非機(jī)動(dòng)車駕駛?cè)藨嵟榫w及行為對(duì)交通安全影響分析*

□ 周 建，林 麗

(南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037)

隨著城市的發(fā)展，居民出行方式也更為豐富，相比于機(jī)動(dòng)車，非機(jī)動(dòng)車以其方便、經(jīng)濟(jì)、節(jié)能而備受青睞。我國(guó)非機(jī)動(dòng)車主要包括：自行車、電動(dòng)車和三輪車等，適值2019年4月5日《電動(dòng)自行車安全技術(shù)規(guī)范》正式實(shí)施，我國(guó)對(duì)于非機(jī)動(dòng)車的重視程度日益提高。現(xiàn)如今城市經(jīng)濟(jì)的快速發(fā)展，其交通系統(tǒng)也越來越復(fù)雜化，共享單車、外賣等的興起，給人們帶來了便捷的生活，但相應(yīng)的也增加了交通問題，如不遵守交通規(guī)則、亂停亂放等，導(dǎo)致了嚴(yán)重的交通問題[1]。根據(jù)中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局所統(tǒng)計(jì)的最新數(shù)據(jù)，2017年交通事故發(fā)生數(shù)總計(jì)為203049起，其中非機(jī)動(dòng)車交通事故發(fā)生數(shù)為18144起，約占總數(shù)的百分之十[2]。

二十一世紀(jì)以來，交通安全的分析伴隨著交通的發(fā)展也越來越重要。就憤怒情緒這一問題就受到眾多國(guó)內(nèi)外交通學(xué)者的廣泛關(guān)注和研究。如：丹麥學(xué)者對(duì)自行車駕駛?cè)说难芯枯^多，在機(jī)動(dòng)車駕駛憤怒量表(Driving Anger Expression Scale，DAS)的基礎(chǔ)上[3]，開發(fā)出用來測(cè)量研究非機(jī)動(dòng)車駕駛憤怒量表(the DAS for Cyclists，CAS)[4]。對(duì)于憤怒增加激進(jìn)駕駛行為的可能性，于國(guó)內(nèi)學(xué)術(shù)界而言，對(duì)此關(guān)系尚未定論；一些研究人員認(rèn)為現(xiàn)研究成果尚未能夠確定憤怒情緒對(duì)交通安全都會(huì)產(chǎn)生消極影響，結(jié)論無法說服所有人；另外一些研究人員認(rèn)為憤怒情緒對(duì)交通安全的影響還受一些駕駛?cè)俗陨硪蛩氐挠绊懀視?huì)對(duì)駕駛?cè)说牟僮餍袨楫a(chǎn)生具體的影響[5]。綜合考慮，駕駛過程中所產(chǎn)生的憤怒情緒是不可避免的，無論年輕與否，也無論是國(guó)內(nèi)國(guó)外。也正因?yàn)楝F(xiàn)代化交通的快速發(fā)展，憤怒情緒所帶來的事故也越來越明顯，所以對(duì)其的研究也是有著很大的前瞻性和建設(shè)性的[6]。

本文借鑒國(guó)內(nèi)外研究經(jīng)驗(yàn)，首先編制了適合我國(guó)的非機(jī)動(dòng)車駕駛憤怒量表；然后對(duì)量表的信效度進(jìn)行分析；之后借助統(tǒng)計(jì)結(jié)果，針對(duì)憤怒行為與違規(guī)頻率建立有序回歸(Ordinal Regression)和多項(xiàng)Logistic回歸模型；最后，通過對(duì)憤怒情緒下的非機(jī)動(dòng)車駕駛?cè)?以下簡(jiǎn)稱“駕駛?cè)恕?阻礙其他駕駛?cè)恕⒁约榜{駛?cè)藢?duì)于憤怒情緒的自我評(píng)價(jià)進(jìn)行頻次統(tǒng)計(jì)分析。

1 調(diào)查設(shè)計(jì)

本文以南通市崇川區(qū)為例，一方面，前往崇川區(qū)市中心人流集聚地，派發(fā)調(diào)查問卷；另一方面，借助互聯(lián)網(wǎng)搜集調(diào)查問卷數(shù)據(jù)。問卷總計(jì)收回158份，回收有效問卷156份(98.7%)。

該問卷涵蓋了兩部分：一般情況調(diào)查表(性別、年齡、學(xué)歷、職業(yè)、平均月收入、非機(jī)動(dòng)車類型、日平均行駛時(shí)間、近兩年發(fā)生騎行交通事故次數(shù)等)和非機(jī)動(dòng)車駕駛憤怒量表(CAS)。其中CAS參考國(guó)外駕駛憤怒量表和國(guó)內(nèi)的駕駛員情緒狀態(tài)量表[7-11]，并根據(jù)征詢的結(jié)果，設(shè)計(jì)而成。

CAS包括兩部分：其一，駕駛?cè)藨嵟榫w下的行為表現(xiàn)(騎行強(qiáng)度、言語攻擊、肢體沖突、自我調(diào)節(jié))；其二，憤怒情緒對(duì)交通安全影響的自我評(píng)價(jià)(自我發(fā)泄)。該量表采用Likert5級(jí)計(jì)分形式，1到5依次代表非常低、比較低、一般、比較高、非常高。

2 結(jié)果

2.1 量表信效度檢驗(yàn)

2.1.1 內(nèi)容信度

為了檢驗(yàn)CAS量表的可靠性和穩(wěn)定性，對(duì)量表做了信度分析。總量表的Cronbach’s α為0.812，五個(gè)項(xiàng)目中的α系數(shù)分別為：0.843、0.781、0.733、0.686、0.775。量表總的分半信度為0.815，五個(gè)項(xiàng)目的分半信度分別為：0.852、0.783、0.736、0.673、0.763。對(duì)五個(gè)項(xiàng)目進(jìn)行多變量方差分析，由Hotelling T2檢驗(yàn)可知，F(xiàn)=7.769，P<0.001，在α=0.05的基礎(chǔ)上，表明五個(gè)項(xiàng)目的情緒狀態(tài)具有顯著的差異。由此可知CAS量表是一種具備較高信度的量表。

2.1.2 結(jié)構(gòu)效度

為了研究變量之間的偏相關(guān)性，采用因子分析(Factor Analysis)，借助統(tǒng)計(jì)軟件SPSS對(duì)得到的調(diào)查數(shù)據(jù)進(jìn)行分析[12]，結(jié)果如表1所示。得到KMO值為0.813，可用于因子分析。Bartlett球形檢驗(yàn)的卡方近似值為531.519，P=0.000<0.001，按置信度水平α=0.05，可認(rèn)為因素的相關(guān)矩陣不是單位矩陣，能夠提取最少的公因素，同時(shí)解釋大部分的方差。

表1 KMO和Bartlett的檢驗(yàn)

通過主成分分析法(Principal Component Analysis)提取方法，得到各變量的共同度。由表2可以看出，問卷的初始變量的共同度在0.511-0.812之間，皆大于0.5，說明幾個(gè)公共因素能夠解釋每個(gè)變量的方差都超過50%，解釋能力達(dá)到了量表降維的要求。

表2 公因素方差

綜上可知，整個(gè)問卷的效度和信度都滿足了心理測(cè)量的基本要求，CAS量表的質(zhì)量較好，可用來進(jìn)行駕駛憤怒表現(xiàn)的研究。

2.2 憤怒行為與交通安全的關(guān)系

2.2.1 憤怒行為與違規(guī)頻率的有序回歸分析

為了研究憤怒行為與違規(guī)頻率之間的關(guān)系，對(duì)量表的item11(相同一段時(shí)間內(nèi)，您憤怒時(shí)違反交通規(guī)則的頻率比正常情況下)和駕駛?cè)说膽嵟袨檫M(jìn)行有序回歸分析。

擬合度表的僅含截距項(xiàng)的對(duì)數(shù)似然值為178.708，最終的模型的卡方值是60.702，顯著性為0.000，可見有序回歸對(duì)本研究是適合的。

得到偽R方的結(jié)果：Cox-Snell、Nagelkerke及McFadden R2分別為0.911、0.957、0.843，三個(gè)R方統(tǒng)計(jì)量的值都比較接近1，可見模型的擬合程度比較好。

按ɑ=0.05水準(zhǔn)，表3中位置參數(shù)item5(憤怒時(shí)您的車跟前車之間的距離：)、item6(騎行途中您埋怨激怒您的司機(jī))的Wald統(tǒng)計(jì)量分別為6.047(P=0.032<0.05)、7.232(P=0.011<0.05)，剩余的位置參數(shù)都大于0.05，確定item5、item6與違規(guī)之間的回歸系數(shù)有統(tǒng)計(jì)學(xué)意義，剩余的則被排除。即騎行途中的跟車距離遠(yuǎn)近、埋怨激怒自己的司機(jī)的頻率與違規(guī)頻率存在相應(yīng)的回歸關(guān)系。Logit連接函數(shù)分別為：

第1組水平，Link1=3.917-(0.383*Item5+0.492*Item6)

第2組水平，Link2=5.021-(0.383*Item5+0.492*Item6)

第3組水平，Link3=7.043-(0.383*Item5+0.492*Item6)

第4組水平，Link4=10.072-(0.383*Item5+0.492*Item6)

對(duì)應(yīng)的由Item5、Item6得到連接函數(shù)的值，可以進(jìn)一步得出預(yù)測(cè)駕駛?cè)诉`規(guī)頻率的概率值：

表3 回歸參數(shù)估計(jì)表

從上述模型分析可知，對(duì)駕駛?cè)诉`規(guī)頻率存在較大影響的有騎行途中的跟車距離遠(yuǎn)近、埋怨激怒自己的司機(jī)，我們可以借助它們來預(yù)測(cè)駕駛?cè)诉`規(guī)頻率。

2.2.2 憤怒行為與違規(guī)頻率的多項(xiàng)Logistic回歸分析

參照模型擬合信息表，以及包含的截距項(xiàng)的模型和最終模型的似然比檢驗(yàn)結(jié)果，其-2倍對(duì)數(shù)似然值分別為124.871、73.502，χ2=51.369，P=0.000<0.01，按α=0.05水準(zhǔn)，最終模型更優(yōu)。Pearson χ2及偏差χ2分別為1256.721(P=1.000>0.05)、912.632(P=1.000>0.05)，說明模型與數(shù)據(jù)充分?jǐn)M合，即本數(shù)據(jù)資料可采用多項(xiàng)Logistic回歸分析。

在偽R方中，Cox-Snell、Nagelkerke及McFadden R2分別為0.501、0.550、0.287，由這三種決定系數(shù)R2可知，在因變量的變異中，可由量表所列憤怒表達(dá)方式(item1-item16)解釋的部分占50.1%、55.0%、28.7%。

按α=0.05水準(zhǔn)，根據(jù)CAS的項(xiàng)目(item1-item16)，其中item5、item6與違規(guī)水平程度(3-一般，4-比較高)的Wald檢驗(yàn)的顯著性水平均高于0.05，確定item5，item6具備了統(tǒng)計(jì)學(xué)意義，剩余的則相反不具備。以違規(guī)頻率(1-非常低)為基準(zhǔn)，分別用兩個(gè)回歸方程進(jìn)行水平程度3與1、水平程度4與l的比較，得到線性預(yù)測(cè)方程為：

Logit[P(違規(guī)=3|item5,item6)]=12.539+1.488*item5-4.025*item6

Logit[P(違規(guī)=4|item5,item6)]=4.918+0.305*item5-1.382*item6

計(jì)算得到的item5的回歸系數(shù)，其值為正數(shù)，表明騎行途中的跟車距離遠(yuǎn)近的頻率與駕駛?cè)藨嵟瓡r(shí)違規(guī)的頻率成正比；計(jì)算得到的item6的回歸系數(shù)，其值也為正數(shù)，表明埋怨激怒自己的司機(jī)的頻率與駕駛?cè)藨嵟瓡r(shí)違反交通規(guī)則的頻率也成正比。綜合考慮其原因，可從統(tǒng)計(jì)中看出，駕駛?cè)嗽趹嵟榫w的影響下容易分神，所以更容易導(dǎo)致違規(guī)的發(fā)生。

由表4可知，整個(gè)模型預(yù)測(cè)概率為54.1%，即模型符合率為54.1%，預(yù)測(cè)效果良好(預(yù)測(cè)概率大于50%即良好)。表明可以用Item5、Item6構(gòu)成的模型預(yù)測(cè)違規(guī)頻率的等級(jí)。

表4 分類表

2.3 憤怒情緒對(duì)交通安全的影響

駕駛?cè)嗽趹嵟榫w下騎行存在突然提速(短距離內(nèi)非機(jī)動(dòng)車提速更為靈活導(dǎo)致風(fēng)險(xiǎn))、減速、停車、變道等行為，甚至可能會(huì)成為導(dǎo)致交通安全事故的主要原因；也存在自我安慰和嫻熟的操作技巧的影響下，沒造成嚴(yán)重的交通事故。

2.3.1 憤怒情緒下阻礙正常行駛

激怒駕駛?cè)说闹饕蛩赜校盒腥恕⒎菣C(jī)動(dòng)車、機(jī)動(dòng)車，而道路等其他相關(guān)因素則較少，即表明激怒因素還是主要存在道路使用者之間。從表5可以看出(Iteml10“騎行途中您減速阻擋激怒您的駕駛員，這種情形”；Iteml11“相同一段時(shí)間內(nèi)，您憤怒時(shí)違反交通規(guī)則的頻率比正常情況下”)，憤怒情緒下，有36(23.08%)人減速來阻礙激怒自己的其他駕駛?cè)嘶蛐腥恕Ｆ浯我驗(yàn)樵趹嵟榫w的影響下，結(jié)合分神、反應(yīng)力下降等因素的引導(dǎo)下，有39(24.32%)人容易違反交通規(guī)則。

表5 憤怒情緒下阻礙正常行駛程度

2.3.2 憤怒情緒對(duì)交通安全的影響

眾所周知，關(guān)于憤怒情緒的研究人員，都認(rèn)可憤怒情緒對(duì)交通安全具有一定的影響，但從駕駛?cè)吮旧矶裕瑧嵟榫w的影響還需進(jìn)一步研究。根據(jù)調(diào)查結(jié)果得知，70%的調(diào)查者認(rèn)為憤怒情緒對(duì)交通安全具有影響，其中14%認(rèn)為影響程度較大，只有30%認(rèn)為其影響非常小；且憤怒情緒及其行為對(duì)交通安全的影響與駕駛?cè)说纳硇睦碛泻艽蟮南嚓P(guān)性。

3 結(jié)論

本文在國(guó)內(nèi)外研究的基礎(chǔ)上，編制了適合我國(guó)的非機(jī)動(dòng)車駕駛憤怒情緒量表，并對(duì)量表的信度、效度進(jìn)行了分析。區(qū)別于國(guó)外設(shè)計(jì)的憤怒情緒量表(傾向于表述不同情況下的憤怒情緒的表達(dá))，此表更傾向于憤怒情緒下駕駛?cè)说男袨榉绞剑瑸槿蘸蟮鸟{駛憤怒情緒研究提供了理論支撐。

為了深入研究駕駛?cè)藨嵟袨榕c交通安全的關(guān)系，對(duì)駕駛?cè)藨嵟袨榕c違規(guī)頻率建立有序回歸和多項(xiàng)Logistic回歸模型，分析了模型的擬合度和顯著性；并得出騎行途中的跟車距離遠(yuǎn)近、埋怨激怒自己的司機(jī)的頻率與違規(guī)頻率的存在統(tǒng)計(jì)學(xué)回歸意義，且與違規(guī)頻率成正相關(guān)；最后,針對(duì)憤怒情緒對(duì)駕駛?cè)说挠绊懗潭却笮∵M(jìn)行頻次統(tǒng)計(jì)分析，得出結(jié)論：駕駛?cè)藨嵟榫w及其行為對(duì)交通事故影響較大，且與個(gè)體生理心理特征有很大的相關(guān)性。

本文對(duì)駕駛?cè)藨嵟榫w及其行為等問題研究還不夠全面，僅僅依靠收集的數(shù)據(jù)進(jìn)行研究略為不足，可通過仿真或?qū)嶋H操作等行為數(shù)據(jù)來進(jìn)一步完善研究。將來若增加此類的相關(guān)研究，對(duì)憤怒情緒所產(chǎn)生的交通問題具有深遠(yuǎn)的意義。