基于結構方程模型的出租車事故影響因素分析

王永崗，張 衡，彭志鵬，周琬琦

(長安大學 公路學院，陜西 西安 710064)

0 引 言

出租車具有方便、靈活、舒適度高等優點，受到出行者的喜愛，與其他交通方式一起組成了城市客運交通系統[1]，但出租車交通事故率也逐漸上升，對城市交通安全提出了巨大挑戰。研究表明：駕駛員因素占造成交通事故的原因的九成以上[2]。因此，研究出租車駕駛員工作條件、日常駕駛行為對出租車事故的影響具有重要意義。

有研究表明出租車駕駛員不良的生理及心理因素以及駕駛行為容易誘發交通事故。J.R.DALZIEL等[3]發現，超負荷工作易導致疲勞駕駛而發生交通事故；M.J.M.SULLMAN等[4]發現，激進駕駛是造成出租車駕駛員注意力不集中，導致事故風險上升的主要原因；郭洪洋等[5]通過構建安全行為風險度量模型，利用模糊聚類算法研究了駕駛員因素對交通事故的影響；羅勇等[6]分析了易造成出租車事故的駕駛員心理因素，并提出了相應的改善措施；戴璟等[7]分析了交通事故與駕駛員違法駕駛行為與間的關系，結果表明超速、違法占道等行為是造成事故的主要誘因；張麗霞等[8]基于歷史道路交通事故數據，分析了不良駕駛行為等因素對事故的影響Y.G.WANG等[9]基于出租車駕駛員問卷調查數據，采用雙變量混合模型，分析了異常駕駛行為與事故及其嚴重程度之間的關系。

結構方程模型(SEM)作為一種統計分析方法，能用于處理數據變量關系復雜的情況，為研究交通事故內在因素的復雜關系提供良好理論框架。近年來，國內外學者也利用SEM對交通領域進行了一定的研究。陳艷艷等[10]基于結構方程模型研究了影響共享自行車出行選擇行為的顯著因素；KUN Xie等[11]以曼哈頓為例，研究了二次碰撞的影響因素以及二次碰撞對傷害嚴重性水平的影響，發現二次碰撞與傷害嚴重程度以及超速、酒后駕車、疲勞駕駛、剎車失靈，視野受限和下雨等影響因素存在相關性；Y.K.BAE等[12]通過構建結構方程模型分析了道路、環境等因素與交通事故間的因果關系。

筆者采用問卷調查的方式，獲取包括工作情況、不良駕駛行為以及過去兩年中發生的事故次數等信息，構建交通事故的結構方程模型，試圖找出影響出租車事故的主要因素以及影響程度大小，并給出相應的管理建議。

1 數據收集及描述分析

1.1 問卷設計及數據收集

問卷內容共包括：出租車駕駛員基本信息調查、工作滿意度調查、不良駕駛行為調查和交通事故次數調查4部分。其中，工作滿意度指標包括：每天工作時長(HOUD)、每周休息天數(ODUT)、收入情況(DCOM)等5個問題；不良駕駛行為指標包括：隨意闖紅燈(LAMP)、危險超車(OVTA)、超速駕駛(SPEE)、疲勞駕駛(FATI)等13個問題，且均采用七級李克特量表進行評分。交通事故調查則按實際發生次數記錄，分財產損失事故(PDO)和受傷事故(PI)兩種。

調查選擇在國內西安、西寧、長春及汕頭4個城市進行。駕駛員選擇的標準是：出租車駕駛員至少有2年駕駛經驗，且每年駕駛里程超過50 000公里。最后共有21家出租車公司(西安8家，西寧5家，吉林4家，汕頭4家)，2 273名出租車駕駛員參與調查。剔除無效問卷后共獲得有效問卷2 091份問卷(西安766份，西寧503份，吉林434份，汕頭388份)。

1.2 描述性統計分析

表1 駕駛員基本信息Table 1 Basic information of drivers

表2 事故次數統計Table 2 Accident statistics

表3 不良駕駛行為頻率Table 3 Frequency of aberrant driving behavior %

2 因子分析

在建模前，因沒有實質性的理論模型，使用探索性因子分析(EFA)來獲得經驗因素模型，建立SEM的結構部分[13]。在進行了主成分因子分析前，計算了表明變量間的相關性的KMO值。根據H.F.KAISER[14]觀點，KMO值愈接近1，則變量相關性愈高，愈適合因子分析。采用克朗巴哈系數Cronbach’s α來評價問卷的一致性問題，Cronbach’s α系數的取值在(0，1)，值越接近于1表示量表數據的信度越高。

通過測定，得到KMO為0.937，主成分分析結果如圖1，表明可提取出3個公共因子，總方差貢獻率達到61.53%。

圖1 碎石圖檢驗Fig.1 Gravel map inspection

因子包含內容及載荷和一致性分析如表4。將因子1命名為違章駕駛，Cronbach’s α系數為0.923，特征值為7.087，對結果的解釋貢獻率為41.69%；因子2命名為魯莽駕駛，特征值為1.483，Cronbach’s α系數為0.756，解釋貢獻率為11.83%；因子3命名為工作滿意度，Cronbach’s α系數為0.518，特征值為1.299，解釋貢獻率為8.01%。

表4 因子分析結果Table 4 Factor analysis results

3 模型構建

3.1 結構方程模型

結構方程模型(SEM)既能夠準確對因子內部結構進行度量,又充分考慮了各個因子間的因果關系，包括測量模型(Measured model)與結構模型(Structural model)兩個基本的模型[15]。

測量模型用來度量潛變量ξ、η與顯變量(測量指標)x、y之間的關系，如式(1)、(2)：

雖然在臨沂市上游實現了庫河聯合調度，保障了城市水供應，在市區加強了水網建設，形成了完整的城區水循環，但城市排放的中水對下游的水質造成了較大影響。為進一步提升臨沂城的水環境質量，改善下游水質和居民的生活環境，降低因水環境污染引起的健康風險，臨沂市決定規劃建設武河濕地。

y=Λyη+δ

(1)

x=Λxξ+ε

(2)

式中:y代表內生顯變量所組成的向量；x代表外生顯變量所組成的向量；η為內生潛變量；ξ為外生潛變量；Λy為內生顯變量在內生潛變量上的因子負荷矩陣，反映內生潛變量η和其顯變量y之間的關系；Λx為外生顯變量在外生潛變量上的因子負荷矩陣,用來解釋外生潛變量ξ其顯變量x之間的關系；ε、δ為測量殘差。

結構模型用以解釋外生和內生潛變量間的因果關系，如式(3)：

η=Bη+Γξ+ζ

(3)

式中:B為結構系數矩陣,代表構成內生潛變量η的因素間的影響關系；Γ為結構系數矩陣,代表外生潛變量ξ對內生潛變量η的影響；ζ為結構模型的殘差矩陣。

對結構模式中的外生潛變量與內生潛變量的路徑載荷因子進行歸一化處理，得到兩者間的關系方程，計算過程如式(4)～式(6)：

(4)

(5)

η=Λy1ξ1+Λy2ξ2+…+Λynξ3

(6)

3.2 模型構建

根據因子分析的結果，確定3個外生潛變量，分別為魯莽駕駛、違章駕駛、工作滿意度，一個內生潛變量為事故傾向，并作4點假設：①魯莽駕駛與事故傾向正相關；②違章駕駛與事故傾向正相關；③工作滿意度與事故傾向有負相關；④3個外生潛變量間存在相關關系。建立出租車事故傾向結構方程模型如圖2。模型評價指標及擬合度判別標準如表5。

圖2 出租車事故傾向性結構方程模型Fig.2 Taxi accident propensity structural equation model

表5 模型擬合優度檢驗標準Table 5 Test standard of model fitting goodness

4 模型結果分析

4.1 模型擬合度評價

通過模型擬合度計算，得到模型χ2=1578，自由度(DF)=125，GFI=0.93，CFI=0.904，AGFI=0.944，均大于0.90，RMSEA=0.07。除了卡方值不顯著外，其余指標均符合要求，模型擬合程度良好。卡方自由度比偏大的原因是樣本量較大造成的[11]。模型的參數計算結果如圖3。

圖3 模型路徑參數Fig.3 Path parameters of model

4.2 模型解釋

在結構方程模型中，各變量間的相互關系通過路徑系數來表示，路徑系數的大小代表了變量間相互影響的程度，部分標準化路徑系數計算結果如表6。

表6 標準化路徑系數(部分)Table 6 Standardized path coefficients (partial)

由表6可知，魯莽駕駛與事故傾向的路徑系數為0.389，說明魯莽駕駛與出租車事故的發生存在明顯的正相關性(p<0.001)，假設①成立。危險超車、轉彎不打轉向燈和疲勞駕駛3個測量變量與魯莽駕駛相關性較大，相關系數均在0.7以上，不系安全帶指標影響較小，相關系數為0.335。表明出租車駕駛員最常出現的魯莽駕駛行為有危險超車、轉彎不打轉向燈和疲勞駕駛3種，而不系安全帶這一不良習慣基本很少出現，影響較小。

違章駕駛與事故傾向的路徑系數為0.811，呈顯著正相關性(p<0.001)，假設②成立。說明違章駕駛相較于魯莽駕駛來說性質更為惡劣，更容易發生交通事故，造成財產損失和人員傷亡。同時由調查結果可知，隨意闖紅燈、不注意限速、激進駕駛以及禁區停車這幾項違章駕駛行為在日常駕駛中出現的頻率也較高。8個測量變量對違章駕駛也有顯著的影響，系數基本都在0.7及以上，其中單手駕駛、隨意闖紅燈、不注意限速、和激進駕駛4個測量變量的系數大于0.8，對違章駕駛的影響最大。說明駕駛員在單手駕駛、隨意闖紅燈以及超速駕駛時更容易違章。

工作滿意度與事故傾向的路徑系數為-0.440，呈顯著負相關性(p<0.001)，即工作滿意程度越高，事故發生的頻率就越低，這也與文獻[3]中的研究結論基本一致，假設③成立。另外，每日工作時長與上交管理費對工作滿意度的影響值在0.8左右，說明出租車駕駛員日常工作的強度以及經濟壓力對工作滿意度的影響較大。

由式(4)～式(6)以及表6的結果，可以計算得到結構方程如式(7)：

η=0.273ξ1+0.495ξ2-0.268ξ3

(7)

式(7)也表明：魯莽駕駛、違章駕駛與事故傾向性呈正相關，其中違章駕駛的影響最大，而工作滿意度與事故傾向性呈負相關。

魯莽駕駛、違章駕駛以及工作滿意度3個潛變量之間亦存在明顯的相關性，其中魯莽駕駛與違章駕駛的相關性最大，相關系數為0.886，說明存在魯莽駕駛行為的駕駛員通常也容易存在違章駕駛行為，假設④成立。

為更清晰地揭示魯莽駕駛、違章駕駛以及工作滿意度3個潛變量對出租車事故的影響，計算得到潛變量對事故傾向的影響效應，如表7。

表7 潛變量對事故傾向的效應Table 7 Effect of latent variables on accident propensity

由表7可知，魯莽駕駛、違章駕駛以及工作滿意度3個潛變量對PDO的效應均大于PI。說明在魯莽駕駛、違章駕駛的影響下，出租車駕駛員更容易發生PDO，與調查報告中PDO事故所占比重遠大于PI事故這一結果相符。

5 對策與建議

結合分析得到的影響出租車駕駛員發生事故的主要因素，從法規條例以及出租車公司管理這兩個層面，給出了相應的事故預防建議與措施。

5.1 法規條例層面

出租車駕駛員在進行闖紅燈、超速駕駛等行為時，大多數是出于經濟效益的考量，為在有限時間內獲取更多收入，經濟驅動力是主要的原因，因此針對這現象，建議采取以下兩方面的措施：

1)在交通法規中，對駕駛員闖紅燈、超速駕駛行為已存在扣分處罰與罰款行為。建議可以加大出租車駕駛員違法駕駛的罰款力度，增加其違法成本，能在一定程度減少駕駛員違法超車、闖紅燈等情況；

2)根據事故原因的探究分析，單手駕駛與開車打電話等因素對出租車事故的影響較大，但是目前的交通法規中對此沒有實際約束處罰。建議通過道路交通監控設施，對開車打電話、單手駕駛等存在安全的隱患的駕駛行為給予相應的警告與經濟處罰，加強日常駕駛行為管理。

5.2 出租車公司的管理措施

首先，出租車公司有關部門要定期組織交通安全駕駛培訓，加強駕駛員的安全教育，和職業道德教育；其次，要規范輪班時間，保證駕駛員能獲得足夠的休息；再者，要加強對出租車駕駛員的業務水平的考核；最后，適當降低出租車的管理費，緩解駕駛員的生活壓力，提高其收入，營造良好的工作氛圍，減少事故的發生。

6 結 語

對中國西安、西寧、長春及汕頭4個城市21家出租車公司中2091名車租車司機進行問卷調查。構建了出租車駕駛員工作條件、不良駕駛行為與出租車事故三者的結構方程模型。結果表明魯莽駕駛、違章駕駛以及工作滿意程度對出租車事故傾向均有顯著影響，其中魯莽駕駛、違章駕駛與出租車事故呈正相關關系，工作滿意度與事故呈負相關關系。根據對模型結果的分析，提出了針對性的管理對策，對今后出租車行業管理、出租車駕駛員駕駛行為的矯正和交通安全研究方面提供一定的理論參考。