)風(fēng)險(xiǎn)決策情境時(shí)，往往會(huì)表現(xiàn)出更高的風(fēng)險(xiǎn)行為傾向。

（2）在模擬駕駛過(guò)程中不同抑制控制能力駕駛?cè)吮憩F(xiàn)出不同的速度選擇模式，具體表現(xiàn)為其平均速度和超速比例的不同。風(fēng)險(xiǎn)行為傾向較高，即抑制控制能力相對(duì)較弱的駕駛?cè)?，在駕駛過(guò)程中傾向于采取更高的行駛速度，并且具有更高超速行為比例，對(duì)SDLP 的分析結(jié)果也表明，低抑制控制組對(duì)于車(chē)輛的橫向控制能力比高抑制控制組弱。

（3）通過(guò)對(duì)抑制控制和風(fēng)險(xiǎn)駕駛行為客觀指標(biāo)的相關(guān)性分析，發(fā)現(xiàn)行為客觀指標(biāo)間存在一定的相關(guān)關(guān)系，結(jié)合不同抑制控制能力駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為的差異分析，可以認(rèn)為駕駛?cè)艘种瓶刂颇芰υ谝欢ǔ潭壬嫌绊懫滹L(fēng)險(xiǎn)行為傾向及其對(duì)應(yīng)的駕駛行為模式。