电动载货三轮车风险行为及影响因素分析

　　摘要：为探究电动载货三轮车群体风险驾驶行为的行为特征及其影响因素，设计并实施了“个性特质态度感知行为”风险行为影响因素问卷量表，分析了906名电动载货三轮车骑行者和280名对照组数据采用结构方程模型建立了道路行驶失误、道路行驶错误、超速违规和红灯违规类风险行为模型，基于样本数据的信息熵对风险因素二次赋权，分析各因素对电动载货三轮车骑行风险行为的影响机制。结果表明，容易愤怒β=0.332,0.309)且利他性差β−0.215,−0.156)者易发生行驶错误和超速违规的行为;容易愤怒β=0.275)，无规范感较强β=0.164)且利他性差β−0.209)者容易发生行驶失误类风险行为;焦虑程度高β=0.144)且无规范感强β=0.231)者容易发生红灯违规类风险行为;安全态度差者容易发生所有风险行为。失误、错误、超速、红灯类风险行为的综合风险得分分别为0.367，0.176，0.321，0.136。

　　关键词：交通运输安全工程;风险行为;结构方程模型;电动载货三轮车;致因分析

　　引言

　　2018年，我国道路交通事故万车死亡率为1.93[1]，远高于发达国家水平，交通安全形势严峻。“零死亡”已成为交通发展的终极目标[2]。随着快递物流业的迅猛发展，电动三轮车群体已经成为了道路交通上不容忽视的组成部分。快递完成最后一公里的配送任务的运输工具中90%以上选用电动三轮车。至2020年底，电动三轮车的市场保有量攀升至1.02亿辆[3]。当前道路交通混行现象仍普遍，交通事故风险居高不下。

　　研究表明，驾驶风险行为是产生交通事故的重要原因之一[4]。电动载货三轮车骑行者，在时间约束条件下为了完成运输任务，在骑行过程中经常发生超速违规、红灯违规、逆行、与机动车抢道、骑车时使用手机分心等骑行风险行为，交通安全意识淡薄，极易造成交通事故。统计数据显示，道路弱势群体事故发生率占总交通事故以上。

　　因此，研究降低电动三轮车等道路弱势群体的交通事故风险，是降低交通事故的重要方向之一。目前对骑行者风险行为的研究与建模主要针对摩托车、电动两轮车。Vlahogiann等总结动力两轮车(Powertwowheeler,PTW)的重要事故风险因素是错误和违规驾驶行为[5]。

　　Johnson和Zambon等发现摩托车骑行者具有很高的事故风险，并且往往造成严重事故[6,7]。江亮等也发现，驾驶风险行为是影响电动两轮车交通事故的重要参数[8]。Reason将驾驶风险行为分为错误行为和违规行为两种[9]。Westerman和Haigney将驾驶风险行为扩展为三种：失误，错误和违规[10]。Chen在摩托车的风险行为调查问卷中将违规行为扩展为超速和红灯违规两种[11]，Wang等人设计的电动两轮车行为问卷将违规行为扩充为超速违规，红灯违规和群体违规[12]。

　　人因是导致交通事故的最重要因素。Ulleberg在研究汽车驾驶员时提出了“个性特质态度感知行为”的经典框架[13]，采用驾驶员自我报告(问卷调查)的方式获取影响因素数据，结果表明驾驶员的个性特质对风险行为有显著影响，如焦虑、愤怒、利他、无规范感等[11,13]，通过驾驶员的安全态度和风险感知等因素影响风险行为的发生，并在机动两轮车，或是青少年、公交车驾驶员等多种不同群体风险行为分析中得到了成功应用[1416]。

　　此外，有研究通过增加相关类别的风险因素来验证影响因素的作用，如驾驶自信、骑行乐趣等[17]。当前国内外针对电动载货三轮车风险行为研究缺乏。通过设计实施符合我国国情的电动载货三轮车骑行特征问卷量表，建立基于结构方程的风险行为模型，基于样本数据的信息熵对风险因素二次赋权，分析各因素对电动载货三轮车骑行风险行为的影响，都具有重要的现实意义。

　　1样本调查

　　1.1参与者

　　为保证数据的可靠性和有效性，本研究通过中国快递协会进行问卷调查，参与者被告知调查仅作为研究使用，要求其根据自身的真实情况填写，所有参与者均采取自愿和不记名的形式完成调查问卷。调查共回收问卷1567份，在筛除不符合要求的问卷(如：答案不完整，所有条目均选择相同答案，答案整体分布呈现特定规律，答案前后矛盾，没有使用目标交通工具等)后，保留了使用电动三轮车的有效样本906份以及使用电动两轮车的对照样本280份。

　　1.2调查方法

　　1.2.1问卷设计

　　风险行为因素问卷主要包括个部分：基本信息和风险行为因素量表。具体设计过程如下：

　　1)文献综述与归纳目前对于电动三轮车的风险行为分类可以参考其他道路弱势群体的错误行为和违规行为的四分类模式[910]。在此基础上，查阅了中国道路交通事故统计年报，考虑了其中导致电动三轮车发生事故的高频行为。导致风险行为的主要因素是驾驶员个人原因。尤其个人特质、态度等心理特质，更是其中最内在的因素。因此，参考IPIP国际人格特质项目以及Ulleberg、Wong等的风险感知和风险态度量表[13,1719]，设计了电动三轮车的风险行为因素量表。

　　2)预调查调查问卷发放给了武汉市天天快递公司的218名快递员，观测他们对问卷内容和回答方式的理解程度。考虑参与者的文化程度差异性，对于部分难以理解的问题根据反馈而进行了表述的修改。同时，对问卷量表进行了信度检验，修正了造成量表信度不佳的项目，然后再进行正式调查。

　　1.2.2问卷信度检验

　　信度检验即问卷的可靠性检验，指采用同样的方法对同一对象重复测量时所得结果的一致性程度，也就是反映实际情况的程度。一般克隆巴赫α系数大于0.7即表明问卷的信度是足够的。

　　1.3量表

　　1.3.1基本信息

　　问卷基本信息主要为了解受访者的人口统计学信息及日常交通相关信息，如性别、年龄、月收入、驾龄、日均行驶距离、工作时长以及过去两年是否发生的事故情况等。

　　1.3.2风险行为因素量表

　　问卷包括个因素量表和类行为量表。个人格特质因素：焦虑、愤怒、利他、无规范感，反映了驾驶行为的内在驱动的人因;工作乐趣因素表现的是送货者在工作中进行骑行产生的乐趣感;骑行自信因素反映了骑行者对骑行过程的心理掌握程度;风险感知因素反映的是骑行者对特定风险的特征和严重性的判断能力，不安全态度因素反映了骑行者对于各类风险行为的态度。

　　道路行驶失误行为，即在非故意状态下导致的偏离行为;道路行为错误行为，即为了获取交通利益而故意地做出的偏离行为;超速违规行为和红灯违规行为，是两类故意偏离正常安全操作或行为准则的行为。风险行为及因素量表均采用点式李克特量表，用分代表问题的程度、频率或表述准确度。“”代表着“程度低”、“次数少”或“表述不准确”，“”代表“程度高”、“次数多”或“表述准确”。

　　2样本特征

　　基于收集的数据，对电动两轮车群体的人口属性特征和风险行为特征进行了分析。

　　2.1人口属性特征

　　电动载货三轮车群体的典型特征为男性年轻人占比高，工作量强度高且大多具有丰富的骑行经验。骑行者中男性比例(90.4%)远多于女性(9.6%)，而且大多数(70.1%)是2435岁的年轻人。88.2%具有年以上的电动三轮车骑行经验。骑行者工作强度大，运送包裹100件天以上的多达66.7%，工作时长在小时天以上的占了89.7%，有23%每天工作12个小时以上。

　　电动载货三轮车群体的骑行风险要比普通电动两轮车群体更高，这主要是因为电动载货三轮车群体中低骑行经验较少，高工作强度的比例更高。前者的驾龄在年以内的比例是后者的倍，同时前者(23%)每天工作12小时以上的比例多于后者(15%)，前者(36.7%)每天行驶50公里以上的比例也多于后者(30.5%)。过去两年间的事故数据显示，电动载货三轮车更易发生事故。电动载货三轮车的事故发生率(6.4%)要显著高于电动两轮车群体(17.5%)。电动载货三轮车主要发生的事故类型为财产损失事故和轻微伤害事故，发生率均高于一般电动两轮车群体。

　　2.2风险行为特征

　　并找出了其中的高频风险行为(使用表中的题目序号表示)。在四类风险行为中，发生频率最高的行为分别是接近路口或小区门口时不减速、骑车时使用手机、不带头盔、紧急情况下保持最高速度骑行以及群体红灯违规，远超分类平均值。在这些行为中，由于载货中频繁的交流对接，骑车时使用手机会导致骑行者难以发现和处理骑行中的意外事件[2。

　　群体红灯违规行为的交通从众效应可能导致群体风险[2，这种风险的后果将比个体行为的后果更为严重。电动载货三轮车群体的风险行为状况整体上要优于电动两轮车群体。电动载货三轮车群体的风险行为与电动两轮车群体相对比，前者发生道路行驶失误类行为和红灯违规类行为的频率要低于后者，发生道路行驶错误类行为的频率要高于后者，两者发生超速违规类的频率相当。

　　3风险行为因素模型

　　通过建立风险行为因素模型来研究个风险因素分别与类风险行为之间的影响关系。考虑模型中的变量较多，选用结构模型的方法研究各变量间的路径影响关系。

　　3.1模型原理

　　结构模型的构建主要包含两个方面：①确定观察变量(题目)与潜变量(因素)之间的关系，即建立测量模型;②确定潜变量之间的关系，即建立结构模型[20]。

　　3.2模型变量设定

　　根据“个性特质感知态度行为”模型的构成，将焦虑、愤怒、利他、无规范感、工作乐趣设定为模型的自变量，将骑行自信、风险感知、不安全态度、K/L/M/N四类风险行为设定为模型的因变量。

　　3.3模型的构建与验证

　　通过构建测量模型和结构模型，界定并修正各变量及其测量变量的关系、各变量间的路径关系，使模型尽可能拟合原始数据。在“个性特质态度感知行为”框架基础上，采用AMOS构建了拟合度良好的因子的道路行驶失误行为因素模型。

　　3.4四类风险行为因素模型的路径结果

　　两个因素间的直接路径连接表示具有直接的影响效应，直接影响效应由路径上的数字表示。两个因素间通过两条或以上的路径间接连接表示这两个因素之间具有间接的影响效应，间接影响效应为经过路径上所有直接效应的乘积。两个因素间总的影响效应为其直接效应与间接效应之和，记为β。由此分别计算出了各类风险因素对道路行驶失误、道路行驶错误、超速违规、红灯违规这四类风险行为的总影响效应，结果如表所列。一般来说，小于0.05的影响效应可以忽略不计，大于0.05小于0.1的影响效应是微弱的。

　　3.5风险行为模型的扩展评价

　　不同风险行为模型，主要得出的微观层面的结论。在模型影响效应结果的基础上，可以将从风险行为整体出发，考虑失误、错误、超速、红灯等四类风险行为的内部差异。首先，使用熵值法以表影响效应矩阵为决策矩阵，计算各风险因素指标的权重，并最终计算得出不同风险行为的综合得分。

　　3.6风险行为模型的讨论

　　3.6.1风险行为因素的影响机制

　　通过风险模型的路径结果，风险因素可以直接影响风险行为的发生，或通过多个风险因素的间接传导影响着风险行为的发生。在四个风险行为的模型中，失误行为是由愤怒、无规范感的组合驱动，并可由利他性抑制。这体现了失误行为的一种特点，即其为一种非故意性的不良驾驶习惯。错误行为和超速违规行为两者的影响机制相似，这两种行为均与无规范感无关，但可以由愤怒情绪驱动并可由利他性抑制。这在一定程度上体现了其故意性和利益驱动性。

　　另一方面，由两者影响机制的相似性，如果某些错误行为的频率或严重程度上升，也建议将其纳入交通法规进行管理。红灯违规行为，它的特点在于时间的紧迫性。因为骑行者对于送货完成的时间极为敏感，从而骑行者的焦虑和无规范感会共同的促使红灯违规的发生。如果骑行者拥有较强的风险感知能力，那么红灯违规行为会更容易发生，这与一般的直觉相违反。

　　3.6.2风险行为的异质性

　　失误、超速两类风险行为的综合风险得分较高，而另两种风险行为的综合风险得分较低。这反映了在关注因素框架内，失误、超速风险模型内的高影响风险因素的异质性较高，而错误类行为和红灯违规类行为的风险因素影响趋同。对不同种类的风险行为的治理过程中，除了采取共性措施外，要考虑对失误类行为和超速类行为的针对性措施。

　　4结语

　　1)设计了符合我国国情的电动载货三轮车群体的风险行为问卷，调查了906名使用电动载货三轮车和对照组的280名使用电动两轮车的快递员，统计分析了电动载货三轮车群体的人口属性特征以及风险行为特征。电动载货三轮车群体的样本特征为男性年轻人占比高，工作量强度高且大多具有丰富的骑行经验。同时，电动载货三轮车的骑行风险要高于道路交通其他弱势群体。

　　2)发现了电动载货三轮车的高频风险行为，主要有路口或小区门口时不减速、使用手机、不戴头盔、紧急情况下超速行驶和群体红灯违规。建议在地方交通法规中对电动三轮车加以更清晰的界定，并对其出现频率较高的风险行为加强处理，以降低电动载货三轮车群体的风险。

　　3)对四类风险行为及其相关风险因素进行了结构方程建模。根据模型的路径结果分析了人格因素对四类风险行为的影响机制，验证了“个性特质态度感知行为”的经典框架在电动载货三轮车群体中的有效性。电动载货三轮车骑行者的人格特质广泛影响着其风险行为的发生。容易愤怒且利他性差的人易发生行驶错误和超速违规的行为，容易愤怒、无规范感强且利他性差的人容易发生行驶失误类风险行为，焦虑程度高、无规范感强的人容易发生红灯违规类风险行为。安全态度差的人容易发生所有的四类风险行为。

　　4)熵值法对模型的影响效应结果进行了扩展。计算了各风险因素指标的权重，并从风险行为整体出发进行了风险评价。失误、错误、超速、红灯四类风险行为的综合风险得分分别为0.367，0.176，0.321，0.136。

　　(5)在未来可以考虑对其他道路交通弱势群体的风险行为及因素展开进一步研究。通过多群体研究的横向比较以及其他类型的风险因素(如：个人生理因素、道路环境因素等)的研究，为目前风险因素影响理论做进一步更新。

　　参考文献

　　[1]中国工程院,中国交通运输部.交通强国战略研究[M].北京:人民交通出版社,2019.ChineseAcademyofEngineering,MinistryofTransportofthePeople'sRepublicofChina.Strategicresearchontransportationpower[M].Beijing:ChinaCommunicationsPress,2019.

　　[2]严新平,吴兵,贺宜,等.我国零死亡愿景交通安全理念[J].交通信息与安全,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.电动三轮车在快递行业使用情况报告[R].现代物流报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：贺宜，孙昌鑫1,2，彭建华，吴超仲1,2，江亮，马明

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/29516.html