騎行者風險感知能力測試及分析

倪定安，郭鳳香，李春梅，李明遠 NI Dingan,GUO Fengxiang,LI Chunmei,LI Mingyuan

（昆明理工大學 交通工程學院，云南 昆明 650500）

(School of Traffic Engineering,Kunming University of Science and Technology,Kunming 650500,China)

0 引言

隨著共享經濟的風靡，可以共享的東西越來越多，尤其是共享單車和共享電單車。然而共享單車與電單車的極快發展增加了道路上非機動車流量，伴之而來的是亂停亂放、秩序混亂及非機動車事故增加等問題。騎行者是借助自行車、電動車等非機動車為主要交通工具，實施出行活動的個人或群體。2016年，中國交通事故發生總計212 846起，非機動車交通事故發生17 747起，造成2 968人死亡，其中自行車交通事故1 460起，造成341人死亡；電動車交通事故13 687起，造成2 627人死亡，造成直接財產損失4 248萬元[1]。非機動車由于靈活性強，不易于管理，頻繁發生違法占道、闖紅燈、逆行、電動車違法載貨載人等交通違法行為，導致機非混合車道上交通事故的發生。而騎行者風險感知能力的強弱直接決定了是否會發生事故及發生事故大小，風險感知能力差是導致非機動車事故的一個主要原因。因此，研究騎行者的風險感知能力，確定其影響因素，可為制定非機動車相關管理政策、改善非機動車的道路交通安全水平提供一定的依據。

目前，國內外學者對風險感知進行了廣泛研究，Vanlaar等[2]編制了駕駛人風險意識量表，通過15種可能引發交通事故的危險情境的評分來評判駕駛人的風險意識。孔春玉等通過問卷調查，運用最小二乘法擬合得到駕駛人風險感知時間與AIS損傷級別的定量關系式，并對駕駛人風險感知時間的影響因素進行了分析[3]。繆明月等對問卷進行分析，對非機動車駕駛人風險行為進行分解，建立基于關鍵度系數、對應相關行為的風險估算模型，實現非機動車駕駛人風險行為的量化分級[4]。王濤等通過問卷調查，對電動自行車的風險駕駛行為進行探索性因子分析，提取公共因子，從而對騎行者進行關聯性分析[5]。目前非機動車的交通安全研究都停留在問卷調查研究，而風險感知測試的研究主要集中在機動車駕駛員，對騎行者的風險感知能力測試試驗研究較少。本文主要是通過問卷調查結合風險感知試驗測試的手段，應用主成分分析法分析騎行者風險反應時間與各種因素的關系，建立騎行者風險感知能力評價模型，通過模型對騎行者進行評價。

1 試驗方案

在實際道路交通場景中以騎行者角度拍攝9個視頻片段，剪輯制作成測試視頻。招募100名受試者進行問卷調查及風險感知測試，風險感知測試是通過風險感知測試軟件測試騎行者在突顯風險情境與征兆風險情境中對風險的反應時間。

1.1 場景簡介。為了測試騎行者的風險感知能力，從騎行者的角度，對日常可能遇到的風險進行分析并設計出9個風險情境，研究的風險即在風險情境中對騎行者正常行駛可能產生沖突的對象，具體風險描述如圖1所示，其中（1）至（6）圖為突顯風險情境，（7） 至（9） 圖為征兆風險情境。

圖1 風險情境圖

圖2 騎行路線圖

本研究根據學校周邊道路設計出一條騎行路線，并在此路線上設計再現了上述9個風險情境，以騎行者的角度錄制了風險情境的視頻，錄制騎行路線和情境位置設置見圖2，錄制視頻場景截圖如圖3所示。1.2 測試軟件簡介。編制了風險感知測試軟件對騎行者的風險感知能力進行測試，風險感知測試軟件（HP Test）是由昆明理工大學交通工程學院道路交通模擬實驗室自行開發，用于測試道路交通參與者的風險感知能力。軟件的輸入為視頻文件，該視頻以交通參與者的視角顯示所處的交通環境，視頻包含多個潛在的風險源和干擾信息。受試者使用鼠標點擊來標識他所識別到的真正風險，能否準確點擊對象可以表現出受試者的風險感知能力。測試軟件工作界面如圖4所示。

1.3 受試者。本次試驗共招募了100名有著半年及以上騎行經驗的騎行者，這些騎行者的騎行路線以學校周邊道路為主，其中男性64人，女性36人，年齡在16-54歲之間，64人有駕照，36人無駕照，擁有本科學歷的騎行者占大多數。

圖3 視頻錄制場景截圖

1.4 試驗過程。受試者首先需要填寫調查問卷，然后觀看輸入在風險感知測試軟件中的9個視頻，要求他們在發現風險情況時，點擊鼠標，系統能夠自動記錄受試者鼠標點擊的時間（視頻幀序）、點擊的位置（鼠標位置坐標），通過儀器采集數據，將參數進行分析處理，評價受試者的風險感知能力。

圖4 風險感知測試軟件主界面

2 數據分析

2.1 問卷統計。計算本問卷的Cronbach's ɑ系數，ɑ值介于0與1之間，ɑ值越大表示問卷項目間相關性越好，內部一致性可信度越高；ɑ大于0.8表示內部一致性極好，ɑ在0.6～0.8之間表示較好；而低于0.6表示內部一致性較差[6]。本調查問卷的ɑ值為0.78，表明調查問卷的項目間相關性較好，具有一定的可靠性，可以反映出騎行者的風險感知能力。通過調查問卷獲取了受試騎行者的性別、年齡、是否有機動車駕照、騎行經驗、騎行頻率、有無遇到事故和是否遵守交規等7種基本信息，統計結果如表1所示。

表1 受試者問卷調查統計表

2.2 風險反應時間分析。反應時間為從危險出現到駕駛人觀察到此目標所經過的時間[7]。本文的騎行者風險反應時間定義為受試者觀看每段風險視頻時，從風險出現到按下按鈕所需的時間，用于分析騎行者的風險感知能力。分析在突顯風險情境、征兆風險情境下的騎行者平均風險反應時間與年齡、騎行經驗、騎行頻率、是否發生過事故、有無駕照、性別、遵守交規等因素的關系，結果如圖5所示。

從圖5的a～g可以看出，多數情況下騎行者對征兆風險的反應時間要長于突顯風險的反應時間，表明騎行者需要更長的時間發現征兆風險并作出反應。由圖a和b可知隨著年齡的增長及騎行經驗的積累，騎行者風險感知的能力有所提高，反應時間減少；騎行頻率對比發現，反應時間最短的是一月騎行幾次的一類人，這類騎行者的騎行次數處于中等水平，對風險保持一定的警惕性，導致反應時間最短；同時有駕照的騎行者對于風險具有較強的感知能力，反應時間短于無駕照的騎行者；男性的反應時間短于女性，說明男性的風險感知能力要強于女性，在遇到風險時能及時應對；遵守交規的騎行者反應時間短于偶爾不遵守交規的騎行者，說明遵守交規的騎行者具有較強的警惕性；遇到過事故的騎行者反應時間低于未遇到過事故的騎行者。

圖5 反應時間比較分析

3 風險感知能力評價

為了確定各影響因素對風險感知能力的影響，本文應用主成分分析法對影響風險感知能力的因素進行分析，主成分分析是用較少的變量去解釋原來資料中的大部分變異，消除變量間的相關性，將n維變量降至2維，觀察樣本的相互關系及分布特點[8]。

對性別、年齡、駕照、遵守交規、遇到事故、騎行經驗、騎行頻率這7個影響因素進行主成分分析，提取主成分，應用主成分方程，建立騎行者風險感知能力評價模型，并進行模型的應用，對騎行者風險感知能力評價分級，并確定影響風險感知能力的主要因素。

3.1 主成分提取。首先應用公式（1）對原始數據進行標準化處理，然后建立各種指標之間的相關矩陣，并進行主成分提取，提取結果見表2。

其中：ZXi為處理后標準化的數據；Xi為原始數據；X為原始數據的均值；Si為原始數據的標準差。

表2 主成分提取矩陣

由表2可知，提取的5個主成分的累積貢獻率達到了85.94%，可以解釋大多數變量，其中第一主成分t1在年齡x1（）、騎行頻率x3（）、交通事故x2（）、交通規則x4（）上有較高的解釋率，第一主成分上解釋指標數量較多，說明數據重復率較大，符合主成分分析的使用標準，可將第一主成分命名為“騎行成長因子”；第二主成分t2在駕照x6（）、性別x5（）上有著較高的解釋率，將第二主成分命名為“先天及訓練因子”；第三主成分t3在騎行經驗x7（）上有著較高的解釋率，因此將第三主成分命名為“日常積累因子”；第四主成分t4在交通規則x4（）上表現出較高的解釋率，將第四主成分命名為“遵規守紀因子”；第五主成分t5在交通事故x2（）上表現出較高的解釋率，將第五主成分命名為“突發事件因子”。

3.2 評價模型構建及應用。為了綜合評判騎行者風險感知能力的強弱，需要構建騎行者風險感知能力評價模型，通過構建的模型對騎行者風險感知能力進行評價。

根據主成分載荷矩陣（見表2），每一列除以相應特征值的算術平方根，得到相應的系數矩陣，各系數向量分別與標準化處理的各指標向量相乘，得到各主成分得分方程，5個主成分得分方程分別為：

以每個主成分對應的特征值占所提取主成分總的特征值之和的比例作為權重，建立騎行者風險感知能力評價模型：

其中：F為騎行者風險感知能力的綜合評價得分，得分越高說明騎行者的風險感知能力越強。根據模型計算結果將騎行者的風險感知能力分為優秀（0.51～1.00）、良好（0.01～0.50）、中等（-0.51～0.00）、較差（-1.00～-0.50） 4個等級，對4個等級騎行者的年齡、性別、有無機動車駕照、騎行頻率、騎行經驗、是否遇到事故、是否遵守交規等因素進行差異性分析，統計分析結果見表3。

表3 評價結果分級及差異性分析

通過獨立樣本T檢驗發現，不同感知能力等級中騎行者有無機動車駕照、騎行頻率在0.01水平下存在顯著性差異，年齡、性別在0.05水平下存在顯著性差異，而騎行經驗、是否遇到事故、是否遵守交通規則均沒有表現出顯著的差異性。表明騎行者的年齡、性別、有無機動車駕照、騎行頻率等因素對騎行者的風險感知能力存在顯著影響，在提取的主成分矩陣中也可發現這4個因素在第一、第二主成分中占較大比例。由優秀等級的18人中男性12人，10人處于35～54歲，15人有駕照。每月騎行幾次的有16人等結果可以看出，男性對于風險的觀察更加全面；隨著年齡的增長，使得騎行者更加關注可能遇到的風險以便有足夠的反應時間；經過機動車駕照的培訓和考試，提高了風險感知的能力；每月騎行幾次保證騎行者始終保持對風險的警惕性，從而對遇到的風險做出正確的反應，提高騎行的安全性。

4 結論

本文是以騎行者為研究對象，通過對受試者問卷調查及風險感知測試，研究了騎行者的風險感知能力及其影響因素，為騎行者的交通安全研究及相關政策的制定提供了一定的理論基礎，本文的結論如下：

（1）在突顯風險情境與征兆風險情境下，通過風險反應時間的對比分析，發現騎行者對突顯風險的反應時間普遍短于征兆風險，說明騎行者需要花費更長的時間辨別征兆風險并作出反應，因此在騎行過程中需要較長的安全距離，導致交通事故發生的可能性增加。

（2）確定了影響騎行者風險感知能力的主成分，建立了騎行者風險感知能力評價模型，并通過顯著性差異分析發現影響騎行者的風險感知能力的主要因素為年齡、性別、有無機動車駕照、騎行頻率。