货运驾驶员路怒情绪对愤怒表达行为的影响研究.pdf

第21卷 第3期2023年09月交通运输工程与信息学报Journal of Transportation Engineering and InformationVol.21 No.3Sep.2023文章编号：1672-4747（2023）03-0130-15货运驾驶员路怒情绪对愤怒表达行为的影响研究货运驾驶员路怒情绪对愤怒表达行为的影响研究刘 洋1，陈 红*1，肖 赟2，梁子君2（1.长安大学，运输工程学院，西安 710064；2.合肥学院，城市建设与交通学院，合肥 230601）摘要：为探究货运驾驶员驾驶愤怒的影响机理，本文基于货车驾驶特征，改良设计了货运驾驶员版的驾驶愤怒量表和表达量表，并通过题项分析、信效度分析及验证性因素分析完成量表的修订工作，在此基础上归纳了货运驾驶员的驾驶愤怒特征，构建了路怒诱因对货运驾驶员愤怒表达影响的结构方程模型。结果表明：货运驾驶员的愤怒水平总体低于国外驾驶群体，高于公交驾驶员，违规行驶是最容易诱发货运驾驶员愤怒的情况（得分3.25），驾驶时长与货运驾驶员的驾驶愤怒及表达得分显著正相关；交通违规频率高及有过事故经历的货运驾驶员愤怒水平更高，更容易表达愤怒；驾驶愤怒可解释愤怒表达36%的方差，是货运驾驶员愤怒驾驶行为的关键预测指标，其中违规行驶、无礼行为和缓慢驾驶三种路怒诱因对货运驾驶员的驾驶愤怒表达均呈现显著正向影响，标准化影响效应分别为0.201、0.254及0.159，他人的无礼行为是货运驾驶员愤怒表达的首要触发因素。本研究提供了一种度量货运驾驶员愤怒水平的有效工具，并为道路运输管理部门干预货运驾驶员的路怒及愤怒驾驶提供了理论基础。关键词：交通运输；驾驶愤怒；结构方程模型；货运驾驶员；驾驶愤怒表达；特征分析中图分类号：U491.254文献标志码：ADOI：10.19961/ki.1672-4747.2023.03.006Influence of road rage on anger expression among freight driversLIU Yang1，CHEN Hong*1，XIAO Yun2，LIANG Zi-jun2（1.College of Transportation Engineering,Chang an University,Xi an 710064,China；2.College of Urban Construction and Transportation,Hefei University,Hefei 230601,China）Abstract:To investigate the impact of driving anger among freight drivers,this study designed andimproved the driving anger scale and expression scale for freight drivers based on the characteristicsof truck driving.The scale was revised through item analysis,reliability and validity analysis,andconfirmatory factor analysis.Accordingly,the driving anger characteristics of freight drivers weresummarized and a structural equation model was constructed to explore the impact of road rage onthe expression of anger among freight drivers.The results reveal that the anger level of truck driversis generally lower than that of foreign drivers and higher than that of domestic bus drivers.Illegaldriving was the most likely situationto cause truck driversanger.The driving duration was signifi-cantly positively correlated with the driving anger and expression scores of freight drivers.Freightdrivers with a high frequency of traffic violations and experience of accidents have a higher level ofanger and are more likely to express anger.Driving anger can explain the variance of 36%of angerexpression,and is a key predictor of angry driving behavior of freight drivers.Among the different收稿日期：2023-03-07录用日期：2023-05-29网络首发：2023-06-07审稿日期：2023-03-0703-19；05-1005-26；05-29基金项目：国家自然科学基金青年基金项目（5210120378）作者简介：刘洋（1999），男，硕士研究生，研究方向为交通安全、交通行为等，E-mail：通信作者：陈红（1963），女，博士，教授，研究方向为交通运营与控制、交通环境等，E-mail：引文格式：刘洋，陈红，肖赟，等.货运驾驶员路怒情绪对愤怒表达行为的影响研究J.交通运输工程与信息学报，2023，21(3)：130-144.LIU Yang，CHEN Hong，XIAO Yun，et al.Influence of road rage on anger expression among freight driversJ.Journal ofTransportation Engineering and Information，2023，21(3)：130-144.factors of road anger,illegal driving,discourtesy,and slow driving significantly positively impact thedriving anger expression of freight drivers,and the standardized impact effects are 0.201,0.254,and0.159 respectively.The discourtesy of others is an important trigger for anger expression amongfreight drivers.This study provides an effective tool to measure the anger level of freight drivers,andoffers a theoretical basis for the road transport management department to intervene in the road rageand angry driving of freight drivers.Key words：transportation;driving anger;Structural Equation Model(SEM);freight drivers;drivinganger expression;feature analysis0引言据统计，我国货车占全部机动车保有量的比重不足 10%，但货车交通事故却占整体交通事故的25%，特大事故约占33%，一次死亡10人以上事故约占 40%，货车交通事故的严重性及危害性显而易见1。货运驾驶员在公路运输中发挥重要作用的同时，其不安全驾驶行为是交通事故的主要诱因2。相比非职业驾驶员，货运驾驶员因职业背景、工作环境和压力等因素更易产生负面驾驶情绪（沮丧、焦躁及愤怒等）3-4。相关研究表明约40%货运驾驶员有一定程度的驾驶愤怒5。驾驶愤怒会影响驾驶员的注意力、感知力及驾驶能力，增加了不安全驾驶行为的可能性，严重威胁了道路交通运输安全6-7。因此，有效度量货运驾驶员的愤怒水平，调查货运驾驶员路怒与愤怒驾驶行为的影响关系及作用机制对改善道路运输环境并减少道路交通事故具有重要意义。中国目前大约有3千万货车驾驶员，以男性为主（95.8%），多数为青中年，受教育水平不高（初中教育程度及以下占62.4%）8。作为运输工作从业者，超过50%的货运驾驶员日均驾驶时间长达8 h以上，疲劳驾驶在货运驾驶员群体中非常普遍，加之不规律的作息饮食，货运驾驶员的身体情况堪忧8。与此同时，货运驾驶员大多数为已婚人士，因家庭需求需要承受工作和生活冲突带来的双重压力9。然而高强度工作和生活压力并未换来满意的收入，相关调查表明货运驾驶员的生活满意度低，超过一半的驾驶员对于自己的收入表示非常不满8。相较于其他职业驾驶群体，货运驾驶员的工作条件较恶劣、压力大、疲劳驾驶频率高、幸福满意度低10。既往研究表明，工作或生活压力大是引发路怒最主要的长期原因11。由此，种种因素导致长时间在路上的货运驾驶员焦躁、不安，容易疲惫和愤怒。了解货运驾驶员和其他驾驶群体的差异非常重要，相关研究表明：职业（客运及货运）驾驶员比非职业驾驶员更易疲劳驾驶；以工作为目的的驾驶员往往比以个人出行为目的驾驶员的愤怒水平更高且驾驶攻击性更强；此外，货运驾驶员的危险驾驶行为可能性和驾驶失误频率高于出租车且货运驾驶员的跟车行为通常比出租车驾驶员更强12-14。由此可见，部分货运驾驶员容易呈现负面消极的情绪状态和不安全驾驶行为倾向。驾驶愤怒即路怒症指的是带着愤怒的情绪驾驶车辆，驾驶愤怒表达指的是驾驶员通过某些行为或口语等方式表达或发泄自身的愤怒情绪15。关于驾驶愤怒，在20世纪末国外已大量开展相关研究，常见的研究方法包括实验室模拟法、量表调查法及生理测量法16，其中量表调查法可量化驾驶愤怒情绪和行为，是测量驾驶愤怒和研究愤怒表达的有效工具。Deffenbacher等设计了包含敌对手势、违规驾驶、警察在场、缓慢驾驶、无礼行为和交通阻碍的 6 因素驾驶愤怒量表（Driving AngerScale，DAS）17和身体攻击、语言攻击、借助车辆发泄和自我调节的 4因素驾驶愤怒表达量表（Driv-ing Anger Expression Inventory，DAX）18。近年来，Deffenbacher等开发的量表被国内外学者广泛应用于探究不同驾驶群体的驾驶愤怒特征。例如，Albentosa等19证实了原始 33项 DAS 可用于测量法国驾驶员的驾驶愤怒，6 因素结构拟合较好；Sullman等20发现原始6因素DAS同样适用于马来西亚样本，表明年轻且经验不足的驾驶员的愤怒水平更高。此外部分学者根据调查对象对原有量表的因素结构和题项进行了校准，形成不同版本DAS。如Brandenburg等21修订了适用于德国驾驶员的6因素22项DAS，并发现无礼行为是诱发德国司机愤怒得分最高的因素。Escans等22调查了阿根廷驾驶员的驾驶愤怒，比较不同因素结构的DAS，结果显示 5 因素 DAS 拟合度最佳。Feng刘洋 等：货运驾驶员路怒情绪对愤怒表达行为的影响研究131第3期等23考虑国内交通模式和工作环境，修订了适用于职业驾驶员的4因素DAS，具有良好的借鉴意义。林庆丰等24基于原始量表并结合公交驾驶员职业背景修订了5因素DAS，相较原始量表少了敌对手势。关于货运驾驶员的驾驶愤怒研究，Matovi等25应用已有的5因素DAS研究塞尔维亚货运驾驶员的驾驶愤怒与超速间的影响关系，但未对量表进行修订和评估，是否适用于测量货运驾驶员的愤怒有待考量。Li等26以货运驾驶员为研究对象编制了单因素6项DAS，信效度良好，但该量表维度结构单一，题项较少，测量面较窄，未充分考虑到其他导致货运驾驶员显著产生愤怒情绪的交通场景，实际应用中难以有效度量货运驾驶员的真实愤怒水平。驾驶员的攻击性是一个重要的道路安全问题，高水平愤怒的驾驶员的攻击性驾驶倾向和频率往往更高26-32。已有研究对攻击性愤怒表达进行了大量研究，Li等26报告驾驶愤怒是预测货车驾驶员异常驾驶行为的关键因素；对不同道路愤怒诱因重要性的分析结果表明，缓慢驾驶、警察在场和敌对手势引起的愤怒会显著导致驾驶员的攻击性驾驶行为27；Matovi等33发现缓慢驾驶和交通阻碍对攻击性驾驶产生直接积极的影响，并表明采用安全驾驶方式的驾驶员在察觉到其他道路使用者的无礼或违法行为的情况下往往会经历更高水平的愤怒；Zhang等31发现与西方国家相比，中国驾驶员的驾驶愤怒程度较低，但其愤怒与攻击性驾驶行为的相关性更高；调查中国驾驶员样本的研究发现，交通违规频率高的驾驶员的愤怒表达比低违规频率驾驶员更强，驾驶人格和自我意识是影响愤怒表达的重要因素34。此外，一些学者关注到驾驶愤怒对道路安全的影响，发现驾驶愤怒与超速显著正相关35-36；高愤怒水平驾驶员发生交通事故的概率更高，可能对道路安全构成严重威胁30,35。研究表明，当驾驶员感到愤怒时，他们的驾驶行为通常会变得富有攻击性。然而，愤怒表达并不一定意味着攻击性驾驶，其常分为车辆表达、言语性表达和适应性表达三种方式，驾驶员也会通过言语或者自我调节等方式来表达自己的愤怒。关于驾驶愤怒与愤怒表达及攻击性驾驶的相关分析呈现出相似性，即驾驶愤怒与愤怒表达为显著正相关，高愤怒的驾驶员往往会更频繁的表达愤怒18。驾驶愤怒的大多数现有研究探索了DAS的因素结构，并通过相关分析或回归分析度量了驾驶愤怒与攻击性驾驶的关系，然而驾驶愤怒与愤怒表达作为潜变量（无法直接观测的变量）需要通过若干个指标进行估计，虽然上述方法揭示了变量之间的关联，但未进一步解释其因果关系。在交通安全及行为分析领域，结构方程模型（StructuralEquation Model,SEM）被广泛应用于探索潜变量和不安全行为与事故之间的因果关系4,19,37。与传统分析方法相比，SEM可以同时考虑多个变量之间的复杂关系，从而建立更为全面和精确的模型，并能够解释模型中变量尽可能多的变异，为研究交通安全内在因素的复杂关系提供了良好的分析框架。综上可知，DAS的因素结构及题项数目因驾驶群体和国内外交通环境的不同呈现出明显差异，目前有不同版本的DAS，但多数是针对非货运驾驶群体，而现有的货运版DAS适用性、可靠性存疑，修订适用于中国货运驾驶员版本的DAS显得尤为必要。此外，路怒会诱发驾驶员的危险驾驶行为，部分学者仅通过相关分析简单量化驾驶愤怒与愤怒表达的关系，路怒对驾驶员愤怒驾驶行为的影响机理有待进一步深化分析。因此，笔者将结合中国货运驾驶员的工作环境及就业背景，编制适用于货运驾驶员的驾驶愤怒量表，开展相关问卷调查，分析货运驾驶员的驾驶愤怒特征，并应用结构方程模型构建驾驶愤怒对愤怒表达的影响模型，探究驾驶愤怒对愤怒表达的影响关系，为后续研究货运驾驶员驾驶愤怒和完善愤怒干预措施提供方法思路和借鉴。1研究方法1.1量表设计第一部分调查人口统计学信息，包括货运驾驶员的性别、年龄、驾龄及年行驶里程等基本信息。第二部分驾驶愤怒量表，用来研究货运驾驶员路怒。本部分以 Deffenbacher等17设计的原始DAS为基础，借鉴Feng等23设计的4因素19项国内版DAS。鉴于国内外交通模式和文化背景的差异，相关研究23表明，原始量表的敌对手势和警察在场这两个维度不适用于中国驾驶员，因此删除了相应的题项。此外，考虑到货运驾驶员的特点和行驶环境，增加了一些货运驾驶员经常遇到的132交通运输工程与信息学报第21卷交通场景，如货车转弯半径大，需要二次转弯时，其他车辆不礼让通行及当等待装卸货时，其他车辆突然切入到您的前面等6个货运驾驶员较常经历的交通场景，初步收集了24项的4因素DAS，量表采用李克特5点计分形式，从完全不生气到非常生气。第三部分驾驶愤怒表达量表，用来研究货运驾驶员愤怒时的行为表现。本文主要借鉴了 Ge等38基于中国驾驶员样本的修订版DAX，由于货运驾驶员的工作环境和货车特性的限制，许多愤怒表达方式并不可行，删除相应题项。初步收集了10项DAX，量表同样采用李克特5点计分形式，从从不到总是。1.2量表的评估与测试对编制好的初始货运驾驶员愤怒量表进行评估和测试。首先与三名相同研究领域的专家进行讨论，每位专家先试填量表，并对量表问题或选项提出个人意见，评估量表中每个问题的语言逻辑和表述情况，并对删除或新增的问题进行集体表决。然后找到15名职业货运驾驶员进行预调查，被试者反映量表中具有歧义，表达模糊或重复的题项，以及部分难以引起愤怒情绪的题项。基于预调查反馈的结果，删除下面难以激起驾驶员愤怒情绪或内容较相似的题项：如行驶车道附近都是车辆，无法完成超车；有人停车很慢，阻碍您的停车或离开停车场；其他车辆在交叉口车道压白实线换道3个驾驶愤怒题项。删除愤怒时您会踹车厢、愤怒时您会开闪光灯、愤怒时您会用手指着其他驾驶人3个驾驶愤怒表现，因为被试者表示很少通过上述行为表达愤怒。初步确定了21项DAS（包括15个原始题项和6个新增题项）及7项DAX的调查版问卷，见表1。表1 调查版驾驶愤怒和表达量表Tab.1 DAS and DAX量 表驾驶愤怒量表（DAS）驾驶愤怒表达量表（DAX）维 度交通阻碍违规行驶无礼行为缓慢驾驶驾驶愤怒表达题项编号DAS1DAS2DAS3DAS4DAS5DAS6DAS7DAS8DAS9DAS10DAS11DAS12DAS13DAS14DAS15DAS16DAS17DAS18DAS19DAS20DAS21DAX1DAX2DAX3DAX4DAX5DAX6DAX7题项内容道路改造时未设置提醒标志且影响通行驾驶时撞到没有标记提醒的深坑遇到长时间的交通拥堵在交叉口遇到长时间的红灯其他车辆在道路上违规停车附近车辆闯红灯附近车辆在不打信号车灯的情况下进行变道非机动车和行人占用机动车道甚至逆行遇到非机动车或行人横穿马路附近车辆超速行驶货车转弯半径大，需要二次转弯时，其他车辆不礼让通行等待装卸货时，其他车辆突然切入到您的前面正常驾驶时，附近车辆鸣喇叭催促您时附近车辆在交通阻塞结束时加塞到您前面去试图超车时，相邻车辆持续加速交叉口处有车辆闯黄灯夜间行驶时，有人在您后面开远光灯，较刺眼绿灯亮时，您前方车辆没有立刻启动行人缓慢穿过道路，迫使您减速或停车附近车辆在超车道上开的较慢附近或正前方车辆车速太慢您会抱怨或者大声吼叫您会不断按喇叭您会采取扔东西、故意别车等过激行为您会大力加油门或开的比较快您会比平时更想要超车您会紧跟前方车辆您会比较频繁地换道或者打方向盘题项来源Feng23Deffenbacher17Deffenbacher17新增Feng23Deffenbacher17Feng23新增Deffenbacher17Deffenbacher17新增新增Feng23新增Feng23新增Deffenbacher17Deffenbacher17Feng23Deffenbacher17Deffenbacher17Ge38新增Ge38Ge38Ge38Ge38Ge38刘洋 等：货运驾驶员路怒情绪对愤怒表达行为的影响研究133第3期1.3模型构建与假设情绪与行为的关系是心理学领域的研究热点，相关文献表明情绪可以直接影响行为39。情绪驱动理论为驾驶员的愤怒表达提供了直观的解释，其指的是当人的一个动机、行为遭到阻碍或干扰后，所引发的负面情绪会产生攻击和侵犯性反应40。Shinar41通过实证研究将该理论应用到驾驶情境中，提出了驾驶员“挫折攻击”模型，此模型认为交通拥堵等情境会诱发驾驶员的挫折感。此外研究发现交通拥堵、驾驶受阻（缓慢驾驶）等事件会引起驾驶员的消极情绪，并诱发驾驶员的愤怒表达42。驾驶愤怒作为一种负面情绪，会对驾驶员的注意力及驾驶风格产生影响，注意力的下降及激进的驾驶风格继而造成驾驶失误和不安全驾驶行为，从而增加事故发生概率43。一些研究验证了情绪是影响驾驶行为的重要因素，如Zhang等44通过模拟驾驶证实了愤怒情绪不仅会导致驾驶员的危险驾驶行为（例如超速和违反交通规则），而且显著降低了驾驶员的反应能力、风险感知能力；Ahinoam等45表明消极情绪状态下驾驶员的危险驾驶行为多于积极情绪状态下的驾驶员。综上可知驾驶员的情绪状态对驾驶行为有着显著影响，为进一步验证愤怒情绪诱因对愤怒表达的影响，本文在文献分析和相关理论的基础上提出如下假设，并基于以上理论假设，构建路怒影响因素与愤怒表达的关系模型，本文的驾驶愤怒-愤怒表达概念模型如图1所示。图1 假设概念模型图Fig.1 Diagram of hypothetical conceptual modelH1 交通阻碍对货运驾驶员的愤怒表达有显著正向影响；H2 违规行驶对货运驾驶员的愤怒表达有显著正向影响；H3 无礼行为对货运驾驶员的愤怒表达有显著正向影响；H4 缓慢驾驶对货运驾驶员的愤怒表达有显著正向影响。1.4数据收集本研究采用线上问卷调查方式，通过问卷星将调查版问卷发放给 15家货运企业的职业驾驶员。问卷调查时间持续两周，共回收482份答卷，剔除不完整、明显不符合逻辑、选项多数一致及填写时间极短的问卷，最后保留410份有效问卷，问卷有效率85.06%。问卷统计分析和探索性因素分析对样本有以下要求46：（1）样本数量一般大于200份；（2）样本数量是问卷题目的5倍；（3）题项数量是因子数量的5倍。本文收集的410份问卷符合要求。其中受试者中男性408人，女性2人，符合货运行业基本情况；平均年龄约 44岁，年龄跨度为23岁60岁；平均货车驾龄为 17.05年，跨度为 141年；去年平均行驶里程为9.39万km，行驶里程跨度为 0.125 万 km；近两年的交通违规平均次数为 3.01 次，20.7%的货运驾驶员表示有过交通事故经历；受教育程度方面：初中以下 9.76%，初中 62.92%，中 专 或 高 中 23.66%，专 科 或 本 科3.66%。2量表修订及特征分析2.1量表修订采用SPSS26.0对初始驾驶愤怒量表和驾驶愤怒表达量表进行修订工作，包括题项分析、探索性因素分析、信度分析和效度分析，以形成有效的货运驾驶员愤怒量表。2.1.1 题项分析统计量表各题项的得分均值（Mean，M）与标准差（Standard Deviation，SD），并计算各题项与量表总分的相关系数，结果如表2所示。以相关系数r0.3，且达到显著相关水平p0.3且p0.01，满足统计学意义；DAX中，DAX3和DAX7的相关系数低于0.3，其他题项均符合要求。因此，保留21项DAS，剔除DAX3和DAX7。134交通运输工程与信息学报第21卷表2 各题项与量表总分的相关性（r）及题项得分（N=410）Tab.2 Correlation and item score题 项DAS1DAS2DAS3DAS4DAS5DAS6DAS7DAS8DAS9DAS10M(SD)2.50（1.02）3.06（1.15）2.47（1.07）1.51（0.81）2.57（1.01）3.31（1.30）3.15（1.71）3.16（1.19）3.36（1.25）1.94（1.12）r0.42*0.53*0.50*0.34*0.56*0.55*0.66*0.70*0.58*0.61*题 项DAS11DAS12DAS13DAS14DAS15DAS16DAS17DAS18DAS19DAS20M(SD)2.32（1.07）3.10（1.15）2.25（1.12）2.62（1.15）2.26（1.15）2.23（1.12）2.59（1.17）1.66（0.75）1.37（0.66）2.00（0.88）r0.70*0.64*0.64*0.70*0.56*0.55*0.66*0.49*0.32*0.60*题 项DAS21DAX1DAX2DAX3DAX4DAX5DAX6DAX7M(SD)1.61（0.73）2.29（0.58）2.11（0.64）1.28（0.50）1.93（0.55）2.00（0.57）1.92（0.52）1.16（0.38）r0.44*0.74*0.89*0.22*0.92*0.88*0.56*0.26*注：*表示p0.05，*表示p0.01，*表示p0.001，下同。2.1.2 探索性因素分析对满足题项分析要求的 21 项 DAS 和 5 项DAX进行探索性因素分析，采用主成分分析和最大方差法旋转。当KMO和巴特利特检验中KMO值高于0.8，Bartlett 球形检验结果达到显著性水平时表示变量的相关矩阵间有共同因素存在，适合进行因素分析。分析结果显示：DAS 的 KMO=0.902，DAX的KMO=0.878，且Bartlett球形检验结果均达到显著性水平p0.6），表明量表具有良好的区别效度。刘洋 等：货运驾驶员路怒情绪对愤怒表达行为的影响研究135第3期表4 信效度分析结果Tab.4 Results of reliability and validity analysis因 子交通阻碍违规行驶无礼行为缓慢驾驶总量表交通阻碍1.000.40*0.41*0.23*0.65*违规行驶1.000.56*0.26*0.80*无礼行为1.000.51*0.88*缓慢驾驶1.000.61*总量表1.00信度系数0.7110.8040.8170.8040.8702.1.4 验证性因素分析为验证实际收集的数据与设定的因素结构模型契合情况，通过 AMOS24.0 进行验证性因素分析。本文采取国际上常用的8个拟合度指标评估模型的适配度49，模型的拟合指数如表5所示。修订后的4因素DAS模型各项拟合指数均理想，可以接受；修订后的单因素DAX模型拟合指数均较佳，模型拟合较好。表5 验证性因素分析拟合指数评价Tab.5 Confirmatory factor analysis fitting index evaluation适配度指标CMIN/DFRMSEASRMRGFIAGFICFINFIIFI适配标准130.080.90.90.90.90.94因素DAS模型2.2750.0560.0560.9350.9100.9450.9060.945单因素DAX模型1.1070.0160.0100.9960.9841.00.9971.02.2驾驶愤怒特征分析2.2.1 货运驾驶员驾驶愤怒特征驾驶愤怒各分量表、驾驶愤怒与愤怒表达的得分均值（标准差）和皮尔逊相关系数见表6。货运驾驶员的驾驶愤怒均分为2.53（SD=0.62），愤怒表达均分为2.05（SD=0.49）。交通阻碍、违规行驶、无礼行为及缓慢驾驶的平均分（标准差）分别为2.68（SD=0.86）、3.25（SD=0.98）、2.57（SD=0.86）及1.66（SD=0.58），其中违规行驶的得分最高为3.25，其是最能引起货运驾驶员愤怒的交通场景，而缓慢行驶的得分最低仅为1.66，较难以驱动驾驶愤怒。相关分析结果表明，货运驾驶员的驾驶愤怒与愤怒表达呈显著正相关（r=0.56，p0.01），四类交通场景均与愤怒表达呈正向显著相关（p0.01），无礼行为与愤怒表达的相关性最高（r=0.50，p0.01）。表6驾驶愤怒与愤怒表达的均分（标准差）及相关分析Tab.6Mean(standard deviation)and correlation analysis量 表交通阻碍违规行驶无礼行为缓慢驾驶DASDAXM(SD)2.68（0.86）3.25（0.98）2.57（0.86）1.66（0.58）2.53（0.62）2.05（0.49）DAX（相关系数r）0.35*0.43*0.50*0.37*0.56*在比较不同国家驾驶愤怒时，应考虑到样本及测量题项所导致的潜在差异。因此，仅考虑交通阻碍等四个维度，将本文货运驾驶员与德国（2021）21、法国（2018）19、塞尔维亚（2022）50、乌克兰（2016）51及公交驾驶员（2022）30的驾驶愤怒水平进行对比，结果如表7所示。本研究的货运驾驶员的驾驶愤怒平均得分低于德国、法国及乌克兰驾驶员，高于塞尔维亚驾驶员和国内公交驾驶员，货运驾驶员在各类场景及愤怒均分上均高于公交驾驶员；四类交通场景中，国外驾驶群体愤怒得分最高的是无礼行为，而国内公交驾驶员和货运驾驶员产生最高愤怒水平的场景为违规行驶；缓慢驾驶类是诱发各国驾驶员愤怒值最低的交通场景（法国样本中交通阻碍愤怒得分略低于缓慢驾驶），表现出趋同性。表7 不同国家驾驶员驾驶愤怒水平比较Tab.7 Comparison of driver anger levels indifferent countries维 度交通阻碍违规行驶无礼行为缓慢驾驶德国3.282.983.942.77法国2.723.133.752.80塞尔维亚2.572.252.752.00乌克兰2.662.593.412.57公交驾驶员1.711.841.381.39货运驾驶员2.683.252.571.662.2.2 人口学变量对驾驶愤怒的影响将人口学变量与驾驶愤怒和愤怒表达得分进行相关性分析。结果如表8所示，年龄、货车驾龄及年行驶里程与总驾驶愤怒和愤怒表达均不显著相关，但与缓慢驾驶得分均为显著负相关（p0.05）。月收入与无礼行为、缓慢驾驶、驾驶愤怒总分和愤怒表达均呈显著正相关，表明月收入越高的货运驾驶员，在这两类交通场景下驾驶愤怒水平通常较高，且愤怒表达得分也更高，工作任务频繁且收入高的驾驶员情绪可能更易被激怒。表8 人口学因素与驾驶愤怒和愤怒表达得分的相关分析Tab.8 Correlation analysis of demographic factors,anddriving anger and anger expression scores变 量年龄货车驾龄教育程度月收入年行驶里程交通阻碍-0.06-0.030.050.01-0.03违规行驶0.090.050.010.08-0.05无礼行为-0.02-0.010.050.12*-0.01缓慢驾驶-0.11*-0.10*0.020.16*-0.10*驾驶愤怒-0.02-0.020.040.12*-0.02愤怒表达-0.02-0.04-0.030.23*-0.012.2.3 驾驶愤怒的差异性分析以驾驶愤怒及愤怒表达为因变量对多分类变量驾驶时长、货车车型进行方差分析，对二分类变量驾驶环境及货运路线（固定或非固定）进行独立样本t检验。分析结果表明，货运驾驶员的驾驶时长在四类驾驶愤怒、驾驶愤怒总分及愤怒表达上呈现显著性差异（p0.01），且驾驶时间越长驾驶愤怒及愤怒表达得分越高，表明长时间的疲劳驾驶会更容易造成货运驾驶员的愤怒及相关行为，也说明长时间驾驶不仅会造成驾驶员疲劳和驾驶失误，同时会使驾驶员的情绪更敏感。在白天和夜晚两种驾驶环境中，货运驾驶员在交通阻碍、违规行驶、无礼行为及总量表得分上均存在显著性差异（p0.05）。此外，驾驶愤怒及愤怒表达得分在货运路线及货车车型上均无显著差异（p0.05）。2.2.4 驾驶违规、事故与驾驶愤怒的影响关系采用独立样本t检验分析事故经历在驾驶愤怒及表达得分上的差异。研究发现有交通事故经历的货运驾驶员表现出更高的愤怒水平，在驾驶愤怒得分上显著高于无事故经历的驾驶员（2.682.50，p2.01，p0.01）。相关分析结果显示货运驾驶员违规次数与驾驶愤怒（r=0.182，p0.01）和愤怒表达（r=0.142，p0.9，Bartlett球形检验结果达到显著性水平p60%），能有效提取原变量的信息。所有题项共同度大于0.5，因素负荷量大于0.5，且5个因素各自对应题项与之前一致，因素提取效果良好，并未出现交叉题项，说明量表内容与结构效度较好，总信度系数为 0.8930.85，整体量表内部一致性高，符合假设模型设定。3.2模型构建及假设检验驾驶愤怒对货运驾驶员驾驶愤怒表达影响结构方程模型由两部分组成：一是5个潜变量（四类路怒诱因及驾驶愤怒表达）对应的21个观测变量（题项）构成的测量模型；二是5个潜变量间的影响关系构成的结构模型。本文通过AMOS24.0建立结构方程模型，并验证假设模型，采用最大似然法估计路径系数，标准化路径系数的结构方程模型路径图如图2所示，其中标准化路径系数的正负表示潜变量（因素）间的影响关系，该系数的绝对值越大表示影响力越大。结合模型内在适配指标49和整体模型适配度指标52评估本研究假设模型的适配度。由图2及参数估计结果可知，模型所有误差方差为正值且显著（t值1.96，p0.05），假设H2H4均成立，即除交通阻碍外，其他三类路怒影响因素对货运驾驶员的愤怒表达均有显著正向影响。刘洋 等：货运驾驶员路怒情绪对愤怒表达行为的影响研究137第3期图2 驾驶愤怒对货运驾驶员驾驶愤怒表达影响模型路径图Fig.2 Road map of influence model of driving anger on driving anger expression of freight drivers表9 结构方程模型拟合指标评估Tab.9 Evaluation of fitting index of structuralequation model适配度指标CMIN/DFRMSEASRMRGFIAGFICFINFIIFI适配标准130.080.90.90.90.90.9模型结果1.8980.0470.0520.9290.9080.9590.9180.960拟合评判良好良好良好良好良好良好良好良好表10 假设检验结果Tab.10 Hypothesis test resultsH1H2交通阻碍驾驶愤怒表达正向影响违规行驶驾驶愤怒表达正向影响0.1200.2011.8422.4430.0650.015*不成立成立研究假设路径关系标准化路径系数临界比（C.R.）p值检验结果H3H4无礼行为驾驶愤怒表达正向影响缓慢驾驶驾驶愤怒表达正向影响0.2540.1592.2862.0470.022*0.041*成立成立续表10研究假设路径关系标准化路径系数临界比（C.R.）p值检验结果3.3结构方程模型结果分析（1）潜变量间的影响效应四种路怒诱因对于货运驾驶员愤怒表达均是正向影响，影响效应从大到小依次是无礼行为（=0.254，p0.05）、违规行驶（=0.201，p0.05）、缓慢驾驶（=0.159，p0.05）。其中交通阻碍对于货运驾驶员的愤怒表达无显著正向影响作用（p=0.0650.05）。缓慢驾驶对愤怒表达有显著的正向影响（p0.05），其影响响应略高于交通阻碍。违规行驶对于货运驾驶员的愤怒表达的影响程度仅低于无礼行为，其标准化路径系数为0.201，即违规行驶上升一个标准差，则138交通运输工程与信息学报第21卷会引起货运驾驶员的愤怒表达上升0.201个标准差，影响作用显著（p0.05）。无礼行为对于货运驾驶员的愤怒表达的有显著正向影响（p2.53），考虑到测量维度和题项的不同，调查的愤怒水平会存在一定差异，但整体上表现为货运驾驶员的驾驶愤怒高于国内的公交驾驶员（M=2.36，SD=0.67）23及非职业驾驶员（M=2.13，SD=0.82）27，职业驾驶员的愤怒要高于非职业驾驶员这方面呈现趋同性。人口统计学特征与驾驶愤怒的关系是相关领域研究的重点之一，本研究发现部分人口统计学变量（年龄、驾龄、教育程度及行驶里程）与货运驾驶员的驾驶愤怒并不显著相关，与Li26等对货运驾驶员及Feng23等对公交驾驶员的研究发现一致。年长且驾驶经验更丰富的驾驶员在缓慢驾驶方面不容易激发愤怒，这与