電動載貨三輪車風(fēng)險行為及影響因素分析

　　摘要：為探究電動載貨三輪車群體風(fēng)險駕駛行為的行為特征及其影響因素，設(shè)計并實施了“個性特質(zhì)態(tài)度感知行為”風(fēng)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(shù)據(jù)采用結(jié)構(gòu)方程模型建立了道路行駛失誤、道路行駛錯誤、超速違規(guī)和紅燈違規(guī)類風(fēng)險行為模型，基于樣本數(shù)據(jù)的信息熵對風(fēng)險因素二次賦權(quán)，分析各因素對電動載貨三輪車騎行風(fēng)險行為的影響機(jī)制。結(jié)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(fā)生行駛錯誤和超速違規(guī)的行為;容易憤怒β=0.275)，無規(guī)范感較強(qiáng)β=0.164)且利他性差β−0.209)者容易發(fā)生行駛失誤類風(fēng)險行為;焦慮程度高β=0.144)且無規(guī)范感強(qiáng)β=0.231)者容易發(fā)生紅燈違規(guī)類風(fēng)險行為;安全態(tài)度差者容易發(fā)生所有風(fēng)險行為。失誤、錯誤、超速、紅燈類風(fēng)險行為的綜合風(fēng)險得分分別為0.367，0.176，0.321，0.136。

　　關(guān)鍵詞：交通運(yùn)輸安全工程;風(fēng)險行為;結(jié)構(gòu)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(yuǎn)高于發(fā)達(dá)國家水平，交通安全形勢嚴(yán)峻。“零死亡”已成為交通發(fā)展的終極目標(biāo)[2]。隨著快遞物流業(yè)的迅猛發(fā)展，電動三輪車群體已經(jīng)成為了道路交通上不容忽視的組成部分。快遞完成最后一公里的配送任務(wù)的運(yùn)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(dāng)前道路交通混行現(xiàn)象仍普遍，交通事故風(fēng)險居高不下。

　　研究表明，駕駛風(fēng)險行為是產(chǎn)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(yùn)輸任務(wù)，在騎行過程中經(jīng)常發(fā)生超速違規(guī)、紅燈違規(guī)、逆行、與機(jī)動車搶道、騎車時使用手機(jī)分心等騎行風(fēng)險行為，交通安全意識淡薄，極易造成交通事故。統(tǒng)計數(shù)據(jù)顯示，道路弱勢群體事故發(fā)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(fēng)險，是降低交通事故的重要方向之一。目前對騎行者風(fēng)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(jié)動力兩輪車(Powertwowheeler,PTW)的重要事故風(fēng)險因素是錯誤和違規(guī)駕駛行為[5]。

　　Johnson和Zambon等發(fā)現(xiàn)摩托車騎行者具有很高的事故風(fēng)險，并且往往造成嚴(yán)重事故[6,7]。江亮等也發(fā)現(xiàn)，駕駛風(fēng)險行為是影響電動兩輪車交通事故的重要參數(shù)[8]。Reason將駕駛風(fēng)險行為分為錯誤行為和違規(guī)行為兩種[9]。Westerman和Haigney將駕駛風(fēng)險行為擴(kuò)展為三種：失誤，錯誤和違規(guī)[10]。Chen在摩托車的風(fēng)險行為調(diào)查問卷中將違規(guī)行為擴(kuò)展為超速和紅燈違規(guī)兩種[11]，Wang等人設(shè)計的電動兩輪車行為問卷將違規(guī)行為擴(kuò)充為超速違規(guī)，紅燈違規(guī)和群體違規(guī)[12]。

　　人因是導(dǎo)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(zhì)態(tài)度感知行為”的經(jīng)典框架[13]，采用駕駛員自我報告(問卷調(diào)查)的方式獲取影響因素數(shù)據(jù)，結(jié)果表明駕駛員的個性特質(zhì)對風(fēng)險行為有顯著影響，如焦慮、憤怒、利他、無規(guī)范感等[11,13]，通過駕駛員的安全態(tài)度和風(fēng)險感知等因素影響風(fēng)險行為的發(fā)生，并在機(jī)動兩輪車，或是青少年、公交車駕駛員等多種不同群體風(fēng)險行為分析中得到了成功應(yīng)用[1416]。

　　此外，有研究通過增加相關(guān)類別的風(fēng)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(dāng)前國內(nèi)外針對電動載貨三輪車風(fēng)險行為研究缺乏。通過設(shè)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(jié)構(gòu)方程的風(fēng)險行為模型，基于樣本數(shù)據(jù)的信息熵對風(fēng)險因素二次賦權(quán)，分析各因素對電動載貨三輪車騎行風(fēng)險行為的影響，都具有重要的現(xiàn)實意義。

　　1樣本調(diào)查

　　1.1參與者

　　為保證數(shù)據(jù)的可靠性和有效性，本研究通過中國快遞協(xié)會進(jìn)行問卷調(diào)查，參與者被告知調(diào)查僅作為研究使用，要求其根據(jù)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(diào)查問卷。調(diào)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(xiàn)特定規(guī)律，答案前后矛盾，沒有使用目標(biāo)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(diào)查方法

　　1.2.1問卷設(shè)計

　　風(fēng)險行為因素問卷主要包括個部分：基本信息和風(fēng)險行為因素量表。具體設(shè)計過程如下：

　　1)文獻(xiàn)綜述與歸納目前對于電動三輪車的風(fēng)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(guī)行為的四分類模式[910]。在此基礎(chǔ)上，查閱了中國道路交通事故統(tǒng)計年報，考慮了其中導(dǎo)致電動三輪車發(fā)生事故的高頻行為。導(dǎo)致風(fēng)險行為的主要因素是駕駛員個人原因。尤其個人特質(zhì)、態(tài)度等心理特質(zhì)，更是其中最內(nèi)在的因素。因此，參考IPIP國際人格特質(zhì)項目以及Ulleberg、Wong等的風(fēng)險感知和風(fēng)險態(tài)度量表[13,1719]，設(shè)計了電動三輪車的風(fēng)險行為因素量表。

　　2)預(yù)調(diào)查調(diào)查問卷發(fā)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(nèi)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(jù)反饋而進(jìn)行了表述的修改。同時，對問卷量表進(jìn)行了信度檢驗，修正了造成量表信度不佳的項目，然后再進(jìn)行正式調(diào)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(fù)測量時所得結(jié)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(shù)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(tǒng)計學(xué)信息及日常交通相關(guān)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(fā)生的事故情況等。

　　1.3.2風(fēng)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(zhì)因素：焦慮、憤怒、利他、無規(guī)范感，反映了駕駛行為的內(nèi)在驅(qū)動的人因;工作樂趣因素表現(xiàn)的是送貨者在工作中進(jìn)行騎行產(chǎn)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(fēng)險感知因素反映的是騎行者對特定風(fēng)險的特征和嚴(yán)重性的判斷能力，不安全態(tài)度因素反映了騎行者對于各類風(fēng)險行為的態(tài)度。

　　道路行駛失誤行為，即在非故意狀態(tài)下導(dǎo)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(guī)行為和紅燈違規(guī)行為，是兩類故意偏離正常安全操作或行為準(zhǔn)則的行為。風(fēng)險行為及因素量表均采用點(diǎn)式李克特量表，用分代表問題的程度、頻率或表述準(zhǔn)確度。“”代表著“程度低”、“次數(shù)少”或“表述不準(zhǔn)確”，“”代表“程度高”、“次數(shù)多”或“表述準(zhǔn)確”。

　　2樣本特征

　　基于收集的數(shù)據(jù)，對電動兩輪車群體的人口屬性特征和風(fēng)險行為特征進(jìn)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(qiáng)度高且大多具有豐富的騎行經(jīng)驗。騎行者中男性比例(90.4%)遠(yuǎn)多于女性(9.6%)，而且大多數(shù)(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(jīng)驗。騎行者工作強(qiáng)度大，運(yùn)送包裹100件天以上的多達(dá)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(fēng)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(jīng)驗較少，高工作強(qiáng)度的比例更高。前者的駕齡在年以內(nèi)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(shù)據(jù)顯示，電動載貨三輪車更易發(fā)生事故。電動載貨三輪車的事故發(fā)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(fā)生的事故類型為財產(chǎn)損失事故和輕微傷害事故，發(fā)生率均高于一般電動兩輪車群體。

　　2.2風(fēng)險行為特征

　　并找出了其中的高頻風(fēng)險行為(使用表中的題目序號表示)。在四類風(fēng)險行為中，發(fā)生頻率最高的行為分別是接近路口或小區(qū)門口時不減速、騎車時使用手機(jī)、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(guī)，遠(yuǎn)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(jī)會導(dǎo)致騎行者難以發(fā)現(xiàn)和處理騎行中的意外事件[2。

　　群體紅燈違規(guī)行為的交通從眾效應(yīng)可能導(dǎo)致群體風(fēng)險[2，這種風(fēng)險的后果將比個體行為的后果更為嚴(yán)重。電動載貨三輪車群體的風(fēng)險行為狀況整體上要優(yōu)于電動兩輪車群體。電動載貨三輪車群體的風(fēng)險行為與電動兩輪車群體相對比，前者發(fā)生道路行駛失誤類行為和紅燈違規(guī)類行為的頻率要低于后者，發(fā)生道路行駛錯誤類行為的頻率要高于后者，兩者發(fā)生超速違規(guī)類的頻率相當(dāng)。

　　3風(fēng)險行為因素模型

　　通過建立風(fēng)險行為因素模型來研究個風(fēng)險因素分別與類風(fēng)險行為之間的影響關(guān)系。考慮模型中的變量較多，選用結(jié)構(gòu)模型的方法研究各變量間的路徑影響關(guān)系。

　　3.1模型原理

　　結(jié)構(gòu)模型的構(gòu)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(guān)系，即建立測量模型;②確定潛變量之間的關(guān)系，即建立結(jié)構(gòu)模型[20]。

　　3.2模型變量設(shè)定

　　根據(jù)“個性特質(zhì)感知態(tài)度行為”模型的構(gòu)成，將焦慮、憤怒、利他、無規(guī)范感、工作樂趣設(shè)定為模型的自變量，將騎行自信、風(fēng)險感知、不安全態(tài)度、K/L/M/N四類風(fēng)險行為設(shè)定為模型的因變量。

　　3.3模型的構(gòu)建與驗證

　　通過構(gòu)建測量模型和結(jié)構(gòu)模型，界定并修正各變量及其測量變量的關(guān)系、各變量間的路徑關(guān)系，使模型盡可能擬合原始數(shù)據(jù)。在“個性特質(zhì)態(tài)度感知行為”框架基礎(chǔ)上，采用AMOS構(gòu)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(fēng)險行為因素模型的路徑結(jié)果

　　兩個因素間的直接路徑連接表示具有直接的影響效應(yīng)，直接影響效應(yīng)由路徑上的數(shù)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(yīng)，間接影響效應(yīng)為經(jīng)過路徑上所有直接效應(yīng)的乘積。兩個因素間總的影響效應(yīng)為其直接效應(yīng)與間接效應(yīng)之和，記為β。由此分別計算出了各類風(fēng)險因素對道路行駛失誤、道路行駛錯誤、超速違規(guī)、紅燈違規(guī)這四類風(fēng)險行為的總影響效應(yīng)，結(jié)果如表所列。一般來說，小于0.05的影響效應(yīng)可以忽略不計，大于0.05小于0.1的影響效應(yīng)是微弱的。

　　3.5風(fēng)險行為模型的擴(kuò)展評價

　　不同風(fēng)險行為模型，主要得出的微觀層面的結(jié)論。在模型影響效應(yīng)結(jié)果的基礎(chǔ)上，可以將從風(fēng)險行為整體出發(fā)，考慮失誤、錯誤、超速、紅燈等四類風(fēng)險行為的內(nèi)部差異。首先，使用熵值法以表影響效應(yīng)矩陣為決策矩陣，計算各風(fēng)險因素指標(biāo)的權(quán)重，并最終計算得出不同風(fēng)險行為的綜合得分。

　　3.6風(fēng)險行為模型的討論

　　3.6.1風(fēng)險行為因素的影響機(jī)制

　　通過風(fēng)險模型的路徑結(jié)果，風(fēng)險因素可以直接影響風(fēng)險行為的發(fā)生，或通過多個風(fēng)險因素的間接傳導(dǎo)影響著風(fēng)險行為的發(fā)生。在四個風(fēng)險行為的模型中，失誤行為是由憤怒、無規(guī)范感的組合驅(qū)動，并可由利他性抑制。這體現(xiàn)了失誤行為的一種特點(diǎn)，即其為一種非故意性的不良駕駛習(xí)慣。錯誤行為和超速違規(guī)行為兩者的影響機(jī)制相似，這兩種行為均與無規(guī)范感無關(guān)，但可以由憤怒情緒驅(qū)動并可由利他性抑制。這在一定程度上體現(xiàn)了其故意性和利益驅(qū)動性。

　　另一方面，由兩者影響機(jī)制的相似性，如果某些錯誤行為的頻率或嚴(yán)重程度上升，也建議將其納入交通法規(guī)進(jìn)行管理。紅燈違規(guī)行為，它的特點(diǎn)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(guī)范感會共同的促使紅燈違規(guī)的發(fā)生。如果騎行者擁有較強(qiáng)的風(fēng)險感知能力，那么紅燈違規(guī)行為會更容易發(fā)生，這與一般的直覺相違反。

　　3.6.2風(fēng)險行為的異質(zhì)性

　　失誤、超速兩類風(fēng)險行為的綜合風(fēng)險得分較高，而另兩種風(fēng)險行為的綜合風(fēng)險得分較低。這反映了在關(guān)注因素框架內(nèi)，失誤、超速風(fēng)險模型內(nèi)的高影響風(fēng)險因素的異質(zhì)性較高，而錯誤類行為和紅燈違規(guī)類行為的風(fēng)險因素影響趨同。對不同種類的風(fēng)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(jié)語

　　1)設(shè)計了符合我國國情的電動載貨三輪車群體的風(fēng)險行為問卷，調(diào)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(tǒng)計分析了電動載貨三輪車群體的人口屬性特征以及風(fēng)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(qiáng)度高且大多具有豐富的騎行經(jīng)驗。同時，電動載貨三輪車的騎行風(fēng)險要高于道路交通其他弱勢群體。

　　2)發(fā)現(xiàn)了電動載貨三輪車的高頻風(fēng)險行為，主要有路口或小區(qū)門口時不減速、使用手機(jī)、不戴頭盔、緊急情況下超速行駛和群體紅燈違規(guī)。建議在地方交通法規(guī)中對電動三輪車加以更清晰的界定，并對其出現(xiàn)頻率較高的風(fēng)險行為加強(qiáng)處理，以降低電動載貨三輪車群體的風(fēng)險。

　　3)對四類風(fēng)險行為及其相關(guān)風(fēng)險因素進(jìn)行了結(jié)構(gòu)方程建模。根據(jù)模型的路徑結(jié)果分析了人格因素對四類風(fēng)險行為的影響機(jī)制，驗證了“個性特質(zhì)態(tài)度感知行為”的經(jīng)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(zhì)廣泛影響著其風(fēng)險行為的發(fā)生。容易憤怒且利他性差的人易發(fā)生行駛錯誤和超速違規(guī)的行為，容易憤怒、無規(guī)范感強(qiáng)且利他性差的人容易發(fā)生行駛失誤類風(fēng)險行為，焦慮程度高、無規(guī)范感強(qiáng)的人容易發(fā)生紅燈違規(guī)類風(fēng)險行為。安全態(tài)度差的人容易發(fā)生所有的四類風(fēng)險行為。

　　4)熵值法對模型的影響效應(yīng)結(jié)果進(jìn)行了擴(kuò)展。計算了各風(fēng)險因素指標(biāo)的權(quán)重，并從風(fēng)險行為整體出發(fā)進(jìn)行了風(fēng)險評價。失誤、錯誤、超速、紅燈四類風(fēng)險行為的綜合風(fēng)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(fēng)險行為及因素展開進(jìn)一步研究。通過多群體研究的橫向比較以及其他類型的風(fēng)險因素(如：個人生理因素、道路環(huán)境因素等)的研究，為目前風(fēng)險因素影響理論做進(jìn)一步更新。

　　參考文獻(xiàn)

　　[1]中國工程院,中國交通運(yùn)輸部.交通強(qiáng)國戰(zhàn)略研究[M].北京:人民交通出版社,2019.ChineseAcademyofEngineering,MinistryofTransportofthePeople'sRepublicofChina.Strategicresearchontransportationpower[M].Beijing:ChinaCommunicationsPress,2019.

　　[2]嚴(yán)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(yè)使用情況報告[R].現(xiàn)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(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http://www.zpfmc.com/jjlw/29516.html