非機動車駕駛人憤怒情緒及行為對交通安全影響分析*

□ 周 建，林 麗

(南京林業大學 汽車與交通工程學院，江蘇 南京 210037)

隨著城市的發展，居民出行方式也更為豐富，相比于機動車，非機動車以其方便、經濟、節能而備受青睞。我國非機動車主要包括：自行車、電動車和三輪車等，適值2019年4月5日《電動自行車安全技術規范》正式實施，我國對于非機動車的重視程度日益提高。現如今城市經濟的快速發展，其交通系統也越來越復雜化，共享單車、外賣等的興起，給人們帶來了便捷的生活，但相應的也增加了交通問題，如不遵守交通規則、亂停亂放等，導致了嚴重的交通問題[1]。根據中華人民共和國國家統計局所統計的最新數據，2017年交通事故發生數總計為203049起，其中非機動車交通事故發生數為18144起，約占總數的百分之十[2]。

二十一世紀以來，交通安全的分析伴隨著交通的發展也越來越重要。就憤怒情緒這一問題就受到眾多國內外交通學者的廣泛關注和研究。如：丹麥學者對自行車駕駛人的研究較多，在機動車駕駛憤怒量表(Driving Anger Expression Scale，DAS)的基礎上[3]，開發出用來測量研究非機動車駕駛憤怒量表(the DAS for Cyclists，CAS)[4]。對于憤怒增加激進駕駛行為的可能性，于國內學術界而言，對此關系尚未定論；一些研究人員認為現研究成果尚未能夠確定憤怒情緒對交通安全都會產生消極影響，結論無法說服所有人；另外一些研究人員認為憤怒情緒對交通安全的影響還受一些駕駛人自身因素的影響，且會對駕駛人的操作行為產生具體的影響[5]。綜合考慮，駕駛過程中所產生的憤怒情緒是不可避免的，無論年輕與否，也無論是國內國外。也正因為現代化交通的快速發展，憤怒情緒所帶來的事故也越來越明顯，所以對其的研究也是有著很大的前瞻性和建設性的[6]。

本文借鑒國內外研究經驗，首先編制了適合我國的非機動車駕駛憤怒量表；然后對量表的信效度進行分析；之后借助統計結果，針對憤怒行為與違規頻率建立有序回歸(Ordinal Regression)和多項Logistic回歸模型；最后，通過對憤怒情緒下的非機動車駕駛人(以下簡稱“駕駛人”)阻礙其他駕駛人、以及駕駛人對于憤怒情緒的自我評價進行頻次統計分析。

1 調查設計

本文以南通市崇川區為例，一方面，前往崇川區市中心人流集聚地，派發調查問卷；另一方面，借助互聯網搜集調查問卷數據。問卷總計收回158份，回收有效問卷156份(98.7%)。

該問卷涵蓋了兩部分：一般情況調查表(性別、年齡、學歷、職業、平均月收入、非機動車類型、日平均行駛時間、近兩年發生騎行交通事故次數等)和非機動車駕駛憤怒量表(CAS)。其中CAS參考國外駕駛憤怒量表和國內的駕駛員情緒狀態量表[7-11]，并根據征詢的結果，設計而成。

CAS包括兩部分：其一，駕駛人憤怒情緒下的行為表現(騎行強度、言語攻擊、肢體沖突、自我調節)；其二，憤怒情緒對交通安全影響的自我評價(自我發泄)。該量表采用Likert5級計分形式，1到5依次代表非常低、比較低、一般、比較高、非常高。

2 結果

2.1 量表信效度檢驗

2.1.1 內容信度

為了檢驗CAS量表的可靠性和穩定性，對量表做了信度分析。總量表的Cronbach’s α為0.812，五個項目中的α系數分別為：0.843、0.781、0.733、0.686、0.775。量表總的分半信度為0.815，五個項目的分半信度分別為：0.852、0.783、0.736、0.673、0.763。對五個項目進行多變量方差分析，由Hotelling T2檢驗可知，F=7.769，P<0.001，在α=0.05的基礎上，表明五個項目的情緒狀態具有顯著的差異。由此可知CAS量表是一種具備較高信度的量表。

2.1.2 結構效度

為了研究變量之間的偏相關性，采用因子分析(Factor Analysis)，借助統計軟件SPSS對得到的調查數據進行分析[12]，結果如表1所示。得到KMO值為0.813，可用于因子分析。Bartlett球形檢驗的卡方近似值為531.519，P=0.000<0.001，按置信度水平α=0.05，可認為因素的相關矩陣不是單位矩陣，能夠提取最少的公因素，同時解釋大部分的方差。

表1 KMO和Bartlett的檢驗

通過主成分分析法(Principal Component Analysis)提取方法，得到各變量的共同度。由表2可以看出，問卷的初始變量的共同度在0.511-0.812之間，皆大于0.5，說明幾個公共因素能夠解釋每個變量的方差都超過50%，解釋能力達到了量表降維的要求。

表2 公因素方差

綜上可知，整個問卷的效度和信度都滿足了心理測量的基本要求，CAS量表的質量較好，可用來進行駕駛憤怒表現的研究。

2.2 憤怒行為與交通安全的關系

2.2.1 憤怒行為與違規頻率的有序回歸分析

為了研究憤怒行為與違規頻率之間的關系，對量表的item11(相同一段時間內，您憤怒時違反交通規則的頻率比正常情況下)和駕駛人的憤怒行為進行有序回歸分析。

擬合度表的僅含截距項的對數似然值為178.708，最終的模型的卡方值是60.702，顯著性為0.000，可見有序回歸對本研究是適合的。

得到偽R方的結果：Cox-Snell、Nagelkerke及McFadden R2分別為0.911、0.957、0.843，三個R方統計量的值都比較接近1，可見模型的擬合程度比較好。

按ɑ=0.05水準，表3中位置參數item5(憤怒時您的車跟前車之間的距離：)、item6(騎行途中您埋怨激怒您的司機)的Wald統計量分別為6.047(P=0.032<0.05)、7.232(P=0.011<0.05)，剩余的位置參數都大于0.05，確定item5、item6與違規之間的回歸系數有統計學意義，剩余的則被排除。即騎行途中的跟車距離遠近、埋怨激怒自己的司機的頻率與違規頻率存在相應的回歸關系。Logit連接函數分別為：

第1組水平，Link1=3.917-(0.383*Item5+0.492*Item6)

第2組水平，Link2=5.021-(0.383*Item5+0.492*Item6)

第3組水平，Link3=7.043-(0.383*Item5+0.492*Item6)

第4組水平，Link4=10.072-(0.383*Item5+0.492*Item6)

對應的由Item5、Item6得到連接函數的值，可以進一步得出預測駕駛人違規頻率的概率值：

表3 回歸參數估計表

從上述模型分析可知，對駕駛人違規頻率存在較大影響的有騎行途中的跟車距離遠近、埋怨激怒自己的司機，我們可以借助它們來預測駕駛人違規頻率。

2.2.2 憤怒行為與違規頻率的多項Logistic回歸分析

參照模型擬合信息表，以及包含的截距項的模型和最終模型的似然比檢驗結果，其-2倍對數似然值分別為124.871、73.502，χ2=51.369，P=0.000<0.01，按α=0.05水準，最終模型更優。Pearson χ2及偏差χ2分別為1256.721(P=1.000>0.05)、912.632(P=1.000>0.05)，說明模型與數據充分擬合，即本數據資料可采用多項Logistic回歸分析。

在偽R方中，Cox-Snell、Nagelkerke及McFadden R2分別為0.501、0.550、0.287，由這三種決定系數R2可知，在因變量的變異中，可由量表所列憤怒表達方式(item1-item16)解釋的部分占50.1%、55.0%、28.7%。

按α=0.05水準，根據CAS的項目(item1-item16)，其中item5、item6與違規水平程度(3-一般，4-比較高)的Wald檢驗的顯著性水平均高于0.05，確定item5，item6具備了統計學意義，剩余的則相反不具備。以違規頻率(1-非常低)為基準，分別用兩個回歸方程進行水平程度3與1、水平程度4與l的比較，得到線性預測方程為：

Logit[P(違規=3|item5,item6)]=12.539+1.488*item5-4.025*item6

Logit[P(違規=4|item5,item6)]=4.918+0.305*item5-1.382*item6

計算得到的item5的回歸系數，其值為正數，表明騎行途中的跟車距離遠近的頻率與駕駛人憤怒時違規的頻率成正比；計算得到的item6的回歸系數，其值也為正數，表明埋怨激怒自己的司機的頻率與駕駛人憤怒時違反交通規則的頻率也成正比。綜合考慮其原因，可從統計中看出，駕駛人在憤怒情緒的影響下容易分神，所以更容易導致違規的發生。

由表4可知，整個模型預測概率為54.1%，即模型符合率為54.1%，預測效果良好(預測概率大于50%即良好)。表明可以用Item5、Item6構成的模型預測違規頻率的等級。

表4 分類表

2.3 憤怒情緒對交通安全的影響

駕駛人在憤怒情緒下騎行存在突然提速(短距離內非機動車提速更為靈活導致風險)、減速、停車、變道等行為，甚至可能會成為導致交通安全事故的主要原因；也存在自我安慰和嫻熟的操作技巧的影響下，沒造成嚴重的交通事故。

2.3.1 憤怒情緒下阻礙正常行駛

激怒駕駛人的主要因素有：行人、非機動車、機動車，而道路等其他相關因素則較少，即表明激怒因素還是主要存在道路使用者之間。從表5可以看出(Iteml10“騎行途中您減速阻擋激怒您的駕駛員，這種情形”；Iteml11“相同一段時間內，您憤怒時違反交通規則的頻率比正常情況下”)，憤怒情緒下，有36(23.08%)人減速來阻礙激怒自己的其他駕駛人或行人。其次因為在憤怒情緒的影響下，結合分神、反應力下降等因素的引導下，有39(24.32%)人容易違反交通規則。

表5 憤怒情緒下阻礙正常行駛程度

2.3.2 憤怒情緒對交通安全的影響

眾所周知，關于憤怒情緒的研究人員，都認可憤怒情緒對交通安全具有一定的影響，但從駕駛人本身而言，憤怒情緒的影響還需進一步研究。根據調查結果得知，70%的調查者認為憤怒情緒對交通安全具有影響，其中14%認為影響程度較大，只有30%認為其影響非常小；且憤怒情緒及其行為對交通安全的影響與駕駛人的生理心理有很大的相關性。

3 結論

本文在國內外研究的基礎上，編制了適合我國的非機動車駕駛憤怒情緒量表，并對量表的信度、效度進行了分析。區別于國外設計的憤怒情緒量表(傾向于表述不同情況下的憤怒情緒的表達)，此表更傾向于憤怒情緒下駕駛人的行為方式，為日后的駕駛憤怒情緒研究提供了理論支撐。

為了深入研究駕駛人憤怒行為與交通安全的關系，對駕駛人憤怒行為與違規頻率建立有序回歸和多項Logistic回歸模型，分析了模型的擬合度和顯著性；并得出騎行途中的跟車距離遠近、埋怨激怒自己的司機的頻率與違規頻率的存在統計學回歸意義，且與違規頻率成正相關；最后,針對憤怒情緒對駕駛人的影響程度大小進行頻次統計分析，得出結論：駕駛人憤怒情緒及其行為對交通事故影響較大，且與個體生理心理特征有很大的相關性。

本文對駕駛人憤怒情緒及其行為等問題研究還不夠全面，僅僅依靠收集的數據進行研究略為不足，可通過仿真或實際操作等行為數據來進一步完善研究。將來若增加此類的相關研究，對憤怒情緒所產生的交通問題具有深遠的意義。