駕駛人暴怒情緒對行車安全的影響研究＊

李海，王志新

（甘肅交通職業技術學院，甘肅 蘭州 730070）

引言

在通常情況下，情緒色彩常伴隨著人類的一切心理活動，而應激、激情、心境是體現人類情緒色彩的三種形式[1]。激情狀態是影響駕駛員正常駕駛的主要因素，悲痛、狂躁、暴怒等都屬于人類的激情狀態，駕駛人在激情狀態下常會出現失控現象，從而造成駕駛過程中觀察疏忽、操作失誤現象的發生，進而引發交通事故。駕駛人暴怒情緒對行車安全的影響是當前研究交通事故的中心之一。Jerry L. Deffenbacher 是美國柯林斯堡科羅拉多州立大學的教授，其設計了用來研究駕駛人在不同情景下的憤怒程度的量表（Driving Anger Scale,DAS）[2]。澳大利亞、法國等運用DAS 對本國駕駛人進行了研究[3][4]。國內該方面的研究相對較少，仰恩大學的王艷紅分析了恐懼、悲哀、憂愁等情緒對行車安全的影響[5]。武漢理工大學的雷虎分析了駕駛人憤怒情緒下的行為特征及其對交通安全的影響[6]。本文借鑒以往的研究經驗，結合我國文化和交通情景，采用問卷調查的方法主要從以下三個方面展開研究：（1）分析暴怒情緒對駕駛人生理、心理、行為的影響。（2）通過建立回歸關系，研究駕駛人暴怒情緒下的行為表現與行車安全的關系。（3）分析問卷調查結果，得出暴怒情緒對行車安全的影響。

1 暴怒情緒對駕駛人生理、心理、行為的影響

1.1 暴怒情緒對駕駛人生理心理影響的分析

心理學研究表明[2]，人的情緒是一種心理活動的產物，是人對客觀事物是否符合自己需要的態度的體驗。調查顯示，車輛行駛中駕駛人產生的暴怒情緒會對駕駛人的生理心理產生一定的影響，如表1 所示。有效的觀測共有435 個，其中駕駛人對各種可能影響駕駛的生理、心理因素的選擇頻次為692 次，其中頻數為172 的為注意力不集中因素，頻數為161的為出現駕駛操作小失誤因素，而容易開“賭氣車”132 次，反應遲鈍94 次，頻數為82 的為判斷失誤因素，以上五種生理、心理因素是影響駕駛人駕駛的主要因素。此外，在該調查中還發現，暴怒情緒使駕駛人產生疲勞的情況比較少，但是仍然應該加以注意與防范。

表1 暴怒情緒對駕駛人生理心理的影響頻率

暴怒情緒對駕駛人的生理心理影響存在著個體差異，如表2 所示。通過對其他非研究因素進行調控，采取控制變量法對駕駛人的人口統計學特征、暴怒情緒等進行研究，從而得出較為科學的調查結果。研究結果顯示，暴怒情緒對于女性駕駛員的影響相比于男性駕駛員是較小的，且暴怒情緒對男性駕駛員所產生的影響較大的為注意力不集中、開“賭氣車”，其次是反應遲鈍、判斷失誤，而對女性駕駛人影響比較大的是注意力不集中、出現駕駛操作小失誤，其次是容易反應遲鈍、開“賭氣車”。不論年齡的大與小，駕駛員在一定程度上均會受到暴怒情緒的影響，其中最易出現的結果就是駕駛員注意力不集中的現象。具體來說，年齡在40 歲以下的駕駛員相比于年齡在40 歲以上的駕駛員來說，情緒波動較為容易受到外界事物影響，因此，年齡在40 歲以下的駕駛員在暴怒情緒下更容易開“賭氣車”，41-50 歲的人比其他年齡段的人更容易疲勞，駕齡在2 年以下的駕駛人容易出現車輛控制方面的小失誤。暴怒情緒對不同學歷的駕駛人影響也是不同的，具體來說，對于大學以上學歷的駕駛人來說，在駕駛過程中容易出現注意力不集中的現象；對于大學學歷的駕駛人來說，在駕駛過程中容易出現車輛控制上的小失誤；對于高中及高中以下學歷的駕駛人來說，在駕駛過程中容易出現注意力不集中的現象。對于收入水平不同的駕駛員，暴怒情緒對其所產生的影響也是具有差異的，具體來說，對于平均月收入不到2000 元的駕駛人來說，暴怒情緒對其所產生影響由重到輕是：注意力不集中、車輛控制方面的小失誤、開“賭氣車”、反應不夠敏捷、開車過程中易疲勞；而對于平均月收入在2000 元以上的駕駛人來說，受暴怒影響所產生的主要現象為車輛控制上出現小失誤、注意力不集中。此外，除了駕駛人本身情況所導致的受暴怒情況影響不同以外，駕駛人所駕駛的車型也會對駕駛人產生一定的影響，如除了出租車駕駛人以外，貨車駕駛人、私家小汽車駕駛人、長途客車駕駛人、公交車駕駛人在駕駛過程中受暴怒情緒影響所出現的現象主要為注意力不集中，其次是車輛控制小失誤、開“賭氣車”。暴怒情緒對出租車駕駛人的影響比較大的前三位依次是注意力不集中、對車速估計不準、車輛控制小失誤。暴怒情緒對未婚駕駛人影響最明顯的是車輛控制小失誤，其次是開“賭氣車”和注意力不集中，對已婚駕駛人影響最明顯的是注意力不集中，其次是車輛控制小失誤和開“賭氣車”。

綜上所述，駕駛人的人口統計學特征以及暴怒情緒均會對駕駛人的駕駛產生一定程度上的影響，影響駕駛人駕駛的人口統計學特征主要有駕駛人的性別、駕駛人的年齡；影響駕駛人駕駛暴怒情緒的主要因素有駕駛人的學歷、駕駛人的收入水平、駕駛人的駕駛車型。以上因素均會影響到駕駛人的正常駕駛。

1.2 暴怒情緒下駕駛人可能發生的違法駕駛行為

表2 暴怒情緒對駕駛人影響的個體差異情況

駕駛人在暴怒情況下，常常會由于發泄暴怒情緒而做出一些法律所禁止的行為，甚至會做出超乎尋常的越軌行為，如強超、強會、超速等。根據相關調查，暴怒狀態下的駕駛人對于激怒其的車輛有很大的概率會采取過激性報復行為，從而導致故意違法現象的發生。為了調查在暴怒情緒下駕駛人可能發生的違法駕駛行為，本研究以我國道路交通事故年報統計的違法違規駕駛行為作為標準，對我國蘭州市300 名駕駛員展開了調查，具體的調查結果如表3 所示。違規使用燈光、不按規定讓行、超速行駛、逆向駕駛、強超、違法停車等均為受暴怒情緒影響的駕駛人所采取的行為，這些有悖于交通規則的行為不僅使得其他道路行駛車輛行駛困難，而且還容易引發追尾、碰撞等較為嚴重的交通事故。

表3 暴怒情緒下可能發生的危險行為（N=300）

2 駕駛人暴怒情緒下的表現與行車安全的關系

為了提高駕駛人暴怒情緒下的表現與行車安全關系研究的準確性、科學性、合理性，本研究采取了回歸分析的方式對駕駛人受暴怒情緒影響所出現的行為方式與駕駛人在近兩年的駕駛中出現事故的頻次、違章的次數進行了具體研究，研究成果表明，駕駛人受暴怒情緒影響所出現的行為方式與駕駛人在近兩年的駕駛中出現事故的頻次、違章的次數無法建立起理想的回歸模型。分析原因為問卷調查中該項目數據統計不夠準確，許多被調查對象都記不清違章次數而只對于自身違章頻率有模糊的印象。因此，本文對駕駛人受暴怒情緒影響所出現的行為方式與駕駛人在近兩年的駕駛中出現事故的頻次、違章的次數進行了有序回歸模型以及多項Logistic回歸模型的建立。

2.1 駕駛人暴怒表現與違章頻率有序回歸分析

對駕駛人暴怒時違章的頻率和其暴怒時的表現進行有序回歸分析。根據擬合度表，偏差為χ2為1031.724（P=1.000＞0.05），表明本文數據適合于有序回歸分析。

根據偽R 方（Pseudo R-Square）的計算結果，0.119、0.294、0.269 分別為McFadden R2、Nagelkerke R2、Snell R2與Cox的計算結果，該結果表明，可由量表解釋的暴怒表達形式分別占總體的12.8%、29.4%以及27.7%。

采取α=0.05 水準，7.324（P=0.007＜0.05）、5.317（P=0.021＜0.05）分別為位置參數item1、item15 的Wald 統計量數值，該結果可由參數估計表4 得出，而其他位置參數的P 值均在0.05 水平以上，因此，位置參數item15、item1 與違規之間是可以建立回歸模型的，其Logit 連接函數分別為：

第1 組水平，Link1=3.918-(0.368* item1+0.443* item15)

第2 組水平，Link2=5.009-(0.368* item1+0.443* item15)

第3 組水平，Link3=7.058-(0.368* item1+0.443* item15)

第4 組水平，Link4=10.112- (0.368* item1+0.443* item15)

由以上公式可以計算出Logit 連接函數的具體數值，可再根據以下公式計算出具體的概率值。預測出駕駛人違章的頻率情況。

通過以上模型分析， 駕駛人違章與駕駛人謾罵其他駕駛人、駕駛人拍打方向盤之間具有很大的相關關系，該研究成果表明，可以通過研究駕駛人謾罵其他駕駛人、拍打方向盤發生的頻次來對駕駛人違章的頻率做出粗略預測。

表4 回歸參數估計表

2.2 駕駛人暴怒表現與違章頻率多項Logistic 回歸分析

對駕駛人暴怒時違章的頻率和其暴怒時的表現進行多項Logistic 回歸分析。根據擬合度表，采取α=0.05 為水準，偏差為χ2=925.021-683.728=241.293，P=0.000＜0.01，且Pearson χ2及偏差χ2分別為1273.521（P=1.000＞0.05），表明本文數據適合于多項Logistic 回歸分析。表5 為多項Logistic 回歸分析的具體結果。

表5 擬合度

在偽R 方（Pseudo R-Square）中，0.206、0.465、0.436分別為McFadden R2、Nagelkerke R2、Snell R2與Cox 的計算結果，該結果表明，可由量表解釋的暴怒表達形式分別占總體的20.6%、46.5%以及43.6%。

采取Wald 檢驗顯著性標準水平為0.05，對于量表所示數據，只有item1、item15 的值大于相較于3-一般和4-比較高，而其他情況下如item2 到item14 以及item16 到item21的α值均大于0.05，因此，認為僅在item1、item15 情況下是可以進行多項Logistic 回歸的，且若以1-非常低為頻率標準，以下公式所得到的線形預測方程：

Logit[P（違規=3∣item1，item15）]=-5.030+0.722* item1+0.518* item15

Logit[P（違規=4∣item1，item15）]=-9.396+0.869* item1+0.977* item15

由具體結果可得，item1 的回歸系數均大于0，即駕駛人暴怒時出現違規的概率與駕駛人拍打方向盤出現的頻次呈正相關；item15 的回歸系數均大于0，即駕駛人暴怒時出現違規的概率與駕駛人謾罵其他駕駛人出現的頻次呈正相關。

一般情況下，若模型的預測概率大于百分之五十，則說明該模型的預測效果良好，若模型的預測概率小于百分之五十，則說明該模型的預測效果并不理想。在本研究中，由模型的預測效果分類表可得，本模型的預測概率達到了50.8%，即本模型的預測效果良好，具體如表6 所示。這說明可以用item1、item15 構成的模型來預測交通違規的頻率等級。

表6 分類表

3 暴怒情緒下開車對行車安全的影響

在暴怒情緒下開車對行車安全的影響主要表現在駕駛人所出現的方向盤轉動頻率顯著增加、擋位變換過快、制動踏板操作不當，且注意力不集中等現象，所以暴怒情緒下駕駛人開車有非常大的安全隱患。

3.1 暴怒情緒下發生交通事故形態統計

調查顯示，暴怒駕駛引發的交通事故形態中正面碰撞和側面碰撞較多，300 人中就有63 人發生過該類交通事故，占調查總數的21%。其次是對向刮擦、碰撞固定物，300 人中就有48 人發生過該類交通事故，占調查總數的16%。若當時道路上來往車輛數量較多，暴怒情緒下所發生的交通事故形態如正面碰撞、側面碰撞、對向刮擦等極易引起道路車輛阻塞，從而引起負面的交通情況變化，此外，駕駛人頻繁地操作車輛將增加因車輛局部溫度過高，進而引發火災現象發生的概率。由表7 可得出，暴怒情緒對于駕駛人的影響是不容小覷的。

表7 暴怒情緒下發生的交通事故形態

3.2 暴怒情緒下幾乎發生交通事故的頻率統計

調查結果如圖1 所示。

圖1 暴怒情緒下駕駛人幾乎發生交通事故的頻率

從圖1 可看出，暴怒情緒下從未發生交通事故的只有41%，說明有59%的人在暴怒情緒下出現過“幾乎發生交通事故”的情況。

3.3 暴怒情緒對駕駛人行車安全的影響程度

調查結果如圖2、圖3 所示。

圖2 暴怒情緒對駕駛人行車安全的影響程度

從圖2 可看出，87%的人認為暴怒情緒對行車安全是有影響的，6%的人認為影響非常大，只有13%的人認為無影響。從圖3 可看出，認為暴怒情緒引起事故的嚴重程度在嚴重以上的達到19%，認為嚴重程度為一般的占到了25%，兩者占到了44%。從兩圖分析可知，大部分人認為暴怒情緒對行車安全及引發的交通事故影響較大。

圖3 暴怒情緒下發生交通事故的嚴重程度

4 結語

（1）行車中，暴怒情緒最容易導致駕駛人注意力不集中，其次是車輛控制方面出現小失誤，再就是開“賭氣車”。另外還會導致駕駛人判斷失誤、反應遲鈍、疲勞等。

（2）開車中，駕駛人自身情況會影響到暴怒情緒對駕駛人的影響。

（3）通過對具體數據的分析，本文建立了有序回歸和多項Logistic 回歸模型兩種回歸模型，得出駕駛人受暴怒情緒影響所出現的行為方式與駕駛人在近兩年的駕駛中出現事故的頻次、違章的次數存在統計學回歸意義。

（4）暴怒情緒下駕駛發生道路交通事故的形態排在前三位的是：正面碰撞、側面碰撞、對向刮擦；59%的人在暴怒情緒下出現過“幾乎發生交通事故”的情況，87%的人認為暴怒情緒對行車安全是有影響的，44%的認為暴怒駕駛引發的交通事故嚴重程度在一般以上。

（5）由于部分駕駛人因顧及個人情面而不愿填寫真實違章情況，致使收集到的數據存在一定的誤差，希望在今后再做該項研究時能盡力消除被調查人的顧慮，以獲得更有價值的數據。