Combined effects of psychosocial factors and traffic environment on pedestrians' distraction
-
摘要:
目的 基于联合行为模型检验社会心理因素和交通环境对使用手机、与同行人员交谈、吃喝东西/吸烟3类行人分心的联合影响。 方法 采用多阶段随机抽样法抽取长沙市20个十字交叉路口作为研究现场，综合使用视频拍摄和现场问卷调查收集行人分心、社会心理因素和交通环境等数据。参照联合行为模型，从行人对不同分心的态度、主观规范、个人能动性和分心习惯等社会心理因素角度设计调查问卷。采用结构方程模型检验社会心理因素和交通环境对行人分心的联合影响。 结果 研究者共邀请到1 974名行人参与问卷调查，其中有效问卷1 741份(手机使用问卷600份、与同行人员交谈问卷660份、吃喝东西/吸烟问卷481份)。个人态度、主观规范、个人能动性、意图、分心习惯和交通环境因素共同解释行人手机使用、与同行人员交谈和吃喝/吸烟分心变异的22%、18%和23%。个人能动性、主观规范、个人态度是手机使用分心的主要解释因子，其间接效应分别为0.126、0.110和0.102(均有P＜0.05)；分心习惯是与同行人员交谈、吃喝东西/吸烟分心的主要解释因子，其总效应分别为0.158和0.250(均有P＜0.05)。交通环境对3类行人分心的影响均无统计学意义。 结论 社会心理因素和交通环境共同影响手机使用、与同行人员交谈和吃喝东西/吸烟3类行人分心的发生，不同分心的主要解释因子存在差异。未来应针对不同行人分心的主要解释因子，综合采用教育、立法和工程干预以减少行人分心。 Abstract:Objective The combined influences of psychosocial factors and traffic environment on three types of pedestrian's distraction (including mobile phone use, chatting with other pedestrians, and eating/drinking/smoking) were examined based on the integrated behavioral model. Methods Multi-stage random sampling was used to select 20 road intersections in Changsha City as research sites. Video-taping and questionnaire surveys were used to collect data on distraction, psychosocial factors, and traffic environment. Based on the integrated behavioral model, we developed the questionnaire from the perspective of psychosocial factors including pedestrian's attitudes, subjective norms, personal agency, and distraction habits towards different types of distraction. A structural equation model was used to test the combined effect of psychosocial factors and traffic environment on pedestrians' distraction. Results A total of 1 974 pedestrians participated in the questionnaire survey, collecting 1 741 valid questionnaires (600 for mobile phone use, 660 for chatting with other pedestrians, and 481 for eating/drinking/smoking). The individual attitudes, subjective norms, personal agency, intention, distraction habits, and traffic environment accounted for 22%, 18%, and 23% of the variation of pedestrian's distraction in mobile phone use, chatting with other pedestrians, and eating/drinking/smoking, respectively. Personal agency, subjective norms, and attitudes were the main explanatory factors of mobile phone use, with indirect effects of 0.126, 0.110 and 0.102 (P < 0.05), respectively. Distraction habits was the major explanatory factor for chatting with other pedestrians and eating/drinking/smoking, with total effects of 0.158 and 0.250 (P < 0.05), respectively. The influence of traffic environment on the three types of distraction among pedestrians was not statistically significant. Conclusions Psychosocial factors and traffic environment jointly affected the incidence of three types of pedestrian's distraction, but the major explanatory factors differed across types of distraction. In the future, education, legislation, and engineering interventions should be integrated to address the major explanatory factors of distraction. -
随着城市化建设不断加快和智能手机的快速普及，导致城市交通流量持续增加、人车混行现象日益加剧，很多国家和地区因行人分心所致的交通伤害死亡人数快速上升[1]。2019年，美国因行人分心造成的交通伤害死亡人数是2010年的2.8倍[2]。因此，全面了解行人分心的影响因素，对采取针对性干预措施减少行人分心发生、提升行人交通安全至关重要。
近年来，针对行人分心开展的一些流行病学研究[3]发现20~＜40岁年龄段、宽阔平坦、有过街辅助设施的道路(如：人行横道、安全岛、交通信号灯等)是行人过街使用手机的危险因素；态度、主观规范和感知行为控制等个人社会心理因素是手机使用意图的重要影响因素。然而，现有研究[3]存在两方面不足：(1)主要针对手机使用分心，未涉及其他分心类型；(2)均采用单一的现场观测或问卷调查收集数据，其中现场观测无法获得行人的社会心理因素信息，而问卷调查获取的行人分心信息往往存在一定的回忆偏倚和报告偏倚，也难以准确获取分心发生时的交通环境因素。综合来看，目前尚无研究综合利用现场观测和问卷调查有效收集两方面信息以评价社会心理因素与交通环境对不同类型行人分心行为的联合影响。
联合行为模型[4](integrated behavioral model, IBM)是在计划行为理论的基础上提出的一个理论模型，从态度、主观规范、个人能动性、意图、实施行为的知识和技能、环境阻碍、突显行为和习惯等多个维度解释个体行为的发生，已被用于系统解释和改变健康相关行为。
针对既往研究的不足，本研究以联合行为模型作为理论框架，同时应用视频拍摄和问卷调查检验社会心理因素和交通环境对手机使用、与同行人员交谈、吃喝东西/吸烟3类主要行人分心的联合影响。
1. 对象与方法
采用基于视频拍摄的观察性研究与问卷调查相结合的方法，于2019年6月29日―2019年7月21日在长沙市十字交叉路口开展研究。
1.1 研究现场和研究对象
采用多阶段随机抽样抽取长沙市20个十字交叉路口作为研究现场进行视频拍摄。研究对象为视频可清晰拍摄到其过街行为、年龄≥20岁且愿意接受问卷调查的行人。排除因自身疾病难以完成问卷调查、不能阅读中文且存在语言交流障碍，或填写问卷存在明显问题者(如：所有问题均选同一选项)。
1.2 行人分心及影响因素定义
1.2.1 行人分心
指行人在过街途中出现与过街无关的行为，包括：使用手机(如：接打电话、佩戴耳机、操作/浏览手机)、与同行人员交谈、吃喝东西/吸烟。
1.2.2 社会心理因素
指行人对3类分心行为的态度、主观规范、个人能动性、意图和分心习惯(即：在过去一周内是否发生过该类过街分心)[4-5]。参照既往研究[6-7]，本研究确定用于3类分心行为的调查问卷分别包含13个、10个和10个条目。3份问卷包括的态度条目数分别为7个、6个和2个，对应的Cronbach’s α系数分别为0.91、0.90和0.63；主观规范条目数分别为2个、2个和3个，对应的Cronbach’s α系数分别为0.82、0.83和、0.81；个人能动性条目数分别为4个、2个和4个，对应的Cronbach’s α系数分别为0.86、0.70和0.85；意图条目数均为1个。上述所有条目均设置5个选项，即：完全不赞成、比较赞成、一般、比较不赞成、非常不赞成。参照标准化问卷赋值[6-7]，将5个选项赋值为1~5分，最不可能诱发分心行为的选项为1分，最可能诱发分心行为的选项为5分。
1.2.3 交通环境
包括道路宽度、限速标志、中央隔离带、过街安全岛，通过人工记录和视频拍摄收集。
1.2.4 行人一般情况
包括年龄、性别、教育程度、出行目的、出行时段(上午/下午)、工作日/周末出行。行人年龄包括20~＜40岁、40~＜60岁、≥60岁；教育程度分为小学及以下、初高中、大学及以上；出行目的包括上下班/上下学、办事(含购物)、休闲游玩3类。
1.3 数据收集
采用智能手机拍摄行人的过街行为。每个路口由1名经培训合格的视频拍摄人员开展现场拍摄，每个路口拍摄2 d(含工作日、周末各1 d)，每天拍摄6 h。拍摄时段为工作日7:30―11:00、16:30―19:00；周末8:30―12:00、16:30―19:00(含高峰期和非高峰期各3 h)，20个路口共计拍摄240 h。
每个观测路口由一名经培训合格的调查员进行问卷调查。调查流程如下：(1)根据观察到的行人过街分心情况，确定候选调查对象；(2)待候选调查对象完成过街行为并到达安全位置后邀请其参与研究，获得知情同意后完成问卷调查(对于分心者，邀请其填写对应分心类型的调查问卷；对于未分心者，则根据行人到达安全位置的顺序，依次邀请其填写吃喝东西/吸烟、手机使用、与同行人员交谈问卷)；(3)视频拍摄人员同时记录受邀行人编号及其基本特征，以确保视频拍摄与问卷调查的完全匹配。
1.4 数据整理与分析
采用EpiData 3.1软件对视频拍摄和调查问卷数据进行双人录入与核查，根据行人编号将视频数据与调查数据进行匹配。
为探讨社会心理因素和交通环境对3类分心的影响差异，本研究在数据分析时排除过街时出现2种及以上分心者。为简化结构方程模型，本研究首先采用多因素logistic回归分析模型筛选与3类行人分心的关联有统计学意义的交通环境因素，筛选出的交通环境因素依次为道路宽度(OR=2.49)、中央隔离带(OR=2.71)、道路宽度(OR=3.22)(均有P＜0.05)；再以联合行为模型作为理论框架，构建3类行人分心的结构方程模型。见表 1。
表 1 多因素logistic回归分析模型纳入因变量及自变量赋值表Table 1. Assignment table of dependent and independent variables of multivariate logistic regression model类型 变量名 赋值 因变量 手机使用 发生=1，未发生=0(参照) 与同行人员交谈 发生=1，未发生=0(参照) 吃喝东西/吸烟 发生=1，未发生=0(参照) 自变量 性别 男性=1，女性=0(参照) 年龄组(岁) 20~＜40=1，40~＜60=2，≥60=3(参照) 教育程度 小学及以下=1(参照)，初高中=2，大学及以上=3 出行目的 休闲游玩=1(参照)，上下班/上下学=2，办事(含购物)=3 出行时段 上午=1，下午=0(参照) 工作日/周末出行 工作日=1，周末=0(参照) 态度得分(分) 原始值 主观规范得分(分) 原始值 个人能动性得分(分) 原始值 意图得分(分) 原始值 分心习惯 有=1，无=0(参照) 车道数(个) 原始值 道路宽度(m) ＜22=1(参照)，22~＜32=2，≥32=3 限速 是=1，否=0(参照) 中央隔离带 是=1，否=0(参照) 过街安全岛 是=1，否=0(参照) 采用标准化直接效应、标准化间接效应和标准化总效应评价各因素对分心行为的影响(为便于表述，后文分别简称为直接效应、间接效应和总效应)。其中，直接效应为对应的标准化路径系数，间接效应为该因素到结局变量(分心行为)间涉及的标准化路径系数的乘积，总效应为直接效应与间接效应之和[8]。上述统计分析通过SAS 9.4软件和AMOS 22.0软件实现，检验水准α=0.05。
2. 结果
2.1 调查对象一般特征
本研究共观察到十字交叉路口中20岁及以上过街行人25 436人，邀请4 370名行人参与问卷调查，应答率为45.2%(1 974人)。排除不合格问卷后，最终获得有效问卷1 741份(有效率为88.2%)，其中手机使用问卷600份、与同行人员交谈问卷660份、吃喝东西/吸烟问卷481份。见表 2。
表 2 被调查过街行人的一般特征[n(%)]Table 2. Basic characteristics of the surveyed street-crossing pedestrians [n(%)]变量 手机使用问卷 与同行人员交谈问卷 吃喝东西/吸烟问卷 分心者 未分心者 分心者 未分心者 分心者 未分心者 性别 男性 102(42.7) 159(44.0) 163(36.3) 85(40.3) 69(68.3) 164(43.2) 女性 137(57.3) 202(56.0) 286(63.7) 126(59.7) 32(31.7) 216(56.8) 年龄(岁) 20~＜40 194(81.2) 210(58.2) 311(69.3) 131(62.1) 70(69.3) 235(61.8) 40~＜60 40(16.7) 120(33.2) 115(25.6) 62(29.4) 27(26.7) 110(29.0) ≥60 5(2.1) 31(8.6) 23(5.1) 18(8.5) 4(4.0) 35(9.2) 教育程度 小学及以下 6(2.5) 13(3.6) 13(2.9) 7(3.3) 3(3.0) 13(3.4) 初高中 62(25.9) 79(21.9) 111(24.7) 56(26.5) 21(20.8) 88(23.2) 大学及以上 171(71.6) 269(74.5) 325(72.4) 148(70.1) 77(76.2) 279(73.4) 出行目的 上下班/上下学 98(41.0) 119(33.0) 93(20.7) 28(13.3) 39(38.6) 120(31.6) 办事(含购物) 95(39.8) 154(42.6) 180(40.1) 99(46.9) 37(36.6) 162(42.6) 休闲游玩 46(19.2) 88(24.4) 176(39.2) 84(39.8) 25(24.8) 98(25.8) 出行时段 上午 102(42.7) 192(53.2) 165(36.7) 132(62.6) 54(53.5) 188(49.5) 下午 137(57.3) 169(46.8) 284(63.3) 79(37.4) 47(46.5) 192(50.5) 工作日/周末 工作日 122(51.1) 198(54.9) 211(47.0) 87(41.2) 50(49.5) 201(52.9) 周末 117(48.9) 163(45.1) 238(53.0) 124(58.8) 51(50.5) 179(47.1) 合计 239(100.0) 361(100.0) 449(100.0) 211(100.0) 101(100.0) 380(100.0) 2.2 行人分心的结构方程模型结果
2.2.1 手机使用
基于联合行为模型的结构方程模型可分别解释手机使用意图和分心行为变异的46%和22%。其中，行人态度、主观规范、个人能动性和分心习惯可通过影响意图间接影响手机使用分心，其对应的间接效应分别为0.254×0.400=0.102、0.276×0.400=0.110、0.316×0.400=0.126、0.072×0.400=0.029；意图对手机使用分心的总效应为0.400。交通环境(道路宽度)对手机使用分心的直接效应和间接效应，以及分心习惯对手机使用分心的直接效应均无统计学意义(均有P＞0.05)。见图 1。
图 1 手机使用影响因素的结构方程模型标准化路径图注：a P＜0.05。e1-e16表示各观察变量的残差。模型的绝对适配度统计量残差均方和平方根(root mean square residual, RMR)为0.037，渐进残差均方和平方根(root mean square error of approximation, RMSEA)为0.023，良适性适配指数(goodness-of-fit index, GFI)、调整后良适性适配指数(adjusted goodness-of-fit index, AGFI)、规准适配指数(normed fit index, NFI)、相对适配指数(relative fit index, RFI)均大于0.90，增值适配度统计量增值适配指数(incremental fit index, IFI)、非规准适配指数(Tacker-Lweis index, TLI)、比较适配指数(comparative fit index, CFI)均大于0.9，简约适配指数(parsimony goodness-of-fit index, PGFI)、简约调整后规准适配指数(parsimony-adjusted normed fit index, PNFI)、简约调整后比较适配指数(parsimony-adjusted comparative fit index, PCFI)均大于0.5，简约适配度统计量χ2/df＜2且理论模型的赤池信息准则(Akaike information criteria, AIC)和调整赤池信息准则(consistent Akaike information criteria, CAIC)均小于独立模型和饱和模型，提示该结构方程模型拟合良好[8]。Figure 1. Standardized path diagram of structural equation model about the influence factors of pedestrians' mobile phone use2.2.2 与同行人员交谈
该模型可分别解释与同行人员交谈意图和分心行为变异的50%和18%。其中行人态度、主观规范、个人能动性通过影响与同行人员交谈意图间接影响与同行人员交谈行为，其对应的间接效应分别为0.421×0.347=0.146、0.203×0.347=0.070和0.231×0.347=0.080；意图对与同行人员交谈的总效应为0.347。分心习惯对与同行人员交谈的直接效应和间接效应分别为0.103和0.158×0.347=0.055。交通环境(中央隔离带)对与同行人员交谈的直接效应和间接效应差异均无统计学意义(均有P＞0.05)。见图 2。
图 2 与同行人员交谈影响因素的结构方程模型标准化路径图注：a P＜0.05。e1-e13表示各观察变量的残差。模型的绝对适配度统计量RMR=0.042，RMSEA=0.024，GFI、AGFI、NFI、RFI均大于0.9，增值适配度统计量IFI、TLI、CFI均大于0.9，PGFI、PNFI、PCFI均大于0.5，简约适配度统计量χ2/df＜2且理论模型的AIC和CAIC均小于独立模型和饱和模型，提示该结构方程模型较为合理、简练且模型适配度较好[8]。Figure 2. Standardized path diagram of structural equation model about the influence factors of chatting with other pedestrians2.2.3 吃喝东西/吸烟
该模型可分别解释吃喝东西/吸烟意图和分心行为变异的55%和23%。其中行人态度、主观规范、个人能动性均通过影响意图间接影响吃喝东西/吸烟分心，其对应的间接效应分别为0.307×0.325=0.100、0.262×0.325=0.085、0.321×0.325=0.104。意图对吃喝东西/吸烟分心的总效应为0.325。分心习惯对吃喝东西/吸烟分心的直接效应为0.250。交通环境(道路宽度)对吃喝东西/吸烟分心的直接效应和间接效应以及分心习惯对吃喝东西/吸烟分心的间接效应差异均无统计学意义(均有P＞0.05)。见图 3。
图 3 吃喝东西/吸烟影响因素的结构方程模型标准化路径图注：a P＜0.05。e1-e13表示各观察变量的残差。模型的绝对适配度统计量RMR=0.035，RMSEA=0.035，GFI、AGFI、NFI、RFI均大于0.9，增值适配度统计量IFI、TLI、CFI均大于0.9，PGFI、PNFI、PCFI均大于0.5，简约适配度统计量χ2/df＜2且理论模型的AIC和CAIC均小于独立模型和饱和模型，提示该结构方程模型较为合理、简练且模型适配度较好[8]。Figure 3. Standardized path diagram of structural equation model about the influence factors of eating/drinking/smoking3. 讨论
行人分心是道路交通伤害的重要危险行为之一。本研究首次将联合行为模型理论框架引入到行人分心研究中，综合使用视频拍摄与问卷调查评价了社会心理因素和交通环境对手机使用、与同行人员交谈、吃喝东西/吸烟分心3类行人分心的联合影响，具体讨论如下：
3.1 对手机使用的影响
既往研究[3]将意图作为行人手机使用分心行为的替代指标，在计划行为理论的框架上发现态度、主观规范和感知行为控制是手机使用意图的主要社会心理影响因素。本研究在社会心理因素的基础上加入了交通环境因素，两者共同解释了手机使用分心意图变异的46%，其中个人能动性、主观规范和态度是最主要的解释因子。
然而，意图对不同行为的解释度存在较大差异[6]，当意图对行为的解释度较低时，将其作为行为替代指标的做法欠妥。为弥补这一不足，本研究在既往研究基础上，通过视频拍摄收集分心行为数据，再分析社会心理因素和交通环境对手机使用分心行为的联合影响。结果发现，该模型对手机使用分心行为的解释度仅为22%，提示手机使用意图与行为间的关系尚不清楚。这可能造成许多基于行为改变理论设计的教育干预虽可以改变意图但却很难有效改变行为[6-9]。未来应进一步优化现有行为改变理论[4]，重点阐明行为发生机制、意图与行为间的关系，为减少行人分心及类似危险行为提供理论支持。
3.2 对与同行人员交谈和吃喝东西/吸烟的影响
目前，未见任何针对行人过街时与同行人员交谈、吃喝东西/吸烟分心的影响因素研究。本研究在联合行为模型理论框架下，首次探讨了社会心理因素和道路交通环境在两类行人分心中的共同作用，分别解释了两类分心行为变异的17%和23%。其中，分心习惯是两类分心行为的最主要解释因子，超过态度、主观规范和个人能动性3类社会心理因素的效应；而道路交通环境对两类分心行为的影响均较为微弱。结果提示：(1)未来应综合采用教育和立法改变社会心理因素，同时辅以工程干预改变交通环境，从而有效减少行人分心的发生；(2)考虑到与同行人员交谈、吃喝东西/吸烟分心的主要解释因子与手机使用不同，在制定行人分心干预策略时，应根据不同类型行人分心的最主要解释因子制定针对性干预。
3.3 局限性
本研究存在2个不足：(1)本研究中问卷调查的应答者与未应答者、分心者与未分心者的年龄构成存在一定差异，可能对研究结果造成影响。但由于完成有效问卷的行人特征与观察性研究中总人群特征基本一致，故该差异不太可能对研究结果造成影响；(2)问卷调查采用街头拦截方式开展，为提高调查对象的应答率，问卷内容仅涵盖重点关注的一般人口学特征和社会心理因素，而其他可能影响行人过街分心的因素(如：精神状态、压力)未被纳入。
-
图 1 手机使用影响因素的结构方程模型标准化路径图
注：a P＜0.05。e1-e16表示各观察变量的残差。模型的绝对适配度统计量残差均方和平方根(root mean square residual, RMR)为0.037，渐进残差均方和平方根(root mean square error of approximation, RMSEA)为0.023，良适性适配指数(goodness-of-fit index, GFI)、调整后良适性适配指数(adjusted goodness-of-fit index, AGFI)、规准适配指数(normed fit index, NFI)、相对适配指数(relative fit index, RFI)均大于0.90，增值适配度统计量增值适配指数(incremental fit index, IFI)、非规准适配指数(Tacker-Lweis index, TLI)、比较适配指数(comparative fit index, CFI)均大于0.9，简约适配指数(parsimony goodness-of-fit index, PGFI)、简约调整后规准适配指数(parsimony-adjusted normed fit index, PNFI)、简约调整后比较适配指数(parsimony-adjusted comparative fit index, PCFI)均大于0.5，简约适配度统计量χ2/df＜2且理论模型的赤池信息准则(Akaike information criteria, AIC)和调整赤池信息准则(consistent Akaike information criteria, CAIC)均小于独立模型和饱和模型，提示该结构方程模型拟合良好[8]。
Figure 1. Standardized path diagram of structural equation model about the influence factors of pedestrians' mobile phone use
图 2 与同行人员交谈影响因素的结构方程模型标准化路径图
注：a P＜0.05。e1-e13表示各观察变量的残差。模型的绝对适配度统计量RMR=0.042，RMSEA=0.024，GFI、AGFI、NFI、RFI均大于0.9，增值适配度统计量IFI、TLI、CFI均大于0.9，PGFI、PNFI、PCFI均大于0.5，简约适配度统计量χ2/df＜2且理论模型的AIC和CAIC均小于独立模型和饱和模型，提示该结构方程模型较为合理、简练且模型适配度较好[8]。
Figure 2. Standardized path diagram of structural equation model about the influence factors of chatting with other pedestrians
图 3 吃喝东西/吸烟影响因素的结构方程模型标准化路径图
注：a P＜0.05。e1-e13表示各观察变量的残差。模型的绝对适配度统计量RMR=0.035，RMSEA=0.035，GFI、AGFI、NFI、RFI均大于0.9，增值适配度统计量IFI、TLI、CFI均大于0.9，PGFI、PNFI、PCFI均大于0.5，简约适配度统计量χ2/df＜2且理论模型的AIC和CAIC均小于独立模型和饱和模型，提示该结构方程模型较为合理、简练且模型适配度较好[8]。
Figure 3. Standardized path diagram of structural equation model about the influence factors of eating/drinking/smoking
表 1 多因素logistic回归分析模型纳入因变量及自变量赋值表
Table 1. Assignment table of dependent and independent variables of multivariate logistic regression model
类型 变量名 赋值 因变量 手机使用 发生=1，未发生=0(参照) 与同行人员交谈 发生=1，未发生=0(参照) 吃喝东西/吸烟 发生=1，未发生=0(参照) 自变量 性别 男性=1，女性=0(参照) 年龄组(岁) 20~＜40=1，40~＜60=2，≥60=3(参照) 教育程度 小学及以下=1(参照)，初高中=2，大学及以上=3 出行目的 休闲游玩=1(参照)，上下班/上下学=2，办事(含购物)=3 出行时段 上午=1，下午=0(参照) 工作日/周末出行 工作日=1，周末=0(参照) 态度得分(分) 原始值 主观规范得分(分) 原始值 个人能动性得分(分) 原始值 意图得分(分) 原始值 分心习惯 有=1，无=0(参照) 车道数(个) 原始值 道路宽度(m) ＜22=1(参照)，22~＜32=2，≥32=3 限速 是=1，否=0(参照) 中央隔离带 是=1，否=0(参照) 过街安全岛 是=1，否=0(参照) 
下载: 导出CSV
表 2 被调查过街行人的一般特征[n(%)]
Table 2. Basic characteristics of the surveyed street-crossing pedestrians [n(%)]
变量 手机使用问卷 与同行人员交谈问卷 吃喝东西/吸烟问卷 分心者 未分心者 分心者 未分心者 分心者 未分心者 性别 男性 102(42.7) 159(44.0) 163(36.3) 85(40.3) 69(68.3) 164(43.2) 女性 137(57.3) 202(56.0) 286(63.7) 126(59.7) 32(31.7) 216(56.8) 年龄(岁) 20~＜40 194(81.2) 210(58.2) 311(69.3) 131(62.1) 70(69.3) 235(61.8) 40~＜60 40(16.7) 120(33.2) 115(25.6) 62(29.4) 27(26.7) 110(29.0) ≥60 5(2.1) 31(8.6) 23(5.1) 18(8.5) 4(4.0) 35(9.2) 教育程度 小学及以下 6(2.5) 13(3.6) 13(2.9) 7(3.3) 3(3.0) 13(3.4) 初高中 62(25.9) 79(21.9) 111(24.7) 56(26.5) 21(20.8) 88(23.2) 大学及以上 171(71.6) 269(74.5) 325(72.4) 148(70.1) 77(76.2) 279(73.4) 出行目的 上下班/上下学 98(41.0) 119(33.0) 93(20.7) 28(13.3) 39(38.6) 120(31.6) 办事(含购物) 95(39.8) 154(42.6) 180(40.1) 99(46.9) 37(36.6) 162(42.6) 休闲游玩 46(19.2) 88(24.4) 176(39.2) 84(39.8) 25(24.8) 98(25.8) 出行时段 上午 102(42.7) 192(53.2) 165(36.7) 132(62.6) 54(53.5) 188(49.5) 下午 137(57.3) 169(46.8) 284(63.3) 79(37.4) 47(46.5) 192(50.5) 工作日/周末 工作日 122(51.1) 198(54.9) 211(47.0) 87(41.2) 50(49.5) 201(52.9) 周末 117(48.9) 163(45.1) 238(53.0) 124(58.8) 51(50.5) 179(47.1) 合计 239(100.0) 361(100.0) 449(100.0) 211(100.0) 101(100.0) 380(100.0)
下载: 导出CSV
-
[1] Nasar JL, Troyer D. Pedestrian injuries due to mobile phone use in public places[J]. Accid Anal Prev, 2013, 57: 91-95. DOI: 10.1016/j.aap.2013.03.021. [2] National highway traffic safety administration. Fatality analysis reporting system (FARS)[DB/OL]. (2022-06-24)[2022-07-31]. https://wwwfars.nhtsa.dot.gov/People/PeoplePedestrians.aspx .[3] 宁佩珊, 胡国清. 行人分心流行特征与干预研究进展[J]. 中华流行病学杂志, 2022, 43(2): 277-281. DOI: 10.3760/cma.j.cn112338-20210629-00503.Ning PS, Hu GQ. Progress on epidemiological characteristics and interventions of pedestrian distraction[J]. Chin J Epidemiol, 2022, 43(2): 277-281. DOI: 10.3760/cma.j.cn112338-20210629-00503. [4] Glanz K, Rimer BK, Viswanath K. Health behavior and health education: theory, research, and practice[M]. San Francisco, CA: Jossey-Bass, 2008: 68-92. [5] de Bruijn GJ, Kremers SPJ, Singh A, et al. Adult active transportation: adding habit strength to the theory of planned behavior[J]. Am J Prev Med, 2009, 36(3): 189-194. DOI: 10.1016/j.amepre.2008.10.019. [6] Ajzen I. Constructing a theory of planned behavior questionnaire[EB/OL]. (2019-01-01)[2022-07-28]. https://people.umass.edu/aizen/pdf/tpb.measurement.pdf .[7] Ajzen I. Sample TPB questionnaire[EB/OL]. (2019-01-01)[2022-07-28]. https://people.umass.edu/aizen/pdf/tpb.questionnaire.pdf .[8] 吴明隆. 结构方程模型: AMOS的操作与应用[M]. 重庆: 重庆大学出版社, 2009: 37-53.Wu ML. Structural equation model: Operation and application of AMOS[M]. Chongqing: Chongqing University Press, 2009: 37-53. [9] Schwebel DC, McClure LA, Porter BE. Experiential exposure to texting and walking in virtual reality: A randomized trial to reduce distracted pedestrian behavior[J]. Accid Anal Prev, 2017, 102: 116-122. DOI: 10.1016/j.aap.2017.02.026. 期刊类型引用(3)
1. 吴志建，王竹影，朱建勇，王厚雷，张帆，胡凤飞. 主观和客观建成环境对老年人户外体力活动的影响. 首都体育学院学报. 2023(03): 317-325 . 
百度学术2. 戚良玮，高鹏，陈海峰，吴轻，蔡玉玉，方心宇，叶冬青. 合肥市网约配送员道路交通伤害现状及其影响因素. 中华疾病控制杂志. 2023(08): 940-945+992 . 本站查看3. 毕家铭. 探索城市空间中建筑环境艺术与行人行为的交互. 居舍. 2023(15): 150-153 . 百度学术其他类型引用(1)
-
下载:
点击查看大图
计量
- 文章访问数: 308
- HTML全文浏览量: 267
- PDF下载量: 51
- 被引次数: 4