天气-道路因素耦合对驾驶员疲劳程度影响研究

陈文瑛， 李 谦， 严 硕

(首都经济贸易大学 管理工程学院， 北京 100071)

0 引言

随着汽车驾驶人数的增多，道路交通事故在逐年递增. 据2016—2018年中华人民共和国道路交通事故统计报告[1]表明，我国每年因驾驶疲劳导致的交通事故占交通事故总数的20%左右，占特大交通事故的40%以上[2]. 由此可见，驾驶疲劳是导致交通事故发生的主要原因之一[3].

目前，国内外学者主要是针对驾驶过程中的道路环境因素、天气环境因素等单因素对驾驶疲劳的影响进行分析. 在道路环境因素方面，阎莹等[4]采用眼动仪、脑电仪等仪器设备开展自然驾驶实验，研究单调道路环境对驾驶疲劳的影响，指出当环境单调性加强、被覆盖率降低时，驾驶员疲劳程度明显增加. 陈建新等[5]对比了城市和乡村路况对驾驶员驾驶疲劳的影响. 指出驾驶员在乡村道路上行驶比在城市道路上行驶更容易产生疲劳. 周建等[6]主要研究环境单调地区公路驾驶疲劳的外部致因，得出直线公路会增加驾驶员的疲累感. Farahmand[7]通过研究道路几何线形对驾驶员疲劳的影响，发现道路几何变化越多，驾驶员的操作表现越好，越不容易出现疲劳. 在天气环境因素方面，冯忠儒[8]对不同天气状况下驾驶员驾驶工作负荷进行了研究，指出随着天气条件恶化，驾驶员负荷增加，容易导致驾驶疲劳. Vedat等[9]针对气象条件对危险化学品(简称危化品)道路运输的影响进行研究.

综上所述，大多数文献是对影响驾驶疲劳的单因素进行分析. 但是，在危化品道路运输过程中，耦合的风险因素越多，事故发生的概率越大，事故后果越严重[10]. 基于此，本文应用问卷调查法对天气和道路类型耦合因素下的危化品道路运输驾驶员驾驶疲劳进行研究，耦合情境见图1.

图1 天气与道路类型耦合条件下12种驾驶情境

1 调查问卷设计

目前，对驾驶员驾驶疲劳的主观检测方法主要有卡罗林斯卡嗜睡量表[11](Karolinska Sleepiness Scale，KSS)、Epwonh嗜睡量表[12]、疲劳症状自评量表[13]等问卷调查法. 本次研究也采用问卷调查法.

本研究编制《危险货物道路运输司机驾驶疲劳问卷调查》参考2002年日本能率协会的《疲劳症状自评量表》[14]，该调查问卷按内容分为：引导语、驾驶员基本情况、12种驾驶情境下驾驶员疲劳特征自评以及驾驶员对自身驾驶技术评价4个部分，题型包括选择题和填空题. 本问卷共包含12个疲劳特征因子，这12个特征因子可划分为3个特征项目群体：模糊感、乏力感和困倦感. 将相同疲劳等级、不同特征项目群体的特征因子划分为一个选项，则每题包含4个选项. 4个选项依次赋予1～4分，分数越高，疲劳程度越高.

2 调查数据分析

2.1 样本特征

选取263位具有危化品道路运输资格的驾驶员作为调查对象，对其讲解本次调查的流程、目的及意义并集体填发调查问卷. 共收集到263份调查问卷，问卷回收率为100%，剔除27份无效问卷，有效问卷236份，问卷有效率达到89.73%. 将有效问卷信息输入SPSS进行统计性分析，结果如下：

1)性别：男性驾驶员占85.6%，女性驾驶员占14.4%，说明本次调查主要集中于男性驾驶员，这与参加危化品道路运输绝大多数是男性驾驶员的现状基本一致，男性驾驶员更具有代表性.

2)年龄：本次调查对象年龄介于31～40岁占总人数的31.4%，年龄介于41～50岁占总人数的30.1%，表明本次调查对象主要集中于31～40岁和41～50岁年龄段.

3)从业驾龄：本次调查对象从业驾龄介于3～6a的人数居多，占总人数的32.6%.

4)学历：本次调查对象的学历主要是初中及以下(29.7%)、高中或中专(43.2%).

2.2 信度分析

在调查问卷中，问卷有效的必要条件是问卷可信[15]. 本文采取的信度分析方法是Cronbach’s α系数检验法，即内部一致性检验. 如式(1)所示：

(1)

表1 危险货物道路运输司机驾驶疲劳问卷调查

Cronbach’s α系数越高，代表该问卷的信度越高，Cronbach’s α系数大于0.9时，表示量表信度非常高；小于0.35时，表示量表信度低，应考虑重新编写问卷. 使用SPSS软件得到《危险货物道路运输驾驶员驾驶调查问卷》信度分析结果如表2所示，共包含12个题目，每个题目分别针对晴天、雨天、雪天、雾天4种天气条件和高速公路、城市道路、隧道3种道路类型耦合的12种驾驶情境进行分析. 从表2中可看出每题的信度均在0.9以上，标准化Cronbach’s α系数为0.927，说明本调查问卷数据信度高，可进行下一步分析.

表2 调查问卷信度分析

2.3 效度分析

效度即有效程度，反映调查结果的真实性. 效度分析分为内容效度分析和结构效度分析，本问卷内容效度分析采用专家评判法，这里仅说明应用探索性因子分析进行结构效度分析的过程.

探索性因子分析方法是对数据进行Bartlett’s球形检验和Kaiser-Meyer-Olkin(简称KMO)值检验. Bartlett’s球形检验中，P值(显著性概率Sig.)小于0.01时，说明该问卷可进行因子分析. KMO值(0≤KMO≤1)越接近于1，说明该调查问卷效度高，适合进行因子分析[16]. 从表3可看出KMO值为0.933，高于0.8，接近于1；Bartlett’s球形检验的P值为0，小于0.01，说明该问卷的数据效度高，可进行因子分析.

表3 调查问卷效度分析

3 结果分析

3.1 环境对驾驶疲劳影响分析

变量描述性统计分析的目的在于研究调查对象对变量的整体态度，本文通过平均值和标准差对12种天气与道路类型耦合情境下驾驶员疲劳程度进行分析，分析结果如表4所示，天气-道路类型耦合情境下驾驶员疲劳程度平均得分柱状图如图 2所示.

表4 天气-道路类型耦合下驾驶疲劳程度得分情况

分析结果表明：晴天-高速公路的驾驶疲劳分值最低，雾天-隧道的驾驶疲劳分值最高. 在天气条件为晴天、雨天和雾天的场景下，相比于其他道路类型，隧道的驾驶疲劳分值是最高的，雪天则是高速公路的驾驶疲劳分值最高；且在天气条件为晴天、雾天的情境下，隧道的驾驶疲劳分值标准差均大于等于其他道路类型，说明在该条件下的驾驶疲劳分值波动比其他条件下的驾驶疲劳分值大，分布较为分散.

出现这种现象可能是由于隧道相较于其他道路类型是一段极为特殊的路段，该路段的驾驶环境极为单调、压抑[17-19]，隧道内外光线差异大，使得驾驶员对外界环境的变化产生不适[20]，再加上车辆在行驶进隧道前，已经在高速公路上驾驶了2 h，产生了一定的驾驶疲劳，驾驶员生理机能下降，尤其是在晴天天气条件下，这种驾驶疲劳差异性更为突出. 而在雪天，路面附着系数较低、摩擦力小，高速公路上驾驶速度快，想要安全驾驶，驾驶员必须长时间保持高度精力集中，导致心理压力增加，容易产生紧张、焦虑、烦躁等负面的情绪，促使驾驶员疲劳的产生[21].

3.2 个体属性与驾驶疲劳相关性分析

相关性分析的目的是为了揭示事物之间关系的强弱，常用的相关系数包括Pearson、Spearman[22]等，本文选用Spearman相关系数法来分析驾驶员个体属性差异与驾驶疲劳之间是否存在相关性，相关性分析结果如表5所示.

表5 个体属性与驾驶疲劳相关性分析结果

分析结果表明：年龄在晴天-城市道路、晴天-隧道情境下与驾驶疲劳在1%显著性水平显著且相关系数值都小于0，说明在这两种情境下，随着年龄的增加，驾驶员驾驶疲劳程度下降，在其他情境下相关性不明显.

驾龄在晴天-高速公路、晴天-城市道路、雪天-隧道、雾天-隧道下与驾驶疲劳在1%显著性水平显著且相关系数值都小于0，在雪天-高速公路下在5%显著性水平显著且相关系数值都小于0，说明在这5种情境下，随着从业驾龄的增加，驾驶员驾驶疲劳程度下降，在其他情境下相关性不明显.

学历在雾天-隧道下与驾驶疲劳在5%显著性水平显著且相关系数值大于0，说明在这种情境下，随着学历的增加，驾驶员驾驶疲劳程度也上升，在其他情境下相关性不明显.

4 结束语

1)在天气条件为晴天、雨天、雾天的情况下，由于隧道内外环境差异大，驾驶员不适应环境变化，极易在隧道路段产生疲劳. 在天气条件为雪天的情况下，由于高速公路上驾驶速度快，驾驶条件恶劣，相比其他驾驶情境需要保持注意力高度集中，心理压力增大，容易产生疲劳.

2)年龄、驾龄以及学历与驾驶员疲劳程度显著性相关，在晴天-城市道路和晴天-隧道驾驶情境下，年龄与驾驶员疲劳程度呈负相关关系，随着年龄增加，驾驶员疲劳程度减少；在晴天-高速公路、雪天-高速公路、晴天-城市道路、雪天-隧道以及雾天-隧道驾驶情境下，驾龄与驾驶员疲劳程度呈负相关关系，随着驾龄增加，驾驶员疲劳程度减少；而在雾天-隧道驾驶情境下，学历与驾驶员疲劳程度呈正相关关系，随着学历的增加，驾驶员驾驶疲劳程度增强.

本文通过主观问卷调查法，对263名危化品道路运输驾驶员填写的数据进行研究，旨在探索不同环境因素对危化品运输驾驶员驾驶疲劳的影响规律，从而可为危化品的安全运输提出合理的、有依据的建议，因主观调查法与实际情况存在一定的误差，后续将主客观调查方法相结合，减少误差的产生.