朱燕華 宇仁德 崔淑艷 王愷麗 田瑛 楊苗會(huì)

摘要：為了研究?jī)奢嗠妱?dòng)車(chē)變向行為，此文對(duì)572份調(diào)查問(wèn)卷進(jìn)行量化分析，隨后利用層次分析法（AHP）得到變向行為各特征權(quán)重。結(jié)果表明，青年人群體更傾向于騎兩輪電動(dòng)車(chē)出行；配置轉(zhuǎn)向燈有助于培養(yǎng)騎行者變向前打轉(zhuǎn)向燈的習(xí)慣，提高騎行的安全性。根據(jù)AHP，此文得到各特征權(quán)重占比，將較為復(fù)雜的變向行為特征進(jìn)行了量化，研究結(jié)果為后續(xù)兩輪電動(dòng)車(chē)微觀行為等研究提供一定的理論依據(jù)和參考。

關(guān)鍵詞：兩輪電動(dòng)車(chē)；SPSS；變向行為；AHP

0? ? 引言

截至2021年，據(jù)公安部統(tǒng)計(jì)，我國(guó)兩輪電動(dòng)車(chē)保有量高達(dá)3.4億輛，其中電動(dòng)自行車(chē)保有量達(dá)3.25億輛[1]。以電動(dòng)自行車(chē)為首的兩輪電動(dòng)車(chē)頗受人們的喜愛(ài)，兩輪電動(dòng)車(chē)也逐漸成為中短途出行的交通主力軍。兩輪電動(dòng)車(chē)轉(zhuǎn)向靈活、行駛速度快的特性使得兩輪駕駛員參與交通時(shí)交通安全意識(shí)淡薄，經(jīng)常出現(xiàn)不遵守交通規(guī)則，隨意在道路上穿行、逆行等情況。在混合交通中，一旦發(fā)生交通事故，對(duì)兩輪電動(dòng)車(chē)騎行者將造成極大的傷害。通過(guò)對(duì)電動(dòng)自行車(chē)的交通事故研究，我們發(fā)現(xiàn)，大部分事故是由于騎行者違反交通的行為所造成的。在兩輪電動(dòng)車(chē)的相關(guān)研究中，由于電動(dòng)自行車(chē)所占比例最大，所以以電動(dòng)自行車(chē)為主體研究對(duì)象的文獻(xiàn)相對(duì)更多。肖向良[2]在研究與電動(dòng)自行車(chē)事故嚴(yán)重程度有關(guān)的因素中發(fā)現(xiàn)，最重要的因素是騎行者年齡和違法行為。不靠右側(cè)行駛、逆向行駛、超速行駛等違法行為更易造成嚴(yán)重事故的發(fā)生。為了避免悲劇的發(fā)生，除了事后對(duì)交通事故進(jìn)行分析外，學(xué)者們更期望能夠通過(guò)分析兩輪電動(dòng)車(chē)的騎行特性，改善交通環(huán)境，避免悲劇的發(fā)生。李星星[3]以自行車(chē)、電動(dòng)自行車(chē)和電動(dòng)輕便摩托車(chē)為非機(jī)動(dòng)車(chē)主要研究對(duì)象，參考機(jī)動(dòng)車(chē)定義非機(jī)動(dòng)車(chē)虛擬行車(chē)道、跟車(chē)行為和車(chē)道變換行為，以車(chē)輛間應(yīng)保持的最小安全車(chē)頭間距構(gòu)建非機(jī)動(dòng)車(chē)的跟車(chē)模型，以Gipps的車(chē)道變換模型為基礎(chǔ)構(gòu)建非機(jī)動(dòng)車(chē)的車(chē)道變換模型。曹士強(qiáng)、邊揚(yáng)、榮建等[4]運(yùn)用視頻錄像調(diào)查方法，在非機(jī)動(dòng)車(chē)專(zhuān)用道上采集非機(jī)動(dòng)車(chē)騎行行為信息，并提取其行為特征，建立基于道路交通環(huán)境的非機(jī)動(dòng)車(chē)騎行行為特征模型，其預(yù)測(cè)效果較為理想。韋凌翔、王永崗、李文文等[5]利用視頻錄像調(diào)查方法，對(duì)鹽城市道路信號(hào)交叉口、左轉(zhuǎn)電動(dòng)車(chē)進(jìn)行數(shù)據(jù)采集，并對(duì)左轉(zhuǎn)電動(dòng)自行車(chē)行駛的橫向位置分布規(guī)律、縱向蛇行運(yùn)動(dòng)軌跡進(jìn)行系統(tǒng)分析，為改善城市道路信號(hào)交叉口左轉(zhuǎn)電動(dòng)自行車(chē)安全性、降低交通事故提供較為可靠的科學(xué)理論和數(shù)據(jù)支撐。

查閱以往對(duì)兩輪電動(dòng)車(chē)的研究資料發(fā)現(xiàn)，針對(duì)其交通特性的研究較為豐富，但對(duì)于具體的違法行為，例如隨意變向方面，未進(jìn)行深入探討。但在現(xiàn)實(shí)情況中，由于兩輪電動(dòng)車(chē)經(jīng)常違法占道，而在混合交通中隨意變向行為極具危險(xiǎn)性，因此本文通過(guò)對(duì)調(diào)查問(wèn)卷結(jié)果進(jìn)行分析來(lái)研究?jī)奢嗠妱?dòng)車(chē)使用情況和變向特征。

1? ? 問(wèn)卷設(shè)計(jì)和調(diào)查方法

兩輪電動(dòng)車(chē)變向行為具有隨機(jī)性，為了初步了解騎行者在變向時(shí)存在的行為特征情況，本文首先采用訪談法，對(duì)少數(shù)主體進(jìn)行非結(jié)構(gòu)化訪談，隨后根據(jù)訪談內(nèi)容設(shè)計(jì)“兩輪電動(dòng)車(chē)在騎行過(guò)程中行駛方向變化特征調(diào)查問(wèn)卷”。本次問(wèn)卷采用線上調(diào)查方式，由問(wèn)卷星制作完成并發(fā)布，自2022年9月15日至2022年9月30日，歷時(shí)半月共收集572份問(wèn)卷結(jié)果，經(jīng)數(shù)據(jù)預(yù)處理所有問(wèn)卷均有效。

2? ? 調(diào)查結(jié)果與分析

2.1? ? 兩輪電動(dòng)車(chē)使用調(diào)查

2.1.1? ? 基本信息調(diào)查結(jié)果

本次調(diào)查共有572份有效問(wèn)卷，問(wèn)卷用戶(hù)中女性群體占比55.8%，18～44歲青年人群體占比82.2%，60歲及以上老年人群體占比最少，僅為2.3%。因此，本次問(wèn)卷調(diào)查用戶(hù)主要為青年人群體，這與實(shí)際生活中兩輪電動(dòng)車(chē)使用群體基本相符。

2.1.2? ? 出行目的

根據(jù)出行需要，兩輪電動(dòng)車(chē)的出行目的被分成7種情況，本文用SPSS對(duì)其進(jìn)行多重響應(yīng)操作[6]。從圖1可以看出，高達(dá)55.2%的用戶(hù)選擇騎兩輪電動(dòng)車(chē)上下班，49.3%的用戶(hù)選擇騎兩輪電動(dòng)車(chē)外出購(gòu)物，說(shuō)明兩輪電動(dòng)車(chē)在人們?nèi)粘Ｉ钪邪l(fā)揮著重要作用，成為人們出行必不可少的交通工具之一。

2.2? ? 兩輪電動(dòng)車(chē)的轉(zhuǎn)向情況

2.2.1? ? 變向原因分析

在分析變向行為之前，我們需要對(duì)變向的原因進(jìn)行簡(jiǎn)單了解，根據(jù)訪談結(jié)果，從騎行者主觀因素和道路條件等客觀因素兩個(gè)層面設(shè)置該問(wèn)題。從表2中可以看出，在變向原因這項(xiàng)多選題中，有424人會(huì)因?yàn)榍胺铰房谛柁D(zhuǎn)向而選擇變向，有367人會(huì)因?yàn)榍胺铰窙r不好（如有障礙物）需繞行而選擇變向，有143人會(huì)因?yàn)槌角败?chē)、追求速度而自由變向，有139個(gè)人會(huì)因?yàn)榍胺綗o(wú)車(chē)、自由騎行而自由變向。從以上數(shù)據(jù)分析可以看出，道路環(huán)境等客觀因素是引起大多數(shù)人選擇變向的原因，因此研究變向行為不單單要考慮人車(chē)的行為，還要關(guān)注周?chē)h(huán)境因素。為減少兩輪電動(dòng)車(chē)變向所引起的交通事故量，完善非機(jī)動(dòng)車(chē)道系統(tǒng)、保障兩輪電動(dòng)車(chē)路權(quán)是一項(xiàng)不可忽略的舉措。

2.2.2? ? 變向習(xí)慣分析

由于兩輪電動(dòng)車(chē)在騎行過(guò)程中處于人車(chē)一體的狀態(tài)，所以我們既需要考慮兩輪電動(dòng)車(chē)自身客觀配置條件，又得考慮騎行者的行為和騎行習(xí)慣?？紤]到機(jī)動(dòng)車(chē)變向前強(qiáng)制規(guī)定需提前打轉(zhuǎn)向燈示意周?chē)?chē)輛，因此對(duì)于兩輪電動(dòng)車(chē)我們也增加了該問(wèn)題考量。在配置上，考慮到兩輪電動(dòng)車(chē)型號(hào)頗多，質(zhì)量也良莠不齊，因此我們?cè)趩?wèn)卷中設(shè)置了“您所騎行的兩輪電動(dòng)車(chē)是否有轉(zhuǎn)向燈”這一選項(xiàng)，得到的結(jié)果卻不盡如人意，572人中配置有轉(zhuǎn)向燈的僅占62.1%，這說(shuō)明兩輪電動(dòng)車(chē)變向安全存在很大的隱患。為了進(jìn)一步探究?jī)奢嗠妱?dòng)車(chē)配置轉(zhuǎn)向燈與變向習(xí)慣的關(guān)系，我們建立了轉(zhuǎn)向燈配置與使用問(wèn)題交叉表（見(jiàn)表3）。

交叉表的相關(guān)性檢驗(yàn)結(jié)果表明，p值為0.000，小于顯著性水平0.05，這說(shuō)明兩輪電動(dòng)車(chē)的轉(zhuǎn)向燈配置情況與騎行者轉(zhuǎn)向習(xí)慣之間顯著相關(guān)。建立百分比堆積柱形圖加以分析，結(jié)果表明，當(dāng)兩輪電動(dòng)車(chē)配置轉(zhuǎn)向燈時(shí)，80.5%的騎行者在變向前會(huì)有提前打轉(zhuǎn)向燈的習(xí)慣；而當(dāng)兩輪電動(dòng)車(chē)未配置轉(zhuǎn)向燈時(shí)，63.0%的騎行者在變向前沒(méi)有示意的習(xí)慣（見(jiàn)圖2）。由此說(shuō)明，配置轉(zhuǎn)向燈對(duì)提高騎行者安全行駛有一定的影響；有助于培養(yǎng)騎行者變向前打轉(zhuǎn)向燈的習(xí)慣，提高騎行的安全性。

2.2.3? ? 變向行為分析

在研究?jī)奢嗠妱?dòng)車(chē)變向問(wèn)題時(shí)，我們先對(duì)變向前的身體行為和車(chē)輛運(yùn)行行為進(jìn)行多重響應(yīng)分析，初步分析變向前的行為特征占比情況。由圖3所示，在本次調(diào)查中，85.1%的問(wèn)卷用戶(hù)會(huì)在變向前有轉(zhuǎn)頭觀察的身體行為，極少數(shù)用戶(hù)在變向前不會(huì)采取任何行為，因此根據(jù)問(wèn)卷結(jié)果可以將轉(zhuǎn)頭觀察作為研究騎行者變向前身體行為的主要特征。

由圖4所示，根據(jù)變向前的車(chē)輛運(yùn)行行為統(tǒng)計(jì)結(jié)果，87.8%的問(wèn)卷用戶(hù)在變向前會(huì)采取提前減速，21.0%的問(wèn)卷用戶(hù)會(huì)在變向前擺動(dòng)車(chē)頭，極少數(shù)用戶(hù)在變向前無(wú)任何行為，因此根據(jù)問(wèn)卷結(jié)果可以將提前減速和擺動(dòng)車(chē)頭作為研究變向前兩輪電動(dòng)車(chē)車(chē)輛運(yùn)行的行為特征。

為了綜合分析變向行為，我們利用多重響應(yīng)交叉表，將變向前的身體行為特征和車(chē)輛運(yùn)行行為特征進(jìn)行交叉分析（見(jiàn)表4）。

通過(guò)對(duì)變向行為進(jìn)行交叉分析，可知在變向行為中，高達(dá)77.4%的問(wèn)卷用戶(hù)在變向前既有轉(zhuǎn)頭觀察的身體行為特征，也有提前減速的車(chē)輛運(yùn)行行為特征；27.6%的問(wèn)卷用戶(hù)在變向前既有身體微微傾斜的身體行為特征，也有提前減速的車(chē)輛運(yùn)行行為特征。分析結(jié)果，考慮到單一特征可能不足以表征變向行為，因此我們可以通過(guò)計(jì)算各特征權(quán)重，后續(xù)采取多特征組合來(lái)更有效地表征變向行為。

2.3? ? 用AHP計(jì)算變向行為特征權(quán)重

層次分析法即Analytic Hierarchy Process（AHP），是美國(guó)匹茲堡大學(xué)A.L.Saaty教授于20世紀(jì)70年代初期提出的一種主觀賦值評(píng)價(jià)方法[7]。本文利用AHP計(jì)算變向前的行為特征對(duì)變向的影響程度，給各項(xiàng)指標(biāo)制定權(quán)重，便于后續(xù)進(jìn)行進(jìn)一步的研究。

2.3.1? ?構(gòu)造判斷矩陣

首先，我們根據(jù)SPSS 26得到問(wèn)卷統(tǒng)計(jì)數(shù)據(jù)中8個(gè)行為特征的平均值。如表5所示，我們對(duì)各個(gè)特征兩兩配對(duì)進(jìn)行重要性比對(duì)，采用AHP的1～9的重要程度標(biāo)度。如表6所示，我們將比較判斷定量化，構(gòu)成判斷矩陣。同時(shí)，我們將專(zhuān)家的定性分析轉(zhuǎn)化為定量分析。其次，我們利用SPSSAU數(shù)據(jù)分析平臺(tái)[8]對(duì)權(quán)重計(jì)算的方法進(jìn)行判斷矩陣的構(gòu)造（見(jiàn)表7）。

2.3.2? ?AHP結(jié)果

利用和積法計(jì)算方法進(jìn)行AHP研究。

1）將判斷矩陣的每一列元素做歸一化處理。

（1）

aij ——判斷矩陣的元素，這里為變向行為特征項(xiàng)，i、j分別為行數(shù)和列數(shù)

n ——列數(shù)，為8

2）歸一化的判斷矩陣按行相加。

（2）

3）對(duì)向量? 歸一化。

（3）

4）計(jì)算 。

（4）

通過(guò)運(yùn)行程序可獲得相關(guān)分析結(jié)果，由表8可得8項(xiàng)特征值各自特征向量、權(quán)重值以及最大特征值（8.357）以及CI值（0.051），其中CI值將用于下一步的一致性檢驗(yàn)。

2.3.3? ? 一致性檢驗(yàn)分析

利用AHP進(jìn)行權(quán)重計(jì)算時(shí)，我們需要對(duì)其進(jìn)行一致性檢驗(yàn)分析，將一致性矩陣CR與0.1進(jìn)行比較，若CR<0.1，則可認(rèn)為判斷矩陣的一致性可以接受；否則要對(duì)判斷矩陣進(jìn)行修改。一致性矩陣CR的計(jì)算公式如下。

（5）

表8已將CI值列出，因此我們需要查找對(duì)應(yīng)的平均隨機(jī)一致性指標(biāo)RI[9]（見(jiàn)表9）。

由于本文中有8個(gè)特征，因此n=8，RI值為1.41。由公式得到CR=0.036<0.1，以此判斷矩陣的一致性檢驗(yàn)通過(guò)，計(jì)算所得權(quán)重具有一致性。則各項(xiàng)特征權(quán)重值成立。將由表8獲得的權(quán)重值以直方圖的形式展現(xiàn)出來(lái)，如圖5所示。在各項(xiàng)特征中，提前減速的權(quán)重最大，占30.14%；轉(zhuǎn)頭觀察次之，為28.27%；身體微微傾斜再次，為13.05%；除此之外，打手勢(shì)權(quán)重為10.16%，擺動(dòng)車(chē)頭為8.71%，提前加速為4.29%；身體無(wú)任何行為和車(chē)輛運(yùn)行無(wú)任何行為權(quán)重分別為2.46%、2.92%。通過(guò)計(jì)算各項(xiàng)特征的權(quán)重，我們可以將較為復(fù)雜的變向行為進(jìn)行量化，根據(jù)不同騎行者的變向特點(diǎn)，總結(jié)規(guī)律，為車(chē)輛駕駛員提前判斷兩輪電動(dòng)車(chē)的變向行為提供理論依據(jù)。

3? ? 總結(jié)

兩輪電動(dòng)車(chē)在騎行過(guò)程中呈現(xiàn)出搖擺性、離散性、違章性等特征，常與機(jī)動(dòng)車(chē)車(chē)流造成沖突，引發(fā)交通事故[10]。了解并研究?jī)奢嗠妱?dòng)車(chē)的變向行為特征，有助于交通管理者進(jìn)行交通規(guī)劃、規(guī)范騎行者交通行為，降低碰撞風(fēng)險(xiǎn)，更好地保證人車(chē)安全。本文通過(guò)對(duì)兩輪電動(dòng)車(chē)變向行為問(wèn)卷結(jié)果進(jìn)行分析后得出以下結(jié)論。

1）目前，兩輪電動(dòng)車(chē)已成為人們出行必不可少的交通工具，尤其是為青年人群體帶來(lái)極大的便利；

2）道路環(huán)境影響兩輪電動(dòng)車(chē)的出行行為，不安全的道路環(huán)境往往存在較大的安全隱患，容易引發(fā)騎行者的不安全行為；

3）兩輪電動(dòng)車(chē)是否配置轉(zhuǎn)向燈影響騎行者的變向習(xí)慣，雖然《電動(dòng)自行車(chē)安全技術(shù)規(guī)范》[11]中未強(qiáng)制要求配置轉(zhuǎn)向燈，但從安全的角度出發(fā)，建議廠家為兩輪電動(dòng)車(chē)配置轉(zhuǎn)向燈；

4）變向行為是一個(gè)較為復(fù)雜的微觀行為，單一特征不足以表征該行為特性，考慮采用多特征組合綜合分析來(lái)表征變向行為，利用AHP計(jì)算各特征權(quán)重值，比較各特征所占權(quán)重大小，得到各特征對(duì)變向行為影響程度，為后續(xù)數(shù)據(jù)采集特征篩選環(huán)節(jié)提供參考依據(jù)。

參考文獻(xiàn)

[1]電動(dòng)自行車(chē)交通安全綜合治理線上研討會(huì)成功舉辦[J].道路交通管理，2022（7）：6-7.

[2]肖向良.電動(dòng)自行車(chē)道路交通安全事故嚴(yán)重性影響因素分析[J].公路與汽運(yùn)，2020（6）：32-36.

[3]李星星.非機(jī)動(dòng)車(chē)駕駛行為的微觀交通仿真模型研究[D].南京：南京林業(yè)大學(xué)，2010.

[4]曹士強(qiáng)，邊揚(yáng)，榮建，等.基于道路交通環(huán)境的非機(jī)動(dòng)車(chē)騎行行為特征研究[J].道路交通與安全，2015（4）：44-48.

[5]韋凌翔，王永崗，李文文，等.城市道路交叉口電動(dòng)自行車(chē)左轉(zhuǎn)安全特性分析[J].鹽城工學(xué)院學(xué)報(bào)：自然科學(xué)版，2017（2）

11-15.

[6]周俊.問(wèn)卷數(shù)據(jù)分析——破解SPSS的六類(lèi)分析思路[M].北京：電子工業(yè)出版社，2017.

[7]譚躍進(jìn).定量分析方法[M].北京：中國(guó)人民大學(xué)出版社，2012.

[8]The SPSSAU project （2022）. SPSSAU. （Version 22.0） [CP/OL].https：//www.spssau.com.

[9]洪志國(guó)，李焱，范植華，等.層次分析法中高階平均隨機(jī)一致性指標(biāo)（RI）的計(jì)算[J].計(jì)算機(jī)工程與應(yīng)用，2002（12）：

45-47.

[10]YU S，YANG Z，YU B.Air express network design based on express path choice -Chinese case study [J].

Journal of Air Transport Management，2017，61：73-80.

[11]徐倩.GB 17761—2018《電動(dòng)自行車(chē)安全技術(shù)規(guī)范》解讀[J].中國(guó)質(zhì)量技術(shù)監(jiān)督，2019（3）：61-63.