呂 貞，王海曉，郭 敏，劉安琪

(內(nèi)蒙古農(nóng)業(yè)大學(xué) 能源與交通工程學(xué)院，呼和浩特 010018)

我國(guó)生產(chǎn)經(jīng)營(yíng)性交通事故形勢(shì)嚴(yán)峻，而駕駛?cè)说倪`規(guī)、失誤、操作錯(cuò)誤等風(fēng)險(xiǎn)駕駛行為是導(dǎo)致重特大交通事故的主要原因[1]，因此，分析營(yíng)運(yùn)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為及其影響因素尤為重要[2-5]。

駕駛行為問(wèn)卷(DBQ)是調(diào)查與分析駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為及其影響因素的有效手段，被廣泛應(yīng)用于各類(lèi)駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為研究及事故預(yù)測(cè)中[6-8]。Reason等[9]最早對(duì)風(fēng)險(xiǎn)駕駛行為進(jìn)行了定義及分類(lèi)，提出并設(shè)計(jì)了駕駛行為問(wèn)卷用于研究駕駛行為結(jié)構(gòu)以及各類(lèi)風(fēng)險(xiǎn)駕駛行為與交通事故之間的聯(lián)系。該問(wèn)卷共包括3個(gè)部分：駕駛?cè)嘶拘畔ⅰ?0個(gè)違規(guī)與錯(cuò)誤行為的題目、關(guān)于自我評(píng)價(jià)的5個(gè)題目。在此基礎(chǔ)上，眾多研究者應(yīng)用拓展、修正的28個(gè)或27個(gè)題目的駕駛行為問(wèn)卷對(duì)本國(guó)風(fēng)險(xiǎn)駕駛行為開(kāi)展研究。Mattsson等[10]研究了芬蘭與愛(ài)爾蘭兩國(guó)青年駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為及影響因素。Mallia等[11]通過(guò)駕駛行為問(wèn)卷分析出租車(chē)駕駛?cè)藗€(gè)性、態(tài)度與事故風(fēng)險(xiǎn)及風(fēng)險(xiǎn)行為之間的關(guān)系。Beanland等[12]研究了青年駕駛?cè)巳烁窦疤刭|(zhì)與風(fēng)險(xiǎn)駕駛行為之間的關(guān)系。Nordfjaern等[13]對(duì)比了伊朗國(guó)內(nèi)外駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為的差異性。 Uzumcuoglu[14]采用DBQ問(wèn)卷調(diào)查了卡塔爾4個(gè)不同種族駕駛?cè)说倪`規(guī)、錯(cuò)誤和失誤等危險(xiǎn)駕駛行為與事故之間的關(guān)系。

國(guó)內(nèi)Xie和Parker[15]最早對(duì)Manchester DBQ進(jìn)行了修改，同時(shí)制作了CDQ對(duì)北京和承德207名駕駛?cè)说奈ｋU(xiǎn)駕駛行為進(jìn)行調(diào)查研究。白云等[16]對(duì)135名北京市汽車(chē)駕駛者進(jìn)行了研究，發(fā)現(xiàn)與駕駛行為緊密相關(guān)的影響因素主要是駕駛者的自我評(píng)價(jià)和態(tài)度。鄭東鵬等[17]利用修正的曼徹斯特DBQ問(wèn)卷對(duì)349名中國(guó)駕駛?cè)诉M(jìn)行了問(wèn)卷調(diào)查，經(jīng)過(guò)探索性因素分析(EFA)得到了4因子結(jié)構(gòu)模型，分別命名為認(rèn)知錯(cuò)誤、違規(guī)行為、無(wú)意失誤和記憶力流失，并利用驗(yàn)證性因素分析(CFA)對(duì)該模型進(jìn)行了驗(yàn)證。谷娜等[18]對(duì)危險(xiǎn)駕駛行為量表進(jìn)行修訂,并對(duì)其信效度進(jìn)行檢驗(yàn)，發(fā)現(xiàn)修訂后的危險(xiǎn)駕駛行為量表具有良好的信效度,可作為測(cè)量我國(guó)駕駛?cè)宋ｋU(xiǎn)駕駛行為的工具。陳文強(qiáng)等[19]構(gòu)建了適合中國(guó)城市道路危險(xiǎn)駕駛行為分析的危險(xiǎn)駕駛行為量表，問(wèn)卷調(diào)查分析結(jié)果表明，城市道路中危險(xiǎn)駕駛行為主要取決于人格特性，其次是憤怒因素。周紅梅等[20]對(duì)女性駕駛行為進(jìn)行問(wèn)卷調(diào)查，發(fā)現(xiàn)女性危險(xiǎn)駕駛行為的影響因素包括對(duì)駕駛新技術(shù)的適應(yīng)性差、易受情緒影響、駕駛習(xí)慣不良和駕駛熟練程度不夠等4個(gè)方面。李彥章等[21]設(shè)計(jì)了摩托車(chē)駕駛?cè)笋{駛行為問(wèn)卷并進(jìn)行修訂，得到4個(gè)因素：沖動(dòng)行為，超速及故意違規(guī)行為，錯(cuò)誤行為和警覺(jué)安全行為。

綜上，國(guó)內(nèi)外學(xué)者采用駕駛行為問(wèn)卷對(duì)駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為及其影響因素進(jìn)行了大量研究，并得出很多有益結(jié)論，但多數(shù)研究均針對(duì)城市道路非營(yíng)運(yùn)車(chē)輛駕駛?cè)宋ｋU(xiǎn)駕駛行為進(jìn)行。而營(yíng)運(yùn)駕駛?cè)伺c私家車(chē)駕駛?cè)说鸟{駛行為特征存在明顯差異，例如，營(yíng)運(yùn)駕駛?cè)硕酁槟行?，長(zhǎng)時(shí)間、長(zhǎng)距離駕駛?cè)蝿?wù)重，事故率比私家車(chē)事故率高[22]，但國(guó)內(nèi)尚未利用駕駛行為問(wèn)卷對(duì)長(zhǎng)距離營(yíng)運(yùn)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為及影響因素開(kāi)展相關(guān)研究，且國(guó)內(nèi)針對(duì)駕駛行為問(wèn)卷的分析多集中于探索性因子分析，缺少驗(yàn)證性因子分析?；诖?，文中擬利用修正的DBQ對(duì)我國(guó)營(yíng)運(yùn)駕駛?cè)说娘L(fēng)險(xiǎn)駕駛行為開(kāi)展調(diào)查并分析其影響因素，為有針對(duì)性地加強(qiáng)營(yíng)運(yùn)駕駛?cè)说陌踩庾R(shí)培訓(xùn)與管理、提升運(yùn)輸企業(yè)運(yùn)營(yíng)安全水平提供依據(jù)。

1 DBQ問(wèn)卷設(shè)計(jì)與調(diào)查

1.1 問(wèn)卷內(nèi)容

本研究以經(jīng)典曼徹斯特駕駛行為問(wèn)卷(DBQ)為基礎(chǔ)，并根據(jù)國(guó)內(nèi)駕駛?cè)笋{駛行為習(xí)慣對(duì)其進(jìn)行修正。問(wèn)卷內(nèi)容分為兩部分：第一部分為駕駛者的基本信息，包括駕駛?cè)诵詣e、年齡、駕齡、駕駛里程、近三年是否發(fā)生過(guò)交通事故等，共計(jì)15題；第二部分為風(fēng)險(xiǎn)駕駛行為調(diào)查，共計(jì)28題。問(wèn)卷填寫(xiě)采用李克特5點(diǎn)量表法，被調(diào)查者根據(jù)自身近三年的日常駕駛行為習(xí)慣，按照行為頻率由小到大的順序在0-從來(lái)沒(méi)有、1-幾乎沒(méi)有、2-偶爾、3-經(jīng)常、4-總是中進(jìn)行選擇。

1.2 調(diào)查對(duì)象

調(diào)查問(wèn)卷通過(guò)內(nèi)蒙古自治區(qū)交通運(yùn)輸培訓(xùn)中心駕駛?cè)死^續(xù)教育培訓(xùn)平臺(tái)向535名客運(yùn)駕駛?cè)思拔Ｘ涍\(yùn)輸駕駛?cè)税l(fā)放。事先統(tǒng)一告知問(wèn)卷調(diào)查的目的與意義，確保被調(diào)查者按照日常駕駛行為如實(shí)填寫(xiě)。本次調(diào)查共回收問(wèn)卷535份，篩選出有效問(wèn)卷495份。調(diào)查對(duì)象基本信息如表1所示。

表1 調(diào)查對(duì)象基本信息

2 問(wèn)卷數(shù)據(jù)分析

2.1 探索性因子分析

探索性因子分析(EFA)用于找出量表的潛在結(jié)構(gòu)，減少題項(xiàng)的數(shù)目，使之變?yōu)檩^少但彼此相關(guān)較大的變量。為找到觀測(cè)變量適宜的因子結(jié)構(gòu)，從495份有效問(wèn)卷中隨機(jī)抽取300份問(wèn)卷進(jìn)行探索性因子分析。首先采用SPSS因子分析中的KMO度量和Bartlett球形度檢驗(yàn)進(jìn)行題目相關(guān)性檢驗(yàn)，判斷觀測(cè)變量是否適合作因子分析。其中，KMO檢驗(yàn)用于檢查變量間的相關(guān)性和偏相關(guān)性，取值在0～1之間。KMO檢驗(yàn)統(tǒng)計(jì)量在0.9以上表示非常適合，在0.8～0.9表示適合，在0.7～0.8表示一般，在0.6～0.7表示不太適合，0.5以下表示不適合。Bartlett球度檢驗(yàn)以原有變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)，檢驗(yàn)相關(guān)系數(shù)矩陣是否為單位陣，如果該統(tǒng)計(jì)量的觀測(cè)值較大，且對(duì)應(yīng)的概率小于給定的顯著性水平α，則支持量表適合做因子分析。KMO度量和Bartlett球形度檢驗(yàn)結(jié)果如表2所示。

表2 Bartlett球形度檢驗(yàn)和KMO檢驗(yàn)結(jié)果

從表2可以看出，KMO檢驗(yàn)系數(shù)等于0.914，大于0.5，且Bartlett的球形度檢驗(yàn)顯著性值為0，小于0.05，說(shuō)明樣本量大小符合要求，且變量間存在因子共享的可能性，適合因子分析。

圖1 因子特征值碎石

應(yīng)用SPSS軟件對(duì)28個(gè)行為題目進(jìn)行因子分析。在探索性因子分析中，常用的因子數(shù)篩選原則有Kaiser特征值大于1原則，以及碎石圖檢驗(yàn)法。因子分析結(jié)果表明特征值大于1的公共因子有4個(gè)，以因子變異量為縱坐標(biāo)，因子數(shù)目為橫坐標(biāo)繪制的因子特征值碎石如圖1所示。從圖1可以看出，從第5個(gè)因素開(kāi)始曲線變得顯著平緩，也只是有4個(gè)公共因子存在，同時(shí)考慮到因子的可解釋性，確定抽取4個(gè)因子。刪除載荷小于0.5的題目，得到駕駛行為問(wèn)卷因子結(jié)構(gòu)及載荷值(見(jiàn)表3)。

表3 駕駛行為問(wèn)卷因子結(jié)構(gòu)及載荷值(去掉<0.5的值)

從表3可以看出，因子l共包括6個(gè)題目，解釋了總方差的16.493%，因?yàn)橐蜃?的問(wèn)題均為駕駛?cè)烁兄?、認(rèn)知判斷及操作行為的錯(cuò)誤而導(dǎo)致的不良行為，因此將因子1命名為“錯(cuò)誤行為”。因子2包括6個(gè)題目，解釋了總方差的12.983%，均為駕駛?cè)嗽跓o(wú)意間偏離了預(yù)期的結(jié)果，因此，將因子2命名為“失誤行為”；因子3包含5個(gè)題目，解釋了總方差的12.930%，盡管這些行為具有攻擊性，但不會(huì)造成直接損失，因此將其命名為“一般性違規(guī)”。因子4包括3個(gè)題目，解釋了總方差的10.453%，這些行為可能會(huì)導(dǎo)致直接損失，因此將其稱(chēng)為“攻擊性違規(guī)”?？梢?jiàn)，4個(gè)因子的累積總方差為52.859%。

2.2 信度檢驗(yàn)

通常采用內(nèi)部一致性系數(shù)(Cron-bach’s α)來(lái)檢驗(yàn)量表的內(nèi)部一致性信度，如果Cron-bach’s α不超過(guò)0.6，認(rèn)為內(nèi)部一致信度不足，達(dá)到0.7～0.8時(shí)表示量表具有相當(dāng)?shù)男哦?。根?jù)探索性因子分析結(jié)果，原28項(xiàng)行為降維到4個(gè)因子，分別代表錯(cuò)誤、失誤、一般性違規(guī)和攻擊性違規(guī)等4類(lèi)不同的駕駛行為，求得各因子的Cron-bach’s α(見(jiàn)表4)?？梢钥闯?，錯(cuò)誤、失誤、一般性違規(guī)、攻擊性違規(guī)各部分Cron-bach’s α均在0.65以上，且錯(cuò)誤、失誤、一般性違規(guī)Cron-bach’s α均大于0.7，說(shuō)明DBQ問(wèn)卷的內(nèi)部一致性信度較好，問(wèn)卷的總體信度系數(shù)為0.741，大于0.7，表明問(wèn)卷的總體結(jié)構(gòu)設(shè)計(jì)具有較高信度。

表4 內(nèi)部一致性系數(shù)(Cron-bach’s α)

2.3 驗(yàn)證性因子分析

驗(yàn)證性因子分析(CFA)用于測(cè)量因子與測(cè)量項(xiàng)之間的對(duì)應(yīng)關(guān)系是否與研究者預(yù)測(cè)保持一致。為了檢驗(yàn)4因子結(jié)構(gòu)是否與觀測(cè)數(shù)據(jù)一致，對(duì)剩余195份有效問(wèn)卷做驗(yàn)證性因素分析(CFA)。根據(jù)探索性因素分析得到20個(gè)問(wèn)題代表4因子基本結(jié)構(gòu)，以20個(gè)問(wèn)題為觀察變量，以4個(gè)因子作為潛在變量，利用AMOS 6.0軟件對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，得到DBQ四維結(jié)構(gòu)模型及其標(biāo)準(zhǔn)化解(見(jiàn)圖2)。

圖2 DBQ四維結(jié)構(gòu)模型及其標(biāo)準(zhǔn)化解

驗(yàn)證性因子分析整體模型適配度檢驗(yàn)常用的統(tǒng)計(jì)參數(shù)有：χ2，比較擬合指數(shù)(CFI)，擬合優(yōu)度指數(shù)(GFI)、估計(jì)誤差均方根(RMSEA)等。其中，χ2與自由度df一起用于說(shuō)明模型的正確性概率。根據(jù)Bentler[23]的建議標(biāo)準(zhǔn)，χ2/df≤3.0、CFI≥0.90、GFI≥0.85、RMSEA≤0.05，表明該模型的擬合程度可接受。本量表驗(yàn)證性因子分析的整體模型適配度檢驗(yàn)結(jié)果如表5所示。

從表5可以看出，P>0.05，說(shuō)明觀察數(shù)據(jù)與理論模型之間無(wú)明顯差異，而指標(biāo)χ2/df的值為1.53，在可接受范圍(1～3)之內(nèi)，比較擬合參數(shù)的擬合優(yōu)

表5 驗(yàn)證性因素分析的整體模型適配度檢驗(yàn)結(jié)果

度指數(shù)GFI均大于0.9，近似誤差的均方根RMSEA小于0.05。因此，通過(guò)AMOS結(jié)構(gòu)方程模型可得出4因子擬合實(shí)際數(shù)據(jù)的能力良好，即SPSS定義的4因子是實(shí)際可靠的風(fēng)險(xiǎn)駕駛行為影響因素。

3 變量間關(guān)系分析

3.1 變量間相關(guān)性分析

為了分析風(fēng)險(xiǎn)駕駛行為的影響因素，利用SPSS21對(duì)所有有效問(wèn)卷進(jìn)行變量間相關(guān)性分析，分析結(jié)果如表6所示。從表6可以看出，近3年是否發(fā)生過(guò)交通事故與駕駛?cè)说哪挲g呈顯著負(fù)相關(guān)，說(shuō)明營(yíng)運(yùn)交通事故多發(fā)生于年紀(jì)較輕的營(yíng)運(yùn)駕駛?cè)松砩?，這與中青年男性駕駛?cè)说鸟{駛經(jīng)驗(yàn)與個(gè)性特征有關(guān)，隨著年齡的增長(zhǎng)與駕駛經(jīng)驗(yàn)的積累，交通事故發(fā)生的概率降低。近3年是否發(fā)生交通事故與一般性違規(guī)及攻擊性違規(guī)呈顯著正相關(guān)，說(shuō)明營(yíng)運(yùn)駕駛?cè)私煌ㄊ鹿实闹饕蚴沁`規(guī)，其次才是錯(cuò)誤和失誤。攻擊性違規(guī)行為與年齡和從事運(yùn)營(yíng)工作年限負(fù)相關(guān)，說(shuō)明隨著年齡與從事運(yùn)營(yíng)工作年限的增加，駕駛?cè)说鸟{駛經(jīng)驗(yàn)不斷積累，職業(yè)素養(yǎng)不斷提升。同樣，一般性違規(guī)行為與年齡和從事運(yùn)營(yíng)工作年限負(fù)相關(guān)。失誤行為與年齡、從事運(yùn)營(yíng)工作年限顯著正相關(guān)，隨著年齡、行車(chē)?yán)锍痰脑黾?，駕駛?cè)擞捎诜中牡葘?dǎo)致的失誤行為增多。錯(cuò)誤行為與駕駛?cè)说哪挲g、從事運(yùn)營(yíng)工作年限負(fù)相關(guān)，說(shuō)明隨著駕駛?cè)四挲g、駕齡的增加，駕駛?cè)说鸟{駛經(jīng)驗(yàn)不斷積累，駕駛過(guò)程中的錯(cuò)誤行為也隨之減少。

3.2 回歸分析

為進(jìn)一步研究錯(cuò)誤行為、失誤行為、一般性違規(guī)、攻擊性違規(guī)與統(tǒng)計(jì)信息之間的關(guān)系，建立回歸預(yù)測(cè)模型。以4因子分別為因變量，以統(tǒng)計(jì)信息為自變量進(jìn)行線性回歸分析，模型回歸系數(shù)如表7所示，回歸模型匯總?cè)绫?所示。

表6 變量間相關(guān)性分析(樣本容量=495)

表7 模型回歸系數(shù)

續(xù)表7

表8 回歸模型匯總

從表7可以看出：在錯(cuò)誤行為回歸分析中，年齡、從事運(yùn)營(yíng)工作年限、近3年是否發(fā)生過(guò)交通事故的P<0.05，說(shuō)明系數(shù)查驗(yàn)明顯，調(diào)整后的R2=0.215，說(shuō)明在錯(cuò)誤行為中有21.5%的部分能被該模型解釋?zhuān)辉谑д`行為回歸分析中，年齡、從事運(yùn)營(yíng)工作年限、近3年是否發(fā)生過(guò)交通事故的P值分別為0.035、0.031、0.016，均小于0.05，回歸效果顯著，調(diào)整R2=0.140，說(shuō)明在失誤行為中有14%的部分能被該模型解釋?zhuān)辉谝话阈赃`規(guī)回歸分析中，年齡、從事運(yùn)營(yíng)工作年限、是否有私家車(chē)、近3年是否發(fā)生過(guò)交通事故的P值分別為0.049、0.270、0.191、0.001，均小于0.05，回歸效果顯著，調(diào)整R2=0.518，說(shuō)明在一般性違規(guī)行為中有51.8%的部分能被該模型解釋?zhuān)辉诠粜赃`規(guī)行為回歸分析中，年齡、每年駕駛里程、近3年是否發(fā)生過(guò)交通事故的P值分別為0.040、0.032、0.026，均小于0.05，回歸效果顯著，調(diào)整R2=0.151，說(shuō)明在失誤行為中有15.1%的部分能被該模型解釋。因此，年齡與近3年是否發(fā)生過(guò)交通事故是判斷營(yíng)運(yùn)駕駛?cè)耸欠翊嬖陲L(fēng)險(xiǎn)駕駛行為的重要判斷依據(jù)，這與Lawton等[24]的研究結(jié)果相同。

4 結(jié) 論

1)文中采用修正的曼徹斯特28題DBQ對(duì)客貨運(yùn)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為及影響因素進(jìn)行分析。通過(guò)探索性因子分析得到錯(cuò)誤、失誤、一般性違規(guī)、攻擊性違規(guī)等4個(gè)因子，并通過(guò)構(gòu)建AMOS結(jié)構(gòu)方程驗(yàn)證了4因子模型的適配度，因此修正的DBQ問(wèn)卷適用于我國(guó)營(yíng)運(yùn)駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為的測(cè)量與分析。

2)通過(guò)變量間的相關(guān)性分析和回歸分析，研究了駕駛?cè)私y(tǒng)計(jì)學(xué)信息與風(fēng)險(xiǎn)行為之間的深層次關(guān)系，發(fā)現(xiàn)駕駛?cè)私煌ㄊ鹿实陌l(fā)生和年齡與違規(guī)行為顯著相關(guān)，因此，是否發(fā)生過(guò)交通事故和年齡是判斷駕駛?cè)耸欠翊嬖陲L(fēng)險(xiǎn)駕駛行為的重要判據(jù)，可以為運(yùn)輸企業(yè)的駕駛?cè)伺嘤?xùn)提供一定參照。

3)不足之處在于駕駛行為數(shù)據(jù)完全來(lái)源于自陳式問(wèn)卷調(diào)查，回答者可能少報(bào)或者瞞報(bào)以掩飾自己的部分不當(dāng)駕駛行為，因此，還需要通過(guò)客觀的研究方法來(lái)進(jìn)一步驗(yàn)證。