基于结构方程模型的超速行为分析

杨京帅

(长安大学汽车学院，陕西 西安710064)

2012 年全国共查处超速行驶9 000 多万起，因超速行驶肇事导致7 000 多人死亡，是导致交通事故最多的交通违法行为.2007—2010 年与营运车辆相关的特大道路交通事故，22.7%是驾驶员超速行驶造成的，超速已成为交通事故最主要的直接成因［1-2］.

对于如此多驾驶员超速的原因、驾驶员超速的内在影响因素、驾驶员超速行为分析，以及如何找出有效的方法减少驾驶员超速驾驶行为，现有研究一般使用统计技术处理并计算各种观测数据的结果来寻找因果关系，但对成因复杂的人的行为以及许多心理现象，多数情况下都很难进行直接测量与客观标定［3］.利用结构方程模型(structural equation model，SEM)，可以通过考察人的外部表现(观测指标)来了解其实质特性(潜在变量)，是应用线性方程系统表示观测变量与潜在变量之间及潜在变量之间关系的一种有效统计方法［4］. 鉴于结构方程模型能够同时处理多个原因与多个结果之间的复杂关系，以及能够处理不可直接观测的变量(潜变量)等诸多优势，目前结构方程模型已在心理、行为、教育和社会科学等领域得到了广泛应用［5］.本文利用结构方程模型的功能特点，识别和量化驾驶员遵从限速标志或限速警告信息的影响因素及其相互之间的因果关系.

驾驶员对于各种不同交通情况的行为反应，可以通过不同的方法进行测试，例如，调查问卷、模拟实验、交通网络监测等. 问卷调查因其相对于其他方法的低成本而被广泛用于收集不同交通情况下的行为反应数据［6］. 此外，由于模拟实验、交通网络监测无法排除以下局限性:测试时的动机、目的、期望等因素与自然状态下的差异，以及获取样本数据少，超速行为可以观测，但超速原因依然需要借助意愿调查数据进行分析，等，在本研究的实际操作上，现场测试与模拟实验分析都不易实现. 当调查问卷获取的行为数据与实际行为数据有较大偏差时，问卷的有效性值得商榷. 但是以往的研究证实调查问卷与实际驾驶行为分析结果具有一致性与可靠性［7-8］，且结构方程模型可以利用信度检验调查问卷设计及因子分析的有效性. 基于以上原因，本文将采用调查问卷的方式，对不同交通情况下的超速行为进行数据采集.

1 问卷设计与抽样

调查问卷的设计原则是，既要尽可能全面考虑超速行为的可观测变量和指标值获取的便利性，又要极力避免观测指标的重复性.超速行为影响因素的观测变量包括驾驶员个体因素、超速行为的客观条件、主观因素、限速条件下的行为表现4 个方面，即驾驶员因素、限速标志的视认度、驾驶员对限速的主观意向以及在不同交通条件下对限速的反应.观测变量及其统计值见表1.

问卷中观测变量的指标内容、量化与赋值标准如下:

(1)驾驶员因素考虑了性别(男1，女0)、年龄、驾龄(年)、超速受罚次数(最近3 年的数据)、是否卷入超速事故(是1，否0)以及驾车频率(很少开、每月1、2 ～3、4 ～6、7 ～14、15 次以上，分别赋值1 ～6)共6 个观测变量，兼顾了驾驶员背景信息以及与超速有关的驾驶经历.

表1 观测变量统计值Tab.1 Statistic values of observed variables

(2)限速标志的视认度包括标志的可读程度(容易理解程度，易1，难2)、可视程度(醒目与易观测性，易1，难2)共2 个观测变量，考虑客观条件导致的驾驶员无意识或非故意超速.

(3)驾驶员对限速的主观意向设置了驾驶员遵守限速标志的意愿、对限速类警告信息的内容满意度、限速值的认可程度、限速区前使用限速提示信息标志数量及位置的满意程度4 个观测变量，满意程度或认可程度分为5 级(非常不满意、不满意、一般、满意、非常满意，由低到高分别赋值1 ～5)，此类观测变量考虑驾驶员的有意超速行为.

(4)在不同交通条件下，考察了驾驶员对限速警告信息以及限速标志的反应.观测驾驶员对限速警告信息的反应，即驾驶员在没有明显感知危险时，在前方有无参照车辆2 种情况下驾驶员是否降低车速(降速1，其他0). 限速标志设定具体限速值，考虑了驾驶员主观感受到的危险程度(无感知危险、轻微感知危险、感知危险、高感知危险)以及前方有无参照车辆等情况，设置驾驶员遵从限速值降低车速的百分比为观测值.

感知危险程度的判别要素分别为:

无感知危险是指①心理上未感到事故威胁;②未采取任何避险行为;③行驶速度或方向未发生明显变化;

轻微感知危险是指①已感知到一定的心理压力;②需采取预防性避险行为;③存在着较充分的预判时间;

感知危险是指①已感知到明显的心理压力;②需采取及时有效的避险行为;③预判时间已不允许过多的犹豫或动作失误;

高感知危险是指①已感受到相当大的心理压力;②需采取迅速有效的措施，甚至是以剧烈动作为特征的紧急避险行为;③感知-判断-行动的时间极短，客观表现为不允许任何犹豫或动作失误，部分情况下甚至处于条件反射式操作状态.

发放调查问卷570 份，收回有效问卷534 份，其中男驾驶员问卷308 份，女驾驶员问卷226 份.

2 探索性因子分析

为了找出多元观测变量的本质结构，并进行降维处理，本文用探索性因子分析(exploratory factor analysis，EFA)方法对表1 观测变量进行分析.EFA 能够将具有错综复杂关系的变量综合为少数几个核心因子［9］.应用SAS 软件进行因子分析，采用正交旋转法分析方差最大旋转因子，以Kaiser 准则和Scree 测试作为提取因子数目的准则，因子载荷≥0.4 作为变量相关程度的选择标准［4，10］.

表2 中，标注* 观测变量的因子载荷≥0.4，共有4 个符合选择标准的因子.

由表2 可见，观测变量v15、v16、v19和v20装载于因子1，根据观测变量与因子之间的相关性，因子1 为低危险感知时的限速遵从(F1);观测变量v17、v18、v21和v22装载于因子2，因子2 为高危险感知时的限速遵从(F2);观测变量v9、v10、v11和v12装载于因子3，因子3 为限速满意度(F3);观测变量v2、v3、v4和v6装载于因子4，因子4 为驾驶员因素(F4).

表2 方差最大正交旋转因子载荷Tab.2 Varimax orthogonal rotation factor loadings

3 信度分析

表3 给出观测变量与潜变量的可靠度.

表3 观测变量与潜变量的可靠度Tab.3 Reliability of latent and observed variables

为了评估探索性因子分析得到的4 个潜变量的内部一致性，采用了克隆巴赫系数(也称克朗巴哈系数)(Cronbach's α 或Cronbach's alpha)和组合信度进行信度分析. Cronbach's α 是检测内部一致性的系数，是目前社会科学研究最常使用的信度分析方法［10］.组合信度是反映观测变量能够多大程度表示潜变量的指标. Cronbach's α≥0.7 表明可靠性信度可以接受［11-12］. 表3 中信度指标值表明，调查问卷和探索性因子分析是有效的.

4 结构方程模型

为进一步探索观测变量与潜在变量之间及潜在变量之间的交互关系，并量化相互之间的作用，引进结构方程模型(structural equation model，SEM)进行分析. SEM 综合了路径分析和因子分析，是一种建立、估计和检验因果关系模型的方法.模型可同时考虑和处理多个因变量，允许自变量和因变量有测量误差，允许潜变量由多个外显指标变量构成，可同时估计指标变量的信度及效度，可构建潜变量之间的关系，并估计模型与数据的吻合程度［3］.

结构方程模型目前采用两阶段的方法，第1 阶段是应用验证性因子分析，构造一个可接受的测量模型，测量模型描述了观测变量以及潜变量之间的关联关系，但不能说明潜变量之间的因果关系;第2阶段，应用结构模型描述潜变量之间的因果关系.

测量模型为

式中:V 为观测变量vi(显变量)组成的向量;F 为潜变量Fi组成的向量;Λ 为观测变量在潜变量上的因子载荷矩阵，表示潜变量与其观测变量之间的关系;E 为测量误差向量.

结构模型为

式中:F＊＊i为内生潜变量;F*

i 为中介潜变量;Fi为外生潜变量;βi、Γi为参数;di为结构模型的残差.

为研究驾驶员在各种交通条件下遵从限速的影响因素及其相互关系，对潜变量之间的因果关系进行假设(表4)，构建的结构方程模型如图1 所示.图1 中，数字为因子负荷，括号内数字为(标准差，t 检验值)，矩形框代表观测变量，椭圆形框代表潜变量.所有t 值大于1.964，置信度≥95%，假设成立.

表4 驾驶员遵从限速影响因素及其因果关系假设检验Tab.4 Hypotheses verification of causal relationships betweendrives'compliance with speed limit and its associated factors

由图1 可见，驾驶员限速满意度是驾驶员在低危险感知时限速遵从的主要影响因素(标准化路径系数为0.391，t =9.341). 也就是说，在没有感知到明显危险信息的情况下，驾驶员是否遵从限速的主要因素在于限速标志或限速警告信息所传达内容的明确性与引导性、驾驶员对于限速值的认可程度以及遵从限速的主观意愿. 除此之外，驾驶员因素(年龄、驾龄、驾车频率、超速受罚次数)也影响驾驶员在低危险感知时的限速遵从(标准化路径系数为0.367，t=9.726)，即驾驶员以往的驾驶经验和经历对于低危险感知情况下的限速遵从有直接影响.

在高危险感知时，即驾驶员感知到明显危险信息情况下，驾驶员限速满意度依然是限速遵从的主要影响因素(标准化路径系数为0. 354，t =8.467)，相对于低危险感知时的标准化路径系数有所降低.表明了在高危险感知情境下，驾驶员更多地是因为避险而选择遵从限速，限速满意度的影响要小些. 同样地，驾驶员因素(标准化路径系数为0.348，t=9.057)在高危险感知情况下的标准化路径系数也有所降低.为了提高驾驶员的限速遵从率，必须分析驾驶员限速满意度与驾驶员因素，并考虑与之关联的观测变量.由低危险感知与高危险感知两种情况下标准化路径系数的变化可推断出，适当提高驾驶员超速行为的危险感知程度，可以弥补限速满意度与驾驶员因素对于限速遵从的影响.

图1 驾驶员遵从限速的结构方程模型Fig.1 Structural equation model of drivers'compliance with speed limit

5 结构方程模型拟合度检验

为了检验结构方程模型的拟合度，采用卡方自由度比、近似均方根误差(root mean square error of approximation，RMSEA)、拟合优度指数(goodness of fit index，GFI)、调整后的拟合优度指数(adjusted goodness of fit index，AGFI)、规范拟合指数(normed fit index，NFI)、非规范拟合指数(nonnormed fit index， NNFI)和比较拟合指数(comparative fit index，CFI)等7 个指标来检验评价模型与原始数据拟合的程度，其拟合指标与检验结果见表5.当卡方自由度比小于1 时，可以认为模型过度适配，若大于3 表示模型适配度不佳，其值介于1 ～3 之间表示模型适配良好. RMSEA 小于0.05 时表示模型完全拟合，小于0.08 时表示拟合得较好，小于0.1 表示模型中等拟合. 其余拟合指标大于0.9 时说明模型的拟合度较好，且越接近1拟合越好［13-15］. 表5 中拟合指标值说明模型和观测数据拟合程度良好，完全符合判别标准.

表5 结构方程模型拟合度指标与检验Tab.5 Fit indices and test for structural equation model

6 结束语

限速标志或限速警告信息有助于驾驶员保持合理的车速，以便在突发情况出现时降低事故概率.基于这一目的，本文研究了驾驶员对于限速的行为反应，基于探索性因子分析与结构方程模型，识别并量化了驾驶员遵从限速的影响因素及其相互之间的因果关系，结果证明，模型具有很好的拟合度.驾驶员限速满意度是影响驾驶员遵从限速的主要因素，其次是驾驶员驾龄、超速受罚次数等驾驶员因素.

为增加驾驶员限速遵从行为，提出以下建议:

(1)改善驾驶员对于限速的整体认可与满意程度.限速标志或限速警告信息所传达的内容应明确并具有引导性，不宜采用“减速慢行”等模糊信息;限速值的设置应该科学合理，能够反映实际交通条件的安全行驶速度限值;限速标志或限速警告信息牌(板)的设置位置易被驾驶员预先感知，避免无意识或非故意超速. 否则，驾驶员对限速的整体认可与满意度不高，从而出现有意或无意超速行为.

(2)适当提高驾驶员的超速行为风险.超速受罚次数是与驾驶员因素关联的一个重要的观测变量，且与限速遵从呈负相关关系.另外，相比低危险感知情况下，驾驶员因素在高危险感知情况下的标准化路径系数有所降低，这表明提高驾驶员超速行驶的风险，将有助于改善驾驶员遵从限速的行为.在实际操作中，可以采用提高超速行为的监测与惩罚力度，对于重复超速或者超速严重的情况，提高扣分分值、吊销驾照以及更高的经济罚款;对于从未出现超速等交通违法行为的驾驶员，在购买车险的时候予以优惠;驾驶员培训中适度增加危险感知与情境意识测试等内容.

［1］ 杨京帅，胡大伟，孙正一. 营运车辆重特大交通事故反馈控制关键问题研究［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］ 孙连荣. 结构方程模型(SEM)的原理及操作［J］. 宁波大学学报:教育科学版，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］ 周钱，李一，孟超，等. 基于结构方程模型的交通需求分析［J］. 清华大学学报:自然科学版，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，FIRMIN 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］ 孙晓军，周宗奎. 探索性因子分析及其在应用中存在的主要问题［J］. 心理科学，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］ 温忠麟，叶宝娟. 测验信度估计:从α 系数到内部一致性信度［J］. 心理学报，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］ 张虎，田茂峰. 信度分析在调查问卷设计中的应用［J］. 统计与决策，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］ 傅贵，王祥尧，吉洪文，等. 基于结构方程模型的安全文化影响因子分析［J］. 中国安全科学学报，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］ 温忠麟，侯杰泰，马什赫伯特. 结构方程模型检验:拟合指数与卡方准则［J］. 心理学报，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.