电动两轮车风险驾驶行为及事故影响因素分析

doi:10.13229/j.cnki.jdxbgxb20180189

摘要/Abstract

摘要：

为探究电动两轮车风险驾驶行为产生的原因及其影响因素，通过问卷调查方式对183位电动两轮车骑行者进行问卷调查，经过探索性因素分析（EFA）得到了包括风险驾驶行为、情绪状态、利他主义、风险感知能力、驾驶自信和冒险意识的6因子结构模型。研究了统计学信息、6因子与交通事故之间的相互关系，构建了基于Logistic回归的交通事故预测模型，利用验证性因素分析（CFA）对该模型进行了验证。研究表明：日均里程、风险驾驶行为、工作时长、冒险意识是影响交通事故的重要参数。

关键词: 交通运输系统工程, 电动两轮车, 驾驶行为, 交通事故, 影响因素, 致因分析

Abstract:

In order to explore the causes and influencing factors of risky driving behavior of electric two-wheeled vehicles, a questionnaire survey was conducted among 183 electric two-wheeled cyclists. After exploratory factor analysis (EFA), a 6-factor structural model was established. These factors include risk driving behavior, emotion State, altruism, risk perception, driving self-confidence and risk awareness. The relationship between statistical information, the 6 factors and traffic accidents were studied to establish a traffic accident prediction model based on Logistic regression. This model was validated by the Factor Analysis (CFA). Research shows that daily mileage, risk driving behavior, working hours, risk awareness are important parameters affecting traffic accidents.

Key words: engineering of communication and transportation system, electric two?wheeler, driving behavior, road accident, influencing factors, cause analysis

中图分类号:

U121

江亮,贺宜. 电动两轮车风险驾驶行为及事故影响因素分析[J]. 吉林大学学报(工学版), 2019, 49(4): 1107-1113.

Liang JIANG,Yi HE. Risky driving behavior and influencing factors analysis for electric two⁃wheeler[J]. Journal of Jilin University(Engineering and Technology Edition), 2019, 49(4): 1107-1113.

图/表 5

表1

图1

表2

表3

表4

参考文献 17

1	全球电动车网. 2016年电动三轮产业发展大数据[EB/OL]. [2017⁃02⁃13]. http:∥.
2	YuS, YangZ, YuB. Air express network design based on express path choices–Chinese case study[J]. Journal of Air Transport Management, 2017, 61: 73⁃80.
3	高继东, 曾必强, 彭伟. 电动自行车与轿车碰撞中骑车人的伤害特征[J]. 吉林大学学报: 工学版, 2016, 46(6): 1786⁃1791.
	GaoJi⁃dong, ZengBi⁃qiang, PengWei. Cyclist injury in collision between car and electric bicycle[J]. Journal of Jilin University(Engineering and Technology Edition), 2016, 46(6): 1786⁃1791.
4	刘东, 韩凤春, 陈永胜. 灯控路口非机动车交通流运行特性研究[J]. 中国人民公安大学学报: 自然科学版 2004, 10(2): 89⁃92.
	LiuDong, HanFeng⁃chun, ChenYong⁃sheng. Study on traffic flow characteristics of non⁃motorized vehicle at light control intersection[J]. Journal of Chinese People’s Public Security University(Science and Technology), 2004, 10(2): 89⁃92.
5	XuJ, ChenL, WangD, et al. The backbone transportation network optimization problem of air express based on scale economies[J]. Advances in Transportation Studies, 2016, 3:61⁃74.
6	WaltonD, BuchananJ. Motorcycle and scooter speeds approaching urban intersections[J]. Accident Analysis and Prevention, 2012, 48: 335⁃340.
7	北京青年报. 去年北京电动二轮车共发生交通事故31404起[EB/OL]. [2016⁃04⁃05]. http:∥news.sohu.com/20160405/n443301797.shtml.
8	重庆日报. 重庆电动两轮车使用管理的调查该当如何管住？[EB/OL]. [2017⁃06⁃30]. http:∥cq.qq.com/a/20170630/015918.
	htm.
9	ReasonJ, MansteadA, StranlingS, et al. Errors and violations on the roads: a real distinction?[J]. Ergonomics, 1990, 33(10/11): 1315⁃1332.
10	AbergL, RimmoP A. Dimensions of aberrant driver behavior[J]. Ergonomics, 1998, 41(1): 39⁃56.
11	XieCheng⁃qiu, ParkerD. A social psychological approach to driving violations in two Chinese cities[J]. Transportation Research Part F: Psychology and Behaviour, 2002, 5(4): 293⁃308.
12	白云，石京. 北京市驾驶行为与影响因素分析[J]. 交通信息与安全, 2010, 28(2): 114⁃119.
	BaiYun, ShiJing. Driving behavior and influential factors study in Beijing[J]. Journal of Transportation Information and Safety, 2010, 28(2): 114⁃119.
13	刘霞. 驾驶人驾龄与交通事故相关性研究[D]. 西安：长安大学汽车学院, 2016.
	LiuXia. Study on correlation between driving experience and traffic accidents[D]. Xi’an: School of Automobile, Chang'an University, 2016.
14	TsengC M. Social⁃demographics, driving experience and yearly driving distance in relation to a tour bus driver's at⁃fault accident risk[J]. Tourism Management, 2012, 33(4): 910⁃915.
15	NohK H, RahC K, YoonY S, et al. Experimental approach to developing human driver models considering driver’s human factors[J]. International Journal of Automotive Technology, 2014, 15(4): 655⁃666.
16	LiXiao⁃ping, XieLi⁃juan, XuLan. Research on classification and restruction of express service quality elements based on Kano model[C]∥The 13th International Conference on Service Systems and Service Management (ICSSSM), Kunming, China,2016: 1⁃6.
17	MuhammadAlam,JoaquimFerreira,JoséFonseca. Intelligent Transportation Systems: Dependable Vehicular Communications for Improved Road Safety[M]. Berlin: Springer, 2016.

相关文章 15

[1]	吴文静,陈润超,贾洪飞,罗清玉,孙迪. 车路协同环境下路段掉头区域车辆协同控制[J]. 吉林大学学报(工学版), 2019, 49(4): 1100-1106.
[2]	曲昭伟,潘昭天,陈永恒,陶鹏飞,孙迪. 基于最优速度模型的改进安全距离跟驰模型[J]. 吉林大学学报(工学版), 2019, 49(4): 1092-1099.
[3]	白乔文,曲昭伟,陈永恒,熊帅,陶楚青. 非严格优先权下无左转专用相位直行车辆轨迹模型建立[J]. 吉林大学学报(工学版), 2019, 49(3): 673-679.
[4]	李志慧,钟涛,赵永华,胡永利,李海涛,赵景伟. 面向车辆自主驾驶的行人跟踪算法[J]. 吉林大学学报(工学版), 2019, 49(3): 680-687.
[5]	曹宁博,赵利英,曲昭伟,陈永恒,白乔文,邓晓磊. 考虑双向行人跟随行为的社会力模型[J]. 吉林大学学报(工学版), 2019, 49(3): 688-694.
[6]	罗小芹,王殿海,金盛. 面向混合交通的感应式交通信号控制方法[J]. 吉林大学学报(工学版), 2019, 49(3): 695-704.
[7]	陈磊,王江锋,谷远利,闫学东. 基于思维进化优化的多源交通数据融合算法[J]. 吉林大学学报(工学版), 2019, 49(3): 705-713.
[8]	凃强,程琳,林芬,孙超. 考虑出行者风险态度的最优路径搜索[J]. 吉林大学学报(工学版), 2019, 49(3): 720-726.
[9]	尹超英,邵春福,王晓全. 考虑停车可用性的建成环境对小汽车通勤出行的影响[J]. 吉林大学学报(工学版), 2019, 49(3): 714-719.
[10]	陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676.
[11]	常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684.
[12]	曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693.
[13]	刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410.
[14]	宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[15]	刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

检验方法		数值
KMO检验		0.849
巴特利特球度检验	近似χ²	4149.884
	df	741
	Sig.	0.000

序号	问卷项目	因子
序号	问卷项目	1	2	3	4	5	6
1	日常工作强度	0.871
2	平时心态很放松	0.873
3	对已经发生的事情不担心	0.870
4	很容易适应新环境	0.873
5	担心坏事发生	0.871
6	担心所有的事情	0.869
7	遇事能保持冷静	0.876
8	很少抱怨	0.871
9	易发脾气	0.870
10	容易失落	0.868
11	喜欢刺激		0.868
12	喜欢尝试新事物		0.871
13	做事方式直接		0.871
14	做事不考虑后果		0.868
15	从不尝试滑翔和蹦极等危险运动		0.871
16	乐于帮助别人			0.873
17	人缘好，受欢迎			0.874
18	乐于关心其他人			0.873
19	与别人相处有困难			0.870
20	不喜欢为他人的事情浪费时间			0.871
21	不喜欢嘈杂热闹的音乐			0.870
22	22.即便在陌生道路上行驶，我也可以处理任何突发状况				0.872
23	我有能力处理行驶中的任何危险状况				0.873
24	与两侧高速行驶的车辆并排骑行				0.866
25	与前面车辆距离过近以至紧急情况难以停下来				0.867
26	不注意观察，骑车从支路直接插到主路上				0.867
27	拐弯速度过快以至失控					0.867
28	骑车不仅是为了送快件也是为了乐趣					0.870
29	骑（电动）摩托车让我很放松					0.869
30	为图方便，认为可以逆向行驶					0.865
31	认为如果车技好，可以超速					0.865
32	认为道路条件好，可以超速					0.865
33	直行或转弯时，不看后视镜观察后方情况						0.866
34	骑车转弯时不看红绿灯						0.867
35	为赶时间，在狭窄的车辆缝隙之间钻行						0.865
36	喜欢比其他车辆骑得更快						0.867
37	在晚上或者凌晨超速骑行						0.866
38	酒后骑车						0.868
39	骑车闯红灯						0.866

序号		1	2	3	4	5	6	7	8	9	10
1	年龄
2	从业年限	0.227
3	日均骑行次数	0.073	0.204
4	日均里程	0.045	0.068	0.009
5	工作时长	0.025	0.010	0.085	0.016
6	风险驾驶行为	0.045	0.059	0.037	0.030	0.136
7	正面情绪状态	0.016	0.044	0.110	0.117	0.085	0.089
8	利他主义	0.045	0.004	0.086	0.077	0.136	0.036	0.046
9	风险感知能力	0.041	0.019	0.027	0.007	0.034	0.047	0.085^*	0.024
10	驾驶自信	0.004	0.080	0.083	0.041	0.077	0.059	0.022	0.014	0.014
11	冒险意识	0.036	0.074	0.064	0.111	0.028	0.090	0.013	0.035	0.047	0.020

变量	B	Wals	Sig.	Exp (B)
风险驾驶行为	0.947	6.582	0.010	2.579
正面情绪状态	1.058	4.316	0.038	2.880
利他主义	-0.367	0.685	0.408	0.693
风险感知能力	0.326	0.886	0.347	1.386
驾驶自信	-0.375	0.731	0.393	0.687
冒险意识	0.055	0.019	0.891	1.056
年龄	0.053	0.731	0.393	1.055
从业年限	0.007	0.010	0.920	1.007
日均送快件数	0.000	0.003	0.956	1.000
日均里程	-0.043	0.836	0.360	0.958
工作时长	0.094	0.147	0.701	1.098