营运非机动车驾驶人违规驾驶心理与行为研究

李泽群

(中国人民公安大学，北京 100038)

0 引言

近年来,经济的快速发展催生了迅速发展的快递外卖行业，但是,部分从业人员忽视交通安全,配送人员普遍发生过各类交通违法行为,从而干扰了交通秩序,甚至导致交通事故[1].快递、外卖行业在我国各大城市的终端配送以电动自行车、电动三轮车为代表的非机动车为主.多种道路违规行为造成电动车事故[2].由于营运性非机动车驾驶人的驾驶行为受到奖惩机制的影响，其违规行为亦有其特殊性.公安部交管局对涉事企业进行了源头管理，亦对驾驶人采取专项行动[1].

目前鲜有研究者对以电动自行车为代表的非机动车驾驶人进行心理与行为研究[3].以电动自行车、电动三轮车为代表的营运性非机动车与各类机动车相比，其行驶的路面交通环境、车辆自身的物理特性以及适用的法律法规都存在较大差异，同时还存在营运问题.为了探究营运性非机动车驾驶人违法违规心理与行为的公共因子，本文设计了包含对交通安全的态度、对风险的感知、驾驶信心、不安全驾驶行为发生频率4个方面的驾驶人行为量表；同时，通过分析驾驶人的人口统计学信息与各类公共因子的相关关系，得出相关结论，为今后相关行业的交通治理提供参考.

1 问卷编制及调研

1.1 问卷编制

有关交通心理与行为的探索性分析方面，Reason教授设计的机动车风险驾驶行为量表(DBQ)[4]是一套可行的、有效的研究体系.本文亦借鉴DBQ的问题设置方法，结合笔者对外卖快递骑手、交通警察的访谈及个人观察经验，并参考电动自行车的相关技术特征、事故特点，编制本文所使用的营运性非机动车驾驶人驾驶心理与行为量表.量表包含了对交通安全的态度(10题)、对风险的感知(10题)、驾驶信心(10题)、不安全驾驶行为发生频率(40题)、交通法规测试(10题)5个构面和人口统计学信息，共6大部分.1)对交通安全的态度：主要包含驾驶人对广义的规则和交通法规的相关态度，探究相关非机动车驾驶人违法违规的主观影响因素[5]；2)对风险的感知：包含各种交通情境下驾驶人对自身驾驶能力的评估判断，用以探究营运性非机动车驾驶人对各类场景下的风险判断情况以及驾驶人风险倾向[6]；3)驾驶信心：用以探究营运性非机动车驾驶人对自身技术能力的信心和判断能力，包括是否过于自信；4)不安全驾驶行为发生频率，列举了非机动车驾驶人常见的40种不安全驾驶行为，小至疏忽大至交通违法，用以统计驾驶人各类不安全驾驶行为频率[7]；5)交通法规测试：参照驾考科目一的题目，以经典4选1单选题的形式，设计10个与非机动车相关的交通法规题目，数据处理时仅统计总得分，统计驾驶人交通法律法规知识掌握情况；6)基本信息：包含性别、年龄、学历、婚姻等人口统计学信息以及从事营运性非机动车驾驶时间、机动车驾驶经验等相关信息.

在量表编制上，对交通安全的态度、对风险的感知、驾驶信心、不安全驾驶行为发生频率4个构面采用经典的李克特量表的形式设置问项，采用5点计分法设置选项，按照整数阶梯形进行计分[8]，人口统计学信息等基本信息变量亦按照定序、定类、定比变量进行取整计分，便于进行数理统计.

1.2 调查

通过对山东省泰安市交警的访谈，结合自身经验，在初步设计问卷之后，选择北京市大兴区进行问卷的预研.首先听取小规模的受试者(40人)对问卷整体的语言、问题简明扼要无歧义程度和对其日常工作的反应程度的意见，并进行针对性的修改.形成问卷定稿后，将预研的数据进行信度检验，所得各预研问卷数据最终通过信度检验(检验方法：克隆巴赫法；所得各预研问卷数据的KMO均大于0.7，显著性小于0.01)，可进行下一步的研究.

笔者最终选择了山东省泰安市、山东省青岛市、北京市大兴区进行了问卷的调研工作.因问卷问题较多、受试者可能对李克特量表形式不熟悉等干扰因素，最终选择进行一对一询问式调查，通过在非配送高峰时段进入外卖员休息点、快递站等营运性非机动车驾驶人聚集地邀请驾驶人填写问卷，并随时答疑，以尽可能提升问卷的精确性.共计收回了243份调查问卷，其中完整有效问卷224份.

样本基本信息分布如表1所示，样本整体差异性分布可接受.

2 问卷数据处理

2.1 问卷信度检验

信度是指问卷的可信程度，克隆巴赫 α信度系数是目前最常用的信度系数，见式(1)[9]：

表1 样本人口统计学信息

(1)

在进行信度计算之前，首先对问卷中各反向计分题目进行分数修正，其中交通安全态度问卷中第5～9题为反向计分题，不安全驾驶行为发生频率中第35题同样进行分数修正.SPSS22.0各分量表信度计算结果见表2，各个量表信度值均达到大于0.7的标准，问卷测试数据结果稳定程度较高，具有较好的可信度.

表2 问卷信度统计

2.2 效度检验

对李克特量表题目进行主成分分析，其中“对交通安全的态度”问卷表3.KMO系数值为0.816大于信度“比较稳定”所需值0.7，且巴特利特检验显著性p<0.01，因此“对交通安全的态度”问卷非常适合进行主成分分析.

据此分析，“对交通安全的态度”量表的碎石图拐点明显(图1).采用最大方差法进行因子旋转，各个指标分别归属于对应维度，为了便于观察，表4中删除了载荷值小于0.5的数值.由表4中可知，问卷第1个维度包含第1、2、7、8、10题，经过对问卷内容的分析，可确定为对规则的态度维度，第2个维度包含第3、4、9题，可归为责任意识维度，第3个维度包含第5、6题，可归为从众心理维度.各题目在对应维度上载荷值高于0.5，在其他维度上载荷值低于0.5，因此判断此问卷聚合效度和区分效度较好.

表3 “对交通安全的态度”量表总方差解释

图1 碎石图示例

采用同样方法对“对驾驶风险的感知”“驾驶信心”“不安全驾驶行为发生频率”进行处理，3组问卷的KMO值分别为0.843、0.878、0.951，均大于0.7，问卷数据结果比较稳定；巴特利特检验显著性P值均小于0.01.3组问卷的检验结果均显示问卷非常适合主成分分析；方差解释率及碎石图结果显示，“对驾驶风险的感知”问卷可提取出2个维度指标，其中第1个维度包括第1～4题，即安全忧虑维度，第2个维度包括第5～10题，即风险敏感程度维度.

表4 旋转后的成分矩阵

“驾驶信心”问卷可同时提取2个维度指标：第1个维度包括第1、3、4、5、9题；第2个维度包括第2、6、7、8、10题，分别表示风险判断、鲁莽倾向得分.

“不安全驾驶行为发生频率”问卷可同时提取4个维度指标：第1个维度包括15个题目，命名为疏忽和失误；第2个维度包括12个题目，命名为违规行为维度；第3个维度包括7个题目，可命名为获取领先维度；其余6个题目为侵略行为维度.

2.3 因子提取总结

依照上述方法进行因子分析，提取4个构面的公因子，结果如表5.

表5 因子分析总览表

续表5

续表5

3 相关分析及差异检验

进一步分析营运性非机动车驾驶人的人口统计学信息在各个不同因子上的差异性，本文选择因子得分法进行差异检验，从而可在差异分析中保留更多信息，因子得分计算如式(2)[3].

F=XA(ATA)-1

(2)

式中：F为因子得分矩阵；X为观测变量矩阵；A为荷载矩阵.

对所收集的原始数据进行因子得分计算，并进行相关性分析，得出表6所示得分矩阵.

表6 驾驶人人口统计学信息在不同公因子上的差异(F)

由表6中数据分析可知，对规则的态度(F=7.70，P<0.01)、风险敏感程度(F=11.25，P<0.01)、获取领先(F=10.40，P<0.01)的因子得分因性别差异非常显著，且女性对规则重视程度高、对交通风险较为敏感、较少发生为“获取领先”的风险驾驶行为.性别对责任意识(F=4.89，P<0.05)、鲁莽倾向(F=3.23，P<0.05)、侵略行为(F=3.33，P<0.05)3个因子得分的影响显著，且女性驾驶人责任意识较强、鲁莽倾向较弱、较少发生侵略性不安全驾驶行为.

年龄对风险敏感程度的得分影响非常显著(F=5.29，P<0.01)且年龄越大对风险越不敏感；此外，年龄对责任意识(F=4.42，P<0.05)、风险判断(F=4.02，P<0.05)、鲁莽倾向(F=3.79，P<0.05)的因子得分影响显著，年龄越高，相应地因子得分分布越趋向于“安全”；从众心理得分中，25岁以下及35岁以上年龄段驾驶人得分最高，其他年龄段驾驶人得分较低.但是，由于营运性非机动车驾驶人群体的特殊性，其年龄分布大多集中于“25岁以下”组别，且35岁以上人数较少(在外卖骑手中情况更显著)，使得年龄的组距较小，极差较小，代表性意义不如“工作时间”明显.

学历差异对违规行为产生了非常显著的影响(F=7.11，P<0.01)，对侵略行为产生显著影响(F=3.34，P<0.05)，较高学历的驾驶人往往发生违规行为，而较低学历的人容易出现侵略性驾驶行为.

婚姻状态对责任意识(F=14.90，P<0.01)、风险判断(F=7.04，P<0.01)的影响非常显著，已婚组的驾驶人在安全责任态度及风险判断能力得分上显著高于未婚组驾驶人.

工作时间差异对风险敏感程度(F=11.66，P<0.01)和风险判断(F=6.79，P<0.01)得分影响非常显著，工作时间越长，对风险敏感程度在降低但风险判断能力在提高.其亦对责任意识(F=3.75，P<0.05)和“获取领先”行为(F=3.81，P<0.05)影响显著，工作时间越长责任意识越高，却越频繁出现“获取领先”的不安全驾驶行为，通过访谈了解到，其矛盾可能与公司的绩效、规章等效率要求有关.

机动车驾驶经验对“获取领先”行为因子得分影响非常显著(F=11.01，P<0.01)，有机动车驾驶经验的人常常会发生为了获取领先的不安全驾驶行为.

另外，在本次针对营运性非机动车驾驶人群体所作的测试中，上述人口统计学变量对从众心理、安全忧虑、“疏忽与失误”行为这3个因子的得分均未体现显著差异，其分布较为均匀.

4 结束语

为探究营运性非机动车驾驶人的违规心理及风险驾驶行为，编制了营运性非机动车驾驶人驾驶心理与行为量表，并进行相关问卷调查.通过对量表获取数据进行因子分析，得出各构面因子构成.对交通安全的态度由对规则的态度、责任意识、从众心理3个因子构成，对风险的感知由安全忧虑、风险敏感程度2个因子构成，驾驶信心由风险判断、鲁莽倾向2个因子构成，不安全驾驶行为发生频率由疏忽与失误、违规行为、获取领先、侵略行为4个因子构成.

通过研究营运性非机动车驾驶人基本信息与公因子之间的关系，得知女性对规则重视程度高、对交通风险较为敏感、较少发生为“获取领先”的风险驾驶行为，且女性驾驶人责任意识较强、鲁莽倾向较弱、较少发生侵略性不安全驾驶行为.年龄与工作时间长短对因子得分影响表现近似，工作时间越长，对风险敏感程度在降低但风险判断能力在提高，且工作时间越长责任意识越高，却越频繁出现“获取领先”的不安全驾驶行为，通过访谈了解到，其矛盾可能与公司的绩效、规章等效率要求有关.较高学历的驾驶人往往发生违规行为，而较低学历的人容易出现侵略性驾驶行为；已婚组的驾驶人在安全责任态度及风险判断能力得分上显著高于未婚组驾驶人；有机动车驾驶经验的人常常发生为了获取领先的不安全驾驶行为.另外，上述人口统计学变量对从众心理、安全忧虑、“疏忽与失误”行为这3个因子的得分均未体现显著差异，其分布较为均匀.

上述相关分析的结论可为公安交管部门实施针对性管理策略提供有益参考.在进行针对此类驾驶人的交通安全宣传时，可根据不同年龄、性别设置针对性内容.例如，对男性驾驶人多宣传鲁莽驾驶的危害、侵略行为“斗气车”可能导致的惨烈后果；对工作年限较长的驾驶人多宣传为了经济利益而“赶时间”，引发事故有多么“得不偿失”；加强对相关涉事企业交通安全知识普及，唤醒企业责任意识，为共同解决营运性非机动车驾驶人违规违法问题而努力.