出行信息影響下駕駛員任務集聚認知模式研究

戢曉峰，魏雪梅

1.昆明理工大學 交通工程學院，昆明 650500

2.公路工程省部共建教育部重點實驗室（長沙理工大學），長沙 410004

出行信息影響下駕駛員任務集聚認知模式研究

戢曉峰1，2，魏雪梅1，2

1.昆明理工大學 交通工程學院，昆明 650500

2.公路工程省部共建教育部重點實驗室（長沙理工大學），長沙 410004

1 引言

出行信息的認知能夠為駕駛員出行決策提供重要依據，且有效的出行信息認知與搜尋能夠提高駕駛員的出行效率。文獻[1]給出了這樣的定義：“認知心理學是研究感覺輸入的變換、減少、解釋、貯存、恢復和使用的所有過程的學科”。而駕駛員認知模式，則是描述駕駛員的信息獲取、存儲、處理及輸出等認知過程的理論模式。目前，相關研究主要分析出行信息影響下的駕駛員出行行為，未能綜合考慮出行信息刺激的多源性及駕駛員任務集聚認知模式的反應機理。已有研究主要從認知心理學和信息融合兩個方面分析駕駛員的出行行為，如Ramming[2]指出ATIS條件下出行者對出行選擇的認知主要包括歷史經驗和出行信息兩種途徑，具有較高吸引力的出行信息會對出行決策產生重要影響；Dell'Orco等[3]利用不確定性信息理論，初步探討了駕駛員出行經驗與出行信息的融合模式，主要通過誘導服從率表示。關于出行信息搜尋及影響因素的研究近年來也逐步展開，如Chorus等[4]分析了個體特征在出行信息價值評估中的影響機理；莫一魁等[5]利用最小二乘法對駕駛員交通信息偏好的影響因素進行分析，提出了個人屬性、出行行為特征、信息需求偏好以及信息獲取方式偏好是影響駕駛員信息偏好的主要因素；出行信息搜尋行為除了受到駕駛員本身屬性影響外[6]，還受到決策規則、出行經驗、認知能力、信息源、環境等的影響，而是否繼續搜尋則取決于出行信息量滿足檢驗及信息的可信任程度；徐鋮鋮等[7]定量分析了信息信任度、可用性、易用性等變量對出行信息接受意愿的影響機制；戢曉峰等[8]通過建立偏好路線集對出行經驗進行描述，并提出了出行信息搜尋的logit模型，以刻畫出行者的動態信息認知過程；魏雪梅等[9]建立了駕駛員出行信息搜尋的因果結構方程模型，重點分析駕駛員屬性、信息源因素以及環境因素與搜尋行為之間的關系。同時，現有研究主要利用仿真技術和問卷調查對出行信息的影響因素進行分析，如潘泉[10]及王雷等[11]建立了多源信息刺激下駕駛員任務集聚協同反應的微觀仿真算法；Chorus等[12-13]建立了多模式出行信息環境下的出行仿真器TSL，能夠分析多源出行信息對出行者實際選擇的影響，同時應用仿真數據，評估了出行者受教育程度、信息獲取行為以及出行選擇特性之間的關系。

盡管上述研究為出行信息認知模式研究提供了具有理論或應用價值的成果，但缺乏系統的駕駛員出行信息認知模式分析，對出行信息源、出行特征與駕駛員出行信息認知模式相互關系缺乏集成分析。因此，本文在界定駕駛員任務集聚認知模式內涵的基礎上，分析了駕駛員任務集聚認知模式的影響因素，并解析駕駛員實際出行中所面臨的多源出行信息環境，通過統計分析獲取影響駕駛員認知模式的關鍵因素，運用有序多分類Logistic回歸方法來構建駕駛員認知模式的決策模型。

2 駕駛員任務集聚認知模式

2.1 駕駛員任務集聚認知模式內涵

駕駛員任務集聚是在多源出行信息影響下，為了完成出行決策，駕駛員根據自身心理-物理反應對出行信息做出不同的認知和搜尋響應。駕駛員出行信息任務集聚認知是一種出行需求驅動下產生的功能性認知，是為完成出行而主動獲取出行信息的過程，如圖1所示。

圖1 需求驅動下的駕駛員出行信息任務集聚認知過程

2.2 認知模式的影響因素

駕駛員在出行過程中，出行行為經常受到信息源（如互聯網、手機終端、交通廣播、可變信息板、車載誘導系統及道路指示標志）和信息需求（如路況狀態信息、路徑導航信息、交通管制信息、地理信息、停車信息及事故信息）的刺激與影響，促使駕駛員逐步形成下一時刻的行為方針。在出行信息認知過程中，駕駛員是主體因素，在認識和決策中起著主體的關鍵作用。同時，信息源及駕駛員出行特征也是影響認知模式的重要因素，如表1所示。根據出行的整個過程，對駕駛員從整個交通系統中獲取、加工、儲存、使用相關出行信息的認知活動鏈進行抽象，提出一種將直覺、分析和推理三者相結合的出行信息認知結構，如圖2所示。

表1 影響認知模式的因素統計

3 多源出行信息環境分析

多源出行信息環境是指駕駛員在實際出行過程中所處的信息環境[14]，主要包括了出行信息源、信息傳遞模式、信息內容、信息類型、信息精度、信息更新周期等特征屬性。本文分別針對出租車駕駛員與私家車駕駛員，對其實際的出行信息環境進行分析。

3.1 出租車駕駛員

在實際出行過程中，出租車駕駛員由于出行經驗豐富以及對路網熟悉程度高，通常會依據出行經驗出行。同時，出租車駕駛員的出行目的是為了承載乘客，因此本文主要對私家車駕駛員出行信息認知模式進行研究。

3.2 私家車駕駛員

相對于出租車駕駛員而言，私家車駕駛員的出行信息環境較為復雜，如表2所示，主要出行信息源為互聯網、手機終端、交通廣播、可變信息板、車載誘導系統、道路指示標志等。而除了道路指示標志外，其他信息源都是動態更新的。如果不考慮其對路網的熟悉程度，駕駛員在出行過程中獲取的出行信息主要來自于交通廣播和可變信息板等[15]，而缺乏定量的行程時間信息。總體看來，目前私家車駕駛員所面臨的出行信息環境是一種多源模糊信息環境，不能獲取關于目標路段與區域的交通狀態、行程時間等相關的定量出行信息，而只能搜尋到定性的描述性信息。

圖2 多源出行信息刺激下駕駛員任務集聚認知結構框架圖

表2 出租車駕駛員與私家車駕駛員出行信息環境比較

4 駕駛員出行信息任務集聚認知模式的決策模型

4.1 駕駛員任務集聚認知模式的決策活動鏈

在多源出行信息刺激下駕駛員任務集聚認知模式的決策過程中，認知模式和決策行為是兩個關鍵性的組成部分。其中認知模式是由駕駛員的出行經驗、思維方式、科學知識、法律觀念等相互聯系和相互作用而成的統一體，影響著駕駛員的認知行為和整個決策過程；決策行為是駕駛員在多源出行信息刺激下做出合理的出行行為過程中表現出來的反應。駕駛員的認知模式實質上可以抽象為：多源出行信息刺激下，一個駕駛任務集聚的決策活動鏈，即駕駛員通過視覺、聽覺、觸覺等，獲取出行信息環境中有關出行和環境的不同時空的多源出行信息，在一定的出行經驗、決策模式和信息源偏好的基礎上，獲取多源出行信息的基本特征，并將其轉變為有用信息，從而做出更準確、更可靠的出行行為決策。圖3為多源出行信息刺激下駕駛員任務集聚認知模式的決策活動鏈示意圖。

圖3 多源出行信息刺激下駕駛員任務集聚認知模式的決策活動鏈

出行信息任務集聚認知模式將體現駕駛員根據出行信息做出何種出行決策，即是否依據獲取的出行信息改變出行路徑與出發時刻，屬于分類變量。而簡單地將“做出決策”和“不做出決策”作為應變量是不合理的，例如：（1）根據不同的出行特征，即使同一駕駛員認知相同的出行信息，都會做出不同的出行決策；（2）根據不同的出行信息內容，即使同一駕駛員有相同的出行特征，也會做出不同的出行決策。因此，本文將“根據出行信息改變出行決策的頻繁程度”作為應變量，分為三個水平，包括經常、偶爾和極少，屬于有序多分類，選擇有序多分類Logistic模型。

4.2 有序多分類Logistic模型

有序多分類Logistic模型中常用的是累計回歸模型[16]，累積Logistic回歸模型定義為：

其中，y*表示觀測現象內在趨勢，并不能被直接測量；ε為誤差項。

當實際觀測反應變量有J種類別時(j=1，2，…，J)，相應取值為y=1，y=2，…，y=J，并且各取值之間關系為(y=1)?(y=2)?…?(y=J)，那么共有J-1個未知門檻或分界點將各相鄰類別分開。即：如果y*≤μ1，則y=1；如果μ1?y*≤μ2，則y=2；…；如果μJ-1?y*，則y=1。其中μj表示分界點，有J-1個值，且有μ1?μ2?μ3?…?μj-1。

給定χ值，得累積概率表示為：

有了累積分布函數以后，累積Logistic回歸可以定義為：

4.3 變量選取

駕駛員出行決策受到自身屬性影響外，還受到外界因素影響，如信息源等，因此選取自變量包括信息源認知偏好、信任度、性別、年齡、受教育程度、駕齡和出行時間。其中，年齡、駕齡和出行時間作為連續變量，其他自變量屬于分類變量。對各變量的水平進行相應的轉化，表3所示。

5 實例分析

5.1 數據來源

為獲取駕駛員多源出行信息認知模式特征，本文選取昆明市二環路以內三個停車場進行問卷調查。問卷的發放以停車場為單位，采用分層抽樣法，根據各停車場的停車規模確定其樣本規模，在既定的停車場中采取隨機的方法進行抽樣調查，并以一對一的方式進行問卷填寫。起初，問卷設計時簡單設置了普通的主觀和客觀題選項，發現問卷調查對象不配合。隨后，采用更人性化的方法，如Likert-type Scales改進了調查表，并且通過贈送禮品給每個參與調查的駕駛員，調查結果較為滿意。本次調查共發放問卷423份，其中有效問卷412份，問卷有效率為95.7%。

表3 各變量水平轉化

5.2 Logistic決策模型變量確定

本文使用逐步Logistic回歸模型來篩選自變量，即從包含全部自變量的回歸模型中逐步地剔除對應變量沒有統計學意義的自變量。將Wald值較小且P值（即顯著性）較大的自變量逐個剔除出模型，通常選取0.25或0.5作為篩選自變量的P值標準。為了提高模型的精度，將篩選自變量的P值定為0.25。通過SPSS19.0完成因變量和自變量的回歸計算，先后將“出行時間”和“信任度”剔除，最終結果如表4所示。

5.3 模型建立與結果分析

5.3.1 模型建立

根據回歸計算結果，將所有變量的結果代入有序多分類Logistic模型中，建立了如下模型：

表4 有序多分類Logistic的計算結果

5.3.2 模型校驗

通過對影響變量的P檢驗外，本文還將對模型進行似然比和擬合優度兩個指標的檢驗，分析模型的統計特性，從而判斷模型的擬合精度。

（1）模型似然比檢驗

如表5，對模型中是否所有自變量偏回歸系數全為0進行似然比檢驗，結果P＜0.001，說明至少有一個變量的偏回歸系數不為0。也就是說，擬合包含“年齡”、“駕齡”、“信息源認知偏好”、“性別”和“受教育程度”五個自變量的模型，其擬合優度好于僅包含常數項的模型，該模型對此有顯著的影響。

表5 模型的似然比檢驗

（2）擬合優度檢驗（Pearson）

表6為模型Pearson擬合優度檢驗結果，可知P＜0.001，說明該模型能夠充分提取數據中的信息。

表6 模型的擬合優度檢驗

5.3.3 結果分析

不同駕駛員屬性、信息源等條件下，駕駛員的出行信息需求存在較大差別，不同出行信息需求對駕駛員出行決策存在不同的影響，主要體現在：

（1）年齡對駕駛員的出行決策影響較為顯著。實例表明昆明市駕駛員隨著年齡的增長，改變出行決策的頻率越大。

（2）駕齡對駕駛員的出行決策影響不顯著，計算事件發生比例OR=exp(0.188)=1.21，表明駕齡每增長1年，不改變出行決策的頻率將會提高0.188倍。隨著駕駛員駕齡的增長，根據多源出行信息而改變出行決策的頻率將會略微降低。駕駛員駕齡的提高，意味著出行經驗更加豐富，故對多源出行信息的依賴程度將會降低。

（3）駕駛員對不同信息源的出行信息內容需求差異顯著，他們對不同出行信息源存在顯著的信息內容選擇偏好。昆明市駕駛員更傾向于通過互聯網獲取路徑導航信息，改變出行決策；道路指示標志等固定設施更適于提供路網圖等導向類信息；車載導航系統提供的路徑導航信息將更有利于長距離出行或不熟悉路段出行的駕駛員。

（4）性別對駕駛員的出行決策影響不顯著，計算事件發生比例OR=exp(1.027)=2.79，表明在多源出行信息影響下，女性比男性更容易改變出行決策。

（5）受教育程度對駕駛員的出行決策影響較為顯著，表明有一定教育背景的駕駛員，在出行信息影響下改變出行決策的頻率較大。當駕駛員受教育程度達到一定水平時，在擁有出行經驗的情況下，同樣會基于出行信息做出決策。

6 結論

多源出行信息影響下的駕駛員任務集聚認知模式的研究，能夠為出行信息發布、ATIS規劃與建設提供理論依據。本文分析了多源出行信息影響下的駕駛員任務集聚認知模式的影響因素，并對出租車駕駛員和私家車駕駛員多源出行信息環境進行了解析。運用有序多分類Logistic回歸方法構建駕駛員認知模式的決策模型，研究了駕駛員屬性、信息源認知偏好與出行決策之間的量化關系，用概率的方式來描述駕駛員出行決策，更符合實際情況和統計規律。在昆明市駕駛員出行信息認知模式的SP調查數據基礎上，分析并計算模型參數，得到了多源出行信息影響下駕駛員任務集聚認知模式的決策模型。該模型的有效性得到了較好驗證，從而可知，有序多分類Logistic回歸模型在駕駛員信息認知模式中具有很好的適應性和實用性。

[1]Best J B[美].認知心理學[M].黃希庭，譯.北京：中國輕工業出版社，2000.

[2]Ramming M S.Network knowledge and route choice[D].Massachusetts Cambridge：Massachusetts Institute of Technology，2002.

[3]Dell'Orco M，Teodorovic D.Data fusion for updating information inmodelingdrivers’choicebehavior[J].TransportMetric，2009，5（2）：107-123.

[4]Chorus C G.Travelers’need for information：an empirical study into the role of knowledge[C]//Proceedings of the 85th Annual Meeting of the Transportation Research Board，Washington DC，2006.

[5]莫一魁，蘇永云，沈旅歐.基于結構方程的小汽車駕駛員信息偏好分析[J].系統工程，2008，27（8）：85-89.

[6]戢曉峰，劉瀾.多模式公共交通系統的出行信息有效性研究[J].武漢理工大學學報：交通科學與工程版，2009，33（5）：980-983.

[7]Xu C C，Wang W，Chen J，et al.Analyzing travelers’intention to accept travel information structural equation modeling[J]. Transportation Research Record，2010，2156：93-100.

[8]戢曉峰，成衛.基于出行決策的出行信息認知模式研究[J].人類工效學，2011，17（1）：60-69.

[9]魏雪梅，戢曉峰，陳方.基于SEM的駕駛員出行信息搜尋行為分析[J].交通運輸系統工程與信息，2012，12（3）：174-179.

[10]潘泉.信息融合理論的基本方法與進展[J].自動化學報，2003，29（4）：600-605.

[11]王雷，王曉原，楊新月.基于多源信息融合的駕駛員行為協調仿真算法[J].交通運輸系統工程與信息，2006，6（1）：86-90.

[12]Chorus C G，Molin E J E，Arentze T A，et al.Validation of a multimodal travel simulator with travel information provision[J].Transportation Research：Part C，2007，15（3）：191-207.

[13]Chorus C，Arentze T，Timmermans H.Information impact on quality of travel choices：analysis of data from a multimodal travel simulator[C]//Proceedings of the 86th Annual Meeting of the Transportation Research Board，Washington DC，2007.

[14]戢曉峰，陳方，韓春華.城市出行信息環境分層規劃方法[J].城市問題，2011，4（1）：48-51.

[15]戢曉峰.公共交通乘客出行信息接受水平評價方法[J].城市交通，2009，7（1）：72-75.

[16]王濟川，郭志剛.Logistic回歸模型——方法與應用[M].北京：高等教育出版社，2001.

JI Xiaofeng1，2,WEI Xuemei1，2

1.Faculty of Transportation Engineering,Kunming University of Science and Technology,Kunming 650500,China
2.Key Laboratory of Highway Engineering（Changsha University of Science and Technology）,Ministry of Education,Changsha 410004,China

The cognition is important basis for drivers to make decision.In order to explain the cognition mode of drivers,the impact factors of drivers’cognition mode is analyzed under the environment of multi-resource travel information and also the environment of multi-resource travel information is represented.To analyze the characteristics of drivers’cognition mode,this paper takes an example of Kunming city in Yunnan Province in China to investigate questionnaires with 412 samples in three parks within the Second Ring Road.The cognition mode is established.Drivers’attributes,cognition preference of information resources and travel decision are analyzed by ordered polytomous Logistic model.The results indicate drivers who highly have cognition on travel information resources will change travel decision frequently according to travel information；with the increase of driving age,the frequency of changing travel decision will reduce.

multi-resource travel information;cognition mode;task concentration;Logistic regression model

出行信息的認知能夠為駕駛員出行決策提供重要依據。為了科學解釋多源出行信息影響下的駕駛員任務集聚認知模式，分析了駕駛員任務集聚認知模式的影響因素，并對駕駛員多源出行信息環境進行了解析。為獲取駕駛員多源出行信息認知模式特征，以某市412個樣本數據庫為基礎，運用有序多分類Logistic回歸方法構建駕駛員認知模式的決策模型，解析了駕駛員屬性、信息源認知偏好與出行決策之間的關系。結果表明：對出行信息源認知良好的駕駛員，根據出行信息改變出行決策的頻繁程度通常更高；隨著駕齡的增長，駕駛員根據出行信息改變出行決策的頻繁程度反而降低。

多源出行信息；認知模式；任務集聚；Logistic回歸模型

A

U491.1

10.3778/j.issn.1002-8331.1301-0361

JI Xiaofeng,WEI Xuemei.Task concentration cognition mode of drivers under travel information.Computer Engineering and Applications,2013,49（13）：21-25.

國家自然科學基金（No.61263025）；公路工程省部共建教育部重點實驗室開放基金（No.kfj100107）；汽車仿真與控制國家重點實驗室開放基金（No.20111116）。

戢曉峰（1982—），男，工學博士，副教授，主要研究領域為智能交通與交通規劃；魏雪梅（1987—），女，博士研究生，主要研究領域為智能交通。E-mail：yiluxinshi@sina.com

2013-02-05

2013-04-02

1002-8331（2013）13-0021-05

CNKI出版日期：2013-04-18http://www.cnki.net/kcms/detail/11.2127.TP.20130418.1614.001.html