外賣電動自行車在交叉口的風險行為研究

魏宇浩， 秦 華

(北京建筑大學 機電與車輛工程學院，北京 100044)

近年來，隨著互聯網經濟的發展，外賣市場以成倍的速度迅速發展，點外賣已經成為人們的一種生活方式。中商產業研究院最新發布的《2018年中國在線餐飲外賣行業市場前景研究報告》的數據統計顯示，2017年外賣市場規模超過了2 000億元，與2016年相比，增長率高達25%，2018年在線餐飲外賣市場規模將有望突破2 300億元。隨之而來的外賣配送行業也迅速崛起，外賣配送以電動自行車作為主要的交通工具。據公開數據顯示，2017年上半年在南京市發生的涉及電動自行車外賣送餐的3 242起交通事故中,外賣電動自行車存在交通違法行為的有2 807起,違法擔責率高達94%。城市道路上的信號交叉口是電動自行車事故多發的高危區域[1]。因此，對外賣配送騎手在城市信號交叉口的風險行為進行分析研究至關重要。

目前已經有很多學者對電動自行車在信號交叉口的穿越行為特征進行了分析研究。針對電動自行車在信號交叉口的交通安全問題，趙星等[2]發現非機動車闖紅燈、逆行、綠燈快結束時搶行3種交通違法行為的危險度較高。邢秀雅等[3]發現電動自行車騎行者存在闖紅燈、不戴頭盔、騎車帶人、超速等危險行為。王濤等[4]構建了電動自行車的風險駕駛行為結構，并得出男性駕駛者違規行為和獲取領先行為更頻繁，隨著年齡的增加，駕駛者獲取領先行為減少,但違規行為增多等結論。趙鳴等[5]對浙江省電動自行車騎行者的闖紅燈、逆行、違規載人等風險行為進行了觀測分析。李巖等[6]在分析逆行非機動車騎行者安全生理學特性時，通過攝像機獲取道路斷面的非機動車逆行比例，發現電動自行車的逆行數較大。王衛杰等[7]以電動自行車和機動車碰撞的事故數據為研究對象，運用Logistic回歸模型鑒別出了電動自行車騎行者事故傷害程度的影響因素。針對電動自行車闖紅燈問題，環梅[8]發現大多數騎手的紅燈穿越行為取決于等待時間，隨著等待時間的增加，他們傾向于終止等待行為并闖紅燈。黃麗燕等[9]分析了非機動車類型、駕駛員年齡和性別、道路狀況等因素對于闖紅燈等違規行為的影響。胡旭孟等[10]提出在整個紅燈周期內,非機動車闖紅燈現象存在3個不同時期的概念。張凡等[11]基于計劃行為理論，通過問卷調查的方法探討了影響外賣配送騎手闖紅燈行為意圖的因素。為了減少電動自行車交通事故的發生，針對電動自行車的相關管理政策也相繼提出。楊達等[12]提出讓電動車提前2～3 s的時間行駛或提前設置非機動車停車線的建議，從而可以減少機非沖突，提高交叉口機動車的通行能力。董升等[13]提出綠閃燈的合理設置能有效改善信號交叉口處電動自行車的安全運行狀況。

從現有這些研究可知，研究焦點主要集中于以普通電動自行車用戶為研究對象，然而外賣配送騎手作為一個特殊群體，尤其是各大外賣平臺為追求配送效率而制定的規章制度，使得他們的風險行為與普通電動自行車用戶差別很大，出現事故的比例也較高[14]。因此，本文針對外賣配送騎手這一特殊群體，通過實地調研獲取數據，對外賣配送騎手的闖紅燈、逆行、使用手機3種風險行為進行統計分析，為交通管制部門制定相關法律法規、外賣平臺制定合理規章制度提供理論依據，為后續探討引起外賣配送騎手風險行為的深層次原因提供研究基礎。

1 研究方法

1.1 實地調研

選取北京市海淀區中關村東路與成府路的交叉口作為調研地點，該路口不僅處于寫字樓分布密集區，而且附近有高校，是典型的科教集聚區，有很高的外賣需求，可以獲取足夠多的配送騎手數據[15]。該路口還具有清晰的非機動車專用紅綠燈，無交警協警指揮交通，能夠代表城市道路典型交叉路口的設計特征。

為了把沿不同方向通過路口的配送騎手都記錄在內，在路口的4個拐角處各分配1名研究員，負責對從左右兩側通過路口的配送騎手的交通行為進行記錄(圖1)。記錄前通過觀察得知，美團、餓了么、百度、達達4個平臺的配送騎手通過路口的頻率較高，因此以這4個平臺的配送騎手為研究對象，記錄其平臺名稱、逆行、闖紅燈、等紅燈、使用手機的相關數據。其中，闖紅燈指在紅燈期間直接穿越或未等待至綠燈亮時即穿越，等紅燈指在紅燈期間到達路口并等待至綠燈亮開始穿越，使用手機的含義為在穿越路口期間看手機、打電話的行為。考慮到研究員記錄的精力有限，每當記錄1 h，有30 min休息時間，則記錄時間為9:00—10:00、10:30—11:30、12:00—13:00、13:30—14:30、15:00—16:00、16:30—17:30、18:00—19:00、19:30—20:30共8 h。選擇天氣晴朗的一天進行調研記錄，調研前對研究員進行詳盡的相關說明與培訓，以減少因研究員的不同導致數據記錄的人為差異。此外，考慮到調研的可行性，記錄過程中對于同一名外賣騎手不同時段重復經過路口的現象未進行區分，即假設風險行為的出現相互獨立。

圖1 路口衛星圖

1.2 數據分析方法

通常情況下，隨著用餐時間的到來，外賣需求量會有很大提升。因此研究一天內外賣配送風險行為的時間性差異，對各時段之間、用餐高峰期與低峰期之間、午餐階段與晚餐階段之間的外賣配送風險行為比率進行了比較分析。由于是比率的比較，所以使用卡方檢驗分析方法。

以每小時配送騎手通過交叉口的數量近似表示訂單數量，然后分析騎手的風險行為比率和通過交叉口的數量的相關性，分析結果可以在一定程度上反映外賣騎手風險行為比率和訂單數量的相關性。

2 結果

2.1 不同平臺之間的風險行為比較

共觀測到1 344個有效樣本，其中包括美團外賣661個、餓了么外賣367個、百度外賣123個、達達外賣193個。各平臺配送騎手以及配送騎手總體的風險行為比率見表1，其中，χ2為卡方檢驗統計量，P為顯著性統計值，若P值小于0.050，則說明統計具有顯著性，反之則不具有統計顯著性。由表1中數據可知，配送騎手總體的闖紅燈、逆行、使用手機比率較高，分別為0.598、0.344、0.153。此外，闖紅燈率、逆行率、使用手機比率在4個平臺中未表現出顯著差異。

表1 不同平臺各種風險行為出現情況

2.2 不同時段風險行為比較

由表2、表3可知，不同時段間配送騎手的闖紅燈率和逆行率差異不顯著。高峰期與低峰期之間配送騎手的闖紅燈率和逆行率不具有統計顯著性，午餐期間與晚餐期間配送騎手的闖紅燈率和逆行率差異不顯著(P值均大于0.050)。另外，不同時間段配送騎手的使用手機比率差異顯著(χ2=20.542，P=0.005)，其中使用手機發生較多的時段為10:30—11:30，比率為0.229，較低的時段為18:00—19:00，比率為0.691。午餐期間與晚餐期間配送騎手使用手機的比率差異顯著(χ2=8.891，P=0.003)，即午餐期間配送騎手使用手機的比率顯著高于晚餐期間的比率。

表2 不同時段配送騎手風險行為比率

表3 不同時段配送騎手風險行為統計情況

2.3 風險行為比率與訂單量相關性分析

通過對各平臺數據的分析判斷，發現美團外賣騎手的通過量和闖紅燈比率這2組數據滿足皮爾森相關系數分析的假設條件，即美團外賣騎手的通過量和闖紅燈比率存在線性關系，不存在異常值，且根據Shapiro-Wilk檢驗，2個連續變量均符合正態分布(P>0.050)。因此可以進行皮爾森相關系數分析，由于檢驗之前不確定是正相關還是負相關，因此采用雙側檢驗，得出皮爾森相關系數為0.917,顯著性統計值P=0.001，由此可知，美團外賣的配送騎手在信號交叉口的闖紅燈率與通過量存在正相關關系。在騎手通過量，即訂單數量高的時候，美團配送騎手的闖紅燈率也較高；訂單數量低的時候，美團配送騎手的闖紅燈率相應也較低。

3 討論

本次實地調研發現外賣配送騎手在送餐過程中闖紅燈、逆行、使用手機等危險行為比率較高。其中，0.598的闖紅燈率與0.344的逆行率遠高于柏璐[16]對電動摩托車的調研結果，即0.217的闖紅燈率與0.087的逆行率。中青年男性騎行者的冒險行為發生率高于其他騎行者，產生較大差異的原因可以歸結于外賣配送騎手大多是中青年男性，其具有更高的冒險行為傾向。此外，高達0.153的使用手機比率，可能是因為配送騎手在配送過程中需要隨時關注訂單信息以及電話通知訂餐客戶取餐[17]。

各種風險行為也呈現一定的分布特征。在危險行為的平臺分布上，美團、餓了么、百度、達達這4個平臺之間的風險行為比率不存在差異。闖紅燈和逆行行為比率在時間分布上均不存在差異，但使用手機比率在時間分布上存在差異，較高的時間段為10:30—11:30，較低的時段為18:00—19:00。相比晚餐期間，配送騎手更傾向于在午餐期間使用手機。可見，不同平臺對外賣配送騎手的風險行為沒有影響，但時間對使用手機的行為傾向有一定影響。具體原因有待進一步探究。

研究還發現美團外賣的配送騎手在信號交叉口的闖紅燈率與訂單量有關，這與王雅坤等[18]認為每日接單數量是外賣配送騎手交通違法行為的主要驅動因素相一致。究其原因，可能是騎手的收入與接單數有關，當訂單數量較多時，騎手為配送盡可能多的訂單，就必須節省時間提高配送速度，出現較多的闖紅燈情況，另一方面配送速度會影響買家對騎手的評價，于是當訂單多而時間緊迫時騎手便不得不通過闖紅燈節省配送時間[19]。

綜上，我們認為外賣配送騎手存在較高風險行為比率的原因如下：

1)騎手自身的安全意識較低，具有較高的風險行為傾向，在配送速度和騎行安全之間進行抉擇時，為了追求配送速度而忽視安全。

2)配送騎手在配送過程中需要隨時關注訂單信息以及電話通知訂餐客戶取餐，難以避免手機的頻繁使用。

3)外賣平臺的績效考核規則、計酬方式在本質上差異不大，均在追求時效性和保障騎手交通安全之間更加偏向于前者。例如，各平臺都把送單時效、訂餐用戶差評、送單量和收入掛鉤，迫使騎手不得不通過闖紅燈、逆行等風險行為來節省時間，從而減少因送單延誤導致的用戶差評和提高接單量。

針對外賣配送騎手存在較高風險行為比率的現狀，為相關部門提出以下建議：

1)外賣平臺應加大對騎手交通安全的培訓力度，提高騎手的安全意識和法律意識。交管部門應加大對騎手交通違法行為的查處力度和懲罰力度。

2)平臺研發部門應當對接單軟件的使用流程和功能進行優化改進。如簡化手機接單的操作流程、增加語音接單等更加方便的功能，從而減少騎手對手機的使用。

3)外賣平臺應改善管理體系，改進現行收入評價機制，弱化薪酬與接單量之間的聯系，平衡好送餐時效性和騎手交通安全之間的關系。

4)引導訂餐消費者關注騎手交通安全，并給予配送騎手更多的理解。

4 結論

通過實地調研獲取外賣配送騎手通過信號交叉口的風險行為數據，發現外賣配送騎手在送餐過程中存在闖紅燈、逆行、使用手機的風險行為且比率較高，尤其是闖紅燈率高達59.763%,遠遠高于現有研究中的普通電動自行車闖紅燈率。對不同外賣平臺之間騎手風險行為比率的差異性進行了分析，發現不同平臺之間的風險行為不存在顯著差異。對騎手風險行為比率的時間性差異進行了分析，發現使用手機行為發生較多的時段為10:30—11:30，較低的時段為18:00—19:00。通過皮爾森相關系數分析方法分析了美團外賣配送騎手的闖紅燈率與通過量之間的相關性，發現美團外賣配送騎手在信號交叉口的闖紅燈率與訂單量之間存在正相關關系。基于上述研究結論，對外賣配送騎手存在較高風險行為比率的原因進行了討論，并提出建議，為相關部門完善管理制度提供了理論基礎。由于研究采用的是人工觀察調研的方法，難以考慮外部變量因素的影響。因此，在后續的研究中應考慮引入外部變量，針對交通參與者、交通環境、信號路口設計特征等因素對外賣配送騎手的交叉口風險行為影響進行深入分析，同時應對配送騎手的心理進行分析，探討騎手具有較高風險行為傾向的心理因素。