基于主因子分析的驾驶倾向综合评价

谭德荣，商 强，高 松，王晓原

(山东理工大学 交通与车辆工程学院，山东 淄博 255049)



基于主因子分析的驾驶倾向综合评价

谭德荣，商 强，高 松，王晓原

(山东理工大学 交通与车辆工程学院，山东 淄博 255049)

为正确判断驾驶员的驾驶安全倾向，设计了具有较高信度和效度的驾驶行为问卷，选择非职业驾驶员进行问卷调查。对调查数据进行因子分析，提取了驾驶风格、驾驶技能和判断反应等3个主因子作为评价指标，运用多层次模糊综合评判的方法实现了驾驶安全倾向的判定。

交通安全；驾驶特征；因子分析；综合评判

交通事故不仅导致人员伤亡和财产损失，而且给人们带来严重的精神伤害。如何减少交通事故是世界性的难题。据统计，驾驶员自身因素造成的交通事故数已占到总数的90%以上[1]。正确分析驾驶员的驾驶安全倾向，对具有高事故风险的驾驶员采取相应措施，是减少交通事故的有效方法。

驾驶行为问卷(Driver Behavior Questionnaire，DBQ)作为驾驶特性提取的常用方法已经被各国广泛应用。目前，国内外研究主要集中在攻击性驾驶行为、违规驾驶和操作错误以及这些驾驶行为与性格、年龄、性别及文化相关联系[2-6]。虽然国内外基于BDQ的研究侧重点各不相同，但不安全驾驶行为是交通事故直接诱因却是公认的。笔者根据常见的不安全驾驶行为，设计问卷并调查；运用主因子分析法对调查数据进行处理，提取了决定驾驶员驾驶倾向的驾驶风格、驾驶技能和反应判断等3个指标；在此基础上，使用多层次模糊综合评判方法，构建了驾驶倾向评价模型，并验证了模型的效果。

1 问卷调查及数据分析

1.1 问卷调查

笔者以J．Reason，等[7]构建的驾驶员行为问卷为基础，结合中国交通状况特点，设计了驾驶行为问卷，如表1。

表1 问卷统计结果

(续表1)

问题均值方差相关系数 问题7.在道路上与其他车辆斗气竞速1.530.7420.715** 问题8.在湿滑的路面上紧急刹车,或在车辆打滑时打错方向1.570.7280.503** 问题9.在接近路口或环岛时进错车道1.450.7400.584** 问题10.在超车时低估了前面车辆的速度1.920.6350.646** 问题11.按喇叭发泄对其他车辆或行人的不满1.660.6900.678** 问题12.匆忙进行驾驶操作1.580.7280.505** 问题13.急刹车或重踩油门1.610.7450.523** 问题14.遇到紧急情况不能迅速反应1.950.6310.668** 问题15.在行驶中偏离车道1.460.7200.479*

注：**在 0.01 水平(双侧)上显著相关；* 在 0.05 水平(双侧)上显著相关。

每个问题有三个选项，用1表示“没有”，2表示“有时”，3表示“经常”。这些不安全驾驶行为出现的频率越高，则说明驾驶员的驾驶倾向越趋于危险。问卷测试前，记录每一位被测驾驶员的性别、年龄、驾龄、常用车型情况和事故历史详情。

1.2 问卷结果分析

应用SPSS 11.0软件[8]对问卷结果进行分析，得到本问卷Cronbach’s Alpha系数为0.881，说明有很好的可靠性。进一步统计每个问题和总分的Pearson相关系数，如表1。所有问题与总分数的相关系数都为正值，且除问题15之外的所有题目和总分数都具有在0.05显著性水平上的相关关系。故问卷符合高效度量表的标准，即有良好效度。

2 基于驾驶问卷的驾驶特征提取

2.1 因子分析

因子分析是利用较少的相互独立的主因子变量来代替原变量的大部分信息的一种统计学方法。该方法的优点：减少计算工作量，保证大部分信息不丢失，因子变量相互独立，综合反映原始变量信息。因子分析数学模型表示为：

(1)

式中：x1，x2，…，xp为p个原有变量，是均值为0且标准差为1的标准化变量；F1，F2，…，Fm为m个因子变量(m

式(1)表示为矩阵形式为：

X=AF+ε

式中：F为因子变量或公因子；A为因子载荷矩阵。

因子分析法按以下4个基本步骤进行：①确定待分析变量是否适合因子分析；②构造因子变量；③利用旋转使因子变量更具有可解释性；④计算因子变量得分。

2.2 问卷的因子分析

通过对问卷的进行因子分析，提取这些问题间相关关系和分类解释，便于对驾驶安全倾向进行分析。首先要确定问卷是否适合因子分析。使用最常用的Kaiser-Meyer-Olkin和Bartlett的检验。Kaiser给出了一个KMO的标准：KMO<0.5不易做因子分析，KMO>0.7可接受，KMO>0.9最佳。如表2，本问卷的KMO>0.7，说明本问卷适合做因子分析。Bartlett的球形度检验的相伴概率Sig.<0.05，说明各问题间有存在公因子的可能，适合做因子分析。

表2 Kaiser和Bartlett的检验

选用因子分析中最常用的主成分分析法，抽取特征值>1的因子，采用方差最大旋转的方法，完成因子分析。提取了问卷的3个主因子，能够解释的总方差达到87.45%，即该问卷中的87.45%信息可以由这3个主因子来解释。图1为公因子碎石图，可见，从第3个因子后曲线明显平缓，表明抽取3个因子是合理的。

图1 公因子碎石Fig.1 Common factor gravel

2.2 驾驶特征提取

表3为旋转后的因子载荷情况。

表3 旋转后的因子载荷(不足0.5的隐藏)

(续表3)

问题编号因子123问题110.934问题30.927问题10.866问题70.838问题120.960问题80.957问题130.953问题90.865问题150.811问题140.953问题50.945问题100.916问题40.834

由表3可见，每个问题的载荷都在0.8以上，并且每个问题与最大载荷所在因素具有内容上的相似性，易与另外两个因子区分并解释。因子1包含的问题有超速行驶、紧跟前车、小间隙插车、急迫行车、攻击性驾驶和急躁驾驶情绪，体现了驾驶员驾驶风格。因子2包含的问题是走错车道、偏离车道、操作过急等，体现了驾驶员驾驶操作能力。因子3包含的问题有错误估计速度、反应不及时和预判能力差等问题，体现的了驾驶员反应判断能力。这3个因子说明了驾驶员驾驶倾向由驾驶风格、驾驶操作能力和反应判断能力综合影响决定的。若驾驶员的驾驶风格激进，驾驶操作能力差，反应判断能力低，则这名驾驶员的驾驶倾向趋于危险。

3 驾驶倾向的多层次综合评判

3.1 模型构建

3.1.1 确定各层次因素集

将提取的3个主因子作为第一层次因素集，综合的反映出驾驶员的驾驶倾向。第一层次因素集：U={驾驶风格，驾驶操作能力，反应判断能力}。

第一层次因素集由第二层次的若干因素决定的，将问卷中的问题更加详细的体现出来。第二层次因素集：

u1={超速，急迫行车，危险驾驶，急躁情绪}

u2={操作过急，驾驶失误}

u3={速度估计错误，反应过慢}

3.1.2 确定各层次权重集

权重集的建立用专家评判法，根据各因素在该因素集的重要性程度来打分，并按照归一化要求对各因素赋予相应的权重。第一层因素的权重集：A= (0.3, 0.4, 0.3)。第二层因素权重集A1= (0.25, 0.25，0.4，0.1)，A2= (0.4,0.6)，A3= (0.5, 0.5)。

3.1.3 建立评价集

根据评价需要，将评价等级划分为“安全”“较安全”“较危险”“危险”这4个等级。评价集V={v1，v2，v3，v4}={安全，较安全，较危险，危险}。

综合评判体系如图2。

图2 驾驶倾向综合评价体系Fig.2 Comprehensive evaluation system of driving tendency

3.2 应用实例

对一驾驶员问卷测试，15个问题的选项分别为：2、1、3、2、2、2、1、1、2、2、2、1、1、3、2，其中问题1和问题2表现的是“超速”出现的频率，该驾驶员选择分别为2和1。根据问卷测试结果，由10名专家对被测驾驶员超速特征进行评价，有7人评价结果为较安全，3人评价为较危险，剩余单项评判结果类似。驾驶倾向评估结果见表4。

表4 驾驶倾向评估

由表4数据得单因素判断矩阵：

带入Bi=Ai·Ri得：

一级模糊综合评判矩阵：

二级综合评判：

根据最大隶属原则，该驾驶员的驾驶倾向趋于“较安全”。

4 模型验证

4.1 权重系数选择分析

笔者所构建的层次模型共分为两层，每一层的各因素的权重由专家打分的方式给出。因此，所得的权重具有较强的主观色彩。下面将对权重的合理性进行分析和验证。

每个层次的权重代表了该层次各因素对评价集的贡献程度，权重越大的因素对应的更高的事故风险。第一层次因素为U={驾驶风格，驾驶操作能力，反应判断能力}，权重A= (0.3, 0.4, 0.3)。说明了驾驶操作能力差，比驾驶风格激进和反应判断能力差的事故风险率高。仅仅根据第一层次因素对被测驾驶员进行分类，风格激进的驾驶员数目为42人，其中有事故经历的驾驶员为29人，占69.0%；驾驶操作能力差的驾驶员人数26人，其中有事故经历的驾驶员为22人，占84.6%；反应判断能力差的驾驶员人数为21人，其中有事故经历的驾驶员为13人，占61.9%。统计数据显示，驾驶操作技能差的驾驶员有事故经历的人数比例最高，即驾驶操作能力差，比驾驶风格激进和反应判断慢更容易导致交通事故。这一结果与专家给出的权重相吻合，说明该层次的权重集较为合理。第二层次权重的验证方法相同，在此不作详细说明。

4.2 模型判定效果的验证

根据问卷测试结果，运用文中所构建的驾驶倾向评判模型，对所有被测驾驶员的驾驶倾向进行分析，得到他们的驾驶倾向，并与其事故记录作对比分析。128名测试者中，倾向趋于安全的驾驶员人数为16人，其中有事故经历人数为4人；倾向趋于较安全人数为51人，其中有事故经历人数为17人；倾向趋于较危险人数为43人，其中有事故经历人数为24人；倾向趋于危险人数为18，其中有事故经历人数为15人。驾驶倾向趋于安全的驾驶员有事故经历的比率最低，仅为25%，而驾驶倾向趋于危险的驾驶员有事故经历的比率最高，高达83.3%。分析结果表明通过提取3个主因子进行驾驶倾向的评判满足要求，模型中权重系数的选择是合适的，模型对驾驶倾向分类效果较好。

5 结 语

以驾驶行为问卷的调查数据为基础，提取了影响驾驶员驾驶安全的3个主要因子。通过多层次模糊综合评判的方法，对这3个主因子做出了更详尽的分析，构造了驾驶倾向识别模型并验证。通过模型辨识，对于驾驶倾向趋于危险的驾驶员可采取交通安全教育、驾驶技能培训和调节安全预警系统阀值的方法来将危险降到最小，而对于驾驶倾向趋于安全的驾驶员可适当放宽安全预警系统的阀值，避免对其正常驾驶的干扰。

[1] 敖谷昌,杨利.机动车驾驶员人为因素与交通事故危害性关联分析[J].重庆交通大学学报：自然科学版,2010,29(1):121-124. Ao Guchang,Yang Li.Correlation analysis on driver’s human factors and accident hazard in road traffic accidents[J].Journal of Chongqing Jiaotong University :Natural Science,2010,29(1):121-124.

[2] 庄明科,白海峰,谢晓非.驾驶人员风险驾驶行为分析及相关因素研究[J].北京大学学报：自然科学版,2008,44(3):475-482. Zhuang Mingke,Bai Haifeng,Xie Xiaofei.A study on risky driving behavior and related factors[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2008,44(3):475-482.

[3] Henriette W W,Turker O,Timo L,et al.Cross-cultural comparison of drivers’ tendency to commit different aberrant driving behaviours[J].Transportation Research:Part F,2011,14(5):390-399.

[4] Sharon N,Charlotte V S.Identifying an appropriate driving behavior scale for the occupational driving context:the DBQ vs.the ODBQ[J].Safety Science,2012,50(5):1268-1274.

[5] 白云,石京.北京市驾驶行为与影响因素分析[J].交通信息与安全,2010,28(2):114-119. Bai Yun,Shi Jing.Driving behavior of Beijing and its factors[J].Traffic Information and Safety,2010,28(2):114-119.

[6] Lajunen T,Parker D,Summala H.The manchester driver behaviour questionnaire:a cross-cultural study [J].Accident Analysis and Prevention,2004,36(2):231-238.

[7] Reason J,Manstead A,Stranling S,et al.Errors and violations on the roads:a real distinction?[J].Ergonomics,1990,33(10/11):1315-1332.

[8] 余建英,何旭宏.数据统计分析与SPSS应用[M].北京:人民邮电出版社,2003:291-310. Yu Jianying,He Xuhong.Statistical Analysis and SPSS Application[M].Beijing:People’s Posts & Telecommunications Press,2003:291-310.

Comprehensive Evaluation of Driving Tendency Based on Principal Factor Analysis

Tan Derong, Shang Qiang, Gao Song, Wang Xiaoyuan

(School of Traffic & Vehicle Engineering, Shandong University of Technology, Zibo 255049, Shandong, China)

In order to judge the driving safety tendency of drivers correctly, a driving behavior questionnaire with high reliability and validity was designed, and non-professional drivers was selected to make a questionnaire survey. The survey data was analyzed by factor analysis to extract the driving style, driving skills and judgment reaction as the evaluation index, to realize judgment driving safety tendency by using multi-level fuzzy comprehensive evaluation method.

traffic safety; driving characters; factor analysis; comprehensive evaluation

10.3969/j.issn.1674-0696.2015.02.18

2013-12-29；

2014-02-27

国家自然科学基金项目(61074140)；山东省自然科学基金项目(ZR2011EEM034)

谭德荣(1963—)，男，山东淄博人，教授，博士，主要从事智能交通和载运工具方面的研究。E-mail: tdrong163@163.com。

U491

A

1674-0696(2015)02-085-04