駕駛員特質(zhì)焦慮水平評估方法研究

夏映雪， 曹 凱

(山東理工大學(xué) 交通與車輛工程學(xué)院， 山東 淄博 255091)

焦慮(Anxiety)是個體對即將來臨的、可能發(fā)生的危險或威脅所產(chǎn)生的緊張、憂慮、煩惱、不安等不愉快的復(fù)雜情緒狀態(tài)[1].Cattel和Spielberger將焦慮區(qū)分為特質(zhì)焦慮和狀態(tài)焦慮，特質(zhì)焦慮是一種人格特征，是具有個體差異的相對穩(wěn)定的焦慮傾向性.狀態(tài)焦慮是指因為特定情境引起的暫時的不安狀態(tài).具有特質(zhì)焦慮的個體傾向于把外界環(huán)境的刺激知覺為有危險的或有威脅的，并因此對這種威脅產(chǎn)生狀態(tài)焦慮反應(yīng)[2].現(xiàn)代交通對駕駛員心理素質(zhì)[3]的要求越來越高，隨著經(jīng)濟的發(fā)展，我國汽車數(shù)目持續(xù)大量增長，截至2012年6月底，全國 保有量超過1.1億輛，上半年增量為歷史同期最高.全國17個城市的汽車保有量超過1百萬輛，其中北京、成都、天津、深圳、上海等5個城市的汽車保有量超過200萬輛.然而，人們在享受汽車帶來的生活便利的同時，不得不考慮車輛增加帶來的安全隱患.其中，最為直接的影響就是擁擠的交通對駕駛員心理產(chǎn)生的壓力，從而引起駕駛狀態(tài)焦慮反應(yīng).駕駛員的特質(zhì)焦慮直接影響著駕駛員對道路交通信息的接受、判斷[4]，進而影響駕駛員對交通環(huán)境的評價和駕駛行為.駕駛員在行車過程中因焦慮導(dǎo)致情緒不穩(wěn)定，從而引發(fā)交通事故的例子屢見不鮮[5].

長期以來，對駕駛員的情緒狀態(tài)及其影響因素的研究引起世界各國交通心理學(xué)研究者的高度關(guān)注，并進行了大量研究，得到了許多頗具理論意義和應(yīng)用價值的研究成果.為了評價個體的特質(zhì)焦慮傾向，1970年Charles D.Spielberger等人編制了一套具有良好的信效度的評定量表，即狀態(tài)-特質(zhì)焦慮量表，并于1979年做了修訂，為不同的研究目的[6-7]和臨床實踐服務(wù).國內(nèi)也有許多研究人員對駕駛員的性別、年齡、駕齡等與情緒狀態(tài)的關(guān)系進行過研究比較，如朱國鋒，何存道等人編制了駕駛員情緒狀態(tài)量表[8]，并對客車、卡車等駕駛員的情緒狀態(tài)[9]進行了調(diào)查研究，為后來的研究提供了依據(jù). 對于駕駛員特質(zhì)焦慮，目前尚未出現(xiàn)系統(tǒng)的、較為成熟的研究成果.本研究在以往研究的基礎(chǔ)上，從主觀和客觀兩個角度研究了駕駛員特質(zhì)焦慮水平的評估方法.首先通過查閱大量國內(nèi)外資料，結(jié)合理論與實際，確定了主、客觀評價指標.主觀方面，編制了一套適合駕駛員的特質(zhì)焦慮自評量表，從主觀認知角度評定特質(zhì)焦慮水平；客觀方面，結(jié)合實際駕駛中的一般情況，采用模糊層次綜合分析法[10-11]，對駕駛員的特質(zhì)焦慮水平做出了科學(xué)合理的評估.兩個方面的評估結(jié)果相互印證，內(nèi)容上又相互補充，使得駕駛員充分了解自己的特質(zhì)焦慮水平，為進一步研究駕駛員的特質(zhì)焦慮對駕駛員風險評價和駕駛行為的影響，加強對駕駛員的不良情緒疏導(dǎo)與管理，控制焦慮因素所致的交通事故，提供理論支持和技術(shù)手段.

1 評估指標的確定

根據(jù)心理學(xué)家的建議和大量的駕駛員在駕駛過程中情緒體驗的調(diào)查，結(jié)合相關(guān)資料及前人的研究，對駕駛員焦慮心理的各種反映做了全面分析，駕駛員焦慮情緒可以通過多種指標反應(yīng)出來[12]，如生理指標：血壓、心率、皮膚電等；心理指標，可以通過各種心理量表測量獲得；還可以通過動作、表情和語言表現(xiàn)出來.

綜合考慮指標的合理性及應(yīng)用的可行性，主觀方面評估指標采用心理指標作為評估測量依據(jù)，反復(fù)調(diào)查并大量采集反映焦慮情緒的相關(guān)因素，在此基礎(chǔ)上編制駕駛員特質(zhì)焦慮自評量表，并進行信效度檢測，用來評估駕駛員對自身特質(zhì)焦慮水平的認知程度；客觀方面考慮到需要在實際駕駛中不影響駕駛員正常駕駛的情況下來評定特質(zhì)焦慮水平，兼顧指標體系建立原則的系統(tǒng)性和層次性，采用動作、表情、和語言作為評估指標.其中動作包括整體的協(xié)調(diào)性，操作穩(wěn)定性，反應(yīng)靈敏性，以及對方向盤和剎車的操縱頻率和幅度等.表情包括面部肌肉的緊張度，眼神的集中度等.語言包括與他人的互動以及對外部環(huán)境做出的語言反應(yīng)等[13-14].然后，采用模糊層次綜合評價法對客觀指標進行評價.

2 駕駛員特質(zhì)焦慮量表的編制

量表的編制過程包括：確定主題，搜集資料，采集信息，篩選問題，預(yù)測及信效度分析，以下是駕駛員特質(zhì)焦慮量表問題選取及信效度分析過程.

2.1 問題的選取

利用交通心理學(xué)[3]和普通心理學(xué)[1]的相關(guān)理論和方法，結(jié)合心理學(xué)家的建議及多名駕駛員的經(jīng)驗調(diào)查，篩選了30個問題，并擬定了一套能夠反映駕駛員特質(zhì)焦慮自我認知水平的初始問題.如對自己的車技充滿信心，很享受駕駛的樂趣，感到煩躁等.前面13個問題反映的是駕駛員的積極情緒，后面17個問題反映的是消極情緒，全部問題均采用1-4級評定，即“1-完全沒有”，“2-有些”，“3-中等程度”，“4-非常明顯”，積極情緒反序計分.另外需要填寫的個人信息還包括被試人員的性別、年齡、駕齡及是否發(fā)生過交通事故.征集50位志愿者進行問卷調(diào)查，回收有效問卷46份，用spss17.0統(tǒng)計分析軟件[15]對調(diào)查結(jié)果進行初步的信效度分析和因素分析，利用項目分析法確定每個問題是否有效，將相關(guān)系數(shù)在0.05水平上無顯著性差異的問題予以刪除，再利用主成分因子分析法確定最終保留的20個問題，組成最終量表，見表1.然后，要求志愿者反復(fù)填寫問卷，并對量表進行信效度分析.

2.2 信效度分析

信度(Reliability)系指測驗結(jié)果的一致性、穩(wěn)定性及可靠性，一般多以內(nèi)部一致性來表示該測量信度的高低.信度系數(shù)越高即表示該測量的結(jié)果越一致、穩(wěn)定越可靠.然而，系統(tǒng)誤差對信度沒什么影響，因為系統(tǒng)誤差總是以相同的方式影響測量值的，因此不會造成不一致性.目前，最常用的測量量表信度的方法是Cronbach α信度系數(shù)法；效度(Validity)即有效性，是指所測量到的結(jié)果反映所想要考察內(nèi)容的程度，測量結(jié)果與要考察的內(nèi)容越吻合，則效度越高.效度分析方法有很多種，不同的分析方法反應(yīng)效度的不同方面.最常用的的方法是用因子分析法來分析調(diào)查問卷的結(jié)構(gòu)效度.

2.2.1 信度分析

本文采用α信度系數(shù)法來估計量表的信度，計算公式為

其中：n為量表中題目的總數(shù)；Si為第i題得分的題內(nèi)方差；SH為全部題目總得分的方差.

表1 駕駛員特質(zhì)焦慮量表

α系數(shù)評價的是量表中各題目得分間的一致性，屬于內(nèi)在一致性系數(shù).經(jīng)SPSS17.0統(tǒng)計分析得量表的Cronbanchα系數(shù)為0.840，表明量表的內(nèi)部一致性信度較好.案例匯總見表2，可靠統(tǒng)計結(jié)果見表3.

表2案例處理匯總及可靠性統(tǒng)計

表3可靠性統(tǒng)計

2.2.2 效度分析

這里采用Bartlett球形檢驗和Kaiser-Meyer-Olkin度量分析變量的相關(guān)矩陣，KMO值為0.783，表明因素分析結(jié)果可較好的解釋變量之間的關(guān)系，適合做因子分析.采用主成分分析法對20個問題提取主要因素，特征值大于1的因素共5個，可解釋總方差的73.823%，為主因素.20個問題的公因子方差均在0.6以上，說明每個問題都適合做因子分析，有良好的效度.分析結(jié)果見表4和表5.

表4KMO和Bartlett的檢驗

表5 公因子方差

經(jīng)過信效度分析，駕駛員特質(zhì)焦慮量表符合信度與效度的要求，調(diào)查結(jié)果能夠從主觀方面準確反映駕駛員的特質(zhì)焦慮水平.

3 模糊層次綜合評價

模糊綜合評價是以模糊數(shù)學(xué)為基礎(chǔ)，應(yīng)用模糊關(guān)系合成的原理，將一些邊界不清，不易定量的因素定量化，進行綜合評價的一種方法.在駕駛員特質(zhì)焦的客觀綜合評估中，涉及到多種評價因素的相互影響，而且存在大量模糊關(guān)系和模糊概念，因此，需要采用模糊綜合評價法進行定量化處理，對駕駛員的特質(zhì)焦慮水平進行有效評估.評估模型中各指標的權(quán)重采用層次分析法確定，比起先前憑借專家的知識經(jīng)驗確定權(quán)重的方法更加合理，更符合客觀實際并易于定量表示.模糊層次綜合評價法結(jié)合層次分析法和模糊綜合評價法的優(yōu)點，首先通過層析分析法確定影響因素的權(quán)重集，然后用模糊綜合評判確定評判效果，提高了模糊綜合評判結(jié)果的準確性.

3.1 模型的建立

模糊層次綜合評價法模型的建立步驟.

第一步：確立指標體系.P個一級評價指標，V={V1，V2,…,VP},每個指標又可包含次級評價指標C.

第二步：確定評語等級論域.建立評價等級集合u={u1，u2,…,uP}，每一個等級對應(yīng)一個模糊子集.

第三步：建立模糊關(guān)系矩陣.在構(gòu)造了等級模糊子集后，要逐個對被評事物從每個因素Vi(i=1，2,…，p)上進行量化，即確定從單個因素來看被評事物對等級模糊子集的隸屬度(R|Vi)，進而得到模糊關(guān)系矩陣：

矩陣R中第i行第j列元素rij，表示某個被評事物從因素vi來看對uj等級模糊子集的隸屬度.

第四步：確定指標權(quán)重.為了使評價結(jié)果更加客觀合理，采用層次分析法確定各指標的權(quán)重.根據(jù)層次分析法原理，計算各指標的相對權(quán)重，把對權(quán)重的判斷定量化，即確定評價因素的權(quán)重集A=(A1，A2，…，Ap)，其中，A的元素Ai本質(zhì)上是因素Vi對模糊子集的隸屬度.

第五步：合成模糊綜合評價矩陣.將評價因素的權(quán)重集A與模糊關(guān)系矩陣R合成，得到模糊綜合評價矩陣B.

B=A·R=(A1,A2,…，Ap)·

其中，bj由A與R的第j列運算得到，表示被評事物從整體上看對uj的等級模糊子集的隸屬度.

第六步：評價結(jié)果分析.最常用的方法是最大隸屬度原則，但有些情況下無法得出合理的評價結(jié)果.因此，在這里采用加權(quán)平均法確定隸屬等級.

3.2 模型應(yīng)用

以下利用模糊層次綜合評價模型對駕駛員特質(zhì)焦慮水平進行客觀評價.采用動作、表情、和語言作為一級指標，V={V1，V2，V3}.動作包括整體的協(xié)調(diào)性，操作穩(wěn)定性，反應(yīng)靈敏性，以及對方向盤和剎車的操縱頻率和幅度等，表情包括面部肌肉的緊張度，眼神的集中度等，語言包括與他人的互動以及對外部環(huán)境做出的語言反應(yīng)等.由此確立次級指標：V1={C1，C2，C3，C4，C5}，V2={C6，C7},V3={C8，C9}.駕駛員的特質(zhì)焦慮水平評估指標層次結(jié)構(gòu)如圖1.

圖1駕駛員特質(zhì)焦慮水平評估指標層次結(jié)構(gòu)圖

在特質(zhì)焦慮量表中，均采用四級評價“十分明顯”，“中等程度”，“有些”，“完全沒有”對駕駛員的特質(zhì)焦慮進行自評，并依次賦值4，3，2，1.在這里，依然采用四級評價對實際駕駛中表現(xiàn)出的焦慮進行客觀評價.由相關(guān)研究人員對駕駛員實際駕駛過程中表現(xiàn)的焦慮情緒依次進行評分，建立評價集為

u={u1,u2,u3,u4}=

{“十分明顯”，“中等程度”，“有些”，

“完全沒有”}.

實際駕駛實驗中，46位駕駛員反復(fù)進行一段大約20分鐘的車程，并通過攝像頭全程監(jiān)控.在此期間，由10名研究人員即時對駕駛員的整個過程中的一般動作，表情及語言三方面的9個指標所表現(xiàn)出的焦慮情緒按照評價集進行評分，建立模糊關(guān)系矩陣.

根據(jù)層次分析法原理，確立各評價指標的相對權(quán)重.如圖1所示，綜合指標評價集V=(V1，V2，V3)，動作指標V1的次級綜合指標評價集V1=(C1，C2，C3，C4，C5)，表情指標V2的次級綜合指標評價集V2=(C6，C7)，語言指標V3=(C8，C9).以S-V各評價指標(V1，V2，V3)的權(quán)重計算的過程為例說明計算權(quán)重的方法.

指標體系中的遞階層次結(jié)構(gòu)，確定了上下層之間元素的關(guān)系，將同一層次的各個指標元素關(guān)于上層指標的重要性進行兩兩比較，構(gòu)造出判斷矩陣:

標度含義見表6.

表61-5標度及含義對照

用方根法求因素權(quán)重向量近似值Wi'：W1'=(1×2×3)1/3=1.816;W2'=(1/2×1×2)1/3=1;W3'=(1/3×1/2×1)1/3=0.551；將各因素的權(quán)重向量近似值作歸一化處理：W1=W1'/(W1'+W2'+W3')=0.539；W2=W2'/(W1'+W2'+W3')=0.297;W3=W3'/(W1'+W2'+W3')=0.164.即權(quán)重集為A=W=(0.539，0.297，0.164).

V1-(C1，C2，C3，C4，C5)判斷矩陣：

V2-(C6，C7)判斷矩陣：

V3-(C8,C9)判斷矩陣：

最后求得

A1=(0.298，0.298，0.088，0.158，0.158)，

A2=(0.750，0250)，A3=(0.5，0.5).

為了說明合成模糊綜合評價矩陣過程，以其中一名駕駛員為例，并給出評價結(jié)果.計算結(jié)果如下：

A1=α·R=

(0.298，0.298，0.088，0.158，0.158)·

(0.1754，0.3754，0.3544，0.0948)

歸一化后的綜合評價向量為

(0.175，0.375，0.355，0.095)；

A2=(0.750,0.250)·

(0.125,0.3,0.4,0.175)

A3=(0.5,0.5)·

(0.1，0.35，0.4，0.15)

A=(0.539，0.297，0.164)·

(0.14785,0.348625,0.375745,0.12778)

歸一化得(0.148，0.348，0.376，0.128).

根據(jù)以上計算結(jié)果，可以分析得到駕駛員特質(zhì)焦慮水平評價定量分級標準,見表7.

表7 定量分級標準

此駕駛員特質(zhì)焦慮的客觀的綜合評估分數(shù)為u=4×0.148+3×0.348+2×0.376+1×0.128=2.516.該駕駛員的特質(zhì)焦慮水平等級為中.通過對駕駛員的實際試驗視頻監(jiān)控觀察發(fā)現(xiàn)，在測試路段的駕駛中，該駕駛員情緒較為緊張，動作有些僵硬，偶爾不協(xié)調(diào)，但是十分小心謹慎，嚴格遵守交通規(guī)則，不做冒險行為，基本沒有駕駛失誤.由此說明，在一般環(huán)境下，一定程度的特質(zhì)焦慮是有利于安全駕駛的.但在高危環(huán)境下，特質(zhì)焦慮會導(dǎo)致駕駛員產(chǎn)生狀態(tài)焦慮，由此出現(xiàn)較大的情緒波動，影響駕駛安全.其他45位駕駛員用同樣的方法得到特質(zhì)焦慮水平等級.

4 結(jié)束語

本文分別從主觀和客觀兩個角度評估了駕駛員的特質(zhì)焦慮水平，研制了一套適合駕駛員的特質(zhì)焦慮自評量表，并采用模糊層次綜合評價法，將模糊的評價因素定量化，從客觀角度對駕駛員的特質(zhì)焦慮水平進行評估，既從駕駛員的認知角度出發(fā)，討論了駕駛員個人對特質(zhì)焦慮水平的自我評價，又能結(jié)合實際情況，避免主觀上的錯誤認識，科學(xué)又合理的對駕駛員的特質(zhì)焦慮水平做出評估.在以后的研究中，將進一步研究駕駛員的特質(zhì)焦慮水平在特殊情境中是怎樣影響狀態(tài)焦慮，以及對駕駛行為和風險決策產(chǎn)生影響的.

[1]葉奕乾，何存道，梁寧建.普通心理學(xué)[M].2版.上海：華東師范大學(xué)出版社，2001：353.

[2]趙云龍，趙建新.狀態(tài)焦慮與特質(zhì)焦慮的關(guān)系[J].楚雄師范學(xué)院報，2010，25(10)：85-89.

[3]鄭安文.道路交通安全概論[M].機械工業(yè)出版社，2010.

[4]陳莉，人格特質(zhì)、心境對情緒信息加工的影響[D].江西：江西師范大學(xué)，2005.

[5]董林.情緒駕駛與心理疏導(dǎo)[J].汽車運用，2005(3)：33.

[6]鄭曉華，李延之.狀態(tài)-特質(zhì)焦慮問卷[J].中國心理衛(wèi)生雜志，1997,11(4)：219-220.

[7]李文利，錢銘怡.狀態(tài)特質(zhì)焦慮量表中國大學(xué)生常模修訂[J].北京大學(xué)學(xué)報:自然科學(xué)版，1995,31(1)：108-112.

[8]朱國鋒，何存道.駕駛員情緒狀態(tài)量表的信度與效度的初步研究[J].心理科學(xué)，2002，25(3)：296-299.

[9]何存道，湯振東，鄭寧華.卡車駕駛員情緒狀態(tài)研究[J].人類工效學(xué)，2001(2)：18-21.

[10]江鵬輝，楊豪，彭斌.基于模糊層次綜合法的加油站現(xiàn)狀評價模型及應(yīng)用[J].工業(yè)安全與環(huán)保，2008,34(2)：58-61.

[11]江高.模糊層次綜合評價法及其應(yīng)用[D].天津：天津大學(xué)，2005.

[12]Wen W H.Studies on Physidugical Signals Based Emotion Reugnition[D].Chongqing:China South West university,2010.

[13]Wang J,Gong Y.Recognition of multiple drivers' emotional state[C]//19th International Conference on.IEEE,2008:1-4.

[14]Pecher C,Lemercier C,Cellrier J M. Emotions drive attention:Effects on driver's behaviour[J].Safety Science, 2009,47(9):1 254-1 259.

[15]黃潤龍.數(shù)據(jù)統(tǒng)計與分析技術(shù)- SPSS軟件實用教程[M].高等教育出版社，2004.