公交驾驶员驾驶行为量表的编制及其信效度检验

李琼，王婷婷，张作博，汪勇杰

(1.长安大学 运输工程学院;2.西安市公共交通集团 营运安全部)

1 引言

世界卫生组织2018年发布的《全球道路安全现状报告》显示，每年高达135万人死于道路交通事故，且交通事故在致人死亡的众多因素中位列第八[1]。其中，90%以上的道路交通事故与驾驶员的驾驶行为有关[2]，职业驾驶员比私家车驾驶员的事故率高出49%[3]，27%的职业驾驶员在过去三年的驾驶过程中发生过交通事故[4]。根据《2019年交通运输发展统计公报》数据显示，2019年末全国公共汽电车69.33万[5]，按照公交行业公交车数与驾驶员1:2.1的比例推算，我国公交驾驶员数量约145万人。因此，研究基数庞大的公交驾驶员的驾驶行为，对降低道路交通事故率、提高道路交通安全具有重要意义。

目前，已有大量的研究聚焦私家车驾驶员驾驶行为量表的开发与修订[6]。Reason等[7]于1990年首次编制驾驶行为量表(Driver Behavior Questionnaire，DBQ)，该量表共包括50个题项，分为违规、错误和失误3个维度。Parker[8]等在原始DBQ量表中新增记忆力流失维度的同时对原始DBQ量表予以简化，形成了24题4维度的DBQ量表。Lawton等[9]将违规驾驶行为中对其他道路使用者表现出敌意或伤害的侵略性行为界定为攻击性违规，其余违规行为称为普通违规。不同国家的交通模式与文化背景的不同，致使DBQ量表的维度与题项设计不同。Lajunen[10]等研究表明，错误、注意力流失、普通违规、攻击性违规组成的4维度量表在芬兰、荷兰等具有较好的一致性。Özkan[11]等人在芬兰、英国、伊朗、荷兰、希腊、土耳其和伊朗，验证了攻击性违规、普通违规、错误3个维度量表表现出较好的适用性。郑东鹏等人[12]在Reason的原始DBQ基础上，保留了符合中国实际情况的27个题项，分为认知错误、违规行为、无意失误与记忆力流失4个维度。

与私家车驾驶相比，公交车的驾驶环境与驾驶要求完全不同。公交驾驶是一个重复且高强度的工作，驾驶员数年驾驶相同路线，每日肩负数百甚至上千乘客的出行安全，加之恶劣天气、交通拥堵、不配合的其他道路使用者，以及大量乘客和车厢内拥挤嘈杂的工作环境等，均会影响公交驾驶员的驾驶行为。然而，现有驾驶行为量表主要针对私家车驾驶行为，尚无真正反映公交驾驶环境的公交驾驶行为量表。本研究拟在郑东鹏等[12]的中国版DBQ的基础上，通过与公交驾驶员、车队队长等相关人员深度访谈，删除不适合公交驾驶环境的题项，新增符合公交运行场景的题项，并检验其在国内公交驾驶员群体中的信效度和有效性，形成符合我国公交驾驶环境的专用量表。

2 量表编制与数据采集

2.1 量表设计

为充分反映公交驾驶员的驾驶行为特征，通过与公交企业运营安全部门负责人、车队队长及5名15年公交驾龄的驾驶员进行深度访谈，删除中国版DBQ中的“在高速路上超速行驶”、“对刚驶过的道路记忆模糊”、“本想去目的地A，结果发现自己在通往目的地B的路上”等与公交驾驶环境不符或发生概率极低的题项；新增“门未关好起步或车未停稳开门”、“未到站上下客”、“高速进出站”等公交特有的驾驶场景。初步确定27个题项的预调查量表，其中18个题项来自中国版DBQ，9个新增题项来自本次访谈。采用李克特5级计分形式，1-5分别代表：从未发生、偶尔发生、有时发生、经常发生和总是发生。邀请25位西安市公交驾驶员对量表所有题项进行预调查，对公交驾驶员普遍认为的语义表达不清、不易理解、易产生歧义的题项予以修改，确保各题项内容的表述清楚、准确、易懂。

2.2 数据采集

以西安市某公交公司的在职公交车驾驶员为调查对象，通过问卷星平台获取调查数据，告知调查为匿名且调查结果只为研究分析所用，以便被调查者能够较好地配合并如实作答。调查时间为期一周，共回收问卷438份，剔除所有题目答案为同一选项的69份，有效问卷369份。其中，男性349名(94.57%)，女性20名(5.43%)，性别比例符合公交行业从业情况；年龄：22-25岁2.65%，26-35岁34.27%，36-45岁43.61%，46-60岁19.47%；公交驾龄：0-3年30.69%，4-10年35.67%，11-20年30.22%，21年以上3.43%；受教育程度：初中及以下15.58%，高中或中专61.68%，大专18.85%，本科及以上3.89%。此外，本次调查还包括平均每日驾驶时长、平均每日睡眠时长以及近3年发生是否发生公交事故等信息的采集。

3 数据分析

3.1 项目分析

使用SPSS26.0对各题项与总量表得分进行相关性分析。以各题得分与量表总分之间的相关系数均达到r>0.3，且相关必须达到显著水平(P<0.01)，作为题目的区分度指标依据[15]。删除相关系数为0.29的第3题后，结果如表1所示，各个题目与总量表得分的相关系数在0.32～0.67之间，且均达到显著水平，表明剩余的26个题项全部满足统计学意义，可全部保留做进一步分析。

表1 公交驾驶行为量表题总相关分析

3.2 探索性因素分析

对经过项目分析筛选后符合要求的26个题项，使用SPSS26.0进行探索性因素分析。采用主成分分析和正交旋转，得到取样适切性量数(Kaiser-Meyer-Olkin Measure of Sampling Adequacy，KMO)为0.901，且巴特利特球形检验结果达到显著性水平(P<0.001)，说明量表数据具有统计学意义，适合进一步做探索性因素分析。提取特征根>1的公因子4个，累计方差贡献率为55.98%。考虑同时满足提取因子的可解释性、避免某一因子低于3道题、每个题目共同度大于0.4、因子载荷大于0.4等约束，经过反复对比，删除8个题项。

对剩余的18个题项再次进行主成分分析，KMO为0.88，巴特利特球形检验达到显著性水平，表明具有统计学意义，可进一步做主成分分析。分析结果表明，共有4个因子的特征值大于1，且碎石图显示，从第5个因子开始，曲线变平缓，因此，提取4个因子比较合适。因子结构及载荷如表2所示，因子包括5个题目，可解释总方差的32.18%。该因子下的各题项均属于在驾驶活动过程中，对接收到的信息判断和加工处理过程出现错误而引发的不良行为，因此命名为错误驾驶；因子2包括5个题目，解释了总方差的9.30%，均是公交驾驶员未遵守公交企业规定的安全服务准则的行为，因此命名为失误驾驶；因子3包括5个题目，解释了总方差的8.36%，均属于故意偏离行车系统安全准则要求的行为，因此界定为违规驾驶(violations)；因子4包括3个题项，解释了总方差的6.13%，因为均对其他交通参与者造成潜在的安全驾驶威胁，因此命名为攻击驾驶。以上4个因子累积方差解释率为55.98%。

表2 公交驾驶行为问卷因子及载荷值(去掉小于0.4的载荷值)

3.3 信度分析

已有研究表明，Cronbach's α系数达到0.7以上，则认为该量表各题目之间的一致性较好，测量结果可靠。修订后的公交驾驶员驾驶行为量表Cronbach's α系数见表3。总量表的Cronbach's α系数为0.87， 4个维度的内部一致性系数范围为0.72-0.79，表明编制的公交驾驶员驾驶行为量表具有良好的信度。

3.4 效度分析

根据探索性因子分析的结果，采用皮尔逊相关分析对新编制的公交驾驶员驾驶行为量表中的4个因子与总量表之间进行相关性检验，结果见表3。由表3可知，各因子与总量表的相关性达到显著性水平，即4个因子所测内容与总量表所测内容之间具有较高的一致性，说明编制的公交驾驶员驾驶行为量表的内容效度较好。

表3 量表各因子与总量表得分之间的相关性

3.5 验证性因素分析

运用AMOS25.0对公交驾驶行为量表进行验证性因子分析，结果见表4。与三因子和单因子相比，4因子模型拟合结果最优，χ2/df的值为2.02，<3，适配理想；RMSEA为0.05，<0.06，适配理想；GFI为0.93，>0.9，结果适配良好；AGFI为0.90，>0.9，结果适配良好；CFI为0.93，>0.9，结果适配良好；IFI为0.94，接近0.9，结果适配良好；TLI为0.92，>0.9，结果适配良好。表明编制的公交驾驶行为量表4因子模型适配良好。

表4 公交驾驶行为验证性因子分析拟合指标

4 量表的有效性与适用性检验

为进一步检验编制的公交驾驶员驾驶行为量表的有效性与适用性，对各因子得分差异、人口学变量与各因子及总量表之间的相关性检验、驾驶员自我报告的近3年是否发生过公交事故与4个因子进行独立样本t检验。

4.1 各因子得分

根据调查数据，编制的公交驾驶员驾驶行为量表中各因子的平均得分，错误驾驶为1.24，失误驾驶为1.40，违规驾驶为1.16，攻击驾驶为1.38。公交驾驶员在失误驾驶的平均得分最高，其余依次攻击驾驶、错误驾驶和违规驾驶。说明公交驾驶员在失误驾驶与攻击驾驶因子所表征的驾驶环境下，发生不良驾驶行为的可能性更高。

4.2 人口学变量与驾驶行为

对公交驾驶员年龄、公交驾龄、教育程度、日均驾驶时间、日均睡眠时间与4个因子进行皮尔逊相关性分析，结果见表5。公交驾驶员的年龄与错误驾驶、违规驾驶和攻击驾驶以及总量表均显著负相关，表明驾驶员的年龄越大，发生错误驾驶、违规驾驶与攻击驾驶的概率越低。公交驾驶员的受教育程度与攻击驾驶显著正相关，表明驾驶员的受教育程度越高，其发生攻击性驾驶的可能性越大。日均驾驶时间与失误驾驶显著正相关，表明公交驾驶员平均每日驾驶工作时间越长，发生失误驾驶的可能性越高。公交驾驶员的日均睡眠时间与失误驾驶、违规驾驶显著负相关，表明驾驶员每日睡眠时间越短，出现失误驾驶、违规驾驶的可能性越高。

表5 人口学变量与驾驶行为量表的相关性

4.3 驾驶行为与交通事故

采用独立样本t检验分析公交驾驶员近3年发生过公交事故与未发生交通事故在4个维度的平均得分，结果见表6。

表6 近3年是否发生交通事故在量表中的差异

结果表明，发生与未发生交通事故在错误驾驶、违规驾驶与攻击驾驶上具有显著性差异。错误驾驶方面，发生过交通事故的均值为1.34，未发生交通事故均值为1.19，且通过了显著水平为0.001的显著性检验；在违规驾驶方面，发生过交通事故的均值为1.22，未发生交通事故的均值为1.13，通过了显著水平为0.05的显著性检验；攻击驾驶方面，发生过交通事故和未发生交通事故的公交驾驶员的均值分别为1.44和1.35，通过了显著水平为0.01的显著性检验。以上表明近3年发生交通事故的公交驾驶员，发生违规驾驶、错误驾驶与攻击驾驶与交通事故的发生显著相关，与Lawton等、郑东鹏等的研究结果一致。

5 讨论

虽然涉及公交车辆的交通事故较少，但一旦发生都会带来巨大的人员伤亡(例如，2018年重庆万州公交坠江造成15人死亡，2020年贵州安顺公交坠湖造成21人死亡)，社会影响极大。公交驾驶行为对于公交事故的预防和发生具有重要作用[15]。与私家车驾驶员相比，公交驾驶员因每日驾驶时间长、数年驾驶在同一条线路、面对大量乘客等，驾驶环境与驾驶行为有显著差异。因此，很有必要编制公交驾驶员驾驶行为量表。在借鉴郑东鹏等修订的中国版DBQ的基础上，充分考虑了公交驾驶员的工作环境与工作规范要求，删除不符合公交驾驶环境的题项，新增公交驾驶特有的驾驶行为考核题项，形成了27题的初始量表。通过对采集的369份有效样本的项目分析、探索性因子分析、验证性因子分析等，结果表明18个题项的4因子(错误驾驶、失误驾驶、违规驾驶与攻击驾驶)量表具有良好的信效度，可解释总方差的55.98%。

公交驾驶员发生不良驾驶行为的频率不高，很大可能由于公交企业对于驾驶员实行严格的安全监管，定期对驾驶员进行安全教育，通过视频监控及现场抽检等方式对公交驾驶过程中违反公司规定的异常驾驶行为实施严格的处罚制度，因此，公交驾驶员较其他驾驶员具有较好的驾驶行为规范。公交驾驶员的失误驾驶平均得分最高，其余依次为攻击驾驶、错误驾驶和违规驾驶。造成以上现象的主要原因在于，公交驾驶员保持单一姿势日均驾驶时间长，容易出现失误驾驶；因受到乘客与车外交通主体的多重影响，极易诱发攻击驾驶；公交驾驶员在上岗前进行严格的驾驶技术培训与岗前培训，驾驶员熟练掌握岗位操作流程及具备良好的驾驶技术水平，因此公交驾驶员错误驾驶频率低；公交驾驶员一旦出现违规驾驶行为，除较高的罚款外，一律停班下岗学习，培训合格后才可上岗，所以驾驶员发生违规的可能性较低。

公交驾驶员的年龄与错误驾驶、违规驾驶和攻击驾驶以及总量表均显著负相关，说明随着年龄的增长，驾驶员的错误驾驶、违规驾驶与攻击驾驶会逐渐减少，公交企业应加强年轻驾驶员在错误驾驶、违规驾驶与攻击驾驶方面的教育培训。公交驾驶员的受教育程度与攻击驾驶显著正相关，表明应加强对高学历驾驶员的攻击性驾驶行为管理。日均驾驶时间与失误驾驶显著正相关，表明可以从减少驾驶员的工作时长来降低失误驾驶行为的发生，同时应限制部分驾驶员的加班要求，防止因疲劳驾驶导致的失误驾驶行为。公交驾驶员的日均睡眠时间与失误驾驶、违规驾驶显著负相关，需要督促、提醒驾驶员保持充足的睡眠，以减少因睡眠不足引起的失误驾驶与违规驾驶。

近3年发生交通事故的公交驾驶员，发生违规驾驶、错误驾驶与攻击驾驶的次数高于未发生事故驾驶员，与Lawton、郑东鹏等人的研究结果一致。公交企业必须对驾驶员进行严格的教育培训，有针对性的开展公交驾驶员安全教育，减少不良驾驶行为的发生频率，进而降低交通事故率，保障城市公共交通安全。

6 结论

(1)本文编制的公交驾驶员驾驶行为量表由18个题项组成，分为错误驾驶、失误驾驶、违规驾驶与攻击驾驶4个因子。

(2)编制的公交驾驶员驾驶行为总量表内部一致性系数为0.87，各分量表内部一致性系数在0.72～0.79之间，具有较好的稳定性。4个因子与总量表之间的相关系数在0.67～0.77之间，P<0.05，表明该量表具有较好的效度。

(3)公交驾驶员不良驾驶行为发生频率由高到低依次为，失误驾驶、攻击驾驶、错误驾驶与违规驾驶。

(4)近3年发生过交通事故的公交驾驶员，在违规驾驶、错误驾驶与攻击驾驶3个因子上得分偏高，与Lawton、郑东鹏等的研究结果一致。证实了编制的公交驾驶行为量表符合我国公交驾驶环境，且具有较好的有效性与适用性，可作为公交企业评估公交驾驶员驾驶行为与公交驾驶行为研究的有效测量工具。