非机动车驾驶人愤怒情绪及行为对交通安全影响分析*

□ 周 建，林 丽

(南京林业大学 汽车与交通工程学院，江苏 南京 210037)

随着城市的发展，居民出行方式也更为丰富，相比于机动车，非机动车以其方便、经济、节能而备受青睐。我国非机动车主要包括：自行车、电动车和三轮车等，适值2019年4月5日《电动自行车安全技术规范》正式实施，我国对于非机动车的重视程度日益提高。现如今城市经济的快速发展，其交通系统也越来越复杂化，共享单车、外卖等的兴起，给人们带来了便捷的生活，但相应的也增加了交通问题，如不遵守交通规则、乱停乱放等，导致了严重的交通问题[1]。根据中华人民共和国国家统计局所统计的最新数据，2017年交通事故发生数总计为203049起，其中非机动车交通事故发生数为18144起，约占总数的百分之十[2]。

二十一世纪以来，交通安全的分析伴随着交通的发展也越来越重要。就愤怒情绪这一问题就受到众多国内外交通学者的广泛关注和研究。如：丹麦学者对自行车驾驶人的研究较多，在机动车驾驶愤怒量表(Driving Anger Expression Scale，DAS)的基础上[3]，开发出用来测量研究非机动车驾驶愤怒量表(the DAS for Cyclists，CAS)[4]。对于愤怒增加激进驾驶行为的可能性，于国内学术界而言，对此关系尚未定论；一些研究人员认为现研究成果尚未能够确定愤怒情绪对交通安全都会产生消极影响，结论无法说服所有人；另外一些研究人员认为愤怒情绪对交通安全的影响还受一些驾驶人自身因素的影响，且会对驾驶人的操作行为产生具体的影响[5]。综合考虑，驾驶过程中所产生的愤怒情绪是不可避免的，无论年轻与否，也无论是国内国外。也正因为现代化交通的快速发展，愤怒情绪所带来的事故也越来越明显，所以对其的研究也是有着很大的前瞻性和建设性的[6]。

本文借鉴国内外研究经验，首先编制了适合我国的非机动车驾驶愤怒量表；然后对量表的信效度进行分析；之后借助统计结果，针对愤怒行为与违规频率建立有序回归(Ordinal Regression)和多项Logistic回归模型；最后，通过对愤怒情绪下的非机动车驾驶人(以下简称“驾驶人”)阻碍其他驾驶人、以及驾驶人对于愤怒情绪的自我评价进行频次统计分析。

1 调查设计

本文以南通市崇川区为例，一方面，前往崇川区市中心人流集聚地，派发调查问卷；另一方面，借助互联网搜集调查问卷数据。问卷总计收回158份，回收有效问卷156份(98.7%)。

该问卷涵盖了两部分：一般情况调查表(性别、年龄、学历、职业、平均月收入、非机动车类型、日平均行驶时间、近两年发生骑行交通事故次数等)和非机动车驾驶愤怒量表(CAS)。其中CAS参考国外驾驶愤怒量表和国内的驾驶员情绪状态量表[7-11]，并根据征询的结果，设计而成。

CAS包括两部分：其一，驾驶人愤怒情绪下的行为表现(骑行强度、言语攻击、肢体冲突、自我调节)；其二，愤怒情绪对交通安全影响的自我评价(自我发泄)。该量表采用Likert5级计分形式，1到5依次代表非常低、比较低、一般、比较高、非常高。

2 结果

2.1 量表信效度检验

2.1.1 内容信度

为了检验CAS量表的可靠性和稳定性，对量表做了信度分析。总量表的Cronbach’s α为0.812，五个项目中的α系数分别为：0.843、0.781、0.733、0.686、0.775。量表总的分半信度为0.815，五个项目的分半信度分别为：0.852、0.783、0.736、0.673、0.763。对五个项目进行多变量方差分析，由Hotelling T2检验可知，F=7.769，P<0.001，在α=0.05的基础上，表明五个项目的情绪状态具有显著的差异。由此可知CAS量表是一种具备较高信度的量表。

2.1.2 结构效度

为了研究变量之间的偏相关性，采用因子分析(Factor Analysis)，借助统计软件SPSS对得到的调查数据进行分析[12]，结果如表1所示。得到KMO值为0.813，可用于因子分析。Bartlett球形检验的卡方近似值为531.519，P=0.000<0.001，按置信度水平α=0.05，可认为因素的相关矩阵不是单位矩阵，能够提取最少的公因素，同时解释大部分的方差。

表1 KMO和Bartlett的检验

通过主成分分析法(Principal Component Analysis)提取方法，得到各变量的共同度。由表2可以看出，问卷的初始变量的共同度在0.511-0.812之间，皆大于0.5，说明几个公共因素能够解释每个变量的方差都超过50%，解释能力达到了量表降维的要求。

表2 公因素方差

综上可知，整个问卷的效度和信度都满足了心理测量的基本要求，CAS量表的质量较好，可用来进行驾驶愤怒表现的研究。

2.2 愤怒行为与交通安全的关系

2.2.1 愤怒行为与违规频率的有序回归分析

为了研究愤怒行为与违规频率之间的关系，对量表的item11(相同一段时间内，您愤怒时违反交通规则的频率比正常情况下)和驾驶人的愤怒行为进行有序回归分析。

拟合度表的仅含截距项的对数似然值为178.708，最终的模型的卡方值是60.702，显著性为0.000，可见有序回归对本研究是适合的。

得到伪R方的结果：Cox-Snell、Nagelkerke及McFadden R2分别为0.911、0.957、0.843，三个R方统计量的值都比较接近1，可见模型的拟合程度比较好。

按ɑ=0.05水准，表3中位置参数item5(愤怒时您的车跟前车之间的距离：)、item6(骑行途中您埋怨激怒您的司机)的Wald统计量分别为6.047(P=0.032<0.05)、7.232(P=0.011<0.05)，剩余的位置参数都大于0.05，确定item5、item6与违规之间的回归系数有统计学意义，剩余的则被排除。即骑行途中的跟车距离远近、埋怨激怒自己的司机的频率与违规频率存在相应的回归关系。Logit连接函数分别为：

第1组水平，Link1=3.917-(0.383*Item5+0.492*Item6)

第2组水平，Link2=5.021-(0.383*Item5+0.492*Item6)

第3组水平，Link3=7.043-(0.383*Item5+0.492*Item6)

第4组水平，Link4=10.072-(0.383*Item5+0.492*Item6)

对应的由Item5、Item6得到连接函数的值，可以进一步得出预测驾驶人违规频率的概率值：

表3 回归参数估计表

从上述模型分析可知，对驾驶人违规频率存在较大影响的有骑行途中的跟车距离远近、埋怨激怒自己的司机，我们可以借助它们来预测驾驶人违规频率。

2.2.2 愤怒行为与违规频率的多项Logistic回归分析

参照模型拟合信息表，以及包含的截距项的模型和最终模型的似然比检验结果，其-2倍对数似然值分别为124.871、73.502，χ2=51.369，P=0.000<0.01，按α=0.05水准，最终模型更优。Pearson χ2及偏差χ2分别为1256.721(P=1.000>0.05)、912.632(P=1.000>0.05)，说明模型与数据充分拟合，即本数据资料可采用多项Logistic回归分析。

在伪R方中，Cox-Snell、Nagelkerke及McFadden R2分别为0.501、0.550、0.287，由这三种决定系数R2可知，在因变量的变异中，可由量表所列愤怒表达方式(item1-item16)解释的部分占50.1%、55.0%、28.7%。

按α=0.05水准，根据CAS的项目(item1-item16)，其中item5、item6与违规水平程度(3-一般，4-比较高)的Wald检验的显著性水平均高于0.05，确定item5，item6具备了统计学意义，剩余的则相反不具备。以违规频率(1-非常低)为基准，分别用两个回归方程进行水平程度3与1、水平程度4与l的比较，得到线性预测方程为：

Logit[P(违规=3|item5,item6)]=12.539+1.488*item5-4.025*item6

Logit[P(违规=4|item5,item6)]=4.918+0.305*item5-1.382*item6

计算得到的item5的回归系数，其值为正数，表明骑行途中的跟车距离远近的频率与驾驶人愤怒时违规的频率成正比；计算得到的item6的回归系数，其值也为正数，表明埋怨激怒自己的司机的频率与驾驶人愤怒时违反交通规则的频率也成正比。综合考虑其原因，可从统计中看出，驾驶人在愤怒情绪的影响下容易分神，所以更容易导致违规的发生。

由表4可知，整个模型预测概率为54.1%，即模型符合率为54.1%，预测效果良好(预测概率大于50%即良好)。表明可以用Item5、Item6构成的模型预测违规频率的等级。

表4 分类表

2.3 愤怒情绪对交通安全的影响

驾驶人在愤怒情绪下骑行存在突然提速(短距离内非机动车提速更为灵活导致风险)、减速、停车、变道等行为，甚至可能会成为导致交通安全事故的主要原因；也存在自我安慰和娴熟的操作技巧的影响下，没造成严重的交通事故。

2.3.1 愤怒情绪下阻碍正常行驶

激怒驾驶人的主要因素有：行人、非机动车、机动车，而道路等其他相关因素则较少，即表明激怒因素还是主要存在道路使用者之间。从表5可以看出(Iteml10“骑行途中您减速阻挡激怒您的驾驶员，这种情形”；Iteml11“相同一段时间内，您愤怒时违反交通规则的频率比正常情况下”)，愤怒情绪下，有36(23.08%)人减速来阻碍激怒自己的其他驾驶人或行人。其次因为在愤怒情绪的影响下，结合分神、反应力下降等因素的引导下，有39(24.32%)人容易违反交通规则。

表5 愤怒情绪下阻碍正常行驶程度

2.3.2 愤怒情绪对交通安全的影响

众所周知，关于愤怒情绪的研究人员，都认可愤怒情绪对交通安全具有一定的影响，但从驾驶人本身而言，愤怒情绪的影响还需进一步研究。根据调查结果得知，70%的调查者认为愤怒情绪对交通安全具有影响，其中14%认为影响程度较大，只有30%认为其影响非常小；且愤怒情绪及其行为对交通安全的影响与驾驶人的生理心理有很大的相关性。

3 结论

本文在国内外研究的基础上，编制了适合我国的非机动车驾驶愤怒情绪量表，并对量表的信度、效度进行了分析。区别于国外设计的愤怒情绪量表(倾向于表述不同情况下的愤怒情绪的表达)，此表更倾向于愤怒情绪下驾驶人的行为方式，为日后的驾驶愤怒情绪研究提供了理论支撑。

为了深入研究驾驶人愤怒行为与交通安全的关系，对驾驶人愤怒行为与违规频率建立有序回归和多项Logistic回归模型，分析了模型的拟合度和显著性；并得出骑行途中的跟车距离远近、埋怨激怒自己的司机的频率与违规频率的存在统计学回归意义，且与违规频率成正相关；最后,针对愤怒情绪对驾驶人的影响程度大小进行频次统计分析，得出结论：驾驶人愤怒情绪及其行为对交通事故影响较大，且与个体生理心理特征有很大的相关性。

本文对驾驶人愤怒情绪及其行为等问题研究还不够全面，仅仅依靠收集的数据进行研究略为不足，可通过仿真或实际操作等行为数据来进一步完善研究。将来若增加此类的相关研究，对愤怒情绪所产生的交通问题具有深远的意义。