两轮电动车变向行为分析

朱燕华 宇仁德 崔淑艳 王恺丽 田瑛 杨苗会

摘要：为了研究两轮电动车变向行为，此文对572份调查问卷进行量化分析，随后利用层次分析法（AHP）得到变向行为各特征权重。结果表明，青年人群体更倾向于骑两轮电动车出行；配置转向灯有助于培养骑行者变向前打转向灯的习惯，提高骑行的安全性。根据AHP，此文得到各特征权重占比，将较为复杂的变向行为特征进行了量化，研究结果为后续两轮电动车微观行为等研究提供一定的理论依据和参考。

关键词：两轮电动车；SPSS；变向行为；AHP

0    引言

截至2021年，据公安部统计，我国两轮电动车保有量高达3.4亿辆，其中电动自行车保有量达3.25亿辆[1]。以电动自行车为首的两轮电动车颇受人们的喜爱，两轮电动车也逐渐成为中短途出行的交通主力军。两轮电动车转向灵活、行驶速度快的特性使得两轮驾驶员参与交通时交通安全意识淡薄，经常出现不遵守交通规则，随意在道路上穿行、逆行等情况。在混合交通中，一旦发生交通事故，对两轮电动车骑行者将造成极大的伤害。通过对电动自行车的交通事故研究，我们发现，大部分事故是由于骑行者违反交通的行为所造成的。在两轮电动车的相关研究中，由于电动自行车所占比例最大，所以以电动自行车为主体研究对象的文献相对更多。肖向良[2]在研究与电动自行车事故严重程度有关的因素中发现，最重要的因素是骑行者年龄和违法行为。不靠右侧行驶、逆向行驶、超速行驶等违法行为更易造成严重事故的发生。为了避免悲剧的发生，除了事后对交通事故进行分析外，学者们更期望能够通过分析两轮电动车的骑行特性，改善交通环境，避免悲剧的发生。李星星[3]以自行车、电动自行车和电动轻便摩托车为非机动车主要研究对象，参考机动车定义非机动车虚拟行车道、跟车行为和车道变换行为，以车辆间应保持的最小安全车头间距构建非机动车的跟车模型，以Gipps的车道变换模型为基础构建非机动车的车道变换模型。曹士强、边扬、荣建等[4]运用视频录像调查方法，在非机动车专用道上采集非机动车骑行行为信息，并提取其行为特征，建立基于道路交通环境的非机动车骑行行为特征模型，其预测效果较为理想。韦凌翔、王永岗、李文文等[5]利用视频录像调查方法，对盐城市道路信号交叉口、左转电动车进行数据采集，并对左转电动自行车行驶的横向位置分布规律、纵向蛇行运动轨迹进行系统分析，为改善城市道路信号交叉口左转电动自行车安全性、降低交通事故提供较为可靠的科学理论和数据支撑。

查阅以往对两轮电动车的研究资料发现，针对其交通特性的研究较为丰富，但对于具体的违法行为，例如随意变向方面，未进行深入探讨。但在现实情况中，由于两轮电动车经常违法占道，而在混合交通中随意变向行为极具危险性，因此本文通过对调查问卷结果进行分析来研究两轮电动车使用情况和变向特征。

1    问卷设计和调查方法

两轮电动车变向行为具有随机性，为了初步了解骑行者在变向时存在的行为特征情况，本文首先采用访谈法，对少数主体进行非结构化访谈，随后根据访谈内容设计“两轮电动车在骑行过程中行驶方向变化特征调查问卷”。本次问卷采用线上调查方式，由问卷星制作完成并发布，自2022年9月15日至2022年9月30日，历时半月共收集572份问卷结果，经数据预处理所有问卷均有效。

2    调查结果与分析

2.1    两轮电动车使用调查

2.1.1    基本信息调查结果

本次调查共有572份有效问卷，问卷用户中女性群体占比55.8%，18～44岁青年人群体占比82.2%，60岁及以上老年人群体占比最少，仅为2.3%。因此，本次问卷调查用户主要为青年人群体，这与实际生活中两轮电动车使用群体基本相符。

2.1.2    出行目的

根据出行需要，两轮电动车的出行目的被分成7种情况，本文用SPSS对其進行多重响应操作[6]。从图1可以看出，高达55.2%的用户选择骑两轮电动车上下班，49.3%的用户选择骑两轮电动车外出购物，说明两轮电动车在人们日常生活中发挥着重要作用，成为人们出行必不可少的交通工具之一。

2.2    两轮电动车的转向情况

2.2.1    变向原因分析

在分析变向行为之前，我们需要对变向的原因进行简单了解，根据访谈结果，从骑行者主观因素和道路条件等客观因素两个层面设置该问题。从表2中可以看出，在变向原因这项多选题中，有424人会因为前方路口需转向而选择变向，有367人会因为前方路况不好（如有障碍物）需绕行而选择变向，有143人会因为超越前车、追求速度而自由变向，有139个人会因为前方无车、自由骑行而自由变向。从以上数据分析可以看出，道路环境等客观因素是引起大多数人选择变向的原因，因此研究变向行为不单单要考虑人车的行为，还要关注周围环境因素。为减少两轮电动车变向所引起的交通事故量，完善非机动车道系统、保障两轮电动车路权是一项不可忽略的举措。

2.2.2    变向习惯分析

由于两轮电动车在骑行过程中处于人车一体的状态，所以我们既需要考虑两轮电动车自身客观配置条件，又得考虑骑行者的行为和骑行习惯。考虑到机动车变向前强制规定需提前打转向灯示意周围车辆，因此对于两轮电动车我们也增加了该问题考量。在配置上，考虑到两轮电动车型号颇多，质量也良莠不齐，因此我们在问卷中设置了“您所骑行的两轮电动车是否有转向灯”这一选项，得到的结果却不尽如人意，572人中配置有转向灯的仅占62.1%，这说明两轮电动车变向安全存在很大的隐患。为了进一步探究两轮电动车配置转向灯与变向习惯的关系，我们建立了转向灯配置与使用问题交叉表（见表3）。

交叉表的相关性检验结果表明，p值为0.000，小于显著性水平0.05，这说明两轮电动车的转向灯配置情况与骑行者转向习惯之间显著相关。建立百分比堆积柱形图加以分析，结果表明，当两轮电动车配置转向灯时，80.5%的骑行者在变向前会有提前打转向灯的习惯；而当两轮电动车未配置转向灯时，63.0%的骑行者在变向前没有示意的习惯（见图2）。由此说明，配置转向灯对提高骑行者安全行驶有一定的影响；有助于培养骑行者变向前打转向灯的习惯，提高骑行的安全性。

2.2.3    变向行为分析

在研究两轮电动车变向问题时，我们先对变向前的身体行为和车辆运行行为进行多重响应分析，初步分析变向前的行为特征占比情况。由图3所示，在本次调查中，85.1%的问卷用户会在变向前有转头观察的身体行为，极少数用户在变向前不会采取任何行为，因此根据问卷结果可以将转头观察作为研究骑行者变向前身体行为的主要特征。

由图4所示，根据变向前的车辆运行行为统计结果，87.8%的问卷用户在变向前会采取提前减速，21.0%的问卷用户会在变向前摆动车头，极少数用户在变向前无任何行为，因此根据问卷结果可以将提前减速和摆动车头作为研究变向前两轮电动车车辆运行的行为特征。

为了综合分析变向行为，我们利用多重响应交叉表，将变向前的身体行为特征和车辆运行行为特征进行交叉分析（见表4）。

通过对变向行为进行交叉分析，可知在变向行为中，高达77.4%的问卷用户在变向前既有转头观察的身体行为特征，也有提前减速的车辆运行行为特征；27.6%的问卷用户在变向前既有身体微微倾斜的身体行为特征，也有提前减速的车辆运行行为特征。分析结果，考虑到单一特征可能不足以表征变向行为，因此我们可以通过计算各特征权重，后续采取多特征组合来更有效地表征变向行为。

2.3    用AHP计算变向行为特征权重

层次分析法即Analytic Hierarchy Process（AHP），是美国匹兹堡大学A.L.Saaty教授于20世纪70年代初期提出的一种主观赋值评价方法[7]。本文利用AHP计算变向前的行为特征对变向的影响程度，给各项指标制定权重，便于后续进行进一步的研究。

2.3.1   构造判断矩阵

首先，我们根据SPSS 26得到问卷统计数据中8个行为特征的平均值。如表5所示，我们对各个特征两两配对进行重要性比对，采用AHP的1～9的重要程度标度。如表6所示，我们将比较判断定量化，构成判断矩阵。同时，我们将专家的定性分析转化为定量分析。其次，我们利用SPSSAU数据分析平台[8]对权重计算的方法进行判断矩阵的构造（见表7）。

2.3.2   AHP结果

利用和积法计算方法进行AHP研究。

1）将判断矩阵的每一列元素做归一化处理。

（1）

aij ——判断矩阵的元素，这里为变向行为特征项，i、j分别为行数和列数

n ——列数，为8

2）归一化的判断矩阵按行相加。

（2）

3）对向量  归一化。

（3）

4）计算 。

（4）

通过运行程序可获得相关分析结果，由表8可得8项特征值各自特征向量、权重值以及最大特征值（8.357）以及CI值（0.051），其中CI值将用于下一步的一致性检验。

2.3.3    一致性检验分析

利用AHP进行权重计算时，我们需要对其进行一致性检验分析，将一致性矩阵CR与0.1进行比较，若CR<0.1，则可认为判断矩阵的一致性可以接受；否则要对判断矩阵进行修改。一致性矩阵CR的计算公式如下。

（5）

表8已将CI值列出，因此我们需要查找对应的平均随机一致性指标RI[9]（见表9）。

由于本文中有8个特征，因此n=8，RI值为1.41。由公式得到CR=0.036<0.1，以此判断矩阵的一致性检验通过，计算所得权重具有一致性。则各项特征权重值成立。将由表8获得的权重值以直方图的形式展现出来，如图5所示。在各项特征中，提前减速的权重最大，占30.14%；转头观察次之，为28.27%；身体微微倾斜再次，为13.05%；除此之外，打手势权重为10.16%，摆动车头为8.71%，提前加速为4.29%；身体无任何行为和车辆运行无任何行为权重分别为2.46%、2.92%。通过计算各项特征的权重，我们可以将较为复杂的变向行为进行量化，根据不同骑行者的变向特点，总结规律，为车辆驾驶员提前判断两轮电动车的变向行为提供理论依据。

3    总结

两轮电动车在骑行过程中呈现出摇摆性、离散性、违章性等特征，常与机动车车流造成冲突，引发交通事故[10]。了解并研究两轮电动车的变向行为特征，有助于交通管理者进行交通规划、规范骑行者交通行为，降低碰撞风险，更好地保证人车安全。本文通过对两轮电动车变向行为问卷结果进行分析后得出以下结论。

1）目前，两轮电动车已成为人们出行必不可少的交通工具，尤其是为青年人群体带来极大的便利；

2）道路环境影响两轮电动车的出行行为，不安全的道路环境往往存在較大的安全隐患，容易引发骑行者的不安全行为；

3）两轮电动车是否配置转向灯影响骑行者的变向习惯，虽然《电动自行车安全技术规范》[11]中未强制要求配置转向灯，但从安全的角度出发，建议厂家为两轮电动车配置转向灯；

4）变向行为是一个较为复杂的微观行为，单一特征不足以表征该行为特性，考虑采用多特征组合综合分析来表征变向行为，利用AHP计算各特征权重值，比较各特征所占权重大小，得到各特征对变向行为影响程度，为后续数据采集特征筛选环节提供参考依据。

参考文献

[1]电动自行车交通安全综合治理线上研讨会成功举办[J].道路交通管理，2022（7）：6-7.

[2]肖向良.电动自行车道路交通安全事故严重性影响因素分析[J].公路与汽运，2020（6）：32-36.

[3]李星星.非机动车驾驶行为的微观交通仿真模型研究[D].南京：南京林业大学，2010.

[4]曹士强，边扬，荣建，等.基于道路交通环境的非机动车骑行行为特征研究[J].道路交通与安全，2015（4）：44-48.

[5]韦凌翔，王永岗，李文文，等.城市道路交叉口电动自行车左转安全特性分析[J].盐城工学院学报：自然科学版，2017（2）

11-15.

[6]周俊.问卷数据分析——破解SPSS的六类分析思路[M].北京：电子工业出版社，2017.

[7]谭跃进.定量分析方法[M].北京：中国人民大学出版社，2012.

[8]The SPSSAU project （2022）. SPSSAU. （Version 22.0） [CP/OL].https：//www.spssau.com.

[9]洪志国，李焱，范植华，等.层次分析法中高阶平均随机一致性指标（RI）的计算[J].计算机工程与应用，2002（12）：

45-47.

[10]YU S，YANG Z，YU B.Air express network design based on express path choice -Chinese case study [J].

Journal of Air Transport Management，2017，61：73-80.

[11]徐倩.GB 17761—2018《电动自行车安全技术规范》解读[J].中国质量技术监督，2019（3）：61-63.