驾驶员异常驾驶行为与人格类型调查研究

范双双 张梦洁 漆书林

(西南交通大学交通运输与物流学院 成都 611756)

0 引 言

随着我国机动车保有量的上升，有机动车参与的交通事故数也在增加，道路交通安全近年来备受关注，我国的道路交通安全有3大特征：事故总量大、恶性事故多发、死亡率高。

据我国的疾病预防控制中心监测的数据显示，在所有的伤害死因中，道路交通事故的伤害成为了我国人群的第一位伤害的死因。在诱发交通事故的所有因素中，机动车驾驶员是最重要的影响因子，80%以上的交通事故产生的直接原因是汽车驾驶员。

交通事故的类型不同，导致其发生的原因也不一致，可对交通事故致因进行分类。西南交通大学的毛敏等[1]认为交通事故的致因有2种，即显性故障与隐形故障。显性故障，是因道路使用者的违章或失误冲破了最后一道保护装置，是导致事故发生的直接原因。隐性故障，会使道路交通系统中事故发生的可能性增大，增加交通系统的危险性。

国外针对事故的研究较早也较多，将交通事故分为了事故前、事故中、事故后3个阶段的事故模型。美国的研究者威廉哈顿用矩阵的形式来表示人、车、路这3者在交通事故中的相关性，见表1。

表1 哈顿矩阵

张丽霞等[2]利用SPSS软件与相关性分析法，研究指出对道路交通事故影响最大的4个因素为：酒后驾驶、疲劳驾驶、超速驾驶与不按规定让车。陶达等[3]为研究性别、年龄和人格特质对风险驾驶行为的影响程度，通过问卷调查与方差分析得出性别与年龄的影响不大，不同人格类型与风险驾驶行为呈正相关或负相关，均为显著性。张华[4]分析心理特征因素对驾驶员的影响,建立汽车驾驶员安全评价模型。 郭雪斌等[5]对驾驶员的心理生理与行车安全的研究，说明了驾驶者的心理与生理反应特性与之产生的原因，以及与行车安全有着密不可分的关系，不良的心理与生理反应对行车安全有不良的影响。郑新夷等[6]通过软件元，从交通心理层面分析出了我国影响驾驶员安全驾车的几大主要因素分别为：风险态度、攻击性、情绪、焦虑、感觉寻求；刘志强等[7]利用因子分析法(FA)给出攻击性指标的主因子的权重，再结合层次分析法(AHP)建立攻击性驾驶行为的评价系统。

随着科技与移动智能手机的发展，越来越多的驾驶员在驾驶过程会使用手机，导致注意力分散，影响驾驶绩效与适应性。王颖[8]运用实际测试与仿真2种方式进行实验，探索驾驶员在开车时使用手机的车速与反应时间等。David L. Strayer等[9]对手机在不同使用方式下进行研究，表明在驾驶时对手机采取声控能有效降低对安全驾驶的影响。咸化彩[10]综合考虑了各种次任务的影响，深入研究次任务驾驶安全性评价指标及评价模型。

在人车路的环境中，驾驶员是导致交通事故最重要的因素，为增强交通事故的可控性与交通安全性，分析和研究驾驶员的驾驶行为是有必要的。在以往的研究中，主要只单纯的对驾驶员的驾驶行为进行分析研究，忽略了驾驶员作为个体的人格对驾驶行为的影响，因此，须探讨驾驶员的人格类型，以及在驾驶过程中可能出现的异常驾驶行为，判断对造成道路交通事故的可能性大小。

1 异常驾驶行为

异常驾驶行为就是指与正常合理的驾驶行为有所偏离的行为[11]，异常驾驶行为来源于驾驶行为问卷(driver behavior questionnaire，DBQ)中驾驶员对自我的评估。DBQ最初有错误和违规2个因素，到如今有4个或者5个，甚至更多的因素出现，其中被使用较多的因子为错误、一般性违规、注意力流失、侵略性违规[12-13]。T. Lajunen等[14]研究表明驾驶行为4因子结构(错误、注意力流失、一般性违规、侵略性违规)在英国、芬兰和荷兰具有相当好的一致性。次任务是导致驾驶员分心的最主要原因之一，笔者将原有的注意力流失分拆分为注意力流失与次任务，在原有的错误、注意力流失与违规上增加次任务因子[15-16]，构成异常驾驶行为的四因子，在R. Lawton等[17]的DBQ基础上去掉部分注意力流失题目，加入次任务题目，构成新的驾驶行为问卷。在接下来的分析中，将重点分析人格类型与次任务的关系。

驾驶中的错误是指观察和判断的失误，以及驾驶行为差错。驾驶行为差错主要有操作差错，技术差错，以及着装不符合要求等，会引起汽车运行过程的非正常现象，甚至会使交通事故发生[16]。

注意力流失指的是由于注意力或者记忆力的暂时缺失或失效，而出现影响正常驾驶的问题。

违规是指有意地做出偏离安全行驶的行为，则违规是明显属于异常驾驶行为的范畴。违规可分为一般性违规与攻击性违规。

驾驶次任务也可称为次要任务、第二任务或者二级任务，次任务对于驾驶员的干扰是综合性的，有视觉上的干扰，注意力上的干扰，心理上的干扰。

问卷中异常驾驶行为共有24项，见表2，采用李克特5点量法，24个题目均对应相同的一组陈述，根据调查内容与数据处理，将这一组陈述定义为“非常频繁” “经常” “偶尔” “基本不” “绝不”5种答案表示事物发生的频率程度，见表3，调查对象的总分越低，表明该驾驶员的安全驾驶意识越低，更易诱发交通事故。

表2 异常驾驶行为因子Tab.2 Factors of abnormal driving behavior

表3 李克特5点量表Tab.3 Likert five-point scale

2 试调查检验

依据相关的问卷调查样本量的确定，题项数量与问卷样本量之比为1∶8左右，试调查样本量是正式调查的16%，则正式调查样本量应不低于192，试调查样本量应不低于31。

试调查与正式调查的问卷发放与完成均采用网络匿名的形式。试调查目的在于检验修改过的DBQ是否符合研究目的，在试调查中共收集了85份问卷，有效问卷为60份，满足不低于31份的要求，有效率为70.6%，有效男女比为2:1。对异常驾驶行为的24个问项综合进行信度检验；其次对异常驾驶行为的4个因子进行了效度分析。试调查与正式调查的数据分析均利用SPSS统计软件。

1) 信度分析。进行问卷测验的信度分析，采用Cronbach′sα系数，检验结果如表4所示，Cronbach′sα系数均在0.7以上，满足信度系数要求，则问项可靠。

表4 信度检验结果Tab.4 The result of reliability test

2) 效度分析。效度检验采用KMO(kaiser meyer olkin)值，KMO的取值范围在0～1之间。效度分析结果如表5所示，除注意力流失因子，其他因子KMO值均高于0.6，则效度可以接受。注意力分散因子的KMO值为0.5，理论上效度不佳，由于注意力因子的问项数目只有2个，效度系数值得要求可以下调，所以保留注意力分散因子的两个问项继续使用。

表5 效度检验结果Tab.5 The result of validity test

3 调查结果分析

非职业驾驶员驾驶特性调查问卷总共回收了274份，有效问卷为232份，有效率为84.7%，其中18～30岁的有效参与者占49.57%，31～55岁占46.55%，56～70岁占3.88%，本次调查相对缺乏对老龄驾驶员的研究；有效男性占54.31%，女性占45.69%，男女比例接近1∶1。

针对于女性驾驶员者的特点，本文提出“穿高跟鞋驾驶”对驾驶行为的影响，调查结果分析可得，在女性被调查者中有24.53%会出现穿高跟鞋驾驶车辆的行为，其中19.23%的女性的异常驾驶行为分值不低于70。所以由本次研究的分析可知，“穿高跟鞋驾驶”的女性驾驶员易出现异常驾驶行为，对安全驾驶意识较低。

3.1 异常驾驶行为4因子分析

1) 4因子间的相关性。如表6所示，异常驾驶行为4个因子两两之间都具有相关关系，且相关性显著，其中相关性最强的是错误与违规，因错误超过一定程度范围容易出现违规的现象。

表6 4因子相关关系Tab.6 the correlation of the four factors

注：“**”表示显著相关。

2) 异常驾驶行为回归分析

由于异常驾驶行为有4个因子，则有4个自变量，则采用多元线性回归的方法，其数学模型如下

y=b0+b1x1+b2x2+…+bnxn+ε

(1)

E(ε)=0

(2)

(3)

式中：y为异常驾驶行为即使b为变量系数；x为变量取值；ε是随机变量，且与x不相关。表7为模型拟合度检验。

表7 模型拟合度检验Tab.7 Test of model fit

注:a.预测值：(常量)，次任务，注意力流失，违规，错误

由表7可见，调整后的决定系数(adjustedR2square)R2为0.958，则模型可以反映真实调查数据的95.8%；同时DW(Durbin-Watson)为1.787，可接受该模型。表8为异常驾驶行为回归分析结果。

表8中的显著性(Sig)水平均为0，则错误、注意力流失、违规和次任务都会对异常驾驶行为有显著性影响；VIF均小于5，则4个因子不存在共线性。由非标准化的回归系数可得，模型拟合结果为

y1=-0.812x1-0.14x2-0.963x3+135.76

(4)

表8 异常驾驶行为回归分析结果Tab.8 The result of abnormal driving behavior regression analysis

式中：x1为错误分值；x2为注意力流失分值；x3为违规分值；x4为次任务分值。

3.2 人格类型分析

采用的是菲尔人格测试是量表的测试类型，结果见表9。

表9 被调查者人格类型统计Tab.9 Personality type statistics of surveyed

从统计的结果来看，绝大多数被调查者属于“人格4，平衡的中道者”，这一类人注重实际、充满活力。其次，大多数为“人格3，以牙还牙的自我保护者”，这一类人注重效率。有少部分人是“人格5，吸引人的冒险家”，这一类人的思维敏捷，反应迅速。只有极少数人是“人格2缺乏信心的挑战4者”。在人格为“以牙还牙的自我保护者”的77位调查对象中有21位的异常驾驶行为在70分以下，比例为27.3%；人格为“平衡的中道者”的144位调查对象中有31位的异常驾驶行为在70分以下，比例为21.5%。异常驾驶行为的分值域为23分至120分，分数越低就表明驾驶的安全意识越低，出现异常驾驶行为越频繁。

将菲尔人格类型分布较多的人格3和人格4，分别与次任务联系分析可知，将李克特量表的均值小于等于3(即出现次任务的频率较高)的问卷进行统计，人格3中有32.47%的被调查者容易出现次任务的异常驾驶行为；人格4中有18.75%的被调查者易出现次任务的异常驾驶行为。

3.3 结果分析

异常驾驶行为与人格类型作为自变量，是否发生事故作为因变量，利用线性回归模型探讨异常驾驶行为与人格类型对事故发生情况的影响程度。如表10可知，调整后的R2在0.6以上，DW系数在数字2左右，则该模型可以被接受。

表10 模型拟合度检验Tab.10 Test of model fit

注：a预测值：(常量)，异常驾驶行为，人格类型

由表11知，Sig均小于0.05，异常驾驶行为和人格类型对交通事故有显著的影响；VIF都小于5，2个自变量之间不具有共线性。则由非标准化的回归系数，该回归模型的拟合结果为

y2=0.063x11-0.072x22+0.974

(5)

式中：y2为是否发生事故的可能性大小；x11为1个调查对象的菲尔人格得分；x22是1个调查对象的异常驾驶行为得分。

图1为发生交通事故回归图。

图1 发生交通事故回归图Fig.1 Picture of traffic accidents′ regression

模型非标准化系数B标准误差标准化系数BetaT显著性(Sig)共线性统计容量VIF2 (常量)0.9740.2344.1610人格类型0.0630.0040.0801.2790.020.9981.002异常驾驶行为0.0720.0010.3134.99900.9981.002

4 结束语

采用DBQ的方式进行数据收集，通过模型建立与结果分析，主要研究结果有：①将次任务从原有的注意力流失中细化出来，得出次任务、注意力流失、错误和违规两两之间具有相关性；② “穿高跟鞋驾驶”的女性驾驶员易出现异常驾驶行为；③本研究探索人格类型对于驾驶行为的影响，注重效率的这一类人更容易出现异常驾驶行为；④笔者将细化出的次任务出现的频率与菲尔人格类型结合起来，人格3(以牙还牙的自我保护者)中有近1/3驾驶员易出现次任务的异常驾驶行为，人格4(平衡的中道者)中近1/4的驾驶员易出现次任务的异常驾驶行为。

本次调查研究中缺乏年纪稍大的驾驶员，人格类型分布也较为集中，在下一步的研究中须更加注意被调查者的年龄分布情况，以及年龄差异对异常驾驶行为的影响程度。