本文摘要：摘要：為探究電動載貨三輪車群體風險駕駛行為的行為特征及其影響因素，設計并實施了個性特質態度感知行為風險行為影響因素問卷量表，分析了906名電動載貨三輪車騎行者和280名對照組數據采用結構方程模型建立了道路行駛失誤、道路行駛錯誤、超速違規和紅燈違規類風險行
摘要：為探究電動載貨三輪車群體風險駕駛行為的行為特征及其影響因素，設計并實施了“個性特質態度感知行為”風險行為影響因素問卷量表，分析了906名電動載貨三輪車騎行者和280名對照組數據采用結構方程模型建立了道路行駛失誤、道路行駛錯誤、超速違規和紅燈違規類風險行為模型，基于樣本數據的信息熵對風險因素二次賦權，分析各因素對電動載貨三輪車騎行風險行為的影響機制。結果表明，容易憤怒β=0.332,0.309)且利他性差β−0.215,−0.156)者易發生行駛錯誤和超速違規的行為;容易憤怒β=0.275)，無規范感較強β=0.164)且利他性差β−0.209)者容易發生行駛失誤類風險行為;焦慮程度高β=0.144)且無規范感強β=0.231)者容易發生紅燈違規類風險行為;安全態度差者容易發生所有風險行為。失誤、錯誤、超速、紅燈類風險行為的綜合風險得分分別為0.367，0.176，0.321，0.136。
關鍵詞：交通運輸安全工程;風險行為;結構方程模型;電動載貨三輪車;致因分析
引言
2018年，我國道路交通事故萬車死亡率為1.93[1]，遠高于發達國家水平，交通安全形勢嚴峻。“零死亡”已成為交通發展的終極目標[2]。隨著快遞物流業的迅猛發展，電動三輪車群體已經成為了道路交通上不容忽視的組成部分�？爝f完成最后一公里的配送任務的運輸工具中90%以上選用電動三輪車。至2020年底，電動三輪車的市場保有量攀升至1.02億輛[3]。當前道路交通混行現象仍普遍，交通事故風險居高不下。
研究表明，駕駛風險行為是產生交通事故的重要原因之一[4]。電動載貨三輪車騎行者，在時間約束條件下為了完成運輸任務，在騎行過程中經常發生超速違規、紅燈違規、逆行、與機動車搶道、騎車時使用手機分心等騎行風險行為，交通安全意識淡薄，極易造成交通事故。統計數據顯示，道路弱勢群體事故發生率占總交通事故以上。
因此，研究降低電動三輪車等道路弱勢群體的交通事故風險，是降低交通事故的重要方向之一。目前對騎行者風險行為的研究與建模主要針對摩托車、電動兩輪車。Vlahogiann等總結動力兩輪車(Powertwowheeler,PTW)的重要事故風險因素是錯誤和違規駕駛行為[5]。
Johnson和Zambon等發現摩托車騎行者具有很高的事故風險，并且往往造成嚴重事故[6,7]。江亮等也發現，駕駛風險行為是影響電動兩輪車交通事故的重要參數[8]。Reason將駕駛風險行為分為錯誤行為和違規行為兩種[9]。Westerman和Haigney將駕駛風險行為擴展為三種：失誤，錯誤和違規[10]。Chen在摩托車的風險行為調查問卷中將違規行為擴展為超速和紅燈違規兩種[11]，Wang等人設計的電動兩輪車行為問卷將違規行為擴充為超速違規，紅燈違規和群體違規[12]。
人因是導致交通事故的最重要因素。Ulleberg在研究汽車駕駛員時提出了“個性特質態度感知行為”的經典框架[13]，采用駕駛員自我報告(問卷調查)的方式獲取影響因素數據，結果表明駕駛員的個性特質對風險行為有顯著影響，如焦慮、憤怒、利他、無規范感等[11,13]，通過駕駛員的安全態度和風險感知等因素影響風險行為的發生，并在機動兩輪車，或是青少年、公交車駕駛員等多種不同群體風險行為分析中得到了成功應用[1416]。
此外，有研究通過增加相關類別的風險因素來驗證影響因素的作用，如駕駛自信、騎行樂趣等[17]。當前國內外針對電動載貨三輪車風險行為研究缺乏。通過設計實施符合我國國情的電動載貨三輪車騎行特征問卷量表，建立基于結構方程的風險行為模型，基于樣本數據的信息熵對風險因素二次賦權，分析各因素對電動載貨三輪車騎行風險行為的影響，都具有重要的現實意義。
1樣本調查
1.1參與者
為保證數據的可靠性和有效性，本研究通過中國快遞協會進行問卷調查，參與者被告知調查僅作為研究使用，要求其根據自身的真實情況填寫，所有參與者均采取自愿和不記名的形式完成調查問卷。調查共回收問卷1567份，在篩除不符合要求的問卷(如：答案不完整，所有條目均選擇相同答案，答案整體分布呈現特定規律，答案前后矛盾，沒有使用目標交通工具等)后，保留了使用電動三輪車的有效樣本906份以及使用電動兩輪車的對照樣本280份。
1.2調查方法
1.2.1問卷設計
風險行為因素問卷主要包括個部分：基本信息和風險行為因素量表。具體設計過程如下：
1)文獻綜述與歸納目前對于電動三輪車的風險行為分類可以參考其他道路弱勢群體的錯誤行為和違規行為的四分類模式[910]。在此基礎上，查閱了中國道路交通事故統計年報，考慮了其中導致電動三輪車發生事故的高頻行為。導致風險行為的主要因素是駕駛員個人原因。尤其個人特質、態度等心理特質，更是其中最內在的因素。因此，參考IPIP國際人格特質項目以及Ulleberg、Wong等的風險感知和風險態度量表[13,1719]，設計了電動三輪車的風險行為因素量表。
2)預調查調查問卷發放給了武漢市天天快遞公司的218名快遞員，觀測他們對問卷內容和回答方式的理解程度。考慮參與者的文化程度差異性，對于部分難以理解的問題根據反饋而進行了表述的修改。同時，對問卷量表進行了信度檢驗，修正了造成量表信度不佳的項目，然后再進行正式調查。
1.2.2問卷信度檢驗
信度檢驗即問卷的可靠性檢驗，指采用同樣的方法對同一對象重復測量時所得結果的一致性程度，也就是反映實際情況的程度。一般克隆巴赫α系數大于0.7即表明問卷的信度是足夠的。
1.3量表
1.3.1基本信息
問卷基本信息主要為了解受訪者的人口統計學信息及日常交通相關信息，如性別、年齡、月收入、駕齡、日均行駛距離、工作時長以及過去兩年是否發生的事故情況等。
1.3.2風險行為因素量表
問卷包括個因素量表和類行為量表。個人格特質因素：焦慮、憤怒、利他、無規范感，反映了駕駛行為的內在驅動的人因;工作樂趣因素表現的是送貨者在工作中進行騎行產生的樂趣感;騎行自信因素反映了騎行者對騎行過程的心理掌握程度;風險感知因素反映的是騎行者對特定風險的特征和嚴重性的判斷能力，不安全態度因素反映了騎行者對于各類風險行為的態度。
道路行駛失誤行為，即在非故意狀態下導致的偏離行為;道路行為錯誤行為，即為了獲取交通利益而故意地做出的偏離行為;超速違規行為和紅燈違規行為，是兩類故意偏離正常安全操作或行為準則的行為。風險行為及因素量表均采用點式李克特量表，用分代表問題的程度、頻率或表述準確度。“”代表著“程度低”、“次數少”或“表述不準確”，“”代表“程度高”、“次數多”或“表述準確”。
2樣本特征
基于收集的數據，對電動兩輪車群體的人口屬性特征和風險行為特征進行了分析。
2.1人口屬性特征
電動載貨三輪車群體的典型特征為男性年輕人占比高，工作量強度高且大多具有豐富的騎行經驗。騎行者中男性比例(90.4%)遠多于女性(9.6%)，而且大多數(70.1%)是2435歲的年輕人。88.2%具有年以上的電動三輪車騎行經驗。騎行者工作強度大，運送包裹100件天以上的多達66.7%，工作時長在小時天以上的占了89.7%，有23%每天工作12個小時以上。
電動載貨三輪車群體的騎行風險要比普通電動兩輪車群體更高，這主要是因為電動載貨三輪車群體中低騎行經驗較少，高工作強度的比例更高。前者的駕齡在年以內的比例是后者的倍，同時前者(23%)每天工作12小時以上的比例多于后者(15%)，前者(36.7%)每天行駛50公里以上的比例也多于后者(30.5%)。過去兩年間的事故數據顯示，電動載貨三輪車更易發生事故。電動載貨三輪車的事故發生率(6.4%)要顯著高于電動兩輪車群體(17.5%)。電動載貨三輪車主要發生的事故類型為財產損失事故和輕微傷害事故，發生率均高于一般電動兩輪車群體。
2.2風險行為特征
并找出了其中的高頻風險行為(使用表中的題目序號表示)。在四類風險行為中，發生頻率最高的行為分別是接近路口或小區門口時不減速、騎車時使用手機、不帶頭盔、緊急情況下保持最高速度騎行以及群體紅燈違規，遠超分類平均值。在這些行為中，由于載貨中頻繁的交流對接，騎車時使用手機會導致騎行者難以發現和處理騎行中的意外事件[2。
群體紅燈違規行為的交通從眾效應可能導致群體風險[2，這種風險的后果將比個體行為的后果更為嚴重。電動載貨三輪車群體的風險行為狀況整體上要優于電動兩輪車群體。電動載貨三輪車群體的風險行為與電動兩輪車群體相對比，前者發生道路行駛失誤類行為和紅燈違規類行為的頻率要低于后者，發生道路行駛錯誤類行為的頻率要高于后者，兩者發生超速違規類的頻率相當。
3風險行為因素模型
通過建立風險行為因素模型來研究個風險因素分別與類風險行為之間的影響關系。考慮模型中的變量較多，選用結構模型的方法研究各變量間的路徑影響關系。
3.1模型原理
結構模型的構建主要包含兩個方面：①確定觀察變量(題目)與潛變量(因素)之間的關系，即建立測量模型;②確定潛變量之間的關系，即建立結構模型[20]。
3.2模型變量設定
根據“個性特質感知態度行為”模型的構成，將焦慮、憤怒、利他、無規范感、工作樂趣設定為模型的自變量，將騎行自信、風險感知、不安全態度、K/L/M/N四類風險行為設定為模型的因變量。
3.3模型的構建與驗證
通過構建測量模型和結構模型，界定并修正各變量及其測量變量的關系、各變量間的路徑關系，使模型盡可能擬合原始數據。在“個性特質態度感知行為”框架基礎上，采用AMOS構建了擬合度良好的因子的道路行駛失誤行為因素模型。
3.4四類風險行為因素模型的路徑結果
兩個因素間的直接路徑連接表示具有直接的影響效應，直接影響效應由路徑上的數字表示。兩個因素間通過兩條或以上的路徑間接連接表示這兩個因素之間具有間接的影響效應，間接影響效應為經過路徑上所有直接效應的乘積。兩個因素間總的影響效應為其直接效應與間接效應之和，記為β。由此分別計算出了各類風險因素對道路行駛失誤、道路行駛錯誤、超速違規、紅燈違規這四類風險行為的總影響效應，結果如表所列。一般來說，小于0.05的影響效應可以忽略不計，大于0.05小于0.1的影響效應是微弱的。
3.5風險行為模型的擴展評價
不同風險行為模型，主要得出的微觀層面的結論。在模型影響效應結果的基礎上，可以將從風險行為整體出發，考慮失誤、錯誤、超速、紅燈等四類風險行為的內部差異。首先，使用熵值法以表影響效應矩陣為決策矩陣，計算各風險因素指標的權重，并最終計算得出不同風險行為的綜合得分。
3.6風險行為模型的討論
3.6.1風險行為因素的影響機制
通過風險模型的路徑結果，風險因素可以直接影響風險行為的發生，或通過多個風險因素的間接傳導影響著風險行為的發生。在四個風險行為的模型中，失誤行為是由憤怒、無規范感的組合驅動，并可由利他性抑制。這體現了失誤行為的一種特點，即其為一種非故意性的不良駕駛習慣。錯誤行為和超速違規行為兩者的影響機制相似，這兩種行為均與無規范感無關，但可以由憤怒情緒驅動并可由利他性抑制。這在一定程度上體現了其故意性和利益驅動性。
另一方面，由兩者影響機制的相似性，如果某些錯誤行為的頻率或嚴重程度上升，也建議將其納入交通法規進行管理。紅燈違規行為，它的特點在于時間的緊迫性。因為騎行者對于送貨完成的時間極為敏感，從而騎行者的焦慮和無規范感會共同的促使紅燈違規的發生。如果騎行者擁有較強的風險感知能力，那么紅燈違規行為會更容易發生，這與一般的直覺相違反。
3.6.2風險行為的異質性
失誤、超速兩類風險行為的綜合風險得分較高，而另兩種風險行為的綜合風險得分較低。這反映了在關注因素框架內，失誤、超速風險模型內的高影響風險因素的異質性較高，而錯誤類行為和紅燈違規類行為的風險因素影響趨同。對不同種類的風險行為的治理過程中，除了采取共性措施外，要考慮對失誤類行為和超速類行為的針對性措施。
4結語
1)設計了符合我國國情的電動載貨三輪車群體的風險行為問卷，調查了906名使用電動載貨三輪車和對照組的280名使用電動兩輪車的快遞員，統計分析了電動載貨三輪車群體的人口屬性特征以及風險行為特征。電動載貨三輪車群體的樣本特征為男性年輕人占比高，工作量強度高且大多具有豐富的騎行經驗。同時，電動載貨三輪車的騎行風險要高于道路交通其他弱勢群體。
2)發現了電動載貨三輪車的高頻風險行為，主要有路口或小區門口時不減速、使用手機、不戴頭盔、緊急情況下超速行駛和群體紅燈違規。建議在地方交通法規中對電動三輪車加以更清晰的界定，并對其出現頻率較高的風險行為加強處理，以降低電動載貨三輪車群體的風險。
3)對四類風險行為及其相關風險因素進行了結構方程建模。根據模型的路徑結果分析了人格因素對四類風險行為的影響機制，驗證了“個性特質態度感知行為”的經典框架在電動載貨三輪車群體中的有效性。電動載貨三輪車騎行者的人格特質廣泛影響著其風險行為的發生。容易憤怒且利他性差的人易發生行駛錯誤和超速違規的行為，容易憤怒、無規范感強且利他性差的人容易發生行駛失誤類風險行為，焦慮程度高、無規范感強的人容易發生紅燈違規類風險行為。安全態度差的人容易發生所有的四類風險行為。
4)熵值法對模型的影響效應結果進行了擴展。計算了各風險因素指標的權重，并從風險行為整體出發進行了風險評價。失誤、錯誤、超速、紅燈四類風險行為的綜合風險得分分別為0.367，0.176，0.321，0.136。
(5)在未來可以考慮對其他道路交通弱勢群體的風險行為及因素展開進一步研究。通過多群體研究的橫向比較以及其他類型的風險因素(如：個人生理因素、道路環境因素等)的研究，為目前風險因素影響理論做進一步更新。
參考文獻
[1]中國工程院,中國交通運輸部.交通強國戰略研究[M].北京:人民交通出版社,2019.ChineseAcademyofEngineering,MinistryofTransportofthePeople'sRepublicofChina.Strategicresearchontransportationpower[M].Beijing:ChinaCommunicationsPress,2019.
[2]嚴新平,吳兵,賀宜,等.我國零死亡愿景交通安全理念[J].交通信息與安全,2019,(1)(37):16.YANX,WUB,HEY,etal.Astudyof"VersionZero"conceptoftransportationsafetyanditsimplementationstrategiesinChina[J].JournalofTransportInformationandSafety,2019,1(37):16.
[3]第一物流研究院.電動三輪車在快遞行業使用情況報告[R].現代物流報Thefirstlogisticsresearchinstitute.Reportontheuseofelectrictricyclesintheexpressdeliveryindustry[R].Modernlogisticsnewspaper.
[4]ZHANGG,YAUKKW,CHENG.RiskfactorsassociatedwithtrafficviolationsandaccidentseverityinChina[J].AccidentAnalysis&Prevention,2013,59:1825.
[5]VLAHOGIANNIEI,YANNISG,GOLIASJC.OverviewofcriticalriskfactorsinPowerTwoWheelersafety[J].AccidentAnalysis&Prevention,2012,49:1222.
[6]JOHNSONP,BROOKSC,SAVAGEH.FatalandSeriousRoadCrashesInvolvingMotorcyclists[].Australia:DepartmentofInfrastructure,Transport,RegionalDevelopmentandLocalGovernment,2008.
作者：賀宜，孫昌鑫1,2，彭建華，吳超仲1,2，江亮，馬明
轉載請注明來自發表學術論文網：http://www.bj-ticket.cn/jjlw/29516.html
