基于TPB的疲劳对汽车驾驶员不安全驾驶行为的影响

李磊 严敏 王涛 王文涛 古月

摘要：为预防和控制由于驾驶员不安全驾驶行为导致的交通事故，基于TPB构建包含驾驶员不安全驾驶行为态度、主观规范、知觉行为控制3个变量的疲劳对驾驶行为研究模型，通过发放与分析问卷，得到影响驾驶员出现不安全驾驶行为的因素之间的关系。采用独立样本T检验的方法进行性别和职业的差异影响分析，采用单因素方差法对年龄、文化程度、驾龄的差异影响程度进行分析。结果表明：不同性别在疲劳驾驶行为控制和疲劳驾驶行为意向上显著差异性较大;不同年龄群体对于知觉行为控制和行为意向有显著差异;不同职业类型在疲劳驾驶行为态度和疲劳驾驶行为意向上具有显著性差异;教育程度对驾驶者的行为态度具有显著性差异影响。通过对驾驶员不安全驾驶行为的研究有助于减少驾驶员驾驶过程的不安全驾驶行为，保障交通安全。

关键词：不安全驾驶行为;计划行为理论;行为态度;主观规范;知觉行为控制

中图分类号：X 936

文献标志码：A

文章编号：1672 -9315 （2019）06 - 0979 -06

DOI：10. 13800/j. cnki. xakjdxxb. 2019. 0609 开放科学（资源服务）标识码（OSID）：

收稿日期：2019 - 05 - 20

责任编辑：刘 洁

基金项目：国家自然科学基金（51504185）

通信作者：李磊（1983 -），男，陕西榆林人，博士，副教授，E-mail： 275048584@ qq.com

0 引言

汽车作为便捷通用的交通工具，随着数量不断增多，新驾驶员的数量也不断增多，导致了不安全驾驶行为的交通事故时有发生。侵犯性驾驶行为是机动车在行驶过程中，驾驶员采取了某种对他人或财产有害或可能造成有害结果的驾驶方式[1]。实际驾驶过程中，人会因为感知到违规行为带来的风险和对法律惩罚而放弃实施违法驾驶行为[2-3]，“态度”与“知觉行为控制观念”是控制和预防违规违法驾驶行为的重要方面[4]，通过调查问卷和建立模型的方法也验证其与驾驶行为之间的关系路径[5]。驾驶员的反应时间决定了其选择刹车进行避险还是选择变道进行避险[6]。在驾驶过程中，驾驶员希望设置合理的安全设施，并设置相应监控设施约束驾驶员驾驶行为[7]，减少在驾驶中使用语音短信等不安全行为驾驶行为[8]。

安全驾驶行为与风险感知、风险态度呈正相关，与风险容忍呈负相关，驾驶者出现弯道超车、醉酒驾驶等行为与死亡交通事故率成显著的正相关[9-13]。女性驾驶人发生交通事故的因素主要包括人格、认知等心理特征和视觉能力、应激反应等生理特征[14]。基于计算机视觉，发现汽车安全辅助驾驶技术可以更加准确地判断驾驶员的行车状态[15]。吴紫恒（2018）建立了灰色延迟非线性交通流动力学模型，很好地反映了交通流系统的实际状况，提高了交通流预测精度[16]。张立存（2007）建立了汽车驾驶员控制行为的统一决策模型，解决了大曲率路段下汽车预期轨迹的预测问题[17]。

目前國内外对于驾驶员不安全驾驶行为的研究，主要从影响驾驶员驾驶行为的生理、心理因素，汽车及道路环境等人手建立模型进行研究。但基于计划行为理论的方法结合性别，年龄，驾龄，职业类型和教育程度因素综合对驾驶员不安全驾驶行为的研究并不多。因此，文中以疲劳驾驶为切入点对不安全驾驶行为进行研究，从而减少疲劳驾驶造成的人员伤亡及财产损失。

1 计划行为理论（ TPB）介绍

计划行为理论是社会心理学理论领域著名行为态度理论[18]，是在理性行为理论（Theory Rea-soned Action，TRA）的基础上加以改进形成的心理学理论，国外的研究证实其能显著提高对行为的解释力和预测力[19]。计划行为理论通过行为态度、主观规范和知觉行为控制三大变量直观地展示个体行为的执行过程，不仅对行为的预测起到重要作用，也对行为的产生作出合理的解释。主要包括行为态度、主观规范、知觉行为控制、行为意向、行为5个要素。个人以及社会环境等因素通过影响行为信念影响行为态度、主观规范、知觉行为控制间接影响行为意向和行为[20]，如图1所示。

2 建模与问卷调查

2.1 模型建立

计划行为理论3个变量的前因变量个人因素、社会因素、驾驶环境因素即为影响驾驶员行为的影响因素，基于计划行为理论，疲劳驾驶行为假设模型中综合考虑了性别，年龄，驾龄，职业类型和教育程度等人口统计学项目，构建基于TPB的疲劳驾驶行为的研究模型，如图2所示。

2.2 问卷编制

以疲劳驾驶行为模型为依据，编制调查问卷。调查问卷采用李克特量表[21]编制，共分为4个维度，分别为被调查者的行为态度、主观规范、知觉行为控制和人口统计学项目。

2.3 问卷发放

问卷发放分为网络收集和纸质调查，纸质问卷共收回105份，网络问卷收回69份，总计174份。去除无效问卷，共得到有效问卷150份，有效回收率为86. 3%，问卷信息见表1.

对回收的有效问卷进行信度和效度分析，各个分量表公共因子及总量表的α值，均在0.7 -0. 899之间，属于可信度较好的范围，且KMO值大于0.8，公共因素的累加方差解释率为64. 82%，大于0.4，表明本量表具有很好的效度。

3 数据分析

3.1 性别样本分析

性别只有男、女2个选项，因此采用独立样本T检验方法。由T检验可知，不同性别群体在3大变量和疲劳驾驶行为意向的Sig值分别0.43>0.05 ，0.34>0.05 ，0.041<0.05 ，0.01<0.05，分析结果见表2.

表2说明了不同性别群体对于疲劳驾驶行为态度差异性较小;在主观规范的显著差异性较小;而在疲劳驾驶行为控制和疲劳驾驶行为意向上显著差异性较大。这表明男女的差异会更大的通过影响驾驶者的知觉行为控制和直接影响其疲劳驾驶的意向进而影响疲劳驾驶行为执行。

3.2 年龄分析

对于年龄因素的分析，与性别不同，其选项具有多样性，因此采用单因素方差分析的方法进行分析，通过对各个变量Sig系数进行验证，检验变量即研究对象的疲劳驾驶行为态度、主观规范、知觉行为控制和疲劳驾驶行为意向的F值显著性系数Sig值分别为0.332，0. 683，0.040，0.027，疲劳驾驶行为态度、主观规范的Sig值明显大于0.05，疲劳驾驶行为控制和疲劳驾驶行为意向的Sig值为0. 040和0.027小于0.05，分析结果见表3.

表明不同年龄群体对于驾驶者的疲驾驶行为态度、主观规范没有显著性差异，而对于知觉行为控制和行为意向有显著差异。

3.3 驾龄影响

对于驾龄因素的分析，也是采用单因素方差分析的方法，通过对各个变量Sig系数进行验证，各个变量的F值显著性系数Sig值分别0.237，0.774 ，0. 130，0.371，分析结果见表4.

不同驾龄群体之间的疲劳驾驶行为态度、主观规范、疲劳驾驶行为控制和疲劳驾驶行为意向，不具有显著性差异，即驾龄在驾驶者的疲劳驾驶行为态度、主观规范、疲劳驾驶行为控制和疲劳驾驶行为意向上差异性较小，影响较小。

3.4 职业影响

由于驾驶者的职业选择只有职业驾驶员和非职业驾驶员2个选项，研究此因素对变量的影响利用与性别相同的独立样本T检验法，疲劳驾驶行为态度、主观规范、知觉行为控制和疲劳驾驶行为意向的F值显著性系数Sig值分别为0.000，0. 768 ，0. 171，0.048，分析结果见表5.

这表明不同职业类型的驾驶群体在疲劳驾驶行为态度和疲劳驾驶行为意向上具有显著性差异，在主观规范和疲劳驾驶行为控制上显著性差异较小。

3.5 教育程度影响

对于教育程度因素的差异分析，采用单因素方差分析的方法，通过对各个变量Sig系数进行验证，检验变量即研究对象的疲劳驾驶行为态度、主观规范、疲劳驾驶行为控制和疲劳驾驶行为意向的F值显著性系数Sig值分别为0.037，0.202，0. 330，0. 223，分析结果见表6.

其中主观规范、疲劳驾驶的行为控制及疲劳驾驶行为意向的Sig值均大于0.05，因此教育程度对其的显著性差异影响较小，疲劳驾驶行为态度的Sig值为0.037小于0.05，对于研究者的行为态度具有显著性差异影响。

4 结论

1）通过对所构建的模型进行分析，结果表明运用TPB计划行为理论分析驾驶员的不安全驾驶行为是合理可行的。

2）男女的差异会更大的通过影响驾驶者的知觉行为控制和直接影响其疲劳驾驶的意向进而影响疲劳驾驶行为执行;不同年龄群体对于驾驶者的疲驾驶行为态度、主观规范没有显著性差异，而对于知觉行为控制和行为意向有显著差异;驾龄在驾驶者的疲劳驾驶行为态度、主观规范、疲劳驾驶行为控制和疲劳驾驶行为意向上差异性较小，影响较小;不同职业类型的驾驶群体在疲劳驾驶行为态度和疲劳驾驶行为意向上具有顯著性差异，在主观规范和疲劳驾驶行为控制上显著性差异较小;教育程度仅对于研究者的行为态度具有显著性差异影响。

3）相比较而言，驾驶员的年龄，驾龄与教育程度对不安全驾驶行为的影响不显著，性别与职业对不安全驾驶行为的影响较为显著。下一步的研究应考虑驾驶员情绪，生理状况对不安全驾驶行为的影响。

参考文献（ References）：

[1]

National Highway Traffic Safety Administration. Ag～7es- sive driving and the law[ EB/OL]. 2003 - 04 - 10.

[2]

Homel R.Policing the drinking driver： random breathtesting and the process of deterrence[ R]. Canberra：Federal Office of Road Safety ，1986.

[3] 丁靖艳.基于计划行为理论的侵犯驾驶行为研究[J].中国安全科学学报，2006 （12）：15 - 18 ，169.

DINC Jing-yan. Study on the aggressive driving behavior based on theory of planned behavior[J].Chinese Jour-nal of Safety Science ，2006（ 12）：15 - 18 ，169.

[4]冯萍.消费者网络银行使用意愿实证研究[Dl.北京：对外经济贸易大学，2005.

FENC Ping. Factors iniluencing consumers' adoption ofinternet banking： an empirical study[D].Beijing： Uni-versity of International Business and Economics， 2005.

[5] King Y，Parker D. Driving violations， aggression and per-ceived consensus[J].Revue Europeenne DE Psycholo-gie Appliquee ，2006 ，58（1）：43 - 49.

[6] 黄雪强.不同驾驶行为下高速公路安全风险因素研究[D].苏州：扬州大学，2018.

HUANG Xue-qiang. Study on safety risk factors of dif-ferent driving behaviors on the highway[ D]. Suzhou：Yangzhou University ，2018.

[7]张惠玲，王益，杨金燕.基于TPB理论的城乡结合部路段驾驶员驾驶行为影响因素分析[J].重庆交通大学学报（自然科学版），2018 ，37 （12）：105 -110.

ZHANG Hui-ling， WANG Yi， YANC Jin-yan. Influencefactors analysis on driver's driving behavior on roadsection at urban-rural fringe based on TPB theory[J].Journal of Chongqing Jiaotong University（ Natural Sci-ence Edition） ，2018 ，37（ 12）：105 - 110.

[8] 张辉，分心驾驶行为对交通安全影响机理与建模研究[D].北京：北京交通大学，2018.

ZHANG Hui. Mechanism and modeling of driver distrac-tion behavior impact for traffic safety[D].Beijing： Uni-versity of Science and Technology of China，2018.

[9]许文利，秦雅琴，隋英楠，风险驾驶情境下驾驶行为与风险意识的关系研究[J].人类工效学，2015.21（6）：29 -33.

XU Wen-li， QIN Ya-qin， YAN Ying-nan. Research onthe relationship between the driver's risk awareness anddriving behavior[J].Journal of Ergonomics， 2015， 21（6）：29 -33.

[10]

Clarke D D，Ward P， Bartle C，et al.Killer crashes：fatalroad traffic accidents in the UK[J].Accident Analysisand Prevention. 2010 ，42：764 - 770.

[11]

VerschuurW L，HurtsK.Modeling safe and unsafe driv-ing behavior[J].Accident Analysis and Prevention，2008 ，40（2）：644 - 656.

[12]李红霞，薛建文，杨妍，疲劳对矿工不安全行为影响的ERP实验研究[J].西安科技大学学报，2015 ，35（3）：376 -380.

LI Hong-xia， XUE Jian-wen， YANG Yan. ERP experi-ment research on impact of fatigue on unsafe behaviorsof miners [J]. Journal of Xi1an University of Scienceand Technology， 2015 ，35（3）：376 - 380.

[13]田水承，乌力吉，寇猛，等，基于生理实验的矿工不安全行为与疲劳关系研究[J].西安科技大学学报，2016 ，36（3）：324 - 330.

TIAN Shui-cheng， WU Li-ji， KOU Meng， et al.Relation-ship between miners' unsafe behavior and fatigue basedon physiological experiment[J].Journal of Xi’an Uni-versity of Science and Technology， 2016， 36（3）：324 - 330.

[14]冯忠祥，刘强，张卫华，等，女性驾驶人特性与行为机制研究现状及展望[J].中国安全生产科学技术，2016 ，12（4）：124 - 130.

FENG Zhong-xiang， LIU Qiang， ZHANG Wei-hua， et al.The current situations and futures of female drivers driv-ing characteristics and behavior mechanisms[J].ChinaSafety Science and Technology， 2016， 12（4）：124 -130.

[15]兰晓斌，基于计算机视觉的汽车安全辅助驾驶技术[J].时代农机，2016 ，43 （1）：71，73.

LAN Xiao-bin. Automobile safety auxiliary driving tech-nology based on computer vision[J].Time AgriculturalMachinery ，2016 ，43（1）：71 ，73.

[16]吴紫恒，基于数据挖掘的驾驶行为与道路拥堵分析[D].合肥：中国科学技术大学，2018.

WU Zi-heng. Analysis of driving behavior and trafficcongestion based on data mining[D].Hefei： Universityof Science and Technology of China， 2018.

[17]張立存，汽车驾驶员控制行为统一决策模型的研究[D].长春：吉林大学，2007.

ZHANG Li-cun. Researches on driver unified decisionmodel for vehicle assistant control[D].Changchun： JilinUniversity，2007.

[18] Ajzen I. The theory of planned behavior[J].Organiza-tional Behavior and Human Decision Processes， 1991.50：179 - 211.

[19]王良秋，孙婷婷，董妍，等，道路交通违法行为研究：基于计划行为理论的视角[J].心理科学进展，2015 ，23（ 11）：2009 - 2019.

WANG Liang-qiu， SUN Ting-ting， DONG Yan， et al.Road traffic violations study： based on the theory ofplanned behavior[J].Advances in Psychological Sci- ence ，2015 ，23（ 11）：2009 - 2019.

[20]李鹏飞，石建军.刘小明，基于计划行为理论的竞争驾驶行为建模[J].交通运输系统工程与信息，2016，16（1）：92 - 98.

LI Peng-fei， SHI Jian-jun， LIU Xiao-ming. Modeling ofcompetitive driving behavior based on theory of plannedbehavior[J].Transportation Systems Engineering andInformation，2016 ，16（1）：92 - 98.

[21]亓莱滨，李克特量表的统计学分析与模糊综合评判[J].山东科学，2006（2）：18 - 23 ，28.

QI Lai-bin. Statistics analysis and fuzzy comprehensiveevaluation of Likert scale[J].Shandong Science， 2006（2）：18 - 23 ，28.