骑行者风险感知能力测试及分析

倪定安，郭凤香，李春梅，李明远 NI Dingan,GUO Fengxiang,LI Chunmei,LI Mingyuan

（昆明理工大学 交通工程学院，云南 昆明 650500）

(School of Traffic Engineering,Kunming University of Science and Technology,Kunming 650500,China)

0 引言

随着共享经济的风靡，可以共享的东西越来越多，尤其是共享单车和共享电单车。然而共享单车与电单车的极快发展增加了道路上非机动车流量，伴之而来的是乱停乱放、秩序混乱及非机动车事故增加等问题。骑行者是借助自行车、电动车等非机动车为主要交通工具，实施出行活动的个人或群体。2016年，中国交通事故发生总计212 846起，非机动车交通事故发生17 747起，造成2 968人死亡，其中自行车交通事故1 460起，造成341人死亡；电动车交通事故13 687起，造成2 627人死亡，造成直接财产损失4 248万元[1]。非机动车由于灵活性强，不易于管理，频繁发生违法占道、闯红灯、逆行、电动车违法载货载人等交通违法行为，导致机非混合车道上交通事故的发生。而骑行者风险感知能力的强弱直接决定了是否会发生事故及发生事故大小，风险感知能力差是导致非机动车事故的一个主要原因。因此，研究骑行者的风险感知能力，确定其影响因素，可为制定非机动车相关管理政策、改善非机动车的道路交通安全水平提供一定的依据。

目前，国内外学者对风险感知进行了广泛研究，Vanlaar等[2]编制了驾驶人风险意识量表，通过15种可能引发交通事故的危险情境的评分来评判驾驶人的风险意识。孔春玉等通过问卷调查，运用最小二乘法拟合得到驾驶人风险感知时间与AIS损伤级别的定量关系式，并对驾驶人风险感知时间的影响因素进行了分析[3]。缪明月等对问卷进行分析，对非机动车驾驶人风险行为进行分解，建立基于关键度系数、对应相关行为的风险估算模型，实现非机动车驾驶人风险行为的量化分级[4]。王涛等通过问卷调查，对电动自行车的风险驾驶行为进行探索性因子分析，提取公共因子，从而对骑行者进行关联性分析[5]。目前非机动车的交通安全研究都停留在问卷调查研究，而风险感知测试的研究主要集中在机动车驾驶员，对骑行者的风险感知能力测试试验研究较少。本文主要是通过问卷调查结合风险感知试验测试的手段，应用主成分分析法分析骑行者风险反应时间与各种因素的关系，建立骑行者风险感知能力评价模型，通过模型对骑行者进行评价。

1 试验方案

在实际道路交通场景中以骑行者角度拍摄9个视频片段，剪辑制作成测试视频。招募100名受试者进行问卷调查及风险感知测试，风险感知测试是通过风险感知测试软件测试骑行者在突显风险情境与征兆风险情境中对风险的反应时间。

1.1 场景简介。为了测试骑行者的风险感知能力，从骑行者的角度，对日常可能遇到的风险进行分析并设计出9个风险情境，研究的风险即在风险情境中对骑行者正常行驶可能产生冲突的对象，具体风险描述如图1所示，其中（1）至（6）图为突显风险情境，（7） 至（9） 图为征兆风险情境。

图1 风险情境图

图2 骑行路线图

本研究根据学校周边道路设计出一条骑行路线，并在此路线上设计再现了上述9个风险情境，以骑行者的角度录制了风险情境的视频，录制骑行路线和情境位置设置见图2，录制视频场景截图如图3所示。1.2 测试软件简介。编制了风险感知测试软件对骑行者的风险感知能力进行测试，风险感知测试软件（HP Test）是由昆明理工大学交通工程学院道路交通模拟实验室自行开发，用于测试道路交通参与者的风险感知能力。软件的输入为视频文件，该视频以交通参与者的视角显示所处的交通环境，视频包含多个潜在的风险源和干扰信息。受试者使用鼠标点击来标识他所识别到的真正风险，能否准确点击对象可以表现出受试者的风险感知能力。测试软件工作界面如图4所示。

1.3 受试者。本次试验共招募了100名有着半年及以上骑行经验的骑行者，这些骑行者的骑行路线以学校周边道路为主，其中男性64人，女性36人，年龄在16-54岁之间，64人有驾照，36人无驾照，拥有本科学历的骑行者占大多数。

图3 视频录制场景截图

1.4 试验过程。受试者首先需要填写调查问卷，然后观看输入在风险感知测试软件中的9个视频，要求他们在发现风险情况时，点击鼠标，系统能够自动记录受试者鼠标点击的时间（视频帧序）、点击的位置（鼠标位置坐标），通过仪器采集数据，将参数进行分析处理，评价受试者的风险感知能力。

图4 风险感知测试软件主界面

2 数据分析

2.1 问卷统计。计算本问卷的Cronbach's ɑ系数，ɑ值介于0与1之间，ɑ值越大表示问卷项目间相关性越好，内部一致性可信度越高；ɑ大于0.8表示内部一致性极好，ɑ在0.6～0.8之间表示较好；而低于0.6表示内部一致性较差[6]。本调查问卷的ɑ值为0.78，表明调查问卷的项目间相关性较好，具有一定的可靠性，可以反映出骑行者的风险感知能力。通过调查问卷获取了受试骑行者的性别、年龄、是否有机动车驾照、骑行经验、骑行频率、有无遇到事故和是否遵守交规等7种基本信息，统计结果如表1所示。

表1 受试者问卷调查统计表

2.2 风险反应时间分析。反应时间为从危险出现到驾驶人观察到此目标所经过的时间[7]。本文的骑行者风险反应时间定义为受试者观看每段风险视频时，从风险出现到按下按钮所需的时间，用于分析骑行者的风险感知能力。分析在突显风险情境、征兆风险情境下的骑行者平均风险反应时间与年龄、骑行经验、骑行频率、是否发生过事故、有无驾照、性别、遵守交规等因素的关系，结果如图5所示。

从图5的a～g可以看出，多数情况下骑行者对征兆风险的反应时间要长于突显风险的反应时间，表明骑行者需要更长的时间发现征兆风险并作出反应。由图a和b可知随着年龄的增长及骑行经验的积累，骑行者风险感知的能力有所提高，反应时间减少；骑行频率对比发现，反应时间最短的是一月骑行几次的一类人，这类骑行者的骑行次数处于中等水平，对风险保持一定的警惕性，导致反应时间最短；同时有驾照的骑行者对于风险具有较强的感知能力，反应时间短于无驾照的骑行者；男性的反应时间短于女性，说明男性的风险感知能力要强于女性，在遇到风险时能及时应对；遵守交规的骑行者反应时间短于偶尔不遵守交规的骑行者，说明遵守交规的骑行者具有较强的警惕性；遇到过事故的骑行者反应时间低于未遇到过事故的骑行者。

图5 反应时间比较分析

3 风险感知能力评价

为了确定各影响因素对风险感知能力的影响，本文应用主成分分析法对影响风险感知能力的因素进行分析，主成分分析是用较少的变量去解释原来资料中的大部分变异，消除变量间的相关性，将n维变量降至2维，观察样本的相互关系及分布特点[8]。

对性别、年龄、驾照、遵守交规、遇到事故、骑行经验、骑行频率这7个影响因素进行主成分分析，提取主成分，应用主成分方程，建立骑行者风险感知能力评价模型，并进行模型的应用，对骑行者风险感知能力评价分级，并确定影响风险感知能力的主要因素。

3.1 主成分提取。首先应用公式（1）对原始数据进行标准化处理，然后建立各种指标之间的相关矩阵，并进行主成分提取，提取结果见表2。

其中：ZXi为处理后标准化的数据；Xi为原始数据；X为原始数据的均值；Si为原始数据的标准差。

表2 主成分提取矩阵

由表2可知，提取的5个主成分的累积贡献率达到了85.94%，可以解释大多数变量，其中第一主成分t1在年龄x1（）、骑行频率x3（）、交通事故x2（）、交通规则x4（）上有较高的解释率，第一主成分上解释指标数量较多，说明数据重复率较大，符合主成分分析的使用标准，可将第一主成分命名为“骑行成长因子”；第二主成分t2在驾照x6（）、性别x5（）上有着较高的解释率，将第二主成分命名为“先天及训练因子”；第三主成分t3在骑行经验x7（）上有着较高的解释率，因此将第三主成分命名为“日常积累因子”；第四主成分t4在交通规则x4（）上表现出较高的解释率，将第四主成分命名为“遵规守纪因子”；第五主成分t5在交通事故x2（）上表现出较高的解释率，将第五主成分命名为“突发事件因子”。

3.2 评价模型构建及应用。为了综合评判骑行者风险感知能力的强弱，需要构建骑行者风险感知能力评价模型，通过构建的模型对骑行者风险感知能力进行评价。

根据主成分载荷矩阵（见表2），每一列除以相应特征值的算术平方根，得到相应的系数矩阵，各系数向量分别与标准化处理的各指标向量相乘，得到各主成分得分方程，5个主成分得分方程分别为：

以每个主成分对应的特征值占所提取主成分总的特征值之和的比例作为权重，建立骑行者风险感知能力评价模型：

其中：F为骑行者风险感知能力的综合评价得分，得分越高说明骑行者的风险感知能力越强。根据模型计算结果将骑行者的风险感知能力分为优秀（0.51～1.00）、良好（0.01～0.50）、中等（-0.51～0.00）、较差（-1.00～-0.50） 4个等级，对4个等级骑行者的年龄、性别、有无机动车驾照、骑行频率、骑行经验、是否遇到事故、是否遵守交规等因素进行差异性分析，统计分析结果见表3。

表3 评价结果分级及差异性分析

通过独立样本T检验发现，不同感知能力等级中骑行者有无机动车驾照、骑行频率在0.01水平下存在显著性差异，年龄、性别在0.05水平下存在显著性差异，而骑行经验、是否遇到事故、是否遵守交通规则均没有表现出显著的差异性。表明骑行者的年龄、性别、有无机动车驾照、骑行频率等因素对骑行者的风险感知能力存在显著影响，在提取的主成分矩阵中也可发现这4个因素在第一、第二主成分中占较大比例。由优秀等级的18人中男性12人，10人处于35～54岁，15人有驾照。每月骑行几次的有16人等结果可以看出，男性对于风险的观察更加全面；随着年龄的增长，使得骑行者更加关注可能遇到的风险以便有足够的反应时间；经过机动车驾照的培训和考试，提高了风险感知的能力；每月骑行几次保证骑行者始终保持对风险的警惕性，从而对遇到的风险做出正确的反应，提高骑行的安全性。

4 结论

本文是以骑行者为研究对象，通过对受试者问卷调查及风险感知测试，研究了骑行者的风险感知能力及其影响因素，为骑行者的交通安全研究及相关政策的制定提供了一定的理论基础，本文的结论如下：

（1）在突显风险情境与征兆风险情境下，通过风险反应时间的对比分析，发现骑行者对突显风险的反应时间普遍短于征兆风险，说明骑行者需要花费更长的时间辨别征兆风险并作出反应，因此在骑行过程中需要较长的安全距离，导致交通事故发生的可能性增加。

（2）确定了影响骑行者风险感知能力的主成分，建立了骑行者风险感知能力评价模型，并通过显著性差异分析发现影响骑行者的风险感知能力的主要因素为年龄、性别、有无机动车驾照、骑行频率。