高红丽1,2,3，高丽英4，范双双1,5
(1.西南交通大学 交通运输与物流学院，四川 成都 611756；2.西华大学 汽车与交通学院，四川 成都 610039； 3.汽车测控与安全四川省重点实验室，四川 成都 610039；4. 四川交通职业技术学院，四川 成都 611130； 5.四川(成都)两院院士咨询服务中心, 四川 成都 610041)
摘要： 结合我国当前实际驾驶环境，为解决防御性驾驶行为心理作用过程缺少定量描述方法的问题，在界定防御性驾驶行为内涵的基础上，提炼出防御性驾驶行为6因子:遵守规则不侥幸、保持安全空间、预估风险、专注不分心、引人注意和宽容礼让。借鉴国内外相关基于正向引导的驾驶行为量表，编制了防御性驾驶行为量表。基于计划行为理论构建了以行为态度、主观规范、知觉行为控制和过去防御性行为为预测变量，以行为意向为结果变量的分析模型。采用便利抽样和雪球抽样法，通过问卷星网上调查途径对部分非职业驾驶员进行了调查，调查内容包括过去防御性驾驶行为、TPB变量、个人基本信息，共获得有效问卷525份。对调查数据进行了可靠性分析和验证性因素分析。结果表明: 数据具有良好的信度和效度。采用探索性因子分析法验证了因子构面的合理性,模型拟合结果显示：主观规范对执行防御性驾驶行为的意向影响不显著，这一结果与之前研究得出的主观规范对负面行为影响比较显著，对正面行为影响不显著相一致；知觉行为控制(0.51)对行为意向影响最大，行为态度(0.18)和过去驾驶行为(0.17)可以一定程度对行为意向进行解释。
关键词： 交通安全；防御性驾驶行为；计划行为理论；非职业驾驶员；结构模型
随着道路交通环境的日益复杂化，机动车与汽车保有量逐年增加，机动车驾驶员数量持续增长，汽车交通事故发生数占机动车交通事故发生数比率常年居高不下，近5 a来维持在75%以上。
有关道路交通事故相关原因的许多研究结果表明[1-6], 人是导致交通事故的关键因素，驾驶员作为机动车辆的操纵者，是引发道路交通事故的最主要原因。
国内外对不安全驾驶行为进行了一系列相关研究。Parker等[7]研究发现风险态度越高越容易发生攻击性驾驶行为。Ulleberg等[8]分析发现青年驾驶员风险态度因素与风险驾驶行为之间均存在显著相关。李凤芝[9]参考了国外攻击性驾驶行为问卷量表，证明了其中文译本在国内有较好的适应性，随后李凤芝[10]通过问卷调查与结构分析，发现驾驶员具有攻击性驾驶行为的倾向表现。骆勇[11]构建了攻击性驾驶行为量表并进一步分析了A型人格与攻击性驾驶行为的相关性。贾云帆等[12]通过调查驾驶员愤怒量表与驾驶风格量表，发现驾驶员的攻击性驾驶行为与愤怒情绪呈正相关。国外有研究者结合计划行为理论(Theory of Planned Behavior，TPB)与驾驶行为问卷(Driving Behavior Questionnaire，DBQ)设计了驾驶分心的敏感性问卷(Susceptibility to Driver Distraction Questionnaire，SDDQ)来预测驾驶中导致分心驾驶的次任务[13]。Sullman等[14]基于计划行为理论，对212名英国驾驶员进行调查，研究了驾驶员在开车时使用手机发信息或打电话行为意向的强烈程度。
式中:D表示预定的数据包传输时延要求,即必须在时延D内将数据包传输至目的节点t。而elapsedtime表示数据包到达节点si已消耗的时间。因此,D-elapsedtime表示剩余时间remainingtime。
目前国内外针对正向驾驶行为也有相关研究。Özkan等[15]在DBQ的基础上，开发了衡量积极驾驶行为的量表，研究积极行为与违规、错误、攻击性、交通违规和事故之间的关系。在驾驶风格研究中，Harris等[16]通过亲社会性和攻击性驾驶调查量表(Prosocial and Aggressive Driving Inventory，PADI)，研究分析出亲社会驾驶行为与交通违规的相关性低于攻击性驾驶行为。陈文金[17]基于防御性驾驶提出了更公正的定量认定事故责任的方法。Shen等[18]利用Özkan与Lajunen的积极驾驶行为的中文译本探讨了我国驾驶员积极驾驶行为与人格的关系。
目前大多数研究着重偏向于驾驶员行为的负面导向分析，从正面引导相对很少。防御性驾驶行为是一种可以有效降低交通事故发生率及事故损伤度的正向驾驶行为，截至目前国内外尚未对防御性驾驶行为进行量化研究，同时当前防御性驾驶技术培训对象主要是运输公司的职业驾驶员，庞大的私家车驾驶群体对防御性驾驶并不了解。基于此，本研究将研究对象锁定为非职业驾驶员，在结合驾驶员心理变量基础上界定防御性驾驶行为基本概念，开发防御性驾驶行为量表(Defensive Driving Behavior Scale，DDBS)，通过问卷调查方法获取数据，对防御性驾驶行为影响因素进行定量分析。
中学生突出的特点是活泼好动，思想活跃，善于模仿，因此多媒体教学适合学生的特点，能调动学生学习的积极性，使学生产生学习英语的兴趣。因此为改善教学设施，应鼓励各学校经费方面在教育设备上予以倾斜，并鼓励教师尽量运用现代化教学手段。在英语课教学中，可以利用一些直观的手段如实物、挂图、直观教具、表情动作、简笔画、多媒体、录音、录像、投影、幻灯、电脑等教学设备进行教学活动，形象生动地展示教学内容。
我们首先从GPS数据中去除事件前的偏移。然后我们假设加速度仪每个分量的基线误差是时间的函数，并一般可用线性函数结合正弦函数表示：
购买干货、零食时，最好到规模大、信誉好、食品质量把关较严的商场或超市选购；包装食品要注意查看品名、厂家、保质期等，特别要观察是否新鲜，是否在保质期内，包装是否完整无损、有无鼓包（涨袋）及霉变等现象。不要购买和食用“三无”食品。
计划行为理论(TPB)是Fishbein和Ajzen在理性行为理论(Theory of Reasoned Action，TRA)的基础上提出的，该理论在各种行为研究中得到了广泛应用。根据计划行为理论，本研究提出防御性驾驶行为预测假设模型。模型将驾驶员对防御性驾驶行为的行为态度(Attitude toward Behavior, AT)、主观规范(Subjective Norm, SN)、 知觉行为控制(Perceived Behavioral Control, PBC)和过去防御性驾驶行为(Prior Defensive Driving Behavior, PDDB)作为预测变量，将行为意向(Behavior Intention，BI)作为结果变量。
结构方程模型整合了因子分析与路径分析两种统计方法，包含观测变量、潜在变量、误差项或误差变量间的关系。完整的结构方程模型涵盖两个基本模型：测量模型与结构模型。
测量模型由观测变量与潜在变量构成，通过测量模型可分析潜在变量与该系列观测变量的共变效果，测量模型大多数用回归模型表示，观测变量为自变量，潜在变量为因变量。量模型用矩阵表示，其公式如下：
X=ΛXξ+δ，
(1)
Y=ΛYη+ε，
(2)
式中，X为外衍潜在变量的观测变量；Y为内衍潜在变量的观测变量；ΛX为连结X对变量ξ的系数矩阵；ΛY为连结Y对变量η的系数矩阵；ξ为外衍潜在变量；η为内衍潜在变量；δ为变量X的测量误差；ε为变量Y的测量误差；δ与ξ，η，ε不相关；ε与ξ，η，δ不相关。
结构模型主要表示潜在变量之间的因果关系，作为因的潜在变量为外衍潜在变量，作为果的潜在变量为内衍潜在变量，因此结构模型又被称为因果模型与潜在变量模型。结构模型的矩阵方程式为：
η=Bη+Γξ+ζ，
(3)
式中，B为内衍潜在变量与内衍潜在变量间的回归系数矩阵；Γ为外衍潜在变量ξ对内衍潜在变量η的回归系数矩阵；ζ为外衍潜在变量对内衍潜在变量无法解释的残差项。
防御性驾驶概念最早由史密斯提出，并于1952年创办了全美第1个专业驾驶员培训公司，开发了“防御性驾驶培训”课程，随后此概念应用流行于英美等国家，现广为世界各国所采用。结合福建省某研究小组制作的推广视频，将防御性驾驶技术行为界定为：放眼远方，观察前方交通状况，提早预防交通事故；顾全大局，随时环顾所驾驶车辆四周的环境；留有余地，与前车保持安全距离，远离大货车；预估风险，根据周围的交通环境，预测可能发生的事故及危害性，提前做好规避措施；引人注意，通过鸣笛、开车灯、手势等方式提醒其他道路使用者[19]。
防御性驾驶行为是指驾驶员在驾驶全过程中(即驾驶前、驾驶中及驾驶后)始终保持主动防御心理，全面预估并有效搜索由于自己、其他道路交通参与者、车辆、道路及相关设施、不良气候等原因可能带来的显性、隐性风险，通过提前采取预防性操作措施，有效避免主动事故(因自己违规或过错引发交通事故)发生及不卷入被动事故(他人违规或失误引发交通事故)的一种安全驾驶行为模式。
基于防御性驾驶概念与防御性驾驶行为界定，参考积极驾驶行为量表的内容，将防御性驾驶行为设定为6个因子构面：遵守规则不侥幸、预估风险、保持安全空间、专注不分心、引人注意和宽容礼让。据此设计出防御性驾驶行为量表。
采用问卷调查方法，调查对象为非职业机动车驾驶员，其总体数量相当大，根据对应抽样调查公式计算得到最小样本数为385。
所有研究数据均应用SPSS 17.0统计学软件进行统计分析，计量资料以（±s）表示，行 t检验，计数资料以[n（%）]表示，行χ2检验，P＜0.05为差异有统计学意义。
本研究所用数据于2018年12月份调查获得。调查方法为通过“问卷星”发放问卷，由于问卷题项较多，为提高调查问卷的回收有效性，采用方便抽样法对作者微信、QQ和校内办公系统中不同时期结识且持有有效驾驶证的亲朋好友逐个发放调查问卷，在此基础上利用滚雪球方法获取更多调查问卷。采用反向题和答题时间两个标准筛选问卷共获取有效问卷525份。驾驶员驾驶行为影响因素包括个人社会属性、驾驶经验和个人安全意识等方面。本研究就个人基本社会属性和驾驶经验对被调查者进行统计，结果如表1所示。
式中，为弹体密度；ρt为靶体密度；对于钢或钨弹撞击岩石，λ≈2.5，α≈0.3～1，vp/vt≈1.5。
对DDBS各指标进行可靠性检验，用纠正题项的总相关系数(Corrected Item Total Correlation，CITC)纯化题项，CITC指每个题项与其他所有题项之和的相关系数，其指标值一般应不小于0.4，用克隆巴赫系数α检验测量题项的信效度。对防御性行为量表的调查样本进行信度检验，结果如表2所示，所有题项指标的CITC均大于0.4，各构面的α均大于0.75，表示样本具有较高的可靠性。
表1 调查数据统计结果
Tab.1 Statistical result of survey data
类别指标份数/份百分比%个人社会属性信息性别年龄婚姻家庭状况教育程度男33563.8女19036.218～30岁9518.131～40岁21841.541～50岁17633.551岁及以上366.9单身7213.7已婚无子女285.3已婚有子女42581.0高中/中专及以下479.0大专/本科26550.5研究生及以上21340.6个人驾驶经验信息实际驾龄年平均驾驶里程累计驾车里程每周平均驾车时间1 a以内5811.02～3 a 9417.94～6 a 9618.37～9 a 8416.010 a及以上19336.85 000 km以下13425.50.5～1万km13325.31～1.5万km11822.51.5～2万km5710.92万km以上8315.85 000 km以下7414.10.5～1万km366.91～1.5万km529.92～3万km428.03～5万km6612.65万km以上25548.65 h以下24446.55～10 h15529.510～15 h6612.615 h以上6011.4
TPB中的行为态度(AT)体现了驾驶员对防御性驾驶行为的评价，从降低事故率(AT1)、车辆油耗(AT2)、保险支出(AT3)、降低驾驶焦虑感(AT4)与增强信任度(AT5)5个方面分析对防御性驾驶行为的态度；从重要他人(SN1)、其他交通参与者(SN2)、主流媒体(SN3)与交管部门(SN4)4个主观规范方面分析外界压力对执行防御性驾驶行为的影响；从知觉行为控制(PBC)，从自主控制(PBC1)、驾驶习惯(PBC2)、促进作用(PBC3)与难易程度(PBC4)4个方面来分析对执行防御性驾驶行为的行为控制力；从自己未来行为意向(BI1)、对重要他人影响意向(BI2)、对其他驾驶员影响意向(BI3)和行为广泛宣传意向(BI4)4个方面设置题项分析防御性驾驶行为意向，并将防御性驾驶行为量表(DDBS)对调查对象最近1 a内防御性驾驶行为的调查数据设定为过去行为的观测变量，通过扩展TPB模型对行为意向的影响因素构建出基于TPB理论的SEM模型，提出以下8点假设：
定向医学生学习动机的得分为(4.373±0.043)，接近中等临界值。在各个维度上的由高到低依次为物质追求(4.693±0.057)、求知进取(4.672±0.056)、社会取向(4.354±0.068)、小群体取向(4.337±0.055)、个人成就(4.058±0.067)和害怕失败(4.058±0.067)。在各维度得分高低的排列顺序上与刘洋的相关研究一致[4]。(见表1)
表2 DDBS信度检验
Tab.2 Reliability test for DDBS
因子编号CITC各因子系数因子编号CITC各因子系数遵守规则不侥幸(DDBS1)1-10.5581-20.5801-30.6591-40.5661-50.6621-60.5840.770专注不分心(DDBS4)4-10.5954-20.5504-30.6444-40.5884-50.5484-60.6970.822预估风险(DDBS2)2-10.6542-20.5862-30.5352-40.6092-50.5662-60.5930.756引人注意(DDBS5)5-10.5945-20.6165-30.6085-40.6225-50.5235-60.5290.799保持安全空间(DDBS3)3-10.6743-20.6053-30.6543-40.6773-50.735————0.849宽容礼让(DDBS6)6-10.5786-20.7056-30.6526-40.5936-50.5816-60.5706-70.6100.831
H1：驾驶员对防御性驾驶行为的态度与主观规范(SN)表现为相互正向影响；
H2：驾驶员的防御性驾驶行为主观规范与知觉行为控制表现为相互正向影响；
H3：驾驶员对防御性驾驶行为的态度与知觉行为控制表现为相互正向影响；
根据前述研究结果，前壁心梗组Selvester QRS积分随时间推移呈逐步下降趋势。此时，设ΔSelvester=Selvester(1周)-Selvester(6个月)，表示积分变化幅度，并与各临床因素作回归分析。结果发现，积分变化幅度除了与再灌注时间相关(r=0.849，P<0.001)外，与表1所列的其他临床因素均无明显相关性。见图1。
H4：驾驶员的过去防御性驾驶行为分别与对防御性驾驶行为的态度、主观规范、知觉行为控制表现为相互正向影响；
H5：驾驶员对防御性驾驶行为的态度正向影响执行防御性驾驶行为的意向；
H6：驾驶员的防御性驾驶行为主观规范正向影响执行防御性驾驶行为的意向；
H7：驾驶员的防御性驾驶行为知觉行为控制正向影响执行防御性驾驶行为的意向；
沈阳市铁西区的街都是以工业命名的，而且以工字命名的街有一个藏头街，带有工字的街从西到东有几条连起来正好是振兴铁西，保卫祖国，分别是振工街、兴工街、铁工街、西工街、保工街、卫工街、祖工街、国工街。以业命名的路也有藏头路，典型的有建立功勋，即建业路、立业路、功业路（据说现在没了）、勋业路。一街一路一组合，就是一个“工业”的意思。
H8：驾驶员的过去防御性驾驶行为正向影响执行防御性驾驶行为的意向。
此行确有点主动扫盲的意图，所以从8月7日起我就是“昂首看天，俯身观草”了，第一批捕捉进手机镜头的，有女贞、老虎剌、黄杨草、满江红等等（事后才知其名），就密集交杂在两张照片里。在石阵景区第一个识别的植物是地榆（当地人还告诉我个俗名但没记住），细长草枝顶部长颗棕紫的绒果，有时候会看见成片地榆在路旁密集摇曳。
根据模型的基本假设前提，基于TPB的防御性驾驶行为SEM模型，AT，SN，PBC，PDDB为外衍潜在变量，BI为内衍潜在变量。
在SEM模型分析中，用偏态系数与峰度系数进行样本变量的正态性检验与评估，偏态系数绝对值大于3、峰度系数绝对值大于10，变量数据偏离正态分布较为严重。根据正态性评估结果可知，偏态系数的数值范围为-1.786～-0.254，其绝对值小于2；峰度系数的数值范围为-1.090～3.176，其绝对值小于4，表示变量数据呈未严重偏离的正态分布，变量满足正态性的检验要求。
用正态概率分布的Q-Q图直观地观察样本的正态性(图1～图2)。由图1和图2可知，DDBS及TPB中的AT，SN，PBC与BI，理论与实际的正态累积概率分布基本重合，其中只有SN具有稍微的偏差，但其偏态系数的绝对值小于2，在可接受范围内，则目标观测变量PDDB, AT,SN,PBC和BI为正态分布变量。
图1 DDBS的样本Q-Q图
Fig.1 Q-Q diagram of DDBS
图2 TPB指标的样本Q-Q图
Fig.2 Q-Q diagram of TPB indicators
3.2.2 参数估计
由于观测变量PDDB, AT, SN，PBC与BI为正态分布，符合极大似然法(ML)的数据分布，ML法是检验SEM模型适配度应用最广的方法。
SEM模型的适配度评价指标用来考察模型与数据的拟合程度，通常用以下6个指标进行判断。如表2所示，模型经过多次修正后，各指标均满足适配标准，说明模型与样本数据间能进行较好的拟合。
表2 模型适配度评价
Tab.2 Evaluation of model fitness
评价指标适配标准检验结果卡方/自由度≤3.001.88RMSEA≤0.050.04CFI≥0.950.98NFI≥0.950.95GFI≥0.900.94AGFI≥0.900.92
最终的模型系数经过标准化处理，防御性驾驶行为意向(BI)与主观规范(SN)之间的路径系数达到显著性，结果如图3所示。
图3 模型拟合结果
Fig.3 Model fitting result
根据基于扩展TPB的防御性驾驶行为SEM模型修正与验证的结果，对提出的模型假设进行检验，结果如表3所示。
SEM的结构模型分析：主观规范(外界压力)对执行防御性驾驶行为意向的影响不显著，则忽略不计，这一结果与之前研究得出的主观规范对负面行为[20]影响比较显著，对正面行为[21]影响不显著相一致。在式(4)中知觉行为控制对行为意向的影响最大(0.51)，说明PBC每增加1单位，防御性驾驶行为意向将上升0.51个单位。
易非愣了一下，这是这么多年来，弟弟第一次跟她说这样的话，只听他又继续说到：“这个家，没你，就没这个样儿……这些年，我是亏待家里了，没做什么贡献，还尽让你们操心……”
BI=0.18AT+0.51PBC+0.17PDDB。
(4)
SEM的测量模型分析：根据式(1)与式(2)可得到测量模型，由于AT，SN，PBC在进行回归测量模型分析时，所产生常数项的数量级均为10-14，DDBS的常数项数量级为10-13，则可以忽略常数项，得到标准化系数测量模型如下：
表3 模型假设验证结果分析
Tab.3 Analysis of model hypothetical verification result
模型假设验证H1驾驶员对防御性驾驶行为的态度与主观规范表现为相互正向影响是H2驾驶员的防御性驾驶行为主观规范与知觉行为控制表现为相互正向影响是H3驾驶员对防御性驾驶行为的态度与知觉行为控制表现为相互正向影响是H4驾驶员的过去防御性驾驶行为分别与对防御性驾驶行为的态度、主观规范、知觉行为控制表现为相互正向影响;是H5驾驶员对防御性驾驶行为的态度正向影响执行防御性驾驶行为的意向是H6驾驶员的防御性驾驶行为主观规范正向影响执行防御性驾驶行为的意向否H7驾驶员的防御性驾驶行为知觉行为控制正向影响执行防御性驾驶行为的意向是H8驾驶员的过去防御性驾驶行为正向影响执行防御性驾驶行为的意向是
AT=0.21AT1+0.28AT2+0.27AT3+0.25AT4+
0.26AT5,
(5)
SN=0.33SN1+0.33SN2+0.32SN3+
0.29SN4,
(6)
PBC=0.3PBC1+0.3PBC2+0.26PBC3+
0.41PBC4,
(7)
PDDB=0.19DDB1+0.16DDB2+0.15DDB3+
香港的肉和菜基本上都是依靠内陆来供应，在这方面，国家质检总局、广东省都做了很多工作，现在供港食品的安全率达到了99.999%，这在全世界都是很难得的。如果这方面能应用到国家的内销方面，也可以对内陆的食品安全问题有所帮助。
0.22DDB4+0.19DDB5+0.23DDB6。
(8)
由此可知，在行为态度、主观规范与过去防御性驾驶行为方面，各因子影响程度较为平均；在知觉行为控制方面，一直保持防御性驾驶的难易程度(PBC4)对驾驶员控制自己执行防御性驾驶行为的影响较大(0.41)。
本研究结合防御性驾驶技术要点和驾驶员安全意识界定了防御性驾驶行为基本内涵，在此基础上确定了防御性驾驶行为6要素，进一步设计了防御性驾驶行为量表(DDBS)。为定量揭示非职业驾驶员防御性驾驶行为意向影响因素，基于计划行为理论构建了行为态度、主观规范、知觉行为控制、过去防御性驾驶行为与行为意向的结构方程模型，采用网上调查方法获取有效数据，验证了设计量表的信效度。进一步分析表明，知觉行为控制对执行防御性驾驶行为意向影响最大；过去防御性驾驶行为对行为意向存在影响；主观规范对执行防御性驾驶行为意向的影响不显著。说明了该模型中的行为态度、知觉行为控制与过去防御性驾驶行为对执行防御性驾驶行为的意向有较好的解释力与预测力。
后续研究应结合不同道路条件、不同气候环境和不同驾驶群体进一步细化驾驶场景，在本研究防御性驾驶6大核心要点的基础上，设计细化的防御性驾驶行为量表，扩大调查范围，并辅以模拟驾驶器、VR行为获取方式，更细致地分析不同类别防御性驾驶行为特征及影响因素，最终实现驾驶员防御性驾驶能力定量核准与车险、车保等挂钩，促使驾驶员逐步形成良好驾车习惯，使得交通环境形成良性循环，从而大大降低道路交通事故的发生率和对人类的损伤度。
参考文献：
References:
[1] 陈明伟，袁晓华，潘敏，等.从道路交通事故统计分析对比谈预防措施[J].中国安全科学学报，2004,14(8)：62-66.
CHEN Ming-wei, YUAN Xiao-hua, PAN Min, et al. Discussion on Preventive Measures for Road Traffic Accidents from Statistic Analysis and Comparison[J].China Safety Science Journal, 2004,14(8):62-66.
[2] 张迪.北京市区道路交通事故致因分析与安全对策[D].焦作：河南理工大学，2012.
ZHANG Di. Analysis on Causes and Safety Precautions of Traffic Accidents in Beijing City[D].Jiaozuo: Henan Polytechnic University, 2012.
[3] 张力，王以群，黄曙东.人因事故纵深防御系统模型[J].中国安全科学学报，2002,12(1)：37-40.
ZHANG Li, WANG Yi-qun, HUANG Shu-dong. System Model for Preventing in Depth the Accident due to Human Factor[J].China Safety Science Journal, 2002,12(1):37-40.
[4] 李秀丽，焦海贤，黄婷，等.基于驾驶适应性和人因工程的事故预防对策[J].重庆交通大学学报:自然科学版，2008,27(4)：622-625.
LI Xiu-li, JIAO Hai-xian, HUANG Ting, et al. Accident Prevention Measures Based on Driving Adaptability and Ergonomics[J].Journal of Chongqing Jiaotong University: Natural Science Edition, 2008,27 (4):622-625.
[5] GONZ
[6] 张丽霞，刘涛，潘福全,等.驾驶员因素对道路交通事故指标的影响分析[J].中国安全科学学报，2014，24(5)：79-84.
ZHANG Li-xia, LIU Tao, PAN Fu-quan, et al. Analysis of Effects of Driver Factors on Road Traffic Accident Indexes[J]. China Safety Science Journal, 2014, 24(5): 79-84.
[7] PARKER D, LAJUNEN T, STRADLING S. Attitudinal Predictors of Interpersonally Aggressive Violations on the Road[J]. Transportation Research Part F: Traffic Psychology & Behaviour, 1998, 1(1): 11-24.
[8] ULLEBERG P, RUNDMO T. Risk-taking Attitudes among Young Drivers: The Psychometric Qualities and Dimensionality of an Instrument to Measure Young Drivers’ Risk-taking Attitudes[J]. Scandinavian Journal of Psychology, 2010, 43(3): 227-237.
[9] 李凤芝，李昌吉，詹承烈，等.攻击性驾驶行为量表中文译本的效度和信度[J].中国行为医学科学，2003,12(3)：95-97.
LI Feng-zhi, LI Chang-ji, ZHAN Cheng-lie, et al. The Reliability and Validity of Aggressive Driving Questionnaires in Chinese Version[J]. Chinese Journal of Behavioral Medical Science, 2003,12(3): 95-97.
[10] 李凤芝，李昌吉，龙云芳，等.汽车驾驶员攻击性驾驶行为的心理因素分析[J].四川大学学报: 医学版，2004,35(4)：568-570.
LI Feng-zhi, LI Chang-ji, LONG Yun-fang, et al. Analysis of Psychological Factors of Car Driver’s Aggressive Driving Behavior[J].Journal of Sichuan University: Medical Science Edition, 2004,35(4):568-570.
[11] 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，2009.
LUO Yong. Analysis and Research of Aggressive Driving Behavior in Road Traffic[D].Chengdu: Southwest Jiaotong University，2009.
[12] 贾云帆，张李斌，段亚妮，等.驾驶人员路怒情绪与驾驶风格及攻击行为相关分析[J].中国公共卫生，2016，32(10)：1373-1377.
JIA Yun-fan, ZHANG Li-bin, DUAN Ya-ni, et al. Associations of Anger While Driving and Driving Style with Aggressive Behaviors in Drivers[J]. Chinese Journal of Public Health, 2016, 32(10): 1373-1377.
[13] CHEN H W, DONMEZ B, HOEKSTRA-ATWOOD L, et al. Self-reported Engagement in Driver Distraction: An Application of the Theory of Planned Behaviour[J]. Transportation Research Part F: Traffic Psychology & Behaviour, 2016, 38: 151-163.
[14] SULLMAN M J M, HILL T, STEPHENS A N. Predicting Intentions to Text and Call While Driving Using the Theory of Planned Behaviour[J]. Transportation Research Part F:Traffic Psychology and Behaviour, 2018, 58: 405-413.
[15] ÖZKAN T, LAJUNEN T. A New Addition to DBQ: Positive Driver Behaviours Scale[J]. Transportation Research Part F: Traffic Psychology & Behaviour, 2005, 8(4/5): 355-368.
[16] HARRIS P B, HOUSTON J M, VAZQUEZ J A, et al. The Prosocial and Aggressive Driving Inventory (PADI): A Self-report Measure of Safe and Unsafe Driving Behaveiors[J]. Accident Analysis & Prevention, 2014, 72: 1-8.
[17] 陈文金.基于防御性驾驶的道路交通事故责任认定探析[J].职工法律天地，2016(7)：106-106.
CHEN Wen-jin.Determination of Road Traffic Accident Responsibility Based on Defensive Driving[J].Employee Law World, 2016(7):106-106.
[18] SHEN B, QU W, YAN G, et al. The Relationship between Personalities and Self-report Positive Driving Behavior in a Chinese Sample[J]. Plos One, 2018, 13(1): e0190746.
[19] 何桂发.浅论防御性驾驶技能的养成[J].科教文汇，2013(31)：207-208.
HE Gui-fa. A Brief Discussion on the Development of Defensive Driving Skill [J].The Science Education Article Cultures,2013(31):207-208.
[20] 闫岩.计划行为理论的产生发展和评述[J].国际新闻界,2014,36(7):113-129.
YAN Yan. A Review on the Origins and Development of the Theory of Planned Behavior[J]. Journal of International Communication, 2014, 36(7):113-129.
[21] 陆莹莹,赵旭.基于TPB理论的居民废旧家电及电子产品回收行为研究:以上海为例[J].管理评论,2009,21(08):85-94.
LU Ying-ying, ZHAO Xu. Research on Recycling Behavior of Waste Household Appliances and Electronics Based on TPB: A Case of Shanghai[J]. Management Review, 2009, 21(8):85-94.
GAO Hong-li1,2,3, GAO Li-ying4, FAN Shuang-shuang1,5
(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu Sichuan 611756, China; 2. School of Automobile and Transportation, Xihua University, Chengdu Sichuan 610039, China; 3. Key Laboratory of Sichuan Provincial Vehicle Measurement, Control and Safety, Chengdu Sichuan 610039,China; 4. Sichuan Vocational and Technical College of Communications, Chengdu Sichuan 611130, China; 5. Sichuan(Chengdu)Consulting Service Center for Academicians of Chinese Academy of Science & Engineering, Chengdu Sichuan 610041, China)
Abstract： Combining with the current actual driving environment in China, in order to deal with the problem of lacking quantitative description of psychological process of defensive driving behavior, we defined the connotation of defensive driving behavior and extracted its 6 factors: obeying rules and no fluke, keeping safe space, estimating risks, focusing without distraction, drawing attention, and being tolerant and comity. With reference to the driving behavior scale based on positive guidance at home and abroad, we designed the defensive driving behavior scale (DDBS). By using the convenience sampling method and online survey, we collected the questionnaire data from some non-professional drivers and obtained 525 valid questionnaires. The survey includes past defensive driving behavior, TPB variables and basic personal information. The analysis model is established based on TPB. The model takes attitude toward behavior, subjective norm, perceived behavioral control and prior defensive driving behavior as the prediction variables, and behavioral intention as the outcome variable. By means of convenient and snowball sampling and online survey, the questionnaire data of some non-professional drivers are collected. The survey includes prior defensive driving behaviors, TPB variables and demographic information, and a total of 525 valid questionnaires are obtained. The results of reliability analysis and confirmatory factor analysis on the survey data show that the data are reliable and valid. The rationality of factor dimension is verified by exploratory factor analysis. The model fitting result shows that (1) subjective norms have no significant influence on the intention to perform defensive driving behavior, which is consistent with the previous research finding that subjective norms have significant influence on negative behaviors, but not on positive behaviors; (2) perceived behavioral control (0.51) has the greatest influence on behavioral intention, attitude toward behavior (0.18) and prior driving behavior (0.17) can explain behavioral intention to some extent.
Key words： traffic safety; defensive driving behavior; theory of planned behavior (TPB); non-professional driver; structural model
收稿日期：2019-03-20
基金项目：国家自然科学基金项目(61873216)
作者简介：高红丽(1976-)，女，山东曹县人，副教授.(80157353@163.com)
doi:10.3969/j.issn.1002-0268.2020.03.017
中图分类号： U491.2+54
文献标识码： A
文章编号： 1002-0268(2020)03-0137-08
联系客服
