鄧 芳 張馨予 郭羽熙 梁佳文 李文敏 趙苑秀** 高在峰

（1.浙江大學(xué)心理與行為科學(xué)系，杭州 310022；2.長安大學(xué)心理健康教育與咨詢中心，西安 710064）

1 引言

對(duì)駕駛相關(guān)風(fēng)險(xiǎn)的研究一直是道路安全研究主要關(guān)注領(lǐng)域，然而如何塑造駕駛?cè)孙L(fēng)險(xiǎn)規(guī)避行為的問題仍未得到很好解決。在實(shí)車駕駛中，風(fēng)險(xiǎn)可分為外源性風(fēng)險(xiǎn)與自源性風(fēng)險(xiǎn)。前者不受駕駛?cè)酥饔^意志影響，由外部刺激導(dǎo)致，如前方異常停車等；后者由駕駛?cè)嗽隈{駛過程中導(dǎo)致，如超速、打電話等。目前研究主要聚焦于對(duì)自源性風(fēng)險(xiǎn)的規(guī)避與矯正，缺乏對(duì)外源性風(fēng)險(xiǎn)的關(guān)注。已有的自源性風(fēng)險(xiǎn)規(guī)避與矯正方法主要包括教育干預(yù)、警察執(zhí)法和告警三類。這三類方法本質(zhì)上屬于被動(dòng)矯正（由外界發(fā)出相應(yīng)信號(hào)），效果有限（Eensoo et al.，2018；Walter et al.，2011；Jongen al et.，2011）。如何提高駕駛?cè)藢?duì)自源性風(fēng)險(xiǎn)的內(nèi)省認(rèn)知和規(guī)避主動(dòng)性，培養(yǎng)其對(duì)外源性風(fēng)險(xiǎn)的危險(xiǎn)感知能力和規(guī)避意識(shí)，從而實(shí)現(xiàn)道路風(fēng)險(xiǎn)主動(dòng)防控是目前需解決的難題之一。同時(shí)，駕駛相關(guān)風(fēng)險(xiǎn)的類型多、特點(diǎn)散、發(fā)生隨機(jī)性強(qiáng)，如何提供一種統(tǒng)一的方案應(yīng)對(duì)所有可能的風(fēng)險(xiǎn)也亟須解決。

對(duì)于駕駛風(fēng)險(xiǎn)規(guī)避行為的塑造，基于行為主義的強(qiáng)化理論具有較強(qiáng)的適用性和應(yīng)用價(jià)值。根據(jù)強(qiáng)化理論，行為的習(xí)得與及時(shí)強(qiáng)化有關(guān)，經(jīng)過強(qiáng)化的行為更大概率重復(fù)發(fā)生（Skinner，1958；Skinner，1965）。在行為塑造中，強(qiáng)化與懲罰起不同作用（Skinner，2019）。強(qiáng)化是指隨著特定行為產(chǎn)生，出現(xiàn)愉快刺激增加或刺激強(qiáng)度的增強(qiáng)（正強(qiáng)化）或不愉快刺激減少或者刺激強(qiáng)度的減弱（負(fù)強(qiáng)化），從而導(dǎo)致該行為發(fā)生概率增加（Ferster&Skinner，1957）。懲罰是指一個(gè)行為發(fā)生伴隨著不愉快刺激出現(xiàn)（正懲罰）或愉快刺激消除（負(fù)懲罰），導(dǎo)致該行為后續(xù)出現(xiàn)頻率減少（Skinner，1965）。近15年來，強(qiáng)化理論逐漸被應(yīng)用于提升道路交通 安 全（e.g.，Bolderdijk et al.，2011；Hultkrantz & Lindberg，2009；Lahrmann et al.，2012；Lansdown & Saunders，2012；Mazureck & van Hattem，2006；Mullen et al.，2015；Reagan et al.，2013）。由于駕駛過程中無法實(shí)時(shí)增減滿足基本生理需要的初級(jí)強(qiáng)化物（如水、溫暖等），這類研究均選用最初無強(qiáng)化效力但與初級(jí)強(qiáng)化物多次配對(duì)后將獲得強(qiáng)化效力的次級(jí)強(qiáng)化物，即代幣，來實(shí)時(shí)獎(jiǎng)懲。代幣可以在后續(xù)實(shí)驗(yàn)允許的任何時(shí)間地點(diǎn)被用于兌換初級(jí)強(qiáng)化物，從而滿足有機(jī)體的某種愉快刺激的需求，使有機(jī)體保持高水平的獲取代幣期望，極力表現(xiàn)期望行為，回避不良行為（Doll et al.，2013）。目前，這類基于積分的強(qiáng)化措施已應(yīng)用于移動(dòng)設(shè)備，如eMentoring app（Peer et al.，2020）。

然而，以往研究主要探討強(qiáng)化與懲罰對(duì)自源性風(fēng)險(xiǎn)規(guī)避的作用，忽略了對(duì)外源性風(fēng)險(xiǎn)規(guī)避行為的塑造。對(duì)外源性風(fēng)險(xiǎn)，應(yīng)采用獎(jiǎng)勵(lì)強(qiáng)化駕駛?cè)说陌踩珣?yīng)對(duì)行為；而對(duì)自源性風(fēng)險(xiǎn)，則應(yīng)采用懲罰減少駕駛?cè)说牟话踩袨?。此外，為提高行為主體的主動(dòng)性與積極性，強(qiáng)化理論所強(qiáng)調(diào)的差異化塑造原則建議根據(jù)目標(biāo)對(duì)象的性質(zhì)采用不同程度的強(qiáng)化物。因此，有必要進(jìn)一步探明哪種強(qiáng)化規(guī)則更有效。為此，本研究將探討能否通過對(duì)外源性風(fēng)險(xiǎn)規(guī)避行為與自源性風(fēng)險(xiǎn)行為分別采用正強(qiáng)化與負(fù)懲罰的方法，來實(shí)現(xiàn)對(duì)駕駛風(fēng)險(xiǎn)規(guī)避行為的塑造，并探明更優(yōu)的強(qiáng)化規(guī)則。鑒于超速和追尾的普遍性（Pires et al.，2020；陳晨等，2011）和危害性（Kim et al.，2022），我們選取超速作為內(nèi)源性風(fēng)險(xiǎn)代表，突降異物（用于模擬追尾和其他碰撞）作為外源性風(fēng)險(xiǎn)代表。

2 實(shí)驗(yàn)一 風(fēng)險(xiǎn)等級(jí)—積分負(fù)懲罰力度匹配實(shí)驗(yàn)

本實(shí)驗(yàn)以超速為自源性風(fēng)險(xiǎn)代表，考察基于風(fēng)險(xiǎn)水平的差異化懲罰能否有效推動(dòng)駕駛?cè)酥鲃?dòng)規(guī)避超速行為。我們將超速10%～20%定義為低風(fēng)險(xiǎn)，超速20%～50%定義為高風(fēng)險(xiǎn)。

2.1 方法

被試自愿報(bào)名，所有被試具有C1駕照和駕駛經(jīng)驗(yàn)，視力、聽力狀況良好，在近一年內(nèi)的高速公路累計(jì)駕駛時(shí)間至少3個(gè)小時(shí)。被試分為3組：風(fēng)險(xiǎn)-積分匹配組（根據(jù)風(fēng)險(xiǎn)水平給予相應(yīng)積分懲罰）、低懲罰組（總是低懲罰）、高懲罰組（總是高懲罰）。高懲罰組14人（7名女性），平均年齡23.00歲（SD=0.43），平均駕齡2.21年（SD=0.13）；低懲罰組14人（5名女性），平均年齡24.36歲（SD=0.82），平均 駕齡3.29年（SD=0.76）；風(fēng)險(xiǎn)-積分匹配組14人（9名女性），平均年齡23.93歲（SD=1.02），平均駕齡3.25年（SD=0.30）。三組被試在年齡、駕齡上匹配（p＞0.05）。

實(shí)驗(yàn)采用六自由度駕駛模擬器模擬自動(dòng)駕駛環(huán)境（圖1）。模擬駕駛器計(jì)算機(jī)刷新率為60Hz，駕駛場景呈現(xiàn)在三面LED顯示器（分辨率為1920×1080），相鄰兩屏間夾角為150°，形成環(huán)繞效果。實(shí)驗(yàn)程序采用Unity3D引擎編寫，模擬自動(dòng)擋車輛。駕駛場景為包括大橋（限速80km/h）和隧道（限速60km/h）的高速公路，其余路段限速為100km/h。周圍車輛密度為每千米20輛車（不含自身）。其他場景設(shè)置詳見網(wǎng)上附錄材料。

圖1 六自由度模擬駕駛器

實(shí)驗(yàn)采用2（積分系統(tǒng)：有、無；被試內(nèi)）×3（積分規(guī)則：高懲罰、低懲罰、風(fēng)險(xiǎn)-積分匹配；被試間）的混合設(shè)計(jì)。初始積分為100分。若超速持續(xù)6秒：風(fēng)險(xiǎn)-積分匹配組超出當(dāng)前限速10～20%范圍內(nèi)扣5分，超出當(dāng)前限速20～50%范圍內(nèi)扣15分；高懲罰組超速扣15分；低懲罰組超速扣5分。實(shí)驗(yàn)按時(shí)間先后分為無積分系統(tǒng)（20分鐘）、有積分系統(tǒng)（20分鐘）兩階段以避免積分系統(tǒng)對(duì)無積分階段的干擾；兩階段間至少休息3分鐘。在無積分系統(tǒng)階段，系統(tǒng)仍會(huì)按相應(yīng)規(guī)則計(jì)算積分，但積分面板不出現(xiàn)。在有積分系統(tǒng)階段，車輛中控屏位置呈現(xiàn)積分面板（見圖2），實(shí)時(shí)顯示積分情況，包括總積分、扣除積分及其原因（如“您因連續(xù)超速扣除積分5分”）。為避免路況熟悉性的影響，兩階段實(shí)驗(yàn)中所用的道路場景為同質(zhì)的不同路段。實(shí)驗(yàn)中若被試超速，系統(tǒng)會(huì)持續(xù)發(fā)出聽覺告警提示音。實(shí)驗(yàn)開始前，被試在模擬器上進(jìn)行5分鐘的駕駛以熟悉駕駛設(shè)備的操作。正式實(shí)驗(yàn)需要約40分鐘，并根據(jù)積分情況支付額度不等的被試費(fèi)。每位被試在實(shí)驗(yàn)前均閱讀制定的指導(dǎo)語（見網(wǎng)上附錄材料）。

圖2 有積分系統(tǒng)（a）和無積分系統(tǒng)（b）的界面示例

研究采用駕駛平均速度、超速比例（駕駛?cè)嗽趯?shí)驗(yàn)中出現(xiàn)超速行為的時(shí)長占總駕駛時(shí)長的比例）作為因變量。對(duì)數(shù)據(jù)采用2（積分系統(tǒng)）×3（積分規(guī)則）重復(fù)測量方差分析。鑒于積分系統(tǒng)的效果是研究的關(guān)注對(duì)象，故通過事前配對(duì)t檢驗(yàn)來分析積分系統(tǒng)作用。

2.2 結(jié)果與討論

平均速度見圖3（a）。積分系統(tǒng)主效應(yīng)顯著（F（1，39）=22.23，p＜0.001，BF10=183.76，η2p=0.36），有積分系統(tǒng)下的駕駛速度顯著低于無積分系統(tǒng)。積分規(guī)則主效應(yīng)不顯著（F（2，39）=0.36，p=0.701，BF10=0.30，η2p=0.02）。積分系統(tǒng)與積分規(guī)則的交互作用顯著（F（2，39）=5.83，p=0.006，BF10=7.85，η2p=0.23）。事前比較發(fā)現(xiàn)，高懲罰下有積分系統(tǒng)的駕駛速度顯著低于無積分系統(tǒng)階段（t（13）=-3.34，p=0.005，BF10=9.56，Cohen’s d=-0.89）；低懲罰下不顯著（t（13）=-0.58，p=0.573，BF10=0.31，Cohen’s d=-0.16）；風(fēng)險(xiǎn)-積分匹配下有積分系統(tǒng)的駕駛速度顯著低于無積分系統(tǒng)階段（t（13）=-3.51，p=0.004，BF10=12.56，Cohen’s d=-0.94）。

超速比例見圖3（b）。積分系統(tǒng)主效應(yīng)顯著（F（1，39）=23.31，p＜0.001，BF10=410.17，η2p=0.37），有積分系統(tǒng)下的超速比例顯著低于無積分系統(tǒng)。積分規(guī)則主效應(yīng)不顯著（F（2，39）=2.08，p=0.139，BF10=0.92，η2p=0.10。積分系統(tǒng)與積分規(guī)則的交互作用顯著（F（2，39）=3.39，p=0.04，BF10=1.53，η2p=0.15）。事前比較發(fā)現(xiàn)，高懲罰下有積分系統(tǒng)的超速比例顯著低于無積分系統(tǒng)階段（t（13）=-3.44，p=0.004，BF10=11.25，Cohen’s d=-0.92）；低懲罰下差異不顯著（t（13）=-1.25，p=0.23，BF10=0.52，Cohen’s d=-0.33）；風(fēng)險(xiǎn)-積分匹配下有積分系統(tǒng)的超速比例顯著低于無積分系統(tǒng)階段（t（13）=-3.44，p=0.004，BF10=11.12，Cohen’s d=-0.92）。

圖3 被試在不同實(shí)驗(yàn)條件下的平均駕駛速度（a）、超速比例（b）情況。誤差線代表標(biāo)準(zhǔn)誤差

本實(shí)驗(yàn)發(fā)現(xiàn)，積分系統(tǒng)有效降低了駕駛?cè)说鸟{駛平均速度與超速比例；同時(shí)，積分系統(tǒng)僅在高懲罰、風(fēng)險(xiǎn)-積分匹配情況下效果達(dá)到顯著水平。鑒于高懲罰系統(tǒng)對(duì)應(yīng)成本更高的獎(jiǎng)懲系統(tǒng)，故風(fēng)險(xiǎn)-積分匹配的積分系統(tǒng)設(shè)置更優(yōu)。

3 實(shí)驗(yàn)二 風(fēng)險(xiǎn)等級(jí)—積分正強(qiáng)化力度匹配水平實(shí)驗(yàn)

本實(shí)驗(yàn)考察基于風(fēng)險(xiǎn)水平的差異化正強(qiáng)化能否提升駕駛?cè)藢?duì)外源性風(fēng)險(xiǎn)的主動(dòng)規(guī)避。實(shí)驗(yàn)中在行駛過程中前方道路300m處路燈或交通指示牌突然掉落為低風(fēng)險(xiǎn)情況，前方道路100m處發(fā)生突然掉落為高風(fēng)險(xiǎn)情況。

3.1 方法

高獎(jiǎng)勵(lì)組15人（9名女性），平均年齡24.40歲（SD=0.98），平均駕齡3.27年（SD=0.61）；低獎(jiǎng)勵(lì)組15人（8名女性），平均年齡24.13歲（SD=0.64），平均駕齡2.57年（SD=0.48）；風(fēng)險(xiǎn)-積分匹配組15人（5名女性），平均年齡23.13歲（SD=0.59），平均駕齡2.78年（SD=0.51）。三組被試在年齡、駕齡上匹配（p＞0.05）。

本實(shí)驗(yàn)采用2（積分系統(tǒng)：有、無）×3（積分規(guī)則：高獎(jiǎng)勵(lì)、低獎(jiǎng)勵(lì)、風(fēng)險(xiǎn)-積分匹配）的混合設(shè)計(jì)。風(fēng)險(xiǎn)-積分匹配組在前方300m出現(xiàn)障礙物且成功規(guī)避時(shí)得到5分獎(jiǎng)勵(lì)，在前方100m出現(xiàn)障礙物且成功規(guī)避時(shí)得到15分獎(jiǎng)勵(lì)；高獎(jiǎng)勵(lì)組總是被獎(jiǎng)勵(lì)15分；低獎(jiǎng)勵(lì)組總是被獎(jiǎng)勵(lì)5分。在正式實(shí)驗(yàn)中，掉落障礙物是路燈或路牌（見圖4），僅發(fā)生在大橋、隧道路段。預(yù)設(shè)的掉落位置模式有兩種：3000m、6000m、8000m、13000m，或2000m、5000m、8000m、12000m（均相對(duì)于正式實(shí)驗(yàn)初始位置），模式選取在被試間平衡。在有積分系統(tǒng)階段，車輛中控屏?xí)o出超速告警和躲避障礙物成功提示。

圖4 兩類掉落障礙物路牌（a）、路燈（b）截圖

實(shí)驗(yàn)采用平均速度、超速比例和成功規(guī)避障礙的次數(shù)作為因變量。其中，成功規(guī)避碰撞次數(shù)在所有條件下均到天花板，不做分析。

其余與實(shí)驗(yàn)一相同。

3.2 結(jié)果與討論

平均速度見圖5（a）。積分系統(tǒng)的主效應(yīng)不顯著（F（1，42）=0.10，p=0.755，BF10=0.22，η2p＜0.01）。積分規(guī)則主效應(yīng)不顯著（F（2，42）=0.18，p=0.840，BF10=0.37，η2p＜0.01）。積分系統(tǒng)與積分規(guī)則的交互作用不顯著（F（2，35）=2.19，p=0.125，BF10=0.79，η2p=0.09）。事前比較發(fā)現(xiàn)，高獎(jiǎng)勵(lì)下有積分系統(tǒng)的駕駛速度顯著低于無積分系統(tǒng)階段（t（14）=-2.52，p=0.025，BF10=2.68，Cohen’s d=-0.65）；低獎(jiǎng)勵(lì)下差異不顯著（t（14）=1.32，p=0.208，BF10=0.54，Cohen’s d=0.34）；風(fēng)險(xiǎn)-積分匹配下差異不顯著（t（14）=-0.68，p=0.510，BF10=0.32，Cohen’s d=-0.18）。

超速比例見圖5（b）。積分系統(tǒng)主效應(yīng)顯著（F（1，42）=16.23，p＜0.001，BF10=46.18，η2p=0.28），有積分系統(tǒng)下的超速比例顯著低于無積分系統(tǒng)。積分規(guī)則主效應(yīng)不顯著（F（2，42）=0.09，p=0.919，BF10=0.28，η2p＜0.01）。積分系統(tǒng)與積分規(guī)則的交互作用顯著（F（2，42）=5.04，p=0.011，BF10=4.96，η2p=0.19）。事前比較發(fā)現(xiàn)，高獎(jiǎng)勵(lì)下有積分系統(tǒng)的超速比例顯著低于無積分系統(tǒng)階段（t（14）=-3.99，p=0.001，BF10=30.05，Cohen’s d=-1.03）；低獎(jiǎng)勵(lì)下差異不顯著（t（14）=0.24，p=0.816，BF10=0.27，Cohen’s d=0.06）；風(fēng)險(xiǎn)-積分匹配下有積分系統(tǒng)的超速比例顯著低于無積分系統(tǒng)階段（t（14）=-3.23，p=0.006，BF10=8.40，Cohen’s d=-0.83）。

圖5 被試在不同實(shí)驗(yàn)條件下平均駕駛速度（a）、超速比例（b）。誤差線代表標(biāo)準(zhǔn)誤差

本實(shí)驗(yàn)發(fā)現(xiàn)，積分系統(tǒng)在影響平均速度方面效果不明顯，但是顯著降低了超速比例。積分系統(tǒng)只有在高懲罰、風(fēng)險(xiǎn)-積分匹配情況下效果達(dá)到顯著水平。鑒于高獎(jiǎng)勵(lì)系統(tǒng)成本更高，因此風(fēng)險(xiǎn)-積分匹配的積分系統(tǒng)，即基于風(fēng)險(xiǎn)水平的差異化獎(jiǎng)勵(lì)，設(shè)置更優(yōu)。

4 實(shí)驗(yàn)三 正強(qiáng)化與負(fù)懲罰的聯(lián)合效果實(shí)驗(yàn)

本實(shí)驗(yàn)旨在建立包含正強(qiáng)化與負(fù)懲罰的積分系統(tǒng)，考察完整的代幣矯正技術(shù)能否有效減少駕駛中的高風(fēng)險(xiǎn)駕駛行為。本研究采用了包含大橋、隧道、急轉(zhuǎn)彎與長下坡四種高速公路場景。

4.1 方法

42位有效被試參加實(shí)驗(yàn)。高獎(jiǎng)懲組14人（9名女性），平均年齡23.43歲（SD=0.64），平均駕齡2.57年（SD=0.48）；低獎(jiǎng)懲組14人（8名女性），平均年齡23.36歲（SD=0.48），平均駕齡2.64年（SD=0.43）；風(fēng)險(xiǎn)-積分匹配組14人（7名女性），平均年齡為22.71歲（SD=0.37），平均駕齡2.39年（SD=0.39）。三組被試在年齡、駕齡上匹配（p＞0.05）。

駕駛場景為雙向6車道高速公路，包含直道（限速100km/h）、隧道（限速60km/h）、大橋（限速80km/h）、彎道（限速60km/h）和匝道（限速80km/h）路段，總長16km。其余路段限速為100km/h。隧道（長2km）、大橋（長2km）分別出現(xiàn)一次，間隔1km，四種場景出現(xiàn)順序在被試間平衡。最后路段模擬高速公路出口U形路線，彎道（90度，半徑125m）間隔1km出現(xiàn)兩次后，再間隔1km，匝道（長3.3km，高度落差132m）出現(xiàn)一次。為規(guī)避被試對(duì)場景的熟悉度不同而造成潛在干擾，實(shí)驗(yàn)中4種場景的出現(xiàn)順序存在兩種：隧道、大橋、急轉(zhuǎn)彎與長下坡依次出現(xiàn)，急轉(zhuǎn)彎、長下坡、大橋、隧道依次出現(xiàn)，四種場景間均以直道相連。上述兩種場景順序分別應(yīng)用于有、無積分系統(tǒng)兩種條件。同時(shí)，道路兩側(cè)的其他信息（如樹木、建筑物、路牌等）在兩種積分系統(tǒng)條件下隨機(jī)出現(xiàn)。

本實(shí)驗(yàn)采用2（積分系統(tǒng)）×3（積分規(guī)則）的混合設(shè)計(jì)。高獎(jiǎng)懲組總是被獎(jiǎng)勵(lì)或懲罰15分；低獎(jiǎng)懲組總是被獎(jiǎng)勵(lì)或懲罰5分；風(fēng)險(xiǎn)-積分匹配組在高風(fēng)險(xiǎn)下被獎(jiǎng)勵(lì)或懲罰15分，在低風(fēng)險(xiǎn)下別獎(jiǎng)勵(lì)或懲罰5分。實(shí)驗(yàn)按時(shí)間先后分為無積分系統(tǒng)（25分鐘）、有積分系統(tǒng)（25分鐘）兩個(gè)階段，其間至少休息3分鐘。

實(shí)驗(yàn)采用駕駛平均速度、出現(xiàn)障礙物前后500m的平均速度、超速比例作為因變量。由于實(shí)驗(yàn)二結(jié)果發(fā)現(xiàn)成功規(guī)避碰撞的次數(shù)績效出現(xiàn)天花板效應(yīng)，因此本研究記錄出現(xiàn)障礙物前后500m的車輛速度，以更好地檢驗(yàn)積分系統(tǒng)對(duì)躲避碰撞行為的影響。

其余與實(shí)驗(yàn)2一致。

4.2 結(jié)果與討論

平均速度見圖6（a）。積分系統(tǒng)主效應(yīng)顯著（F（1，39）=17.55，p＜0.001，BF10=97.05，η2p=0.31），有積分系統(tǒng)下的駕駛速度顯著低于無積分系統(tǒng)。積分規(guī)則主效應(yīng)不顯著（F（2，39）=2.24，p=0.120，BF10=0.98，η2p=0.10）。積分系統(tǒng)與積分規(guī)則的交互作用邊緣顯著（F（2，39）=2.45，p=0.099，BF10=0.81，η2p=0.11）。事前比較發(fā)現(xiàn)，高獎(jiǎng)懲下有無積分系統(tǒng)的駕駛速度差異不顯著（t（13）=-1.15，p=0.272，BF10=0.47，Cohen’s d=-0.31）；低獎(jiǎng)懲下有無積分系統(tǒng)的平均速度差異邊緣顯著（t（13）=-2.11，p=0.055，BF10=1.47，Cohen’s d=-0.56），有積分系統(tǒng)下的平均速度較低；風(fēng)險(xiǎn)-積分匹配下有積分系統(tǒng)的駕駛速度顯著低于無積分系統(tǒng)階段（t（13）=-3.88，p=0.002，BF10=22.86，Cohen’s d=-1.04）。

超速比例見圖6（b）。積分系統(tǒng)的主效應(yīng)不顯著（F（1，39）=0.88，p=0.354，BF10=0.35，η2p=0.02），積分規(guī)則主效應(yīng)不顯著（F（2，39）=0.92，p=0.408，BF10=0.29，η2p=0.05），積分系統(tǒng)與積分規(guī)則的交互作用不顯著（F（2，39）=0.01，p=0.991，BF10=0.18，η2p＜0.01）。事前比較發(fā)現(xiàn)，高獎(jiǎng)懲下有無積分系統(tǒng)兩階段間差異不顯著（t（13）=-0.50，p=0.624，BF10=0.30，Cohen’s d=-0.13）；低獎(jiǎng)懲下差異不顯著（t（13）=-0.85，p=0.409，BF10=0.37，Cohen’s d=-0.23）；風(fēng)險(xiǎn)-積分匹配下差異亦不顯著（t（13）=-0.50，p=0.624，BF10=0.30，Cohen’s d=-0.13）。

圖6 被試在不同實(shí)驗(yàn)條件下的平均駕駛速度（a）、超速比例（b）。誤差線代表標(biāo)準(zhǔn)誤差

出現(xiàn)障礙物前后500m的平均速度見圖7。積分系統(tǒng)的主效應(yīng)顯著（F（1，39）=17.26，p＜0.001，BF10=72.29，η2p=0.31），有積分系統(tǒng)下的平均速度顯著低于無積分系統(tǒng)。積分規(guī)則主效應(yīng)邊緣顯著（F（2，39）=2.83，p=0.071，BF10=1.39，η2p=0.13）。積分系統(tǒng)與積分規(guī)則的交互作用顯著（F（2，39）=3.35，p=0.045，BF10=1.67，η2p=0.15）。事前比較發(fā)現(xiàn)，高獎(jiǎng)懲條件下有無積分系統(tǒng)的平均速度差異不顯著（t（13）=-0.78，p=0.448，BF10=0.35，Cohen’s d=-0.21）；低獎(jiǎng)懲條件下有積分系統(tǒng)下的平均速度顯著低于無積分系統(tǒng)情況（t（13）=-2.57，p=0.023，BF10=2.88，Cohen’s d=-0.69）；風(fēng)險(xiǎn)-積分匹配條件下有積分系統(tǒng)下的平均速度顯著低于無積分系統(tǒng)情況（t（13）=-3.80，p=0.002，BF10=19.88，Cohen’s d=-1.02）。

圖7 被試在不同實(shí)驗(yàn)條件（積分規(guī)則）下出現(xiàn)障礙物前后500m的平均速度。誤差線代表標(biāo)準(zhǔn)誤差。

研究發(fā)現(xiàn)，積分系統(tǒng)有效降低了被試的駕駛平均速度和出現(xiàn)障礙物前后500m的平均速度。事前比較進(jìn)一步發(fā)現(xiàn)，積分系統(tǒng)只有在風(fēng)險(xiǎn)-積分匹配情況下效果達(dá)到顯著水平。因此風(fēng)險(xiǎn)-積分匹配的積分系統(tǒng)，即基于風(fēng)險(xiǎn)水平的差異化獎(jiǎng)罰，設(shè)置最優(yōu)。

5 總討論

本研究將基于強(qiáng)化理論的行為塑造思路引入高速公路的風(fēng)險(xiǎn)駕駛行為告警中，通過仿真實(shí)驗(yàn)發(fā)現(xiàn)，無論是面對(duì)自源性風(fēng)險(xiǎn)還是外源性風(fēng)險(xiǎn)，基于強(qiáng)化理論的代幣系統(tǒng)均可有效塑造駕駛?cè)说娘L(fēng)險(xiǎn)規(guī)避行為，且適用于不同駕駛場景（如大橋、隧道、急轉(zhuǎn)彎等）。具體而言，對(duì)于自源性風(fēng)險(xiǎn)的自助矯正，結(jié)果顯示超速時(shí)長比例可從38%降低到17%（實(shí)驗(yàn)1）或從23%降低到5%（實(shí)驗(yàn)2）。對(duì)于突發(fā)外源性風(fēng)險(xiǎn)的主動(dòng)規(guī)避，可以從規(guī)避的結(jié)果和過程兩個(gè)方面來衡量。在結(jié)果方面，我們考察了駕駛?cè)四芊癯晒σ?guī)避該風(fēng)險(xiǎn)，但實(shí)驗(yàn)2結(jié)果顯示被試均成功規(guī)避了所有外源性風(fēng)險(xiǎn)；在過程方面，我們考察了駕駛?cè)四芊窦皶r(shí)發(fā)現(xiàn)并規(guī)避風(fēng)險(xiǎn)，能否適時(shí)降低車速，結(jié)果顯示出現(xiàn)障礙物前后500m的平均速度可從70km/h降低到61km/h（實(shí)驗(yàn)3）。此外，相較于統(tǒng)一高獎(jiǎng)懲和統(tǒng)一低獎(jiǎng)懲，根據(jù)風(fēng)險(xiǎn)等級(jí)設(shè)置獎(jiǎng)懲幅度的代幣系統(tǒng)效果最佳，提示與風(fēng)險(xiǎn)等級(jí)匹配的差異化強(qiáng)化更值得推薦。本方案實(shí)現(xiàn)了對(duì)駕駛相關(guān)風(fēng)險(xiǎn)規(guī)避由被動(dòng)矯正轉(zhuǎn)向主動(dòng)實(shí)施，初步構(gòu)建了基于強(qiáng)化理論的駕駛風(fēng)險(xiǎn)規(guī)避行為的差異化塑造技術(shù)。

本方案將有效彌補(bǔ)我國現(xiàn)有駕照積分系統(tǒng)的不足之處。首先，相較于完全基于懲罰（即扣分）的駕照積分系統(tǒng)，引入正強(qiáng)化（即加分）的代幣系統(tǒng)將通過實(shí)時(shí)獎(jiǎng)勵(lì)和最終獎(jiǎng)勵(lì)促使駕駛?cè)水a(chǎn)生外源性動(dòng)機(jī)，對(duì)風(fēng)險(xiǎn)規(guī)避分配更高的優(yōu)先級(jí)（Reagan&Bliss，2013）、投入更多認(rèn)知資源和努力，并在限速內(nèi)駕駛的時(shí)間增多（Lansdown & Saunders，2012）。其次，駕照積分系統(tǒng)無法將所有自源性風(fēng)險(xiǎn)（如跟車過近等）立法偵查，而本方案可涵蓋更廣泛的自源性風(fēng)險(xiǎn)，塑造更全面的風(fēng)險(xiǎn)規(guī)避行為。最后，相較于駕照積分系統(tǒng)的間斷執(zhí)法（如超速拍照），本方案基于連續(xù)行為的實(shí)時(shí)反饋和實(shí)時(shí)積分變動(dòng)提示更有助于駕駛?cè)藢?shí)時(shí)自助規(guī)避風(fēng)險(xiǎn)，保持和養(yǎng)成安全交通行為習(xí)慣。因此，本方案在低頻執(zhí)法路段的優(yōu)勢(shì)將更加明顯。

本項(xiàng)目具有較強(qiáng)的適用性與可實(shí)施性，順應(yīng)了交通安全管理的國際發(fā)展趨勢(shì)。得益于物聯(lián)網(wǎng)和自動(dòng)駕駛技術(shù)的發(fā)展，使得基于強(qiáng)化理論的實(shí)時(shí)獎(jiǎng)懲反饋與行為塑造成為可能。目前有關(guān)搭載智能車速適應(yīng)（intelligent speed adaption，ISA）系統(tǒng)的法規(guī)在歐洲和日本等地得到迅速推進(jìn)。ISA系統(tǒng)“知道”當(dāng)前限速并能據(jù)其向駕駛?cè)朔答伝蛳拗谱罡哕囁?，幫助駕駛?cè)吮３诌m當(dāng)速度（Carsten&Tate，2005）。ISA立法將對(duì)車輛動(dòng)力經(jīng)濟(jì)性和駕乘體驗(yàn)等方面產(chǎn)生重大影響，需盡快開展相關(guān)研究及準(zhǔn)備工作。本研究提出的代幣系統(tǒng)可作為ISA的核心內(nèi)容或架構(gòu)，該系統(tǒng)不僅配有限速告警功能，并通過差異化獎(jiǎng)懲令駕駛?cè)酥庇^感受到不同車速的風(fēng)險(xiǎn)水平不同。此外，不同于傳統(tǒng)的ISA，代幣系統(tǒng)將安全駕駛行為量化的機(jī)制，有助于推動(dòng)該系統(tǒng)與車險(xiǎn)公司合作，如積分可折算抵扣部分保費(fèi)（Bolderdijk et al.，2011；Lahrmann et al.，2012），識(shí)別高風(fēng)險(xiǎn)潛在人群。需指出，未來需要做真實(shí)路況下的實(shí)證研究，進(jìn)一步檢驗(yàn)本系統(tǒng)的穩(wěn)定性，并優(yōu)化相關(guān)參數(shù)設(shè)計(jì)（如反饋時(shí)間、獎(jiǎng)懲額度等）。