基于结构方程模型的出租车事故影响因素分析

王永岗，张 衡，彭志鹏，周琬琦

(长安大学 公路学院，陕西 西安 710064)

0 引 言

出租车具有方便、灵活、舒适度高等优点，受到出行者的喜爱，与其他交通方式一起组成了城市客运交通系统[1]，但出租车交通事故率也逐渐上升，对城市交通安全提出了巨大挑战。研究表明：驾驶员因素占造成交通事故的原因的九成以上[2]。因此，研究出租车驾驶员工作条件、日常驾驶行为对出租车事故的影响具有重要意义。

有研究表明出租车驾驶员不良的生理及心理因素以及驾驶行为容易诱发交通事故。J.R.DALZIEL等[3]发现，超负荷工作易导致疲劳驾驶而发生交通事故；M.J.M.SULLMAN等[4]发现，激进驾驶是造成出租车驾驶员注意力不集中，导致事故风险上升的主要原因；郭洪洋等[5]通过构建安全行为风险度量模型，利用模糊聚类算法研究了驾驶员因素对交通事故的影响；罗勇等[6]分析了易造成出租车事故的驾驶员心理因素，并提出了相应的改善措施；戴璟等[7]分析了交通事故与驾驶员违法驾驶行为与间的关系，结果表明超速、违法占道等行为是造成事故的主要诱因；张丽霞等[8]基于历史道路交通事故数据，分析了不良驾驶行为等因素对事故的影响Y.G.WANG等[9]基于出租车驾驶员问卷调查数据，采用双变量混合模型，分析了异常驾驶行为与事故及其严重程度之间的关系。

结构方程模型(SEM)作为一种统计分析方法，能用于处理数据变量关系复杂的情况，为研究交通事故内在因素的复杂关系提供良好理论框架。近年来，国内外学者也利用SEM对交通领域进行了一定的研究。陈艳艳等[10]基于结构方程模型研究了影响共享自行车出行选择行为的显著因素；KUN Xie等[11]以曼哈顿为例，研究了二次碰撞的影响因素以及二次碰撞对伤害严重性水平的影响，发现二次碰撞与伤害严重程度以及超速、酒后驾车、疲劳驾驶、刹车失灵，视野受限和下雨等影响因素存在相关性；Y.K.BAE等[12]通过构建结构方程模型分析了道路、环境等因素与交通事故间的因果关系。

笔者采用问卷调查的方式，获取包括工作情况、不良驾驶行为以及过去两年中发生的事故次数等信息，构建交通事故的结构方程模型，试图找出影响出租车事故的主要因素以及影响程度大小，并给出相应的管理建议。

1 数据收集及描述分析

1.1 问卷设计及数据收集

问卷内容共包括：出租车驾驶员基本信息调查、工作满意度调查、不良驾驶行为调查和交通事故次数调查4部分。其中，工作满意度指标包括：每天工作时长(HOUD)、每周休息天数(ODUT)、收入情况(DCOM)等5个问题；不良驾驶行为指标包括：随意闯红灯(LAMP)、危险超车(OVTA)、超速驾驶(SPEE)、疲劳驾驶(FATI)等13个问题，且均采用七级李克特量表进行评分。交通事故调查则按实际发生次数记录，分财产损失事故(PDO)和受伤事故(PI)两种。

调查选择在国内西安、西宁、长春及汕头4个城市进行。驾驶员选择的标准是：出租车驾驶员至少有2年驾驶经验，且每年驾驶里程超过50 000公里。最后共有21家出租车公司(西安8家，西宁5家，吉林4家，汕头4家)，2 273名出租车驾驶员参与调查。剔除无效问卷后共获得有效问卷2 091份问卷(西安766份，西宁503份，吉林434份，汕头388份)。

1.2 描述性统计分析

表1 驾驶员基本信息Table 1 Basic information of drivers

表2 事故次数统计Table 2 Accident statistics

表3 不良驾驶行为频率Table 3 Frequency of aberrant driving behavior %

2 因子分析

在建模前，因没有实质性的理论模型，使用探索性因子分析(EFA)来获得经验因素模型，建立SEM的结构部分[13]。在进行了主成分因子分析前，计算了表明变量间的相关性的KMO值。根据H.F.KAISER[14]观点，KMO值愈接近1，则变量相关性愈高，愈适合因子分析。采用克朗巴哈系数Cronbach’s α来评价问卷的一致性问题，Cronbach’s α系数的取值在(0，1)，值越接近于1表示量表数据的信度越高。

通过测定，得到KMO为0.937，主成分分析结果如图1，表明可提取出3个公共因子，总方差贡献率达到61.53%。

图1 碎石图检验Fig.1 Gravel map inspection

因子包含内容及载荷和一致性分析如表4。将因子1命名为违章驾驶，Cronbach’s α系数为0.923，特征值为7.087，对结果的解释贡献率为41.69%；因子2命名为鲁莽驾驶，特征值为1.483，Cronbach’s α系数为0.756，解释贡献率为11.83%；因子3命名为工作满意度，Cronbach’s α系数为0.518，特征值为1.299，解释贡献率为8.01%。

表4 因子分析结果Table 4 Factor analysis results

3 模型构建

3.1 结构方程模型

结构方程模型(SEM)既能够准确对因子内部结构进行度量,又充分考虑了各个因子间的因果关系，包括测量模型(Measured model)与结构模型(Structural model)两个基本的模型[15]。

测量模型用来度量潜变量ξ、η与显变量(测量指标)x、y之间的关系，如式(1)、(2)：

虽然在临沂市上游实现了库河联合调度，保障了城市水供应，在市区加强了水网建设，形成了完整的城区水循环，但城市排放的中水对下游的水质造成了较大影响。为进一步提升临沂城的水环境质量，改善下游水质和居民的生活环境，降低因水环境污染引起的健康风险，临沂市决定规划建设武河湿地。

y=Λyη+δ

(1)

x=Λxξ+ε

(2)

式中:y代表内生显变量所组成的向量；x代表外生显变量所组成的向量；η为内生潜变量；ξ为外生潜变量；Λy为内生显变量在内生潜变量上的因子负荷矩阵，反映内生潜变量η和其显变量y之间的关系；Λx为外生显变量在外生潜变量上的因子负荷矩阵,用来解释外生潜变量ξ其显变量x之间的关系；ε、δ为测量残差。

结构模型用以解释外生和内生潜变量间的因果关系，如式(3)：

η=Bη+Γξ+ζ

(3)

式中:B为结构系数矩阵,代表构成内生潜变量η的因素间的影响关系；Γ为结构系数矩阵,代表外生潜变量ξ对内生潜变量η的影响；ζ为结构模型的残差矩阵。

对结构模式中的外生潜变量与内生潜变量的路径载荷因子进行归一化处理，得到两者间的关系方程，计算过程如式(4)～式(6)：

(4)

(5)

η=Λy1ξ1+Λy2ξ2+…+Λynξ3

(6)

3.2 模型构建

根据因子分析的结果，确定3个外生潜变量，分别为鲁莽驾驶、违章驾驶、工作满意度，一个内生潜变量为事故倾向，并作4点假设：①鲁莽驾驶与事故倾向正相关；②违章驾驶与事故倾向正相关；③工作满意度与事故倾向有负相关；④3个外生潜变量间存在相关关系。建立出租车事故倾向结构方程模型如图2。模型评价指标及拟合度判别标准如表5。

图2 出租车事故倾向性结构方程模型Fig.2 Taxi accident propensity structural equation model

表5 模型拟合优度检验标准Table 5 Test standard of model fitting goodness

4 模型结果分析

4.1 模型拟合度评价

通过模型拟合度计算，得到模型χ2=1578，自由度(DF)=125，GFI=0.93，CFI=0.904，AGFI=0.944，均大于0.90，RMSEA=0.07。除了卡方值不显著外，其余指标均符合要求，模型拟合程度良好。卡方自由度比偏大的原因是样本量较大造成的[11]。模型的参数计算结果如图3。

图3 模型路径参数Fig.3 Path parameters of model

4.2 模型解释

在结构方程模型中，各变量间的相互关系通过路径系数来表示，路径系数的大小代表了变量间相互影响的程度，部分标准化路径系数计算结果如表6。

表6 标准化路径系数(部分)Table 6 Standardized path coefficients (partial)

由表6可知，鲁莽驾驶与事故倾向的路径系数为0.389，说明鲁莽驾驶与出租车事故的发生存在明显的正相关性(p<0.001)，假设①成立。危险超车、转弯不打转向灯和疲劳驾驶3个测量变量与鲁莽驾驶相关性较大，相关系数均在0.7以上，不系安全带指标影响较小，相关系数为0.335。表明出租车驾驶员最常出现的鲁莽驾驶行为有危险超车、转弯不打转向灯和疲劳驾驶3种，而不系安全带这一不良习惯基本很少出现，影响较小。

违章驾驶与事故倾向的路径系数为0.811，呈显著正相关性(p<0.001)，假设②成立。说明违章驾驶相较于鲁莽驾驶来说性质更为恶劣，更容易发生交通事故，造成财产损失和人员伤亡。同时由调查结果可知，随意闯红灯、不注意限速、激进驾驶以及禁区停车这几项违章驾驶行为在日常驾驶中出现的频率也较高。8个测量变量对违章驾驶也有显著的影响，系数基本都在0.7及以上，其中单手驾驶、随意闯红灯、不注意限速、和激进驾驶4个测量变量的系数大于0.8，对违章驾驶的影响最大。说明驾驶员在单手驾驶、随意闯红灯以及超速驾驶时更容易违章。

工作满意度与事故倾向的路径系数为-0.440，呈显著负相关性(p<0.001)，即工作满意程度越高，事故发生的频率就越低，这也与文献[3]中的研究结论基本一致，假设③成立。另外，每日工作时长与上交管理费对工作满意度的影响值在0.8左右，说明出租车驾驶员日常工作的强度以及经济压力对工作满意度的影响较大。

由式(4)～式(6)以及表6的结果，可以计算得到结构方程如式(7)：

η=0.273ξ1+0.495ξ2-0.268ξ3

(7)

式(7)也表明：鲁莽驾驶、违章驾驶与事故倾向性呈正相关，其中违章驾驶的影响最大，而工作满意度与事故倾向性呈负相关。

鲁莽驾驶、违章驾驶以及工作满意度3个潜变量之间亦存在明显的相关性，其中鲁莽驾驶与违章驾驶的相关性最大，相关系数为0.886，说明存在鲁莽驾驶行为的驾驶员通常也容易存在违章驾驶行为，假设④成立。

为更清晰地揭示鲁莽驾驶、违章驾驶以及工作满意度3个潜变量对出租车事故的影响，计算得到潜变量对事故倾向的影响效应，如表7。

表7 潜变量对事故倾向的效应Table 7 Effect of latent variables on accident propensity

由表7可知，鲁莽驾驶、违章驾驶以及工作满意度3个潜变量对PDO的效应均大于PI。说明在鲁莽驾驶、违章驾驶的影响下，出租车驾驶员更容易发生PDO，与调查报告中PDO事故所占比重远大于PI事故这一结果相符。

5 对策与建议

结合分析得到的影响出租车驾驶员发生事故的主要因素，从法规条例以及出租车公司管理这两个层面，给出了相应的事故预防建议与措施。

5.1 法规条例层面

出租车驾驶员在进行闯红灯、超速驾驶等行为时，大多数是出于经济效益的考量，为在有限时间内获取更多收入，经济驱动力是主要的原因，因此针对这现象，建议采取以下两方面的措施：

1)在交通法规中，对驾驶员闯红灯、超速驾驶行为已存在扣分处罚与罚款行为。建议可以加大出租车驾驶员违法驾驶的罚款力度，增加其违法成本，能在一定程度减少驾驶员违法超车、闯红灯等情况；

2)根据事故原因的探究分析，单手驾驶与开车打电话等因素对出租车事故的影响较大，但是目前的交通法规中对此没有实际约束处罚。建议通过道路交通监控设施，对开车打电话、单手驾驶等存在安全的隐患的驾驶行为给予相应的警告与经济处罚，加强日常驾驶行为管理。

5.2 出租车公司的管理措施

首先，出租车公司有关部门要定期组织交通安全驾驶培训，加强驾驶员的安全教育，和职业道德教育；其次，要规范轮班时间，保证驾驶员能获得足够的休息；再者，要加强对出租车驾驶员的业务水平的考核；最后，适当降低出租车的管理费，缓解驾驶员的生活压力，提高其收入，营造良好的工作氛围，减少事故的发生。

6 结 语

对中国西安、西宁、长春及汕头4个城市21家出租车公司中2091名车租车司机进行问卷调查。构建了出租车驾驶员工作条件、不良驾驶行为与出租车事故三者的结构方程模型。结果表明鲁莽驾驶、违章驾驶以及工作满意程度对出租车事故倾向均有显著影响，其中鲁莽驾驶、违章驾驶与出租车事故呈正相关关系，工作满意度与事故呈负相关关系。根据对模型结果的分析，提出了针对性的管理对策，对今后出租车行业管理、出租车驾驶员驾驶行为的矫正和交通安全研究方面提供一定的理论参考。