基于Bayesian-SEM的駕車使用手機行為心理成因分析

肖杰文，胡 驥，閆章存，陳維新，王 崗

基于Bayesian-SEM的駕車使用手機行為心理成因分析

肖杰文1，胡 驥1，閆章存2，陳維新1，王 崗1

（1. 西南交通大學，交通運輸與物流學院，成都 611756；2. 同濟大學，道路與交通工程教育部重點實驗室，上海 201804）

為深入探究駕駛員在駕車過程中使用手機行為的形成因素，基于心理學視角在計劃行為理論的基礎上引入行為習慣、路況環境和風險感知等因素變量，構建了基于擴展計劃行為理論（Ex-TPB）的駕駛員駕車使用手機行為貝葉斯結構方程模型（Bayesian-SEM）。分析各影響因素間關系及作用，使用面向駕駛員的423份問卷作為樣本數據對所建模型進行分析評價，并將參數結果與傳統結構方程模型估計結果進行對比。研究發現：在小樣本情況下，本文所構建的模型能對駕駛員駕車使用手機行為心理成因進行較好的預測和解釋；行為習慣變量對行為意向影響最大，歸一化權重影響系數為0.238，對路況環境和風險感知的標準化影響系數分別為0.307和0.235；知覺行為控制、態度和主觀規范對使用手機行為意向均有顯著影響。

交通工程；成因分析；Bayesian-SEM模型；行為意向；Ex-TPB理論

0 引 言

隨著智能科技迅速發展，人們對智能手機的依賴性越來越強，其不僅影響著生活方式，也改變著駕駛行為習慣，提高出行便捷性的同時增加駕車使用手機行為而引發事故的比率。2013年美國因使用手機所引發事故率為12%[1]，司法大數據報告顯示國內約為10.56%，已成為排名前三的事故誘因。因此，亟需深入探究駕駛員駕車過程中使用手機行為的影響因素，以制定行之有效的干預措施。

國內外研究主要集中在使用手機行為分析和駕駛安全風險分析方面。在使用手機行為分析方面：Waddell[2]將該行為劃分為回應式和主動式，通過分層多元回歸來分析社會心理因素對兩種方式的影響；Riquelme[3]研究發現主觀、言語、行為、指令性規范，對駕駛員駕車使用手機的行為意向都有很好的預測能力；Walsh[4]研究激發駕駛員駕車使用手機行為的規范和控制信念，分析情境因素，針對手機使用意愿強弱不同的駕駛員信念差異進行了評估。駕駛安全風險分析方面：Caird[5]和David[6]通過駕駛模擬實驗研究反應時間、側車控制、車頭時距和車速等駕駛性能對安全績效的影響，發現駕車使用手機會導致反應時間減慢18%，跟車距離增加12%；趙煒華[7]對比了手持手機撥號的行車實驗與正常駕駛情況的統計分析結果，發現駕車使用手機會造成車速下降、行車軌跡偏離等問題。

本文基于計劃行為理論（TPB）對駕車使用手機行為心理成因進行了研究。同時，駕車使用手機屬違法行為，實際調查時被訪者可能會刻意隱瞞事實，較難獲取大量的樣本數據，而使用傳統結構方程模型（Traditional-SEM）極大似然估計法（ML）進行參數估計時需要較大樣本數，所以本文采用具有小樣本分析優勢的結構方程模型貝葉斯方法（Bayesian-SEM）。

1 問題分析

駕駛員駕車過程中決定是否使用手機的過程可視為一個注意力資源分配過程，使用手機將會分取注意資源，相應的分配給駕駛任務的資源就會減少，進而影響駕駛員對外界危險的感知能力和對車輛的控制能力，產生駕駛風險[8]。相關研究表明[5, 9, 10]駕車過程中使用手機會導致駕駛員制動反應時間延遲、行車路線發生偏移從而造成追尾或翻車事故，總結駕車使用手機的駕駛員心理具有以下共性：

① 高估自己的反應速度與駕駛技能，認為自己有很強的主導能力，形成駕駛操控錯覺；

② 工作緊迫性與安全意識耦合失調，導致工作緊迫感占據上位，而忽視駕駛安全風險。

同時，TPB在預測和解釋個體行為和行為意向方面具有良好的適用性[11]，本文基于傳統計劃行為理論，引入行為習慣、路況環境及風險感知3個解釋變量，構建基于Ex-TPB的駕駛員駕車使用手機行為成因模型，如圖1所示。

圖1 駕駛員駕車過程中使用手機行為成因模型

2 數據及變量描述

本研究通過問卷調查的方式對駕駛員駕車使用手機行為數據進行采集，調查共收回問卷447份，其中有效問卷423份。

表1 變量定義及描述

Tab.1 Definition and description of variable

3 模型結構分析與建立

3.1 結構方程模型原理

結構方程模型是基于變量協方差矩陣對變量間關系進行分析的一種統計方法，集因素分析與路徑分析兩種分析技術于一體，適用于多變量間相互關系的定量研究。結構方程模型包含測量模型與結構模型兩個基本模型[12]。其中測量模型：

結構模型：

3.2 結構方程模型的Bayesian估計

結構方程模型廣泛使用極大似然估計法（ML）和廣義最小二乘法（GLS）進行模型估計，這兩種方法都是通過將固定參數值和自由參數的估計值代入結構方程，推導方差協方差矩陣。均需滿足樣本是多變量正態總體且以簡單隨機抽樣來獲取[13]，當不滿足假設時，則很難得到樣本協方差矩陣與其自身的漸近性質。

貝葉斯估計根據馬爾可夫鏈蒙特卡羅（MCMC）方法從未知參數的后驗分布中抽取樣本進行有效統計計算[12]，得到參數和潛在變量的后驗分布，其關注的是原始觀測值，而非樣本協方差矩陣。同時，依靠漸近理論的方法需要在大樣本的前提下才能有效，而基于抽樣的貝葉斯方法較少依賴漸進理論，即使在小樣本情況下也能得到可靠的結果。使用此方法進行參數估計的結構方程模型稱為Bayesian-SEM。

黨的十八大以來，一個顯著特點就是通過強調文化自信，激發全民族文化創新創造活力，推動社會主義文化繁榮興盛，努力建設社會主義文化強國，鑄就中華文化新輝煌。這是中國特色社會主義文化進入新時代的重要新氣象。

4 模型評價及因素分析

4.1 模型評價

在貝葉斯結構方程模型中，Posterior predictive p-value（PPp值）、DIC值和參數事后概率分布圖通常被作為模型的評價指標。PPp值反映假設模型和觀測數據的契合度，是結構方程模型貝葉斯估計的適配度顯著性指標，其范圍為0.25~0.75；DIC值為差異化準則，是赤池信息準則（AIC）和貝葉斯信息準則（BIC）的延伸[14]，可反映兩個模型間的偏差，若DIC指標值大于10，則表明兩個模型間存在顯著差異。

圖2 自相關圖與參數軌跡圖

同時，由圖3事后概率分布圖可看出最初與最后事后概率分布的兩條多邊圖近似重疊，表明參數估計值的事后概率分布也達到很好的收斂。模型適配參數中PPp=0.42，位于0.25與0.75之間，則模型與觀測數據有很好的適配度；DIC=369.20遠大于標準值10，表明此Bayesian- SEM與Traditional-SEM模型存在顯著差異，兩種參數估計方法結果比較如表2所示，可看出兩種估計方法相關路徑系數均為顯著，各因素對駕車使用手機行為成因都有顯著影響。同時，Bayesian估計方法標準誤均小于ML，表明Bayesian-SEM參數估計的樣本統計量與總體參數的真實值更接近，用樣本推斷總體參數更為準確，即在小樣本條件下，Bayesian-SEM能得到更好的結果。

圖3 事后概率分布圖

表2 模型參數估計方法結果比較

注：*為<0.05；***為<0.001；Mean和Estimate表示路徑系數；S.E.為參數的標準誤差。

4.2 影響因素分析

基于Ex-TPB的駕駛員駕車使用手機行為貝葉斯結構方程模型各因素間因果關系及作用大小如圖4所示。

圖4 基于Ex-TPB的駕車使用手機行為心理成因分析結果

由圖4可知，各影響因素變量之間既存在直接影響，又有間接影響。根據模型參數估計結果，將各影響因素對行為意向的標準化總效應系數大小作為各因素對駕車使用手機行為影響的評判標準，各影響因素歸一化權重結果見圖5。由圖可知對駕車過程中使用手機行為影響最大的是行為習慣，其次是知覺行為控制、態度、路況環境、主觀規范和風險感知。

圖5 影響因素歸一化權重

駕駛員駕車使用手機行為心理成因測量模型中，各觀測指標對行為意向影響歸一化權重大小如圖6所示。

圖6 觀測變量歸一化權重

根據模型參數估計中路徑分析結果和歸一化權重可知，對駕駛員駕車過程中使用手機行為意向影響最大的是行為習慣，歸一化權重為0.238。各影響因素間，行為習慣對路況環境有較大影響，標準化影響系數為0.307，表明駕駛員過去在特定的路況環境下使用手機的行為會隨時間演變為一種固有習慣。本研究在問卷設計時引入了路況較好、車輛較少路段和等待時間較長交叉口兩種情景，表明當下次遇到類似路況環境條件時，駕駛員會因為過去行為很大程度上傾向于使用手機。行為習慣與風險感知的相關系數僅次于其與路況環境的相關系數，標準化影響系數為0.235，表明未曾受到過交警處罰或未曾發生過交通事故的駕駛員會形成僥幸心理，隨著使用手機次數的增多，風險感知被弱化。

知覺行為控制是繼行為習慣之后對行為意向影響較大的因素，歸一化權重為0.197，表明駕駛員往往會權衡自己能力與所面對情景后再實施行為決策。在知覺行為控制觀測指標中，“駕駛經驗”（0.073）和“駕駛技能”（0.062）兩項觀測指標權重占比較大，表明隨著駕駛員駕車過程中使用手機次數增多，駕駛經驗不斷豐富，演變為對于自身駕駛經驗和技能的一種肯定，形成一種并不會造成危險的操縱錯覺，也就會更加頻繁地在駕車過程中使用手機。

在態度方面，“積極態度”（0.034）、“不會影響正常駕駛”（0.053）等觀測指標權重大小表明駕駛員對駕車過程中使用手機的行為是認可和允許的；“有效利用時間”（0.050）說明駕駛員迫于工作或生活壓力，對于手機的依賴性較強，交通安全意識薄弱并常常忽略生活中因使用手機引發的交通事故。

主觀規范與行為意向表現為負相關關系，其中觀測變量“交管約束”（0.037）對于駕車使用手機行為意向的影響最強，表明當駕駛員考慮到會受罰時，違章意向會減弱；“從眾行為”對主觀規范的相關性為0.028，說明駕駛員會因為身邊人駕車過程中使用手機而做出相同的行為。

5 結 論

本文在計劃行為理論的基礎上，新增行為習慣、路況環境和風險感知三個拓展解釋變量，構建基于擴展計劃行為理論（Ex-TPB）的駕駛員駕車使用手機行為貝葉斯結構方程模型（Bayesian- SEM），通過比較ML估計和Bayesian估計的結果發現，小樣本情況下Bayesian-SEM得到的參數估計結果更佳。Bayesian-SEM參數估計結果顯示對駕駛員駕車過程中使用手機行為意向影響最大的是行為習慣，其次是知覺行為控制、態度、路況環境、主觀規范和風險感知，且行為習慣對路況環境和風險感知也有較大影響。描述性觀測變量方面，對行為意向影響最大的為環境習慣，其次為駕車使用手機次數和駕駛經驗。

此研究為制定科學的交通安全管理措施提供了新的思路，由于變量選擇限制未能完全揭示駕駛員駕車使用手機行為心理成因，后續研究可補充社會壓力、預期后悔等指標對行為心理的影響，進一步完善駕駛員駕車過程中使用手機行為心理成因模型。

[1] National Highway Traffic Safety Administration. A compilation of motor vehicle crash data from the fatality analysis reporting system and the general estimates system[R]. Washington DC: National Highway Traffic Safety Administration. 2013

[2] WADDELL L P, WIENER K K K. What’s driving illegal mobile phone use? Psychosocial influences on drivers’ intentions to use hand-held mobile phones[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2014, 22: 1-11.

[3] RIQUELME H E, AL-SAMMAK F S, RIOS R E. Social influences among young drivers on talking on the mobile phone while driving[J]. Traffic Injury Prevention, 2010, 11 (2): 127-132

[4] WALSH S P, WHITE K M, WATSON B C, et al. Psychosocial factors influencing mobile phone use while driving[M]. Canberra: Australian Transport Safety Bureau, 2007.

[5] CAIRD J K, WILLNESS C R, STEEL P, et al. A meta- analysis of the effects of cell phones on driver performance[J]. Accident Analysis and Prevention, 2008, 40 (4): 1282-1293.

[6] STRAYER D L, DREWS F A. Profiles in driver distraction: effects of cell phone conversations on younger and older drivers[J]. Human Factors, 2004, 46 (4): 640.

[7] 趙煒華, 喬曉亮. 手持式手機對駕駛安全的影響研究[J]. 西安航空學院學報, 2018, 36 (1): 56-61.

[8] 李宏汀, 劉彥宇, 李文書. 駕駛中使用手機對駕駛員行為安全績效影響綜述[J]. 中國安全科學學報, 2013, 23 (01): 16-21.

[9] AL-DARRAB I A, KHAN Z A, ISHRAT S I. An experimental study on the effect of mobile phone conversation on drivers’ reaction time in braking response[J]. Journal of safety research, 2009, 40 (3): 185-189.

[10] ALM H, NILSSON L. The effects of a mobile telephone task on driver behaviour in a car following situation[J]. Accident Analysis & Prevention, 1995, 27 (5): 707-715.

[11] CONNER M, SPARKS P. Theory of planned behaviour and health behaviour[J]. Health Psychology Official Journal of the Division of Health Psychology American Psychological Association, 2011, 40 (4): 471-499.

[12] 吳明隆. 結構方程模型: AMOS的操作與應用[M]. 重慶: 重慶大學出版社, 2010.

[13] 黃芳銘. 結構方程模型[M]. 北京: 中國稅務出版社, 2005.

[14] 吳明隆. 結構方程模型—— AMOS實務進階[M]. 重慶: 重慶大學出版社, 2013.

Analysis on the Psychological Cause of Using Mobile Phones during Driving Based on Bayesian-SEM

XIAO Jie-wen1, HU Ji1, YAN Zhang-cun2, CHEN Wei-xin1, WANG Gang1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China)

To comprehensively explore the influencing factors of the use of a driver of his mobile phone during driving, the driver behavior, road environment, and risk-aware factors were introduced into the theory of planned behavior from the psychology perspective. The Bayesian-structural equation model (Bayesian-SEM) for the use of mobile phones during driving based on the extended theory of planned behavior was constructed to analyze the relationship and effect of the influencing factors using 423 questionnaire data of drivers as sample data to analyze and evaluate the model. The parameter estimation results of the traditional estimation method using SEM and those of the method employed in this research were compared. The results show that the model developed in this work demonstrated better predictive ability and validity of the behavioral psychogenesis in case of small samples. Behavioral habit exhibited the greatest influence on the behavioral intention in which the normalized weight influence coefficient was 0.238. Behavioral habit also exhibited a great influence on the road environment and risk perception. The influence coefficients were 0.307 and 0.235 respectively. Perceptual behavior control, attitude, and subjective norm significantly influenced the behavior intent on the use of mobile phones during driving.

traffic engineering; cause analysis; Bayesian-structural equation model; behavioral intention; extended theory of planned behavior

1672-4747（2020）04-0145-08

U491.2+54

A

10.3969/j.issn.1672-4747.2020.04.018

2020-03-05

肖杰文（1994—），男，四川自貢人，碩士研究生，主要從事交通行為方面的研究，E-mail：593924781@qq.com

胡驥（1970—），男，四川成都人，副教授，研究方向為交通行為學，E-mail：hujihj@ 163.com

肖杰文，胡驥，閆章存，等. 基于Bayesian-SEM的駕車使用手機行為心理成因分析[J]. 交通運輸工程與信息學報，2020, 18(4): 145-152

（責任編輯：李愈）