王 濤,黎文皓,謝思紅,陳 峻

(1. 桂林電子科技大學(xué) 建筑與交通工程學(xué)院，廣西 桂林 541004； 2. 東南大學(xué) 交通學(xué)院，江蘇 南京 210096)

0 引 言

在國(guó)內(nèi)很多城市,電動(dòng)自行車(chē)已經(jīng)成為城市居民出行最主要的交通工具以及短距離出行的首選交通方式[1]。與此同時(shí)，電動(dòng)自行車(chē)的安全問(wèn)題也隨之逐漸顯現(xiàn)出來(lái)，這使得城市的交通管理以及交通安全保障面臨了新的挑戰(zhàn)與巨大的壓力[2]。根據(jù)國(guó)外的研究數(shù)據(jù)顯示，因?yàn)轳{駛?cè)艘蛩囟苯訉?dǎo)致的交通事故約占65%，而與駕駛?cè)艘蛩叵嚓P(guān)的交通事故約占95%[3]。2013年我國(guó)電動(dòng)自行車(chē)事故數(shù)據(jù)分析表明，造成電動(dòng)自行車(chē)事故的原因主要有：未按規(guī)定讓行、違法占道行駛、違反交通信號(hào)、超速行駛、逆向行駛[4]。導(dǎo)致交通事故發(fā)生的誘因復(fù)雜多樣，解決其問(wèn)題也應(yīng)從各個(gè)方面著手，但其核心要素肯定是人的因素[5]，交通事故始終以駕駛者的行為作為決定因素和作用載體，因此最有效并且最具有價(jià)值的研究，是如何對(duì)人在事故風(fēng)險(xiǎn)中的“風(fēng)險(xiǎn)駕駛行為”這一環(huán)的作用規(guī)律進(jìn)行揭示[5-6]。

“風(fēng)險(xiǎn)駕駛行為”指的是跟預(yù)期中正常且合理的駕駛行為軌跡相偏離的一種行為[7]，電動(dòng)自行車(chē)駕駛者因?yàn)閷?duì)系統(tǒng)的安全教育和技術(shù)培訓(xùn)等方面知識(shí)匱乏，交通安全意識(shí)薄弱，在駕駛過(guò)程中引起的風(fēng)險(xiǎn)駕駛行為問(wèn)題也更加突出。因此研究電動(dòng)自行車(chē)的風(fēng)險(xiǎn)駕駛行為，是解析電動(dòng)自行車(chē)交通事故機(jī)理的重要環(huán)節(jié)，對(duì)改善電動(dòng)自行車(chē)交通安全環(huán)境具有重要的現(xiàn)實(shí)意義。

為了解開(kāi)風(fēng)險(xiǎn)駕駛行為背后的誘因，J. REASON等[7]最早構(gòu)建了機(jī)動(dòng)車(chē)駕駛員風(fēng)險(xiǎn)駕駛行為量表DBQ(driving behavior questionnaire)，此后國(guó)內(nèi)外學(xué)者在DBQ的基礎(chǔ)上，對(duì)于駕駛行為分類(lèi)和拓展風(fēng)險(xiǎn)駕駛行為量表開(kāi)展了大量的研究，根據(jù)研究對(duì)象的差異性設(shè)計(jì)出了相應(yīng)的問(wèn)卷，如卡車(chē)[8]、摩托車(chē)[9]、自行車(chē)[10]。近年來(lái)風(fēng)險(xiǎn)駕駛行為研究焦點(diǎn)在不同年齡、性別、經(jīng)驗(yàn)、生理狀態(tài)等因素下的駕駛行為差異[11]。張衛(wèi)華等[12]構(gòu)建了低能見(jiàn)度條件下駕駛?cè)税踩{駛量表，結(jié)果表明低能見(jiàn)度對(duì)駕駛員風(fēng)險(xiǎn)感知和違規(guī)行為有顯著影響；汪益純等[13]引入社會(huì)經(jīng)濟(jì)特征和日常駕駛行為指標(biāo)，研究不同初駕者的行為差異；鄭東鵬[14]在駕駛經(jīng)驗(yàn)的基礎(chǔ)上，研究駕駛?cè)说奈ｋU(xiǎn)感知影響因素；姚文等[15]分析駕駛員人格特質(zhì)與多發(fā)交通事故的影響因素，得出駕駛員的個(gè)性、認(rèn)知、行為與交通事故的多發(fā)有關(guān)。

目前已經(jīng)形成比較嚴(yán)謹(jǐn)和完善的機(jī)動(dòng)車(chē)及摩托車(chē)駕駛員風(fēng)險(xiǎn)行為研究，但國(guó)內(nèi)外對(duì)于電動(dòng)自行車(chē)風(fēng)險(xiǎn)駕駛行為的相關(guān)研究較少。與機(jī)動(dòng)車(chē)相比，電動(dòng)自行車(chē)的交通環(huán)境以及物理特性存在非常大的差異。例如，由于沒(méi)有法規(guī)要求電動(dòng)自行車(chē)駕駛者在駕駛之前進(jìn)行嚴(yán)格的培訓(xùn)，對(duì)騎行者違反交通規(guī)則的違章缺乏處罰手段，因而對(duì)于安全態(tài)度和風(fēng)險(xiǎn)感知方面會(huì)呈現(xiàn)出更加多樣化的形式；此外，因其具有較小的體積且可進(jìn)行靈活的轉(zhuǎn)向的特點(diǎn)，駕駛者經(jīng)常會(huì)以成群的方式行駛，其駕駛行為也隨之多樣化。因而直接用機(jī)動(dòng)車(chē)駕駛行為問(wèn)卷，來(lái)進(jìn)行電動(dòng)自行車(chē)駕駛者的行為特征測(cè)量顯然不合適。

筆者主要對(duì)電動(dòng)自行車(chē)風(fēng)險(xiǎn)駕駛行為量表進(jìn)行設(shè)計(jì)，基于駕駛者的問(wèn)卷調(diào)查結(jié)果，對(duì)電動(dòng)自行車(chē)風(fēng)險(xiǎn)駕駛行為的潛在因子結(jié)構(gòu)以及各因子得分在駕駛者基本信息上的差異進(jìn)行分析，為制定電動(dòng)自行車(chē)安全管理辦法，降低電動(dòng)自行車(chē)事故，改善電動(dòng)自行車(chē)交通秩序提供參考依據(jù)。

1 問(wèn)卷及調(diào)查

1.1 問(wèn) 卷

參考機(jī)動(dòng)車(chē)風(fēng)險(xiǎn)駕駛行為量表DBQ[7]，將其與電動(dòng)自行車(chē)駕駛者特性、電動(dòng)自行車(chē)行為觀(guān)測(cè)結(jié)果、機(jī)動(dòng)車(chē)風(fēng)險(xiǎn)駕駛行為影響因素相結(jié)合，進(jìn)行了電動(dòng)自行車(chē)風(fēng)險(xiǎn)駕駛行為量表ERBQ(E-bike rider behavior questionnaire)的編制，共包含風(fēng)險(xiǎn)駕駛行為、駕駛信心、風(fēng)險(xiǎn)感知、安全態(tài)度，以及事故經(jīng)歷和基本信息6個(gè)部分。具體如下：

1)風(fēng)險(xiǎn)感知量表由T. RUNDOM等[16]提出的基于情感擔(dān)憂(yōu)的“擔(dān)心及憂(yōu)慮”量表和M. A. MACHIN等[17]提出的基于認(rèn)識(shí)評(píng)估的“危險(xiǎn)認(rèn)知”量表構(gòu)成，包含11個(gè)問(wèn)項(xiàng)。其中“擔(dān)心及憂(yōu)慮”量表1～5分別代表極不同意、不同意、普通、同意、非常同意；“危險(xiǎn)認(rèn)知”量表1～5分別代表極不危險(xiǎn)、不危險(xiǎn)、普通、危險(xiǎn)以及非常危險(xiǎn)。分?jǐn)?shù)越高，表明被試者對(duì)關(guān)于駕駛行為中可能引起的風(fēng)險(xiǎn)表現(xiàn)出越擔(dān)心、焦慮的情緒，對(duì)風(fēng)險(xiǎn)行為的危險(xiǎn)度有更高的主觀(guān)知覺(jué)性，同時(shí)對(duì)事故可能引起的后果也會(huì)產(chǎn)生更高的知覺(jué)。

2)駕駛信心量表在J. T. WONG等[18]提出的駕駛自信量表的基礎(chǔ)上，增加至8個(gè)問(wèn)項(xiàng)，用以評(píng)估電動(dòng)自行車(chē)駕駛者對(duì)技術(shù)能力信心和判斷能力信心，1～5分別指代的是極不同意、不同意、部分同意、同意和非常同意。分值越高，表示調(diào)查對(duì)象對(duì)于自身的駕駛水平持有越高的信心，越相信自己的駕駛技術(shù)能力，越相信自己判斷能力的正確性。

3)安全態(tài)度量表改編自P. ULLEBERG等[19]的研究，總共包括14個(gè)項(xiàng)目，用以評(píng)估電動(dòng)自行車(chē)駕駛者對(duì)交通安全及個(gè)人責(zé)任的態(tài)度、交通規(guī)則的態(tài)度和從眾心理。1～5分別代表極不同意、不同意、部分同意、同意、非常同意。分值越大表示安全態(tài)度越好，即對(duì)待安全持有越正面的態(tài)度，有更大的意愿去遵守交通規(guī)則，其從眾心理也更低。

4)風(fēng)險(xiǎn)駕駛行為量表是在參考國(guó)內(nèi)外機(jī)動(dòng)車(chē)、摩托車(chē)、自行車(chē)以及L. YAO等[20]編制的量表基礎(chǔ)上，結(jié)合對(duì)電動(dòng)自行車(chē)實(shí)際駕駛行為觀(guān)測(cè)結(jié)果編制的，用以測(cè)量違規(guī)行為、疏忽行為、侵略行為、追求領(lǐng)先行為，包含24個(gè)題項(xiàng)。5個(gè)計(jì)分點(diǎn)對(duì)應(yīng)測(cè)驗(yàn)中的5個(gè)等級(jí)選項(xiàng)，1～5分別代表從來(lái)沒(méi)有、基本沒(méi)有、偶然、有時(shí)候以及總是有。分值越高，表明其電動(dòng)自行車(chē)的風(fēng)險(xiǎn)駕駛行為發(fā)生的次數(shù)越高。

5)事故經(jīng)歷包括被采訪(fǎng)者在近3年內(nèi)，出現(xiàn)交通事故的頻率及其因事故造成后果的嚴(yán)重程度，1～3由低到高分別是僅造成財(cái)產(chǎn)損失、造成人員受傷、造成人員就醫(yī)。

6)基本信息主要由以下3方面構(gòu)成：人口統(tǒng)計(jì)學(xué)信息(性別與年齡)，駕駛背景(駕齡、駕駛頻率以及是否有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn))和社會(huì)經(jīng)濟(jì)特性(受教育程度與電動(dòng)自行車(chē)類(lèi)型)。

1.2 調(diào) 查

在桂林市公安局交通警察支隊(duì)選擇5名經(jīng)驗(yàn)豐富的交警進(jìn)行訪(fǎng)談，根據(jù)訪(fǎng)談的結(jié)果修改問(wèn)卷，形成預(yù)調(diào)查量表問(wèn)卷。再根據(jù)此問(wèn)卷，對(duì)桂林市的60名正在非機(jī)動(dòng)車(chē)教育點(diǎn)以及機(jī)動(dòng)車(chē)駕校進(jìn)行學(xué)習(xí)的人員開(kāi)展預(yù)調(diào)查，檢驗(yàn)問(wèn)卷題目的含義和敘述方式是否能夠被受測(cè)者正確的解讀。預(yù)調(diào)查后，首先對(duì)個(gè)別問(wèn)項(xiàng)的陳述方式是否可靠進(jìn)行測(cè)驗(yàn)，再對(duì)不合適的問(wèn)項(xiàng)修正并刪除之后，設(shè)計(jì)出了正式的調(diào)查問(wèn)卷。

筆者所使用的調(diào)查方法包括跟蹤調(diào)查和隨機(jī)調(diào)查。為了進(jìn)行駕駛行為與道路條件、環(huán)境等因素的協(xié)同作用研究，對(duì)部分電動(dòng)自行車(chē)事故當(dāng)事者展開(kāi)跟蹤調(diào)查。在交警的協(xié)助下，總共抽取400名左右的當(dāng)事者實(shí)施了電話(huà)預(yù)約調(diào)查，歷時(shí)3個(gè)月，順利對(duì)198名當(dāng)事人進(jìn)行了回訪(fǎng)，經(jīng)篩選一共得到有效問(wèn)卷數(shù)量為192份，包括嚴(yán)重受傷事故12份、輕傷事故134份以及財(cái)產(chǎn)損失事故46份。

另外針對(duì)南寧、桂林兩地的電動(dòng)自行車(chē)駕駛?cè)碎_(kāi)展隨機(jī)調(diào)查。由于本次問(wèn)卷內(nèi)容的中所包含的問(wèn)題較多，且涵蓋測(cè)驗(yàn)的問(wèn)題，預(yù)估被調(diào)查人員需耗時(shí)5～8 min對(duì)初步問(wèn)卷填答，因此在調(diào)查過(guò)程中采取一對(duì)一的方式進(jìn)行，以防止出現(xiàn)被調(diào)查者對(duì)問(wèn)卷的內(nèi)容不明白，或是錯(cuò)誤理解問(wèn)題等情況，進(jìn)而保證問(wèn)卷調(diào)查結(jié)果的精確性。隨機(jī)調(diào)查共計(jì)回收問(wèn)卷434份，經(jīng)刪除答題不完整、漏缺之后共回收有效問(wèn)卷381份。

跟蹤調(diào)查與隨機(jī)調(diào)查共獲取有效問(wèn)卷573份，樣本分布情況如表1，表中：駕駛時(shí)間均值=3.8 a，標(biāo)準(zhǔn)差=2.9，范圍=0.5～17 a。結(jié)果顯示樣本男女比例接近1∶1，年齡分布以年輕人為主，初、中、高受教育程度人群基本各占33%，樣本差異性分布符合預(yù)期。

表1 樣本基本信息分布情況Table 1 Basic information distribution of samples

注：①均值=29.7歲，標(biāo)準(zhǔn)差=10.1， 范圍=14～63歲；②均值=4.78次/周，標(biāo)準(zhǔn)差=2.0，范圍=1～7次/周；③=12.2 km，標(biāo)準(zhǔn)差=10.7，范圍=1～4 km

2 因子分析

2.1 因子分析法

因子分析(factor analysis)的主要功能是從量表的全部變量(問(wèn)項(xiàng))中提取一些公因子，各公因子分別于某一群特定變量高度關(guān)聯(lián)，這些公因子即代表了量表的基本結(jié)構(gòu)，被認(rèn)為是獲得觀(guān)察變量(observed variable)背后潛在變量(latent variable)的最典型方法和最有效的效度分析手段[21]。

其基本原理是通過(guò)對(duì)變量間的相互關(guān)聯(lián)的程度進(jìn)行探究，進(jìn)而分析潛在的關(guān)系結(jié)構(gòu)，再根據(jù)此關(guān)系結(jié)構(gòu)提煉出少數(shù)幾個(gè)潛變量以解釋一組變量[22]。將觀(guān)測(cè)變量變異分解為公共因子、獨(dú)特性(unique factor)兩個(gè)部分，假設(shè)有p個(gè)觀(guān)測(cè)變量分別為x1，x2，…，xp，原有p個(gè)觀(guān)測(cè)變量用m(m

(1)

式中：xip為個(gè)體i在變量p上的值；apm為第p個(gè)變量在第m個(gè)因子上的荷載；fm為各觀(guān)測(cè)變量共有的因子；dj為獨(dú)特性因子的權(quán)重；uij為獨(dú)特性因子權(quán)重。

為了簡(jiǎn)化起見(jiàn)，經(jīng)常將式(1)寫(xiě)成矩陣形式，作為因子分析的基本方程：

X=F·A′

(2)

式中：X為觀(guān)測(cè)變量矩陣；A′為荷載矩陣；F為因子矩陣。

從數(shù)據(jù)X能夠得到觀(guān)測(cè)變量之間的相關(guān)矩陣R為：

(3)

式中：R為原始變量相關(guān)矩陣；K為樣本量。

R=A·A′

(4)

經(jīng)過(guò)因子荷載矩陣，原始變量的相關(guān)矩陣得到了復(fù)制，因子和原始變量之間的方向以及關(guān)系強(qiáng)度，通過(guò)因子荷載矩陣進(jìn)行了描述。一般，通過(guò)方差最大的正交旋轉(zhuǎn)法計(jì)算矩陣A的各列，文獻(xiàn)[21]給出了荷載矩陣的具體計(jì)算方法。

2.2 結(jié)果與分析

樣本是否適合進(jìn)行因子分析，需要進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn)[23]。調(diào)查獲取的573份樣本安全態(tài)度、風(fēng)險(xiǎn)感知、駕駛信心、風(fēng)險(xiǎn)駕駛行為4個(gè)構(gòu)面的KMO值分別為0.853、0.817、0.823、0.862，均大于0.8，說(shuō)明其滿(mǎn)足因子分析的條件。Bartlett檢驗(yàn)結(jié)果V2分別是4 878.08、2 594.74、2 953.99、4 406.12，相伴概率均小于0.01，說(shuō)明問(wèn)項(xiàng)間有共享公因子的可能性。

同時(shí)利用克倫巴赫α信度系數(shù)法(Cronbach’s α)對(duì)量表的信度進(jìn)行檢驗(yàn)，當(dāng)Cronbach’s α>0.7時(shí)表明量表具有相當(dāng)?shù)男哦萚24-25]。根據(jù)檢驗(yàn)結(jié)果風(fēng)險(xiǎn)感知、安全態(tài)度、駕駛信心和風(fēng)險(xiǎn)駕駛行為4個(gè)構(gòu)面的Cronbach’s a系數(shù)分別為0.83、0.84、0.82以及0.75，認(rèn)為4個(gè)構(gòu)面的因子結(jié)構(gòu)具有良好的穩(wěn)定性和內(nèi)部一致性。

在滿(mǎn)足信度檢驗(yàn)的基礎(chǔ)上，對(duì)樣本的風(fēng)險(xiǎn)感知、安全態(tài)度、駕駛信心和風(fēng)險(xiǎn)駕駛行為4個(gè)構(gòu)面采用最大方差法對(duì)因子進(jìn)行正交旋轉(zhuǎn)。取特征值(eigenvalue)大于1的因子作為可以抽取的因子數(shù)，并根據(jù)因子的可解釋性，最后確定各構(gòu)面可以抽取的公共因子。刪除載荷小于0.5并出現(xiàn)雙負(fù)載的問(wèn)項(xiàng)，形成最后的電動(dòng)自行車(chē)風(fēng)險(xiǎn)駕駛行為量表。

風(fēng)險(xiǎn)感知獲取了3個(gè)因子，包含11個(gè)問(wèn)項(xiàng)，3個(gè)因子共解釋了總方差的64.49%，分別為“危險(xiǎn)程度”、“擔(dān)憂(yōu)程度”、“機(jī)率評(píng)估”；駕駛信心獲取了2個(gè)因子，包含8個(gè)問(wèn)項(xiàng)，2個(gè)因子解釋了總方差的76.33%，分別為“技術(shù)能力”、“判斷能力”；安全態(tài)度獲取了3個(gè)因子，共14個(gè)問(wèn)項(xiàng)，3個(gè)因子解釋了總方差的70.54%，分別為“交通規(guī)則”、“安全責(zé)任”、“從眾心理”；風(fēng)險(xiǎn)駕駛行為獲取了4個(gè)因子，共20個(gè)問(wèn)項(xiàng)，4個(gè)因子解釋了總方差的68.43%。各構(gòu)面的每個(gè)項(xiàng)目的載荷都在0.577以上，并且每個(gè)問(wèn)項(xiàng)與最大載荷所在因子在內(nèi)容上都較為相似，但卻不同于其他因子，見(jiàn)表2。

表2 因子提取一覽Table 2 List of factor extraction

3 駕駛者特征與風(fēng)險(xiǎn)駕駛行為相關(guān)性

進(jìn)一步分析電動(dòng)自行車(chē)駕駛者的基本信息(人口統(tǒng)計(jì)學(xué)信息、駕駛背景以及社會(huì)經(jīng)濟(jì)狀況)在各個(gè)不同因子上的差異性。傳統(tǒng)的差異性比較是將問(wèn)項(xiàng)的平均值作為比較對(duì)象，這種方法必然會(huì)導(dǎo)致特定的信息(如不同受訪(fǎng)者及問(wèn)項(xiàng)之間表達(dá)的信息)的丟失[26]。因此相較于傳統(tǒng)的平均值，筆者提出了以因子得分為基礎(chǔ)進(jìn)行差異性進(jìn)行分析，因子得分的計(jì)算如式(5)：

L=X·A·(A′·A)-1

(5)

式中：L為因子得分矩陣；X為觀(guān)測(cè)變量矩陣；A為荷載矩陣。

筆者根據(jù)上述公式計(jì)算出因子得分矩陣，并通過(guò)方差分析對(duì)不同因子上的基本信息變量的差異進(jìn)行了衡量，結(jié)果見(jiàn)表3。

表3 駕駛者基本信息變量在不同因子上的差異(F)Table 3 Differences of drivers’ basic information variables on different factors

注：**表示相應(yīng)F值下的概率p值<0.01，*表示相應(yīng)F值下的概率p值<0.05，概率p值取值見(jiàn)正文

由表3可知，駕駛信心(F=3.95，P<0.05)和風(fēng)險(xiǎn)感知(F=10.09，P<0.01)的因子得分在不同性別上存在顯著的差異。女性駕駛者對(duì)于風(fēng)險(xiǎn)感知的敏感程度明顯要比男性高，但相反的男性在駕駛過(guò)程中的駕駛信心方面較之女性有更大的優(yōu)勢(shì)。男性駕駛者與女性相比，其發(fā)生違規(guī)行為(F=3.21，P<0.05)、追求優(yōu)先和奮力超前的駕駛行為(F=1.47，P<0.01)以及侵略性的駕駛行為(F=3.84，P<0.05)的頻次更高，但是男性和女性電動(dòng)自行車(chē)駕駛員在疏忽及失誤駕駛行為行為上沒(méi)有顯現(xiàn)出顯著的差異(F=0.34，p>0.05)。國(guó)內(nèi)電動(dòng)自行車(chē)交通事故的嚴(yán)重程度分析也發(fā)現(xiàn)，男性電動(dòng)自行車(chē)駕駛者更傾向于發(fā)生嚴(yán)重事故[1]，這可能是由于男性電動(dòng)自行車(chē)駕駛者發(fā)生違規(guī)等高風(fēng)險(xiǎn)的風(fēng)險(xiǎn)駕駛行為更加頻繁。

年齡對(duì)于駕駛信心(F=8.06，P<0.01)和風(fēng)險(xiǎn)感知(F=5.25，P<0.01)存在顯著影響。與青年組(P=0.012)和老年組(P=0.007)相比，中年組電動(dòng)自行車(chē)駕駛者的風(fēng)險(xiǎn)感知明顯要高，而其在駕駛信心上所得的分?jǐn)?shù)明顯低于青年組(P=0.000)和老年組(P=0.007)。此外，老年組電動(dòng)自行車(chē)駕駛者發(fā)生違規(guī)行為的次數(shù)較中年組(P=0.000)以及青年組(P=0.000)高，而在獲取領(lǐng)先行為中，青年組則較中年組(P=0.001)和老年組(P=0.044)表現(xiàn)得更頻繁。與電動(dòng)自行車(chē)駕駛者不同年齡段在風(fēng)險(xiǎn)行為上的差異表現(xiàn)一致，T. WANG等[27]的研究結(jié)果表明，年齡小于25歲及年齡大于65歲相的電動(dòng)自行車(chē)駕駛者發(fā)生死亡事故的可能性分別增加32.1%和55.2%。而P. ULLEBERG 等[19]研究結(jié)果顯示機(jī)動(dòng)車(chē)駕駛者對(duì)可能發(fā)生事故有較高的風(fēng)險(xiǎn)感知，對(duì)發(fā)生事故的擔(dān)心程度也較高。

接受教育程度的高度并沒(méi)有對(duì)風(fēng)險(xiǎn)感知產(chǎn)生顯著影響，但是對(duì)安全態(tài)度(F=5.84，P<0.01)以及駕駛信心(F=3.47，P<0.05)構(gòu)面存在顯著的影響。隨著受教育程度的增加，電動(dòng)自行車(chē)駕駛者的駕駛信心增強(qiáng)，對(duì)于安全的態(tài)度也更加積極。在各風(fēng)險(xiǎn)駕駛行為因子上，違規(guī)行為(F=6.03，P<0.01)、獲取領(lǐng)先(F=15.47，P<0.01)以及侵略行為(F=3.85，P<0.05)3個(gè)因子在教育程度上也表現(xiàn)出顯著的差異。高學(xué)歷者在違規(guī)和獲取領(lǐng)先的行為方面發(fā)生的次數(shù)更頻繁，而學(xué)歷較低的駕駛?cè)藙t更容易在駕駛過(guò)程中有侵略性的風(fēng)險(xiǎn)行為出現(xiàn)。與之類(lèi)似，D. SHINAR等[28]對(duì)摩托車(chē)的研究發(fā)現(xiàn)，教育程度大專(zhuān)以上對(duì)于安全的態(tài)度明顯高于低學(xué)歷的駕駛員，較高的教育程度的駕駛者較容易有超速行為發(fā)生。

駕駛不同車(chē)型的駕駛者在風(fēng)險(xiǎn)感知(F=7.03，P<0.01)和侵略行為(F=4.75，P<0.05)上存在顯著差異。在風(fēng)險(xiǎn)感知方面，腳踏式電動(dòng)自行車(chē)駕駛者得分更高，而摩托式電動(dòng)自行車(chē)駕駛者發(fā)生侵略行為的頻率更高。

風(fēng)險(xiǎn)感知、駕駛信心、安全態(tài)度3個(gè)構(gòu)面上駕駛年齡均無(wú)顯著差異，但是違規(guī)行為因子(F=7.02，P<0.01)與駕齡顯著相關(guān)。利用LSD(least significant difference)進(jìn)行多重比較，結(jié)果表明駕駛時(shí)間在3年以上的駕駛者明顯比駕駛時(shí)間低于1年(P=0.000)和1～3年(P=0.024)的駕駛者發(fā)生違規(guī)行為的可能性更高，表明駕駛時(shí)間越久越容易產(chǎn)生違規(guī)行為。除違規(guī)行為外駕齡在其他風(fēng)險(xiǎn)行為上沒(méi)有顯著差異，這與我們的直覺(jué)有點(diǎn)矛盾，因?yàn)橐酝P(guān)于機(jī)動(dòng)車(chē)駕駛安全的研究顯示隨著駕駛經(jīng)驗(yàn)的增加，個(gè)體的駕駛技能會(huì)更加熟練，其發(fā)生事故的可能性也越小[29]。這可能是由于電動(dòng)自行車(chē)操作相對(duì)簡(jiǎn)單，不要求有太高的駕駛技術(shù)。

風(fēng)險(xiǎn)感知(F=5.47，P<0.01)及安全態(tài)度(F=5.75，P<0.01)構(gòu)面的因子得分在電動(dòng)自行車(chē)的使用頻率上存在顯著的差異性。駕駛電動(dòng)自行車(chē)的次數(shù)越多對(duì)風(fēng)險(xiǎn)的感知程度越低，然而在對(duì)待安全態(tài)度上卻越趨于正向。并且使用頻率對(duì)于違規(guī)行為(F=15.18，P<0.01)、獲取領(lǐng)先行為(F=3.84，P<0.05)、疏忽及失誤行為(F=4.31，P<0.05)因子的影響也較顯著。經(jīng)過(guò)多重比較結(jié)果發(fā)現(xiàn)，發(fā)生違規(guī)行為和獲取領(lǐng)先行為的次數(shù)較高的是周駕駛頻率在6次以上的駕駛者，而發(fā)生疏忽及失誤行為的次數(shù)高的是駕駛頻率低于2次的駕駛者。與之類(lèi)似，C. F. CHEN等[30]對(duì)臺(tái)灣地區(qū)機(jī)車(chē)駕駛員的研究表明，使用頻率越高的機(jī)車(chē)駕駛者對(duì)安全的態(tài)度越積極，而高速駕駛行為的頻率更高。

盡管機(jī)動(dòng)車(chē)駕駛技能培訓(xùn)和交通安全教育，使有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)的電動(dòng)自行車(chē)駕駛者對(duì)交通規(guī)則有更深入的了解，但是數(shù)據(jù)分析結(jié)果顯示，在風(fēng)險(xiǎn)感知、安全態(tài)度和駕駛信心3個(gè)構(gòu)面上是否有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)均沒(méi)有體現(xiàn)出明顯的差異性。同樣在侵略行為、違規(guī)行為和疏忽及失誤行為上是否有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)也不存在顯著的差異。電動(dòng)自行車(chē)事故研究結(jié)論也表明是否具有機(jī)動(dòng)車(chē)駕照對(duì)事故的嚴(yán)重程度沒(méi)有顯著影響[1]，但機(jī)動(dòng)車(chē)駕駛者，其更傾向于領(lǐng)先的駕駛行為 (F=12.60，P<0.01)的追求，其原因也許是這些駕駛者有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)，更習(xí)慣于以更快的車(chē)速行駛。

4 結(jié) 論

筆者設(shè)計(jì)了電動(dòng)自行車(chē)的風(fēng)險(xiǎn)駕駛行為量表，通過(guò)調(diào)查獲取有效樣本，對(duì)其駕駛者的駕駛信心、安全態(tài)度、風(fēng)險(xiǎn)感知以及風(fēng)險(xiǎn)駕駛行為的構(gòu)面開(kāi)展了探索性因子分析。風(fēng)險(xiǎn)感知得到危險(xiǎn)程度、擔(dān)憂(yōu)程度、機(jī)率評(píng)估3個(gè)因子，駕駛信心得到技術(shù)能力、判斷能力2個(gè)因子，安全態(tài)度得到從眾心理、交通規(guī)則態(tài)度以及安全責(zé)任態(tài)度3個(gè)因子，風(fēng)險(xiǎn)駕駛行為得到疏忽及失誤行為、違規(guī)行為、侵略行為、獲取領(lǐng)先4個(gè)因子。

通過(guò)研究電動(dòng)自行車(chē)駕駛者特征與各構(gòu)面的關(guān)系，發(fā)現(xiàn)女性駕駛者相比男性的風(fēng)險(xiǎn)感知程度更高，而在駕駛信心方面男性駕駛者的分?jǐn)?shù)卻遠(yuǎn)比女性高。與女性駕駛者相比，男性駕駛者在發(fā)生違規(guī)行為以及獲取領(lǐng)先駕駛行為方面的頻率要高；具有豐富駕駛經(jīng)驗(yàn)的電動(dòng)自行車(chē)駕駛者更傾向于發(fā)生違規(guī)的行為；在電動(dòng)自行車(chē)駕駛者違規(guī)行為上，老年組發(fā)生的頻率相較于其他組顯著偏高，在領(lǐng)先騎行行為的表現(xiàn)上，青年組發(fā)生的次數(shù)明顯偏高，在領(lǐng)先騎行行為上伴隨年齡的增長(zhǎng)呈現(xiàn)出下降的趨勢(shì)，而故意違規(guī)行為卻跟隨年齡的增加而有增長(zhǎng)的趨勢(shì)；隨著受教育程度的增加，電動(dòng)自行車(chē)駕駛者的駕駛信心增強(qiáng)，安全態(tài)度也變得更加積極，其中電動(dòng)自行車(chē)駕駛者發(fā)生違規(guī)行為以及獲取領(lǐng)先行為次數(shù)更多的是高學(xué)歷人員，而發(fā)生侵略性的風(fēng)險(xiǎn)駕駛行為次數(shù)更多的是低學(xué)歷人員；有機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)的電動(dòng)自行車(chē)駕駛者追求領(lǐng)先的駕駛行為頻率更高；對(duì)風(fēng)險(xiǎn)的感知隨著使用頻率的增高而降低，而對(duì)安全態(tài)度的積極性隨著使用頻率的增高而增加，據(jù)調(diào)查，有6次以上的頻率的駕駛者有更高的獲取領(lǐng)先行為以及發(fā)生違規(guī)行為的可能，而有2次以下駕駛頻率者則在存在疏忽及失誤行為方面有更大的可能性。

了解電動(dòng)自行車(chē)駕駛者各構(gòu)面的內(nèi)在結(jié)構(gòu)以及差異性，便可針對(duì)駕駛者特性進(jìn)行不同的交通管理和教育措施，藉此降低電動(dòng)自行車(chē)駕駛者可能發(fā)生風(fēng)險(xiǎn)性駕駛行為的概率。比如，電動(dòng)自行車(chē)對(duì)風(fēng)險(xiǎn)的感知除一般認(rèn)為的危險(xiǎn)程度和擔(dān)憂(yōu)程度外還包括有機(jī)率評(píng)估因子，而在進(jìn)行安全教育時(shí)，應(yīng)在傳統(tǒng)的危險(xiǎn)性警示教育的基礎(chǔ)上，加強(qiáng)對(duì)事故因果的教育，提高“這種危險(xiǎn)可能發(fā)生在自己身上”的警示，從而達(dá)到真正提高電動(dòng)自行車(chē)駕駛者風(fēng)險(xiǎn)感知的目的。而差異分析的結(jié)果顯示，在進(jìn)行電動(dòng)自行車(chē)交通管理和安全教育時(shí)，受教育水平的高低、駕齡以及機(jī)動(dòng)車(chē)駕駛經(jīng)驗(yàn)不能簡(jiǎn)單作為判斷駕駛者風(fēng)險(xiǎn)程度的標(biāo)準(zhǔn)，而應(yīng)該制定更加細(xì)化的措施。例如，隨著年齡的增加在追求優(yōu)先行為上，電動(dòng)自行車(chē)駕駛者有下降的趨勢(shì)，而故意違規(guī)行為則呈現(xiàn)增長(zhǎng)的趨勢(shì)，所以在探究風(fēng)險(xiǎn)駕駛行為之時(shí)，應(yīng)對(duì)它在年齡方面的差異性投入更多的關(guān)注度。

筆者用于分析的數(shù)據(jù)來(lái)源于自答式的調(diào)查問(wèn)卷，受訪(fǎng)者出于自身考慮，一些研究者認(rèn)為如果采取自我評(píng)估的量表數(shù)據(jù)會(huì)導(dǎo)致產(chǎn)生一定的期望偏差。但相關(guān)研究可證實(shí)，對(duì)于被試者的回答而言，這樣的社會(huì)期望偏差所帶來(lái)的影響效應(yīng)十分小。

在進(jìn)行相關(guān)性分析時(shí)僅考慮了駕駛者特征這一類(lèi)因素，在未來(lái)能夠獲得更豐富的數(shù)據(jù)條情況下可以對(duì)其他因素進(jìn)行分析。同時(shí)采用單因素分析方法限制其他變量的影響進(jìn)行相關(guān)性分析具有一定的局限性，在進(jìn)一步的研究中可以采用其他方法矯正其他因素的影響，并對(duì)間接的關(guān)系進(jìn)行詳細(xì)分析。