低能见度下驾驶人安全驾驶量表效信度分析

张卫华，张旭欣，冯忠祥，胡 喆，王 锟

(合肥工业大学汽车与交通工程学院， 合肥230009)



低能见度下驾驶人安全驾驶量表效信度分析

张卫华，张旭欣，冯忠祥，胡 喆，王 锟

(合肥工业大学汽车与交通工程学院， 合肥230009)

为了检验低能见度条件下驾驶人安全驾驶量表的信度效度，应用实地调查和网络调查方法对314名驾驶员进行测试，将所得数据进行因素分析和信效度的检验。结果表明，①安全驾驶量表由驾驶人行为量表和驾驶能力量表两个部分组成，共包含28个题项，由违规行为、错误行为、失误行为、技术性驾驶能力以及危险感知能力等5个因素构成；②总量表的内部一致性系数达到0.82，并且两分量表内部一致性系数分别为0.88和0.95，具有较好的稳定性；③年龄与违规行为得分呈负相关(r=-0.12)；驾龄与错误行为得分呈负相关(r=-0.13)，但与技术性驾驶能力及危险感知能力得分呈正相关(r=0.21、r=0.15)；年平均行驶里程与技术性驾驶能力和危险感知能力得分呈正相关(r=0.13、r=0.14)；2015年总扣分与违规行为和失误行为得分呈正相关(r=0.16、r=0.14)，与危险感知能力得分呈负相关(r=-0.12)；驾驶员是否在低能见度条件下发生过交通事故则分别与违规行为、错误行为以及失误行为得分呈正相关(r=0.31、r=0.14、r=0.19)；最低能见度范围对驾驶人的影响主要集中在违规行为、技术性驾驶能力以及危险感知能力。该量表较为完整地反映了驾驶员行驶在低能见度环境中的安全驾驶行为，并具有良好的信度及效度，同时也更加符合中国的交通规则及文化特征，可以为后续研究中国驾驶人低能见度安全驾驶提供可靠的度量基础。

安全驾驶量表；低能见度；驾驶行为；驾驶能力；信度；效度

0 引 言

低能见度不但影响交通的正常运行，还具有极大的危险性，是诱发多车相撞等重大交通事故的主要气象原因，给人们的生活及出行带来极大的不便。“人因”是交通事故的决定性因素，而低能见度条件对驾驶人感知周围环境产生较大影响，使驾驶人的决策和操作能力降低，故低能见度条件下的驾驶行为(如变道、超车等)以及驾驶能力(如能否熟练地操控车辆、能否察觉道路潜在的交通危险等)直接影响驾驶人能否在低能见度条件下安全驾驶。因此，研究低能见度条件下驾驶人驾驶行为及驾驶能力，可以为该环境下驾驶行为管理对策提供理论依据，具有重要的现实意义。

对于驾驶行为，国内外学者已开展了相关研究。Reason等[1]在1990年提出了最早的驾驶员行为问卷(Driver Behavior Questionnaire，DBQ)，其中共包含50个题项，将驾驶行为分为违规行为、错误行为以及失误行为等3类，并对每一题项的风险等级进行划分。Stephens等[2]以澳大利亚驾驶员为样本，利用DBQ对其驾驶行为进行调查，最终将驾驶行为归结为4种类型，即违规行为、错误行为、攻击行为规和失误行为。Cordazzo等[3]通过DBQ分析北美驾驶员的驾驶行为，并概括出两种行为类型——错误行为和违规行为。Martinussen等[4]对丹麦驾驶员进行DBQ调查，最终得到3类驾驶行为：违规行为、错误行为和失误行为。Mesken等[5]利用DBQ对芬兰驾驶员的驾驶行为进行调查，共得到错误、失误、超速违规、人际违规4种驾驶行为类型。在国内，一些学者也对驾驶员行为问卷进行了应用，如庄明科等[6]以Reason的原始DBQ为基础，结合中国交通背景编制出24个题项的驾驶人员行为问卷，经分析得到4类驾驶行为：一般性违规、攻击性违规、无害性失误和危险性失误。综上所述，尽管DBQ在不同人群中测量的结果存在细微差异，但驾驶行为基本是对错误行为、违规行为及失误行为的扩展与延伸。

驾驶能力可根据驾驶过程的不同阶段分为技术性驾驶能力和危险感知能力两部分。其中，技术性驾驶能力主要为操作能力，指驾驶人身体的外部动作以及对事物的直接行动，是通过练习和训练形成并巩固起来的一种近乎自动化的行为方式，如在紧急情况下完成必要的驾驶动作，或观察周围行人及车辆的状态。危险感知能力包括感知能力及判断能力两个部分，主要为认知活动，包括驾驶人读取道路所含信息的能力，并根据所读取的信息做出相应的驾驶行为，如车辆行驶时，驾驶员根据道路、交通情况运用相关知识和经验，特别是对道路上的行人、车辆、障碍等进行判断，做出合理的反应[7]。目前大多学者的研究多集中于驾驶技能，而驾驶技能与驾驶能力是两个不同的概念，却常在文章中被混淆使用。Gibson等[8]指出，驾驶工作是一项复杂且需要高技能的知觉运动任务，驾驶技能对于驾驶行车的安全性极为重要。Lajunen等[9]应用驾驶技能量表(Driver Skill Inventory，DSI)研究了驾驶经验(里程/驾龄)对于驾驶技能(车辆操控的流畅性)和安全感知技能的影响。

能见度的降低对驾驶人的视觉特性、认知能力、驾驶操作等行为均会产生不同程度的影响，交通安全隐患也会随之增加。但目前研究成果中针对低能见度条件下驾驶人驾驶行为及驾驶能力的研究较少，故探究低能见度环境下驾驶人安全驾驶将有助于下一步对驾驶行为及驾驶能力进行优化指导。由于中国的交通环境和文化背景与其他国家有一定差异，并且在Reason等的DBQ量表以及Lajunen等的DSI量表中的部分场景与低能度条件下行驶无关，使得低能见度条件下驾驶人行为及特性缺乏研究。因此，需要开发一份针对中国驾驶人在低能见度环境下的安全驾驶量表。为此，本研究对前人的基本量表进行筛选及修订，使之符合中国文化元素及交通场景，并引入低能见度条件符合该场景的题项，旨在为后续研究中国驾驶人低能见度安全驾驶提供可靠的度量基础。

1 对象与方法

本研究所使用的调查方法包括实地调查和网络调查，其中，实地调查选择了合肥市的出租车驾驶员就餐点、汽车维修集中区域，以及部分公交车首末站的驾驶员进行调查。选择以上调查地点是由于这里驾驶员数量较多且集中，并且有充裕的时间来进行问卷填写。网络调查通过“问卷星”在线问卷调查网站将问卷电子化为网络问卷，首先将问卷链接发送给相识的驾驶员进行填写，并要求他们客观填写，然后应用“滚雪球法”进一步调研。

1.1 对象

本调查共回收334份问卷，经筛选后获得有效问卷314份，70.8%的问卷数据来自实地调查，29.2%通过网络问卷调查获得。其中，男性275名(87.6%)，女性39名(12.4%)。参与者平均年龄40.44岁(SD=7.87)，平均驾龄10.72年(SD=6.47)，年平均行驶里程5.25×104km(SD=4.43)，职业驾驶员(出租车及公交车司机)所占比例为45.5%(143名)。

1.2 安全驾驶量表

本研究根据指标选择所要遵守的基本原则，广泛收集并结合国内外学者的相关研究，提出将驾驶行为和驾驶能力两部分作为构成驾驶人安全驾驶量表的基本框架。同时，将这两部分逐步细分，删除及合并冗余项，最终构建了低能见度条件下驾驶人安全驾驶的量表。由于每个人对低能见度以及距离的感知不同，故量表在填写时要求被试者在“认为对自己驾驶有影响的低能见度条件”下进行填写。此外，问卷中还包括人口统计学特征的部分，具体如下。

①驾驶人行为量表(DBQ)如表1所示。量表以Reason 等开发的驾驶员行为问卷为基础，结合中国的具体情况编制出15个题项的驾驶人行为量表。题项计分采取李克特量表(Likert Scale)[10]5级计分形式，从“1为从未发生”到“5为总是发生”。

②驾驶能力量表(Driving Ability Scale，DAS)如表2所示。该部分量表来自上海交通大学的郑东鹏[11]所设计的驾驶技能评估问卷。首先对问卷题项进行筛选，并进一步对表述作修改，最终获得13个题项的驾驶能力问卷。题项计分同样采用Likert的5级计分形式，从“1为完全不符合”到“5为完全符合”。

③人口学统计学特征以及驾驶情况包括性别、年龄、学历、职业、驾龄、年平均行驶里程、2015年扣分情况、是否发生过低能见度条件下的交通事故、高速公路使用频率、自评驾驶技术、最低可驾驶能见度选择、认为哪种低能见度条件对驾驶影响最大等。此外，问卷还包括驾驶员在不同等级道路、不同能见度条件下的速度选择等。

1.3 方法

首先对国内外有关驾驶行为及驾驶能力的文献进行搜集整理，将其中的英文问卷进行翻译，对初步翻译成中文版本的量表题项进行集体讨论。讨论成员由运输与安全研究所中研究驾驶行为的老师和研究生组成。每个人首先对问卷语言表达是否准确提出个人意见，随后由问卷编制者进行解释说明，然后再针对问卷测试题项的可行性及条目本身各方面的相关问题提出个人意见，在此基础上对问卷进行集体修改。选择10名具有10年以上驾龄的校车职业驾驶人使用修改后的问卷进行预调查，充分了解其意见并对问卷进行再次修正，最后在组内进行再评估，对一些与其他题项有语义重复、表达不清楚的条目以及驾驶人比较敏感、歧义比较大的条目进行了删除和修改，最终获得本文所使用的问卷。

1.4 实测过程

征得驾驶人同意以后，主试者开始对其发放并实施量表的测试。量表以自我报告的形式进行填写，被试驾驶人需按照要求填写低能见度安全驾驶量表。测试完成后，要求驾驶人匿名提供基本人口学特征(如性别、年龄等)和驾驶信息(如驾龄、年平均行驶里程和2015年总扣分情况等)。

调查前告知被试驾驶人该调查为匿名调查，并严格保密被试所填写的任何信息。所有参与者均为有驾驶经验的驾驶人，在实地调查中，利用人民币10元现金或价值10元的纪念章供被试者选择进行奖励，网络调查报酬为10元电话费。

1.5 数据处理和统计分析

将有效问卷数据录入Excel进行电子化处理，随后采用SPSS19.0软件对数据进行统计，并进行信效度分析及相关性检验。

2 结果与分析

2.1 效度分析

在使用因子分析之前，有必要对指标变量进行相关分析。KMO检验与Bartlett球形检验是两种常用的统计检验方法，其中，KMO值应大于0.5且P<0.05[12]。经分析，驾驶人行为量表和驾驶能力量表的KMO测度值分别为0.91和0.95，均大于0.9，说明变量之间相关性非常强，且适合做因子分析；Bartlett球形检验结果的显著性水平P均小于0.05，即通过Bartlett球形检验，表明两部份问卷各自内部变量间有共享因素的可能性。

依次对两部分量表使用主成分分析并进行方差最大旋转，分别获得3个及2个特征值大于1的因子。驾驶行为量表抽取的3个因素分别为因素1(失误行为)、因素2(错误行为)和因素3(违规行为)，共计15个题项，每个题项的载荷都在0.48 以上，3个因素共解释总方差的53.22%。驾驶能力量表选取的2个因素分别为因素1(技术性驾驶能力)和因素2(危险感知能力)。该部分问卷共13个题项，2个因素共解释总方差的71.75%，每个题项的载荷都在0.64 以上。两部分量表的因素结构与载荷分别如表1、表2所示。

表1 驾驶人行为量表因素结构和载荷

表2 驾驶能力量表因素结构和载荷

2.2 信度分析

利用Cronbach’s α系数对量表进行信度分析以衡量量表的可靠性。Cronbach’s α系数用于衡量一组变量或题项在单一、单向潜在结构下的可靠性与一致性。当α>0.7时表示问卷可以接受[13-14]。本研究所使用的安全驾驶量表的Cronbach’s α系数为0.82，且两分量表(驾驶人行为量表与驾驶能力量表)的Cronbach’s α系数分别为0.88和0.95。这表明两个层面的信度较高，量表结构的可靠性较好。

2.3 相关性分析

取量表所有题项进行皮尔逊相关性分析，对量表中各因子得分之间的相关性进行检验，结果如表3所示。可见，各因子间相关性在0.01的水平上达到显著相关，具有统计学意义，体现量表各因子之间具有良好的相关性，由此说明量表具有较好的内容效度。

表3 量表各因子之间的相关系数矩阵

注：**表示P<0.01。

2.4 安全驾驶量表的初始应用

为了进一步检验安全驾驶量表的适用性和有效性，采用皮尔逊相关分析，对驾驶人的年龄、驾龄、年平均行驶里程、2015年总扣分、是否发生过低能见度条件下的交通事故等分别与安全驾驶量表内各因子之间的关系进行检验，结果如表4所示。

由表4结果可见，年龄、驾龄分别与违规行为得分、错误行为得分呈现显著负相关，相关系数分别为-0.12和-0.13，表明年龄越大、驾龄越长的驾驶员在低能见度条件下出现危险驾驶行为的频率更低。驾龄、年平均行驶里程与技术性驾驶能力得分和危险感知能力得分呈现显著正相关，表明驾龄越长、年平均行驶里程越多的驾驶员行驶在低能见度条件下其驾驶能力更好。2015年总扣分和低能见度条件下发生过交通事故在危险驾驶行为中呈现显著正相关，说明2015年总扣分越多及曾经在低能见度条件下发生过交通事故的驾驶员在低能见度下出现危险驾驶行为的倾向越大。是否在低能见度条件下发生过交通事故与三类错误行为正相关，表明发生过事故的驾驶员在低能见度条件下出现违规行为、错误行为和失误行为的倾向越大。

表4 量表各因子和描述性变量之间的相关性

注：*表示P< 0.05，**表示P<0.01。

为探究具体能见度范围在各因子上存在差异的显著性，利用最小显著差数法(least significant difference method，LSD)对不同分组进行两两比较，检验结果如表5所示。可见，认为能见度不会影响其驾驶行为的驾驶员(即无论能见度多低，这部分驾驶员均会选择驾车出行，表中用“可接受最低能见度0 m”近似表示)与其他驾驶员相比，在违规行为、技术性驾驶能力和危险感知能力上存在显著差异，其违规行为得分更低，且驾驶能力得分更高。

表5 多重比较检验结果

注：*表示P< 0.05，**表示P<0.01。

3 讨论与结论

本研究所用的安全驾驶量表将驾驶人行为量表与驾驶能力量表结合，在借鉴国内外量表的基础上，对选项进行筛选删除，最终获得28个题项，由违规行为、错误行为、失误行为、技术性驾驶能力以及危险感知能力等5个因子构成。量表内部一致性系数达到了0.82，并且两分量表内部一致性系数分别为0.88和0.95，具有较好的稳定性。本量表与其他量表相比，较为完整地反映了驾驶员行驶在低能见度环境中的安全驾驶行为，同时也更加符合中国的交通规则及文化特征。

研究表明，随着年龄或驾龄的增长，驾驶员违规行为或错误行为出现的频率越低。这个结果可以解释为随着年龄或驾龄的增长，驾驶员驾驶经验与危险认知水平增加，驾驶更为谨慎，出现危险驾驶行为的机率会降低，且驾龄越长，其驾驶能力越好。年平均行驶里程越多的驾驶员表现出更优秀的驾驶能力，这是由于行驶里程越多即驾车时间越长，所经历过的行车环境越丰富，在低能见度条件下处理不同驾驶情景的能力越好。发生过低能见度下交通事故的驾驶员其危险驾驶行为出现频率更高，而驾驶安全可靠性更低。由于危险驾驶行为主要集中在速度判断、距离判断、交通信号识读以及周围行车环境判断等方面，发生过事故的驾驶员可能因低能见度对其造成心理压力而导致上述能力降低。同时，低能见度对驾驶员的视觉、感知、判断及反应时间[15]会造成一定影响，因而导致其更容易发生交通事故。利用LSD法对驾驶员可接受最低能见度范围与不同安全驾驶行为进行分析，结果表明，能见度对驾驶员的违规行为及驾驶能力影响显著。这可能是因低能见度影响了驾驶员对车辆的操控能力以及对车速、车距或周围驾驶环境的判断能力。

经应用，本量表在低能见度条件下驾驶人安全驾驶测试中体现了较强的针对性和适用性，在符合中国的文化背景、道路情况和交通管理模式的基础上，可以作为度量低能见度条件下驾驶人安全驾驶的有效工具。本量表侧重于驾驶人行为表现的设计，为研究低能见度条件下驾驶人驾驶特性与交通安全的关系提供了很好的基础，也为管理者加强对驾驶人在低能见度条件下的安全驾驶行为的管理提供了很好的参考依据。

本研究是基于自答式的调查问卷，被调查者受社会心理预期的影响，在问卷的回答过程中可能会存在不诚实的情况，这会对后续的分析产生影响。另外，由于样本选取的地区较为集中，后续研究应将样本扩展到更广泛的区域，以便考察量表的稳定性及适用性。

[1] REASON J, MANSTEAD A, STRADLING S, et al.Errors and violations on the roads: a real distinction?[J]. Ergonomics, 1990, 33(10-11): 1315-1332.

[2] STEPHENS A N, FITZHARRIS M.Validation of the driver behaviour questionnaire in a representative sample of drivers in Australia[J]. Accident Analysis & Prevention, 2016, 86: 186-198.

[3] CORDAZZO S T, SCIALFA C T, BUBRIC K, et al.The driver behaviour questionnaire: a north american analysis[J]. Journal of Safety Research, 2014, 50: 99-107.

[4] MARTINUSSEN L M, MØLLER M, PRATO C G.Assessing the relationship between the driver behavior questionnaire and the driver skill inventory: Revealing sub-groups of drivers[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2014, 26: 82-91.

[5] MESKEN J, LAJUNEN T, SUMMALA H.Interpersonal violations, speeding violations and their relation to accident involvement in Finland[J]. Ergonomics, 2002, 45(7): 469-483.

[6] 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.

[7] 杨玉炎.汽车驾驶技能形成规律的探索[J]. 中国职业技术教育, 2006(27):32-34.

[8] GIBSON J J, CROOKS L E.A theoretical field-analysis of automobile driving[J]. The American Journal of Psychology, 1938, 51(3): 453-471.

[9] LAJUNEN T, SUMMALA H.Driving experience, personality, and skill and safety-motive dimensions in drivers’ self-assessments[J]. Personality & Individual Differences, 1995, 19(3): 307-318.

[10]LIKERT R.A technique for the measurement of attitudes[J]. Archives of Psychology, 1932, 140: 5-55.

[11]郑东鹏.驾驶人危险感知及影响因素研究[D]. 上海:上海交通大学, 2013.

[12]JI Y, FU P, BLYTHE P T, et al.An examination of the factors that influence drivers’ willingness to use the parking guidance information[J]. Ksce Journal of Civil Engineering, 2015, 19(7):1-10.

[13]HATCHER L.A step-by-step approach to using SAS for factor analysis and structural equation modeling[M]. Cary, North Carolina: SAS Institute Inc., 2014.

[14]MA M, YAN X, HUANG H, et al.Safety of public transportation occupational drivers: risk perception, attitude, and driving behavior[J]. Transportation Research Record, 2010, 2145: 72-79.

[15]于广鹏, 谭德荣, 田厚杰,等.基于模糊推理的驾驶员反应时间修正研究[J]. 广西大学学报(自然科学版), 2014,40(6): 1234-1239.

(责任编辑 唐汉民 裴润梅)

Validity and reliability of safety driving scale under low visibility

ZHANG Wei-hua, ZHANG Xu-xin, FENG Zhong-xiang, HU Zhe, WANG Kun

(School of Automotive and Traffic Engineering, Hefei University of Technology, Hefei 230009, China)

In order to verify the reliability and validity of the safety driving scale under low visibility, combining field and internet survey, a total of 314 drivers were investigated by the safety driving scale.Factor analysis and reliability and validity tests were performed by SPSS19.0.The results were obtained as follows.1.Driver behavior questionnaire and driving ability scale made up the total safety driving scale.The safety driving scale consisted of 28 items, which contained 5 dimensions: violation, mistake, fault, technical driving ability and risk perception.2.The internal consistency coefficient, Cronbach’sα, of the total scale reached 0.82, and Cronbach’sαof the 2 subscale were 0.88 and 0.95, respectively, which indicated that the scale had a good stability.3.The age was negatively correlated with the score of violation (r=-0.12).Driving experience was negatively correlated with the score of mistake (r=-0.13) but positively correlated with the scores of technical driving ability and risk perception (r=0.21,r=0.15).Yearly mileage was positively correlated with the scores of technical driving ability and risk perception (r=0.13,r=0.14).Totally deducted points in 2015 were positively correlated with the scores of violation and fault (r=0.16,r=0.14) and negatively correlated with the score of risk perception (r=-0.12).Whether drivers had experienced visibility related crash was positively correlated with the scores of violation, mistake, fault (r=0.31,r=0.14,r=0.19).The range of visibility has a significant impact on violation, technical driving ability and risk perception.The safety driving scale is relatively reflects the drivers’ safety driving behaviors under low visibility, and it has good reliability and validity.It also conforms Chinese cultural background and traffic rules, and provides a reliable measurement foundation for follow-up study.

safety driving scale(SDS)；low visibility；driving behavior；driving ability；reliability；validity

2016-04-12；

2016-07-25

国家自然科学基金资助项目(51578207，51308177)；安徽省自然科学基金资助项目(1408085MG137)；道路交通安全公安部重点实验室开放基金资助项目(2016ZDSYSKFKT02-1)

冯忠祥(1982—)，男，安徽含山人，合肥工业大学副教授，工学博士；E-mail：fzx@hfut.edu.cn。

张卫华，张旭欣，冯忠祥，等.低能见度下驾驶人安全驾驶量表效信度分析[J].广西大学学报(自然科学版)，2016，41(5)：1545-1551.

10.13624/j.cnki.issn.1001-7445.2016.1545

U471.3

A

1001-7445(2016)05-1545-07