摘要：駕駛?cè)诉`規(guī)行為是導(dǎo)致交通事故的主要原因，文章以駕駛?cè)诉`規(guī)致因的影響因素為著手點(diǎn)，從個(gè)人特征、客觀原因、交通規(guī)則約束、心理態(tài)度和不良行為等方面設(shè)計(jì)了調(diào)查問卷。在信效度分析滿足要求的前提下，構(gòu)建了基于結(jié)構(gòu)方程模型的駕駛?cè)诉`規(guī)致因模型，利用AMOS軟件對(duì)模型進(jìn)行驗(yàn)證。研究結(jié)果表明，客觀原因?qū)е逻`規(guī)與駕駛?cè)吮惶幜P次數(shù)之間有著顯著的正相關(guān)性（t=8.181，p＜0.01）；不良行為與客觀原因?qū)е逻`規(guī)之間有著顯著的正相關(guān)性（t=9.445，p＜0.01）；交通規(guī)則約束與心理態(tài)度有著顯著的正相關(guān)關(guān)系（t=5.863，p＜0.01）；心理態(tài)度與不良行為有著顯著的正相關(guān)性（t=8.175，p＜0.01）。

關(guān)鍵詞：駕駛?cè)诉`規(guī)；主成分分析；結(jié)構(gòu)方程模型

中圖分類號(hào)：U491.25

文獻(xiàn)標(biāo)志碼：A

0 引言

2021年我國發(fā)生的交通事故約有27萬起，造成的財(cái)產(chǎn)損失約14.5億元^［1］。造成交通事故的多種因素中，因違規(guī)行為導(dǎo)致的交通事故約占總事故的90%^［2］。因此，減少交通事故發(fā)生的頻率，降低由違規(guī)所造成的人員傷亡及財(cái)產(chǎn)損失，對(duì)駕駛?cè)诉`規(guī)行為的特征及其發(fā)生的原因進(jìn)行調(diào)查研究已成為重中之重。

國內(nèi)外已經(jīng)有比較全面的分析方法來研究駕駛?cè)诉`規(guī)的影響因素。肖醌等<sup>［3］</sup>通過研究摩托車駕駛?cè)酥饕L(fēng)險(xiǎn)駕駛行為，得出安全態(tài)度和風(fēng)險(xiǎn)感知與風(fēng)險(xiǎn)駕駛行為呈正相關(guān)，風(fēng)險(xiǎn)感知與安全態(tài)度呈正相關(guān)。李高峰<sup>［4］</sup>構(gòu)建了交通違規(guī)行為理論模型，分析了交通違規(guī)行為與年齡、性別及學(xué)歷之間的關(guān)系。初鑫男<sup>［5］</sup>以違規(guī)使用手機(jī)駕駛安全性為研究對(duì)象，研究駕駛時(shí)違規(guī)使用手機(jī)的視覺行為特征，具有重要現(xiàn)實(shí)意義。Pai等<sup>［6］</sup>對(duì)駕駛?cè)嗽赥型交叉路口發(fā)生的交通事故進(jìn)行研究，發(fā)現(xiàn)性別、年齡以及道路環(huán)境是駕駛?cè)俗龀鼋煌ㄟ`規(guī)行為的促成因素。Tri等^［7］采用結(jié)構(gòu)方程模型，對(duì)影響摩托車駕駛?cè)诉`規(guī)行為的因素進(jìn)行研究，發(fā)現(xiàn)摩托車駕駛?cè)瞬蛔袷亟煌ǚㄒ?guī)的重要原因是道路基礎(chǔ)設(shè)施的不足。Castell等<sup>［8］</sup>通過問卷調(diào)查，分析人們對(duì)交通違規(guī)處罰力度的看法。結(jié)果表明，在交通違規(guī)方面，獎(jiǎng)勵(lì)比懲罰更能阻止駕駛?cè)说倪`規(guī)行為。Dong等^［9］對(duì)摩托車快遞員的違規(guī)行為進(jìn)行調(diào)查研究，得出其自身的年齡、性別、工作經(jīng)驗(yàn)對(duì)其做出交通違規(guī)行為有很大的影響。

當(dāng)前研究者多數(shù)集中于駕駛?cè)诵睦?、分心駕駛、復(fù)雜交通環(huán)境等某一方面的交通安全問題進(jìn)行研究，而將人為因素歸為內(nèi)因，客觀環(huán)境交通環(huán)境歸為外因，駕駛中違規(guī)次數(shù)作為結(jié)果導(dǎo)向并以結(jié)構(gòu)方程模型進(jìn)行綜合分析的研究較少。

1 駕駛?cè)诉`規(guī)行為致因分析

駕駛?cè)诉`規(guī)可分為內(nèi)在因素與外在因素2類，內(nèi)在因素從心理態(tài)度方面又可分為有意識(shí)與無意識(shí)的違規(guī)行為；外在因素多從道路環(huán)境與車輛狀況等方面進(jìn)行研究，分析這些客觀原因?qū)︸{駛?cè)诉`規(guī)行為存在的影響。

1.1 內(nèi)在因素

1.1.1 有意識(shí)違規(guī)

有意識(shí)違規(guī)是駕駛?cè)嗽谝庾R(shí)到自己的行為不符合交通法規(guī)的情況下，仍故意去違反。出現(xiàn)這種行為的原因主要有從眾心理、僥幸心理、懶惰心理等^［10］。

1.1.2 無意識(shí)違規(guī)

無意識(shí)違規(guī)是駕駛?cè)嗽跊]有意識(shí)到自己的行為不符合交通法規(guī)的情況下而進(jìn)行了違反。這種行為可能是由于疲勞、精神狀態(tài)不佳或缺乏交通法規(guī)常識(shí)等原因?qū)е碌摹?/p>

1.2 外在因素

1.2.1 道路環(huán)境

駕駛?cè)嗽谲囕v行駛過程中可能面臨的客觀交通情景，如：路面不平、坑洼或損壞，交通擁堵，天氣條件。

1.2.2 車輛狀況

機(jī)動(dòng)車出現(xiàn)故障具有突發(fā)性和不可預(yù)測性，也是導(dǎo)致駕駛?cè)俗龀鲞`規(guī)行為的主要原因之一。在機(jī)動(dòng)車行駛過程中，機(jī)動(dòng)車突然發(fā)生故障可能導(dǎo)致駕駛?cè)藛T出現(xiàn)危險(xiǎn)駕駛、交通事故等嚴(yán)重后果。

2 駕駛?cè)诉`規(guī)致因問卷設(shè)計(jì)

駕駛行為問卷（Driver Behavior Questionnaire，DBQ）廣泛應(yīng)用于交通心理學(xué)和交通安全領(lǐng)域。本文為研究駕駛?cè)诉`規(guī)的影響因素，對(duì)DBQ進(jìn)行了修改，最終從駕駛?cè)说男熊嚵?xí)慣和交通安全2個(gè)方面設(shè)計(jì)了問卷，問卷內(nèi)容如表1所示。

為保證數(shù)據(jù)的真實(shí)性和可靠性，本次問卷采取線上收集與實(shí)地調(diào)查同時(shí)進(jìn)行的方法?；厥振{駛?cè)苏{(diào)查問卷共計(jì)150份，其中有8份問卷所填選項(xiàng)存在明顯的規(guī)律，可視為無效問卷，故所得有效問卷142份，有效率為94.7%。

3 數(shù)據(jù)分析

3.1 信效度分析

對(duì)數(shù)據(jù)進(jìn)行信度檢驗(yàn)，Alpha 系數(shù)為 0.943（＞0.9），說明數(shù)據(jù)具有很高的可信度；進(jìn)行效度檢驗(yàn)，KMO系數(shù)為0.926（接近1），說明數(shù)據(jù)的結(jié)構(gòu)效度較好。

3.2 探索性因子分析

采用主成分分析法對(duì)量表數(shù)據(jù)提取主要因子，以特征根大于1為標(biāo)準(zhǔn)提取出4個(gè)主要因子，如表2所示，4個(gè)因子累計(jì)解釋變異量的73.911%。說明4個(gè)因子包含了問卷量表數(shù)據(jù)的大部分信息，對(duì)變量的解釋程度較好，問卷有較好的結(jié)構(gòu)效度。

為使初始因子易于解釋，采用最大方差正交旋轉(zhuǎn)法對(duì)初始因子進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)后的因子載荷矩陣如表3所示。從表3中可以看出，T8—T13 6個(gè)題項(xiàng)與客觀原因?qū)е碌倪`規(guī)有關(guān)，將其歸為客觀原因（KG）；T14—T17 4個(gè)題項(xiàng)與交通規(guī)則約束有關(guān)，將其歸為交通規(guī)則約束（JG）；T18—T21與心理態(tài)度有關(guān)，將其歸為心理態(tài)度（XL）；T22和T23 2個(gè)題項(xiàng)與不良行為有關(guān)，將其歸為不良行為（AQ）。此外，將駕駛?cè)吮惶幜P次數(shù)歸為一類（SJ），被處罰次數(shù)包括有近5年的責(zé)任事故次數(shù)（ZRSG）和交通違規(guī)次數(shù)（JTWG）。

3.3 建立結(jié)構(gòu)方程模型

使用AMOS軟件對(duì)問卷進(jìn)行分析驗(yàn)證。首先對(duì)問卷各變量之間的關(guān)系進(jìn)行路徑假設(shè)。

假設(shè)H1：KG與SJ之間存在顯著性。假設(shè)H2：JG與SJ之間有著顯著性。

假設(shè)H3：XL與SJ之間存在著顯著性。假設(shè)H4：AQ與SJ之間有著顯著性。

假設(shè)H5：JG與XL之間存在顯著性。假設(shè)H6：JG與KG之間存在顯著性。

假設(shè)H7：XL與AQ之間有著顯著性。

根據(jù)構(gòu)建的路徑假設(shè)，對(duì)駕駛?cè)诉`規(guī)致因進(jìn)行驗(yàn)證性因子分析。最終得到關(guān)于各變量的初始路徑模型，如圖1所示，同時(shí)，依據(jù)輸出的初始模型系數(shù)如表4所示。

對(duì)一部分不顯著的路徑與誤差項(xiàng)進(jìn)行刪除。模型重新考察了駕駛?cè)私煌ㄟ`規(guī)次數(shù)與心理態(tài)度的相關(guān)性；不良行為與客觀原因的相關(guān)性，即添加了路徑XLlt;---JTWG、KGlt;---AQ；最終得到了修正后的模型，如圖2所示，輸出的模型系數(shù)如表5所示。

結(jié)合表5和圖2可知：

（1）假設(shè)H1成立，KG與SJ之間有著顯著的正相關(guān)性（t=8.181，p＜0.01）。

（2）假設(shè)H2不成立，JG與SJ之間不具有顯著的相關(guān)性；假設(shè)H3不成立，XL與SJ不存在顯著的相關(guān)性。但JTWG與XL之間存在著顯著的負(fù)相關(guān)性（t=-2.071，p＜0.05）。

（3）假設(shè)H4不成立，AQ與SJ之間不具有顯著的相關(guān)性。但AQ與KG之間有著顯著的正相關(guān)性（t=9.445，p＜0.01）；假設(shè)H5成立，JG與XL有著顯著的正相關(guān)關(guān)系（t=5.863，p＜0.01）；假設(shè)H6不成立，JG與KG之間不具有顯著的相關(guān)性。

（4）假設(shè)H7成立，XL與AQ之間有著顯著的正相關(guān)性（t=8.175，p＜0.01）。

3.4 結(jié)構(gòu)方程模型的檢驗(yàn)

適配度是用來評(píng)估結(jié)構(gòu)方程模型擬合程度的指標(biāo)。本文選取卡方值χ²、卡方自由度比χ²/df、近似均方根殘差（RMSEA）、增值適配指數(shù)（IFI）、非標(biāo)準(zhǔn)適配指數(shù)（TLI）以及比較適配指數(shù)（CFI）等進(jìn)行評(píng)估。結(jié)果如表6所示，各指標(biāo)均達(dá)到了標(biāo)準(zhǔn)水平。

4 結(jié)語

本文基于DBQ設(shè)計(jì)了包含駕駛?cè)嘶拘畔?、客觀原因、交通規(guī)則約束以及心理態(tài)度等方面內(nèi)容的駕駛?cè)诉`規(guī)致因調(diào)查問卷，問卷的信度系數(shù)Alpha為0.943，效度系數(shù)KMO為0.926，說明問卷的結(jié)構(gòu)效度較好。同時(shí)，對(duì)量表數(shù)據(jù)進(jìn)行了探索性因子分析，構(gòu)建了基于結(jié)構(gòu)方程模型的駕駛?cè)诉`規(guī)行為致因模型，結(jié)果表明：客觀原因?qū)е碌倪`規(guī)對(duì)駕駛?cè)吮惶幜P次數(shù)具有較大的影響；駕駛?cè)说男睦響B(tài)度對(duì)交通違規(guī)的發(fā)生和不良行為影響較大；不良行為會(huì)增大客觀原因違規(guī)的發(fā)生概率；交通規(guī)則約束對(duì)駕駛?cè)说男睦響B(tài)度有著較大的影響。

參考文獻(xiàn)

［1］公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計(jì)年報(bào)［M］.無錫：公安部交通管理科學(xué)研究所，2019.

［2］張偉.機(jī)動(dòng)車駕駛者違規(guī)駕駛行為產(chǎn)生機(jī)理及管控策略研究［D］.徐州：中國礦業(yè)大學(xué)，2022.

［3］肖醌，馬社強(qiáng)，趙丹，等.考慮心理因素的摩托車駕駛?cè)孙L(fēng)險(xiǎn)駕駛行為影響分析［J］.交通工程，2024（8）：95-104.

［4］李高峰.基于計(jì)劃行為理論的城市交通失范行為分析及改善對(duì)策研究［D］.西安：長安大學(xué)，2016.

［5］初鑫男.基于視知覺特性認(rèn)知的駕駛?cè)诉`規(guī)使用手機(jī)行為安全風(fēng)險(xiǎn)研究［D］.廣州：華南理工大學(xué)，2019.

［6］PAI C W，KEVIN P H，WAFAA S.A mixed logit analysis of motorists’ right-of-way violation in motorcycle accidents at priority T-junctions.［J］.Accident Analysis amp; Prevention，2019（3）：565-573.

［7］TRI B J，UPALI V，YUSAK O S.Behavioural causes and categories of traffic violations by motorcyclists in indonesian urban roads［J］.Journal of Transportation Safety amp; Security，2018（2）：174-197.

［8］CASTELLàJ，PéREZ J.Sensitivity to punishment and sensitivity to reward and traffic violations［J］.Accident;Analysis and Prevention，2023（6）：947-952.

［9］DONG S S，JONG H B，BYUNG Y J.Crashes and traffic signal violations caused by commercial motorcycle couriers［J］.Safety and Health at Work，2019（2）：213-218.

［10］孫健.駕駛?cè)宋ｋU(xiǎn)感知的視覺認(rèn)知機(jī)理研究［D］.西安：長安大學(xué)，2019.

（編輯 沈 強(qiáng)）

Analysis of driver violation causes based on structural equation modeling

LIU Qingkai¹， LYU Li¹， GU Zhipeng²， MA Songhao²

（1.Shandong Hualu Hengsheng Chemical Company Limited， Dezhou 253000， China;

2.Taiyuan University， Taiyuan 030000， China）

Abstract：Driver violations are the main cause of traffic accidents. This article， focusing on the influencing factors of driver violation causes， designed a questionnaire from aspects such as personal characteristics， objective reasons， traffic rule constraints， psychological attitudes， and negative behaviors. Under the premise that the reliability and validity analysis meets the requirements， this study constructed a driver violation causation model based on structural equation modeling and verified the model using AMOS software. The results show that there is a significant positive correlation between violations caused by objective reasons and the number of penalties imposed on drivers （t=8.181， plt;0.01）; there is a significant positive correlation between bad behavior and violations caused by objective reasons （t=9.445， plt;0.01）; there is a significant positive correlation between traffic rule constraints and psychological attitudes （t=5.863， plt;0.01）; and there is a significant positive correlation between psychological attitudes and bad behavior （t=8.175， plt;0.01）.

Key words：driver violations; principal component analysis; structural equation model