公交驾驶员心理状况影响因素分析与疾病判别模型

张名芳，马艳华，吴初娜，王力

（1.交通运输部公路科学研究院，运输车辆运行安全技术交通运输行业重点实验室，北京 100088；2.北方工业大学，城市道路智能交通控制技术北京市重点实验室，北京 100144）

0 引言

公共交通是目前我国人员出行选择的重要方式，公共交通安全关系到国民经济的健康发展和社会的和谐稳定[1]。交管部门相关数据统计表明，道路交通事故致因90%以上为驾驶人因素，少部分为车辆因素、道路因素[2]。现阶段我国公交驾驶员作为城市公共交通重要的服务群体，日常驾驶过程中工作责任重、工作强度大、驾驶姿势单一[3]，同时，早、晚高峰交通环境不佳，使得心理健康问题较为严重[4]。因此，公交驾驶员心理状况分析与疾病判别研究具有重要的现实意义。

公交驾驶员的某些人格心理特性在特定环境下易导致交通事故的发生。国内外学者针对公交驾驶员的职业压力、工作疲劳、组织认同感、驾驶愤怒等心理特性展开大量研究。在职业压力方面，MARGHERITA等[5]采用巴雷特冲动性量表(Barratt Impulsivity Scale,BIS)和艾森克人格问卷(Eysenck Personality Questionnaire-Revised，EPQ-R)对公交驾驶员的职业压力进行主观评估，但未提出针对公交驾驶员职业压力的干预措施。朱春莹等[6]采用一般情况调查表、心理身体紧张松弛测试表(Psycho Smotic Tension Relaxation Inventory，PSTRI)、压力测试问卷以及艾森克人格问卷，调查杭州市243名公交驾驶员，分析公交驾驶员职业压力状况的影响因素，探讨有效改善公交驾驶员职业压力的应对策略。在工作疲劳方面，史晨军等[7]构建基于扩展计划行为理论的驾驶员疲劳驾驶行为结构方程模型，探究驾驶员工作疲劳原因，但该模型的适用性较差，仅适用于单一心理特性分析。在工作疲劳和组织认同感方面，马雪铭等[8]选用马氏工作倦怠量表(Maslach Burnout Inventory-General Survey, MBIGS)、组织认同感问卷(Organizational Identification Questionnaire, OIQ)以及驾驶行为问卷(Driving Behavior Questionnaire,DBQ)对城市公交驾驶员展开问卷调查研究，使用因果逐步回归分析和中介检验探究公交驾驶员工作倦怠和组织认同感对不良驾驶行为的影响机制，然而，逐步检验法会错过一些实际存在的中介效应，导致所探究影响机制有效性降低。在驾驶愤怒方面，林庆丰等[9]基于原始驾驶愤怒量表和客运驾驶员愤怒量表设计公交驾驶员驾驶愤怒量表，探究公交驾驶员驾驶愤怒的诱因，但设计量表时未考虑公交驾驶员内源性心理因素。万平等[10]在交通繁忙路段开展基于道路事件刺激的愤怒情绪诱导限时实验，以获得驾驶员愤怒与中性情绪下的驾驶行为数据，提出基于支持向量机的愤怒驾驶状态检测模型，对“路怒症”实现有效干预，但该模型仅适用于解决二分类问题，对于多分类问题需构建多个分类器的组合，模型计算量较大。

综上，国内外现有研究主要针对公交驾驶员的单一心理特性进行评估和分析，未对多个心理特性间的关系进行深入挖掘，探索公交驾驶员心理特性对心理疾病的影响。因此，本文在已有心理特性研究基础上，设计公交驾驶员心理健康状况调查问卷，分析心理状况影响因素，构建基于K-means 聚类算法的心理疾病判别模型，并进一步利用多元Logistic回归模型探究不同心理疾病类型的主要影响因素，提出相应的干预机制。

1 公交驾驶员心理问题调研

1.1 调研对象

本文采用随机抽样方法，对北京市某公交公司400 名公交驾驶员进行随机抽样问卷调查，共发放纸质问卷200 份，回收问卷195 份，抽检率为48.8%。剔除无效问卷5 份，共获得有效问卷190份，有效样本率为97.4%。

1.2 调研工具

本文借鉴已有的一般健康问卷(General Health Questionnaire 12，GHQ-12)、症状自测表(Symptom Check List 90，SCL-90)、驾驶行为问卷(DBQ)、组织认同感问卷(OIQ)、客运驾驶员驾驶愤怒量表、工作倦怠量表(MBI-GS)、艾森克人格问卷(EPQ-R)以及PSTRI 压力测试问卷，从公交驾驶员的基本信息、身体状况、生活状态、驾驶行为、组织认同感、人格冷怒及职业压力与工作倦怠这7个方面设计问卷，汇总得到558 个问题。进一步结合我国特有的公交驾驶环境现状(道路拥挤、乘客众多造成公交驾驶员心理负荷重)，剔除与公交驾驶员工作特性相关度不高的问题，避免问卷题量过大引发驾驶员抵触情绪，筛选出40个问题，生成公交驾驶员心理健康状况调查问卷。经检验问卷的取样适切性量数(Kaiser-Meyer-Olkin Measure of SamplingAdequacy，KMO)为0.801，具有较高的效度，说明调查问卷设计科学。将调查问卷发放给北京市某公交公司驾驶员群体使用，并回收有效调查问卷。

(1)基本信息问卷

公交驾驶员基本信息问卷包含：公交驾驶员的性别、年龄、文化程度及工作年限[11]。本文将公交驾驶员年龄分为：[20，30]岁、[31，40]岁、[41，50]岁、[51，65]岁；文化程度分为：中专、大专、本科；将工作年限分为：(0，5]年、[6，10]年、[11，20]年、[21，45]年。

(2)身体状况问卷

公交驾驶员身体状况问卷参考一般健康问卷(GHQ-12)[12]进行设计，共9 题。该问卷采用5 点计分法：0表示“严重”；1表示“偏重”；2表示“中等”；3表示“很轻”；4表示“从无”。以问卷总分作为公交驾驶员身体状况得分，得分越高代表驾驶员身体状况越健康。根据得分情况将公交驾驶员身体状况分为4 个等级：[0，9]分为很差，[10，18]分为欠佳，[19，27]分为一般，[28，36]分为良好。

(3)生活状态问卷

根据公交驾驶员职业特性，由症状自测表(SCL-10)筛选得到公交驾驶员生活状态问卷，该问卷主要包括公交驾驶员的生活习惯和情绪等，共8题，采用4点计分法：0表示“总是”；1表示“经常”；2表示“有时”；3表示“很少”。以问卷总分作为公交驾驶员生活状态得分，得分越高代表公交驾驶员近期生活状态越好。根据得分分布情况以及所选计分方法指定分割点[13]将公交驾驶员生活状态分为4个等级：[0，6]分为很差，[7，12]分为欠佳，[13，18]分为一般，[19，24]分为良好。

(4)驾驶行为问卷

在MASLAC 等[14]提出的营运车辆驾驶人驾驶行为问卷基础上，结合我国公交驾驶员目前特有的驾驶行为现状设计驾驶行为问卷，共10题，采用李克特7分等级量表评分：0 代表“从不”；1 表示“偶尔”；2 表示“较少”；3 表示“有时”；4 表示“较多”；5表示“经常”；6表示“总是”。以总分作为个人驾驶行为得分，得分越高代表个人驾驶行为越规范。根据得分分布情况以及所选计分方法指定分割点将公交驾驶员驾驶行为分为4 个等级：[0，15]分为很差，[16，30]分为欠佳，[31，45]分为一般，[46，60]分为良好。

(5)组织认同感问卷

以MAEL 等[15]开发的社会组织内部认同问卷为依据，设计公交驾驶员组织认同感问卷，共4题，采用李克特7 分等级量表评分：0 表示“从不”；1 表示“偶尔”；2 表示“较少”；3 表示“有时”；4 表示“较多”；5表示“经常”；6表示“总是”。得分越高表示驾驶员组织认同感越强，越认可自己的工作。根据得分分布情况以及所选计分方法指定分割点将公交驾驶员的组织认同感分为4 个等级：[0，6]分为低，[7，12]分为欠佳，[13，18]分为一般，[19，24]分为高。

(6)人格冷怒问卷

借鉴客运驾驶员驾驶愤怒量表[16]设计公交驾驶员人格冷怒问卷，将公交驾驶员人格特征分为冷静驾驶型与路怒驾驶型，共15 题，采用150 分制进行计分，[0，90]分判为路怒型人格；[91，150]分判为冷静型人格；分数越高表示公交驾驶员在日常驾驶工作中越冷静。

(7)职业压力与工作倦怠问卷

以马氏工作倦怠量表(MBI-GS)[17]、艾森克人格问卷(EPQ-R)[18]以及PSTRI压力测试问卷为参考，设计公交驾驶员职业压力与工作倦怠问卷，共10题，采用百分制计量法，得分越高表明驾驶员压力越大、倦怠性越高。根据得分分布情况以及所选计分方法指定分割点将公交驾驶员的职业压力与工作倦怠情况分为3个等级：[0，40]分为严重，[41，60]分为一般，[61，100]分为良好。

2 公交驾驶员心理状况影响因素分析

根据回收的公交驾驶员心理健康状况问卷结果分析心理状况影响因素，主要包括：年龄、性别、文化程度、工作年限、身体状况、组织认同、驾驶行为、生活状态、职业压力与工作倦怠、人格冷怒。

2.1 统计学分析

心理状况影响因素描述性统计如表1所示。由表1可知，调查群体中72.1%的公交驾驶员年龄在[31，50]岁，年龄为[20，30]岁的年轻公交驾驶员仅占3.2%；男性公交驾驶员相对较多，共有173人，占比91.1%；文化程度以专科为主，中专和大专分别占比43.2%、41.1%，本科人数较少；工作年限为[11，20]年的公交驾驶员占比37.9%，而工作年限为[21，42]年的公交驾驶员仅占16.3%。

表1 心理状况影响因素描述性统计表Table 1 Descriptive statistical table of influencing factors of psychological status

公交驾驶员身体状况问卷得分显示，[28，36]分数段占比63.2%，表明驾驶员的身体状况普遍较好。通过分析不同年龄段公交驾驶员的身体状况发现，随着年龄增长，公交驾驶员的身体健康水平有一定程度的下降，导致这种情况的部分原因是长时间注意力高度集中的驾驶工作。

公交驾驶员的组织认同感调查问卷得分显示，78.9%的公交驾驶员在[13，18]分数段内，而[19，24]分数段仅占13.7%，表明大部分公交驾驶员的组织认同感一般。

公交驾驶员驾驶行为调查问卷得分显示，[31，60]分数段占比96.4%，表明大部分公交驾驶员驾驶行为规范，没有极端不规范情况存在。通过分析不同工作年限公交驾驶员的驾驶行为得分等级发现，工作年限越长，驾驶行为越规范。

公交驾驶员生活状态问卷得分显示，[13，24]分数段占比86.9%，表明大部分公交驾驶员近期作息规律、心情愉悦，即生活状态良好。

公交驾驶员职业压力与工作倦怠调查问卷分析结果显示，[0，40]分数段占比73.7%，说明大部分公交驾驶员的职业压力和工作倦怠程度普遍较轻，即心理压力较小、身心轻松。

公交驾驶员人格特征问卷调查结果显示，[90，150]分数段占比90.5%，说明大部分公交驾驶员表现为驾驶冷静型，较少的公交驾驶员表现为路怒驾驶型。

2.2 相关性分析

为提取有效的心理状况影响因素，采用皮尔逊相关分析对初选的10个影响因素(年龄、性别、文化程度、工作年限、身体状况、组织认同感、驾驶行为、生活状态、职业压力与工作倦怠以及人格冷怒)进行相关性检验，结果如图1所示。

一般情况下，相关系数的绝对值越大，相关性越强。通常认为：[0.0，0.2)为无相关；[0.2，0.4)为弱相关；[0.4，0.6)为中度相关；[0.6，0.8)为强相关；[0.8，1.0]为极强相关。由图1可以看出，人格冷怒和职业压力与倦怠显著相关(p＜0.01)，且为负极强相关(相关系数为-0.89)；人格冷怒与驾驶行为显著相关(p＜0.01)，且为正极强相关(相关系数为0.81)；人格冷怒与身体状况显著相关(p＜0.01)，且为正强相关(相关系数为0.71)；人格冷怒与生活状态、组织认同感显著相关(p＜0.01)，且为正中度相关(相关系数分别为：0.58、0.48)。职业压力与工作倦怠和生活状态、身体状况显著相关(p＜0.01)，且为负强相关(相关系数分别为：-0.61、-0.62)；职业压力与工作倦怠和驾驶行为、组织认同感显著相关(p＜0.01)，且为负中度相关(相关系数分别为：-0.56、-0.57)。即人格冷怒和驾驶行为、身体状况、生活状态、组织认同感显著正相关，相关性较强；职业压力与工作倦怠和生活状态、身体状况、驾驶行为、组织认同感显著负相关，相关性也较强。因此，构建心理疾病判别模型时排除与多个影响因素均呈较强相关性的人格冷怒和职业压力与工作倦怠。

图1 心理状况影响因素相关系数Fig.1 Correlation coefficient chart of influencing factors of psychological status

3 公交驾驶员心理疾病判别与分析

3.1 基于K-means聚类算法的心理疾病类型判别模型

由于K-means 聚类算法思想简单、聚类效果好、聚类速度快、在数据挖掘方面应用广泛，因此，本文从年龄、性别、文化程度、工作年限、身体状况、组织认同感、驾驶行为、生活状态维度建立基于Kmeans 聚类算法的心理疾病判别模型，以划分公交驾驶员的心理疾病严重程度类型。

K-means聚类算法[19]思想：对于给定的样本集，按照样本x之间的距离大小，将样本集划分为k个簇，最小化簇内点之间的距离，最大化簇间距离。假设样本簇划分为（C1,C2,…,Ck），则K-means 算法的目标为最小化平方误差E，即

式中：μi为簇Ci的均值，表达式为

本文利用轮廓系数法求解K-means 聚类算法的k值，结果如图2所示。轮廓系数表示聚类后各类样本间的紧密程度和各类间的离散程度，轮廓系数值越大，聚类效果越好。

由图2可知，k=3 时，轮廓系数值最大，聚类效果最好。故本文利用K-means聚类算法将190名公交驾驶员的心理疾病严重程度划分为：心理状态良好型、轻度心理疾病型、严重心理疾病型3 种类型。算法先确定3个初始聚类中心，然后分别求解所有样本到3个聚类中心的距离，将每个样本的类别标记为距离该样本最近的聚类中心的类别，计算得到所有样本第1轮迭代后的类别，不断迭代至第13次迭代时，聚类中心不存在变动或仅有小幅度变动，实现收敛。

图2 轮廓系数Fig.2 Profile coefficient diagram

由于性别、年龄、文化程度和工作年限对公交驾驶员心理疾病类型的影响不明显，故本文在划分心理疾病类型时考虑身体状况、组织认同、驾驶行为以及生活状态，这几个影响因素的得分越高说明公交驾驶员患心理疾病的严重程度越轻。最终聚类中心如表2所示。

表2 最终聚类中心表Table 2 Final cluster center results

聚类结果显示：190名公交驾驶员中，心理状态良好型、轻度心理疾病型、严重心理疾病型公交驾驶员分别占比52%、34%、14%。

单因素方差分析结果如表3所示。

表3 聚类单因素方差分析结果Table 3 Results of cluster one-way ANOVA

由表3可知：年龄、性别和工作年限在0.05 显著性水平下是显著的；文化程度、身体状况、组织认同、驾驶行为和生活状态在0.001 显著水平下是显著的，即这8个影响因素对分类结果皆起显著性作用。

3.2 基于多元Logistic 回归的心理疾病类型分析模型

Logistic 回归分析[20]是一种广义的线性回归模型，常用于疾病自动诊断、数据挖掘等领域，例如，探讨引发疾病的危险，并根据危险因素预测疾病发生的概率等。Logistic 回归分析分为二元Logistic回归分析和多元Logistic 回归分析。二元Logistic回归模型中因变量只取两个值“1”和“0”；多元Logistic回归模型广泛用于研究多元因变量与自变量间的关系[21]。因此，本文采用多元Logistic 回归模型探究不同心理疾病类型的主要影响因素。

以8 个影响因素：年龄、性别、文化程度、工作年限、身体状况、组织认同、驾驶行为以及生活状态为自变量x；以3 种心理疾病类型：严重心理疾病型、轻度心理疾病型以及心理状态良好型为因变量Y，构建多元Logistic回归模型，即

式中：i为心理疾病类型编号，i∈{0,1, 2} ；hi（x）为自变量函数；P(Y=i|x)为驾驶员表现的第i种心理疾病类型的概率。假设患任一心理疾病的可能性不为0，即

式中：P(Y=0)为驾驶员有严重心理疾病的可能性；P(Y=1)为驾驶员有轻度心理疾病的可能性；P(Y=2)为驾驶员心理状态良好。3 种心理疾病类型的概率为

在最初的多元Logistic 回归模型中，对除人格冷怒和职业压力与工作倦怠这2 个相关变量外的所有变量进行分析，将对心理疾病影响较小的变量(sig大于0.05)排除在外，得到3个剩余变量：驾驶行为、生活状态和身体状况，然后，建立最终的基于多元Logistic 回归的心理疾病分析模型，结果如表4所示。由表4可知

表4 公交驾驶员心理疾病多元Logistic回归分析结果Table 4 Results of multivariate Logistic regression analysis of mental diseases of bus drivers

(1)将公交驾驶员心理状态良好型与严重心理疾病型比较发现，身体状况欠佳(B 为-5.716，sig 为0.024)、身体状况一般(B为-3.383，sig为0.004)的系数在0.05 显著水平下是显著的，系数均为负值，表明身体状况欠佳或者一般的公交驾驶员比身体状况良好的公交驾驶员患严重心理疾病的可能性更大；生活状态欠佳(B为-5.114，sig为0.009)、生活状态一般(B为-3.087，sig为0.014)的系数在0.05显著水平下是显著的，系数均为负值，表明生活状态欠佳或者一般的公交驾驶员比生活状态良好的公交驾驶员表现为心理状态良好型的概率更小。

(2)将轻度心理疾病型与严重心理疾病型比较：身体状况欠佳(B 为-3.087，sig 为0.001)的系数在0.001显著水平下是显著的，系数为负值，表明身体状况欠佳的公交驾驶员比身体状况良好的公交驾驶员患严重心理疾病的可能性更大；生活状态很差(B 为-5.236，sig 为0.003)、生活状态欠佳(B为-4.277，sig为0.001)的系数在0.01显著水平下是显著的，系数均为负值，表明生活状态很差或者欠佳的公交驾驶员比生活状态良好的公交驾驶员表现为严重心理疾病型的概率更大；驾驶行为欠佳(B为-4.017，sig 为0.048)的系数在0.05 显著水平下是显著的，系数为负值，表明驾驶行为较不规范的公交驾驶员比驾驶行为规范的公交驾驶员患严重心理疾病的概率更大。

本文利用Spearman 相关性检验进一步分析公交驾驶员驾驶行为、生活状态和身体状况对心理疾病类型影响的强弱程度，结果如表5所示。

由表5可知，公交驾驶员的身体状况、生活状态、驾驶行为与心理疾病类型的相关系数分别为0.382、0.253、0.579，说明这3 个因素与公交驾驶员的心理疾病类型显著正相关，与基于多元Logistic回归的心理疾病类型分析模型的结果一致。并且，心理疾病类型与驾驶行为的相关性最强，身体状况次之，与生活状态的相关性最弱。

表5 心理疾病类型主要影响因素相关性分析Table 5 Correlation analysis of main influencing factors of mental illness types

3.3 不同严重程度的心理疾病干预机制

结合3 个主要影响因素与各因素对心理疾病类型影响的强弱程度，针对公交驾驶员不同严重程度的心理疾病提出相应的干预措施，及时疏导公交驾驶员的心理问题，提高公交驾驶员的身心健康水平，促进公共道路交通安全的长期健康发展。

对于心理状态良好型公交驾驶员，身体状况和生活状态均良好，驾驶行为规范，无需过多外在干预。个人方面，可利用空闲时间发展一些兴趣爱好，例如，各种球类运动等；公交公司方面，不能因公交驾驶员一时心理状态良好而放松警惕，应坚持做好心理筛查工作，防患于未然。

对于轻度心理疾病型公交驾驶员，个人方面，可利用讲座形式进行知识分享，加强降低驾驶分心风险、调节“路怒”情绪等与公交驾驶员心理状态认知有关的培训和指导；公交公司方面，应多组织体育活动和户外团建活动，提高公交驾驶员身体健康水平，释放生活与职业压力，保持积极乐观的生活状态。

对于严重心理疾病型公交驾驶员，个人方面，可由专业心理治疗师对其进行小组或个人心理疏导；公交公司方面，可设立“情绪假”，当公交驾驶员由于身体、心情、家庭等因素情绪不佳，本人主动申请不上路时，应予以调休。同时，可考虑适当减轻对公交驾驶员的工作量要求，或均衡每日工作时间。

4 结论

本文通过分析公交驾驶员心理状况影响因素，构建心理疾病判别模型，并基于不同心理疾病类型的主要影响因素分析提出干预措施，得出如下结论：

(1)利用皮尔逊相关性分析研究心理状况各影响因素间的相关性，发现人格冷怒和驾驶行为、身体状况、生活状态、组织认同感显著正相关，职业压力与工作倦怠和这4个影响因素显著负相关，相关性均较强，故构建心理疾病判别模型时排除人格冷怒和职业压力与工作倦怠。采用K-means聚类算法对公交驾驶员心理疾病严重程度进行分类，分类结果显示，心理状态良好型、轻度心理疾病型、严重心理疾病型公交驾驶员分别占比52%、34%、14%。

(2)通过多元Logistic 回归模型探究公交驾驶员不同心理疾病类型的主要影响因素，发现身体状况、生活状态和驾驶行为对公交驾驶员心理疾病有显著的正向影响，即身体状况与生活状态越良好，驾驶行为越规范，公交驾驶员患心理疾病的概率越小；并且，心理疾病类型与驾驶行为的相关性最强，身体状况次之，与生活状态的相关性最弱。