信息誘導對交叉口駕駛行為影響

王雨桐， 陳旭梅, 孫小菲

(1. 城市交通復雜系統理論與技術教育部重點實驗室(北京交通大學)， 北京 100044；2.北京首都國際機場股份有限公司，北京 100621)

信息誘導對交叉口駕駛行為影響

王雨桐1， 陳旭梅1, 孫小菲2

(1. 城市交通復雜系統理論與技術教育部重點實驗室(北京交通大學)， 北京 100044；2.北京首都國際機場股份有限公司，北京 100621)

為提高駕駛員對誘導信息的采用意愿，基于結構方程模型(structural equation modeling, SEM)及改進式科技接受模型(technology acceptance model, TAM)思想，構建了駕駛行為影響研究模型, 在已有研究基礎上確定駕駛員對交叉口處誘導信息采用意向的影響因素，可分為個體因素、系統(信息)因素及環境因素. 通過對北京市駕駛員進行偏好調查得到1 544份有效樣本數據，對模型進行辨識及修正，并利用統計分析方法驗證模型假設. 結果表明:交叉口誘導信息的采用意向受駕駛員對信息的感知有用性、對信息的信任程度及交叉口交通狀況(環境)直接影響，研究結果對提高誘導信息的服務效率具有重要的指導意義.

誘導信息；道路交叉口；駕駛行為；SEM；TAM

交叉口作為城市道路重要節點，交通流在此匯集、分支、相互影響，為了營造良好的交通秩序，避免交通事故發生，車輛大多都會經歷減速(或停車)、加速的過程，使得機動車延誤增加，車輛行駛工況更加復雜，進而導致交叉口處車輛尾氣排放相比其他道路路段更為嚴重. 因此，交叉口處交通行為對空氣質量與資源損耗起著至關重要的作用. 智能交通系統的迅速發展為提高城市交通系統的運行效率及緩解交通系統對環境造成污染起到關鍵性作用，信息誘導技術作為其重要分支，其形式包括路邊信息板和車內顯示器，可為交叉口駕駛員提供速度建議，進而提高道路運行效率，減少車輛尾氣排放，增強駕駛安全性和穩定性. 然而，在交通管理與控制中，最復雜和難以把握的因素是出行者. 信息誘導對交叉口駕駛員行為有怎樣的影響以及駕駛員對交叉口處誘導信息的接受程度取決于哪些因素等一系列的問題亟需國內外學者的研究關注. 目前，國內外學者主要通過偏好調查[1-3]并運用仿真[4-7]的方法，主要研究了信息誘導對駕駛員路徑選擇行為和對整個交通網絡運行狀況的影響. 對于交叉口處誘導信息的研究內容側重于通過利用仿真技術，從減少排放以提高環境效益的角度研究信息誘導與交叉口駕駛行為之間的關系[8-9]，此外，從駕駛員認知的角度探究交叉口處誘導信息對駕駛行為變化的影響情況[10-11]，而目前研究成果忽略了駕駛員對交叉口處誘導信息反應的異質性，缺乏作為道路關鍵節點的信號交叉口處駕駛員對誘導信息接受程度的影響因素研究. 基于此，本文基于偏好調查，探究影響駕駛員對誘導信息接受程度的因素，并通過構建結構方程，量化駕駛員對誘導信息接受程度影響因素間的關系. 研究結果有利于提高交叉口處信息誘導系統服務效率，改善交叉口交通運行效率，為駕駛員信息系統的持續深入研究和發展提供理論依據.

1 研究方法

本文基于結構方程模型(SEM)及改進式科技接受模型(TAM)研究交叉口處誘導信息對駕駛員的行為影響，SEM用以研究多變量之間的相關關系，TAM用以探討用戶對信息或科技的采用態度或行為意向. 因此，本文利用TAM對交叉口駕駛員的采用意向進行研究，并結合SEM對影響交叉口駕駛員的誘導信息采用意向的不同因素進行分析.

1.1 結構方程模型(SEM)

結構方程模型(SEM)[12]是基于變量的協方差矩陣分析變量之間關系的一種統計方法. 作為一種建立、估計和檢驗因果關系模型的方法，SEM通過觀測變量集合間的協方差結構和相關結構，從定量角度建立模型來研究變量間的因果關系. SEM分為測量模型和結構模型[12]兩部分，模型示意圖如圖1所示.

圖1 SEM示意圖

如圖1所示，本文將影響駕駛員對誘導信息的采用意向及其影響因素構成模型潛在變量，為潛在變量構造合理的觀測變量，觀測變量受潛在變量影響，構成測量方程組[12]為

(1)

式中：X1、X2、X3為觀測變量；ξ1為潛在變量；λ11、λ21、λ31為潛在變量與觀測變量間關系系數；ε1、ε2、ε3為殘差，即方程中未能解釋的部分.

同時，潛在變量與潛在變量之間因果關系，構成結構方程[12]

η1=γ11ξ1+δ1.

(2)

式中：ξ1為外因潛變量，即表示原因的潛在變量；η1為內因潛變量，即表示結果的潛在變量；γ11為潛在變量間關系系數；δ1為殘差.

為研究交叉口處駕駛員行為意向影響要素，考慮要素的不可觀測性，本文側重于結構方程，以探索誘導信息的采用意向及其影響因素之間的關系為目標，構建信息誘導對交叉口處駕駛員行為影響的結構方程模型.

1.2 科技接受模型(TAM)

Davis[13]以理性行為理論為基礎，提出用科技接受模型(TAM)來探討信息科技的采用行為及其相關影響因素. 傳統TAM構架[13]如圖2所示. 該模型提出當“行為”指的是對“信息”的接受行為時，態度(即個體對行為所持有的態度或信念)比主觀規范(即個體對采取行為感受到的社會壓力)有更強的影響力[14]. 采用意向會受到行為用戶態度的影響，即用戶對信息使用的態度越正向，對信息的接受度也會越高. 因而提出假設(H1)：態度對采用意向有顯著正向影響.

圖2 傳統TAM示意圖

外部變量[13]表示對用戶感知有用性及感知易用性產生影響的因素，如個體特征、信息特點、環境因素等.

感知有用性[13]是指個人主觀認為接受信息對自己有幫助，當用戶認為信息對自身有幫助時，對信息的使用態度就越正向，同時，用戶接受信息改變行為的意愿也就越正向. 由此提出假設(H2)：感知有用性對態度有顯著正向影響; 假設(H3)：感知有用性對采用意向有顯著正向影響.

感知易用性[13]是指用戶主觀認為信息使用的容易程度，當用戶認為信息越容易使用時，對信息的使用態度就越正向，同時感知有用性也就越正向. 由此提出假設(H4)：感知易用性對態度有顯著正向影響；假設(H5)：感知易用性對感知有用性有顯著正向影響.

本文采用TAM探究駕駛員對誘導信息的采用意向. 基于此，以采用意向為核心研究對象，在傳統TAM基礎上，提出改進式TAM，考慮外部變量與感知易用性對對使用者采用意向的直接影響，即提出假設(H5)：外部變量對用戶的采用意向有顯著正向或負向影響;假設(H6)：感知易用性對采用意向有顯著正向影響，具體示意圖如后文圖3所示. 改進式TAM用以研究交叉口處駕駛員對誘導信息采用意向的影響因素，進而進行交叉口處駕駛行為影響分析.

2 信息誘導對交叉口駕駛行為影響的結構方程模型構建

交叉口處信息誘導本質上是利用現代的智能信息技術為出行者提供交通信息，因而可以基于TAM的基本思想，運用SEM構建駕駛員對交叉口處誘導信息采用意向模型.

2.1 模型構成與假設說明

本文構建的結構方程以改進式TAM中的所有變量作為潛在變量，包括駕駛員對交叉口處誘導信息的感知有用性、感知易用性、誘導信息采用意向及外部變量，并為潛在變量選取恰當的觀測變量，以量化交叉口駕駛員對誘導信息采用意向與其影響因素之間的關系.

圖3中除感知有用性、感知易用性及誘導信息采用意向以外的其他潛在變量，即為改進式TAM中的外部變量，包括可能對誘導信息的采用意向、感知有用性及感知易用性產生影響的因素，分為駕駛員相關因素、誘導信息自身屬性、以及環境因素. 駕駛員相關因素選取駕駛員對誘導信息的信任度、駕駛員個體屬性，探究駕駛員對誘導信息的采用意向影響情況；誘導信息自身屬性因素選取信息特性作為潛在變量，反映不同展現形式的誘導信息對駕駛員感知產生的影響，這一影響可能與駕駛員對誘導信息的感知有用性、感知易用性及采用意向相關；環境因素考慮交叉口處交通量狀況.

圖3 信息誘導對交叉口駕駛行為影響的結構模型

Fig.3 Model of the influence of guidance information on driving behavior at intersections

通常情況下，駕駛員主觀認為誘導信息提示內容越重要，誘導信息的采用意向越正向，其他變量在此假設均正向或負向對誘導信息采用意向或駕駛員的感知有用性或易用性產生影響. 因此，如圖3所示，結合以上論述，本文對模型中所有潛在變量之間的影響關系建立了9個假設(H1～H9)，而后根據模型擬合結果P值(顯著性驗證)確定模型假設關系是否成立.

各假設具體如下：假設1(H1)：感知有用性對誘導信息采用意向有顯著正向影響；假設2(H2)：感知易用性對誘導信息采用意向有顯著正向影響；假設3(H3)：感知易用性對感知有用性有顯著正向影響；假設4(H4)：駕駛員對誘導信息信任度對誘導信息采用意向有顯著正向影響；假設5(H5)：個體屬性對誘導信息采用意向有顯著正向或負向影響；假設6(H6)：信息特性對誘導信息采用意向有顯著正向或負向影響；假設7(H7)：信息特性對感知有用性有顯著正向或負向影響；假設8(H8)：信息特性對感知易用性有顯著正向或負向影響；假設9(H9)：交叉口處交通狀況對誘導信息采用意向有顯著正向或負向影響.

2.2 變量選取

由于上述信息誘導對交叉口駕駛行為影響的結構方程模型中的各變量均為潛在變量，無法直接進行測量，需采用選取可進行測量變量的方法，對各潛在變量選取一個或多個觀測變量，從而進行潛在變量的估計.

根據已有駕駛員對于采用誘導信息的影響因素方面的研究成果[15]，為各潛在變量選取具體的觀測變量. 個體屬性(PA)考慮駕駛員性別、年齡、學歷等差異及駕駛員駕車習慣等與駕駛相關的特征，選取的觀測變量為：性別(Gender)，年齡(Age)，學歷(Edu)，駕齡(DA)，駕駛習慣(DH)，駕駛時間(DT)及路段熟悉程度(RF)；環境因素考慮交叉口處交通狀況(TC)，不同數量或車型對駕駛員產生的影響，選取觀測變量為：交叉口車流量小時，我會根據誘導信息改變駕駛行為(Q1)，交叉口車流量大時，我會根據誘導信息改變駕駛行為(Q2)，交叉口公交車較多時，我會根據誘導信息改變駕駛行為(Q3)；誘導信息的采用意向(IU)的觀測變量為：我愿意在交叉口處根據提示信息嘗試新的駕駛行為使駕駛更平穩(Q4)；誘導信息的信任度(TRUST)則考慮駕駛員對誘導信息的信任及重要性程度，并將誘導信息與駕駛經驗作比較，以此反映誘導信息的信任程度，觀測變量為：我認為交叉口處提供的誘導信息無關緊要(Q5)，我認為駕駛經驗比交叉口處誘導信息重要(Q6)；感知有用性(PU)的觀測變量為：開車時，我會留意交叉口路邊或車內的誘導信息(Q7)，我認為提供的誘導信息對我駕駛有幫助(Q8)；感知易用性(PEOU)的觀測變量為：根據交叉口處誘導信息改變駕駛行為很麻煩(Q9)，根據交叉口處誘導信息改變駕駛行為反而會增加我駕駛的難度(Q10)；信息特性(IA)由誘導信息的展現形式所反映，體現不同形式的誘導信息對駕駛員接受信息的影響，觀測變量為：相比交叉口設置的路邊信息板，顯示器提示誘導信息更清晰(Q11)，相比文字型誘導信息，圖片型誘導信息更利于理解(Q12).

2.3 模型構建

根據上述假設基礎及選取的變量，構建信息誘導對交叉口駕駛行為影響的模型，利用結構方程分析軟件Amos21.0創建模型結構示意圖，如圖4所示. 該模型中，橢圓形表示潛在變量，矩形表示觀測變量，圓形表示觀測變量及潛在變量殘差，單向箭頭表示因果關系，雙向箭頭表示相關關系，最終結果箭頭均有回歸權重系數，可通過系數大小確定各變量之間的相互關系.

圖4 信息誘導對交叉口駕駛行為影響的模型整體結構

Fig.4 Structure of model of guidance information on driving behavior at intersections

模型中，共有3個內生潛變量，即因果關系中表示結果的變量，包括存在指向自身單向箭頭的誘導信息采用意向(IU)，感知有用性(PU)及感知易用性(PEOU)，其余潛在變量包括個體屬性(PA)、交叉口交通狀況(TC)、誘導信息信任度(TRUST)及信息特性(IA)均屬于外因潛變量，根據相應的觀測變量構建對應關系.

3 結構方程模型分析與檢驗

本研究采用問卷調查方法對構建的信息誘導對交叉口駕駛行為影響的結構方程模型所需數據進行收集，并利用Amos21.0對模型進行驗證性分析與檢驗，由此，對提出假設進行驗證，進而對影響駕駛員對誘導信息采用意向的要素進行分析.

3.1 信息誘導對交叉口駕駛行為影響調研

3.1.1 調查問卷設計

依據上述構建模型所選取的觀測變量，通過書面的形式并以嚴格設計的觀測變量度量問題向受測駕駛員收集研究所需的數據信息. 問卷由兩部分構成，一項為駕駛員的基本信息調查，另一項為誘導信息影響調查.

個體屬性變量由基本信息反映，對應的觀測變量由性別、年齡、學歷、駕齡、駕駛習慣、駕駛時間及對路段的熟悉程度構成. 其中，性別(男或女)及駕駛習慣(冒險型或保守型)均用0，1變量表示；年齡按18～25、26～35、36～45、46～55及55歲以上的區間劃分，分別以整數1～5進行表示；學歷劃分為高中及以下、大專、本科、研究生及以上，以整數1～4表示；駕駛時間取平均每日大約駕車時間，按0～1 h、1～2 h、2～3 h、3～4 h、4～5 h及5 h以上劃分，分別以整數1～6進行表示；駕駛年齡采用實際駕駛年齡數.

除個體屬性外，其他潛在變量、觀測變量均作為情況論述. 駕駛員對該論述的認同情況進行選擇，采用李克特方法[16]確定量表評分等級. 李克特方法可將評估者以同意或不同意對某些態度、對象、個人或事件加以點評. 因此，本調查要求受測駕駛員對論述進行評價，分值表示為非常同意(5分)、同意(4分)、一般(3分)、反對(2分)及非常反對(1分).

3.1.2 數據收集與分析

本次問卷調查對象為機動車駕駛員，共發放問卷1 700份，其中700份采取現場調查方式，1 000份采取網絡調查，最終回收有效問卷1 544份，有效率為90.8%. 其中，71%為男性駕駛員，29%為女性駕駛員，駕駛員男女比例接近實際情況. 駕駛員平均駕齡為5.74 a. 15%的駕駛員認為自己駕駛習慣為冒險型，85%的駕駛員認為自己駕駛習慣為保守型.

將調查問卷數據錄入SPSS21.0中，對其進行質量分析，從數據的信度檢驗和效度檢驗兩方面進行質量控制：1)數據的信度檢驗. 信度[17]指測量數據一致性或穩定性的程度. 由于本調查沒有進行多次重復測量，因此僅采用一致性測量數據的信度. 一致性主要考查各個問題是否測量了相同的內容. 在本問卷中，同一潛在變量的可測變量集中反映某一方面的信息，由此分別按潛在變量為單位分組分析數據的信度. 其中，誘導效果認知與誘導信息采用意向均僅有一個觀測問題，此外，信度分析方法不適用于測量事實性的問卷問題，因而對個體屬性、誘導效果認知及誘導信息的采用意向均不進行信度檢驗. 采用SPSS21.0中可靠性分析進行信度分析，信度檢驗結果顯示，潛變量Cronbach’s Alpha值[18]分別為:信息特性0.714，誘導信息信任度0.759，感知有用性0.842，感知易用性0.804，交叉口交通狀況0.865，均大于0.7，且問卷整體Cronbach’s Alpha值為0.948高于0.9，表明本調查設計的各問題間具有較好的一致性且采用構建模型的數據具有較好的可靠性. 2)數據的效度檢驗. 效度[17]指測量工具能夠正確測量出所要測量的特質的程度，本文采用結構效度以便于進行效度檢驗. 結構效度檢驗由模型系數結果及擬合指數評價兩個方面完成，因此本文通過對模型擬合參數結果及模型擬合度指標評價反映構建模型是否具有較好的結構效度，具體結果如后文圖5及表1所示. 該結果表明模型具有較好的結構效度.

3.2 結構方程模型分析

3.2.1 模型擬合及參數估計

基于改進式TAM模型，利用Amos21.0探究駕駛員個體屬性、信息特性、誘導信息的信任度、交叉口交通狀況、感知易用性、感知有用性和采用意向間的關系. 通過對模型擬合度結果不斷修正，根據參數顯著性情況及輸出結果中的修正指數進行路徑增刪，以達到減小相對卡方值，并構建可用且較好的結構方程的目標. 經過刪減3條路徑，標準化路徑系數即因果關系中影響程度的大小符合要求(小于1)且擬合度指標達到較好的水平. 最終建立的6個假設(H1、H3、H4、H5、H8、H9)及擬合結果如圖5所示.

圖5 模型路徑及標準化參數估計

Fig.5 Model paths and standardized parameter estimation

表1為對模型整體擬合度的指標檢驗的結果. 各指標[19]均表明該模型是較好且可用的模型.

表1 整體擬合度指標

3.2.2 假設檢驗及結果分析

模型擬合結果表明本文構建的結構方程模型擬合程度較高，本文提出的假設可由各個潛在變量之間的回歸權重系數加以驗證，即以路徑系數和P值反映假設顯著性水平，對模型中仍存在的路徑系數結果進行討論，其輸出結果見表2.

表2 模型假設檢驗結果

根據表2中路徑系數，可知：信息誘導對交叉口駕駛員行為的直接影響要素包括駕駛員對誘導信息的信任程度，駕駛員對誘導信息的感知有用性及交叉口的交通狀況，其中，駕駛員對誘導信息的信任程度對駕駛員行為影響程度最大(路徑系數最大為0.57)，交叉口交通狀況次之(路徑系數為0.401)，感知有用性直接影響程度最小(路徑系數為0.022)，而假設中個體屬性對誘導信息采用態度影響結果相對不顯著，與變量選取及影響關系的相對性有關.

進一步結合信任度變量的觀測變量，可知當駕駛員認為交叉口誘導信息對于其駕駛過程十分重要，駕駛員會更加愿意嘗試誘導信息對其提示的駕駛行為. 由此，向駕駛員發布及時、有效的引導信息，提高駕駛員對提示信息的信任程度將成為提高駕駛員采用誘導信息意愿的關鍵. 另外，以交叉口的交通狀態代表環境因素，表明交叉口處的誘導信息采用意向受到不同交通量及不同車型比例的交通狀況影響，交通量較小且公交車比例較大的交叉口更有利于為駕駛員提供有效的誘導信息. 而感知易用性及信息特性均作為其間接影響因素，結果表明車內顯示器較路邊提示板更利于駕駛員采用誘導信息，駕駛員更傾向于圖片型信息展現形式.

4 結 論

1)基于改進式科技接受模型，構建信息誘導對交叉口駕駛行為影響的結構方程模型，并選取多個交叉口處駕駛員行為意向的影響因素. 并利用實際偏好調查數據，對模型進行擬合及分析，信息誘導對交叉口處駕駛員行為影響的結構方程模型結果檢驗研究支持所提出的多數假設.

2)研究結果表明駕駛員對交叉口處誘導信息的采用意向受駕駛員對誘導信息的信任程度、環境因素及對誘導信息的感知有用性直接影響，受誘導信息特性及感知易用性的間接影響.

3)影響因素中，駕駛員對誘導信息的信任度對駕駛員的影響最大，表明提高駕駛員對交叉口誘導信息的信任程度，成為引導交叉口駕駛員的駕駛行為，提升誘導信息的采用意向以提高道路交通效率及安全性的關鍵.

[1] ALDER J L. Investigating the learning effects of route guidance and traffic advisories on route choice behavior[J]. Transportation Research Part C: Emerging Technologies, 2001, 9(1): 1-14.

[2] 辛飛飛,韋龍雨. 交通誘導信息對駕駛員路徑選擇行為影響調查分析[J]. 交通信息與安全, 2013, 31(3): 64-68.

XIN Feifei, WEI Longyu. Effects of variable message sign guidance information on driver’s route choice[J]. Journal of Transportation and Safety, 2013, 31(3): 64-68.

[3] 江琦. 基于駕駛人出行行為的交通信息發布策略及系統設計[D]. 南京：東南大學，2013.

JIANG Qi. Strategy and system design for travel information release[D]. Nanjing: Southeast University, 2013.

[4] KARTHIK S, GUO Zhiyong. Day-to-day evolution of network flows under departure time dynamics in commuter decisions [J]. Transportation Research Record: Journal of Transportation Research Board, 2003, 1831(6): 47-56.

[5] LEVINSON D. The value of advanced traveler information systems for route choice [J]. Transportation Research Part C: Emerging Technologies, 2003, 11(1): 75-87.

[6] KARTHIK S, GUO Zhiyong. Day-to-day evolution of network flows under route-choice dynamics in commuter decisions [J]. Transportation Research Record: Journal of Transportation Research Board, 2004, 1894(21): 198-208.

[7] 姜桂艷,鄭祖舵,白竹,等. 擁擠條件下可變信息板交通誘導信息對駕駛行為的影響[J]. 吉林大學學報(工學版), 2006, 36(2): 183-187.

JIANG Guiyan, ZHENG Zuduo, BAI Zhu, et al. Simulation-based-assessment of variable message signs route guidance information under congestion condition[J]. Journal of Jilin University Engineering and Technology Edition, 2006, 36(2): 183-187.

[8] LI M, BORIBOONSOMSIN K, WU G, et al. Traffic energy and emission reductions at signalized intersections: a study of the benefits of advanced driver information [J]. International Journal of Intelligent Transportation Systems Research, 2009, 7(1): 49-58.

[9] STEVANOVIC A, STEVANOVIC J, KERGAYE C. Green light optimized speed advisory systems: impact of signal phasing information accuracy [J]. Transportation Research Record: Journal of Transportation Research Board, 2013, 2390(6): 53-59.

[10]童小兵,林航飛. 交通信息系統對安全駕駛的影響研究[J]. 綜合運輸, 2001, 23(12): 28-31.

TONG Xiaobing, LIN Hangfei. The effects of traffic information system on safety driving[J]. Comprehensive Transportation, 2001, 23(12): 28-31.

[11]徐良杰. 基于自組織理論的交叉口群駕駛員行為機理研究[D]. 武漢：武漢理工大學，2014.

XU Liangjie. Mechanism study on driver behavior in intersections group based on self-organization theory[D]. Wuhan:Wuhan University of Technology, 2014.

[12]嚴海,王熙蕊,梁文博,等. 基于結構方程模型的通勤交通方式選擇[J]. 北京工業大學學報, 2015, 41(4): 590-596.

YAN Hai, WANG Xirui, LIANG Wenbo, et al. Commute traffic mode choice based on Structural Equation Model[J]. Journal of Beijing Polytechnic University, 2015, 41(4): 590-596.

[13]DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology [J]. MIS Quarterly, 1989, 13(3): 319-340.

[14]徐敬俊,權錫鑒,葛珊珊. 基于行為計劃理論的高鐵乘客選擇行為意向研究[J]. 經濟管理, 2016, 38(2): 103-113.

XU Jingjun, QUAN Xijian, GE Shanshan. The study of high-speed rail passenger’s choice behavior intention based on theory of planned behavior [J]. Economic Management, 2016, 38(2): 103-113.

[15]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.

WEI Xuemei, JI Xiaofeng, CHEN Fang. Drivers’ travel information searching behavior study with structural equation modeling[J]. Journal of Transportation Systems Engineering and Information, 2012, 12(3): 174-179.

[16]方寶. Likert等級量表調查結果有效性的影響因素探析[J]. 十堰職業技術學院學報, 2009, 22(2): 25-28.

FANG Bao. An analysis of the factors influencing the effectiveness of Likert rating scale’s investigation result[J]. Journal of Shiyan Technical Institute, 2009, 22(2): 25-28.

[17]駱勇. 道路交通中攻擊性駕駛行為分析與研究[D]. 成都：西南交通大學，2009.

LUO Yong. Analysis and research of aggressive driving behavior at the road traffic[D]. Chengdu: Southwest Jiaotong University, 2009.

[18]KAISER H F. An Index of factorial simplicity [J] Psychometrika, 1974, 39(1): 31-36.

[19]侯杰泰,溫忠麟,成子娟. 結構方程模型及其應用[M]. 北京：教育科學出版社，2004: 1-3.

HOU Jietai, WEN Zhonglin, CHENG Zijuan. Structural equation model and its applications[M]. Beijing: Educational Science Publishing House, 2004: 1-3.

(編輯 魏希柱)

Influence of information guidance system on driving behavior at intersections

WANG Yutong1, CHEN Xumei1, SUN Xiaofei2

(1.MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology(Beijing Jiaotong University), Beijing 100044, China; 2.Beijing Capital International Airport Co., Ltd., Beijing 100621, China)

This paper is intended to study the impacts of information guidance system on driving behavior at intersections. Using the structural equation model (SEM) and the improved technology acceptance model (TAM), a method was proposed to analyze the impacts on the driving behavior. On the basis of literature review, the factors that affect drivers’ preference to the guidance information at intersections were determined. The factors can be divided into individual factors, system (or information) factors, and environmental factors. 1 544 valid samples were obtained with the preference survey of the drivers in Beijing, and the proposed model was examined and refined. Then, statistical methods were used to verify the hypothesis of the proposed model. The results have shown that perceived usefulness of the information, credibility of the information, and traffic conditions mainly affect the drivers’ preference to the guidance information. The study provides supports to improve the efficiency of the information guidance system.

information guidance system; road intersections; driving behavior; SEM; TAM

10.11918/j.issn.0367-6234.201703059

2017-03-11

國家自然科學基金(71373018)

王雨桐(1994—)，女，碩士研究生； 陳旭梅(1974—)，女，教授，博士生導師

陳旭梅，xmchen@bjtu.edu.cn

U121

A

0367-6234(2017)08-0171-06