BRT駕駛員個人屬性對行車速度的影響*

楊 東 馬昌喜 劉鵬飛 楊雪雁

(蘭州交通大學交通運輸學院 蘭州 730070)

0 引 言

快速公交(bus rapid transit, BRT)是一種介于快速軌道交通與常規(guī)公交之間的一種公共客運系統(tǒng)，是一種中運量交通方式。BRT系統(tǒng)由于其快速、大容量等優(yōu)點，縮短了居民的平均出行時間。然而高速度伴隨著一定的事故風險。而駕駛員的個人屬性與行車速度之間可能存在相關關系。本文將通過研究BRT駕駛員個人屬性對行車速度的影響，尋找兩者之間的相關關系，尋找適合從事BRT駕駛員職業(yè)的個人屬性，為選拔BRT職業(yè)駕駛員行業(yè)人員的提供一定的理論基礎和參考。

國內外學者對公交車駕駛員的研究主要是從駕駛員的駕駛行為、個人屬性、工作壓力、公交車交通事故、行車速度等方面展開的。例如,Chung和Wu[1]利用具有可靠性的努力-獎勵失衡(ERI)模型和ERI量表對公交車駕駛員的壓力和健康問題進行了研究，結果發(fā)現，加班和緊張誘發(fā)的睡眠問題是公交車駕駛員的主要壓力源。這極大地影響駕駛員的身心健康和行車的安全性。Feng等[2]通過分組分類問卷調查，研究了認知干預和寬恕干預對公交車駕駛員憤怒駕駛情緒的影響。發(fā)現認知和寬恕干預措施能顯著地減少公交駕駛員的憤怒情緒，并且能夠增加駕駛員憤怒的適應性和控制憤怒的能力，極大地改善了公交車駕駛員的駕駛環(huán)境，確保了公交車的安全行駛。Goh等[3]利用混合Logit模型，研究了公交車駕駛員在涉及公交車的交通事故中的作用。研究結果顯示，公交車駕駛員在行車時遇到的路邊空間問題與公交車在路邊的交通刮擦相關，這表明公交車駕駛員所引發(fā)的交通事故與道路類型及交通條件相關，并且表明通過提供公交專用道可以減少這方面因素引起的交通事故。Mallia等[4]采用個人態(tài)度模型，通過獲取310名公交車駕駛員的樣本數據，來研究公交車駕駛員的交通安全態(tài)度與風險駕駛行為之間的關系。結果表明，利他主義、追求刺激和不正常行為等與情緒相關的個人屬性會刺激公交車駕駛員產生異常駕駛行為。Feng等[5]為了提高公交車的安全性，利用有序邏輯模型估計，研究了美國不同類型駕駛員發(fā)生死亡交通事故的潛在危險因素。結果發(fā)現，潛在的風險因素主要包含公交車駕駛員的年齡、性別、行車速度、風險駕駛行為、碰撞方式以及雪和冰面狀況等等，并且路段類型、每個方向的車道數量、道路情況、濕路面等因素對有交通違規(guī)記錄的公交車駕駛員的影響最大。Shi和Zhang[6]通過問卷調查來探究個人屬性與駕駛行為之間的關系。結果顯示，利他主義與職業(yè)倦怠呈負相關，與異常駕駛行為(侵犯行為、普通違規(guī)行為、錯誤和失誤)的4個子類別均呈負相關，職業(yè)倦怠完全介于利他行為與侵犯行為和過失行為之間的關系。這些發(fā)現可以應用于公交車駕駛員的選擇和職業(yè)倦怠的干預，以提高公交的行車安全性。Huang等[7]通過331名臺灣公交車和出租車駕駛員的問卷調查，研究了公交車駕駛員的公共自我意識和社會焦慮與超速、錯誤和違規(guī)等異常駕駛行為的關系，發(fā)現男性駕駛員的異常行為較女性駕駛員多，出租車駕駛員的異常駕駛行為較公交車駕駛員多，3年內發(fā)生過交通事故的駕駛員的公共自我意識較高,因此，對公交車駕駛員進行特殊訓練，依此作為合格條件，以避異常風險駕駛行為，進而確保為乘客提供更好和更安全的服務。Salmon等[8]通過應用人體工程學方法的新穎框架，研究了澳大利亞公交車駕駛員分心的性質，研究結果表明，分心在駕駛過程中會分散公交車駕駛員的注意力，這極大地威脅了乘客的生命財產安全。Useche等[9]運用結構方程模型，研究了快速公交(BRT)駕駛員與工作壓力和高風險駕駛行為之間的關系。結果發(fā)現，工作壓力是BRT駕駛員風險駕駛的相關預測因素，工作壓力更加容易引起B(yǎng)RT駕駛員進行冒險駕駛。Sang和Li[10]通過建立心理學疲勞測試系統(tǒng)，研究北京公交車駕駛員的心理疲勞的影響因素，結果發(fā)現，不同駕駛模式和運行時間下北京公交車駕駛員心理疲勞評估指標變化服從正態(tài)分布且獨立，這說明疲勞指標的變化是由不同的公交車和運行時間引起的。陳曉婷[11]利用BP神經網絡算法和Matlab軟件，從生理和心理的角度對公交車駕駛員出站操縱品質特性進行建模。研究結果表明，優(yōu)秀的公交車駕駛員對車輛運行周邊環(huán)境的視覺掌控要好于一般的駕駛員；優(yōu)秀的駕駛員對加速踏板的平均踩踏頻率要多于一般駕駛員；并且不同駕駛員在進出站過程中的生理特性存在明顯差異。

總體而言，國內外學者在公交車駕駛員駕駛行為、個人屬性、工作壓力、公交車交通事故以及行車速度等方面的研究較多，其研究成果較為豐富。但是，針對BRT駕駛員個人屬性對行車速度影響的研究較少，而BRT作為道路公共交通的快速交通工具，其行車安全對道路交通和乘客有著至關重要的作用。鑒于此，筆者在前人在公交車駕駛員交通特性研究的基礎上，對BRT駕駛員個人屬性與行車速度之間的影響關系做進一步研究。

1 非集計模型

筆者應用非集計理論模型來分析BRT駕駛員的個人交通選擇行為，并且均以現場抽樣調查所得的BRT駕駛員的個人數據為依據進行模型的建立和標定。在道路交通領域中，非集計模型得到的廣泛的應用，能夠較為準確、全面的描述個人的決策行為，并且取得了較為豐富的研究成果[12-18]。該模型以效用最大化為理論依據，選擇其最優(yōu)方案來開展效用最優(yōu)的決策行為活動。其效用函數又分為系統(tǒng)部分和隨機部分，一般表示為

Uin=Vin+εin

(1)

(2)

式中：Uin為個人n選擇方案i的效用函數；Vin為Uin的系統(tǒng)部分；εin為Uin的隨機部分；k為變量個數；θk為待定系數；Xink為個人n選擇方案i的第k個變量值。

2 速度選擇行為模型的建立

2.1 數據的獲取與處理

筆者通過設計BRT駕駛員個人屬性與行車速度選擇行為的調查問卷，問卷總共包含8個項目，調查內容涉及了BRT駕駛員的性別、年齡、受教育程度、駕齡、性格、是否矯正視力、單程載客量以及BRT車型。其中蘭州市公交管理部門對BRT新駕駛員的學歷要求是中?；虼髮＜耙陨?，但是其中有部分駕駛員是以前培訓的學歷較低的駕駛員，因此，對BRT駕駛員教育水平進行了分類，具體可見表2。從心理學的角度[22]，將駕駛員的性格分為抑郁質(敏感、易受挫、孤僻、寡斷、疲勞恢復慢、反應慢)、多血質(平靜、善于忍讓、專注認真、耐心苦干，但不靈活、缺乏熱情、守舊)、粘液質(熱情、有能力、適應性強、機智靈活、不夠專注、情緒易變、缺乏耐心)、膽汁質(易興奮、脾氣暴躁、直率、有熱情，但精力耗盡時情緒較低落)；單程載客量大小的設定出于研究不同駕駛員在不同載客量(軸重)的情況下對行車速度區(qū)間選擇行為的影響，以BRT公交車的可用空間(座位和站立空間)為依據，設定為4個區(qū)間，并且分別取值為小、較小、較大、大。

采用現場取樣調查的方式獲取數據，現場調查所選取路段避開了公交?？空竞徒徊媛房?，確保其交通暢通無阻，以最大程度的減小其他交通因素對BRT駕駛員行車選擇行為的影響。所選路線為機非分離車道，位置處于蘭州市安寧區(qū)安寧路和合肥市包河區(qū)徽州大道。

隨機調查了167名BRT駕駛員，問卷填寫過程由于BRT駕駛員的某些個人干擾因素而引起的不完整和不合理數據，例如BRT駕駛員當時的情緒狀態(tài)、填寫問卷的時長或者不愿意填寫真實信息等情形；并且結合樣本各類數據散點圖中離散數據的具體分布，剔除樣本中不完整、離散度過高的數據，最終選取了156名(回收率為93.41%)BRT駕駛員為本次的研究對象。經統(tǒng)計，處于30～40歲之間的駕駛員人數最多，占所調查樣本總數的56%，并且所有駕駛員的年齡在28～54歲之間；BRT駕駛員中，女性駕駛員較少，僅占到總駕駛員人數的16.35%，而男性駕駛員的比例高達83.65%；駕駛員的駕齡均在5年及以上，其中駕齡在10～20年的駕駛員最多；從調查數據來看，BRT駕駛員的教育水平多為初高中(中專)學歷，大專及以上學歷的駕駛員數量較少；蘭州安寧區(qū)現有運行的BRT車型分為2種，其中加長版和普通公交的使用比例分別約為27.89%，72.11%；調查中發(fā)現，約有79.81%的BRT駕駛員的視力沒有進行過矯正，只有20.19%的少數駕駛員佩戴眼鏡。通過對調查數據的統(tǒng)計處理，得到BRT駕駛員個人屬性的統(tǒng)計分布圖，部分屬性的數據統(tǒng)計見圖1～6所示。

圖1 BRT駕駛員的性別分布Fig.1 Gender distribution of BRT drivers

圖2 BRT駕駛員的年齡分布Fig.2 Age distribution of BRT drivers

圖3 BRT駕駛員的駕齡分布Fig.3 Age distribution of BRT drivers

圖4 BRT駕駛員的教育程度分布Fig.4 Education degree distribution of BRT drivers

圖5 BRT的車型分布Fig.5 Model distribution of BRT

圖6 BRT駕駛員矯正視力的分布Fig.6 Distribution of corrected vision of BRT drivers

為了更加合理的利用調查數據來探究BRT駕駛員個人屬性對行車速度的影響，根據《城市道路設計規(guī)范》中規(guī)定的城市道路機動車行車速度允許范圍和實際現場路段安全行車的建議速度，將BRT的行車速度劃分為40 km·h-1以下、40～45，45～50，50 km·h-1以上4個小區(qū)間，分別用A，B，C，D表示。并且根據調查數據分別統(tǒng)計每個速度區(qū)間的BRT駕駛員數量、行車平均速度和最大值。具體BRT駕駛員的行車速度選擇行為數據見表1。

表1BRT的行車平均速度Tab. 1BRT driving speed

表1中呈現的是利用調查數據所得到的4個速度小區(qū)間對應的駕駛員的平均行車速度。下文中會對4個小區(qū)間對應的駕駛員個人屬性的彈性值進行分析，得出每個BRT駕駛員對應的個人屬性的彈性值較大的速度區(qū)間以及行車平均速度。對于不同屬性的BRT駕駛員，所對應的行車速度選擇區(qū)間不同，所以，為了保證乘客的安全出行，在行車過程中所要求BRT駕駛員選擇的最高行車速度也不相同。

依據上述調查所得的BRT駕駛員個人屬性的有效數據，采用非集計理論，對BRT駕駛員的行車速度區(qū)間選擇行為進行研究，并且建立行車速度區(qū)間選擇行為的非集計模型。

2.2 信度和效度檢驗

為了檢驗調查問卷的內部一致性，本文采用了Cronbach’sα系數。通過利用SPSS19.0進行可靠性分析，發(fā)現3個潛在變量(性別，駕齡和性格)的Cronbach’sα系數均大于0.7，并且調查問卷中8個變量(性別、年齡、受教育程度、駕齡、性格、是否矯正視力、單程載客量、BRT車型)的整體信度為0.716，這說明調查問卷的可靠性分析結果(信度)較好，即調查問卷設計合理。

圖7 影響因子碎石圖Fig.7 Impact factor gravel map

由圖7可見，前3個公共因子的折線坡度較大，而后面其他影響因子的變化趨于平穩(wěn)，因此，上述碎石圖從側面說明了取前3個公共因子(性格、駕齡、年齡)合理，能夠較為清楚的表達原觀測變量的信息。

在調查問卷的效度檢驗中，利用KMO抽樣適度檢驗和Bartlett’s球型檢驗來判斷問卷是否可以進行因子分析。檢驗結果KMO為0.613，大于0.50；Sig為0.00，小于0.05，說明調查問卷適合做因子分析。在問卷的因子分析中選用主成分分析方法來檢驗調查問卷的結構效度。在公共因子的提取中，特征根大于1的影響因子有3個，其解釋變異量分別為30.630%，15.665%，13.428%；累積解釋變異量為59.723%，說明經過檢驗得到的潛在變量有很好的結構效度。其中碎石圖如下圖7所示。

2.3 BRT行車速度選擇行為模型的構建

由于傳統(tǒng)的非集計模型存在重復選擇的情況，所以，在建立BRT行車速度選擇行為模型時選擇改進的非集計模型——Mixed Logit模型。該模型能夠很好地處理傳統(tǒng)模型中對樣本的重復選擇，擁有著各種變量之間的所有隨機混合分布，相對而言靈活度較高。根據Mixed Logit模型的基本形式[19-20]，隨機部分εin服從二重指數分布，且εin和Vin相互獨立，按照BRT駕駛員的行車速度選擇行為方式，即可表達出第n位BRT駕駛員選擇第i種行車速度選擇行為的概率為

(3)

式中:f(θ)為密度函數;Lin(θ)為基于參數θ的概率見式(4)。

(4)

式中：In為當前可選擇行為的總數。由于BRT駕駛員的個人屬性存在差異，因此在選擇行車速度區(qū)間時具有一定的喜好隨機性的變化，與實際的選擇行為更加吻合，因此，BRT駕駛員速度區(qū)間選擇行為的概率為

(5)

根據BRT駕駛員行車速度區(qū)間選擇行為的基本屬性，建立BRT駕駛員行車速度選擇行為影響度量模型的具體流程見圖8，圖8中t為各影響因素的t檢驗值，R2為可決系數。

圖8 模型流程Fig.8 Model flow

2.4 選擇肢與影響因素的確定

根據模型理論，分別選擇BRT駕駛員的行車速度所對應的A，B，C，D 4個小區(qū)間作為所建模型的4個選擇肢，取值為1，2，3，4；再根據BRT駕駛員個人屬性對行車速度區(qū)間選擇行為的影響，確定其影響因素[21-23]，見表2所示。

表2影響因素Tab. 2Influencial factors

3 計算結果及其分析

3.1 模型影響因素標定

選用SPSS標定模型的影響因素，見表3。由表3可知，t檢驗的最小值為5.105，其值大于1.960，表明選擇的8個影響因素可以顯著影響B(tài)RT駕駛員行車速度選擇行為。

在SPSS的數據統(tǒng)計分析中，用R2判斷所建模型擬合度，稱R2為可決系數，其中R2∈(0,1)R2值越接近1，說明該線性回歸關系越密切，所建模型與真實情況吻合度越高。這里可決系數R2等于0.691，調整后的可決系數R2等于0.646，說明建立的模型效果較好,具體見表4。

表3模型影響因素標定結果Tab. 3Calibration results of model influencing factors

表4標定模型的擬合度Tab. 4Fitting degree of calibration model

3.2 效用函數

在確定效用函數模型時，本文利用SPSS19.0統(tǒng)計分析軟件，依據多個變量的取值性質，利用Logistic模型，將某個變量的最后一個類別作為參照類別，讓前幾個類別與其對比，擬合得到最終的模型。

根據上述方法，可分析得到4個區(qū)間上每個區(qū)間所應該對應的變量以及參數值(變量系數)，各個影響因素在4個區(qū)間上的參數值如表5所示。由表5可得，A，B，C，D 4個區(qū)間對應的效用函數V0，V1，V2，V3分別為

V0=-1.103X1-0.014X3+

3.046X5+0.248X6+2.001X8

V1=1.876X2-0.014X3-

2.364X4+3.046X5+2.925X7

V2=-4.289X3-2.364X4+

3.046X5+0.248X6+2.001X8

V3=-1.103X1+1.876X2+

3.046X5+2.925X7+2.001X8

為了得到各影響因素與BRT駕駛員行車速度之間的相關關系，對各個影響因素與行車速度進行敏感度分析。其敏感程度通常利用彈性值來表示。在非集計理論中，當某個影響因素發(fā)生變化時，方案i的選擇概率變化的彈性值E可表示為

E=θkXink(1-Pin)

(6)

彈性值有正負之分，當2個變量呈正相關變化時，其值為正；否側，其值為負。當4個選擇區(qū)間所對應的彈性值的絕對值均大于1.000時，表明該影響因素對行車速度區(qū)間選擇行為富有彈性，反之，則缺乏彈性。首先，根據BRT駕駛員個人屬性與行車速度選擇行為的調查數據，統(tǒng)計出各駕駛員個人屬性所對應行車速度區(qū)間的平均值。其次，將表4中所得的參數值代入式(2)、(5)中，計算得到相應的BRT駕駛員行車速度區(qū)間選擇行為的概率值；再通過彈性值的計算式(6)，即可求出各影響因素對駕駛員行車速度區(qū)間選擇行為概率的彈性值。

表5影響因素與參數值Tab. 5Influence factors and parameter values

3.3 計算結果分析

3.3.1 性別與年齡

根據3.2中所述效用函數的計算方法，即可計算得到BRT駕駛員性別、年齡在不同選擇區(qū)間上的選擇概率、參數值、各影響因素在各區(qū)間上的樣本平均值，以及彈性值。具體的計算結果如表6所示。同樣，下文中各影響因素所對應的數值均用此方法依次計算得到。由表6可知，4個選擇區(qū)間所對應駕駛員性別的平均值均大于0.500，其均值為0.804，說明從事BRT駕駛員職業(yè)的機動車擁有者中，男性駕駛員要多于女性駕駛員。概率選擇區(qū)間中，D區(qū)間所對應的選擇概率最大，其值為0.398，說明BRT駕駛員在駕駛過程中，選擇D區(qū)間速度行車的概率最大。4個選擇區(qū)間所對應的駕駛員性別的彈性值(絕對值)均小于1.000，說明BRT駕駛員的性別對于行車速度區(qū)間選擇行為缺乏彈性，并且女性BRT駕駛員的行車速度總體要高于男性BRT駕駛員。其中，區(qū)間C對應的彈性值(絕對值)為0.884，其彈性值最大，說明性別變化對于選擇C區(qū)間行車行為的影響程度最大，對其他行車速度區(qū)間選擇行為并無顯著影響。

表6性別與年齡計算結果Tab. 6Gender and age calculation results

注：表格中的參數值(parameter value)用PV表示，平均值(average value)用AV表示，彈性值(elastic value)用EV表示。

由上表可知，4個選擇區(qū)間所對應年齡的平均值總體呈現增長趨勢，其中區(qū)間A所對應的平均值最小，為1.000，說明BRT駕駛員年齡最小的群體趨向于選擇40 km·h-1及以下的區(qū)間行車，并且D區(qū)間的平均值最大，為1.615，可見，BRT駕駛員隨著年齡的增大，其選擇行車的速度區(qū)間將會不斷地增大。4個選擇區(qū)間所對應的駕駛員年齡的彈性值(絕對值)均大于1.000，說明BRT駕駛員的年齡對于其行車速度區(qū)間選擇行為富有彈性。其中，選擇速度區(qū)間B和區(qū)間C的彈性值均大于2.000，說明BRT駕駛員選擇40～50 km·h-1區(qū)間行車的彈性值最大。具體的BRT駕駛員個人屬性與行車速度區(qū)間選擇行為之間的關系如下圖9所示。

圖9 BRT駕駛員的年齡與行車速度的關系圖Fig.9 The relationship between the age of BRT driver and driving speed

由圖9可知，隨著BRT駕駛員年齡的增長，其選擇行車的速度區(qū)間也在不斷地增大。這是因為由于BRT的行駛車道比較固定，通行條件較好，駕駛員隨著年齡的增長，對其各時間段的交通狀況和專用道的基礎設施熟悉度較高，所以，在行駛過程中選擇的速度區(qū)間會越來越高。

3.3.2 教育程度與駕齡

BRT駕駛員的教育程度與駕齡相關計算結果見表7。由表7可知，4個選擇區(qū)間所對應的駕駛員的教育程度的平均值總體呈下降趨勢，其均值為1.640，其中區(qū)間A所對應的平均值最大，說明BRT駕駛員的教育程度越高，行駛過程中，駕駛員選擇的行車速度區(qū)間越小。4個速度選擇區(qū)間所對應的駕駛員教育程度的彈性值(絕對值)均小于1.000，絕對值在0.012～0.022之間，說明教育程度對速度區(qū)間選擇行為缺乏彈性。并且彈性值均為負值，說明隨著BRT駕駛員的教育程度的提高，其安全意識在不斷地增強，所以在行車時所選擇的速度區(qū)間越低。其中區(qū)間B和區(qū)間C所對應的彈性值較其他區(qū)間而言較大，相對而言，說明教育程度的變化對BRT駕駛員選擇40～50 km·h-1區(qū)間行車的影響程度最大，對其他速度區(qū)間選擇行為無顯著影響。

表7教育水平與駕齡計算結果Tab. 7Education degree and driving age calculation results

從表7中可知，BRT駕駛員的駕齡均大于5年，這是由于所調查的公交管理部門在選拔BRT駕駛員時所規(guī)定的。4個選擇區(qū)間所對應的駕齡平均值均值為1.678，其中，區(qū)間B所對應的平均值最大，其值為1.893，說明隨著駕駛員駕齡的不斷增長，駕駛員行駛過程中所選擇的速度區(qū)間較低，這與BRT駕駛員的安全意識密切相關。4個選擇區(qū)間所對應的BRT駕駛員駕齡的彈性值(絕對值)均大于1.000，說明BRT駕駛員的駕齡對其行車速度區(qū)間選擇行為富有彈性，且彈性值均為否值，表明駕齡越長的BRT駕駛員在駕駛過程中會選擇速度較低的區(qū)間行車。其中，區(qū)間B和區(qū)間C所對應的彈性值(絕對值)較大，說明駕齡對駕駛員選40～50 km·h-1區(qū)間行車的影響最大。具體的BRT駕駛員個人屬性與行車速度的關系如圖10所示。

圖10 BRT駕駛員的駕齡與行車速度的關系圖Fig.10 The relationship between driving age and driving speed of BRT drivers

由圖10可知，根據公交公司規(guī)定，駕齡取值區(qū)間為0的BRT駕駛員數量為0人，對于其他3個區(qū)間，隨著駕齡的增高，BRT駕駛員行車速度的均值在不斷的降低，可見，駕齡越高，駕駛員的安全意識和遵守交通規(guī)則的自覺性越好。這也與公交公司對BRT專用道公交車的監(jiān)管力度較強、監(jiān)管設備完善有關。

3.3.3 性格與是否矯正視力

表8所示為BRT駕駛員性格與是否矯正視力的相關計算結果。由表8可知，4個選擇區(qū)間所對應駕駛員性格的平均值呈增長趨勢。說明不同BRT駕駛員的性格由抑郁質往膽汁質變化的過程中，其選擇的行車速度區(qū)間在依次升高，即性格越為外向的BRT駕駛員行車的速度越大，發(fā)生超速行車的可能性越大。4個選擇區(qū)間所對應的駕駛員性格的彈性值均大于1.000，說明BRT駕駛員的性格對其行車速度區(qū)間選擇行為富有彈性，其中，區(qū)間C所對應的彈性值最大，為4.695，表明性格對于BRT駕駛員選擇45～50 km·h-1速度區(qū)間行車的影響程度最為顯著。具體BRT駕駛員性格與行車速度之間的關系如下圖11所示。

圖11 BRT駕駛員性格與行車速度的關系圖Fig.11 The relationship between BRT driver personality and driving speed

由于抑郁質性格的駕駛員不適合從事BRT駕駛員的職業(yè)，在一定程度上較為嚴重的威脅著駕駛員和乘客的人身安全，因此，本次信息采集中只有其他3種性格的駕駛員。由上圖可知，BRT駕駛員的性格由粘液質、多血質、膽汁質變化的過程中，駕駛員行車速度的平均值也在不斷地增大，說明BRT駕駛員的行車速度與其性格有直接的相關關系。

表8性格與矯正視力計算結果Tab. 8Personality and corrected visual acuity calculation results

駕駛員在行車過程中，對道路行車環(huán)境信息的獲取主要是通過視覺來獲取的，并且駕駛員會依次為依據對行車環(huán)境進行判斷。矯正視力雖然能在一定程度上幫助駕駛員更加詳細的獲取部分動態(tài)的交通環(huán)境信息，但是與未矯正的正常視力相比，尚還存在一定的差異，尤其是當駕駛員的行車速度較快時，由于鏡片存在一定的曲率，使得對行車控制的影響更為明顯。

從表8中可以看出，4個選擇區(qū)間所對應的駕駛員是否矯正視力的樣本均值在0.165左右，其均值小于0.500，即未矯正視力的BRT駕駛員所占的比例大，說明是否矯正視力對BRT駕駛員行車速度區(qū)間選擇行為并無顯著影響。4個選擇區(qū)間所對應的BRT駕駛員矯正視力的彈性值均小于1.000，說明BRT駕駛員是否矯正視力對其行車速度區(qū)間選擇行為缺乏彈性，所以是否矯正視力對其行車速度選擇行為影響較小。此外，隨著速度區(qū)間的變大，駕駛員視力的彈性值在不斷地增加，尤其是區(qū)間C和區(qū)間D，其彈性值均大于0.500，說明在選擇45 km·h-1及其以上速度區(qū)間行車的BRT駕駛員中，矯正視力的駕駛員所占的比例要多于其他速度區(qū)間。這與駕駛員的心理狀態(tài)緊密相關，通過視力矯正，駕駛員的視覺自信一定程度上有所增強，進而敢于選擇較高的速度區(qū)間行車。

3.3.4 BRT車型與單程載客量

目前，投入使用的BRT車型有2種：普通款和加長款。不同的BRT車型所選配的駕駛員的個人屬性也會有所不同。由表9可知，4個區(qū)間所對應的BRT車型的平均值均小于0.500，說明在所測路段上投入使用的普通款的BRT要多于加長款的BRT。其中區(qū)間C所對應的平均值最大，說明加長款的BRT公交車駕駛員更容易選擇45～50 km·h-1的速度區(qū)間行駛。4個選擇區(qū)間所對應的BRT車型的彈性值均小于1.000，說明車型對駕駛員行車速度區(qū)間選擇行為缺乏彈性。其中，區(qū)間C所對應的彈性值最大，可見，加長款BRT車型的變化對駕駛員選擇45～50 km·h-1的速度區(qū)間行車的影響最為顯著，對其他速度區(qū)間并無顯著影響。

表9BRT車型與單程載客量計算結果Tab. 9BRT model and single-pass passenger capacity calculation results

公交車作為允許超載的城市公共交通工具，不同交通時刻的載客數量不同，則公交車的負載不同，對于動力同等的公交車，其行車速度也會不同。有上表9可知，4個選擇區(qū)間所對應的單程載客量的平均值總體呈穩(wěn)定趨勢，均值為2.012。其中區(qū)間D所對應的平均值最小，說明隨著BRT公交車載重量的減少，其行車速度逐漸增大，這與BRT公交車的動力系統(tǒng)有關。4個選擇區(qū)間所對應的單程載客量的彈性值均值為0.373，均小于1.000，說明單程載客量對BRT駕駛員的行車速度區(qū)間選擇行為缺乏彈性。其中，區(qū)間C所對應的彈性值最大，其值為0.423，可見，單程載客量的變化對BRT駕駛員選擇40～45 km·h-1區(qū)間行車的影響最顯著，對其他速度選擇區(qū)間并無顯著影響。

3.4 BRT駕駛員開車時長與行車速度的關系

本次交通調查時間為09：00—11：10，BRT每天運營時間從06：00開始，因此，初始調查時，BRT駕駛員的開車時長為10 800 s，由于BRT的發(fā)車間隔為120 s，通過對每個BRT的發(fā)車間隔進行累加得到駕駛員的開車時長。

由于BRT的發(fā)車間隔較短，所以每個BRT駕駛員在公交專用線上運行的往返次數較多，其駕駛員每天的駕駛工作時間較長，但每當駕駛員連續(xù)駕駛超過4 h后，因駕駛員個人屬性的差異性會出現不同程度的風險駕駛行為，例如占用非專用機動車道、超速行駛等等。鑒于此，可通過研究BRT駕駛員開車時長與行車速度的關系，得到在某種駕駛員個人屬性下，BRT行車速度隨開車時長的變化規(guī)律，以實現在實際的BRT運營中，對相應個人屬性的駕駛員，在不同開車時長下進行行車速度的提示和引導，進而保證BRT公交車有較好的運行安全和效率。

由3.3可知，BRT駕駛員的年齡、駕齡和性格對行車速區(qū)間選擇行為富有彈性，其中，對某單一的個人屬性，找出其中對行車速度區(qū)間選擇行為影響最大的區(qū)間值，將其作為固定量，研究在該個人屬性區(qū)間值下行車速度與開車時長的敏感度。

3.4.1 年齡區(qū)間下

從上文3.3.1中得出，BRT駕駛員的年齡主要分布在30～50歲之間，所以可將該區(qū)間作為固變量，研究該區(qū)間值下，BRT駕駛員的行車速度與開車時長的關系，具體的關系如圖12所示。

圖12 年齡區(qū)間下開車時長與行車速度的關系圖Fig.12 Relationship between driving time and driving speed in the age range

由上圖12可知，在30～50歲的BRT駕駛員中，隨著開車時長的不斷增加，駕駛員的行車速度區(qū)間總體呈現上升趨勢。說明當年齡區(qū)間一定，開車時長過長時，由于駕駛員的個人心理、生理特征發(fā)生了變化，如視覺和身體疲勞、心理急躁等等，使得BRT駕駛員在駕駛過程中的操作穩(wěn)定性和速度平穩(wěn)性發(fā)生變化，進而發(fā)生行車速度過高的現象。

3.4.2 駕齡區(qū)間下

根據3.3.2可得，BRT駕駛員的駕齡分布主要在5～20年之間，所以可將該區(qū)間作為固定量，研究該區(qū)間值下，BRT駕駛員的行車速度與開車時長的關系，具體的關系如圖13所示。

圖13 駕齡區(qū)間下開車時長與行車速度的關系圖Fig.13 Relationship between driving time and driving speed in the driving age range

由圖8可知，當BRT駕駛員的駕齡區(qū)間在5～20年之間時，隨著BRT駕駛員每天開車時間的增加，其行車速度總體上也在不斷地增大。說明行車速度與開車時長呈正相關。可見，過長、連續(xù)的行車不利于駕駛員對行車速度的控制，這很大程度上對BRT駕駛員和乘客的生命財產安全造成了威脅。

3.4.3 性格區(qū)間下

根據3.3.3可得，BRT駕駛員的性格主要有黏液質、多血質2種，所以可將該區(qū)間作為固變量，研究該區(qū)間值下，BRT駕駛員的行車速度與開車時長的關系，具體的關系如圖14所示。

圖14 性格區(qū)間下開車時長與行車速度的關系圖Fig.14 Relationship between driving time and driving speed in the character range

由上圖9可得，性格處于粘液質和多血質的BRT駕駛員，當其開車時長過長時，BRT的行車速度區(qū)間會隨之增加。說明粘液質和多血質的駕駛員開車時間不宜過長，在行車時長達到一定程度時需進行適當的休息，補充心理、生理特征上產生的差異，以避免引發(fā)駕駛員在行車過程中發(fā)生超速駕駛、疲勞駕駛等不安全駕駛行為，進而確保乘客和駕駛員的行車安全。

總體而言，由3.4中分析可知，BRT駕駛員的行車速度與開車時長呈正相關關系。即當駕駛員的行車時間過長時，由于駕駛員的各種個人因素發(fā)生了變化(例如心理、生理特征等)，使得駕駛員對行車速度的感知和對BRT 車輛的操控產生的影響，這種影響總體呈現為駕駛員的行車速度的增高。鑒于此，在BRT正常運營過程中，累加統(tǒng)計每個駕駛員的開車時長，當其超過所預定的合理時長時，提醒并監(jiān)督BRT駕駛員進行合理的休息調整(相關部門可以針對駕駛員的個人屬性制定相應的休息調整方式)，使BRT駕駛員的心理、生理等個人屬性恢復到行車的正常狀態(tài)，進而確保行車安全。

4 結束語

本文首先建立了BRT駕駛員個人屬性對行車速度的影響因素度量模型，經過t檢驗表明，所建模型與實際情況基本吻合，具有較強的適用性和實用性，并且能夠量化BRT駕駛員個人屬性與行車速度選擇之間的相關關系。其次，運用彈性值理論，分析了各影響因素與BRT駕駛員行車速度選擇行為的敏感度。最后，通過分析BRT駕駛員個人屬性對行車速度區(qū)間選擇行為的影響得出結論。結果表明，BRT駕駛員的年齡、駕齡和性格等3個影響因素所對應的駕駛員的彈性值均大于1.000，說明對其行車速度區(qū)間選擇行為富有彈性，即這3個影響因素與行車速度選擇行為之間的敏感度較高。此外，通過數據統(tǒng)計分析BRT駕駛員開車時長和行車速度之間的關系，發(fā)現駕駛員的開車時長與行車速度呈正相關關系。

在實際的調查中，由于獲取樣本數據的局限性，使得針對BRT駕駛員在行駛過程中車流飽和度對行車速度影響的研究受到限制，因此，在后期的研究中，可從此方面開展更為深入的探究。此外，還可通過不斷修正模型中各影響因素的參數值，使得敏感度分析的結果更加準確，更加的符合真實的道路行車情況。