電動自行車出行者安全風險認知特性分析

張小麗，朱辰陽，冉一迪

(河海大學土木與交通學院，江蘇 南京 210098)

伴隨著電動自行車的廣泛使用，電動自行車帶來的道路交通安全問題日益突出。據統計，2019年全國道路交通事故傷亡人員中，駕駛電動自行車導致死亡人數達8 639人，受傷人數達44 677人，傷亡人數接近非機動車傷亡人數的70%。在電動自行車相關交通事故中，大多數是交通違法行為造成的[1]。同時，城市道路設施在設計和建設過程中，以往主要以傳統自行車的交通特性作為依據，導致非機動車道寬度不足，設施不完善等問題，進一步誘發相應的“任性”駕駛行為。部分學者對交通違規行為產生的原因進行研究，如行人橫穿危險路段行為[2]、交叉口行人違章行為[3]。社會心理學是違規行為的主要研究角度[4]，風險認知是交通違規行為產生的核心要素[5]，危險識別、評估和行為反應三個環節均會對駕駛者的安全風險認知水平造成一定的影響[6-7]。現有研究對電動自行車的風險行駛行為仍然比較有限。準確把握電動自行車出行者安全風險認知特性，有助于提出電動自行車出行安全管理措施以及改進城市道路設施的設計方法，提高電動自行車出行安全，從而促使城市交通的良性發展。

1 電動自行車駕駛人風險行駛行為分析

電動自行車使用者在道路環境中，因為對當前行駛狀態或對將預見到的延誤不滿意等原因，從而產生借道行駛、逆向行駛、闖紅燈、超速等風險行駛行為。在此過程中，使用者會判斷風險行駛行為的可能性，這和使用者的風險認知水平有關，主要影響因素包括人的因素、道路因素、交通因素、管理法規因素等。電動自行車使用者對交通法規的認知、安全意識、對不安全行為的態度、主觀規范等均會影響其風險行駛意向。道路因素主要包括非機動車車道寬度、機非隔離設施等，如非機動車道較寬，電動自行車容易超速行駛，而機非隔離帶越長缺少過街設施，電動自行車更容易逆向行駛。交通因素表現為電動自行車行駛過程中周邊的交通狀況，如電動自行車流量、機動車流量、同行人是否有風險行駛行為等。如果電動自行車流量較大而機動車流量不大，電動自行車出行者將會冒險借道行駛達到理想速度。管理法規因素則包括監管和執法力度，道路上交警或者輔警的存在則大大降低了風險行駛行為的可能性。以上因素互相作用，共同影響駕駛者行駛行為的風險認知特性。

2 電動自行車風險行駛認知調查方法

由于影響因素眾多，且風險認知特性屬于使用者的主觀傾向。最有效的調查方式是構建多情境風險場景進行問卷調查，獲得人們對假定條件下的多個風險場景所體現出來的主觀傾向和意愿性。因此采用陳述偏好調查(Stated Preference，SP)，通過實地調查獲得典型風險行駛行為及其相應行駛情境照片，構建多情境風險場景進行SP調查并進行分析，從而獲得電動自行車使用者對假定情境下風險行駛的主觀傾向，探討不同情境中風險行駛認知的特點。

2.1 情境選擇

客觀行駛環境選擇道路等級、電動車流量、機動車流量三個主要變量，道路等級變量分為快速路、主干路、次干路和支路四水平，電動車流量和機動車流量兩個變量則分別設置為三水平，分別為多、中、少。全組合情境將有4×3×3=36種情況，要求調查者對36種情境一一作出判斷傾向不是很現實，這樣得出的結果也不甚精準。因此，采用正交試驗設計方法設計了電動自行車的典型行駛情境，共計十二個情境。

結合南京市道路交通特征，選擇虎踞路、北京西路、廣州路、西康路作為調研場景，道路設施條件如表1所示。在以上道路拍攝正交實驗中所需行駛環境，最終選取的各情境照片如圖1所示。

表1 道路設施特征匯總

圖1 問卷調查中使用的違規情境照片

2.2 問卷設計

問卷由個人信息調查項和風險認知特性調查項組成。個人信息項包括記錄年齡、性別、職業、有無駕照、是否有過機非車沖突經歷、教育程度等。電動自行車使用者風險認知特性主要從風險認知水平、風險行駛意向和風險行駛原因三方面來體現。調查者展示典型情境照片，要求被調查者針對每個情境回答“該行駛環境的危險程度”、“是否也會這么做”和“認為的風險行駛原因”三個問題，前兩者均以李克特五級指標進行打分，而風險行駛原因則設為多選。另外，為了避免調查者選擇的慣性和規律性，情境展示順序不固定。調查對象則選取具有獨立出行能力、精神和生活正常的16歲以上人群，共收集有效調查問卷300份，有效問卷265份。

3 調查結果分析

3.1 調查對象基本信息

本次調查對象年齡段主要集中在二十歲至六十歲之間；性別較平均各自接近一半的比例，男性略高于女性；其中擁有駕駛證的占39%，沒有駕駛證的占61%；對于是否有過駕駛小汽車與電動車發生沖突的經歷，45%調查者表示沒有。

3.2 電動自行車出行者風險認知水平

圖2 各道路等級情境中風險行駛認知比例

總體上，認為情境“安全”的比例是12%，說明部分人根本沒有意識到風險行駛行為的存在；“很危險”和“非常危險”共占了47%的比例，有接近一半的人能夠明確意識到風險的嚴重性。如圖2所示，隨著道路等級的降低，風險認知中認為“安全”的比例依次增加，“很危險”和“非常危險”明顯減少。這說明在較低道路等級上，電動自行車使用者的主觀認知風險較低，而道路等級越高，使用者對風險行為的風險性感知更敏感。

同樣地，調查發現隨著機動車流量的減少，認為“安全”的調查者所占比例分別是：5%、13%、14%，認為“非常危險”和“很危險”的比例依次減小。說明機動車流量越大，電動自行車使用者的安全風險認知水平越高，風險意識越強。

3.3 電動自行車出行者風險行駛意向分析

在風險行駛意向中，選擇“不會這么做”比例最大，為50%，說明一半的調查者都不會選擇風險行駛；“會這么做”和“很有可能這么做”代表了風險行駛意向，總和在20%左右。

圖3 不同電動自行車流量情境下風險行駛意向比例

電動自行車使用者的風險行駛意向與電動車流量大小有關，如圖3所示。當電動車流量較小時，具有風險行駛意向人數是最少的。而電動自行車車流量越大，風險行駛意向比例越大，越容易發生風險行駛行為。這說明風險行駛意向與從眾心理有密切關系。

3.4 電動自行車出行者風險行駛原因分析

對于風險行駛原因，不同情境中主要原因不盡相同。當電動自行車流量較大的時候，可能出現風險行駛的幾率就越大，過半數的調查者認為他們選擇風險行駛的原因是“跟隨其他騎行者”，表現為從眾心理。典型地，在快速路路段無機非隔離設施情境中，當機動車和電動自行車流量均較大時，有接近七成的調查者認為電動自行車“誤入機動車道”是造成占道行駛的其中一個原因，由此可見，機非隔離設施的設計也會影響風險行駛行為。

此外，“為了方便”是風險行駛的主要原因。相比自行車和公交車，電動自行車被廣泛使用的主要原因是其兼顧了快速和靈活的特點，如果非機動車道過于擁擠或者過街通道太少，使用者的方便心理得不到滿足，則很容易發生占道行駛或逆向行駛等風險行駛行為。“不懂交通規則”選擇人數一直保持在20%～40%范圍之間，這說明非機動車使用者沒有充分學習交通規則是一個社會普遍性問題，有必要加強安全教育。

4 結 論

本文采用SP調查方式，選取并拍攝12種正交試驗場景下風險行駛照片作為問卷調查圖片，對電動自行車使用者風險認知特性從風險認知、行駛意向和風險行駛原因三個角度進行了問卷調研和結果分析。研究發現，道路等級、電動自行車流量、機動車流量與電動自行車使用者風險行駛行為顯著相關。具體而言，道路等級越高，機動車流量越大，主觀風險認知水平越高，風險意識越強；電動自行車車流量越大，風險行駛意向越強，越容易發生風險行駛行為。研究成果有助于減少電動自行車風險行駛行為相關管理策略的制定，具有重要的實踐價值。