貨車駕駛員在公路隧道的換道行為分析

高冠梅

徐州市公路事業發展中心 江蘇 徐州 221002

公路隧道在解決陸路交通障礙，減少陸路距離方面具有發揮著的作用。然而，隧道的特殊結構使得隧道內車輛行駛環境較為復雜，導致公路隧道通行能力降低，成為陸路交通的通行瓶頸。已有研究主要探索了駕駛員在常規路段上自由隨機換道和強制性換道機理。如張可琨等等基于博弈論的觀點，結合效用理論，建立了駕駛員換道決策模型[1]。然而，對駕駛員在隧道內的換道行為研究較少，特別是貨車駕駛員的駕駛行為。本研究旨在探索貨車駕駛員在隧道內的換道行為。為此，基于計劃行為理論提出了影響駕駛行為的幾個重要的態度特征和假設模型；然后，應用結構方程模型測量這些態度特征；最后，提出了減少換道行為的一些措施和建議，為提高隧道內行車安全提供參考。

1 建模方法

1.1 計劃行為理論

計劃行為理論（Theory of Planned Behavior，TPB）由Ajzen于1985年在考慮理性行為理論的基礎上提出[2]。TPB旨在解釋人們對于選擇主體的心理決策行為。TPB主要包括五個變量，其中主觀規范、態度、知覺行為控制是解釋變量，行為意向是中介變量，實際行為表示結果變量。TPB的核心理論是實際行為會受到使用意圖的影響，解釋變量會直接影響中介變量（行為），直接或間接影響結果變量。解釋變量對中介變量和結果變量可能存在正相關或負相關。貨車駕駛員在隧道內行駛時的實際換道行為是一個理性決策過程，是否換道需要根據自身或周邊環境的影響來進行決策。因此，使用TPB來解釋貨車駕駛員在隧道行駛的換道行為。

基于TPB理論框架，提出了6個潛變量，提出解釋變量與中介變量及結果變量之間的假設模型。假設如下：A1：感知風險負向影響換道意圖；A2：換道態度正向影響換道意圖；A3：主觀規范正向影響換道意圖；A4：知覺行為控制正向影響換道意圖；A5：感知風險負向影響換道行為；A6：換道態度正向影響換道行為；A7：主觀規范正向影響換道行為；A8：知覺行為控制正向影響換道行為；A9：換道意圖正向影響換道行為。

1.2 結構方程模型

結構方程模型（Structural Equation Model，SEM）是基于變量的協方差矩陣來分析變量之間關系的方法，主要用于教育、社會、心理學等領域[3]。SEM可通過可觀測變量的效用來間接識別不可觀測變量（潛變量）的效用。其優勢在于，考慮觀測變量和潛變量的基礎上，多同時處理多潛變量。SEM包括兩個部分：測量模型和結構模型。測量模型主要反應了觀測變量與潛變量之間的關系，通過觀測變量量化潛變量。結構模型主要體現了潛變量之間的關系，通過潛變量量化潛變量特征。在本研究中，圖1提出的6個特征變量均為態度變量，這些態度變量無法被直接觀測到。因此，使用SEM來構建和量化態度變量。SEM模型不只能通過觀測變量來量化態度變量；同時，可以分析態度變量之間的因果關系。SEM中測量模型見式（1）和式（2）：

圖1 模型標準化系數結果

結構模型可以表示為式（3）：

1.3 觀測變量構建

在1.2節基于TPB提出了6個態度特征（潛變量）。為了量化潛變量，本研究基于TPB理論，參考了以前對于感知風險、主觀規范、換道態度、知覺行為控制、行為意向和換道行為的描述，結合駕駛員換道行為研究，對這6個態度特征進行修改[4]。最終確定了22個觀測變量。觀測變量見表1。

表1 潛變量及觀測變量描述

2 數據收集

基于TPB理論，對駕駛員在隧道行駛的換道行為進行問卷調查。調查時間為2022年11月1日至2022年12月1日，為期1個月的調查。問卷通過問卷星在線上形式發放。調查內容包括受訪者人口統計變量（性別、年齡、駕齡、是否遭遇事故）和在隧道內駕駛時換道行為的觀測變量。使用李克特五級量表量化駕駛員對于隧道駕駛換道行為的得分。“1”表示完全不同意，“3”表示中立，“5”表示完全同意。本次調查共計發放1200問卷，回收975分問卷，去除明顯錯誤信息或缺失信息值后，最終有效問卷數為827份。受訪者人口統計特征及其分布見表2。受訪者的觀測變量得分見表3。

表2 受訪者人口統計特征

表3 觀測變量分布

3 結果分析

3.1 數據效度與信度檢驗

為了分析結果更加可靠，在進行數據分析前，應確保收集數據的質量。應用SPSS軟件對收集到的數據進行效度和信度檢驗。使用Cronbach’s a來檢驗數據的信度，當Cronbach’s a超過0.6，表示數據信度滿足要求。使用平均提取方差(Average Variance Extracted，AVE)和復合可靠性(Composite Reliability，CR)兩個指標來評估數據效度[3]。AVE和CR分別超過0.8和0.5，表示數據效度較好。觀測變量和潛變量的信度及效度檢驗見表4。

表4 觀測變量信度及效度檢驗

如表4所示，提出的22個觀測變量表征的6個潛變量的Cronbach’s a均超過0.5，表示收集到的數據具有較好的信度。同時AVE均超過0.8，CR值均超過0.5。這些結果表示本研究收集到的827份數據屬于有效數據，能夠用于以下的分析。因子載荷表示觀測變量與潛變量的路徑關系，超過0.5時表示此觀測變量能夠表示潛變量。

3.2 模型結果分析

應用AMOS軟件構建潛變量值，探索駕駛員在隧道換道行為的影響因素。將827份數據和觀測變量輸入AMOS，輸出模型擬合指標。擬合指標見表5。

表5 模型擬合指標

根據表5模型的輸出結果，模型的擬合指標均滿足推薦值要求，因此，模型擬合效果較好。由AMOS輸出的標準化系數的模型結果見圖1。觀測變量的因子載荷均超過0.5，表示觀測變量選擇較為合適，能夠用來表征潛變量，進一步增加了解釋觀測變量的可靠性。對于換道意圖（CI），四個解釋變量均存在顯著性關系，感知風險負向影響換道意圖（-0.351），感知風險越大，換道意圖越小，驗證了假設A1。換道態度、主觀規范、知覺行為控制均正向影響換道意圖，系數分別為0.228、0.167、0.249。貨車駕駛員換道態度越高，主觀規范越高，知覺行為控制越高，越傾向于選擇換道駕駛，結果證明了A2、A3、A4。感知風險系數是對換道意圖影響最大的因素，這表明提高貨車駕駛員的感知風險是減少其在隧道變道最有效的措施。除了態度特征會影響換道行為，個人人口統計特征同樣會影響換道行為。就態度特征而言，五個態度特征均會影響貨車駕駛員的換道意圖，感知風險是負向影響，系數為-0.273，這驗證了假設A5。換道態度、主觀規范、知覺行為控制、換道意圖均正向影響換道行為，系數分別為0.265、0.195、0.268、0.416，結果證明了A6、A7、A8、A9。換道意圖是影響實際換道行為最顯著的因素，因此降低貨車駕駛員的換道意圖是減少其換道行為最顯著的因素。駕駛員人口統計特征也會對換道行為產生影響，女性（-0.139）、高年齡（-0.236）、多駕齡（-0.313）、遭遇車禍（-0.282）的貨車駕駛員在隧道內更不傾向于換道駕駛。女性不傾向于選擇換道駕駛的原因可能是，相對于男性，女性駕駛更加謹慎。因此，在隧道內復雜的行駛環境中，更不愿意換道駕駛。駕齡多的駕駛員有更豐富的駕駛經驗，通常而言也會選擇更加安全的駕駛行為（即不變道行駛）。

4 結論

本研究探索了貨車駕駛員在隧道行駛的不安全換道行為。結合TPB理論，構建了SEM模型。經過分析，得出了以下結論：

其一，引入的感知風險變量能有效評估貨車駕駛員在隧道內的換道行為，該變量反應不安全駕駛行為方面具有較好的應用性。

其二，貨車駕駛員的四個人口統計特征（女性、高年齡、多駕齡、遭遇車禍）對隧道內換道行為會產生負向、顯著的影響。

其三，貨車駕駛員態度特征均會顯著影響換道行為。感知風險負向影響換道行為，其他的態度特征正向影響換道行為，換道意圖（0.416）是影響換道行為最顯著的因素。