公交驾驶员不良驾驶行为调查与特征分析——以成都为例

易恬

(西南交通大学交通运输与物流学院)

公交驾驶员不良驾驶行为调查与特征分析
——以成都为例

易恬

(西南交通大学交通运输与物流学院)

为了确定公交驾驶员行为失当的具体表现，首先界定了广义公交驾驶员不良驾驶行为。根据交通心理学、交通行为学与组织行为学等理论，结合城市公交系统中的驾驶员个体因素、行业因素和交通环境因素，构建了基于主成分分析法与信度分析法公交驾驶员的不良驾驶行为评价指标体系。以成都茶店子公交总站和九里堤的公交线路及公交驾驶员的抽样调查为例，结合本文所构建的评价指标体系，可得出:成都市公交驾驶员不良驾驶行为的具体表现具有以下四类特性，即驾驶员的冒险特性、习惯惯性、随意特质与个体特性。通过算例分析可证实，提出的评价体系具有可行性与有效性，可为城市常规公交管理过程中对驾驶员的安全驾驶考评提供相应的量化方法。

安全工程;公交驾驶员;不良驾驶行为;评价体系

1 公交司机不良驾驶行为的界定及影响因素

1.1 不良驾驶行为的内涵与特征

所谓驾驶行为，大多是指驾驶员为了一定的驾驶出行目的而执行的驾驶操作，驾驶行为主要受驾驶员的认知和动机的影响，本文所研究的不良驾驶行为是指驾驶员在驾驶过程中出现的一些不安全、不规范、违章的驾驶行为的总称。

对于公交驾驶员的不良驾驶行为，还应包括公交车截头进站、不使用公交专用道、未到站下客等具有行业特殊性的不良驾驶行为。在当前交通实践中，除了已有的成熟的不良驾驶行为研究之外，对于不良驾驶行为范畴的客观认定还应基于交通参与者的个体认知和以及长期乘坐公交车的乘客的公众观察来确定，故而，对于公交驾驶员不良驾驶行为的微观认定，研究需要借助调查问卷形式予以区分，根据交通过程的参与主体的差异，可以将当前公交驾驶员不良驾驶行为归纳为以下16项具体表现。

表1 公交驾驶员不良驾驶行为

1.2 公交驾驶员不良驾驶行为的影响因素

现代交通运输学和交通行为学对于驾驶行为的研究，整体上是从个体因素、职业因素和环境因素等几个方面进行学理性探讨，从已有的研究发现来看，决定当代公交驾驶员不良驾驶行为出现频率的关键因素多为个体差异性因素，其主要包括年龄、性别、气质、婚姻与否等等，此外，职业因素越来越成为不良驾驶行为趋于固化的主导诱因，多与疲劳驾驶、行业薪酬和工作压力等原因紧密相关，最后、外部环境作用于公交驾驶员本体也可能进一步加剧不良驾驶行为的持续时间，给公众安全和行车安全带来严重挑战。具体来说，年龄层面，年龄较大的驾驶员的驾驶稳定性更高，这是因为对于年轻的驾驶员来说，其驾驶技能较生疏，驾驶经验不够丰富，驾驶操作过程尚未实现自动化。而性别角度，在风险驾驶行为中，男性驾驶员较女性驾驶员更容易出现攻击性驾驶行为，在驾驶过程中女性驾驶员比男性驾驶员出现更多的冲动行为，原因是驾驶员的工作较为幸苦，工作强度较高，而家庭压力和工作压力的双重负担使女性驾驶员更容易出现不良驾驶行为。而对于男性驾驶员来说，在驾驶过程中，随着驾驶经验的积累，社会责任感的增强，在驾驶过程中逐渐趋于谨慎，所以出现不良驾驶行为的可能性降低。而对于未婚驾驶员、离异驾驶员在冲动行为和错误行为上均高于已婚驾驶员均，并且在冲动行为上存在显著的差异。对此的解释可能是因为婚姻给公交驾驶员带来了更为平和的心态、稳定的情绪，以及对家庭的牵绊和对社会更多的责任感，从而养成了良好的驾驶行为等等。

除了个体因素外，职业因素也是当前值得研究的热点领域，如疲劳驾驶。一些研究表明，发达国家驾驶员因疲劳驾驶所导致的交通事故约占事故总数的10%～12.8%。根据公交驾驶员的工作时间，结合交通伤亡事故发生的时间来分析，上午7∶00～12∶00发生事故的概率占19%，而下午13∶00～18∶00高达到38%。疲劳驾驶是指机动车驾驶员驾驶时间过长，导致心理机能、生理机能和操作效能下降的现象。导致疲劳驾驶的因素有很多，如果从驾驶员自身因素和客观条件两方面分析，大致可以分成以下三类:(1)驾驶员本人情况，包括性别、年龄、性格、健康状况和驾驶技术。(2)驾驶员的生活情况，包括驾驶员的睡眠和生活环境。(3)行车情况，包括车外环境、车内环境和驾驶条件。疲劳驾驶对驾驶员安全行车产生了巨大的威胁，目前为止，国际上还没有一套完整的测量疲劳驾驶的相关标准。但是控制驾驶时间、保证睡眠时间、及时调节心态、做好行车计划、科学安排饮食等方法对预防疲劳驾驶也是有效的。职业因素中还有一类是压力因素，也对不良驾驶行为有间接影响，有研究表明:过大或者持续时间过长的压力会影响人的心理健康水平，心理活动的变化又会导致人的行为变化。驾驶行为也受压力和心理健康的影响，许多公交驾驶员因为工作压力过大，常出现一些不安全和违章驾驶行为，产生交通安全隐患的同时也对道路交通环境造成不良的作用。

最后，环境因素也是不良驾驶行为形成环节中不可忽略的要素，事实上，监管部门在统计事故成因时，大都倾向于简单认为事故的基本原因主要是驾驶员的失误和错误造成的，而较少考虑交通事故与交通环境的关联，但这并不代表道路交通事故与道路交通环境的关联度小。在对道路交通安全构成威慑的诸因素中，气候条件、交通和路政条件、道路配套设施以及路面的识认性等的影响不是通过直接作用表露出来，而是通过与其他因素的结合，导致交通参与者产生错误的判断和行为，继而导致交通事故的发生。事实上，一起交通事故的发生并不是人－车－路体系中某一独立环节的失调引起的，而往往是两个或多个因素共同作用的结果。但在一般事故处理现场只能确定其中一种作为主要原因，道路环境这一重要因素往往被忽视。

2 公交驾驶员不良驾驶行为调查分析

2.1 问卷设计

本研究所设置的《公交驾驶员不良驾驶行为调查问卷》中除了上述16种不良驾驶行为外，还应包括能够合理代表公交司机本身个体因素、行业因素、交通环境等方面的变量。故根据前文所提及的影响公交驾驶员驾驶行为的研究与理论以及研究的初衷和目标，问卷选取了公交驾驶员的性别、年龄、公交驾龄、学历、婚姻状况、气质类型、月平均收入、工作压力、每天平均驾驶时间、作息时间、交通拥堵状况、整体交通素质和道路条件13个变量代表不同影响因素。

其中，为了合理设置月平均收入、每天平均驾驶时间、作息时间等行业因素的选项，本研究已在前期对公交公司进行走访调查。了解到公交驾驶员根据线路和作息时间不同月平均收入在3 000～7 000元不等;根据所在线路的交通状况和气候影响每天平均驾驶时间介于7～9 h之间;而作息时间根据公司安排和个人选择分为2休1、3休1、4休1、5休2以及6休1五类。

本研究问卷包含29道题目，大概需要5 min的时间完成，原计划通过在公交总站的休息室发放，但是由于本研究的对象——公交驾驶员的工作性质具有特殊性，回收效果并不理想，且由于公驾驶员机的休息时间紧张，回收到的问卷质量也很难保证。因此，只能利用公交驾驶员发车前在驾驶室休息的几分钟以提问的方式帮助其完成问卷。

调查地点应充分考虑到人流量，公交车停靠数量，路线丰富程度等因素，以保证抽样的随机性，综合以上几点，本研究的调查地点设定为成都市金牛区九里堤公交总站和茶店子公交总站，并尽量选择客源充足，换乘率高的线路，在本研究的问卷调查中，主要涉及九里堤公交总站的56路、48路、103路、119路、362路和茶店子公交总站的4路、17路、82路、86路等线路。问卷共计收集150份，其中男性司机105份，女性司机45份，达到统计学上的大样本条件。

2.2 变量的设定

在变量选取上，包括代表公交驾驶员本身个体因素、行业因素、交通环境因素等13个方面的变量以及描述公交驾驶员不良驾驶行为的16个观测变量，其中各变量元素的界定如表2所示。

表2 公交驾驶员不良驾驶行为变量元素的界定

在SPSS软件中录入数据前需要进行抽象转换，其中，问卷设置的Q类变量中除了Q3公交驾龄这一题目为数值型变量之外，其他12个Q类变量均为分类型变量，需要特别注意的是，性别指标和婚姻状况指标在通常的研究中为二分类变量，用0或1表示。S类分类变量都是按照程度大小进行排列，如S1冲红灯、强信号按照冲红灯、强信号行为出现的频繁程度划分为总是出现、经常出现、有时出现、很少出现、从未出现，那么对应的分类变量分别为5，4，3，2，1。以此类推，其他分类型变量都如此进行抽象转换。

3 实证结果与分析

本研究对公交驾驶员的不良驾驶行为设置了16个观测变量，若直接将这些变量用做分析，会非常繁琐杂乱，得不到理想结果。因此，在实际的研究中，需要把多个变量进行数据缩减，根据各变量之间的相关性及其共性特征提取公共因子，以最少的信息丢失为代价将众多彼此之间可能有关系的观测变量提炼为少数几个因素。

为此我们将调查所得样本中的公交驾驶员不良驾驶行为量表进行因子分析，根据具体的适用性原则，本研究使用的是主成分因子分析方法。为了判断此次样本施测的数据是否适合做主成分因子分析，首先需要进行项目相关性检验。SPSS软件首先给出了因子分析的KMO与Bartlett球形检验的结果。当KMO值越大，表示变量间的相关性越强，越适合进行因子分析:KMO＞0.9表示非常适合，0.8＜KMO＜0.9很适合，0.7＜KMO＜0.8适合，0.6＜KMO＜0.7不太适合，0.5＜KMO＜0.6比较勉强，KMO＜0.5不适合。

对驾驶行为分量表进行KMO与Bartlett球形检验。结果显示KMO=0.881＞0.8，说明数据很适合进行因子分析。Bartlett球形检验统计量为930.678，对应的显著性水平Sig.=0.000＜0.05，说明原始变量相关矩阵不是单位阵，适合进行因子分析，结果另人满意。

本文所参考的公交驾驶员不良驾驶行为的16个因素，可将每一个因素视为一个观测变量。首先，在主成分分析中采用抽取(Extraction)特征根大于1的方法诊断主成分，结果显示，只有前4个因素被提取出来进行分析，而这4个因素每个解释的方差都在5%以上，方差贡献值百分比累积达到62.433%。

表3 解释的总方差

然后，进行因素旋转，经过旋转的成分矩阵输出结果中，16个观测变量大体被分入4个因素当中。根据成分矩阵中各变量与每个主成分的相关系数排名进行归类，其中变量S3、S11、S4、S15、S6在两个因素上都有大于0.4的载荷，取其较高的载荷值进行主成分划分。

在旋转成分矩阵中可以看出，成分1中S9的负载最高，即违规超车、未使用公交车专用道这一行为是该主成分的标记变量，命名时应围绕该因素考虑。同理，成分2、成分3、成分4的标记变量分别为S10、S2、S13。现根据以上主成分分析结果以及前文公交驾驶员不良驾驶行为的相关理论参考驾驶员行为量表，对4个主成分命名如下:

表4 驾驶员行为量表

理论上一般认为:通过主成分分析方法能够将多种变量因素进行重新归类缩减，但其可靠性仍值得怀疑，如果变量之间的信度较低，即便进行了变量重新归类，其归类科学性亦不能为实证检验提供支持，因此需进一步验证该4因子方案的总体信度水平，在操作中我们逐一对其进行主成分的信度(可靠性)分析，即使用SPSS考察4个因子的内部一致性系数α。

从下表结果可以看出，对于主成分F1，其Cronbach＇s Alpha值为0.818＞0.6，表明量表的可靠性较好。对于主成分F2，其Cronbach＇s Alpha值为0.802＞0.6，但项统计量中显示，若删除S15，其量表Cronbach＇s Alpha提高为0.815＞0.802，因此，此处将变量S15删除。同理，对F3和F4量表作信度(可靠性)分析，α值分别为0.754和0.713，均符合信度检验。至此，四个主成分信度(可靠性)计算结果如下:

表5 主成分可靠性分析

4 结论

从理论上来看，先验研究已经证明个体因素、职业因素和外部环境因素对公交司机不良驾驶行为有着决定性影响，而我们的研究通过问卷的收集和重新处理，借助现代实证分析方法表明:除了传统的三个因素之外，公交司机自身的行为因素也是值得深入探讨的一个话题，事实上传统的分类方法并不能很好地将影响公交驾驶员不良驾驶行为出现频率的各种因素完全区分开来，因此需要借助主成分分析和信度分析方法实现，从结果来看，将所有微观因素划分为冒险特质、习惯依赖、个体随意性和个体特征更为合适。当然这样划分可能依旧存在一些问题，但至少可以为后续的研究起到一定抛砖引玉之效。

［1］ 陈雪梅，高利，魏中华，等.驾驶员因素与交通事故率的关联性［J］.北京工业大学学报，2007，(7).

［2］ 黎美清，杜岩，罗义学，苏红帆，王灏.影响机动车驾驶员交通行为的因素［J］.应用预防医学，2011，(2).

［3］ 李江.交通工程学［M］.北京:人民交通出版社，2007.

［4］ 赵磊，赵峥嵘，邹盛玲，张钧.消除疲劳驾驶确保行车安全［J］.交通与运输，2003，(6).

［5］ 范士儒.交通心理学教程［M］.北京:中国人民公安大学出版社，2005.

U415.1

C

1008－3383(2015)10－0166－03

2015－01－19