城市出租车驾驶员违章行为研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇城市出租车驾驶员违章行为研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：在w纳总结出租车驾驶员无视交通标志标线、近距离跟驰、超速行驶和违规变道超车四类常见违章行为的基础上，编制了出租车驾驶员违章行为的四维量表，运用社会统计学的方法对量表进行了项目分析、探索性因子分析和相关的信度效度分析；最后运用此量表对驾驶员的违章行为进行了相关的调查分析和研究，结果显示大城市出租车驾驶员违章行为中超速行驶行为比较严重，尤其是“夜间驾驶速度快”和“黄灯期间加速通过交叉口”经常出现的概率分别高达60.4%和56.0%。在城市的出租车运营管理中，对驾驶员的这些违章行为应重点关注。

关键词：出租车驾驶员；违章行为；四维量表；信度分析；效度分析

中图分类号：F570 文献标识码：A

Abstract： Based on summarization of four types of common violations of taxi drivers， ignoring traffic signs and markings， car-following too closely， over-speeding， and illegal lane change and overtaking， its four dimensional table was complied. Furthermore， item analysis， exploratory factor analysis， and reliability & validity analysis of the table were finished with social statistical method. Finally， relative survey of illegal behavior of taxi drivers in metropolis were carried out with the table above， and from the analysis we can conclude that situation of over-speeding of taxi drivers is very serious， in which phenomena of“driving over-speeding at mid-night”and“accelerating to across the intersection during the yellow signal”are more frequent， the probabilities approach 60.4% and 56.0% respectively. So the operation management of taxi in metropolis should mainly focus on these illegal behaviors of taxi drivers.

Key words： taxi driver； illegal behavior； four dimensional table； reliability analysis； validity analysis

0 引 言

相关研究表明，出租车驾驶员日均工作时间超过15个小时，长时间、高负荷工作极易造成身体和心理疲劳[1]；网络约租车的出现，更加剧了出租车驾驶员的工作压力[2]。此外，出租车驾驶员对其驾驶技术自信、开车时需留意潜在客源、满足乘客随意上下车需求等特质，也更易诱发违章驾驶行为。这对城市道路交通流组织，以及城市交通安全造成了极大的负面影响。

出租车驾驶员由于其营运属性，驾驶目的有别于其他驾驶员，因此其行为表现也不同于一般驾驶员。Hua Cai等基于

11 800辆出租车车辆行驶轨迹的数据分析，给出了北京市出租车驾驶员行为的宏观特点和分布[3]，张梅玲等人通过编制量表对西宁市出租车驾驶员交通安全知识、态度、行为进行了分析[4]。杨玲玲等则通过调查数据、建立模型等手段，认为出租车跟驰间距较小，增加了事故发生的机率[5]。

此外，出租车驾驶员很多时候表现出的攻击性驾驶行为、危险性驾驶行为和愤怒驾驶行为等，对城市交通流的安全运行有着极大的危害[6-8]。挪威科技大学Hilde lversen等通过量表调查显示驾驶员的风险态度和风险行为对交通安全有很大的影响[9]；张琼通过量表设计一级指标风险认知、风险态度和风险行为来检测驾驶员违规行为及发现违规发生的原因[10]；李实振等对风险驾驶行为进行了更详细的分类研究，如危险性违规、情绪化违规、经验性违规和注意力失误等子行为[11]。骆勇等设计了攻击性驾驶行为的评测问卷，并找出产生攻击性驾驶行为的因子[12]。Y Yasak等人通过对土耳其驾驶员的愤怒驾驶行为进行研究，编制了测量愤怒驾驶行为的量表[13]。雷虎等人详细分析出愤怒情况下，驾驶员具体的行为方式，并研究了愤怒驾驶对交通安全的影响[14]。

通过设计量表能很好分析出驾驶员在驾驶过程中容易出现哪些违规行为，但这些研究的分析对象一般是普通驾驶员，对于出租车驾驶员，由于出租车驾驶员的行为，特别是违章行为特点有别于普通驾驶员，所以上述编制的量表不能准确分析出租车驾驶员的违章行为。

本研究通过查阅资料和对出租车驾驶员进行访谈的方式，对出租车驾驶员常见的违章行为进行总结，进而根据出租车驾驶员的违章行为编制出租车驾驶员违章行为量表，并通过调查数据检验量表的信效度[15]。最后以上海市杨浦区为例，用验证后的量表来对出租车驾驶员违章行为进行了分析和研究，具体研究思路如图1所示。

1 量表设计

为了解出租车驾驶员违章驾驶行为特点，查阅相关资料，对出租车驾驶员进行访谈，将出租车驾驶员违章行为整理成量表项目，在交通工程专业和心理学专业教师的共同指导下，对量表项目进行专业知识和语言表达上的修正，同时请三位驾驶经验丰富的出租车司机对量表进行初步的评定，观察能否准确理解量表所表达的信息，最终形成初步量表。初步量表包含四个维度，即四类常见违章行为：无视交通标志标线、近距离跟驰、超速行驶和违规变道超车。每类常见违章行为包含若干子项违章行为。量表共包含15项，每项采用4点积分方式：“从不”为0分，“偶尔”为1分，“经常”为2分，“总是”为3分。量表结构如表1所示。

2 量表分析

2.1 目分析

为提高量表的信度和效度，在对量表进行有效性分析之前，应对每个量表进行项目分析。

运用积距相关公式：

γ= （1）

式中：

γ：积距相关系数；

X：被试在某一测题上的得分；

Y：被试测验总分；

n：被试的总人数。

当相关性达到显著P0.4时，表明项目与总体量表的同质性较高，所要测量的心理特质越接近。

2.2 探索性因子分析

因子分析一般运用主成分分析法来求解。即通过坐标变换的手段，将原有的相关变量进行线性组合，转换成另一组不相关的变量，这样便得到量表的各个主成分。

进行探索性因子分析之前需要做巴特利特球度检验（Bartlett Test of Sphericity）和KMO检验（Kaiser-Meyer-Olkin），即检验量表中原有变量之间是否具有较强的相关关系。

巴特利特球度检验原假设为：原有变量的相关系数矩阵是单位阵。其检验统计量由相关系数矩阵行列式计算得到，且近似服从卡方分布。如果该统计量的观测值比较大，且对应的概率P值小于给定的显著性水平α，则应拒绝原假设，认为相关系数矩阵不太可能是单位阵，原有变量适合作因子分析；反之，原有变量不适合作因子分析。

KMO检验统计量是比较变量间简单相关系数和偏相关系数的指标，数学公式为：

KMO= （2）

式中，r 是变量x 和其他变量x 间的简单相关系数；p 是变量x 和其他变量x 间在控制了剩余变量下的偏相关系数。KMO统计量的取值在0-1之间。当所有变量间的简单相关系数平方和远大于偏相关系数平方和时，KMO值接近1。KMO值越接近1，表示变量间的相关性越强，原有变量越适合作因子分析。KMO值越接近0，意味着变量间的相关性越弱，原有变量越不适合作因子分析。

2.3 效度分析

效度即有效性，指量表所测量到的结果反映所想要研究内容的程度，测量结果与要研究的内容越吻合，则效度越高；反之，则效度越低。效度分为三种类型：内容效度、准则效度和结构效度。

2.4 信度分析

信度是对测量一致性程度的估计，信度系数越高表示该量表检测结果越一致、稳定与可靠，一般多以内部一致性来加以表示该测验信度的高低[16]。内部一致性信度分为分半信度和同质性信度。

求解分半信度之前，先将量表的项目按照序号的奇数和偶数分成两半，用皮尔逊积差相关公式计算其相关系数，当两部分方差相等，可以用斯皮尔曼―布朗公式加以校正，即：

r=2r /1+r （3）

式中：r 为两半分数间的相关系数，r为整个测验的信度值。

当两部分方差齐性检验呈不齐性时，采用弗朗那根公式：

r=21-S +S /S （4）

式中：S 和S 分别表示被试两半测验上分数的变异值，S 表示全体被试在整个测验上总得分的变异数。

一般用克朗巴哈α系数计算同质性信度，其计算公式为：

α= （5）

式中：k为评估项目数； 为k个项目相关系数的均值。

3 案例实证

首先，对表1的设计量表进行有效性验证。根据相关经验，量表的样本量与量表项目的比例应大于5∶1，且总体样本量不少于100份[15]。因此，在上海市杨浦区国顺东路26弄、国和路609号两个出租车集中的地方发放200份问卷，收回有效问卷187份，回收率为93.5%。被试对象群体为上海市出租车驾驶员，其中男性驾驶员为161名，女性驾驶员为26名；被试对象年龄最低为27岁，最高为59岁；驾驶年龄最低为3年，最高为26年。

利用统计学软件SPSS22.0对测的数据进行项目分析、探索性因子分析、效度分析和信度分析。

首先进行量表的项目分析，表1项目6和项目15相关系数分别为0.331和0.273，小于0.4，且不显著，故将其删除。其他各项目与总分之间显著性相关（显著性水平p

再进行探索性因子分析，运用SPSS软件对13个项目进行主成分因素分析，调查的数据KMO=0.87>0.80，表明变量间的相关性较强，原有变量适合作因子分析。

最后进行效度分析，通过对出租车驾驶员违章行为量表的各维度与总分之间进行相关性检验，来检验项目对测试内容取样的适当程度。由表2量表各维度与总分之间矩阵可知，四个维度与总分之间的相关性系数均大于0.75，且p

最后，对量表进行信度分析，计算量表的分半信度和克朗巴哈α系数，量表整体的分半信度为0.827，克朗巴哈α系数为0.836，超过了0.8，同时各子量表和各项目剔除后的克朗巴哈α系数都满足信度检验要求。因此，可以认为量表具有较高的信度。

根据前述有效性分析修正后的正式量表，对上海市出租车驾驶员进行问卷调查，共发放问卷387份，收回有效问卷364份，回收率为94.05%；其中男性驾驶员为330名，女性驾驶员为34名；被试年龄最低为26岁，最高为59岁；驾驶年龄最低为3年，最高为31年。

运用SPSS对调查数据进行统计分析，统计结果见表3。从中可看出在出租车驾驶员违章行为中“超速行驶”维度出现的概率平均达到89.27%，其均值、中位数和众数都较高，表示出租车驾驶员会“偶尔”或“经常”出现超速行驶概率较高，其中的第5项目“夜间行人和车都很少，为了工作效率，我会开的较快”和第13项目“在黄灯时间段内，加速通过交叉口”的偏度都小于0，其峰值都偏向较大得分值，且出租车驾驶员选择“经常”出现上述行为都分别占到了60.40%和56.00%，超过了一半。这说明出租车驾驶员在驾驶的过程中，最容易出现“超速行驶”的违章行为，尤其是夜间驾驶速度较快和在黄灯期间加速通过交叉口最为严重。另外，在“近距离跟驰”维度中的第7项目“没法超车时紧跟在前车后面”和“违规变道超车”维度中的第10项目“对驾驶技术的自信频繁变换车道”，驾驶员选择“经常”的概率分别为29.70%和27.50%，表示超过四分之一的出租车驾驶员会经常出现上述违章行为。不过，通过分析也可以看出，在“无视交通标志标线”维度中的第11项目“在没监控的路口，我会考虑闯红灯”驾驶员选择“从不”的概率高达95.60%，表示绝大部分出租车司机不会闯红灯。

4 Y束语

编制的出租车驾驶员违章行为量表符合心理测量学的标准，可以有效地检测出租车驾驶员违章行为，对规范驾驶员行为，保障交通安全具有积极的意义。本研究的实证案例仅局限于上海市出租车驾驶员，对全国城市出租车驾驶员进行适用性检验和其普适性有待进一步研究。此外，本研究只是检测出租车驾驶员的违章行为，并没用对违章行为出现的内在影响机理进行研究，这需要在后续的研究中加以综合考虑。

参考文献：

[1] 卢国良. 上海市出租车驾驶员交通安全流行病学研究[D]. 上海：复旦大学（硕士学位论文），2006.

[2] Simon Harding， Milind Kandlikar， Sumeet Gulati. Taxi apps， regulation， and the market for taxi journeys[J]. Transportation Research Part A： Policy and Practice， 2016，88：15-25.

[3] Cai H， Zhan X， Zhu J， et al. Understanding taxi travel patterns[J]. Physica A Statistical Mechanics & Its Applications， 2016，457：590-597.

[4] 张梅玲，毛辉青. 西宁市出租车驾驶员交通安全知识、态度、行为现况调查[J]. 青海医药，2011，41（7）：2-6.

[5] 杨玲玲，杨亦慧，侯晓宇. 城市出租车跟驰行为安全性分析[J]. 交通运输系统工程与信息，2011，11（S1）：115-119.

[6] 冯忠祥，刘静，李阳阳，等. 攻击性驾驶行为选择模型及影响因素敏感度分析[J]. 中国公路学报，2012，25（2）：106-112.

[7] 王健霖，常若松，孙龙. 危险驾驶行为量表的修订及信效度检验[J]. 人类工效学，2015，21（6）：47-49.

[8] Blankenship K L， Nesbit S M. Driving stimuli increases accessibility of aggression-related concepts in “angry” drivers[J]. Personality & Individual Differences， 2013，55（2）：135-140.

[9] Iversen H. Risk-taking attitudes and risky driving behavior[J]. Transportation Research Part F Traffic Psychology & Behaviour， 2004，7（3）：135-150.

[10] 张琼. 驾驶人安全意识评估研究[D]. 西安：长安大学（硕士学位论文），2010.

[11] 李实振. 北京市司机风险驾驶行为研究[D]. 北京：北京交通大学（硕士学位论文），2011.

[12] 骆勇. 道路交通中攻击性驾驶行为分析与研究[D]. 成都：西南交通大学（博士学位论文），2009.

[13] Yasak Y， Esiyok B. Anger amongst Turkish drivers： Driving Anger Scale and its adapted， long and short version[J]. Safety Science， 2009，47（1）：138-144.

[14] 雷虎. 愤怒情绪下的汽车驾驶行为特征及其对交通安全的影响研究[D]. 武汉：武汉理工大学（硕士学位论文），2011.

[15] Warren I， Hicks B， Kleberg， A， et al. The validity and reliability of the EValuation of INtervention Scale（EVIN）： Preliminary report[J]. Acta Paediatrica， 2016，105（6）：618-622.

[16] 金瑜. 心理测量[M]. 上海：华东师范大学出版社，2007.