基于結(jié)構(gòu)方程模型的超速行為分析

楊京帥

(長安大學(xué)汽車學(xué)院，陜西 西安710064)

2012 年全國共查處超速行駛9 000 多萬起，因超速行駛肇事導(dǎo)致7 000 多人死亡，是導(dǎo)致交通事故最多的交通違法行為.2007—2010 年與營運(yùn)車輛相關(guān)的特大道路交通事故，22.7%是駕駛員超速行駛造成的，超速已成為交通事故最主要的直接成因［1-2］.

對(duì)于如此多駕駛員超速的原因、駕駛員超速的內(nèi)在影響因素、駕駛員超速行為分析，以及如何找出有效的方法減少駕駛員超速駕駛行為，現(xiàn)有研究一般使用統(tǒng)計(jì)技術(shù)處理并計(jì)算各種觀測(cè)數(shù)據(jù)的結(jié)果來尋找因果關(guān)系，但對(duì)成因復(fù)雜的人的行為以及許多心理現(xiàn)象，多數(shù)情況下都很難進(jìn)行直接測(cè)量與客觀標(biāo)定［3］.利用結(jié)構(gòu)方程模型(structural equation model，SEM)，可以通過考察人的外部表現(xiàn)(觀測(cè)指標(biāo))來了解其實(shí)質(zhì)特性(潛在變量)，是應(yīng)用線性方程系統(tǒng)表示觀測(cè)變量與潛在變量之間及潛在變量之間關(guān)系的一種有效統(tǒng)計(jì)方法［4］. 鑒于結(jié)構(gòu)方程模型能夠同時(shí)處理多個(gè)原因與多個(gè)結(jié)果之間的復(fù)雜關(guān)系，以及能夠處理不可直接觀測(cè)的變量(潛變量)等諸多優(yōu)勢(shì)，目前結(jié)構(gòu)方程模型已在心理、行為、教育和社會(huì)科學(xué)等領(lǐng)域得到了廣泛應(yīng)用［5］.本文利用結(jié)構(gòu)方程模型的功能特點(diǎn)，識(shí)別和量化駕駛員遵從限速標(biāo)志或限速警告信息的影響因素及其相互之間的因果關(guān)系.

駕駛員對(duì)于各種不同交通情況的行為反應(yīng)，可以通過不同的方法進(jìn)行測(cè)試，例如，調(diào)查問卷、模擬實(shí)驗(yàn)、交通網(wǎng)絡(luò)監(jiān)測(cè)等. 問卷調(diào)查因其相對(duì)于其他方法的低成本而被廣泛用于收集不同交通情況下的行為反應(yīng)數(shù)據(jù)［6］. 此外，由于模擬實(shí)驗(yàn)、交通網(wǎng)絡(luò)監(jiān)測(cè)無法排除以下局限性:測(cè)試時(shí)的動(dòng)機(jī)、目的、期望等因素與自然狀態(tài)下的差異，以及獲取樣本數(shù)據(jù)少，超速行為可以觀測(cè)，但超速原因依然需要借助意愿調(diào)查數(shù)據(jù)進(jìn)行分析，等，在本研究的實(shí)際操作上，現(xiàn)場(chǎng)測(cè)試與模擬實(shí)驗(yàn)分析都不易實(shí)現(xiàn). 當(dāng)調(diào)查問卷獲取的行為數(shù)據(jù)與實(shí)際行為數(shù)據(jù)有較大偏差時(shí)，問卷的有效性值得商榷. 但是以往的研究證實(shí)調(diào)查問卷與實(shí)際駕駛行為分析結(jié)果具有一致性與可靠性［7-8］，且結(jié)構(gòu)方程模型可以利用信度檢驗(yàn)調(diào)查問卷設(shè)計(jì)及因子分析的有效性. 基于以上原因，本文將采用調(diào)查問卷的方式，對(duì)不同交通情況下的超速行為進(jìn)行數(shù)據(jù)采集.

1 問卷設(shè)計(jì)與抽樣

調(diào)查問卷的設(shè)計(jì)原則是，既要盡可能全面考慮超速行為的可觀測(cè)變量和指標(biāo)值獲取的便利性，又要極力避免觀測(cè)指標(biāo)的重復(fù)性.超速行為影響因素的觀測(cè)變量包括駕駛員個(gè)體因素、超速行為的客觀條件、主觀因素、限速條件下的行為表現(xiàn)4 個(gè)方面，即駕駛員因素、限速標(biāo)志的視認(rèn)度、駕駛員對(duì)限速的主觀意向以及在不同交通條件下對(duì)限速的反應(yīng).觀測(cè)變量及其統(tǒng)計(jì)值見表1.

問卷中觀測(cè)變量的指標(biāo)內(nèi)容、量化與賦值標(biāo)準(zhǔn)如下:

(1)駕駛員因素考慮了性別(男1，女0)、年齡、駕齡(年)、超速受罰次數(shù)(最近3 年的數(shù)據(jù))、是否卷入超速事故(是1，否0)以及駕車頻率(很少開、每月1、2 ～3、4 ～6、7 ～14、15 次以上，分別賦值1 ～6)共6 個(gè)觀測(cè)變量，兼顧了駕駛員背景信息以及與超速有關(guān)的駕駛經(jīng)歷.

表1 觀測(cè)變量統(tǒng)計(jì)值Tab.1 Statistic values of observed variables

(2)限速標(biāo)志的視認(rèn)度包括標(biāo)志的可讀程度(容易理解程度，易1，難2)、可視程度(醒目與易觀測(cè)性，易1，難2)共2 個(gè)觀測(cè)變量，考慮客觀條件導(dǎo)致的駕駛員無意識(shí)或非故意超速.

(3)駕駛員對(duì)限速的主觀意向設(shè)置了駕駛員遵守限速標(biāo)志的意愿、對(duì)限速類警告信息的內(nèi)容滿意度、限速值的認(rèn)可程度、限速區(qū)前使用限速提示信息標(biāo)志數(shù)量及位置的滿意程度4 個(gè)觀測(cè)變量，滿意程度或認(rèn)可程度分為5 級(jí)(非常不滿意、不滿意、一般、滿意、非常滿意，由低到高分別賦值1 ～5)，此類觀測(cè)變量考慮駕駛員的有意超速行為.

(4)在不同交通條件下，考察了駕駛員對(duì)限速警告信息以及限速標(biāo)志的反應(yīng).觀測(cè)駕駛員對(duì)限速警告信息的反應(yīng)，即駕駛員在沒有明顯感知危險(xiǎn)時(shí)，在前方有無參照車輛2 種情況下駕駛員是否降低車速(降速1，其他0). 限速標(biāo)志設(shè)定具體限速值，考慮了駕駛員主觀感受到的危險(xiǎn)程度(無感知危險(xiǎn)、輕微感知危險(xiǎn)、感知危險(xiǎn)、高感知危險(xiǎn))以及前方有無參照車輛等情況，設(shè)置駕駛員遵從限速值降低車速的百分比為觀測(cè)值.

感知危險(xiǎn)程度的判別要素分別為:

無感知危險(xiǎn)是指①心理上未感到事故威脅;②未采取任何避險(xiǎn)行為;③行駛速度或方向未發(fā)生明顯變化;

輕微感知危險(xiǎn)是指①已感知到一定的心理壓力;②需采取預(yù)防性避險(xiǎn)行為;③存在著較充分的預(yù)判時(shí)間;

感知危險(xiǎn)是指①已感知到明顯的心理壓力;②需采取及時(shí)有效的避險(xiǎn)行為;③預(yù)判時(shí)間已不允許過多的猶豫或動(dòng)作失誤;

高感知危險(xiǎn)是指①已感受到相當(dāng)大的心理壓力;②需采取迅速有效的措施，甚至是以劇烈動(dòng)作為特征的緊急避險(xiǎn)行為;③感知-判斷-行動(dòng)的時(shí)間極短，客觀表現(xiàn)為不允許任何猶豫或動(dòng)作失誤，部分情況下甚至處于條件反射式操作狀態(tài).

發(fā)放調(diào)查問卷570 份，收回有效問卷534 份，其中男駕駛員問卷308 份，女駕駛員問卷226 份.

2 探索性因子分析

為了找出多元觀測(cè)變量的本質(zhì)結(jié)構(gòu)，并進(jìn)行降維處理，本文用探索性因子分析(exploratory factor analysis，EFA)方法對(duì)表1 觀測(cè)變量進(jìn)行分析.EFA 能夠?qū)⒕哂绣e(cuò)綜復(fù)雜關(guān)系的變量綜合為少數(shù)幾個(gè)核心因子［9］.應(yīng)用SAS 軟件進(jìn)行因子分析，采用正交旋轉(zhuǎn)法分析方差最大旋轉(zhuǎn)因子，以Kaiser 準(zhǔn)則和Scree 測(cè)試作為提取因子數(shù)目的準(zhǔn)則，因子載荷≥0.4 作為變量相關(guān)程度的選擇標(biāo)準(zhǔn)［4，10］.

表2 中，標(biāo)注* 觀測(cè)變量的因子載荷≥0.4，共有4 個(gè)符合選擇標(biāo)準(zhǔn)的因子.

由表2 可見，觀測(cè)變量v15、v16、v19和v20裝載于因子1，根據(jù)觀測(cè)變量與因子之間的相關(guān)性，因子1 為低危險(xiǎn)感知時(shí)的限速遵從(F1);觀測(cè)變量v17、v18、v21和v22裝載于因子2，因子2 為高危險(xiǎn)感知時(shí)的限速遵從(F2);觀測(cè)變量v9、v10、v11和v12裝載于因子3，因子3 為限速滿意度(F3);觀測(cè)變量v2、v3、v4和v6裝載于因子4，因子4 為駕駛員因素(F4).

表2 方差最大正交旋轉(zhuǎn)因子載荷Tab.2 Varimax orthogonal rotation factor loadings

3 信度分析

表3 給出觀測(cè)變量與潛變量的可靠度.

表3 觀測(cè)變量與潛變量的可靠度Tab.3 Reliability of latent and observed variables

為了評(píng)估探索性因子分析得到的4 個(gè)潛變量的內(nèi)部一致性，采用了克隆巴赫系數(shù)(也稱克朗巴哈系數(shù))(Cronbach's α 或Cronbach's alpha)和組合信度進(jìn)行信度分析. Cronbach's α 是檢測(cè)內(nèi)部一致性的系數(shù)，是目前社會(huì)科學(xué)研究最常使用的信度分析方法［10］.組合信度是反映觀測(cè)變量能夠多大程度表示潛變量的指標(biāo). Cronbach's α≥0.7 表明可靠性信度可以接受［11-12］. 表3 中信度指標(biāo)值表明，調(diào)查問卷和探索性因子分析是有效的.

4 結(jié)構(gòu)方程模型

為進(jìn)一步探索觀測(cè)變量與潛在變量之間及潛在變量之間的交互關(guān)系，并量化相互之間的作用，引進(jìn)結(jié)構(gòu)方程模型(structural equation model，SEM)進(jìn)行分析. SEM 綜合了路徑分析和因子分析，是一種建立、估計(jì)和檢驗(yàn)因果關(guān)系模型的方法.模型可同時(shí)考慮和處理多個(gè)因變量，允許自變量和因變量有測(cè)量誤差，允許潛變量由多個(gè)外顯指標(biāo)變量構(gòu)成，可同時(shí)估計(jì)指標(biāo)變量的信度及效度，可構(gòu)建潛變量之間的關(guān)系，并估計(jì)模型與數(shù)據(jù)的吻合程度［3］.

結(jié)構(gòu)方程模型目前采用兩階段的方法，第1 階段是應(yīng)用驗(yàn)證性因子分析，構(gòu)造一個(gè)可接受的測(cè)量模型，測(cè)量模型描述了觀測(cè)變量以及潛變量之間的關(guān)聯(lián)關(guān)系，但不能說明潛變量之間的因果關(guān)系;第2階段，應(yīng)用結(jié)構(gòu)模型描述潛變量之間的因果關(guān)系.

測(cè)量模型為

式中:V 為觀測(cè)變量vi(顯變量)組成的向量;F 為潛變量Fi組成的向量;Λ 為觀測(cè)變量在潛變量上的因子載荷矩陣，表示潛變量與其觀測(cè)變量之間的關(guān)系;E 為測(cè)量誤差向量.

結(jié)構(gòu)模型為

式中:F＊＊i為內(nèi)生潛變量;F*

i 為中介潛變量;Fi為外生潛變量;βi、Γi為參數(shù);di為結(jié)構(gòu)模型的殘差.

為研究駕駛員在各種交通條件下遵從限速的影響因素及其相互關(guān)系，對(duì)潛變量之間的因果關(guān)系進(jìn)行假設(shè)(表4)，構(gòu)建的結(jié)構(gòu)方程模型如圖1 所示.圖1 中，數(shù)字為因子負(fù)荷，括號(hào)內(nèi)數(shù)字為(標(biāo)準(zhǔn)差，t 檢驗(yàn)值)，矩形框代表觀測(cè)變量，橢圓形框代表潛變量.所有t 值大于1.964，置信度≥95%，假設(shè)成立.

表4 駕駛員遵從限速影響因素及其因果關(guān)系假設(shè)檢驗(yàn)Tab.4 Hypotheses verification of causal relationships betweendrives'compliance with speed limit and its associated factors

由圖1 可見，駕駛員限速滿意度是駕駛員在低危險(xiǎn)感知時(shí)限速遵從的主要影響因素(標(biāo)準(zhǔn)化路徑系數(shù)為0.391，t =9.341). 也就是說，在沒有感知到明顯危險(xiǎn)信息的情況下，駕駛員是否遵從限速的主要因素在于限速標(biāo)志或限速警告信息所傳達(dá)內(nèi)容的明確性與引導(dǎo)性、駕駛員對(duì)于限速值的認(rèn)可程度以及遵從限速的主觀意愿. 除此之外，駕駛員因素(年齡、駕齡、駕車頻率、超速受罰次數(shù))也影響駕駛員在低危險(xiǎn)感知時(shí)的限速遵從(標(biāo)準(zhǔn)化路徑系數(shù)為0.367，t=9.726)，即駕駛員以往的駕駛經(jīng)驗(yàn)和經(jīng)歷對(duì)于低危險(xiǎn)感知情況下的限速遵從有直接影響.

在高危險(xiǎn)感知時(shí)，即駕駛員感知到明顯危險(xiǎn)信息情況下，駕駛員限速滿意度依然是限速遵從的主要影響因素(標(biāo)準(zhǔn)化路徑系數(shù)為0. 354，t =8.467)，相對(duì)于低危險(xiǎn)感知時(shí)的標(biāo)準(zhǔn)化路徑系數(shù)有所降低.表明了在高危險(xiǎn)感知情境下，駕駛員更多地是因?yàn)楸茈U(xiǎn)而選擇遵從限速，限速滿意度的影響要小些. 同樣地，駕駛員因素(標(biāo)準(zhǔn)化路徑系數(shù)為0.348，t=9.057)在高危險(xiǎn)感知情況下的標(biāo)準(zhǔn)化路徑系數(shù)也有所降低.為了提高駕駛員的限速遵從率，必須分析駕駛員限速滿意度與駕駛員因素，并考慮與之關(guān)聯(lián)的觀測(cè)變量.由低危險(xiǎn)感知與高危險(xiǎn)感知兩種情況下標(biāo)準(zhǔn)化路徑系數(shù)的變化可推斷出，適當(dāng)提高駕駛員超速行為的危險(xiǎn)感知程度，可以彌補(bǔ)限速滿意度與駕駛員因素對(duì)于限速遵從的影響.

圖1 駕駛員遵從限速的結(jié)構(gòu)方程模型Fig.1 Structural equation model of drivers'compliance with speed limit

5 結(jié)構(gòu)方程模型擬合度檢驗(yàn)

為了檢驗(yàn)結(jié)構(gòu)方程模型的擬合度，采用卡方自由度比、近似均方根誤差(root mean square error of approximation，RMSEA)、擬合優(yōu)度指數(shù)(goodness of fit index，GFI)、調(diào)整后的擬合優(yōu)度指數(shù)(adjusted goodness of fit index，AGFI)、規(guī)范擬合指數(shù)(normed fit index，NFI)、非規(guī)范擬合指數(shù)(nonnormed fit index， NNFI)和比較擬合指數(shù)(comparative fit index，CFI)等7 個(gè)指標(biāo)來檢驗(yàn)評(píng)價(jià)模型與原始數(shù)據(jù)擬合的程度，其擬合指標(biāo)與檢驗(yàn)結(jié)果見表5.當(dāng)卡方自由度比小于1 時(shí)，可以認(rèn)為模型過度適配，若大于3 表示模型適配度不佳，其值介于1 ～3 之間表示模型適配良好. RMSEA 小于0.05 時(shí)表示模型完全擬合，小于0.08 時(shí)表示擬合得較好，小于0.1 表示模型中等擬合. 其余擬合指標(biāo)大于0.9 時(shí)說明模型的擬合度較好，且越接近1擬合越好［13-15］. 表5 中擬合指標(biāo)值說明模型和觀測(cè)數(shù)據(jù)擬合程度良好，完全符合判別標(biāo)準(zhǔn).

表5 結(jié)構(gòu)方程模型擬合度指標(biāo)與檢驗(yàn)Tab.5 Fit indices and test for structural equation model

6 結(jié)束語

限速標(biāo)志或限速警告信息有助于駕駛員保持合理的車速，以便在突發(fā)情況出現(xiàn)時(shí)降低事故概率.基于這一目的，本文研究了駕駛員對(duì)于限速的行為反應(yīng)，基于探索性因子分析與結(jié)構(gòu)方程模型，識(shí)別并量化了駕駛員遵從限速的影響因素及其相互之間的因果關(guān)系，結(jié)果證明，模型具有很好的擬合度.駕駛員限速滿意度是影響駕駛員遵從限速的主要因素，其次是駕駛員駕齡、超速受罰次數(shù)等駕駛員因素.

為增加駕駛員限速遵從行為，提出以下建議:

(1)改善駕駛員對(duì)于限速的整體認(rèn)可與滿意程度.限速標(biāo)志或限速警告信息所傳達(dá)的內(nèi)容應(yīng)明確并具有引導(dǎo)性，不宜采用“減速慢行”等模糊信息;限速值的設(shè)置應(yīng)該科學(xué)合理，能夠反映實(shí)際交通條件的安全行駛速度限值;限速標(biāo)志或限速警告信息牌(板)的設(shè)置位置易被駕駛員預(yù)先感知，避免無意識(shí)或非故意超速. 否則，駕駛員對(duì)限速的整體認(rèn)可與滿意度不高，從而出現(xiàn)有意或無意超速行為.

(2)適當(dāng)提高駕駛員的超速行為風(fēng)險(xiǎn).超速受罰次數(shù)是與駕駛員因素關(guān)聯(lián)的一個(gè)重要的觀測(cè)變量，且與限速遵從呈負(fù)相關(guān)關(guān)系.另外，相比低危險(xiǎn)感知情況下，駕駛員因素在高危險(xiǎn)感知情況下的標(biāo)準(zhǔn)化路徑系數(shù)有所降低，這表明提高駕駛員超速行駛的風(fēng)險(xiǎn)，將有助于改善駕駛員遵從限速的行為.在實(shí)際操作中，可以采用提高超速行為的監(jiān)測(cè)與懲罰力度，對(duì)于重復(fù)超速或者超速嚴(yán)重的情況，提高扣分分值、吊銷駕照以及更高的經(jīng)濟(jì)罰款;對(duì)于從未出現(xiàn)超速等交通違法行為的駕駛員，在購買車險(xiǎn)的時(shí)候予以優(yōu)惠;駕駛員培訓(xùn)中適度增加危險(xiǎn)感知與情境意識(shí)測(cè)試等內(nèi)容.

［1］ 楊京帥，胡大偉，孫正一. 營運(yùn)車輛重特大交通事故反饋控制關(guān)鍵問題研究［J］. 公路，2013，58(4):134-139.YANG Jingshuai，HU Dawei，SUN Zhengyi. Feedback control key problems of commercial vehicle grave or extraordinarily serious road traffic accidents［J］.Highway，2013，58(4):134-139.

［2］ YANG J S，HU H，HU D W，et al. Road traffic safety system stability based on driving behaviors double feedback control［J］.International Journal of Advancements in Computing Technology，2013，5(8):807-815.

［3］ 孫連榮. 結(jié)構(gòu)方程模型(SEM)的原理及操作［J］. 寧波大學(xué)學(xué)報(bào):教育科學(xué)版，2005，27(2):31-35.SUN Lianrong. The principle and operation of structural equation modeling (SEM)［J］. Journal of Ningbo University:Educational Science，2005，27(2):31-35.

［4］ LEE J Y，CHUNG J H，SON B S. Analysis of traffic accident size for Korean highway using structural equation models［J］. Accident Analysis and Prevention，2008，40(6):1955-1963.

［5］ 周錢，李一，孟超，等. 基于結(jié)構(gòu)方程模型的交通需求分析［J］. 清華大學(xué)學(xué)報(bào):自然科學(xué)版，2008，48(5):879-882.ZHOU Qian，LI Yi，MENG Chao，et al. Analysis of travel demand based on a structural equation model［J］.Journal of Tsinghua University: Science and Technology，2008，48(5):879-882.

［6］ CHATTERJEE K，HOUNSELL N B，F(xiàn)IRMIN P E，et al. Driver response to variable message sign information in London［J］. Transportation Research Part C:Emerging Technologies，2002，10(2):149-169.

［7］ LOOMIS J B. An investigation into the reliability of intended visitation behavior［J］. Environmental and Resource Economics，1993，3(2):183-191.

［8］ YANNIS G，KANELLOPOULOU A，AGGELOUSSI K，et al. Modeling driver choices towards accident risk reduction［J］. Safety Science，2005，43(3):173-186.

［9］ 孫曉軍，周宗奎. 探索性因子分析及其在應(yīng)用中存在的主要問題［J］. 心理科學(xué)，2005，28(6):1440-1442.SUN Xiaojun， ZHOU Zongkui. Exploratory factor analysis and its main problems in application［J］.Psychological Science，2005，28(6):1440-1442.

［10］ 溫忠麟，葉寶娟. 測(cè)驗(yàn)信度估計(jì):從α 系數(shù)到內(nèi)部一致性信度［J］. 心理學(xué)報(bào)，2011，43(7):821-829.WEN Zhonglin，YE Baojuan. Evaluating test reliability:from coefficient alpha to internal consistency reliability［J］. Acta Psychologica Sinica， 2011，43(7):821-829.

［11］ HASSAN H M，ABDEL-ATY M A. Analysis of drivers' behavior under reduced visibility conditions using a structural equation modeling approach［J］.Transportation Research Part F:Traffic Psychology and Behavior，2011，14(6):614-625.

［12］ 張虎，田茂峰. 信度分析在調(diào)查問卷設(shè)計(jì)中的應(yīng)用［J］. 統(tǒng)計(jì)與決策，2007，23(21):25-27.ZHANG Hu，TIAN Maofeng. Reliability analysis and its application in questionnaire design［J］. Statistics and Decision，2007，23(21):25-27.

［13］ 傅貴，王祥堯，吉洪文，等. 基于結(jié)構(gòu)方程模型的安全文化影響因子分析［J］. 中國安全科學(xué)學(xué)報(bào)，2011，21(2):9-15.FU Gui，WANG Xiangyao，JI Hongwen，et al.Analysis of contributing factors to safety culture based on structural equation model［J］. China Safety Science Journal，2011，21(2):9-15.

［14］ 溫忠麟，侯杰泰，馬什赫伯特. 結(jié)構(gòu)方程模型檢驗(yàn):擬合指數(shù)與卡方準(zhǔn)則［J］. 心理學(xué)報(bào)，2004，36(2):186-194.WEN Zhonglin， HOU Jietai， HERBERT W M.Structural equation model testing:cutoff criteria for goodness of fit indices and chi-square test［J］. Acta Psychologica Sinica，2004，36(2):186-194.

［15］ ACKER V V，WITLOX F. Car ownership as a mediating variable in car travel behavior research using a structural equation modeling approach to identify its dual relationship［J］. Journal of Transport Geography，2010，18(1):65-74.