外卖电动自行车在交叉口的风险行为研究

魏宇浩， 秦 华

(北京建筑大学 机电与车辆工程学院，北京 100044)

近年来，随着互联网经济的发展，外卖市场以成倍的速度迅速发展，点外卖已经成为人们的一种生活方式。中商产业研究院最新发布的《2018年中国在线餐饮外卖行业市场前景研究报告》的数据统计显示，2017年外卖市场规模超过了2 000亿元，与2016年相比，增长率高达25%，2018年在线餐饮外卖市场规模将有望突破2 300亿元。随之而来的外卖配送行业也迅速崛起，外卖配送以电动自行车作为主要的交通工具。据公开数据显示，2017年上半年在南京市发生的涉及电动自行车外卖送餐的3 242起交通事故中,外卖电动自行车存在交通违法行为的有2 807起,违法担责率高达94%。城市道路上的信号交叉口是电动自行车事故多发的高危区域[1]。因此，对外卖配送骑手在城市信号交叉口的风险行为进行分析研究至关重要。

目前已经有很多学者对电动自行车在信号交叉口的穿越行为特征进行了分析研究。针对电动自行车在信号交叉口的交通安全问题，赵星等[2]发现非机动车闯红灯、逆行、绿灯快结束时抢行3种交通违法行为的危险度较高。邢秀雅等[3]发现电动自行车骑行者存在闯红灯、不戴头盔、骑车带人、超速等危险行为。王涛等[4]构建了电动自行车的风险驾驶行为结构，并得出男性驾驶者违规行为和获取领先行为更频繁，随着年龄的增加，驾驶者获取领先行为减少,但违规行为增多等结论。赵鸣等[5]对浙江省电动自行车骑行者的闯红灯、逆行、违规载人等风险行为进行了观测分析。李岩等[6]在分析逆行非机动车骑行者安全生理学特性时，通过摄像机获取道路断面的非机动车逆行比例，发现电动自行车的逆行数较大。王卫杰等[7]以电动自行车和机动车碰撞的事故数据为研究对象，运用Logistic回归模型鉴别出了电动自行车骑行者事故伤害程度的影响因素。针对电动自行车闯红灯问题，环梅[8]发现大多数骑手的红灯穿越行为取决于等待时间，随着等待时间的增加，他们倾向于终止等待行为并闯红灯。黄丽燕等[9]分析了非机动车类型、驾驶员年龄和性别、道路状况等因素对于闯红灯等违规行为的影响。胡旭孟等[10]提出在整个红灯周期内,非机动车闯红灯现象存在3个不同时期的概念。张凡等[11]基于计划行为理论，通过问卷调查的方法探讨了影响外卖配送骑手闯红灯行为意图的因素。为了减少电动自行车交通事故的发生，针对电动自行车的相关管理政策也相继提出。杨达等[12]提出让电动车提前2～3 s的时间行驶或提前设置非机动车停车线的建议，从而可以减少机非冲突，提高交叉口机动车的通行能力。董升等[13]提出绿闪灯的合理设置能有效改善信号交叉口处电动自行车的安全运行状况。

从现有这些研究可知，研究焦点主要集中于以普通电动自行车用户为研究对象，然而外卖配送骑手作为一个特殊群体，尤其是各大外卖平台为追求配送效率而制定的规章制度，使得他们的风险行为与普通电动自行车用户差别很大，出现事故的比例也较高[14]。因此，本文针对外卖配送骑手这一特殊群体，通过实地调研获取数据，对外卖配送骑手的闯红灯、逆行、使用手机3种风险行为进行统计分析，为交通管制部门制定相关法律法规、外卖平台制定合理规章制度提供理论依据，为后续探讨引起外卖配送骑手风险行为的深层次原因提供研究基础。

1 研究方法

1.1 实地调研

选取北京市海淀区中关村东路与成府路的交叉口作为调研地点，该路口不仅处于写字楼分布密集区，而且附近有高校，是典型的科教集聚区，有很高的外卖需求，可以获取足够多的配送骑手数据[15]。该路口还具有清晰的非机动车专用红绿灯，无交警协警指挥交通，能够代表城市道路典型交叉路口的设计特征。

为了把沿不同方向通过路口的配送骑手都记录在内，在路口的4个拐角处各分配1名研究员，负责对从左右两侧通过路口的配送骑手的交通行为进行记录(图1)。记录前通过观察得知，美团、饿了么、百度、达达4个平台的配送骑手通过路口的频率较高，因此以这4个平台的配送骑手为研究对象，记录其平台名称、逆行、闯红灯、等红灯、使用手机的相关数据。其中，闯红灯指在红灯期间直接穿越或未等待至绿灯亮时即穿越，等红灯指在红灯期间到达路口并等待至绿灯亮开始穿越，使用手机的含义为在穿越路口期间看手机、打电话的行为。考虑到研究员记录的精力有限，每当记录1 h，有30 min休息时间，则记录时间为9:00—10:00、10:30—11:30、12:00—13:00、13:30—14:30、15:00—16:00、16:30—17:30、18:00—19:00、19:30—20:30共8 h。选择天气晴朗的一天进行调研记录，调研前对研究员进行详尽的相关说明与培训，以减少因研究员的不同导致数据记录的人为差异。此外，考虑到调研的可行性，记录过程中对于同一名外卖骑手不同时段重复经过路口的现象未进行区分，即假设风险行为的出现相互独立。

图1 路口卫星图

1.2 数据分析方法

通常情况下，随着用餐时间的到来，外卖需求量会有很大提升。因此研究一天内外卖配送风险行为的时间性差异，对各时段之间、用餐高峰期与低峰期之间、午餐阶段与晚餐阶段之间的外卖配送风险行为比率进行了比较分析。由于是比率的比较，所以使用卡方检验分析方法。

以每小时配送骑手通过交叉口的数量近似表示订单数量，然后分析骑手的风险行为比率和通过交叉口的数量的相关性，分析结果可以在一定程度上反映外卖骑手风险行为比率和订单数量的相关性。

2 结果

2.1 不同平台之间的风险行为比较

共观测到1 344个有效样本，其中包括美团外卖661个、饿了么外卖367个、百度外卖123个、达达外卖193个。各平台配送骑手以及配送骑手总体的风险行为比率见表1，其中，χ2为卡方检验统计量，P为显著性统计值，若P值小于0.050，则说明统计具有显著性，反之则不具有统计显著性。由表1中数据可知，配送骑手总体的闯红灯、逆行、使用手机比率较高，分别为0.598、0.344、0.153。此外，闯红灯率、逆行率、使用手机比率在4个平台中未表现出显著差异。

表1 不同平台各种风险行为出现情况

2.2 不同时段风险行为比较

由表2、表3可知，不同时段间配送骑手的闯红灯率和逆行率差异不显著。高峰期与低峰期之间配送骑手的闯红灯率和逆行率不具有统计显著性，午餐期间与晚餐期间配送骑手的闯红灯率和逆行率差异不显著(P值均大于0.050)。另外，不同时间段配送骑手的使用手机比率差异显著(χ2=20.542，P=0.005)，其中使用手机发生较多的时段为10:30—11:30，比率为0.229，较低的时段为18:00—19:00，比率为0.691。午餐期间与晚餐期间配送骑手使用手机的比率差异显著(χ2=8.891，P=0.003)，即午餐期间配送骑手使用手机的比率显著高于晚餐期间的比率。

表2 不同时段配送骑手风险行为比率

表3 不同时段配送骑手风险行为统计情况

2.3 风险行为比率与订单量相关性分析

通过对各平台数据的分析判断，发现美团外卖骑手的通过量和闯红灯比率这2组数据满足皮尔森相关系数分析的假设条件，即美团外卖骑手的通过量和闯红灯比率存在线性关系，不存在异常值，且根据Shapiro-Wilk检验，2个连续变量均符合正态分布(P>0.050)。因此可以进行皮尔森相关系数分析，由于检验之前不确定是正相关还是负相关，因此采用双侧检验，得出皮尔森相关系数为0.917,显著性统计值P=0.001，由此可知，美团外卖的配送骑手在信号交叉口的闯红灯率与通过量存在正相关关系。在骑手通过量，即订单数量高的时候，美团配送骑手的闯红灯率也较高；订单数量低的时候，美团配送骑手的闯红灯率相应也较低。

3 讨论

本次实地调研发现外卖配送骑手在送餐过程中闯红灯、逆行、使用手机等危险行为比率较高。其中，0.598的闯红灯率与0.344的逆行率远高于柏璐[16]对电动摩托车的调研结果，即0.217的闯红灯率与0.087的逆行率。中青年男性骑行者的冒险行为发生率高于其他骑行者，产生较大差异的原因可以归结于外卖配送骑手大多是中青年男性，其具有更高的冒险行为倾向。此外，高达0.153的使用手机比率，可能是因为配送骑手在配送过程中需要随时关注订单信息以及电话通知订餐客户取餐[17]。

各种风险行为也呈现一定的分布特征。在危险行为的平台分布上，美团、饿了么、百度、达达这4个平台之间的风险行为比率不存在差异。闯红灯和逆行行为比率在时间分布上均不存在差异，但使用手机比率在时间分布上存在差异，较高的时间段为10:30—11:30，较低的时段为18:00—19:00。相比晚餐期间，配送骑手更倾向于在午餐期间使用手机。可见，不同平台对外卖配送骑手的风险行为没有影响，但时间对使用手机的行为倾向有一定影响。具体原因有待进一步探究。

研究还发现美团外卖的配送骑手在信号交叉口的闯红灯率与订单量有关，这与王雅坤等[18]认为每日接单数量是外卖配送骑手交通违法行为的主要驱动因素相一致。究其原因，可能是骑手的收入与接单数有关，当订单数量较多时，骑手为配送尽可能多的订单，就必须节省时间提高配送速度，出现较多的闯红灯情况，另一方面配送速度会影响买家对骑手的评价，于是当订单多而时间紧迫时骑手便不得不通过闯红灯节省配送时间[19]。

综上，我们认为外卖配送骑手存在较高风险行为比率的原因如下：

1)骑手自身的安全意识较低，具有较高的风险行为倾向，在配送速度和骑行安全之间进行抉择时，为了追求配送速度而忽视安全。

2)配送骑手在配送过程中需要随时关注订单信息以及电话通知订餐客户取餐，难以避免手机的频繁使用。

3)外卖平台的绩效考核规则、计酬方式在本质上差异不大，均在追求时效性和保障骑手交通安全之间更加偏向于前者。例如，各平台都把送单时效、订餐用户差评、送单量和收入挂钩，迫使骑手不得不通过闯红灯、逆行等风险行为来节省时间，从而减少因送单延误导致的用户差评和提高接单量。

针对外卖配送骑手存在较高风险行为比率的现状，为相关部门提出以下建议：

1)外卖平台应加大对骑手交通安全的培训力度，提高骑手的安全意识和法律意识。交管部门应加大对骑手交通违法行为的查处力度和惩罚力度。

2)平台研发部门应当对接单软件的使用流程和功能进行优化改进。如简化手机接单的操作流程、增加语音接单等更加方便的功能，从而减少骑手对手机的使用。

3)外卖平台应改善管理体系，改进现行收入评价机制，弱化薪酬与接单量之间的联系，平衡好送餐时效性和骑手交通安全之间的关系。

4)引导订餐消费者关注骑手交通安全，并给予配送骑手更多的理解。

4 结论

通过实地调研获取外卖配送骑手通过信号交叉口的风险行为数据，发现外卖配送骑手在送餐过程中存在闯红灯、逆行、使用手机的风险行为且比率较高，尤其是闯红灯率高达59.763%,远远高于现有研究中的普通电动自行车闯红灯率。对不同外卖平台之间骑手风险行为比率的差异性进行了分析，发现不同平台之间的风险行为不存在显著差异。对骑手风险行为比率的时间性差异进行了分析，发现使用手机行为发生较多的时段为10:30—11:30，较低的时段为18:00—19:00。通过皮尔森相关系数分析方法分析了美团外卖配送骑手的闯红灯率与通过量之间的相关性，发现美团外卖配送骑手在信号交叉口的闯红灯率与订单量之间存在正相关关系。基于上述研究结论，对外卖配送骑手存在较高风险行为比率的原因进行了讨论，并提出建议，为相关部门完善管理制度提供了理论基础。由于研究采用的是人工观察调研的方法，难以考虑外部变量因素的影响。因此，在后续的研究中应考虑引入外部变量，针对交通参与者、交通环境、信号路口设计特征等因素对外卖配送骑手的交叉口风险行为影响进行深入分析，同时应对配送骑手的心理进行分析，探讨骑手具有较高风险行为倾向的心理因素。