兩輪電動車變向行為分析

朱燕華 宇仁德 崔淑艷 王愷麗 田瑛 楊苗會

摘要：為了研究兩輪電動車變向行為，此文對572份調(diào)查問卷進行量化分析，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車出行；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，將較為復雜的變向行為特征進行了量化，研究結(jié)果為后續(xù)兩輪電動車微觀行為等研究提供一定的理論依據(jù)和參考。

關鍵詞：兩輪電動車；SPSS；變向行為；AHP

0? ? 引言

截至2021年，據(jù)公安部統(tǒng)計，我國兩輪電動車保有量高達3.4億輛，其中電動自行車保有量達3.25億輛[1]。以電動自行車為首的兩輪電動車頗受人們的喜愛，兩輪電動車也逐漸成為中短途出行的交通主力軍。兩輪電動車轉(zhuǎn)向靈活、行駛速度快的特性使得兩輪駕駛員參與交通時交通安全意識淡薄，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，對兩輪電動車騎行者將造成極大的傷害。通過對電動自行車的交通事故研究，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。在兩輪電動車的相關研究中，由于電動自行車所占比例最大，所以以電動自行車為主體研究對象的文獻相對更多。肖向良[2]在研究與電動自行車事故嚴重程度有關的因素中發(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重事故的發(fā)生。為了避免悲劇的發(fā)生，除了事后對交通事故進行分析外，學者們更期望能夠通過分析兩輪電動車的騎行特性，改善交通環(huán)境，避免悲劇的發(fā)生。李星星[3]以自行車、電動自行車和電動輕便摩托車為非機動車主要研究對象，參考機動車定義非機動車虛擬行車道、跟車行為和車道變換行為，以車輛間應保持的最小安全車頭間距構(gòu)建非機動車的跟車模型，以Gipps的車道變換模型為基礎構(gòu)建非機動車的車道變換模型。曹士強、邊揚、榮建等[4]運用視頻錄像調(diào)查方法，在非機動車專用道上采集非機動車騎行行為信息，并提取其行為特征，建立基于道路交通環(huán)境的非機動車騎行行為特征模型，其預測效果較為理想。韋凌翔、王永崗、李文文等[5]利用視頻錄像調(diào)查方法，對鹽城市道路信號交叉口、左轉(zhuǎn)電動車進行數(shù)據(jù)采集，并對左轉(zhuǎn)電動自行車行駛的橫向位置分布規(guī)律、縱向蛇行運動軌跡進行系統(tǒng)分析，為改善城市道路信號交叉口左轉(zhuǎn)電動自行車安全性、降低交通事故提供較為可靠的科學理論和數(shù)據(jù)支撐。

查閱以往對兩輪電動車的研究資料發(fā)現(xiàn)，針對其交通特性的研究較為豐富，但對于具體的違法行為，例如隨意變向方面，未進行深入探討。但在現(xiàn)實情況中，由于兩輪電動車經(jīng)常違法占道，而在混合交通中隨意變向行為極具危險性，因此本文通過對調(diào)查問卷結(jié)果進行分析來研究兩輪電動車使用情況和變向特征。

1? ? 問卷設計和調(diào)查方法

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

2? ? 調(diào)查結(jié)果與分析

2.1? ? 兩輪電動車使用調(diào)查

2.1.1? ? 基本信息調(diào)查結(jié)果

本次調(diào)查共有572份有效問卷，問卷用戶中女性群體占比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，本次問卷調(diào)查用戶主要為青年人群體，這與實際生活中兩輪電動車使用群體基本相符。

2.1.2? ? 出行目的

根據(jù)出行需要，兩輪電動車的出行目的被分成7種情況，本文用SPSS對其進行多重響應操作[6]。從圖1可以看出，高達55.2%的用戶選擇騎兩輪電動車上下班，49.3%的用戶選擇騎兩輪電動車外出購物，說明兩輪電動車在人們?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? ? 兩輪電動車的轉(zhuǎn)向情況

2.2.1? ? 變向原因分析

在分析變向行為之前，我們需要對變向的原因進行簡單了解，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層面設置該問題。從表2中可以看出，在變向原因這項多選題中，有424人會因為前方路口需轉(zhuǎn)向而選擇變向，有367人會因為前方路況不好（如有障礙物）需繞行而選擇變向，有143人會因為超越前車、追求速度而自由變向，有139個人會因為前方無車、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的行為，還要關注周圍環(huán)境因素。為減少兩輪電動車變向所引起的交通事故量，完善非機動車道系統(tǒng)、保障兩輪電動車路權(quán)是一項不可忽略的舉措。

2.2.2? ? 變向習慣分析

由于兩輪電動車在騎行過程中處于人車一體的狀態(tài)，所以我們既需要考慮兩輪電動車自身客觀配置條件，又得考慮騎行者的行為和騎行習慣?？紤]到機動車變向前強制規(guī)定需提前打轉(zhuǎn)向燈示意周圍車輛，因此對于兩輪電動車我們也增加了該問題考量。在配置上，考慮到兩輪電動車型號頗多，質(zhì)量也良莠不齊，因此我們在問卷中設置了“您所騎行的兩輪電動車是否有轉(zhuǎn)向燈”這一選項，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%，這說明兩輪電動車變向安全存在很大的隱患。為了進一步探究兩輪電動車配置轉(zhuǎn)向燈與變向習慣的關系，我們建立了轉(zhuǎn)向燈配置與使用問題交叉表（見表3）。

交叉表的相關性檢驗結(jié)果表明，p值為0.000，小于顯著性水平0.05，這說明兩輪電動車的轉(zhuǎn)向燈配置情況與騎行者轉(zhuǎn)向習慣之間顯著相關。建立百分比堆積柱形圖加以分析，結(jié)果表明，當兩輪電動車配置轉(zhuǎn)向燈時，80.5%的騎行者在變向前會有提前打轉(zhuǎn)向燈的習慣；而當兩輪電動車未配置轉(zhuǎn)向燈時，63.0%的騎行者在變向前沒有示意的習慣（見圖2）。由此說明，配置轉(zhuǎn)向燈對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)向燈的習慣，提高騎行的安全性。

2.2.3? ? 變向行為分析

在研究兩輪電動車變向問題時，我們先對變向前的身體行為和車輛運行行為進行多重響應分析，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%的問卷用戶會在變向前有轉(zhuǎn)頭觀察的身體行為，極少數(shù)用戶在變向前不會采取任何行為，因此根據(jù)問卷結(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)變向前的車輛運行行為統(tǒng)計結(jié)果，87.8%的問卷用戶在變向前會采取提前減速，21.0%的問卷用戶會在變向前擺動車頭，極少數(shù)用戶在變向前無任何行為，因此根據(jù)問卷結(jié)果可以將提前減速和擺動車頭作為研究變向前兩輪電動車車輛運行的行為特征。

為了綜合分析變向行為，我們利用多重響應交叉表，將變向前的身體行為特征和車輛運行行為特征進行交叉分析（見表4）。

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

2.3? ? 用AHP計算變向行為特征權(quán)重

層次分析法即Analytic Hierarchy Process（AHP），是美國匹茲堡大學A.L.Saaty教授于20世紀70年代初期提出的一種主觀賦值評價方法[7]。本文利用AHP計算變向前的行為特征對變向的影響程度，給各項指標制定權(quán)重，便于后續(xù)進行進一步的研究。

2.3.1? ?構(gòu)造判斷矩陣

首先，我們根據(jù)SPSS 26得到問卷統(tǒng)計數(shù)據(jù)中8個行為特征的平均值。如表5所示，我們對各個特征兩兩配對進行重要性比對，采用AHP的1～9的重要程度標度。如表6所示，我們將比較判斷定量化，構(gòu)成判斷矩陣。同時，我們將專家的定性分析轉(zhuǎn)化為定量分析。其次，我們利用SPSSAU數(shù)據(jù)分析平臺[8]對權(quán)重計算的方法進行判斷矩陣的構(gòu)造（見表7）。

2.3.2? ?AHP結(jié)果

利用和積法計算方法進行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，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）對向量? 歸一化。

（3）

4）計算 。

（4）

通過運行程序可獲得相關分析結(jié)果，由表8可得8項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。

2.3.3? ? 一致性檢驗分析

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

（5）

表8已將CI值列出，因此我們需要查找對應的平均隨機一致性指標RI[9]（見表9）。

由于本文中有8個特征，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通過，計算所得權(quán)重具有一致性。則各項特征權(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，如圖5所示。在各項特征中，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，打手勢權(quán)重為10.16%，擺動車頭為8.71%，提前加速為4.29%；身體無任何行為和車輛運行無任何行為權(quán)重分別為2.46%、2.92%。通過計算各項特征的權(quán)重，我們可以將較為復雜的變向行為進行量化，根據(jù)不同騎行者的變向特點，總結(jié)規(guī)律，為車輛駕駛員提前判斷兩輪電動車的變向行為提供理論依據(jù)。

3? ? 總結(jié)

兩輪電動車在騎行過程中呈現(xiàn)出搖擺性、離散性、違章性等特征，常與機動車車流造成沖突，引發(fā)交通事故[10]。了解并研究兩輪電動車的變向行為特征，有助于交通管理者進行交通規(guī)劃、規(guī)范騎行者交通行為，降低碰撞風險，更好地保證人車安全。本文通過對兩輪電動車變向行為問卷結(jié)果進行分析后得出以下結(jié)論。

1）目前，兩輪電動車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極大的便利；

2）道路環(huán)境影響兩輪電動車的出行行為，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）兩輪電動車是否配置轉(zhuǎn)向燈影響騎行者的變向習慣，雖然《電動自行車安全技術(shù)規(guī)范》[11]中未強制要求配置轉(zhuǎn)向燈，但從安全的角度出發(fā)，建議廠家為兩輪電動車配置轉(zhuǎn)向燈；

4）變向行為是一個較為復雜的微觀行為，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表征變向行為，利用AHP計算各特征權(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

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

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

[3]李星星.非機動車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，2010.

[4]曹士強，邊揚，榮建，等.基于道路交通環(huán)境的非機動車騎行行為特征研究[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自行車左轉(zhuǎn)安全特性分析[J].鹽城工學院學報：自然科學版，2017（2）

11-15.

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

[7]譚躍進.定量分析方法[M].北京：中國人民大學出版社，2012.

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

[9]洪志國，李焱，范植華，等.層次分析法中高階平均隨機一致性指標（RI）的計算[J].計算機工程與應用，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《電動自行車安全技術(shù)規(guī)范》解讀[J].中國質(zhì)量技術(shù)監(jiān)督，2019（3）：61-63.