安全禁止标志识别率与标志特征关系研究

贾　强，朱小光，范杨洲

（安徽工程大学管理工程学院，安徽，芜湖　241000）

安全禁止标志识别率与标志特征关系研究

*贾强，朱小光，范杨洲

（安徽工程大学管理工程学院，安徽，芜湖241000）

为提高安全标志有效性，需要对安全标志五维特征与标志识别率关系进行研究。选取50名安徽工程大学在校学生为试验对象，40个禁止安全标志为试验材料，研究安全标志的五维特征与标志识别率的关系，建立安全标志识别率与标志五维特征的多元线性回归方程模型。结果表明：标志的熟悉性对标志识别率影响最大，其后依次为简明性、具体性、语义相关性、明确性。此外，回归模型中，常数项为正值，说明仍有其他因素影响标志识别率，有待进一步研究发现。

安全标志；识别率；标志特征；多元线性回归

0　引言

随着经济的高速发展，人们的生活水平得到了进一步的改善，并且对安全的关注与需求也越来越高。目前，安全生产形势总体趋于好转，但安全事故总量仍然很大，严重制约了我国的经济发展。据统计，我国仅2007年，由于安全事故造成的损失就达6200亿元之多，这一数额大约是三峡工程静态投资的7倍［1］。安全事故发生的原因是多方面的：有人们自身的原因（如安全意识不足），但公共场所和生产现场配备的安全标志没有发挥其应有的作用也是造成事故发生的一个重要因素。安全标志被称为是预防安全事故的最后一道防线，它的失效在一定程度上会直接导致安全事故的发生［2］，因此，提高安全标志的有效性，变得尤为重要。

目前，一些学者已对安全标志进行了大量的研究。例如：从标志信息量的角度出发，林雨［3］对指路标志信息量与认知性关系进行了研究；黄凯、何勇［4］通过室内仿真实验与真实环境下的实验相验证的办法，对标志信息量与驾驶员认知时间的关系进行了研究。从传统的人机工程学角度出发，赵正宣［5］设计了中美两国受试者对比实验，研究了文化因素对安全标志的影响；袁京鹏［6］结合对13家企业的深度访谈和大规模问卷调查，对安全标志有效性影响因素进行了多层面多变量同时作用的实证研究，探究除安全标志本身特征以外，个体特征、情景因素、安全氛围等4个层面18个影响因素之间交互作用对安全标志有效性的影响；Alan H.S.Chan［7］通过传统的问卷方式来研究安全标志可猜性与标志五维特性以及潜在用户个人因素之间的关系。基于神经工业工程的视角下，金晶［8］通过研究人对安全标志信号词风险信息的注意、感知，提出安全标志信号词认知的两阶段模型，并且发现情绪对安全标志的认知活动有重要影响；唐贤伟［9］从心理认知的角度出发，确定安全标志的效价和唤醒度，并建立起以时间先后进程为主导的安全标志认知模型，提出了安全标志认知的双偏向模型（Dual Bias Model ，DBM）。针对安全标志的有效性评价，戴权［10］对导致交通标志不能有效发挥作用的因素进行分析提取，通过马尔可夫过程模型，建立评价交通标志有效性的人机效率指标体系，运用 ANP 超级决策SD软件进行决策，并针对具体路段交通标志状况进行评价；胡祎程［2］通过划分施工人员的认知行为阶段，构建了安全标志有效性评价指标体系，确立指标打分规则。综上所述，虽然国内学者从不同角度对安全标志有效性影响因素进行了研究，但是通过线性回归分析模型研究安全标志有效性与其影响因子相互关系的研究较少。

在安全标志有效性评价中，识别率是其中一项重要的指标。安全标志识别率在一定程度上可以很好的反映安全标志的有效性。研究表明，标志五维特征熟悉性、具体性、简明性、明确性、语义接近性与识别率之间有很强的关联性。本文通过安全标志识别率问卷试验与安全标志五维特征问卷试验，收集相关数据。然后进行多元线性回归分析，通过对回归方程的显著性检验，进行相关系数分析，考查安全标志的五维特征对安全标志识别率的影响力大小，建立安全标志识别率与标志五维特征的回归方程模型。

1　安全标志识别率试验

1.1试验对象

试验选取50名安徽工程大学在校学生（男生28人，女生22人）参与本次试验。年龄从20到24岁不等（平均年龄22）。所有被试者视力或矫正视力正常，先前没有参加过安全标志培训和做过类似测试。

1.2试验材料与设备

试验选取了GB 2894-2008［11］中规定的103个安全标志（禁止标志40个，警告标志39个，指令标志16个，提示标志8个）中的40个禁止标志作为试验的测试图标。40个试验图标均进行了标准化的统一处理。试验采用电脑和投影仪，在多媒体教室进行。

1.3试验过程

试验开始之前，主试者宣读试验注意事项，然后，通过电脑和投影仪，将40个禁止安全标志依次呈现给被试者，被试者看到标志后，在问卷相应的安全标志序号后面的表格内填写上自己认为正确的标志含义。试验过程中，所有被试者需独立完成问卷，不能进行交流。测试结束后，所有被试者将问卷交给主试者。

1.4 试验数据整理和统计分析

主试者按照被试者所给出的标志含义依据ISO9186（2007）［12］打分标准（见表1），给出相应的理解性分数，最终将平均理解性看作标志识别率。

表1　安全标志理解性打分标准Table 1　The score standards for safety signs comprehension

将收集的问卷进行整理，并进行初步筛选，其中有效问卷 48份，安全标志的识别率情况如下表2所示。

表2　禁止标志识别率统计Table 2 Descriptive statistics of recognition scoring rates for prohibition signs

2　安全标志特征问卷试验

2.1试验过程

在完成标志识别率试验后，被试者有十分钟的休息时间。被试者准备好后，投影屏幕依次播放40个禁止安全标志的图片，图片下方会附有该安全标志的正确含义。被试者看完每张图片后，在问卷的相应位置对标志的五维特征进行0-100标度的打分，评价标准为熟悉性（0=从来没见过，100=经常见），具体性（0=非常抽象，100=非常相似），简明性（0=非常复杂，100=非常简单），明确性（0=含义不清，100=含义清楚），语义相关性（0=含义与功能弱相关，100=含义与功能强相关，试验过程中，所有被试者需独立完成问卷，不能进行交流。测试结束后，所有被试者将问卷交给主试者。

2.2试验数据整理和统计分析

将收集的问卷进行整理，并进行初步筛选，其中有效问卷46份。标志五维特征得分情况如表3所示。

表3　标志特征得分率统计Table 3　Descriptive Statistics of Scoring rates for sign Features

3　数据分析

3.1 多元线性回归模型的建立

统计中，将一个因变量与两个及两个以上自变量之间的回归，称为多元回归。描述因变量y如何依赖于自变量X1，X2…，Xm和误差项ε的方程称为多元线性回归模型。影响标志识别率的因素有很多，但据以往的研究与分析来看，主要因素可能有标志的熟悉性、具体性、简明性、明确性、语义接近性。假设识别率与标志五维特征的回归模型如下：其中y为标志识别率。x1，x2，x3，x4，x5分别表示标志的熟悉性，具体性，简明性，明确性，语义接近性。β0，β1，β2，β3，β4，β5为总体回归参数。ε为误差项。

用样本统计量b0，b1，b2，b3，b4，b5代替回归方程中的未知参数β0，β1，β2，β3，β4，β5，即得到估计的回归方程：其中，b0，b1，b2，b3，b4，b5是β0，β1，β2，β3，β4，β5的估计值，是y的估计值。

3.2参数的估计与模型评估

3.2.1参数的估计

将试验收集的数据导入SPSS统计软件，通过逐步回归，经计算可得回归方程为：

3.3.2模型的评估

（1）回归方程的拟合优度检验

通过计算复相关系数R、决定系数R2、校正决定系数R2几个参数，检验回归方程对样本观测值的拟合程度。用估计标准误差表示回归估计值与实际观察值的平均差异程度。

表4　模型回归统计Table 4　Model Summary

表4给出了模型回归的统计结果，回归统计量主要反映模型的拟合优劣程度。表中的复相关系数（0.888）、决定系数（ 0.788 ）、校正决定系数（0.756）都比较接近1。表明求得的回归方程拟合优度比较好，因变量Y的变化几乎完全由自变量Xi决定。表中得出的标准误差（7.89832） 也较小，说明估算的精度较高，达到了92.1。

（2）回归方程的F检验

F检验就是要看自变量Xi从总体上对因变量Y是否有明显的影响。方差分析是将总变异分解为回归平方和与残差平方和，对整个回归方程进行F显著性检验的结果见表5。

表5　模型方差分析表Table 5　Analysis of variance model

从表5中的参数看出，F值检验达到了=0.01α的显著水平。

（3）回归系数的t检验

表6　回归系数的t检验Table 6　The regression coefficient of　t-test

通过t 检验，自变量X1、X3对应的回归系数达到了P = 0.01的显著水平， X2、X4、X5对应的回归系数达到了P = 0.05的显著水平。由此判定回归参数的检验结果都有显著性意义。

3.3结果讨论

1）多元线性回归结论分析，试验结果表明：X1标志的熟悉性（回归系数0.554）、X2标志的具体性（回归系数0.103）、X3标志的简明性（回归系数0.357）、X4标志的明确性（回归系数0.067）、X5标志的语义接近性（回归系数0.084）五个因素对标志的识别率有显著影响。这与胡祎程［13］等研究表明五维特性与识别率之间有很强的正相关性基本一致。回归系数常量b0= 0.321说明仍然有其他标志特性对识别率起作用，有待进一步发现利用。

2）在回归模型中，X1系数最大，说明标志的熟悉性的增强对标志识别率提高具有显著的作用，因此，实际应用中可适当加强安全教育培训；标志的明确性和语义接近性对标志识别率的影响相对标志熟悉率在模型中起的作用明显偏弱，但是McDougall［14］将其作为标志设计的关键因素，说明在一定程度上提高设计水平，会有助于提高标志识别率。

4　结论

1）本研究试验结果表明：标志的熟悉性和简明性对标志识别率影响较大，为此，对于用户而言，可在实践中加强安全标志培训；对于工业设计师而言，可适当将标志设计的简洁明朗，使用户可以准确识别出标志，尽可能避免安全事故的发生；但标志具体性、明确性和语义接近性作为标志设计的关键因素，有必要加强在此方面的设计，从而进一步提高安全标志的有效性；另外，回归模型中，常数项为正值，说明仍有其他因素对标志识别率有影响，有待进一步研究发现。

2）此外，本研究中不足之处在于，首先在安全标志的五维特征问卷中采用主观打分，试验数据的客观性受到一定影响，有必要在以后研究中采用更为科学的方法；其次，本试验仅对现行安全标志中禁止标志进行了多元回归分析，在以后的安全标志研究中仍需将另外三类标志加入其中，使得工业设计师能更好地把握不同类型标志的设计。

［1］ Ma Q， Bian J， Ji W， et al.Research on warnings with new thought of neuro-IE［J］.Procedia Engineering， 2011， 26: 1633-1638.

［2］ 胡祎程，周晓宏，王亮.工程项目现场安全标志有效性评价［J］.中国安全科学学报， 2012 （8） :37-42.

［3］ 林雨，潘晓东，方守恩.指路标志信息量与认知性关系研究［J］.交通运输工程与信息学报，2005，3（3）:73-77.

［4］ 黄凯，何勇，韩文元，等.公路指路标志极限信息量研究［J］.市政技术，2008，26（6）:471-474.

［5］ 赵正宣， 饶培伦， 刘成益.中美两国受试者对警示标志反应差异性的实例分析［J］.工业工程与管理，2006，11（2）:101-103.

［6］ 袁京鹏.安全标志有效性影响因素实证研究［D］.杭州:浙江大学，2009.

［7］ Chan A H S， Ng A W Y.Investigation of guessability of industrial safety signs: effects of prospective-user factors and cognitive sign features［J］.International Journal of Industrial Ergonomics， 2010， 40（6）: 689-697.

［8］ 金晶.安全标志信号词风险信息处理实验研究［D］.杭州:浙江大学，2010.

［9］ 唐贤伟.基于神经工业工程的安全标志认知心理过程研究［D］.杭州:浙江大学，2010.

［10］ 戴权.基于人机工程学交通标志有效性评价研究［D］.长春:吉林大学，2008.

［11］ GB2894—2008， 安全标志及其使用导则［S］.

［12］ Foster J J.Graphical symbols: test methods for judged comprehensibility and for comprehension［J］.ISO Bulletin， 2001: 11-13.

［13］ 胡祎程，周晓宏，王亮.安全标志识别性研究：标志特性及用户因素［J］.中国安全科学学报， 2013（3） :16-21.

［14］ Mcdougall S J P， Curry M B， de Bruijn O.Measuring symbol and icon characteristics: Norms for concreteness，complexity， meaningfulness， familiarity， and semantic distance for 239 symbols［J］.Behavior Research Methods，Instruments， & Computers， 1999， 31（3）: 487-519.

［15］ 董跃娴，孙褘振，沈文华，等.影响高校教师教学质量的多元线性回归分析与思考［J］.高等农业教育，2009（2）:36-39.

RESEARCH ON THE RELATIONSHIP OF SAFETY PROHIBITION SIGNS RECOGNITION RATE AND SIGN FEATURES

*JIA Qiang ， ZHU Xiao-guang， FAN Yang-zhou

（Anhui Polytechnic University， Management Engineering School， Wuhu， Anhui 241000， China）

In order to improve safety signs’ effectiveness， the relationship of safety sign recognition rate and five sign features should be studied.To perform the experiments， 50 college students from Anhui Polytechnic University were selected as subjects， 40 prohibition signs used in the experimental.We establish a multiple linear regression equation model based on the relationship of safety sign recognition rate and five sign features.The results show that the familiarity of safety sign has the most significant impact on the recognition rate， followed by simplicity， concreteness， semantic closeness， meaningfulness.In addition， the constant term is positive in the regression model which indicates that there are some other factors affect sign recognition rates.It is necessary that the influencing factors of safety signs’ effectiveness should be studied in further research.

safety signs； recognition rate； sign features； multiple linear regressions

X947； X925

ADOI:10.3969/j.issn.1674-8085.2015.02.016

1674-8085（2015）02-0069-05

2014-11-011修改日期：2015-01-05

安徽省自然科学基金项目（1308085MG109）；国家级大学生创新创业训练项目（201310363026）

*贾强（1989-），男，安徽芜湖人，硕士生，主要从事工业工程与项目管理方面的研究（E-mail: happyjiaqiang@163.com）；

朱小光（1989-），男，安徽亳州人，硕士生，主要从事工业工程与项目管理方面的研究（E-mail: gavin100@126.com）；范杨洲（1990-），男，安徽阜阳人，硕士生，主要从事技术经济与知识管理方面的研究（E-mail: 255629183@qq.com）.