基于Bayesian-SEM的驾车使用手机行为心理成因分析

肖杰文，胡 骥，闫章存，陈维新，王 岗

基于Bayesian-SEM的驾车使用手机行为心理成因分析

肖杰文1，胡 骥1，闫章存2，陈维新1，王 岗1

（1. 西南交通大学，交通运输与物流学院，成都 611756；2. 同济大学，道路与交通工程教育部重点实验室，上海 201804）

为深入探究驾驶员在驾车过程中使用手机行为的形成因素，基于心理学视角在计划行为理论的基础上引入行为习惯、路况环境和风险感知等因素变量，构建了基于扩展计划行为理论（Ex-TPB）的驾驶员驾车使用手机行为贝叶斯结构方程模型（Bayesian-SEM）。分析各影响因素间关系及作用，使用面向驾驶员的423份问卷作为样本数据对所建模型进行分析评价，并将参数结果与传统结构方程模型估计结果进行对比。研究发现：在小样本情况下，本文所构建的模型能对驾驶员驾车使用手机行为心理成因进行较好的预测和解释；行为习惯变量对行为意向影响最大，归一化权重影响系数为0.238，对路况环境和风险感知的标准化影响系数分别为0.307和0.235；知觉行为控制、态度和主观规范对使用手机行为意向均有显著影响。

交通工程；成因分析；Bayesian-SEM模型；行为意向；Ex-TPB理论

0 引 言

随着智能科技迅速发展，人们对智能手机的依赖性越来越强，其不仅影响着生活方式，也改变着驾驶行为习惯，提高出行便捷性的同时增加驾车使用手机行为而引发事故的比率。2013年美国因使用手机所引发事故率为12%[1]，司法大数据报告显示国内约为10.56%，已成为排名前三的事故诱因。因此，亟需深入探究驾驶员驾车过程中使用手机行为的影响因素，以制定行之有效的干预措施。

国内外研究主要集中在使用手机行为分析和驾驶安全风险分析方面。在使用手机行为分析方面：Waddell[2]将该行为划分为回应式和主动式，通过分层多元回归来分析社会心理因素对两种方式的影响；Riquelme[3]研究发现主观、言语、行为、指令性规范，对驾驶员驾车使用手机的行为意向都有很好的预测能力；Walsh[4]研究激发驾驶员驾车使用手机行为的规范和控制信念，分析情境因素，针对手机使用意愿强弱不同的驾驶员信念差异进行了评估。驾驶安全风险分析方面：Caird[5]和David[6]通过驾驶模拟实验研究反应时间、侧车控制、车头时距和车速等驾驶性能对安全绩效的影响，发现驾车使用手机会导致反应时间减慢18%，跟车距离增加12%；赵炜华[7]对比了手持手机拨号的行车实验与正常驾驶情况的统计分析结果，发现驾车使用手机会造成车速下降、行车轨迹偏离等问题。

本文基于计划行为理论（TPB）对驾车使用手机行为心理成因进行了研究。同时，驾车使用手机属违法行为，实际调查时被访者可能会刻意隐瞒事实，较难获取大量的样本数据，而使用传统结构方程模型（Traditional-SEM）极大似然估计法（ML）进行参数估计时需要较大样本数，所以本文采用具有小样本分析优势的结构方程模型贝叶斯方法（Bayesian-SEM）。

1 问题分析

驾驶员驾车过程中决定是否使用手机的过程可视为一个注意力资源分配过程，使用手机将会分取注意资源，相应的分配给驾驶任务的资源就会减少，进而影响驾驶员对外界危险的感知能力和对车辆的控制能力，产生驾驶风险[8]。相关研究表明[5, 9, 10]驾车过程中使用手机会导致驾驶员制动反应时间延迟、行车路线发生偏移从而造成追尾或翻车事故，总结驾车使用手机的驾驶员心理具有以下共性：

① 高估自己的反应速度与驾驶技能，认为自己有很强的主导能力，形成驾驶操控错觉；

② 工作紧迫性与安全意识耦合失调，导致工作紧迫感占据上位，而忽视驾驶安全风险。

同时，TPB在预测和解释个体行为和行为意向方面具有良好的适用性[11]，本文基于传统计划行为理论，引入行为习惯、路况环境及风险感知3个解释变量，构建基于Ex-TPB的驾驶员驾车使用手机行为成因模型，如图1所示。

图1 驾驶员驾车过程中使用手机行为成因模型

2 数据及变量描述

本研究通过问卷调查的方式对驾驶员驾车使用手机行为数据进行采集，调查共收回问卷447份，其中有效问卷423份。

表1 变量定义及描述

Tab.1 Definition and description of variable

3 模型结构分析与建立

3.1 结构方程模型原理

结构方程模型是基于变量协方差矩阵对变量间关系进行分析的一种统计方法，集因素分析与路径分析两种分析技术于一体，适用于多变量间相互关系的定量研究。结构方程模型包含测量模型与结构模型两个基本模型[12]。其中测量模型：

结构模型：

3.2 结构方程模型的Bayesian估计

结构方程模型广泛使用极大似然估计法（ML）和广义最小二乘法（GLS）进行模型估计，这两种方法都是通过将固定参数值和自由参数的估计值代入结构方程，推导方差协方差矩阵。均需满足样本是多变量正态总体且以简单随机抽样来获取[13]，当不满足假设时，则很难得到样本协方差矩阵与其自身的渐近性质。

贝叶斯估计根据马尔可夫链蒙特卡罗（MCMC）方法从未知参数的后验分布中抽取样本进行有效统计计算[12]，得到参数和潜在变量的后验分布，其关注的是原始观测值，而非样本协方差矩阵。同时，依靠渐近理论的方法需要在大样本的前提下才能有效，而基于抽样的贝叶斯方法较少依赖渐进理论，即使在小样本情况下也能得到可靠的结果。使用此方法进行参数估计的结构方程模型称为Bayesian-SEM。

党的十八大以来，一个显著特点就是通过强调文化自信，激发全民族文化创新创造活力，推动社会主义文化繁荣兴盛，努力建设社会主义文化强国，铸就中华文化新辉煌。这是中国特色社会主义文化进入新时代的重要新气象。

4 模型评价及因素分析

4.1 模型评价

在贝叶斯结构方程模型中，Posterior predictive p-value（PPp值）、DIC值和参数事后概率分布图通常被作为模型的评价指标。PPp值反映假设模型和观测数据的契合度，是结构方程模型贝叶斯估计的适配度显著性指标，其范围为0.25~0.75；DIC值为差异化准则，是赤池信息准则（AIC）和贝叶斯信息准则（BIC）的延伸[14]，可反映两个模型间的偏差，若DIC指标值大于10，则表明两个模型间存在显著差异。

图2 自相关图与参数轨迹图

同时，由图3事后概率分布图可看出最初与最后事后概率分布的两条多边图近似重叠，表明参数估计值的事后概率分布也达到很好的收敛。模型适配参数中PPp=0.42，位于0.25与0.75之间，则模型与观测数据有很好的适配度；DIC=369.20远大于标准值10，表明此Bayesian- SEM与Traditional-SEM模型存在显著差异，两种参数估计方法结果比较如表2所示，可看出两种估计方法相关路径系数均为显著，各因素对驾车使用手机行为成因都有显著影响。同时，Bayesian估计方法标准误均小于ML，表明Bayesian-SEM参数估计的样本统计量与总体参数的真实值更接近，用样本推断总体参数更为准确，即在小样本条件下，Bayesian-SEM能得到更好的结果。

图3 事后概率分布图

表2 模型参数估计方法结果比较

注：*为<0.05；***为<0.001；Mean和Estimate表示路径系数；S.E.为参数的标准误差。

4.2 影响因素分析

基于Ex-TPB的驾驶员驾车使用手机行为贝叶斯结构方程模型各因素间因果关系及作用大小如图4所示。

图4 基于Ex-TPB的驾车使用手机行为心理成因分析结果

由图4可知，各影响因素变量之间既存在直接影响，又有间接影响。根据模型参数估计结果，将各影响因素对行为意向的标准化总效应系数大小作为各因素对驾车使用手机行为影响的评判标准，各影响因素归一化权重结果见图5。由图可知对驾车过程中使用手机行为影响最大的是行为习惯，其次是知觉行为控制、态度、路况环境、主观规范和风险感知。

图5 影响因素归一化权重

驾驶员驾车使用手机行为心理成因测量模型中，各观测指标对行为意向影响归一化权重大小如图6所示。

图6 观测变量归一化权重

根据模型参数估计中路径分析结果和归一化权重可知，对驾驶员驾车过程中使用手机行为意向影响最大的是行为习惯，归一化权重为0.238。各影响因素间，行为习惯对路况环境有较大影响，标准化影响系数为0.307，表明驾驶员过去在特定的路况环境下使用手机的行为会随时间演变为一种固有习惯。本研究在问卷设计时引入了路况较好、车辆较少路段和等待时间较长交叉口两种情景，表明当下次遇到类似路况环境条件时，驾驶员会因为过去行为很大程度上倾向于使用手机。行为习惯与风险感知的相关系数仅次于其与路况环境的相关系数，标准化影响系数为0.235，表明未曾受到过交警处罚或未曾发生过交通事故的驾驶员会形成侥幸心理，随着使用手机次数的增多，风险感知被弱化。

知觉行为控制是继行为习惯之后对行为意向影响较大的因素，归一化权重为0.197，表明驾驶员往往会权衡自己能力与所面对情景后再实施行为决策。在知觉行为控制观测指标中，“驾驶经验”（0.073）和“驾驶技能”（0.062）两项观测指标权重占比较大，表明随着驾驶员驾车过程中使用手机次数增多，驾驶经验不断丰富，演变为对于自身驾驶经验和技能的一种肯定，形成一种并不会造成危险的操纵错觉，也就会更加频繁地在驾车过程中使用手机。

在态度方面，“积极态度”（0.034）、“不会影响正常驾驶”（0.053）等观测指标权重大小表明驾驶员对驾车过程中使用手机的行为是认可和允许的；“有效利用时间”（0.050）说明驾驶员迫于工作或生活压力，对于手机的依赖性较强，交通安全意识薄弱并常常忽略生活中因使用手机引发的交通事故。

主观规范与行为意向表现为负相关关系，其中观测变量“交管约束”（0.037）对于驾车使用手机行为意向的影响最强，表明当驾驶员考虑到会受罚时，违章意向会减弱；“从众行为”对主观规范的相关性为0.028，说明驾驶员会因为身边人驾车过程中使用手机而做出相同的行为。

5 结 论

本文在计划行为理论的基础上，新增行为习惯、路况环境和风险感知三个拓展解释变量，构建基于扩展计划行为理论（Ex-TPB）的驾驶员驾车使用手机行为贝叶斯结构方程模型（Bayesian- SEM），通过比较ML估计和Bayesian估计的结果发现，小样本情况下Bayesian-SEM得到的参数估计结果更佳。Bayesian-SEM参数估计结果显示对驾驶员驾车过程中使用手机行为意向影响最大的是行为习惯，其次是知觉行为控制、态度、路况环境、主观规范和风险感知，且行为习惯对路况环境和风险感知也有较大影响。描述性观测变量方面，对行为意向影响最大的为环境习惯，其次为驾车使用手机次数和驾驶经验。

此研究为制定科学的交通安全管理措施提供了新的思路，由于变量选择限制未能完全揭示驾驶员驾车使用手机行为心理成因，后续研究可补充社会压力、预期后悔等指标对行为心理的影响，进一步完善驾驶员驾车过程中使用手机行为心理成因模型。

[1] National Highway Traffic Safety Administration. A compilation of motor vehicle crash data from the fatality analysis reporting system and the general estimates system[R]. Washington DC: National Highway Traffic Safety Administration. 2013

[2] WADDELL L P, WIENER K K K. What’s driving illegal mobile phone use? Psychosocial influences on drivers’ intentions to use hand-held mobile phones[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2014, 22: 1-11.

[3] RIQUELME H E, AL-SAMMAK F S, RIOS R E. Social influences among young drivers on talking on the mobile phone while driving[J]. Traffic Injury Prevention, 2010, 11 (2): 127-132

[4] WALSH S P, WHITE K M, WATSON B C, et al. Psychosocial factors influencing mobile phone use while driving[M]. Canberra: Australian Transport Safety Bureau, 2007.

[5] CAIRD J K, WILLNESS C R, STEEL P, et al. A meta- analysis of the effects of cell phones on driver performance[J]. Accident Analysis and Prevention, 2008, 40 (4): 1282-1293.

[6] STRAYER D L, DREWS F A. Profiles in driver distraction: effects of cell phone conversations on younger and older drivers[J]. Human Factors, 2004, 46 (4): 640.

[7] 赵炜华, 乔晓亮. 手持式手机对驾驶安全的影响研究[J]. 西安航空学院学报, 2018, 36 (1): 56-61.

[8] 李宏汀, 刘彦宇, 李文书. 驾驶中使用手机对驾驶员行为安全绩效影响综述[J]. 中国安全科学学报, 2013, 23 (01): 16-21.

[9] AL-DARRAB I A, KHAN Z A, ISHRAT S I. An experimental study on the effect of mobile phone conversation on drivers’ reaction time in braking response[J]. Journal of safety research, 2009, 40 (3): 185-189.

[10] ALM H, NILSSON L. The effects of a mobile telephone task on driver behaviour in a car following situation[J]. Accident Analysis & Prevention, 1995, 27 (5): 707-715.

[11] CONNER M, SPARKS P. Theory of planned behaviour and health behaviour[J]. Health Psychology Official Journal of the Division of Health Psychology American Psychological Association, 2011, 40 (4): 471-499.

[12] 吴明隆. 结构方程模型: AMOS的操作与应用[M]. 重庆: 重庆大学出版社, 2010.

[13] 黄芳铭. 结构方程模型[M]. 北京: 中国税务出版社, 2005.

[14] 吴明隆. 结构方程模型—— AMOS实务进阶[M]. 重庆: 重庆大学出版社, 2013.

Analysis on the Psychological Cause of Using Mobile Phones during Driving Based on Bayesian-SEM

XIAO Jie-wen1, HU Ji1, YAN Zhang-cun2, CHEN Wei-xin1, WANG Gang1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China)

To comprehensively explore the influencing factors of the use of a driver of his mobile phone during driving, the driver behavior, road environment, and risk-aware factors were introduced into the theory of planned behavior from the psychology perspective. The Bayesian-structural equation model (Bayesian-SEM) for the use of mobile phones during driving based on the extended theory of planned behavior was constructed to analyze the relationship and effect of the influencing factors using 423 questionnaire data of drivers as sample data to analyze and evaluate the model. The parameter estimation results of the traditional estimation method using SEM and those of the method employed in this research were compared. The results show that the model developed in this work demonstrated better predictive ability and validity of the behavioral psychogenesis in case of small samples. Behavioral habit exhibited the greatest influence on the behavioral intention in which the normalized weight influence coefficient was 0.238. Behavioral habit also exhibited a great influence on the road environment and risk perception. The influence coefficients were 0.307 and 0.235 respectively. Perceptual behavior control, attitude, and subjective norm significantly influenced the behavior intent on the use of mobile phones during driving.

traffic engineering; cause analysis; Bayesian-structural equation model; behavioral intention; extended theory of planned behavior

1672-4747（2020）04-0145-08

U491.2+54

A

10.3969/j.issn.1672-4747.2020.04.018

2020-03-05

肖杰文（1994—），男，四川自贡人，硕士研究生，主要从事交通行为方面的研究，E-mail：593924781@qq.com

胡骥（1970—），男，四川成都人，副教授，研究方向为交通行为学，E-mail：hujihj@ 163.com

肖杰文，胡骥，闫章存，等. 基于Bayesian-SEM的驾车使用手机行为心理成因分析[J]. 交通运输工程与信息学报，2020, 18(4): 145-152

（责任编辑：李愈）