表征防御性駕駛技術(shù)與情緒智力提升的多元線性回歸模型

祁曉峰

(江蘇汽車(chē)技師學(xué)院，江蘇 揚(yáng)州 225003)

0 引言

防御性駕駛是指在多因素耦合的交通環(huán)境或狀態(tài)下，尤其在預(yù)期交通參與者違法違規(guī)駕駛的情況下，駕駛?cè)四茴A(yù)先感知風(fēng)險(xiǎn)，能正確地分析判斷，并能及時(shí)地做出調(diào)整或規(guī)避的方案，并準(zhǔn)確及時(shí)的實(shí)施的駕駛方法。駕駛?cè)饲榫w智力是駕駛?cè)饲榫w和駕駛智力的總稱(chēng)，駕駛智力是指駕駛?cè)嗽谛熊?chē)過(guò)程中對(duì)車(chē)輛的控制能力、感知能力、判斷能力、記憶能力、注意能力等；駕駛?cè)饲榫w是指行車(chē)過(guò)程中駕駛?cè)说那楦屑捌浞€(wěn)定性。目前，國(guó)內(nèi)外對(duì)防御性駕駛技術(shù)和駕駛?cè)饲榫w智力的研究主要分防御性駕駛的可行性和必要性研究及行為識(shí)別判斷研究?jī)蓚€(gè)方面。在可行性和必要性分析方面：Knipling R R等人[1]2003年，提出駕駛?cè)丝煽啃园?個(gè)方面的內(nèi)容：風(fēng)險(xiǎn)駕駛行為、高風(fēng)險(xiǎn)駕駛?cè)恕Ⅰ{駛?cè)说纳眢w意識(shí)、駕駛風(fēng)格、缺乏防御性駕駛技術(shù)、與裝卸有關(guān)的延遲、疲勞駕駛、攻擊性駕駛。Neto J P L等人[2]2011年，提出防御性駕駛是交通流控制的重要因素，若把握不好實(shí)施防御性駕駛的節(jié)點(diǎn)，會(huì)造成交通流整體的延遲。Huang J L等人[3]2012年，利用112名駕駛?cè)?星期的數(shù)據(jù)宏觀分析了防御性駕駛培訓(xùn)，對(duì)提升駕駛?cè)藘?nèi)部駕駛智力的影響，結(jié)果顯示防御性駕駛培訓(xùn)能提升駕駛?cè)说淖晕铱刂颇芰?，具體表現(xiàn)為速度控制或方向控制節(jié)點(diǎn)的優(yōu)化。Habibovic A等人[4]2013年，分析在步行街上發(fā)生事故和駕駛可靠性的關(guān)系，并通過(guò)對(duì)錄像分析顯示，視野盲區(qū)和分心駕駛是駕駛可靠性下降的主要因素。Mihai C等人[5]2014年，通過(guò)對(duì)羅馬尼亞運(yùn)輸企業(yè)外部環(huán)境和企業(yè)內(nèi)部運(yùn)營(yíng)框架分析，得出對(duì)駕駛?cè)碎_(kāi)展防御性駕駛培訓(xùn)使駕駛?cè)薑PI平均提升3%～5%，得出對(duì)駕駛?cè)碎_(kāi)展防御性駕駛技術(shù)培訓(xùn)有助于降低企業(yè)成本，提高企業(yè)競(jìng)爭(zhēng)力，并倡導(dǎo)對(duì)羅馬尼亞全部駕駛?cè)碎_(kāi)展防御性駕駛培訓(xùn)。Bebinov S等人[6]2016年，將駕駛?cè)伺嘤?xùn)分為3個(gè)階段，第1階段是初始駕駛?cè)思寄芴嵘A段，此階段駕駛?cè)丝煽啃灾饕憩F(xiàn)為駕駛?cè)朔磻?yīng)的靈敏性等；第2階段是防御性駕駛培訓(xùn)階段，此階段駕駛?cè)丝煽啃员憩F(xiàn)為駕駛風(fēng)格和習(xí)慣，此階段駕駛風(fēng)格可以補(bǔ)償一部分由于駕駛心理和生理的不足造成的安全風(fēng)險(xiǎn)；第3階段為駕駛動(dòng)機(jī)主導(dǎo)階段，此階段駕駛?cè)藙?dòng)機(jī)為駕駛可靠性的主導(dǎo)因素，不良的駕駛動(dòng)機(jī)會(huì)削弱駕駛?cè)说目煽啃?。Rizeanu S等人[7]2017年，對(duì)60名18～65歲的駕駛?cè)诉M(jìn)行了防御性駕駛訓(xùn)練，發(fā)現(xiàn)防御性駕駛訓(xùn)練有助于提升駕駛?cè)说那榫w智力，并分析了開(kāi)展防御性駕駛培訓(xùn)與駕駛?cè)四挲g的相關(guān)性。Charisma等人[8]2019年，通過(guò)分析得出防御性駕駛技術(shù)訓(xùn)練對(duì)BRT駕駛?cè)耸潜夭豢缮俚?，比如讓乘客養(yǎng)成系安全帶的習(xí)慣和進(jìn)行每周的防御性駕駛討論。候培國(guó)等人[9]2019年，提出一種基于防御性駕駛的一維元胞自動(dòng)機(jī)交通流模型，該模型對(duì)駕駛實(shí)時(shí)防御性駕駛的時(shí)間和速度進(jìn)行了規(guī)劃，并與敏感駕駛模型(SDNaSch)進(jìn)行了對(duì)比，結(jié)果顯示基于防御性駕駛的一維元胞自動(dòng)機(jī)交通流模型交通資源利用率更高，更加符合實(shí)際情況。在判斷與識(shí)別方面：Brombacher P等人[10]2017年，提出一種基于神經(jīng)網(wǎng)絡(luò)的駕駛?cè)笋{駛風(fēng)格辨識(shí)模型，主要對(duì)駕駛?cè)瞬扇》烙择{駛行為進(jìn)行了辨識(shí)。并對(duì)模型進(jìn)行了數(shù)據(jù)驗(yàn)證，通過(guò)對(duì)未采取防御性駕駛或其他危險(xiǎn)駕駛行為的預(yù)警，減少事故發(fā)生的可能性。賀鵬麟等人[11]2018年，提出了一種駕駛?cè)藢?shí)施防御性駕駛技術(shù)的判別系統(tǒng)及車(chē)輛。對(duì)駕駛?cè)藢?shí)行防御性駕駛進(jìn)行識(shí)別，對(duì)駕駛?cè)说鸟{駛風(fēng)格進(jìn)行記錄。在提高駕駛?cè)说鸟{駛可靠性方面，Lai P Y等人[12]2018年，設(shè)置了一種儀器提醒駕駛?cè)碎_(kāi)展防御性駕駛的節(jié)點(diǎn)，并對(duì)危險(xiǎn)區(qū)域的風(fēng)險(xiǎn)進(jìn)行了評(píng)估，通過(guò)車(chē)載設(shè)備實(shí)時(shí)傳輸給駕駛?cè)恕?/p>

以上研究對(duì)提高駕駛可靠性、降低道路交通事故的發(fā)生率起到了很好的成效，但缺少了防御性駕駛培訓(xùn)對(duì)駕駛?cè)饲榫w智力提升定量關(guān)系的分析，因而缺少對(duì)培訓(xùn)成效的預(yù)測(cè)與評(píng)估等環(huán)節(jié)，本研究針對(duì)此問(wèn)題，分析駕駛?cè)饲榫w智力評(píng)價(jià)指標(biāo)和防御性駕駛技術(shù)流程，分析目前對(duì)駕駛?cè)碎_(kāi)展防御性駕駛的主要關(guān)鍵節(jié)點(diǎn)。并基于對(duì)駕駛?cè)碎_(kāi)展防御性駕駛的成效數(shù)據(jù)，構(gòu)建一種基于多元線性回歸的表征防御性駕駛技術(shù)與情緒智力提升關(guān)系的模型，為開(kāi)展相應(yīng)的預(yù)測(cè)與評(píng)估等打好基礎(chǔ)。

1 情緒智力評(píng)價(jià)指標(biāo)

Goleman[13]1995年提出，駕駛?cè)饲榫w智力的評(píng)價(jià)指標(biāo)為自我認(rèn)知(自我意識(shí))、自我控制(渴望真理、責(zé)任心、適應(yīng)性創(chuàng)新)、動(dòng)機(jī)、感動(dòng)深受(理解別人、多樣化)，社會(huì)技能(影響，交流，沖突管理，領(lǐng)導(dǎo)，關(guān)系建立，合作，團(tuán)隊(duì)協(xié)作能力)，同時(shí)還提出情緒智力大部分來(lái)自后天的培養(yǎng)，良好的教育培訓(xùn)對(duì)提升情緒智力有明顯的作用。Sparrow等人[14]2006年提出，駕駛?cè)饲榫w智力從人際關(guān)系和自我認(rèn)知兩個(gè)方面描述，自我認(rèn)知表示自我管理能力，人際關(guān)系表示人際關(guān)系管理能力，Stein等人[15]2006年，提出自我認(rèn)知表示駕駛?cè)说睦斫夂团c其他人交流的能力，分為感同身受、社會(huì)責(zé)任、人際關(guān)系3個(gè)方面。任秀偉[16]2014年提出，駕駛?cè)饲榫w智力為駕駛?cè)说那榫w及智力，一是主觀上的駕駛情緒，與駕駛?cè)说男那椤⒏星榧捌浞€(wěn)定性有關(guān)；二是客觀上的駕駛智力，包括駕駛?cè)藢?duì)道路環(huán)境的感知力、記憶力、辨別力、判斷力和決策力等?；谝陨涎芯砍晒狙芯拷Ⅰ{駛?cè)饲榫w智力評(píng)價(jià)指標(biāo)見(jiàn)圖1。

圖1 駕駛?cè)饲榫w智力評(píng)價(jià)指標(biāo)Fig.1 Evaluation indicators of driver’s emotional intelligence

2 防御性駕駛技術(shù)分析與培訓(xùn)體系設(shè)計(jì)

2.1 防御性駕駛技術(shù)分析

防御性駕駛技術(shù)是一種避免自身事故發(fā)生可能性的駕駛技術(shù)，包括風(fēng)險(xiǎn)感知、分析判斷、做出決策、正確實(shí)施4個(gè)方面。余泰初[17]2019年，提出駕駛?cè)说娘L(fēng)險(xiǎn)感知是從時(shí)間和空間的角度獲取交通環(huán)境的各種要素，理解并預(yù)測(cè)其未來(lái)狀態(tài)的過(guò)程。并將駕駛?cè)孙L(fēng)險(xiǎn)感知總體上歸為駕駛?cè)藢?duì)交通環(huán)境中突變信息的感知。駕駛?cè)朔治雠袛嗍侵格{駛?cè)舜竽X思維對(duì)感知事物所做出的判斷與實(shí)際情況的對(duì)比。分析判斷與實(shí)際相符合則分析判斷正確，與實(shí)際不相符則分析判斷錯(cuò)誤。Steimetz S C等人[18]2007年，對(duì)防御性駕駛和安全風(fēng)險(xiǎn)、出行延遲之間的關(guān)系進(jìn)行了研究，提出防御性駕駛對(duì)出行時(shí)間的一種消耗，并針對(duì)如何平衡防御性駕駛和出行時(shí)間之間的關(guān)系提出了一種數(shù)學(xué)模型，實(shí)現(xiàn)基于出行延遲的事故發(fā)生預(yù)測(cè)。由以上研究可以看出，防御性駕駛是一門(mén)技術(shù)，是駕駛?cè)硕喾侥芰Φ木C合體現(xiàn)，基于以上研究，本研究形成了防御性駕駛技術(shù)的流程與能力需求見(jiàn)圖2。

圖2 防御性駕駛技術(shù)流程與能力需求Fig.2 Flowchart of defensive driving technology and capability requirements

2.2 防御性駕駛培訓(xùn)體系設(shè)計(jì)

(1)目標(biāo)

通過(guò)培訓(xùn)掌握危險(xiǎn)源識(shí)別、出車(chē)前的預(yù)防性自檢、各種道路和路口的防御性駕駛、應(yīng)急狀態(tài)下的防御性駕駛、各種氣候條件下的防御性駕駛。通過(guò)培訓(xùn)具備各種行車(chē)狀態(tài)下的防御性駕駛能力，預(yù)防不良駕駛習(xí)慣，熟悉和掌握常見(jiàn)緊急情況的處置原則和方法，熟悉和掌握道路交通事故現(xiàn)場(chǎng)的應(yīng)急處置方法與傷員救護(hù)，熟悉和掌握事故后的脫困方法，熟悉和掌握乘客突發(fā)疾病的應(yīng)急處理，通過(guò)培訓(xùn)提升駕駛?cè)朔烙择{駛心理和生理、駕駛情緒智力方面的能力。

(2)培訓(xùn)方式

采用現(xiàn)代化多媒體課件、汽車(chē)駕駛模擬機(jī)器、實(shí)車(chē)等教學(xué)設(shè)備，開(kāi)展理論教育、模擬實(shí)踐、實(shí)車(chē)操作、案例分析、安全體驗(yàn)等培訓(xùn)方式，結(jié)合駕駛?cè)说淖陨項(xiàng)l件進(jìn)行個(gè)性化培訓(xùn)。

(3)參考教學(xué)內(nèi)容及時(shí)間分配

根據(jù)防御性駕駛技術(shù)流程及能力分析、培訓(xùn)目標(biāo)及方式，得出參考防御性駕駛培訓(xùn)內(nèi)容及學(xué)時(shí)見(jiàn)表1。

表1 參考社會(huì)車(chē)輛駕駛員防御性駕駛培訓(xùn)內(nèi)容及學(xué)時(shí)Tab.1 Reference of defensive training content and class hours of social vehicle drivers

3 表征防御性駕駛技術(shù)情緒智力的多元線性回歸模型

3.1 目標(biāo)與假設(shè)

目標(biāo)：由圖1、圖2可以看出，實(shí)施防御性駕駛對(duì)駕駛?cè)四芰Φ囊笈c駕駛?cè)饲榫w智力兩者之間有多個(gè)共同的指標(biāo)，同時(shí)也有不同的指標(biāo)，兩者之間存在相關(guān)性，由此，本研究的目標(biāo)為發(fā)現(xiàn)防御性駕駛技術(shù)與駕駛?cè)诵那橹橇χg的關(guān)系，并對(duì)兩者之間的關(guān)系建模，實(shí)現(xiàn)關(guān)系量化研究。

假設(shè)：防御性駕駛培訓(xùn)對(duì)于駕駛?cè)饲榫w智力只產(chǎn)生正面的影響；培訓(xùn)機(jī)構(gòu)對(duì)駕駛?cè)硕及凑辗烙择{駛的要求完成了培訓(xùn)的義務(wù)；駕駛?cè)嗽诮邮芘嘤?xùn)時(shí)都按照要求完成了培訓(xùn)。

3.2 數(shù)據(jù)描述

(1)參與人員

本試驗(yàn)實(shí)施公開(kāi)召集志愿者的方式，共召集13名社會(huì)車(chē)輛駕駛員志愿者，年齡在23～49歲之間，平均年齡36歲，標(biāo)準(zhǔn)偏差4.2周歲；駕齡在26～1年，標(biāo)準(zhǔn)偏差9.3年，平均駕齡3.8年。參與人員在被測(cè)試時(shí)均保持良好的精神狀態(tài)，身體均無(wú)心血管等生理疾病，視力和聽(tīng)力符合駕駛要求。

(2)設(shè)備描述

本試驗(yàn)測(cè)量的對(duì)象駕駛?cè)说那榫w智力，使用Schutte, N. S.等人[19]1998年，設(shè)計(jì)的量表和評(píng)價(jià)交通中情緒智力的觀察表，使用駕駛模擬器見(jiàn)圖3，綜合測(cè)量駕駛?cè)说男睦砗蜕?、駕駛智力、情緒各項(xiàng)指標(biāo)，總分共計(jì)100分，其中，模擬駕駛占70分，量表和觀測(cè)表總計(jì)30分。生理指標(biāo)18分，心理指標(biāo)34分，駕駛智力指標(biāo)30分，情緒指標(biāo)18分。

圖3 防御性駕駛模擬器Fig.3 Defensive driving simulator

(3)方式方法

參加者均經(jīng)歷兩個(gè)模擬場(chǎng)景：①模擬器中面對(duì)3組正面撞擊和翻車(chē)的情況。測(cè)試駕駛?cè)诵睦砗蜕?、智力情況；②設(shè)置駕駛?cè)擞^看有情緒影響的片段，然后在模擬器上進(jìn)行在不同交通流飽和度條件下，開(kāi)展防御性駕駛的實(shí)踐操作；③使用建議的等級(jí)量表進(jìn)行評(píng)估。參與者均參加了包括培訓(xùn)前、培訓(xùn)中、培訓(xùn)后的8次測(cè)試。

(4)數(shù)據(jù)收集

本研究共收集每名志愿者8次的測(cè)試數(shù)據(jù)，共計(jì)104條數(shù)據(jù)，列舉編號(hào)為1的駕駛?cè)藬?shù)據(jù)見(jiàn)表2。

由表2可以看出，駕駛?cè)朔烙詼y(cè)試得分隨著參加時(shí)長(zhǎng)增加不斷提高，生理指標(biāo)得分隨著培訓(xùn)參加時(shí)長(zhǎng)的增加變化不明顯；心理指標(biāo)得分在40 h之前增加緩慢，在40 h之后提升較為明顯；駕駛智力指標(biāo)得分在40 h之前增長(zhǎng)較為明顯，在40 h之后增加緩慢；情緒指標(biāo)得分在40 h之前增長(zhǎng)緩慢，在40 h 之后增加明顯。

表2 部分參與人員情緒智力提升統(tǒng)計(jì)表Tab.2 Statistical table of emotional intelligence improvement of some participants

3.3 模型構(gòu)建

(1)線性關(guān)系觀測(cè)

假設(shè)駕駛?cè)松頌閤1，心理為x2,駕駛智力為x3,情緒為x4,時(shí)長(zhǎng)為x5為因變量,y為防御性駕駛培訓(xùn)測(cè)試得分，為了觀測(cè)因變量y與各自變量之間是否存在較為明顯的線型關(guān)系，將y與x1，x2，x3，x4之間的變化映射到散點(diǎn)圖如圖4所示。

從圖4可以看出，點(diǎn)(xi,y)基本分布在兩條直線兩側(cè)，結(jié)合表2的結(jié)果，我們可以構(gòu)建分段線型回歸模型。

(2)理論多元線性回歸模型

設(shè)因變量y與自變量x1,x2,…,xn-1共有n組實(shí)際觀測(cè)數(shù)據(jù)，y是一個(gè)可觀測(cè)的隨機(jī)變量，它受到n-1個(gè)非隨機(jī)因素x1,x2,…,xn-1和ε隨機(jī)因素的影響，若y與x1,x2,…,xn-1有如下線性關(guān)系：

y=β0+β1x1+β2x2+…+βn-1xn-1+ε，

(1)

式中，y為因變量，x1,x2,…,xn-1為自變量；β0，β1，β2，…，βn-1是未知參數(shù)；ε是均值為零，方差為σ2>0 的不可觀測(cè)的隨機(jī)變量，稱(chēng)為誤差項(xiàng)，并通常假定，ε～(0,σ2) 。

圖4 防御性駕駛培訓(xùn)測(cè)試得分與相關(guān)指標(biāo)散點(diǎn)圖Fig.4 Scatter grams of defensive driving training scores vs. related indicators

(3)模型檢驗(yàn)

F檢驗(yàn)是根據(jù)平方和分解式，直接從回歸效果檢驗(yàn)回歸方程的顯著性，F(xiàn)檢驗(yàn)具有直觀，精準(zhǔn)的特性[20]，由此，本研究使用F檢驗(yàn)的方法進(jìn)行模型的線性特性檢驗(yàn)，具體的檢驗(yàn)過(guò)程放在方差分析表中進(jìn)行，見(jiàn)表3。

表3 方差分析表Tab.3 Table of variance analysis

其中，SSE為殘差平方和，SSR為回歸平方和，SST為總離差平方和。F為檢驗(yàn)統(tǒng)計(jì)量，p為自變量的個(gè)數(shù)。

(4)結(jié)果分析

對(duì)于50個(gè)訓(xùn)練樣本利用SPSS 22.0得出x1,x2,x3,x4,x5的回歸系數(shù)見(jiàn)表4，表中，“/”表示培訓(xùn)40 h前后兩個(gè)階段。

表4 回歸系數(shù)表Tab.4 Table of regression coefficient

得出4個(gè)自變量的多元線性回歸模型為公式(2)。得出回歸方差分析結(jié)果見(jiàn)表5。

(2)

由公式(2)可以看出，在培訓(xùn)時(shí)長(zhǎng)小于40 h時(shí)，防御性駕駛培訓(xùn)效果與駕駛?cè)酥橇μ嵘嚓P(guān)性最大，此階段駕駛?cè)酥饕憩F(xiàn)為感知、分析判斷、決策、實(shí)施的敏捷性提升；在培訓(xùn)時(shí)長(zhǎng)大于40 h時(shí)；防御性駕駛培訓(xùn)效果與駕駛?cè)诵睦砗颓榫w相關(guān)性最大，此階段駕駛?cè)酥饕憩F(xiàn)為目標(biāo)、意志、動(dòng)機(jī)、自我控制、情緒穩(wěn)定性的提升。

由表5可以看出，Sig. 即顯著性P值≈0.058/0.036可知，此回歸方程顯著，即做出的5個(gè)自變量對(duì)因變量y產(chǎn)生顯著線性影響的判斷犯錯(cuò)率的概率僅為0.058/0.036。

表5 回歸方差分析結(jié)果Tab.5 Variance analysis regression result

注：#預(yù)測(cè)變量：(常量)x1,x2,x3,x4,x5。

4 結(jié)論

本研究針對(duì)防御性駕駛培訓(xùn)與駕駛?cè)饲榫w智力關(guān)系研究欠缺的問(wèn)題，分析了影響駕駛?cè)饲榫w智力的因素，構(gòu)建了駕駛?cè)饲榫w智力評(píng)價(jià)指標(biāo)，分析了防御性駕駛技術(shù)的實(shí)施流程及對(duì)駕駛?cè)四芰Φ囊螅瑢?duì)開(kāi)展防御性駕駛培訓(xùn)體系給出了總體的設(shè)計(jì)框架，為了進(jìn)一步量化表示兩者的關(guān)系，提出了一種表征防御性駕駛技術(shù)培訓(xùn)與駕駛?cè)饲榫w智力提升之間關(guān)系的多元線性回歸模型，此模型分兩個(gè)階段描述駕駛?cè)诵睦砗蜕?、駕駛智力、情緒、學(xué)習(xí)時(shí)長(zhǎng)5個(gè)自變量與防御性駕駛培訓(xùn)成效因變量之間的線性關(guān)系。并對(duì)多元線性回歸模型的有效性進(jìn)行了F檢驗(yàn)，驗(yàn)證效果顯示了模型的有效性。通過(guò)模型分析對(duì)駕駛?cè)碎_(kāi)展防御性駕駛培訓(xùn)得出兩點(diǎn)結(jié)論：(1)對(duì)駕駛?cè)说姆烙择{駛培訓(xùn)在最初的階段，技能的嫻熟性提升效果最佳，應(yīng)重點(diǎn)加強(qiáng)防御性駕駛基礎(chǔ)知識(shí)的培訓(xùn)；(2)在駕駛?cè)说姆烙择{駛培訓(xùn)的深入階段，駕駛?cè)说男睦砗颓榫w提升效果最佳，應(yīng)重點(diǎn)加強(qiáng)防御性駕駛認(rèn)知、安全意識(shí)、自我控制、意志與動(dòng)機(jī)等情緒智能方面的培訓(xùn)。