中國(guó)危險(xiǎn)品車輛駕駛?cè)笋{駛行為影響因素分析*

張 暉 肖逸影 吳超仲 楚文慧，3 鄧 敏 張奕駿

（1.武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢 430063；2.武漢理工大學(xué)國(guó)家水運(yùn)安全工程技術(shù)研究中心 武漢 430063；3.武漢科技大學(xué)汽車與交通工程學(xué)院 武漢 430065；4.中交第二公路勘察設(shè)計(jì)研究院有限公司 武漢 430056）

0 引 言

道路安全一直是國(guó)內(nèi)外交通安全的研究熱點(diǎn)。世界衛(wèi)生組織《2018年全球道路安全現(xiàn)狀報(bào)告》指出，每年全球道路交通死亡人數(shù)約為135萬(wàn)。在我國(guó)，2018年交通事故發(fā)生數(shù)總計(jì)244 937起，造成63 194人死亡，帶來直接財(cái)產(chǎn)損失總計(jì)138 456萬(wàn)元。隨著我國(guó)經(jīng)濟(jì)迅速發(fā)展，國(guó)家對(duì)石油、天然氣等危險(xiǎn)貨物的運(yùn)輸需求也不斷擴(kuò)大。據(jù)統(tǒng)計(jì)，我國(guó)每年運(yùn)輸?shù)?0%危險(xiǎn)品貨物是通過公路運(yùn)輸[1]，相比于小汽車，盡管危險(xiǎn)品車輛每百公里發(fā)生事故數(shù)量更少，但其中大部分事故都造成了人員死亡。研究統(tǒng)計(jì)發(fā)現(xiàn)，絕大部分的事故是由駕駛?cè)艘蛩貑为?dú)引起或者與其他因素共同導(dǎo)致的，駕駛行為是影響事故風(fēng)險(xiǎn)的重要因素[2-3]。

國(guó)內(nèi)外現(xiàn)有研究中，通常采用不同的問卷來研究駕駛?cè)笋{駛行為。廣泛采用的問卷類型有駕駛?cè)诵袨閱柧恚╠river behavior questionnaire，DBQ）［4］、積極行為問卷（positive driver behavior scale，PDBS）［5］、駕駛?cè)思寄芰勘恚╠river skill inventory，DSI）［6］、駕駛?cè)斯粜灾笜?biāo)量表（driver aggression indicators scale，DAIS）［7］、交通狀況調(diào)查問卷（traffic climate scale，TCS）等［8］。現(xiàn)有基于問卷的研究多數(shù)針對(duì)小車駕駛?cè)?，但已有研究表明職業(yè)駕駛?cè)伺c非職業(yè)駕駛?cè)说鸟{駛技能和駕駛行為等存在差異[9]，而目前只有少量基于問卷的駕駛安全研究針對(duì)危險(xiǎn)品車輛駕駛?cè)?，且尚未探?種駕駛?cè)酥g的駕駛技能和駕駛行為的差異性。

已有大量研究表明，DBQ和DSI都與駕駛?cè)耸鹿氏嚓P(guān)[9-11]。范雙雙等[12]針對(duì)駕駛?cè)酥g的異質(zhì)性進(jìn)行研究，將DBQ和DSI分別分為3類異常駕駛行為（違規(guī)，錯(cuò)誤和失誤）和2類駕駛技能（感知運(yùn)動(dòng)技能和安全技能），結(jié)果表明，駕駛技能水平較低的駕駛?cè)嗽诋惓ｑ{駛行為上的頻率很高。但也有研究指出，經(jīng)驗(yàn)豐富的駕駛?cè)朔炊鴷?huì)產(chǎn)生更多的違法行為和交通事故[13]，經(jīng)驗(yàn)不足的駕駛?cè)吮扔薪?jīng)驗(yàn)的駕駛?cè)烁⒅匕踩訹14]。還有學(xué)者基于攻擊性駕駛行為對(duì)全國(guó)范圍內(nèi)的駕駛?cè)诉M(jìn)行抽樣分析，得到攻擊性駕駛行為與事故有較強(qiáng)相關(guān)性的結(jié)論[7]。而目前針對(duì)卡車司機(jī)的問卷研究很大程度上局限于采用駕駛?cè)诵袨閱柧砗突拘畔柧?，忽視了駕駛技能和駕駛?cè)诵愿裉刭|(zhì)的研究。

基于以上，本文提出研究假設(shè)“危險(xiǎn)品車輛駕駛?cè)伺c小車駕駛?cè)说鸟{駛技能和駕駛行為存在差異性，受年齡、駕齡、攻擊性、積極性影響結(jié)果不同”，擬利用駕駛?cè)诵袨閱柧恚―BQ）和積極行為問卷（PDBS）、駕駛?cè)思寄芰勘恚―SI）、駕駛?cè)斯粜灾笜?biāo)量表（DAIS）、駕駛?cè)嘶拘畔柧?，探討我?guó)危險(xiǎn)品車輛駕駛?cè)笋{駛安全的影響因素以及探索與小車駕駛?cè)说牟町愋匝芯?，為預(yù)防危險(xiǎn)品車輛交通事故提供理論基礎(chǔ)。

1 研究設(shè)計(jì)

1.1 調(diào)查對(duì)象

本研究通過課題合作單位寧波金洋化工物流有限公司和鎮(zhèn)海石化物流有限責(zé)任公司線下向危險(xiǎn)品車輛男性駕駛?cè)穗S機(jī)發(fā)放50份問卷。參加問卷調(diào)查前，駕駛?cè)硕奸喿x了知情同意書，知曉該次問卷的目的與意義，以及填寫結(jié)果將會(huì)被嚴(yán)格保密，僅用作科學(xué)研究。且如果在填寫問卷的過程中感覺不適，可以在任何時(shí)候停止問卷的填寫。最終回收問卷50份，刪除填寫不完整的問卷后，有效問卷共46份。

駕駛?cè)似骄挲g為42.2歲（標(biāo)準(zhǔn)差SD=6.88），年齡范圍為28～57歲。平均駕齡為17.2年（SD=5.57），駕齡范圍為7～35年，2018年平均行駛里程為10.79萬(wàn)km（SD=4.19），自獲得執(zhí)照以來平均里程為149.63萬(wàn)km（SD=122.51），2016—2018年總違反交規(guī)次數(shù)平均值為1.43次（SD=0.98），平均事故總數(shù)為0.65次（SD=0.9）。

1.2 問卷內(nèi)容

參考已有研究成熟問卷，考慮本研究目的，確定最終問卷包括以下4個(gè)問卷內(nèi)容。

1）駕駛?cè)嘶拘畔柧怼Ｒ姳?，包括年齡、駕齡、過去1年平均行駛里程、總行駛里程、過去3年發(fā)生的事故數(shù)、過去3年因違反交規(guī)而受到處罰的次數(shù)、在限速120 km/h高速公路和限速50 km/h城區(qū)道路上傾向行駛速度。

2）駕駛?cè)诵袨閱柧恚―BQ）和積極行為問卷（PDBS）。本研究中使用曼徹斯特風(fēng)險(xiǎn)駕駛行為問卷和新增的積極行為問卷進(jìn)行測(cè)量，DBQ由28個(gè)條目組成，其中包括違規(guī)操作、錯(cuò)誤、失誤行為。PDBS由14個(gè)條目組成，是為了能平穩(wěn)安全行駛，而照顧其他道路使用者或者維持交通通暢的相關(guān)行為。需要問卷填寫者回答在駕駛過程中這些行為的頻率，采用Likert6級(jí)計(jì)分形式，從1從不發(fā)生，到6總是發(fā)生。

3）駕駛?cè)思寄芰勘恚―SI）。DSI用于度量駕駛?cè)俗晕覉?bào)道的車輛操作技能、安全技能，由20個(gè)條目組成，包括感知運(yùn)動(dòng)技能和安全技能。需要回答駕駛技能的熟練程度，采用Likert5級(jí)計(jì)分形式，從1非常弱，到5非常強(qiáng)。

4）駕駛?cè)斯粜灾笜?biāo)量表（DAIS）。該問卷測(cè)量駕駛?cè)饲致孕袨榈念l率，由13個(gè)條目組成。需要回答在駕駛過程中這些行為的頻率，采用Likert5級(jí)計(jì)分形式，從0從未發(fā)生，到4經(jīng)常發(fā)生。

表1 駕駛?cè)嘶拘畔柧鞹ab.1 Basic driver information questionnaire

1.3 信度檢驗(yàn)

對(duì)DBQ進(jìn)行KMO和Bartlett球形檢驗(yàn)[15]，得到KMO值為0.549，Bartlett球形檢驗(yàn)的顯著性Sig.值為0遠(yuǎn)小于0.01，達(dá)到了顯著性水平，利用因子分析中的主成分分析法，對(duì)潛在公因子進(jìn)行識(shí)別，選取特征值大于1的因子，進(jìn)行正交旋轉(zhuǎn)。為優(yōu)化問卷，保留因子載荷大于0.5的條目，最終得到20個(gè)問題，此時(shí)KMO值為0.732，Bartlett球形檢驗(yàn)Sig.值為0。根據(jù)已有文獻(xiàn)[11]將DBQ分為3個(gè)維度的分量表，分別為違規(guī)操作行為、錯(cuò)誤駕駛行為、失誤駕駛行為，PDBS作為積極駕駛維度分量表，駕駛行為信度檢驗(yàn)匯總見表2。違規(guī)操作、錯(cuò)誤、失誤、積極駕駛的Cronbach's alpha（標(biāo)準(zhǔn)化項(xiàng)Cronbach's alpha值）分別為 0.748（0.778），0.791（0.808），0.817（0.806），0.844（0.858），各因素信度值范圍在0.74～0.85之間，整體量表的α值為0.855，說明總駕駛行為問卷具有比較高的可靠性。

對(duì)DSI進(jìn)行KMO和Bartlett球形檢驗(yàn)，得到KMO值為0.713，Bartlett球形檢驗(yàn)的顯著性Sig.值為0遠(yuǎn)小于0.01，無(wú)需通過刪減條目?jī)?yōu)化問卷。將DSI分為2個(gè)維度的分量表，分別為感知運(yùn)動(dòng)技能和安全技能。駕駛技能問卷信度檢驗(yàn)匯總見表3。感知運(yùn)動(dòng)技能與安全保持技能的信度值范圍在0.79～0.84之間，整體量表的α值為0.878，說明量表內(nèi)部一致性比較好，問卷整體信度非常好。

表2 駕駛行為問卷信度檢驗(yàn)表Tab.2 Reliability test of DBQ and PDBS

表3 駕駛技能問卷信度檢驗(yàn)Tab.3 Reliability test of DSI

對(duì)DAIS進(jìn)行KMO和Bartlett球形檢驗(yàn)，得到KMO值為0.794，Bartlett球形檢驗(yàn)的顯著性Sig.值為0遠(yuǎn)小于0.01，整體量表的α值為0.913，說明問卷整體信度非常好。

2 數(shù)據(jù)分析與建模

2.1 變量間的相關(guān)性分析

根據(jù)上文駕駛?cè)诵袨閱柧?、技能量表、積極行為問卷、攻擊性指標(biāo)量表的分類，計(jì)算各因子所包含的條目總得分，由于不同量表使用了不同的Likert計(jì)分形式，為了使各因子間具有可比性，通過軟件SPSS 22.0對(duì)各因子總得分進(jìn)行標(biāo)準(zhǔn)化處理得到各因子標(biāo)準(zhǔn)分。利用SPSS 22.0將積極行為標(biāo)準(zhǔn)分和攻擊性標(biāo)準(zhǔn)分分別進(jìn)行系統(tǒng)聚類（K=2）處理，得到積極性高組、積極性低組和攻擊性強(qiáng)組、攻擊性弱組。數(shù)據(jù)分析得出變量不滿足正態(tài)分布，為研究基礎(chǔ)信息描述性變量與其他變量之間的相關(guān)程度，利用SPSS 22.0對(duì)全部樣本進(jìn)行Spearman相關(guān)性分析。結(jié)果見表4。

危險(xiǎn)品車輛駕駛?cè)说哪挲g與違規(guī)操作頻率、失誤行為頻率呈顯著正相關(guān)（p＜0.05），駕齡與違規(guī)操作頻率呈顯著正相關(guān)。隨著駕齡的增長(zhǎng)，駕駛?cè)私?jīng)驗(yàn)更加豐富，但過度自信可能會(huì)導(dǎo)致更不安全的駕駛行為，從而出現(xiàn)更多的違規(guī)操作行為，這與Tao等[13]針對(duì)小車駕駛?cè)说难芯拷Y(jié)果一致。過去3年是否發(fā)生事故與駕駛積極性存在顯著相關(guān)性，駕駛?cè)苏疹櫰渌缆肥褂谜叩姆e極性行為頻率越高，越能保證平穩(wěn)安全的行駛，從而降低交通事故發(fā)生率。過去3年的主動(dòng)事故數(shù)與攻擊性有顯著相關(guān)性，駕駛?cè)饲致孕孕袨轭l率越高，越容易因自身原因造成交通事故發(fā)生。而過去3年的主動(dòng)或被動(dòng)事故數(shù)與駕駛技能微弱負(fù)相關(guān)，與異常駕駛行為微弱正相關(guān)。

表4 描述性變量與其他變量間的相關(guān)性分析Tab.4 Correlation analysis between descriptive variables and other variables

在限速120 km/h高速公路上傾向行駛速度與感知運(yùn)動(dòng)技能呈顯著正相關(guān)，與異常駕駛行為頻率呈微弱負(fù)相關(guān)。表明在高速行車過程中，擁有高水平感知運(yùn)動(dòng)技能的駕駛?cè)讼Ｍ云叩乃俣刃旭?。在限?0 km/h城區(qū)上傾向行駛速度與安全技能呈顯著負(fù)相關(guān)，與違規(guī)操作頻率、錯(cuò)誤行為頻率、失誤行為頻率、攻擊性呈顯著正相關(guān)，且相關(guān)性系數(shù)由大到小。說明在城區(qū)道路中，為了保障自身行車安全，安全技能較好的駕駛?cè)烁靡暂^低的速度行駛，而在城區(qū)道路上以偏高的速度形式的駕駛?cè)?，往往更容易出現(xiàn)異常駕駛行為，行車安全系數(shù)偏低。

已有文獻(xiàn)證明，駕駛?cè)司邆涞鸟{駛技能與異常駕駛行為之間有聯(lián)系。危險(xiǎn)品車輛駕駛?cè)笋{駛技能與駕駛行為相關(guān)系數(shù)表見表5。

駕駛?cè)说漠惓ｑ{駛行為與綜合駕駛技能（r=-0.329，p<0.05）呈顯著負(fù)相關(guān)，與安全技能（r=-0.407，p<0.01）呈極顯著負(fù)相關(guān)。綜合駕駛技能與錯(cuò)誤駕駛行為（r=-0.517，p<0.01）呈極顯著負(fù)相關(guān)。說明駕駛?cè)笋{駛水平越高，尤其是安全技能方面越好，出現(xiàn)異常駕駛行為的概率越低，尤其是錯(cuò)誤駕駛行為的概率越小。

感知運(yùn)動(dòng)技能與安全技能（r=-0.565，p<0.01）呈極顯著正相關(guān)。說明駕駛?cè)说母兄僮髂芰υ胶?，保持安全駕駛的能力也就越強(qiáng)，與Ju等[6]的研究結(jié)論一致。安全技能與違規(guī)操作行為（r=-0.357，p<0.05）呈顯著負(fù)相關(guān)，與錯(cuò)誤駕駛行為（r=-0.517，p<0.01）呈極顯著負(fù)相關(guān)。這說明駕駛?cè)说谋３职踩{駛能力越強(qiáng)，出現(xiàn)違規(guī)操作行為和錯(cuò)誤駕駛行為的概率越低。

錯(cuò)誤駕駛行為與違規(guī)操作行為（r=0.656，p<0.01）呈極顯著正相關(guān)，與失誤駕駛行為（r=0.453，p<0.01）呈極顯著正相關(guān)，違規(guī)操作行為與失誤駕駛行為（r=0.515，p<0.01）呈極顯著正相關(guān)。這說明容易有失誤操作的駕駛?cè)?，也容易出現(xiàn)錯(cuò)誤操作和違規(guī)行為。

表5 駕駛技能與駕駛行為間的相關(guān)性分析Tab.5 Correlation analysis between driving skills and driving behavior

2.2 年齡和駕齡對(duì)駕駛技能和駕駛行為的影響

由于變量不滿足正態(tài)分布，選用非參數(shù)檢驗(yàn)法對(duì)變量進(jìn)行分析。具體地，分別使用不同年齡組（28～40歲、41～57歲）、不同駕齡組（7～16年、17～25年）作為獨(dú)立自變量，以違規(guī)操作、錯(cuò)誤行為、失誤行為、異常駕駛行為、感知運(yùn)動(dòng)技能、安全技能、駕駛技能為因變量進(jìn)行Mann-Whitney檢驗(yàn)，判斷2個(gè)樣本在以上維度是否具有顯著性差異，并計(jì)算2個(gè)樣本各維度的均值和方差。相關(guān)數(shù)據(jù)表格分別見表6和表7。從表6數(shù)據(jù)中來看，年齡不同的2個(gè)組別在安全技能、錯(cuò)誤行為頻率、失誤行為頻率上有差異性，即顯著性p<0.05。且年齡較大的A2組駕駛?cè)嗽诟兄\(yùn)動(dòng)技能和安全技能方面不如年齡較小的A1組駕駛?cè)?，A2組駕駛?cè)顺霈F(xiàn)違規(guī)操作、錯(cuò)誤行為、失誤行為的頻率要高于A1組。與鄭東鵬等[17]有所結(jié)論不同，鄭東鵬指出感知運(yùn)動(dòng)技能與年齡呈負(fù)相關(guān)，而安全技能卻相反，年輕的男性駕駛?cè)藘A向于從事更具風(fēng)險(xiǎn)的駕駛行為。與先前研究中的小車駕駛?cè)讼啾?，本研究中的研究主體是危險(xiǎn)品車輛駕駛?cè)耍挲g較小的A1組的平均駕駛經(jīng)驗(yàn)小于A2組，行車會(huì)較為謹(jǐn)慎，故安全技能相對(duì)較高。

表6 不同年齡組問卷各維度均值比較Tab.6 Comparison of each dimension of the questionnaires in different age groups

表7 不同駕齡組問卷各維度均值比較Tab.7 Comparison of each dimension of the questionnaires in different driving age groups

因駕齡數(shù)據(jù)中有1個(gè)數(shù)據(jù)偏差過大，故剔除，一共是45個(gè)駕齡相關(guān)樣本。從表7數(shù)據(jù)中來看，駕齡不同的2個(gè)組別在這些維度上沒有差異性，即顯著性p>0.05。駕齡較長(zhǎng)的B2組在駕駛技能方面不如B1組，這是因?yàn)锽2組駕駛?cè)似毡槟挲g大于B1組，說明相對(duì)于駕齡，年齡對(duì)駕駛技能的影響程度更大。B2組出現(xiàn)違規(guī)操作、失誤行為的頻率高于B1組。而B2組出現(xiàn)錯(cuò)誤行為的頻率小于B1組，說明駕齡較長(zhǎng)的駕駛?cè)擞捎阱e(cuò)誤判斷出現(xiàn)錯(cuò)誤行為的頻率較低，這是由于駕駛經(jīng)驗(yàn)會(huì)提高駕駛?cè)说鸟{駛判斷能力。

2.3 攻擊性和積極性對(duì)駕駛技能和駕駛行為的影響

分別使用不同攻擊性組、不同積極性組作為獨(dú)立自變量，以違規(guī)操作、錯(cuò)誤行為、失誤行為、異常駕駛行為、感知運(yùn)動(dòng)技能、安全技能、駕駛技能為因變量進(jìn)行Mann-Whitney檢驗(yàn)，同時(shí)計(jì)算2個(gè)樣本各維度的均值和方差。相關(guān)數(shù)據(jù)表格分別見表8和表9。

從表8數(shù)據(jù)中來看，攻擊性強(qiáng)弱不同的2個(gè)組別在違規(guī)操作、失誤行為頻率上有差異性。攻擊性強(qiáng)的C1組在在感知運(yùn)動(dòng)技能和安全技能方面不如攻擊性弱的C2組駕駛?cè)?，且出現(xiàn)出現(xiàn)違規(guī)操作、錯(cuò)誤行為、失誤行為的頻率要高于C2組。

從表9數(shù)據(jù)中來看，積極性高低不同的2個(gè)組別在這些維度上沒有差異性。與韋曉冰等[18]研究得出小車駕駛?cè)烁兄\(yùn)動(dòng)技能和安全技能與積極性呈顯著正相關(guān)這個(gè)結(jié)論不同，危險(xiǎn)品車輛駕駛?cè)说鸟{駛技能、異常駕駛行為與積極性沒有明顯相關(guān)性。這是因?yàn)槲ｋU(xiǎn)品車輛駕駛?cè)舜蠖鄶?shù)時(shí)間在高速公路上駕駛，傾向于在保障駕駛安全的前提下提高運(yùn)輸效率，比起小車駕駛?cè)耍偷缆菲渌麉⑴c者的交流會(huì)明顯減少。積極性高的D2組駕駛?cè)嗽诟兄\(yùn)動(dòng)技能和安全技能方面超過積極性低的D1組駕駛?cè)?，說明對(duì)車輛操縱和行車安全把控較好的駕駛?cè)烁敢庹疹櫰渌缆肥褂谜?。D2組駕駛?cè)顺霈F(xiàn)違規(guī)操作、錯(cuò)誤行為、失誤行為的頻率要均低于D1組，D2組行車安全性更高一些。

表8 不同攻擊性組問卷各維度均值比較Tab.8 Comparison of each dimension of the questionnaires in different aggressive groups

表9 不同積極性組問卷各維度均值比較Tab.9 Comparison of each dimension of the questionnaires in different positivity groups

2.4 駕駛?cè)斯粜訪ogistic回歸預(yù)測(cè)

前文分析得出過去3年的主動(dòng)事故數(shù)與攻擊性有顯著相關(guān)性的結(jié)論，而過去3年事故數(shù)與駕駛技能微弱負(fù)相關(guān)，與異常駕駛行為微弱正相關(guān)，已有研究得出攻擊性高的駕駛?cè)烁菀自斐墒鹿省榱诉M(jìn)一步研究駕駛?cè)斯粜耘c駕駛技能、異常駕駛行為頻率、統(tǒng)計(jì)學(xué)信息之間的關(guān)系，建立回歸預(yù)測(cè)模型。駕駛?cè)斯粜詮?qiáng)或弱是1個(gè)二分量（0表示攻擊性弱，1表示攻擊性強(qiáng)），根據(jù)前文各變量間的相關(guān)性以及不同組別間的差異性結(jié)論，篩選出過去3年的主動(dòng)事故數(shù)、在限速50 km/h城區(qū)上傾向行駛速度、違規(guī)操作頻率、失誤行為頻率作為自變量，按比分檢驗(yàn)概率大小依次進(jìn)入模型，再按LR偏似然比檢驗(yàn)移出，最后建立駕駛?cè)斯粜灶A(yù)測(cè)模型。利用SPSS 22.0分析結(jié)果見表10。

經(jīng)篩選后得出限速50 km/h城區(qū)道路傾向行駛速度、違規(guī)操作總分、過去3年主動(dòng)事故數(shù)的顯著性水平小于0.05，可以用來預(yù)測(cè)駕駛?cè)斯粜詮?qiáng)弱。第一階段投入自變量為限速50公里城區(qū)道路傾向行駛速度，模型卡方值改進(jìn)10.513，預(yù)測(cè)正確率為76.10%；第二階段投入違規(guī)操作總分，模型卡方值改進(jìn)11.529，預(yù)測(cè)正確率為80.40%；第三階段投入過去3年主動(dòng)事故數(shù)，模型卡方值改進(jìn)14.566，預(yù)測(cè)正確率為87.00%模型系數(shù)的綜合檢驗(yàn)中顯著性P＜0.05表示本次擬合的模型里，納入的變量中，至少有1個(gè)變量的回歸比率（odds ratio，OR）有統(tǒng)計(jì)學(xué)意義，即模型總體有意義。整體模型的Hosmer-Lemeshow檢驗(yàn)值為4.415，顯著性水平為P=0.621不小于檢驗(yàn)水準(zhǔn)（即P>0.05），說明統(tǒng)計(jì)模型不顯著，不能拒絕關(guān)于模型擬合數(shù)據(jù)較好的假設(shè)，即當(dāng)前數(shù)據(jù)中的信息已經(jīng)被充分提取，模型擬合優(yōu)度較高，模型預(yù)測(cè)的正確率為87.00%。因此，限速50 km/h城區(qū)道路傾向行駛速度、違規(guī)操作總分、過去3年主動(dòng)事故數(shù)可以作為駕駛?cè)斯粜詮?qiáng)弱預(yù)測(cè)模型的輸入變量。

表10 Logistic回歸分析結(jié)果Tab.10 Logistic regression analysis results

3 結(jié)束語(yǔ)

應(yīng)用DBQ問卷、PDBS問卷、DSI問卷、DAIS問卷、駕駛?cè)嘶拘畔柧碚{(diào)查分析了50名中國(guó)危險(xiǎn)品車輛駕駛?cè)耍鶕?jù)已有文獻(xiàn)[12，19，20]得到 DBQ3因子（違規(guī)操作、錯(cuò)誤、失誤）和DSI2因子（感知運(yùn)動(dòng)技能、安全技能）。

分析問卷中各變量的相關(guān)性發(fā)現(xiàn)，年齡與違規(guī)操作頻率、失誤行為頻率正相關(guān)，年齡較大的駕駛?cè)嗽诟兄\(yùn)動(dòng)技能和安全技能方面不如年齡較小的駕駛?cè)耍c鄭東鵬等[17]針對(duì)小車駕駛?cè)说母兄\(yùn)動(dòng)技能與年齡呈負(fù)相關(guān)而安全技能卻相反的結(jié)論不同，年齡較小的危險(xiǎn)品車輛駕駛?cè)似骄{駛經(jīng)驗(yàn)小于年齡較大的，行車會(huì)更為謹(jǐn)慎，安全技能相對(duì)較高。

相對(duì)于年齡，駕齡對(duì)駕駛技能的影響程度較小，駕齡與違規(guī)操作頻率正相關(guān)。本研究還得出，年齡較小組出現(xiàn)錯(cuò)誤行為的頻率大于年齡較大組，說明駕齡較長(zhǎng)、擁有更多駕駛經(jīng)驗(yàn)的駕駛?cè)擞捎阱e(cuò)誤判斷出現(xiàn)錯(cuò)誤行為的頻率較低。

駕駛?cè)说漠惓ｑ{駛行為與綜合駕駛技能負(fù)相關(guān)，感知運(yùn)動(dòng)技能與安全技能呈顯著正相關(guān)，違規(guī)操作行為、錯(cuò)誤駕駛行為、失誤駕駛行為兩兩正相關(guān)。攻擊性行為頻率較高的駕駛?cè)嗽诟兄\(yùn)動(dòng)技能和安全技能方面不如頻率低的駕駛?cè)?，且出現(xiàn)違規(guī)操作、錯(cuò)誤行為、失誤行為的頻率要高于低頻組。而駕駛技能、異常駕駛行為與積極性駕駛行為頻率沒有明顯相關(guān)性，與韋曉冰等[18]研究得出小車駕駛?cè)烁兄\(yùn)動(dòng)技能和安全技能與積極性呈顯著正相關(guān)這個(gè)結(jié)論不同。這是因?yàn)槲ｋU(xiǎn)品車輛駕駛?cè)舜蠖鄶?shù)時(shí)間在高速公路上駕駛，傾向于在保障駕駛安全的前提下提高運(yùn)輸效率，比起小車駕駛?cè)?，和道路其他參與者的交流會(huì)明顯減少。但積極性駕駛行為高頻組駕駛?cè)嗽诟兄\(yùn)動(dòng)技能和安全技能方面超過低頻組，說明對(duì)車輛操縱和行車安全把控較好的危險(xiǎn)品車輛駕駛?cè)烁敢庹疹櫰渌缆肥褂谜摺?/p>

利用Logistic二元回歸分析建立了駕駛?cè)斯粜灶A(yù)測(cè)模型，結(jié)果表明，限速50 km城區(qū)道路傾向行駛速度、違規(guī)操作總分、過去3年主動(dòng)事故數(shù)可以作為駕駛?cè)斯粜詮?qiáng)弱預(yù)測(cè)模型的輸入變量，且模型預(yù)測(cè)的正確率為87.00%。出現(xiàn)違規(guī)操作的頻率越高，駕駛?cè)说鸟{駛攻擊性越強(qiáng)，引發(fā)事故可能性也就越大。這與張琦等[7]關(guān)于攻擊性駕駛行為與事故有較強(qiáng)相關(guān)性這個(gè)研究結(jié)論一致。

本研究也存在一些不足。首先，危險(xiǎn)品車輛駕駛?cè)说膯柧順颖緮?shù)量較少，樣本內(nèi)部所存在的誤差無(wú)法避免，且由于是自答式問卷調(diào)查，可能會(huì)出現(xiàn)隨意填寫或由于顧慮填寫不誠(chéng)實(shí)的情況，會(huì)影響分析結(jié)果的精確度；其次，本研究依照針對(duì)小車駕駛?cè)说难芯砍晒麑?duì)DBQ，DSI問卷進(jìn)行劃分，未考慮危險(xiǎn)品車輛駕駛?cè)说鸟{駛職業(yè)性。因此，后續(xù)將繼續(xù)深入研究，基于充足樣本數(shù)量下針對(duì)危險(xiǎn)品車輛駕駛?cè)诉M(jìn)行多問卷因子分析，得到以上分析方向的普適性結(jié)論。