科技部補助專題研究計畫成果報告 （□期中進度報告/þ期末報告）

國道客運駕駛員人因結構特性之安全駕駛行為分析

計畫類別：þ個別型計畫 □整合型計畫 計畫編號：MOST 104-2221-E-006-046-MY2 執行期間：104年 8月 1日至 106年 8月 31日

執行機構及系所：國立成功大學交通管理系

計畫主持人：魏健宏 計畫共同主持人：吳昆峰、陳宥欽 計畫參與人員：梁力元、李佩憶

本計畫除繳交成果報告外，另含下列出國報告： þ出席國際學術會議心得報告

期末報告處理方式：

1. 公開方式： þ非列管計畫亦不具下列情形，立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

2.「本研究」是否已有嚴重損及公共利益之發現：þ否 □是

3.「本報告」是否建議提供政府單位施政參考 □否 þ是， 交通部 （請

列舉提供之單位；本部不經審議，依勾選逕予轉送） 中 華 民 國 1 0 6 年 1 0 月

i

目錄

表目錄 圖目錄 中文摘要 英文摘要 第一章 緒論 ............................................................................................................. 1

1.1 研究背景與動機 ...................................................................................... 1 1.2 研究目的 .................................................................................................. 3 1.3 研究範圍 .................................................................................................. 4 1.4 研究方法與流程 ...................................................................................... 5

第二章 文獻回顧 ..................................................................................................... 8 2.1 人格特質 .................................................................................................. 8

2.1.1 人格特質定義 .................................................................................. 8 2.1.2 人格特質分類 .................................................................................. 9 2.1.3 人格特質相關文獻 ........................................................................ 11

2.2 行車紀錄器 ............................................................................................ 12 2.2.1 行車紀錄器定義 ............................................................................ 13 2.2.2 行車紀錄器應用相關文獻 ............................................................ 14

2.3 駕駛行為 ................................................................................................ 16 2.3.1 偏差駕駛行為 ................................................................................ 16 2.3.2 駕駛行為相關文獻 ........................................................................ 17

2.4 工作績效評估 ........................................................................................ 20 2.4.1 工作績效評估相關文獻 ................................................................ 20 2.4.2 駕駛績效 ........................................................................................ 22 2.4.3 駕駛績效相關文獻 ........................................................................ 23

2.5 駕駛行為分級 ........................................................................................ 24 2.5.1 分級制度 ........................................................................................ 24 2.5.2 駕駛行為分級相關文獻 ................................................................ 25

2.6 小結 ........................................................................................................ 28 第三章 研究方法與設計 ....................................................................................... 30

3.1 研究架構 ................................................................................................ 30 3.2 研究變數 ................................................................................................ 32

3.2.1 駕駛員人格特質變數 .................................................................... 32 3.2.2 駕駛行為變數 ................................................................................ 33

3.3 研究問卷資料蒐集 ................................................................................ 34

ii

3.4 研究方法 ................................................................................................ 36 3.4.1 文獻蒐集與整理 ............................................................................ 36 3.4.2 資料蒐集與問卷調查 .................................................................... 36 3.4.3 資料正規化(Data Normalization) ................................................ 37 3.4.4 相關分析(Correlation Analysis) ................................................... 37 3.4.5 集群分析法(Cluster Analysis) ...................................................... 37 3.4.6 變數共線性檢測(Multi-Collinearity) .......................................... 40 3.4.7 卜瓦松迴歸分析(Poisson Regression Model) ............................. 40 3.4.8 多元迴歸分析(Multiple Regression Analysis) ............................ 41 3.4.9 二元羅吉斯迴歸模式(Binary Logistic Regression) .................... 41 3.4.10次序羅吉斯迴歸模式(Ordered Logit Regression) ...................... 42

第四章 資料分析與結果 ....................................................................................... 43 4.1 研究變數基本分析 ................................................................................ 43

4.1.1 人格特質變數 ................................................................................ 43 4.1.2 駕駛行為變數 ................................................................................ 43 4.1.3 駕駛行為變數調整 ........................................................................ 45

4.2 偏差駕駛行為風險值 ............................................................................ 47 4.2.1 偏差駕駛行為風險值 .................................................................... 48 4.2.2 偏差駕駛行為風險值基本特性 .................................................... 49

4.3 偏差駕駛行為分級制度 ........................................................................ 53 4.3.1 集群分析 ........................................................................................ 54 4.3.2 偏差駕駛行為風險值分級 ............................................................ 59 4.3.3 偏差駕駛行為風險分級卜瓦松分配(Poisson Distribution) ....... 70

4.4 人格特質與偏差駕駛行為關聯性模型 ................................................ 72 4.4.1 左右偏移(𝒀𝟏) ................................................................................. 73 4.4.2 未保持安全距離(𝒀𝟐) ..................................................................... 74 4.4.3 引擎轉速過高(𝒀𝟑) ......................................................................... 75 4.4.4 超速(𝒀𝟒) ......................................................................................... 76 4.4.5 急加速(𝒀𝟓) ..................................................................................... 77 4.4.6 電磁剎車使用過久(𝒀𝟔) ................................................................. 80

4.5 人格特質與偏差駕駛行為風險分級關聯性模型 ................................ 81 4.5.1 人格特質建構有無明顯偏差駕駛行為模式 ................................ 82 4.5.2 人格特質建構駕駛風險分級人數模式 ........................................ 84 4.5.3 人格特質建構駕駛員駕駛風險分級模式 .................................... 85

4.6 小結 ........................................................................................................ 90 第五章 結論與建議 ............................................................................................... 94

5.1 結論 ........................................................................................................ 94

iii

5.2 建議 ........................................................................................................ 99 參考文獻................................................................................................................. 101 附表 1 人格特質與偏差駕駛行為相關矩陣........................................................ 106

iv

表目錄

表 1- 1 民國 104年道路交通事故統計 ................................................................. 2 表 2- 1 國內外學者對人格特質定義 ..................................................................... 8 表 2- 2 各國行車紀錄器定義 ............................................................................... 14 表 2- 3 偏差駕駛行為定義 ................................................................................... 17 表 2- 4 駕駛績效量測項目彙整 ........................................................................... 22 表 2- 5 駕駛績效指標文獻彙整 ........................................................................... 28 表 3- 1 人格特質之衡量構面與問項 ................................................................... 35 表 3- 2 變數共線性檢測指標 ............................................................................... 40 表 4- 1 五大人格特質特性 ................................................................................... 43 表 4- 2 單季駕駛行為特性分析表 ....................................................................... 44 表 4- 3 偏差駕駛行為變數相關係數 ................................................................... 46 表 4- 4 104年高速公路人為駕駛肇事主因與車種交叉分析 ............................ 47 表 4- 5 群數凝聚過程 ........................................................................................... 55 表 4- 6 最後集群中心點 ....................................................................................... 58 表 4- 7 ANOVA分析表 ........................................................................................ 58 表 4- 8 集群分析分群駕駛行為特性 ................................................................... 59 表 4- 9 等級距風險值分級級距(整併前駕駛行為變數) .................................... 62 表 4- 10 等級距風險分級 4、5級駕駛員偏差駕駛特性(整併前變數) .............. 63 表 4- 11 固定級距風險值分級級距(整併後駕駛行為變數) ................................. 64 表 4- 12 固定級距風險分級 4、5級駕駛員偏差駕駛特性(整併後變數) .......... 64 表 4- 13 固定比例風險值分級級距(整併前駕駛行為變數) ................................ 66 表 4- 14 固定比例風險分級第 5級駕駛員偏差駕駛特性(整併前變數) ............ 68 表 4- 15 固定比例風險值分級級距(整併後駕駛行為變數) ................................ 68 表 4- 16 固定比例風險分級第 5級駕駛員偏差駕駛特性(整併後變數) ............ 69 表 4- 17 原駕駛風險固定級距分級人數分佈(整併後駕駛行為變數) ................ 71 表 4- 18 固定級距駕駛風險分級卜瓦松分配(整併後駕駛行為變數) ................ 71 表 4- 19 左右偏移模式摘要 ................................................................................... 74 表 4- 20 未保持安全距離模式摘要 ....................................................................... 75 表 4- 21 引擎轉速過高模式摘要 ........................................................................... 76 表 4- 22 超速模式摘要 ........................................................................................... 77 表 4- 23 急加速模式摘要 ....................................................................................... 78 表 4- 24 急加速模式摘要(調整變數) .................................................................... 78 表 4- 25 急加速模式摘要(交互作用) .................................................................... 79 表 4- 26 電磁剎車使用過久模式摘要 ................................................................... 81

v

表 4- 27 五大人格特質對明顯偏差駕駛行為之羅吉斯迴歸分析表 ................... 83 表 4- 28 人格特質配適有無明顯偏差駕駛行為之分類表 ................................... 83 表 4- 29 固定級距之風險分級人數 ....................................................................... 84 表 4- 30 人格特質對駕駛風險固定級距分級人數之卜瓦松迴歸分析表 ........... 85 表 4- 31 五大人格特質對固定級距駕駛風險分級之次數表 ............................... 86 表 4- 32 五大人格特質對固定級距風險分級之次序羅吉斯迴歸分析表 ........... 87 表 4- 33 五大人格特質對固定比例駕駛風險分級之次數表 ............................... 89 表 4- 34 五大人格特質對固定比例風險分級之次序羅吉斯迴歸分析表 ........... 89 表 4- 35 五大人格特質影響顯著性 ....................................................................... 90

vi

圖目錄

圖 1- 1 民國 100年-104年鐵路及公路客運營運量 ............................................. 1 圖 1- 2 研究重點 ..................................................................................................... 4 圖 1- 3 研究流程圖 ................................................................................................. 7 圖 3- 1 研究架構圖 ............................................................................................... 31 圖 4- 1 左右偏移行為風險值累計人數比例 ....................................................... 50 圖 4- 2 未保持安全距離行為風險值累計人數比例 ........................................... 51 圖 4- 3 引擎轉速過高行為風險值累計人數比例 ............................................... 51 圖 4- 4 超速行為風險值累計人數比例 ............................................................... 52 圖 4- 5 急加速行為風險值累計人數比例 ........................................................... 52 圖 4- 6 電磁剎車使用過久行為風險值累計人數比例 ....................................... 53 圖 4- 7 偏差駕駛行為分級制度建構架構圖 ....................................................... 54 圖 4- 8 集群分析陡坡圖 ....................................................................................... 57 圖 4- 9 等級距分級各級累計人數比例(整併前駕駛行為變數) ........................ 62 圖 4- 10 等級距分級各級人數與比例(整併前駕駛行為變數) ............................ 63 圖 4- 11 固定級距分級各級累計人數比例(整併後駕駛行為變數) ..................... 65 圖 4- 12 固定級距分級各級人數與比例(整併後駕駛行為變數) ........................ 65 圖 4- 13 固定比例分級各級累計人數比例(整併前駕駛行為變數) .................... 67 圖 4- 14 固定比例分級各級人數與比例(整併前駕駛行為變數) ........................ 67 圖 4- 15 固定比例分級各級累計人數比例(整併後駕駛行為變數) .................... 69 圖 4- 16 固定比例分級各級人數與比例(整併後駕駛行為變數) ........................ 70 圖 4- 17 固定級距駕駛風險分級次數卜瓦松分佈圖(整併後駕駛行為變數) .... 72

vii

摘要

國道客運為臺灣主要之中長途城際運輸服務之一，通常以大客車為載客運

具，因此在肇生交通事故時，往往伴隨著大量人員的傷亡。根據統計數據指出，

90%以上之交通事故主因係人為所致，故駕駛員在行車過程中之駕駛行為係影響整體行車安全性之重要因子，更為影響乘客搭乘舒適度以及乘客搭乘意願等之重

要因素之一。因此客運駕駛員品質不僅直接影響國道運輸安全，更進而影響客運

公司營運績效。除此之外，近年來國道客運服務品質逐漸受到重視，交通部業已

將駕駛員之駕駛行為列為國道客運評鑑項目之一，顯見駕駛行為對國道運輸品質

影響之重要性。

客運駕駛員身負國道運輸安全之重責大任，其駕駛行為受到自身人格特質一

定程度之影響，為確保乘客人身安全及提升客運業者營運安全績效，實有就偏差

駕駛行為建立駕駛行為安全風險管理機制之必要。國道上造成意外交通事故的常

見駕駛行為包含超速、未保持安全距離以及車道左右偏移等。本研究透過個案客

運公司提供行車紀錄器資料，提出偏差駕駛行為之定義、確認可能導致交通事故

風險之八項偏差駕駛行為，並藉由個案公司協助問卷發放了解人格特質與偏差駕

駛行為之間的關聯性；除此之外，本研究亦針對駕駛員偏差駕駛行為進行分群，

進一步建立駕駛風險分級制度，作為評定駕駛員績效以及安全風險管理之依據。

本研究以偏差駕駛行為為基礎，評估駕駛員風險值、並建立駕駛風險分級制

度，再構建多元迴歸、二元羅吉斯、次序性羅吉斯模型檢驗人格特質對國道客運

駕駛員之駕駛行為與其分級結果之影響；除此之外，另以集群分析方法探究不同

分群駕駛員之偏差駕駛特性，檢視特定偏差駕駛行為關聯特性。經上述成果，檢

視駕駛員人格特質對於發生偏差駕駛行為之影響，並進一步以人格特質將駕駛員

駕駛風險進行分級，以利於既有駕駛員安全風險管理與適任性評估，同時亦憑以

作為新進駕駛員聘任的參考指標之一。駕駛行為對於整體國道運輸安全之影響極

為關鍵，本研究期以人格特質預測潛在駕駛行為及駕駛風險分級制度之建立，強

化管理效率及提升國道運輸安全。

關鍵詞：人格特質、駕駛行為、偏差駕駛行為、駕駛風險、分級制度

viii

Establishing the Relationship between Driver Attributes and Safe Driving Behavior for Intercity Bus Drivers

Abstract

The growing inter-city bus industry and its importance for ground transport have brought the inter-city bus safety a vital and urgent issue. To reduce possible human-caused accidents, inspection of drivers’ driving patterns and personalities and a proper mechanism for assessing driving performance are needed. This study collects 62 e-bus drivers’ personality information and tachograph recorded driving data. The Big Five personality traits are adopted with openness to experience, conscientiousness, extraversion, agreeableness, and neuroticism, while nine aberrant driving behaviors are defined by the bus company as shift to right, shift to left, not keeping safe distance, severely not keeping safe distance, overusing electromagnetic brake, exorbitant revolution per minute, slight speeding, hard acceleration, and idle for too long. This study assesses drivers’ risk values and construct drivers’ risk level evaluation mechanism on the basis of aberrant driving behaviors. Besides, multiple regression models and logit regression models are developed to examine the relationships between personalities and driving behaviors, and risk levels respectively. It is confirmed in this study that driving behaviors have crucial impacts on highway safety. This research anticipates to enhance managing efficiency and highway safety through predicting driving behaviors with personalities and establishing driving risk classifying mechanism. The results reveal that drivers’ driving risk could be negatively affected by agreeableness and extraversion. Conscientiousness and neuroticism, by contrast, could be relatively positive to drivers’ driving risk. Analysis of personalities could be beneficial for bus operators to execute driver management. Furthermore, the proposed models could be applied as indices for appraising new employees when recruiting.

Keywords: Personalities, Driving Behaviors, Aberrant Driving Behaviors,

Driving Risk, Classification Mechanism

1

第一章 緒論

1.1 研究背景與動機

提倡大眾運輸為近年政府機關致力發展的目標之一，而國內陸路大眾運輸主

要分為軌道運輸與汽車客運，其中軌道運輸包含臺鐵、高鐵以及捷運。根據交通

部交通統計月報(民 105)統計，汽車客運業於民國 104年總載客數量達 1,222百萬

人次，平均每日超過三百萬搭乘人次，為國內陸路運輸載客數量最龐大之運輸

業，甚至多於臺鐵、高鐵以及捷運之載客數量總和；並隨大眾運輸系統推廣成效

卓見，其載客人次於民國 100年至民國 104年間皆有一定成長，其載客數量趨勢

如圖 1- 1所示。

資料來源：交通部交通統計月報(民 104年)、本研究整理

圖 1- 1 民國 100年-104年鐵路及公路客運營運量

2

國道客運為國內中長途城際主要公路運輸服務之一，通常以大客車為載客運

具，由於乘載容量較其他運具來得大，意外發生時也容易造成嚴重程度較高之事

故，因此國道運輸之安全議題逐漸受到重視。交通部交通統計月報(民 105)道路

交通事故統計中，民國 104年間大客車所導致之肇事件數、受傷人數與死亡人數

雖較小客車相對少，但其肇事率、受傷率及死亡率皆遠高於小客車，其中受傷率

更為小客車 20倍之多，詳細統計資料如表 1- 1；因此，大客車交通事故的發生不

僅直接對道路交通安全造成影響，亦間接造成龐大之社會成本。

表 1- 1 民國 104年道路交通事故統計

車種

肇事 件數

肇事率 (萬輛)

受傷 人數

受傷率 (萬輛)

死亡 人數

死亡率 (萬輛)

大客車 24 7.18 29 8.68 25 7.48

小客車 453 0.70 289 0.45 476 0.73 資料來源：交通部交通統計月報(民 105年)、本研究整理

交通事故的發生多涉及人為因素、車輛因素與道路環境因素三者間之關係或

同時發生之交互影響，其中又以與駕駛行為相關之人為因素佔約 90%為主要肇因

(Treat et al., 1979)。根據內政部警政署警政統計年報(民 104)，民國 104年間 A1

及 A2類道路交通事故中近 98%之肇事原因為駕駛人之過失所導致，其餘交通管

制、行人等原因則佔極少數，足見駕駛人於交通事故中之關鍵。而由於城際運輸

中客運駕駛員駕駛時間較長，因此駕駛員在行駛過程中之駕駛行為將對國道客運

安全造成相當大的影響。而除了人格特質外，影響駕駛行為的因素範圍甚廣，其

中包含駕駛員的工作滿足、工作壓力、組織氣候對駕駛行為的影響，在過去研究

已進行探討(陳宥欽等，民 104)；駕駛員年齡與生理條件對駕駛行為的影響亦已

於前期研究中執行(Chen, Wei and Liang, 2015)；除此之外，針對駕駛風險因子對

駕駛行為的影響，也在 Chen et al. (2015)的研究中了解以駕駛背景資料作為調節

駕駛風險因子之研究；綜整上述研究範疇，本研究係著重於人格特質影響的探究。

3

客運駕駛之行為受到人格特質的影響，導致行駛過程中發生偏差駕駛行為之

可能性進而影響行駛安全。本研究藉由個案公司駕駛員人事資料，以及進行格特

質問卷發放取得資料，結合個案公司所提供之行車紀錄器中所紀錄之急加速、嚴

重超速、車道左右偏移、未保持安全距離等風險駕駛行為(陳信丞，民 103)，進

行人格特質影響駕駛行為關聯性分析，建立駕駛行為分級制度，以評定駕駛員之

駕駛績效，並藉以作為評估其適任性之參考(Wei and Lee, 2017)。

1.2 研究目的

隨著汽車客運搭乘人次增加，以及在大客車交通事故帶來嚴重後果屢見不鮮

的情況下，大客車行車安全逐漸成為社會關心議題。道路交通事故雖牽涉車輛與

道路環境因素，然其肇因絕大部分仍歸究於駕駛行為之人為因素；換言之，駕駛

員在行駛過程中對道路交通安全扮演著極為關鍵的角色，也因此駕駛員的駕駛風

險評估與其聘任就更顯重要。

駕駛員駕駛績效於眾多因素交互作用下發生，包含車輛因素、機械因素與人

為因素與道路環境因素等影響，其中駕駛行為受人為因素影響最鉅，且其亦最難

以被掌握。因此，本研究將透過個案公司所提供之行車紀錄器資料，篩選影響行

車安全之偏差駕駛行為，並藉由人格特質問卷分析偏差駕駛行為與駕駛員人格特

質間之因果關係，確立不同人格特質誘發特定偏差駕駛行為之可能性，並建立駕

駛行為風險分級制度，評估駕駛員之駕駛風險、駕駛適任性，以利於業者於招募

駕駛員時篩選事故發生可能性較低之適當人選，以事前角度進行意外事故之防

範。綜上所述，本研究之研究目的如下，研究重點如圖 1- 2：

一、 結合人格特質與駕駛行為進行預測架構之建立，分析不同人格特質因素對影

響特定偏差駕駛行為之重要性與其可能之影響程度，以評估駕駛員潛在偏差

駕駛行為風險。

4

二、 建立駕駛行為風險分級制度，透過判別各項偏差駕駛行為於一群體內之相對

嚴重程度，將偏差駕駛行為風險值總和分別依固定級距與固定比例方式進行

駕駛行為風險分級，判定駕駛員整體駕駛風險性。

三、 透過分級制度評估駕駛員駕駛風險，並期望可藉由人格特質檢測方式事先了

解駕駛員可能之駕駛風險分級，探究可能造成較高駕駛風險之人格特質，從

事故前端角度降低人為意外事故發生率。

圖 1- 2 研究重點

1.3 研究範圍

本研究將針對國內 A客運公司所提供之行車紀錄器資料、駕駛員人格特質調

查資料與行車紀錄器駕駛行為資料，並以個案公司行駛於臺南區南北線(臺北-臺

南國道路線)之 62位駕駛員為觀測對象，進行人格特質與偏差駕駛行為關聯性與

駕駛風險分級制度之個案探討；研究資料時間為民國 101年第二季(4月至 6月)。

5

1.4 研究方法與流程

本研究以人格特質與特定駕駛行為以及駕駛行為分級制度為主要探討課

題，因此將透過個案研究公司所提供之行車紀錄器所紀錄之偏差駕駛行為，並經

由問卷訪談方式取得人格特質資料，分析人格特質與違規駕駛行為之關聯性，並

以國內外駕駛績效分級相關依據為參考，探究本研究中目標產業適時適性之分級

制度。研究過程大致劃分為確認研究動機與目的、文獻回顧、資料蒐集、資料彙

整與分析、分級制度與關聯性模型建立，以及結論與建議等六個步驟，詳細進行

方式說明如下：

一、 確立研究動機與目的

確認問題標的與後續研究可能性。

二、 文獻回顧

蒐集國內外駕駛行為、偏差駕駛行為與人格特質相關之期刊，以及不同偏差

駕駛行為之參考文獻。

三、 業者訪談與資料蒐集

由個案公司提供駕駛員個人背景與駕駛績效等資訊，並輔以人格特質問卷調

查，以獲得更多性格特徵，本研究中沿用前期研究之人格特質問卷訪問成果作為

後續分析之用；並透過行車紀錄器資料統計駕駛員異常或偏差駕駛行為種類與頻

率，以利研究進行。

四、 資料彙整與分析

將行車紀錄器紀錄資料進行過濾，篩選研究標的時間範圍內之紀錄，並將不

合理與異常紀錄予以刪除，另透過數值換算將偏差駕駛行為轉換為風險值；檢核

人格特質問卷並將其與駕駛員背景個人資料進行整合。

6

五、 關聯性模型與分級制度建立

以統計方法與多元迴歸分析將蒐集到之資料建立駕駛行為與人格特質關係

模型，將人格特質與偏差駕駛行為進行對應，另將駕駛員駕駛風險分級，建立以

人格特質預測駕駛員風險分級之模式。

六、 結論與建議

依據研究結果提出結論、可行建議以及後續研究可能延伸議題。

依據上述說明，本研究整體研究流程與架構如圖 1- 3：

7

圖 1- 3 研究流程圖

8

第二章 文獻回顧

2.1 人格特質

人格特質為本研究中探究駕駛行為關聯主軸，因此將於本節回顧人格特質定

義與相關文獻。

2.1.1 人格特質定義

「人格」一詞最早源自於拉丁文「persona」，原意為面具；而在心理學上則

指個體與環境交互作用過程中所形成的獨特身體組織，在緩慢變動的過程中使個

體於適應環境時，在動機、態度、價值觀等面向呈現出不同於其他個體之表現，

也因此展現出人格的獨特性、複雜性與持久性等特徵，並可將人格定義為「每個

人獨特且一致的行為表現」。因此，池進通等(2008)表示人格即為個體在先天屬性

反應與後天環境影響下，所表達出異於其他個體的顯性或隱性現象；不僅如此，

人格既為一致、持久卻有別於其他個體，並且反映在內在的特質與外在的行為

上。針對人格特質的定義，一直以來不乏眾多學者對其提出不同理解，茲將各學

者對人格定義整理如表 2- 1。

表 2- 1 國內外學者對人格特質定義

學者 定義

Guilford (1959) 人格為個人與其他人不同的一種持久、獨特的特質。

Allport (1961) 個體心理系統內決定個體思想、行為特性的的動態組

織。

Scott & Mitchell (1972) 人類心理成長與發展的過程。

9

學者 定義

盧盛忠等(民 86) 一組相對穩定的特徵，決定特定的個人在各種不同情

境下的行為表現。

張春興(民 89) 個人對於他人、自己、事物甚至適應環境時所展現出

的獨特個性。 資料來源：黃彩霖(民 92)、廖哲聖(民 98)、本研究整理

2.1.2 人格特質分類

特質論領域中，特質為得以區分個體與他人的一致性思考、感覺與行動，具

備持久而穩定的特性，且對個體行為有一般性與一致性的影響。最初由 Eysenck

提出人格結構理論，將人格特質分為三個向度，分別為內向性與外向性、情緒不

穩定與穩定，以及精神質向度。其中內向性表現包含害羞、被動、謹慎與獨來獨

往，外向性則為善於社交、主動、喜愛社交等表現；情緒穩定性則包含焦慮、緊

張，另一端為沉著與適應良好；精神質則指缺乏同理、情感與較低敏感度表現。

經過學者不斷修正並加入其他人格特質後，Costa and McCrae於 1989年所提

出的五大人格特質(The Big Five Model)為目前最廣為接受之人格特質分類，包含

經驗開放性(Openness to Experience)、嚴謹自律性(Conscientiousness)、外向性

(Extraversion)、和善性(Agreeableness)以及神經質(Neuroticism)，各向度特徵說明

如下：

一、 經驗開放性(Openness to Experience)

開放性與好奇心、豐富的想像力、較有彈性、對藝術的敏感度以及不墨守成

規的態度有關；擁有較高開放性的人通常較難以被預測也較缺乏注意力，但卻富

有冒險精神；相反的，較低開放性者則被視為循規蹈矩、保守且較封閉。

10

二、 嚴謹自律性(Conscientiousness)

具備謹慎性者通常傾向於較可靠的、自律的，且在追求目標時展現出一致且

計畫周詳的態度。高謹慎性的人時常被視為較固執且執著的，而低謹慎性者在行

為上雖較彈性與隨機應變，卻也會被視為較草率且不可靠。

三、 外向性(Extraversion)

外向性指的是一個人與他人間關係感到舒適的程度，其所表現出的特徵包含

有活力的、具有正向情感、直率以及熱衷於社交活動等特質；高外向性的人通常

會尋求他人注意並且掌控慾較強，反之較低外向性者則較拘謹，也可能較為冷漠。

四、 友善性(Agreeableness)

指一個人對他人所定下的規範遵循程度，友善性的高低反映出對規範遵循程

度高低。有較高友善性者，較有同情心、謙虛、正直且值得信任；若友善性較低

則可能代表猜忌的、不合群且好鬥的。

五、 神經質(Neuroticism)

為挑起負面情感所需刺激的程度，傾向於較負面的情緒的表現，包含憤怒

的、焦慮、憂鬱及脆弱的。當一個人具有高神經質時，將呈現出容易焦慮、有敵

意、不安感且較脆弱的樣態；反向而言，神經質表現性較低者則呈現較穩定且冷

靜的反應。

雖仍有其他學者認為描述性格需要更多特質詮釋，或透過較少特質便已足

夠，然經過許多研究證實，此五大性格特質已成為主要性格結構，本研究亦將沿

用此人格特質架構，作為後續研究進行之依據。

11

2.1.3 人格特質相關文獻

Mallia, Lazuras, Violani and Lucidi (2015)藉由交通安全態度的影響，利用人格特

質與態度間關係模型，評估人格特質能否直接與間接預測公車駕駛之三項偏差駕

駛行為：違規駕駛、疏忽以及駕駛過程中發生失誤；除此之外，該研究亦針對偏

差行為與肇事風險間之關係進行評估。研究中使用結構方程式與 Costa and

McCrae 所提出的五大人格特質分析人格特質對偏差駕駛行為間直接與間接的關

係，研究成果顯示具備謹慎與尋求刺激特質者將直接對交通安全態度造成顯著影

響，但卻對偏差駕駛行為呈現負相關；而較情緒化者之特質則直接影響到其偏差

駕駛行為。

Tabibi, Boorzabadi, Staarinos and Mashhadi (2015)透過魏氏逆序記憶廣度測

試、持續性操作測驗、Go/ No-go 測驗以及駕駛者行為問卷，衡量偏差駕駛行為

與工作記憶、持續專注力，以及謹慎的行為等三項要素間之關聯性。研究結果顯

示偏差駕駛行為、駕駛錯誤皆與持續專注力以及謹慎駕駛有顯著關係；違規則與

謹慎顯著相關。迴歸分析中則分別指出謹慎行為可顯著預測為偏差駕駛行為、駕

駛錯誤與違規；性別預測違規與錯誤；前一年度肇事件數則與駕駛錯誤、謹慎行

為以及違規相關。

廖哲聖(民 98)以試題反應理論，透過駕駛過程中可能面臨之情境收集駕駛人

可能之情緒反應與因應行為，進而發展「量測駕駛人憤怒駕駛傾向」量表。並以

Eysenck 發展之人格特質量表探索衝動性、冒險性與同理心對憤怒駕駛行為發生

之影響；亦參考過去相關研究成果，將性別角色納入考量，探討性別角色對憤怒

駕駛傾向之影響。針對人格特質部分，研究成果顯示憤怒駕駛傾向明顯地受到個

人「冒險性」影響，而反應行為意象之強度則受到個人「衝動性」的影響；然而

同理心僅對憤怒感具有負向因果關係。就性別角色與人格特質關係而言，男性化

的衝動性顯著大於中性化的角色，其冒險性亦顯著大於中性化與女性化角色。

12

王詩涵(民 95)結合駕駛員個人資訊、獎勵懲罰資料、客訴資料以及人格特質

問卷探究駕駛員駕駛行為表現，以多元羅吉斯迴歸分析影響駕駛行為與表現之相

關因素。研究結果顯示，在急加速次數模式中，駕駛員急加速與急減速次數的機

率受到人格特質傾向神經質顯著影響；平均獎勵模式中，駕駛員經驗影響平均獎

勵得分機率；綜合指標模式中駕駛員得分機率則受到人格特質中傾向神經質的影

響；負面客訴次數機率則受到駕駛員駕駛經驗的影響。

陳勁甫(民 98)以臺灣大學生為例，探討臺灣年輕騎乘者人格特質、安全態度

與危險駕駛行為間之關係。研究結果顯示危險駕駛行為與安全態度間存在顯著關

係，人格特質雖然對危險駕駛行為並無直接影響，卻直接影響安全態度，進而可

能間接對危險駕駛行為造成影響；就性別而言，人特質則對男性與女性之安全態

度影響有顯著差異。鮑雨薇(民 98)應用結構方程模式辨析影響機車危險駕駛行為

之相關因子，研究結果亦顯示機車危險駕駛行為受到風險感認及對交通安全態度

所影響，而風險感認與對交通安全態度則又會受到人格特質影響。

2.2 行車紀錄器

鄭子玔與林維信(民 93)於數位式行車紀錄器功能技術規範建立與應用之研究

中提到，可透過行車紀錄器的應用協助警政與交通單位達成預期目標，包含提升

道路交通安全、強化監理業務、監督車輛使用、肇事分析，以及輔導業者經營等

應用。

本研究將透過個案客運公司所提供的行車紀錄器資料，紀錄駕駛員行駛過程

中不當或違規駕駛行為，進一步分析駕駛行為與人格特質關係。陳瑞鈴(民 92)指

出，有效控管駕駛行為與行車成本為客運業者相當重要之管理議題。因此本節將

針對行車紀錄器之定義與其應用之相關文獻進行回顧。

13

2.2.1 行車紀錄器定義

行車紀錄器(Tachograph)於西元 1952年由德國發明，最初主要用途為紀錄駕

駛行車時間以避免駕駛時間過長引發疲勞駕駛進而影響行車安全。經濟部中央標

準局(民 74)將「汽車行駛速率紀錄器(Tachograph for Automobiles)」定義為行駛速

率紀錄器為能自動紀錄汽車之瞬間速率及行駛距離，且具有能表示行駛時間或行

駛紀錄之裝置。林祥生(民 82)則指出行車紀錄器是一種用來紀錄車輛運行軌跡變

化及燃料耗損情況的管理設備。

過去國內營運車輛業者多使用傳統機械式之行車紀錄器，而隨科技演進遂有

客運業者逐漸改採用數位式行車紀錄器，針對傳統機械式與數位式行車紀錄器之

紀錄與顯示方式之差異茲說明如下：

一、 傳統機械式行車紀錄器

為車輛行駛途中，將行車狀況刻畫於俗稱「大餅」的圓形紀錄紙卡上，以肉

眼或光學判讀機來檢視刻線，判斷所紀錄之資料，包含行車里程累計、行駛速率、

行車速率變化、行車時間紀錄、駕駛員基本資料等；判讀方式須透過專業人員或

設備，較容易出現判讀不便與竄改的情況發生。

二、 數位式行車紀錄器

數位式行車紀錄器將車輛各種裝置運作情形以類比訊號傳導至行車紀錄

器，再將其數位化後加以儲存，包括經由引擎變速箱所得之速率與引擎轉速等資

訊。可將資料傳輸至電腦設備進一步分析，亦可結合衛星定位系統同步紀錄車輛

位置與轉向變化等。楊進彥(民 89)依其常備功能將其定義為：「一種安裝在汽車

駕駛座前，用於登錄車輛啟動、運行與停止之時刻，以及里程、耗油情形、行駛

速率變化，乃至於超速現象之設備。」有關數位式行車紀錄器定義隨各國發展與

技術規範而異，根據交通部運輸研究所(民 93)定義分類如表 2- 2：

14

表 2- 2 各國行車紀錄器定義

單位 名稱 定義

歐盟 Digital Tachograph 為自動或半自動地顯示、紀錄、儲存道路

車輛之運行及其駕駛之工作時間等資料

而裝設於車輛中的全套設備。

日本 車輛運行紀錄器

數位式行車紀錄器為能夠依電磁性方法

紀錄運行等資料的設備，包含車輛裝置、

紀錄媒體，以及分析系統三項元件；其中

分析系統又包含分析軟體、讀取裝置、分

析裝置、電子檔案保存裝置及列印裝置。

中國大陸 汽車行駛紀錄儀

對車輛行駛速度、時間、里程以及有關車

輛行駛的其他狀態信息運行資料、儲存並

可通過接口實現數據輸出的數字或電子

紀錄裝置。

交通部 數位式行車紀錄器 具有連續紀錄器車瞬間行駛速率及行車

距離與時間功能之裝置。

經濟部 汽車行駛速率紀錄器

安裝於車輛上，用來紀錄車途中，車輛行

駛過程、引擎、機械設備運轉相關狀況的

設備，能自動紀錄器車之瞬時速率及行駛

距離。 資料來源：交通部運輸研究所(民 93年)

2.2.2 行車紀錄器應用相關文獻

陳高村等(民 93)透過肇事重建技術之原理，結合駕駛行為、車輛運動與動力

重建方法，以系統化、整體性探討行車紀錄資料於肇事原因鑑定分析之運用，歸

納出肇事重建工作所需之行車紀錄資料需求，提供更為科學之佐證資料判定事故

責任歸屬。宋宗哲(民 102)探究各國交通法規探討，並設計問卷瞭解目前民眾對

行車影像紀錄器之認知、看法與建議，以及行車影像紀錄器使用情形。研究結果

顯示，受訪者安裝行車影像紀錄器之用意多在於「還原事故現場」、「行車糾紛自

15

保」等目的；而「交通違規舉發」與「交通事故處理」則多為民眾曾經以行車影

像紀錄器為手段而使用；顯示民眾多將行車影像紀錄器用於預防肇事與還原現場

用途。

籃士勛(民 99)蒐集客運公司之行車紀錄器資料進行實例驗證，透過行車紀錄

器所紀錄之車速與轉速資料，分析駕駛員之行車型態並衡量其駕駛行為，要求駕

駛行為較差之駕駛員優先改善，藉此降低行車油耗，進一步進行燃油控管與駕駛

員管理。楊淑娟(民 95)將數位式行車紀錄器所紀錄之異常值之分析資料，提供營

運者運用於健全車隊之人事管理、駕駛員績效考核之用，針對具有侵略行為之駕

駛者進行懲處以及加強教育訓練，規範駕駛員除具備道德駕駛外，同時具有防禦

駕駛能力，以達到降低肇事率並提升道路安全目標。

紀佑信(民 98)透過 e-bus 行車紀錄與問卷資料蒐集偏差駕駛行為、人格特質

與裝置監控系統感受等資訊，並以結構方程模式進行分析。研究結果顯示人格特

質與裝置 e-bus 監控系統之感受對偏差駕駛行為有正向顯著關係；駕駛情緒與壓

力對於偏差駕駛行為則無顯著之影響，然偏差駕駛行為對於有責事件則有顯著之

正向影響關係。蔡永祥(民 97)以國內裝有數位式行車紀錄器大客車之某客運公司

為對象，蒐集駕駛整年行車紀錄作為分析之資料來源，針對數位式行車紀錄器所

紀錄的駕駛行為進行統計分析，利用及群分析對駕駛員進行分群與管理。研究結

果指出顯著影響駕駛肇事的危險因子包含重度急煞車、中度急煞車、中度轉彎未

減速、打左轉方向燈、冷卻水溫過高、引擎轉速過大、第七檔檔位錯誤與電磁煞

車作動等八項；而顯著影響行車故障的危險因子則為冷卻水溫過高、踩離合器使

車滑行以及第七檔檔位錯誤等三項。

陳芳正(民 94)利用數位式行車紀錄器紀錄駕駛員之駕駛行為，並結合其個人

資訊以類神經網路進行運算，探究影響駕駛員駕駛績效之相關因素，並依此作為

管理駕駛行為之依據。研究中所採用的變數包含超速次數、超速時間、急加速次

數、急加速時間、緊急剎車次數以及緊急剎車時間共六項，並以七種模式進行判

16

別效果分析；研究結果發現，以超車次數、緊急剎車次數與加速次數作為駕駛績

效定義的駕駛績效判別模式效果最佳。

林彥志(民 98)以臺中地區客運公司駕駛員為觀察對象，蒐集車輛行車紀錄器

所紀錄駕駛行為資料、公司內部管理獎懲、客訴、故障、肇事資料、累計違規繳

納罰金金額、駕駛考驗經歷、服務年資等資料進行分析。研究結果顯示，駕駛發

生超速次數及未保持安全距離的機率將受到駕駛考驗經歷影響；而駕駛考驗經

歷、客運服務資歷以及有無職業客運駕駛考驗經歷則對引擎轉速過高次數發生的

機率，駕駛年齡則會影響發生急加速、及減速次數機率。

2.3 駕駛行為

本研究透過行車紀錄器紀錄資料探討客運駕駛員違規駕駛行為，研究目標之

駕駛行為以偏差駕駛行為主要分析對象，因此本節將針對偏差駕駛定義與駕駛行

為之文獻進行回顧。

2.3.1 偏差駕駛行為

Reason, Manstead, Stradling, Baxter and Campbell於1990年研究中將偏差駕駛

行為定義為：道路上之不良行為與糊塗的行為，包含疏忽(Slip)、錯誤(Error)，以

及違規(Violation)，並對此三類行為提出釋義。「疏忽」意指因未注意所造成駕駛

上的輕微錯誤；「錯誤」則指因輕率或無知而造成偏離正確性的動作、操作失敗

無法達到預期的結果，可能與當時接收的資訊及駕駛本身認知有關係，然未必牽

涉違反法規規定；「違規」即指駕駛人刻意違反法律規定的行為。偏差駕駛行為

隨著不同駕駛文化而有所不同，大部分主要由疏忽、錯誤、違規所組成，其定義

整理如表 2- 3。研究結果將三種偏差行為依照危險程度進行區分，疏忽可能僅對

駕駛本身造成危險，對其他用路人所造成的危險性較低；而錯誤可能會對其他用

17

路人造成影響，違規則會對其他用路人造成危險；由此結論，三項偏差駕駛行為

影響危險程度由高至低分別為違規、錯誤與疏忽。

表 2- 3 偏差駕駛行為定義

偏差駕駛行為 定義 Reason et al. (1990)

範例 說明

疏忽 (Slip)

陷入錯誤或過失 動作上的錯誤 誤打左轉方向燈

為右轉方向燈 錯誤

(Error) 輕率或無知所造成偏

離法規所規範的行為 計畫失敗而無法達

到原來預想的結果 停車時擦撞到未

注意物體 違規

(Violation) 不受尊敬或犯法的舉

止 蓄意的違反規定

明知號誌規則卻

闖紅燈 資料來源：Reason et al. (1990)、尹維龍(民 94)、陳信丞(民 103)

Westerman and Haigney (2000)透過 Reason et al. (1990)所發展的駕駛者行為

問卷與 Gulian et al. (1989)對駕駛壓力進行之研究，發展出駕駛行為量表(DBI)，

探討駕駛壓力對偏差駕駛行為產生之影響。研究成果將偏差駕駛行為分為錯誤、

違規與疏忽三類，且發現警覺性較低或容易緊張者，易出現較多錯誤與疏忽，壓

力越大造成錯誤與違規的可能性也越高，也因此增加事故發生的機率。

Rimmö and Åberg (1999)認為刺激尋求會影響駕駛者行為，而建構行為意向、

外顯行為，與行為結果的概念探討刺激尋求、偏差駕駛行為，以及交通與違規事

故間的關聯性。Blockey and Hartley (1995)利用駕駛者行為問卷進行駕駛年齡與性

別對偏差駕駛行為影響差異分析。研究結果顯示，年輕駕駛有較多危險的錯誤與

危險的違規行為發生；而針對性別部分，女性比男性容易發生危險的錯誤，而男

性則比女性容易出現危險的違規行為。

2.3.2 駕駛行為相關文獻

Gulian, Matthews, Glendon, Davies and Debney (1989)發展出駕駛行為量表

(Driver Behaviour Inventory, DBI)，透過駕駛者主觀地評估壓力感受狀態，並經由

18

因素分析與平行分析找出造成駕駛者壓力的因素，包含超車緊繃、超車惱怒、駕

駛機警、超車厭惡與焦慮，以及侵犯駕駛等五項。後續研究皆透過駕駛行為量表

進行其他影響駕駛因素如社會經濟背景、駕駛經驗、人格特質等相關研究。

Lajunen and Summala (1995)結合駕駛人內外部屬性量表、駕駛者行為量表以

及駕駛技能量表，以赫爾辛基大學持有駕照學生為研究對象，探究駕駛經驗、技

巧與安全認知間之關係。研究結果發現駕駛經驗較豐富者其操作車輛流暢度較優

於駕駛經驗較少者，然針對安全認知方面卻低於駕駛經驗較少者，同樣情形亦出

現於男性與女性之間。而針對駕駛技能與駕駛厭惡性而言，駕駛技術較好者較喜

歡開車，但對於意外的交通情況則易有侵略性駕駛行為的發生，也就是說駕駛技

能與駕駛厭惡性呈現負相關，而與駕駛侵略性之間則為正向關係。

Sullman, Meadows and Pajo (2002)透過駕駛者行為問卷探討紐西蘭卡車駕駛

偏差駕駛行為與事故間之關係，將偏差駕駛行為分為錯誤、疏忽、違規，或根據

不同版本問卷而有侵略性違規第四項分類。研究結果指出縱使在不同國家或研究

對象，違規駕駛行為皆與事故發生具有顯著性的關係。Lajunen, Parker and

Summala (2004)利用針對英國駕駛者所設計之駕駛者行為問卷，探討英國、荷蘭

與芬蘭三個國家之駕駛行為是否因文化不同而有顯著差異。該研究證實問卷亦適

用於芬蘭與荷蘭，而偏差駕駛行為則區分為違規、侵略性違規、錯誤與疏忽四部

分。

Zhang et al. (2015)以憤怒駕駛量表(Driving Anger Scale, DAS)以及駕駛者行

為量表量測憤怒駕駛與偏差駕駛行為，探索憤怒駕駛與偏差駕駛行為間之關係，

抽樣對象為中國駕駛者；經由探索性因素分析後可將偏差駕駛行為劃分為四類，

分別為情緒性違規、錯誤、蓄意違規以及行進中的違規。針對憤怒與偏差駕駛關

係，不同於前期研究，僅發現阻礙抵達與違反安全兩因素所造成的憤怒對偏差駕

駛行為有正向顯著的影響；蓄意違規對違反安全的憤怒感之間則為負向關係；顯

示出駕駛憤怒感行為模式的不同與駕駛背景差異將影響到偏差駕駛行為傾向。

19

Beanland, Sellbom and Johnson (2014)透過駕駛者行為問卷探討人格特質對四

種偏差駕駛行為之預測可能性，包含侵略性違規、一般性違規、錯誤以及疏忽，

並以美國東南部某大學中 285位年輕成年人進行調查。研究結果發現反抗與負面

情感兩種人格特質對侵略性違規與一般性違規影響最直接，而最明顯影響錯誤與

疏忽駕駛行為者則為負面情感、外向性者與較低反抗性者。進一步分析發現，具

有敵意者對侵略性違規行為最具影響；而冒險者與具敵意者對於一般性違規影響

最大；外向性者與錯誤駕駛行為間關係最是顯著。

Tseng (2012)以臺灣駕駛為研究對象，並發現每年至少一次肇事經驗之觀察對

象中，絕大多數皆為有責事故。研究結果顯示出，駕駛經驗為影響有責意外事故

之最關鍵因素，駕駛經驗介於 6至 8年間駕駛者之有責肇事率最低，具備僅 3年

內駕駛經驗者其有責肇事率最高。除此之外，年行駛距離亦與有責肇事率之間有

顯著影響關係，而駕駛年齡與教育程度則對有責肇事率無顯著影響。

de Winter (2010)透過駕駛者行為問卷探究偏差駕駛中錯誤與違規與事故之關

聯性。研究成果提到錯誤與違規均為自責事故中同等重要之影響因素；其中，年

齡與違規及錯誤為負相關，但違規行為在年齡較低族群中對事故影響程度較年紀

較大者強烈，也驗證了 Parker et al. (2000)研究中提到違規對年長駕駛者事故率影

響不顯著的結論。除此之外，男性較年輕駕駛者隨著行駛里程與每周行駛時間的

增加，將會有較多違規發生的情況；而在全體樣本當中，違規發生的情形隨年齡

增加而減少，然在較年輕族群中則呈現相反趨勢；整體而言，違規情形會隨年齡

增加而減少卻隨駕駛經驗遞增而增加。

曹瑋晉(民 100)透過駕駛人行為問卷、五大人格特質量表與工作診斷調查表

收集駕駛人的侵略性駕駛行為、人格特質與工作特性資料，並以結構方程式建構

此三大面向之關聯性。研究結果顯示臺灣國內駕駛人之侵略行駕駛行為中，男性

與較年經之駕駛具有顯著較高違規傾向，駕駛人教育水準與侵略性駕駛行為亦有

顯著正相關；而人格特質中的和善性與嚴謹性對侵略性駕駛行為等三個構面皆有

不同程度的負相關效果。

20

2.4 工作績效評估

「績效」一詞所指的意義為「完成一件事的程度」，用於衡量組織對目標的

達成度，作為最終成果的呈現，為衡量組織運作表現相當重要的一個指標。

Campbell (1990)將工作績效定義為「身為組織成員的個體，完成組織期望、規範

目標需求時所表現出的行為」；Schermerhorn (1990)則將工作績效定義為「工作中

的個人或團體所表現之任務達成的質與量」。在人力資源管理領域中，亦不乏探

討評估工作績效指標之相關研究，而本研究依據國道客運駕駛員行駛途中所出現

之偏差駕駛行為進行駕駛員工作績效判定，因此本節將分別回顧績效評估指標以

及客運駕駛員工作績效等相關文獻。

2.4.1 工作績效評估相關文獻

Bowling, Alarcon, Bragg and Hartman (2015)基於工作負荷量與工作壓力間潛

在關係與其所帶來的結果長期受到關注，遂透過整合性分析的方式並回顧工作負

荷相關文獻了解工作負荷與其前因後果之間的關聯性。研究分析發現，與工作負

荷量相關的因素包含社交上的支持、在工作中所扮演的角色、工作與家人間的關

係等，其中與工作負荷負相關之因素為社交支持與上司、同事間的支持；反之，

在工作上角色不明、定位混淆，以及與家人間的衝突等，皆對工作負荷有著正向

相關性。而針對工作負荷量所帶來的結果包含心理健康因素、組織承諾、離職意

向等，工作負荷量與心理健康指標、組織承諾間為負相關，但與離職意向及曠職

則為正向關係。

Bowling and Eschleman (2010)以 726位不同工作的成人為對象，進行探究人

格特質是否對工作壓力與反生產工作行為(Counterproductive Work Behaviors,

CWBs)具有調節效果之研究。研究中分別針對嚴謹自律性(Conscientiousness)、和

善性(Agreeableness)，以及負向情感(Negative Affectivity, NA)，以階層式迴歸分析

21

探討其調節效果。嚴謹自律性與負向情感對工作壓力與反生產工作行為之間的關

係皆有顯著的調節效果；低嚴謹自律性、負向情感較高者，壓力與反生產工作行

為之間的正向關係會較高嚴謹自律性與低負向情感者來的強烈。而和善性對壓力

與反生產工作行為間關係的調節效果則不如前述兩項特質來的一致，並無顯著調

節作用。

Barling, Kelloway and Cheung (1996)針對 102位汽車銷售員進行研究，透過不

同迴歸模型的建立，以時間管理行為與追求成就之交互作用預測汽車銷售業績，

探究在高度動機驅使的假設下，時間管理行為與工作績效之間的關係。研究結果

指出，僅銷售年資與追求成就對銷售業績有顯著影響，時間管理之短、長期規劃

對銷售業績並無顯著的預測能力；而進一步考慮時間管理與追求成就交互作用的

影響時則發現，短期規劃與追求成就兩變數之交互作用對汽車銷售業績有顯著的

影響；此外，短期規劃、長期規劃與追求成就三變項的交互作用對工作績效則無

顯著影響。

Ceschi, Costantini, Scalco, Charkhabi and Sartori (2016)以有別於過去探討人格

特質與工作績效關聯性的研究，透過面談與問卷的方式了解 100位義大利工人與

職員對人格特質影響工作績效的認知。研究主要由三個步驟組成，首先是針對受

試者進行訪談，了解受試者工作特性與其對人格特質重要性的認知；第二、三步

驟分別以問卷調查進行，了解其對於影響工作績效表現的人格特質相對重要性，

以及影響最佳工作績效人格特質的認知。研究所呈現的結果與既有的文獻不完全

一致，在受測工人與職員的認知裡，嚴謹自律性與外向性等兩項行為面的特質，

是對工作績效造成主要差異的特性；情緒穩定則被視為影響工作績效第二重要的

人格特質；而在整體研究當中，和善性與開放性對於工作績效的影響則不會產生

太大的區別。

22

2.4.2 駕駛績效

將「績效」之概念套用於交通運輸業駕駛人身上，則可稱為「駕駛績效」，

作為評鑑駕駛人表現的依據。「駕駛績效」可大致定義為：車輛駕駛人於行駛過

程中駕駛行為之表現；而駕駛行為可由駕駛態度與駕駛習慣兩面向來考量。「駕

駛態度」係指駕駛人對車輛前方路況注意的程度，以及對其他路權之車輛、行人

與乘客的禮讓表現；「駕駛習慣」則指駕駛人本身操作車輛的慣用方式對機械與

舒適度的影響程度(張季倫，民 90)。

駕駛績效的評估指標已透過各種研究提出，然依據各國國情以及人為因素不

同，定義出的駕駛行為衡量指標亦有所差異，主要量測項目整理如表 2- 4。

表 2- 4 駕駛績效量測項目彙整

文獻來源 駕駛績效量測項目

Soma (1996) 以加速度之改變、方向盤角度、車輛速率、橫向速率及橫

向加速度等作為駕駛行為指標。

FHWA (1999) 以縱向車頭距、速度、路口判斷與決策、操控時間、橫向

車間距、車禍迴避的能力與車輛在車道的位置作為駕駛行

為之評估指標。

Lourens et al. (1999) 以駕駛年里程數、罰單數目以及駕駛個人資料(含性別、年齡、教育程度)等因素來衡量駕駛績效。

Cooper and Zheng (2002) 以碰撞時間、跟車時間間距等因素來衡量駕駛行為。

Abdel-Aty (2003) 以側向位置、側向位置變動、穿越邊線時間等因素來衡量

駕駛績效。

Uang and Hwang (2003) 駕駛行為的準則為旅行時間、行駛速率以及判斷導航系統

錯誤次數。

Harrison (2004) 以駕駛車像外出的次數、每次駕駛的信心情形、事故情況

、平均駕駛時間、平均駕駛里程、駕駛時的不適應性與焦

慮來衡量學習駕駛之駕駛行為。

23

文獻來源 駕駛績效量測項目

傅幸梅(民 93) 以駕駛模擬器蒐集直線加速度、橫向加速度、車速、橫向

位置及方向盤轉向角度等變數定義駕駛行為。

陳芳正(民 94) 以超速次數、緊急剎車次數與急加速次數為衡量駕駛績效

之最佳模式。

黃俊仁等(民 94) 以車速、車速變動等項目評估駕駛績效。

陳信丞(民 103) 以往右偏移、往左偏移、電磁剎車使用過久、未保持安全

距離、嚴重未保持安全距離、怠速過久、輕微超速、引擎

轉速過高、及加速等九項作為駕駛行為評量測指標。 資料來源：梁力元(民 104)、陳信丞(民 103)、王詩涵(民 95)

2.4.3 駕駛績效相關文獻

Miyajima, Ukai, Naito, Amata, Kitaoka. and Takeda (2011)以行車紀錄器擷取資

料，包含駕駛加速行為、減速行為，以及駕駛操作行為等三項指標，作為衡量駕

駛風險評估的基礎。加速行為衡量標準包含最大縱向加速度與當時的行駛速度，

減速行為則以剎車踩放模式為衡量基準，並將踩放模式劃分為四個種類：急煞、

試圖性長煞、情境知覺剎車以及緩煞；操作駕駛則針對道路曲度半徑與設計速限

間之關係為依據進行評估。

Zhang et al. (2014)以駕駛呼吸中不同的酒精濃度為依據，探究對於經過彎道

時所表現的駕駛績效影響，研究中所採用的駕駛績效評估指標為車速以及車道位

置。研究結果顯示酒駕者在通過彎道時行駛速度會大於清醒駕駛者；而針對側向

移動，酒駕者試圖靠右行駛且酒精濃度及高者於過彎時各點之位置保持能力皆相

當不穩。Charlton and Starkey (2015)將駕駛績效以三種行為進行定義：跨越中線

次數、於中線行駛時間，以及車道位置標準差，以此探討應酬飲酒時血液中酒精

濃度高中低三種情境對駕駛績效的影響。傅幸梅(民 93)評估人體在不同酒精含量

下對駕駛行為的影響，探究酒精對駕駛績效之影響。研究中以駕駛模擬器分別測

試駕駛者在不同酒精含量下，對於駕駛工作與生理變化、視聽判斷、認知判斷以

24

及資訊接收能力於高、低負荷兩種道路情境時之變化情況。

潘偉南(民 95)藉由數位式行車紀錄器及相關駕駛資料探討駕駛員工作表現，

以結構方程模式探討影響駕駛績效與油耗之影響因素。研究中根據數位式行車紀

錄器所記載之變數，歸納出耗時指標、速度指標、油耗指標及異常駕駛行為所造

成之不良駕駛績效等四個構面，研究架構中另包含車況指標與駕駛員指標兩個構

面。研究結果發現車況、耗時指標與速度指標對油耗具有顯著性影響，而駕駛績

效亦受到速度指標顯著影響。

陳芳正(民 94)在研究中以車輛最高速度、最大剎車減速度、駕駛者年齡以及

駕駛員本次發車與上次出車結束中間之休息時間等四項變數，進行駕駛績效判別

模式之建構。研究結果指出，最佳駕駛績效建構模式為超速次數、緊急剎車次數

以及急加速次數作為駕駛績效定義；最佳輸入變數則為車輛里程數、車輛最高速

度、超速時間、引擎最大轉速、超轉速時間、超轉速次數、最大剎車減速度、緊

急剎車時間、怠速過久時間、怠速過久次數、最大加速度、急加速時間、駕駛者

年齡，與駕駛員本次發車與上次出車結束中間休息時間。

林彥志(民 98)以超速次數、怠速過久、引擎轉速過高、急加減速次數、未保

持安全距離、電磁剎車使用過久、往左偏移、往右偏移為操作變數，並輔以車輛

累計行駛里程、行駛時間車輛肇事及故障紀錄作為駕駛員行車計算之基準。研究

結論指出不同年齡駕駛員對往右偏移的駕駛行為，以及懲罰次數有顯著的差異；

服務年資對引擎轉速過高、受舉發繳納罰款金額有顯著差異；駕駛執照考驗經歷

對引擎轉速過高亦有顯著影響。

2.5 駕駛行為分級 2.5.1 分級制度

分級制度於日常生活中隨處可見，一般常見為電視影劇分級、遊戲軟體分級

等，根據內容針對適當收視與使用對象進行年齡區隔，而針對能力、表現之評估

25

則有語言檢定、各種職業證照，亦存在於各產業中針對員工工作表現進行考核之

績效等第評量等分級。

將分級的概念運用在交通運輸產業中最普遍的則為駕駛執照分類，汽車駕駛

執照根據道路交通安全規則第 53 條可依照用途、車型等條件劃分為十五類，分

別為小型車普通/職業駕駛執照、大貨車普通/職業駕駛執照、大客車普通/職業駕

駛執照、聯結車普通/職業駕駛執照、國際駕駛執照、輕型機車駕駛執照、小型/

普通輕型機車駕駛執照、重型機車駕駛執照、普通/大型重型機車駕駛執照，此為

針對車種駕駛資格進行限制之分級概念。

國道客運駕駛員雖已通過具備職業大客車駕駛執照之門檻，在操作大客車資

格上已有初步限制，然目前仍尚未針對其駕駛行為表現進行分級。駕駛員之駕駛

行為係影響國道交通運輸安全關鍵因素，因此本研究將於本節回顧駕駛行為分級

相關文獻，反映於探討國道客運駕駛員行為特性分級制度擬定之研究中，以期進

一步維護並提升乘客權益與國道交通運輸安全性。

2.5.2 駕駛行為分級相關文獻

Feng et al. (2016)以次序性羅吉特模型為模型，作為評估危險因子對不同類型

大客車駕駛人發生交通事故嚴重程度影響的工具，其中危險因子包含道路線型、

撞擊型態，以及交通控制等因素。研究中將事故嚴重程度透過轉換為對等死亡人

數後劃分為三個等級，嚴重程度由低至高依序為 1至 3。針對駕駛員則以集群分

析法分為三群，綜合各群駕駛員組成特性分別為：(1)中年駕駛者、具有違規與肇

事紀錄；(2)青老年駕駛者、具有違規與肇事紀錄，以及(3)無違規肇事紀錄者。研

究中發現，部分危險因子對三種駕駛員之事故嚴重程度有相同影響，例如事故涉

及車輛數、速限、駕駛年齡與性別、路面狀態等因素；亦發現路段型態、單向車

道數等因素僅對青老年且有違規肇事紀錄之駕駛族群產生影響；另一值得注意之

研究結果為，具有違規與肇事紀錄與否對於不同類型駕駛皆會造成不同程度的影

響。

26

Vujanić, Antić, Pešić, and Savićević (2016)以客運公司職業駕駛為研究對象，

施行心理特質測驗，並將駕駛員劃分為曾經發生交通事故駕駛與未曾有過交通事

故經驗駕駛後，研究發現兩者之測驗結果幾無差異，推斷出心理測驗並無法準確

反映出駕駛員事故風險，因此研究另以安全評估測試、人格特質與駕駛等測驗及

風險值做為依據，探討駕駛員教育程度、是否有事故經驗，以及駕駛年齡等對發

生事故風險之影響。由研究成果可得，較年輕之駕駛以及教育程度較高之駕駛，

具備較優異之安全駕駛員特質。

Naito, Miyajima, Nishino, Kitaoka and Takeda (2009)考量急速剎車行為，依據

其加速度變化形式進行駕駛風險之衡量。研究中以加速度 0.3G 為基準作為行車

紀錄器偵測事件篩選之門檻值，著重於急速減速時縱向加速度變化情形分析；進

一步透過向量量化演化法將剎車行為劃分為四種類，依照危險性高低分別為 A至

D，A 級表示駕駛急煞急放，通常在前方車輛無預警減速的情況下發生；B 為在

高速駕駛的情況下，駕駛緊急剎車但緩慢放開剎車踏板；C為駕駛緩緩剎車，急

放剎車板；D則在慢速行駛途中緩剎車且緩放剎車板。除此之外，另依據四種剎

車形式之剎車距離平均長度、變化情形等特性評估危險性、特殊性以及不穩程

度，透過標準化的方式將此三個指標得分進行加總後，按其積分由低至高將駕駛

劃分為 A 至 E 五個等級，A 級代表較安全駕駛，反之 E 級則為駕駛危險性最高

者；除整體表現評分外，亦可透過各項指標所得分數判斷駕駛於特定剎車行為時

表現，進一步針對特定行為進行改善。

Miyajima et al. (2011)以 Naito et al. (2009)之研究成果為延續，將加速行為、

減速行為與駕駛操作行為三項指標作為分析駕駛行為風險評估之基準，個別分析

三種行為指標依危險程度分級，並將分析結果與風險評估顧問公司提供資料進行

比較。針對加速行為之分析，擷取最大縱向加速度與當時之行駛速度，以線性迴

歸分析將分布繪製於二維平面上，檢視以加速行為作為評估駕駛分級結果。針對

減速行為的分析則先將剎車事件以相同剎車板踩放時間內加速變化分為四個危

27

險等級，A為風險最高 D則為最低。駕駛操作行為則將路面曲度與速度於二維平

面呈現，並將預估之路面曲度以設計速限下之曲度進行比較以衡量駕駛風險高

低。研究發現以加速行為與操作駕駛行為為駕駛風險評估指標，所得分級結果與

風險顧問公司提供資料具有相關性，雖減速行為所得結果未見明顯相關，未來卻

可針對參考指標項目進行調整。

Zhao, Han, Wen, and Zhang (2014)以計程車駕駛之安全意識為研究重點，透過

模糊理論將無法量測之安全意識轉換為數個可量測指標進行衡量；分別進行駕駛

安全意識與年度事故件數之相關性、駕駛安全意識與平均行駛速度、行駛速度分

散程度，以及車輛最大速度間之相關性等分析後，進一步構建車輛最大速度與安

全意識間之分級模型，車輛最大速度越低與超速次數較少者，其駕駛之安全意識

較高；反之最大速度越高以及超速次數越多者其安全意識等級越低，因此將駕駛

安全意識劃分為五個等級，分別為極高、相當高、高、中、低、非常低與極低。

研究結果顯示，駕駛安全意識分級與事故件數、速度分散程度呈現相關，並與車

輛最大速度高度相關，而與平均行駛速度無太大關聯。除此之外，經模糊分級模

式驗證，車輛最大速度係評估駕駛安全意識分級相當有效之參考指標。

Joubert, Beer and Koker (2016)以行車紀錄器中加速度測量資料，以及車速資

料作為衡量駕駛行為參考指標，有別於過去研究僅擷取較激烈駕駛事件，該研究

中將可接受與不可接受之駕駛行為皆納入考量以建構全面性風險模型，而非僅針

對門檻值範圍內資訊進行構建。研究中以三種情境針對 124輛車輛所得資料進行

權重評分，分別為僅考量加速度、僅考量速度、同時考量加速度與速度，研究成

果可將駕駛行為風險等級區分為好、普通與差。該研究不以門檻值篩選特定資料

建構模型的優點在於可考量到因應車輛特性不同，部分被歸類為極端駕駛行為者

在其他研究中未必也會是極端行為的可能性，因此可提供一個較全面性的判斷機

制。

28

2.6 小結

以往駕駛行為特性研究多以問卷作為主要評估方式，本研究擬透過行車紀錄

器將駕駛行為數據化，以獲得較貼近實際之駕駛行為並反應其特性。表 2- 5為過

去採用行車紀錄器進行駕駛績效衡量之研究指標項目整理；由於事故意外牽涉因

素未必僅止於異常駕駛行為發生與否，異常行為所發生的程度亦可能影響駕駛整

體績效，因此本研究將以下列指標為基準進行篩選，並斟酌考量各行為嚴重程度

將指標細分以提供更精準之行為特性分析。

表 2- 5 駕駛績效指標文獻彙整

駕駛績效評估指標

相關文獻作者 車速

急加速次數

急減速次數

急煞車次數

超速次數

未保持安全距離次數

引擎轉速過高次數

車道偏移次數

電磁剎車使用過久次數

怠速過久次數

Zhang et al. (2014) ü 陳芳正(民 94) ü ü ü 潘偉南(民 95) ü ü ü ü ü 林彥志(民 98) ü ü ü ü ü ü ü ü 陳信丞(民 103) ü ü ü ü ü ü ü

資料來源：本研究整理，註：「ü」表該研究使用該變量

本研究將於第四章資料分析中整合人格特質與駕駛行為特性之關聯性，在客

運業者實際營運考量下，進一步檢視造成事故風險之偏差駕駛行為，確立以人格

特質與特定偏差駕駛行為特性之架構，並提出後續駕駛行為風險分級制度之構

建，完成人格特質預測偏差駕駛行為並進一步進行駕駛行為風險分級之研究目

的。

29

過去研究當中，人格特質與偏差駕駛行為間之關聯性已被確立，且透過行車

紀錄器紀錄內容衡量駕駛行為績效之研究亦不在少數。然而，目前仍缺乏將前述

偏差駕駛行為特性分析結果進一步分級之研究，且針對特殊工作性質駕駛員之風

險分級內容亦有待探討，因此本研究將透過個案資料分析提出駕駛員風險分級制

度之探究，亦為本次研究重點所在。

30

第三章 研究方法與設計

3.1 研究架構

本研究探討駕駛員人格特質與駕駛行為間關聯性結構，了解特定人格特質誘

發駕駛行為關聯性並進行駕駛行為風險分級之探究；人格特質的差異可能會反映

在駕駛行為的選擇上，進而影響駕駛員之駕駛品質，進而牽涉到乘客與道路交通

整體安全。有鑑於此，為了以事故前端防治的角度降低事故發生可能性，針對駕

駛員進行評估與篩選作業便為本研究重點之一；若能於聘任前以人格特質預測方

式對駕駛員進行適任程度評估分級，便可望有效降低人為因素所導致之事故風

險。

因此，本研究將研究範疇確立於五大人格特質、偏差駕駛行為與駕駛風險評

估等三個構面，透過統計方法與多元迴歸分析，探討駕駛行為因子與五大人格特

質因子間之關聯性，並分別以風險值的計算與集群分析將駕駛行為風險進行分級

與分群，探究人格特質對於各種偏差駕駛行為發生以及駕駛風險評估中分級結果

之關聯性，並進一步針對駕駛行為集群特性深入探討。本研究將藉此衡量駕駛員

駕駛績效與風險，並評估其五大人格特質對行駛過程之駕駛安全潛在影響，期以

事故前端角度預防之作為，降低國道客運駕駛風險，進而提升行車、道路交通與

乘客整體安全性，研究架構如圖 3- 1。

本研究所探究之駕駛行為著重於不當之駕駛行為，因此將駕駛行為定義為

「偏差駕駛行為」，人格特質則以五大人格特質(和善性、嚴謹自律性、外向性、

神經質以及經驗開放性)為主要衡量基準，以大框架之人格特質架構進行評估；研

究中針對人格特質、駕駛行為與駕駛行為風險分級關聯性之兩大假設、及其詳細

假設內容分述如下：

31

H1：五大人格特質對「偏差駕駛行為」有顯著影響；

H1-1：五大人格特質對「左右偏移」偏差駕駛行為有顯著影響；

H1-2：五大人格特質對「未保持安全距離」偏差駕駛行為有顯著影響；

H1-3：五大人格特質對「引擎轉速過高」偏差駕駛行為有顯著影響；

H1-4：五大人格特質對「超速」偏差駕駛行為有顯著影響；

H1-5：五大人格特質對「急加速」偏差駕駛行為有顯著影響；

H1-6：五大人格特質對「電磁剎車使用過久」偏差駕駛行為有顯著影響。

H2：五大人格特質對駕駛風險評估之駕駛風險分級結果有顯著影響。

圖 3- 1 研究架構圖

32

3.2 研究變數

本研究主要探討人格特質與駕駛行為等兩面向，將分別於 3.2.1與 3.2.2說明

五大人格特質變數與駕駛行為變數。

3.2.1 駕駛員人格特質變數

Costa and McCrae (1992)將人格特質劃分為「和善性」、「嚴謹自律性」、「外向

性」、「神經質」以及「經驗開放性」等五構面，過去亦有以此人格特質框架為準

則之研究案例(Mallia et al., 2015; Ceschi, et al. 2016)，因此本研究將以五大人格特

質為依據針對駕駛員之人格特質進行衡量，各變數說明如下：

一、 和善性(Agreeableness)

有禮貌且溫和的、樂於助人並值得信賴，影響駕駛員之服務與工作態度。

二、 嚴謹自律性(Conscientiousness)

自我要求、負責任與努力的，並且具備有組織的與堅忍的態度，對於駕駛員

工作表現自我約束與達成期望之效果，但也相對固執與保守。

三、 外向性(Extraversion)

健談、喜歡社交的、熱情的、主動的以及較為人際取向的，影響駕駛員工作

時服務乘客之態度。

四、 神經質(Neuroticism)

焦慮、自卑與容易緊張不安，並且較易情緒化，對於駕駛員執行行駛作業時

之行為造成影響，進而影響行駛品質與安全性。

33

五、 經驗開放性(Openness to experience)

富有好奇心與創造力，並具備獨創與非傳統之性格，將反映在駕駛員之工作

態度與駕駛行為上。

3.2.2 駕駛行為變數

針對駕駛行為變數考量，本研究採用合作個案客運公司提供聰明巴士行車紀

錄器所紀錄之駕駛員駕駛行為，行車紀錄器紀錄期間以民國 101年其中一季三個

月為基準，各項駕駛行為判定標準說明如下：

一、 車道右偏

時速大於 70km/h時，車輛向右偏移且未打方向燈。

二、 車道左偏

時速大於 70km/h時，車輛向左偏移且未打方向燈。

三、 未保持安全距離

時速大於 70km/h時，開始偵測，當車距介於時速減 30公尺~時速減 60公尺

距離，且持續 3秒鐘以上，上述條件成立時紀錄。

四、 嚴重未保持安全距離

時速大於 70km/h時，開始偵測，當車距介於時速減 30公尺~時速減 60公尺

距離，且持續 3秒鐘以上，上述條件成立時紀錄。

五、 引擎轉速過高

引擎轉速大於 2000 且持續 2 秒，且不在三義坡或林口下坡段、三重交流道

或高雄九如交流道上數條件成立時紀錄。

34

六、 嚴重超速

時速大於等於 120km/h且持續 3秒鐘上述條件成立時紀錄。

七、 急加速

時速大於 70km/h時，且加速度大於等於 3km/h條件成立時紀錄。

八、 電磁剎車用過久

當司機拉下電磁剎車持續超過 8秒，上述條件成立時紀錄。

九、 怠速時間過久

引擎轉速介於 0~800速度小於 2km/h、且持續 20分鐘以上上述條件成立時紀

錄。

本研究擷取紀錄中超過判定門檻值之違規事件次數，凡超過門檻值即以一次

計算。就實務上而言，個案公司紀錄資料提供形式為駕駛違規次數，相較之下以

次數計算具有實用性與相對便利性；由於本研究區間長達三個月，就學理上之考

量以次數較能衡量頻率與行車安全間之關係，因此決定採用超出門檻值次數作為

駕駛行為變數之資料依據。取得個案客運公司資料後，由於紀錄中尚有不齊全與

遺漏之處，因此將變數進一步篩選後，爰用陳信丞(民 103)研究中之行車紀錄器

駕駛行為變數，包含車道右偏、車道左偏、未保持安全距離、嚴重未保持安全距

離、引擎轉速過高、輕微超速、急加速、電磁剎車使用過久，以及怠速時間過久

等九項變數；顧及駕駛風險評估上的有效性，另將變數整併為六項駕駛行為變

數，詳細過程將於第四章中說明。

3.3 研究問卷資料蒐集

本研究引用陳信丞(民 103)研究中針對個案客運公司駕駛員進行人格特質問

卷調查結果與其駕駛行為紀錄，作為後續研究分析進行之主軸。其人格特質問卷

35

係以 Costa and McCare (1992)所提出之五大人格特質為主軸，參考王詩涵(民 95)、

蔡心嵐(民 90)與江福興(民 93)等研究作為該問卷擬定之依據，以李克特五點量表

衡量，五大面向之詳細內容如表 3- 1：

表 3- 1 人格特質之衡量構面與問項

構面與問項 量表

五大人格特質

外向性

李克特五點量表

1. 我是具領導力的人 2. 我喜歡待在熱鬧的地方 3. 別人容易接受我的意見 4. 我是具主動性的人 5. 我是精力充沛的人 6. 我很喜歡與人交談

和善性

7. 我認識的人大部分都喜歡我 8. 我與他人合作愉快 9. 我是個總會盡所能幫助他人的人 10. 我不是個尊重他人的人* 11. 我與家人或同事相處融洽 12. 我會考慮他人的立場 13. 我是能接受不同觀念的人 14. 我是體貼的人

嚴謹自律性

15. 我是遵守常規的人 16. 我是做事負責盡心的人 17. 我是不斷追求成長的人 18. 我經常如期完成事情 19. 我對於所做每件事都努力成為最優秀的 20. 我是個做事缺乏計畫的人*

神經質

36

構面與問項 量表

21. 我容易東操煩西操煩 22. 我是具壓力容忍能力的人* 23. 我常因別人對待我的方式而感到生氣 24. 我很少覺得孤單或憂鬱* 25. 我常常覺得緊張與神經過敏 26. 我是個喜歡獨處的人 27. 我是具情緒控制力的人*

經驗開放性

28. 我是常提出新方法的人 29. 我是好奇心很重的人 30. 我是能整體思考的人 31. 我是不具創新能力的人* 32. 我對思索宇宙或人類環境的本質很有興趣

*表負面問項 資料來源：Costa and McCare (1992)、蔡心嵐(民 90)、江福興(民 93)、王詩涵(民 95)

3.4 研究方法

3.4.1 文獻蒐集與整理

本研究分別整合人格特質、行車紀錄器等相關文獻，並加強於偏差駕駛行

為、駕駛績效，以及人格特質對上述兩者影響之研究資料之蒐集，另亦多方參考

駕駛行為分級評估、或駕駛分群等相關研究，作為執行本研究之基礎。透過文獻

的回顧與整理，可窺見相關領域研究方向與歷來發展，並藉此進一步確立研究執

行方向，並加以分析本研究改良、加強與後續延伸的可能性。

3.4.2 資料蒐集與問卷調查

駕駛行為的量測與人格特質評估為本研究中兩大重點作業，針對駕駛行為量

測在過去研究中多以問卷進行，後期則隨科技發展漸以行車紀錄器資料取代作為

主要量測工具，相較之下較易提升行為評估的準確性，因此本研究欲兼顧成本時

37

間等考量以及確實量測真正駕駛行為條件下，以個案客運公司行車紀錄器資料庫

取代問卷調查；資料取得難度較高之人格特質衡量作業則以問卷方式進行，本研

究則援用陳信丞(民 103)對個案客運公司駕駛員進行人格特質問卷訪問資料成果。

3.4.3 資料正規化(Data Normalization)

為了使資料集具有易於辨識的特性，且利於後續分析的進行，因此透過資料

正規化的數據處理方式，將數值範圍限制在一定範圍之內。本研究將透過極值正

規化(min-max normalization)將偏差駕駛行為次數進行轉換，將數值限縮在指定範

圍 0~1之間。

𝑧) =𝑥) − min(𝑥)

max 𝑥 − min(𝑥) (3.1)

3.4.4 相關分析(Correlation Analysis)

相關係數(Correlation Coefficient)用以描述數值變數間關係的強度，係數的正

負號則代表變數間關係的方向，相關係數若為正值稱為正相關，表示兩變數的關

係為正向的，反之負號則為負相關，兩變數間之關係為反向；數值的大小代表相

關性的強弱，數值絕對值越接近 1表示相關性愈高，若愈接近 0相關性則愈低。

3.4.5 集群分析法(Cluster Analysis)

集群分析(Cluster Analysis, CA)為一種數值分類法，目的在於將觀察對象分

群，其主要透過使用一組計量資料，加以計算各觀察體的相似性或相異性，並配

合其他統計分析方法掌握各集群性質，進而將觀察對象加以分類，使同一集群內

之觀察對象彼此間相似度愈高愈好，反之，不同集群之觀察體彼此相異程度則愈

高愈好。

38

一、 相異性衡量

針對計量資料的相異性表示方式為計算觀察對象間距離，距離值愈大表示兩

觀察體距離愈遠，其相異性愈大。一般而言，較常用的距離計算方法包含下列四

種，而其中尤以歐幾里德距離最常使用。

1. 街道距離或曼哈頓距離(City-block or Manhattan Distance)

d(𝑥6, 𝑥8) = 𝑥6) − 𝑥8)

9

):;

(3.2)

2. 柴比雪夫距離(Chebychev Distance)

d(𝑥6, 𝑥8) = max 𝑥6) − 𝑥8) (3.3)

3. 歐幾里德距離(Euclidean Distance)

d(𝑥6, 𝑥8) = 𝑥6) − 𝑥8) <

9

):;

(3.4)

4. 歐幾里德距離平方(Squared Euclidean Distance)

d(𝑥6, 𝑥8) = 𝑥6) − 𝑥8) <

9

):;

(3.5)

39

二、 集群方法

集群分析方法可分為階層式方法 (Hierarchical Method)與非階層式方法

(Non-hierarchical Method)，階層式方法又可分為集結法(Agglomerative Method)與

分裂法(Divisive Method)。

1. 階層式方法

集結法為重複合併各觀察對象間的距離或組內誤差矩陣最接近之群體與合

併後之集群，直到觀察體合併為同一集群，較常被使用者包含華德最小變異法

(Ward’s Minimum Variance Method)、單一連結法(Single Linkage Method)、平均連

結法(Average Linkage Method)、完全連結法(Complete Linkage Method)、形心法

(Centroid Method)，以及中位數法(Median Method)。分裂法概念則與集結法相反，

其依序將相異性最大的觀察體分裂成另一集群，重複至所有觀察體分裂至單獨一

個集群為止。

2. 非階層式方法

非階層式集群分析法與階層式分析法在分類過程中的集群形成便不再拆散

方式不同，而是將原有集群全數拆散，並重新組出新的集群，非階層式集群分析

方法中以 K平均法(K-mean Method)最為廣泛使用。

K 平均法為一種非監督式學習集群分析方法，在樣本資料屬性未知的狀況

下，仍可將資料依照指定集群數量進行分類，並使得各群資料與集群中心的距離

平方和(The Errors Sum of Squares of Partition, ESS)盡可能達到最小。K平均法主

要執行步驟為依照預設集群個數 K 設定 K 個種子點後，計算各觀察體到每個種

子點距離、將其分派至最接近之群體並重新計算各集群形心，計算各觀察體至各

集群形心距離總和(ESS 值)，再重新分配觀察體至距離最近之集群與計算 ESS

值，重複動作至 ESS值差異達到預設標準為止。

40

3.4.6 變數共線性檢測(Multi-Collinearity)

為避免變數間過高相關，而產生分類偏誤，本研究將針對提出之八項偏差駕

駛行為變數進行共線性診斷，除為了接續執行集群分析法外，更期望藉此找出共

線程度較高之變數，進而縮減變數項目，共線性檢測指標與判斷準則如表 3- 2。

表 3- 2 變數共線性檢測指標

共線性檢測指標 共線性 判斷準則

Pearson's Product-moment Correlation Coefficient 可能有共線性 大於 0.8

VIF(Variance Inflation Factor) 共線性 大於 10

CI(Conditional Index) 中度共線性/ 高度共線性

30~100/ 100以上

資料來源：陳正昌等(民 101)

3.4.7 卜瓦松迴歸分析(Poisson Regression Model)

卜瓦松迴歸模型可稱為對數線性模型，廣義而言為使用對數連結函數(Log

Link Function)的線性模型，主要應用於應變數為間斷型資料。卜瓦松迴歸的主要

應用為依據某一段時間內已發生的次數進而推估未來時間發生的行為。此機率模

型以其平均數µ為參數，單位時間平均事件發生次數為λ。令 Y 為一離散隨機變

數，若 Y符合卜瓦松分布，其機率密度函數(Probability Density Function)為：

p =𝜆A𝑒CD

𝑦! (3.6)

E Y = λ = 𝑒IJK (3.7)

41

3.4.8 多元迴歸分析(Multiple Regression Analysis)

迴歸分析的主要目的在於找出一個線性方程式，分析自變數與應變數間的關

係並了解自變數對於依變數預測能力之強度，以及顯著關係等，因此本研究將以

多元迴歸分析(Multiple Regression Analysis)作為探討人格特質對偏差駕駛行為以

及駕駛風險分級是否有顯著影響之工具。

3.4.9 二元羅吉斯迴歸模式(Binary Logistic Regression)

羅吉斯迴歸係探討一個離散型應變數與一個或多個自變數之間的關係，模型

的應變數變化範圍為 0 或 1，羅吉斯函數的機率值域就會被限制在(0,1)之間的合

理範圍內。羅吉斯迴歸不須具有符合常態分配的假設，因在羅吉斯分配中，自變

數(X)對於應變數(Y)以指數變動的方式影響的，即y = 𝑒M(N)；但若預測變數為常

態分配的話結果會比較可靠。羅吉斯迴歸分析中的應變數必須為類別變數

(Category Variable)，而自變數可以是類別變數或連續變數。

令 P表示某種事件成功的機率，受自變數 X的影響，即 P與 X之關係為：

P =𝑒M(N)

1 − 𝑒M(N) (3.8)

𝑓(𝑥) = β′X (3.9)

透過羅吉斯迴歸模式，可建立一個最精簡、配適度最佳的分析結果，可用以

預測應變數與一組預測變數之間的關係。本研究將透過此方法建立羅吉斯迴歸模

式預測駕駛員人格特質對發生偏差駕駛行為之可能性。

42

3.4.10 次序羅吉斯迴歸模式(Ordered Logit Regression)

次序羅吉斯迴歸模式又稱累積羅吉斯迴歸模式 (Cumulative Logit

Regression)，此方法經常應用在次序尺度分析上，如嚴重程度、風險由低至高等；

其效用函數如式 (3.10)，其中 ε為誤差項，假定其為羅吉斯分配 (Logistic

Distribution)。

𝑈∗ = 𝛽JX + ε (3.10)

𝑈∗無法透過直接觀察得到，但可了解其歸屬於何種次序類別，因此機率模式

可進一步表示如下，F 表示常態機率累積分配函數，透過此模式可透過最大概似

法的方式，估計出自變數 X之係數𝛽J向量。

Prob U = 1 = F(βJX + 𝑐`) if βJX + ε ≤ 𝑐`

Prob U = 2 = F βJX + 𝑐; − F βJX + 𝑐` if 𝑐` < 𝛽J𝑋 + 𝜀 ≤ 𝑐;

Prob U = 3 = 1 − F(βJX + 𝑐;) if βJX + ε > 𝑐;

43

第四章 資料分析與結果

4.1 研究變數基本分析

本研究建構於三大面向，分別為人格特質、偏差駕駛行為，以及駕駛風險分

級，其中人格特質與駕駛行為為研究中主要變數來源，本小節謹就人格特質變數

與偏差駕駛行為變數基本特性分析及駕駛行為變數調整內容與結果進行說明。

4.1.1 人格特質變數

本研究沿用前期研究(陳信丞，民 103)中對個案客運公司駕駛員施行人格特

質問卷所得資料，共計取得 62位駕駛五大人格特質資料，基本統計分析如表 4- 1。

五項人格特質的平均數約介於 3.0~3.5 之間，雖差異不大但仍可透過標準差

與變異係數觀察各項人格特質離散特性，外向性與和善性兩者為五項人格特質中

離散程度較大者，顯示駕駛在這兩項特質之表現上差異較大；相反的，嚴謹自律

性、神經質與經驗開放性三者離散情形相對較不明顯，其中又以神經質之分布較

為集中。

表 4- 1 五大人格特質特性

人格特質 個數 最小值 最大值 平均數 標準差 變異係數

外向性 62 2 4.667 3.389 0.515 0.152

和善性 62 2.375 4.5 3.483 0.483 0.139

嚴謹自律性 62 3 4.333 3.583 0.350 0.098

神經質 62 2.714 3.857 2.976 0.235 0.079

經驗開放性 62 2.6 4.2 3.193 0.311 0.097

4.1.2 駕駛行為變數

44

根據個案客運公司提供與前期研究整理後之行車紀錄器資料，蒐集 62 位駕

駛員於民國 101年 4月至 6月期間行駛於臺南區南北線(臺北─臺南國道路線)，

行車紀錄器所紀錄之單季偏差駕駛行為次數，詳細特性如表 4- 2所示；可觀察出

行為次數範圍廣且標準差相當大，又以往右偏移與往左偏移行為之次數差異最

劇，顯示各項偏差駕駛行為次數分佈離散程度之高。

由於各項偏差駕駛行為發生頻率在個體間存在相當大的差異，制定危險駕駛

門檻值上不易兼具公平性與合理性，並且更難以界定絕對風險性較高之駕駛員。

有鑒於此，由於本研究之研究標的已限縮為國道客運駕駛員，係一工作特性相近

之特定群體，因此本研究期望採取比較群體內相對風險性的方式，界定該群體內

偏差駕駛行為風險性的高低，關於偏差駕駛行為次數與風險性轉換之概念與過程

將於本章 4.2節中詳加說明。

表 4- 2 單季駕駛行為特性分析表

駕駛行為 個數 最小值 最大值 平均數 標準差

往右偏移 62 0 3368 482.98 700.003

往左偏移 62 0 3478 466.60 652.108

未保持安全距離 62 0 1774 143.71 328.648

嚴重未保持安全距離 62 0 1045 157.34 193.845

引擎轉速過高 62 0 66 2.52 8.762

輕微超速 62 0 188 5.11 24.568

急加速 62 0 226 16.24 36.153

電磁煞車使用過久 62 0 28 2.79 5.009

怠速過久 62 0 553 12.73 70.004 資料來源：個案客運公司(民 101)、本研究整理

45

4.1.3 駕駛行為變數調整

3.2.2 節中所討論之駕駛行為變數乃為個案客運公司提供之偏差駕駛行為門

檻界定後，並參考陳信丞(民 103)之研究整理所得；而為了更有效評估國道客運

駕駛員駕駛風險，本研究將進行駕駛行為變數調整，透過整合特性相近之駕駛行

為變數，或針對變數適切性進行篩選，期以更具關鍵性之偏差駕駛行為衡量駕駛

員行車風險性。

透過個案客運公司針對駕駛員安全管理層面之經驗交流後所得建議，「怠速

時間過久」原考量為可能導致行車安全之偏差駕駛行為之一，然此行為主要受到

行車環境或派車指令影響，怠速時的燃油耗損與廢氣排放對行車效率及環境影響

程度較大，並非造成行車交通事故風險增加之主因。由於本研究之駕駛員分級制

度主要目的為探究駕駛員在行駛過程中之風險性，將怠速時間過久列入評定駕駛

員駕駛風險指標之適切性仍有待商榷，因此在實務管理與指標切合度等多重考量

下，後續研究建構駕駛行為分級制度時將暫不將「怠速時間過久」變數列入考慮。

除刪除怠速時間過久變數外，另研究後續擬將部分特性相近之駕駛行為變數

進行合併，遂針對刪除後之八項變數進行相關性分析，各項偏差駕駛行為間之相

關係數如表 4- 3。「向左偏移」與「向右偏移」之相關係數高達 0.679，兩者間之

關係已接近高度相關，「未保持安全距離」與「嚴重未保持安全距離」之相關係

數為 0.721，亦達到高度相關；除此之外，根據 104年國道事故檢討分析報告(交

通部台灣區國道高速公路局，民 105)統計，「變換車道或方向不當」、「未保持行

車安全距離」為 A1~A3 類事故之主要肇事原因，亦為導致大客車肇生事故之主

要原因，更顯示此二項偏差駕駛行為影響國道高速公路交通安全之重要性。鑒於

上述分析整合結果，在偏差駕駛行為間相關性、行為類別及高速公路肇事主因的

考量之下，本研究將「向右偏移」與「向左偏移」兩變數合併為「左右偏移」，

定義為行車過程中左右變換車道之行為；「未保持安全距離」與「嚴重未保持安

46

全距離」合併為「未保持安全距離」，呼應肇事主因中之未保持行車安全距離項

目。

經篩選與整併後，本研究之駕駛行為變數共計左右偏移、未保持安全距離、

引擎轉速過高、超速、急加速，以及電磁剎車使用過久等六個變數，並以此作為

後續進行人格特質關聯性分析與分級制度擬定之依據。

表 4- 3 偏差駕駛行為變數相關係數

向右 偏移

向左 偏移

未保持 安全距離

嚴重未保持 安全距離

引擎轉速 過高

超速 急加速 電磁剎車 使用過久

向右偏移 1 .679** .325** .457** .080 .046 .254* .588**

向左偏移 .679** 1 .308* .479** .115 .068 .285* .349**

未保持 安全距離

.325** .308* 1 .721** -.045 .063 .297* .504**

嚴重未保持 安全距離

.457** .479** .721** 1 -.076 .072 .416** .676**

引擎轉速 過高 .080 .115 -.045 -.076 1 .016 .013 .088

超速 .046 .068 .063 .072 .016 1 .029 .273*

急加速 .254* .285* .297* .416** .013 .029 1 .339**

電磁剎車 使用過久

.588** .349** .504** .676** .088 .273* .339** 1

*. 在顯著水準為 0.05 時 (雙尾)，相關顯著。 **. 在顯著水準為 0.01時 (雙尾)，相關顯著。

47

表 4- 4 104年高速公路人為駕駛肇事主因與車種交叉分析

類別 肇事原因 小客

車 小貨

車 大貨

車 大客

車 聯結

車 其

他 合計

駕駛人 因素

未注意 車前狀態 1,512 341 100 39 68 20 2,080

未保持行車

安全距離 7,545 1,859 309 201 222 36 10,172

未保持行車 安全間隔

67 20 13 8 18 0 126

倒車 未依規定 318 103 12 4 8 2 447

酒醉(後) 駕駛失控

165 41 5 0 3 2 216

變換車道或 方向不當

1,686 364 177 67 253 34 2,581

其他駕駛

人因素 其他違規或

不當行為 1,008 285 87 24 178 36 1,618

資料來源：交通部台灣區國道高速公路局(民 105)

4.2 偏差駕駛行為風險值

有鑑於不同駕駛員在各項偏差駕駛行為次數分佈離散程度相當大，不容易以

固定門檻值的方式判定危險程度，舉例來說，左右偏移次數發生頻率為各項駕駛

行為之冠，A駕駛員該項行為單月最大值可達 2千餘次，但仍有駕駛員 B於研究

期間並未有此項偏差駕駛行為紀錄，其他駕駛員則有不同駕駛次數分佈在此區間

中，僅能透過次數的比較得知 A 駕駛的駕駛風險性為此群體中最高者，駕駛 B

則相對最低，而非以發生行為次數為風險高低的門檻設定。再者，由於本研究之

研究對象有別於一般小客車或其他職業車輛等駕駛，已經由工作特性限縮至國道

客運駕駛員，屬一極小範圍之特殊群體，因此期望透過風險性的比較方式界定駕

駛員在群體內的相對風險性，進而在各項偏差駕駛行為中比較駕駛員之駕駛風險

性高低。

48

4.2.1 偏差駕駛行為風險值

為了判定一位駕駛在特定偏差駕駛為中的相對危險性，本研究擬將實際發生

的偏差駕駛行為次數轉換成風險值，以辨識駕駛員所發生的偏差駕駛行為次數在

所屬群體中的相對危險位置。駕駛員各項偏差駕駛行為次數為個案客運公司之固

定行駛路線駕駛員(臺北-臺南國道路線)，於民國 101年 4月到 6月期間由行車紀

錄器所紀錄之整季駕駛行為資料，駕駛特性已然大致成形；透過本次研究之風險

值轉換，每個駕駛員將各有六項偏駕駛行為風險值，包含(1)左右偏移、(2)未保持

安全距離、(3)引擎轉速過高、(4)超速、(5)急加速，以及(6)電磁剎車使用過久。

由於本次研究中所採用實務資料數值分布差異甚廣，在考量後續整體駕駛風

險評估與分析進行的難易度後，將採取資料轉換以極值正規化 (min-max

normalization)的方式將偏差駕駛行為次數轉換為 0至 1之間的數值，將一駕駛員

之偏差駕駛行為次數除以該項偏差駕駛行為最大值與最小值之差後的數值做為

各項偏差駕駛行為的風險值(𝑟)i)；計算方式如式(4.1)所示，並以此作為後續進行

駕駛風險分級、集群分析，以及關聯性分析之依據。

𝑟)i =

𝑓)i − 𝑓j)k

i

𝑓j6Ni − 𝑓j)k

i (4.1)

其中，

𝑟)i：駕駛人 i駕駛行為 j風險值；

𝑓)i：駕駛人 i駕駛行為 j次數；

𝑓j6Ni ：駕駛行為 j行為次數最大值；

𝑓j)ki ：駕駛行為 j行為次數最小值。

49

舉例來說，駕駛員 A在民國 101年 4月到 6月期間，共發生左右偏移駕駛行

為 1,275次，而所有駕駛員在這項偏差駕駛行為次數最大值與最小值分別為 4,732

次與 0次，因此獲得 A駕駛員在左右偏移這項偏差駕駛行為的風險值為 0.2694，

計算過程如下：

駕駛 A左右偏差駕駛行為風險值 =1275 − 04732 − 0 = 0.2694

4.2.2 偏差駕駛行為風險值基本特性

透過極值正規化的資料轉換將數值限縮在指定範圍後，本研究定義出的風險

值為最大值為 1，最小值為 0，0 ≤ 𝑟)i ≤ 1。本研究所考量之駕駛行為變數在篩選

與合併後分別為左右偏移、未保持安全距離、引擎轉速過高、超速、急加速，以

及電磁剎車使用過久等六個變數；為了解風險值簡單分布特性，謹將各項偏差駕

駛行為風險值之駕駛員累計人數比例呈現於圖 4- 1至圖 4- 6。

由左右偏移風險值累計人數分布(圖 4- 1)可見其風險值並不集中，但整體而

言近 70%之駕駛員風險值皆小於 0.25，超過 0.5之駕駛員比例僅緩慢增加，可初

步判斷絕大多數駕駛員應尚屬左右偏移風險性較低之個體，僅不到 10%駕駛員之

風險值介於 0.75 到 1 之間。相近的風險值分布特性亦發生於未保持安全距離(圖

4- 2)，不同的是針對未保持安全距離，超過 90%駕駛員之風險值皆低於 0.25，不

到 4%駕駛員屬於未保持安全距離風險值較高之駕駛員。

引擎轉速過高與超速偏差駕駛行為之人數分布型態較為相近(圖 4- 3、圖 4-

4)，接近半數或以上駕駛員之風險值為 0，顯示在行車紀錄器紀錄期間多數駕駛

並未發生該項偏差駕駛行為。而超過 96%的駕駛員之引擎轉速過高與超速風險值

皆小於 0.25，因此可初步推論絕大多數駕駛員這兩項偏差駕駛行為的表現上均相

50

對安全；而這兩項偏差駕駛行為皆有極少數駕駛員風險值大幅高於多數駕駛員，

可能由於該駕駛員之行為風險值為離群值所導致，因此針對此些駕駛行為有加強

提醒與教育之必要。

另外，針對急加速與電磁剎車使用過久之偏差駕駛行為(圖 4- 5、圖 4- 6)，分

別有約 29%及 45%的駕駛員未曾有過紀錄，風險值為 0；且約 90%駕駛員其風險

值皆低於 0.25，兩項偏差駕駛行為風險性較高之駕駛僅佔整體駕駛員比例不到

2%，多數駕駛員在此些偏差駕駛行為之駕駛風險性皆不高的情況下，推斷可能亦

有發生頻率遠高於其他駕駛員、離群值存在的現象，因此針對急加速與電磁剎車

使用過久風險性相對高的駕駛員，建議進一步進行了解成因並設法改善。

圖 4- 1 左右偏移行為風險值累計人數比例

51

圖 4- 2 未保持安全距離行為風險值累計人數比例

圖 4- 3 引擎轉速過高行為風險值累計人數比例

52

圖 4- 4 超速行為風險值累計人數比例

圖 4- 5 急加速行為風險值累計人數比例

53

圖 4- 6 電磁剎車使用過久行為風險值累計人數比例

4.3 偏差駕駛行為分級制度

本研究探究重點之一為期望以較客觀的方式，透過行車紀錄器所擷取之偏差

駕駛行為，建立可能之駕駛員駕駛風險性分級制度。本節將提出兩種分級概念並

進行說明，分別為集群分析與風險值分級，整體研究程序架構如圖 4- 7所示。

集群分析的應用主要功能在於將駕駛員依相近的駕駛行為特性行分群，進而

檢視各個集群之不同駕駛行為特性；而風險值分級則將偏差駕駛行為所反映出的

危險性依序劃分，較能表現出風險性高低之意涵；本研究中亦將透過不同統計分

析方式將分級制度結果與五大人格特質進行連結。

54

圖 4- 7 偏差駕駛行為分級制度建構架構圖

4.3.1 集群分析

本節將呈現 62 位駕駛員依據偏差駕駛特性進行集群分析之過程與結果，為

獲得較理想之分群成果，本研究採用 SPSS 17.0為統計分析操作軟體，執行兩階

段式的集群分析( Two-stage Cluster Analysis)，程序上先以階層法決定集群數，再

以 K平均法( K-mean Method)進行分群。

一、 階層集群分析

表 4- 5為第一階段集群分析華德法集結過程，由第一欄階段數目可瞭解由於

分群對象共有 62位駕駛員，因此共有 61個集結步驟。第二大欄表示合併的駕駛

員編號，第一個步驟為編號 33與 55兩駕駛員合併，編號小的在前、大的在後。

合併後以編號較小的為新的集群代號，繼續後續合併程序至最後一個步驟為止。

第三欄為合併後組內差異係數，由於駕駛員在各項偏差駕駛行為不全然相同，因

此合併過程中組內差異係數將逐漸增加，而差異係數在過程中突然大幅增加時表

示兩群集間之差異已超出容忍範圍，不宜進行合併，因此必須於下一步驟停止合

併。第四、第五欄則分別表示駕駛員在前一次出現的合併步驟，以及集群合併後

下一次出現的步驟。

55

除了觀察表 4- 5集群凝聚過程之差異係數變化，另進一步將集群數與連結距

離關係繪製成陡坡圖如圖 4- 8，各步驟合併後集群之差異係數在階段 60時出現較

顯著的差異；而透過陡坡圖看出當集群數由 61 個縮減至 2 個時，連結距離皆緩

慢增加，但當集群數由 2個合併為 1群時連結距離大幅上升，因此可歸納出將 62

位駕駛員分為兩個集群較為恰當之結果。

表 4- 5 群數凝聚過程

階段 組合集群

係數 先出現的階段集群

下一階段 集群 1 集群 2 集群 1 集群 2

1 33 55 .000 0 0 12 2 28 31 .000 0 0 10 3 8 34 .000 0 0 8 4 26 52 .000 0 0 9 5 22 24 .001 0 0 6 6 22 61 .001 5 0 12 7 30 36 .001 0 0 24 8 6 8 .002 0 3 18 9 19 26 .002 0 4 17 10 23 28 .003 0 2 24 11 40 43 .004 0 0 26 12 22 33 .005 6 1 17 13 35 57 .006 0 0 20 14 16 41 .006 0 0 23 15 10 53 .007 0 0 31 16 2 21 .009 0 0 28 17 19 22 .010 9 12 31 18 6 7 .011 8 0 30 19 18 37 .013 0 0 25 20 35 45 .014 13 0 29 21 1 29 .016 0 0 36 22 4 14 .018 0 0 37 23 16 44 .021 14 0 35 24 23 30 .023 10 7 28

56

階段 組合集群 係數 先出現的階段集群 下一階段 25 5 18 .026 0 19 32 26 13 40 .030 0 11 35 27 54 62 .036 0 0 39 28 2 23 .043 16 24 33 29 11 35 .049 0 20 32 30 6 17 .056 18 0 44 31 10 19 .063 15 17 33 32 5 11 .070 25 29 42 33 2 10 .079 28 31 36 34 27 59 .088 0 0 38 35 13 16 .097 26 23 39 36 1 2 .110 21 33 44 37 4 15 .129 22 0 42 38 27 42 .148 34 0 49 39 13 54 .170 35 27 45 40 48 49 .193 0 0 52 41 20 38 .218 0 0 45 42 4 5 .256 37 32 50 43 51 58 .309 0 0 49 44 1 6 .364 36 30 50 45 13 20 .430 39 41 54 46 9 46 .525 0 0 48 47 47 56 .630 0 0 53 48 9 50 .741 46 0 53 49 27 51 .867 38 43 55 50 1 4 .994 44 42 52 51 12 60 1.140 0 0 56 52 1 48 1.390 50 40 54 53 9 47 1.653 48 47 55 54 1 13 2.031 52 45 58 55 9 27 2.555 53 49 57 56 12 39 3.152 51 0 60 57 3 9 3.970 0 55 59 58 1 32 4.931 54 0 61 59 3 25 6.027 57 0 60

57

階段 組合集群 係數 先出現的階段集群 下一階段 60 3 12 7.728 59 56 61 61 1 3 12.460 58 60 0

圖 4- 8 集群分析陡坡圖

二、 K平均數集群分析結果

透過第一階段所判定之集群數量，第二階段指定 2個集群數將駕駛員進行分

群，集群分析結果細節如表 4- 6至

表 4- 7。表 4- 6為 2個集群的中心點性質，可觀察出各集群中心值特性：集

群 1以左右偏移、未保持安全距離、急加速與電磁剎車使用過久的中心值較大，

集群 2各項偏差駕駛行為之中心直接偏低，已可稍微觀察出兩個集群駕駛員之駕

駛行為特性。

58

表 4- 7 為以集群別為自變數、六項偏差駕駛行為為依變數之變異數分析結

果，兩個集群間之左右偏移、未保持安全距離、急加速與電磁剎車使用過久等偏

差駕駛行為特性皆有顯著差異，然而針對引擎轉速過高與超速兩項偏差駕駛行為

特性在兩個集群駕駛員之間並無顯著的差異。

進一步檢視各集群成員與其偏差駕駛行為特性如表 4- 8，集群 1之駕駛員有

14位，較顯著之駕駛特性為左右偏移、未保持安全距離、急加速與電磁剎車使用

過久，其餘行為較不明顯；集群 2之駕駛員被劃分為較無顯著危險駕駛行為特性

者，其成員數 48人佔整體駕駛員約 77%，為各群中成員最多者。

表 4- 6 最後集群中心點

集群

1 2

左右偏移 .6060 .0825

未保持安全距離 .3536 .0631

引擎轉速過高 .0552 .0332

超速 .0323 .0257

急加速 .2124 .0309

電磁剎車使用過久 .2602 .0528

表 4- 7 ANOVA分析表

集群 誤差

F 檢定 顯著性 平均平方和 自由度 平均平方和 自由度

左右偏移 2.971 1 .020 60 147.234 .000

未保持安全距離 .914 1 .029 60 31.643 .000

引擎轉速過高 .005 1 .018 60 .296 .589

超速 .000 1 .017 60 .027 .870

59

急加速 .357 1 .020 60 17.792 .000

電磁剎車使用過久 .466 1 .025 60 18.825 .000

表 4- 8 集群分析分群駕駛行為特性

集群編號 人數 比例 顯著偏差駕駛行為

1 14 22.6% 左右偏移、未保持安全距離、

急加速、電磁剎車使用過久

2 48 77.4% 無特別顯著偏差駕駛行為

有鑑於集群分析係將駕駛員依相似的偏差駕駛行特性進行分群，所獲得的兩

個集群僅能透過中心值特性或檢視原始資料，進而了解各集群相對顯著之偏差駕

駛行為特性，不容易直接判定一個集群之駕駛員其駕駛危險性高低。然而，本次

研究中的 62 位駕駛員透過集群分析所獲得之合理集群數為 2 個，就分級界定而

言可能過於絕對，但仍可透過駕駛行為特性分析得到「未有明顯偏差駕駛行為」

與「具有明顯偏差駕駛行為」兩個集群的駕駛員，因此針對集群分析獲得之成果，

除可作為駕駛員管理訓練項目分類之依據、因應不同偏差駕駛行為特性之駕駛員

類別擬定教材大綱或教育訓練內容之外，本研究亦將以統計方法建構駕駛員人格

特質與偏差駕駛行為發生之關聯模型。

4.3.2 偏差駕駛行為風險值分級

風險值分級係建立於駕駛員各項偏差駕駛行為風險值基礎之上，以駕駛員各

項偏差駕駛行為風險值總值衡量駕駛員整體駕駛風險，並進一步將風險值總和以

固定級距、固定比例之不同分級標準劃分後，作為判定駕駛員駕駛風險性高低之

依據。

風險值總和之計算係以 4.2 節所定義之風險值為基礎，將駕駛員在不同偏差

60

駕駛行為依其行為次數轉換後之風險值進行加總，駕駛員之駕駛風險性與各項偏

差駕駛行為之風險值總和大小成正比，風險值總和愈小表示整體駕駛風險較低，

風險總值愈大者則代表駕駛員之駕駛風險性愈高，詳細內容如式(4.2)。

𝑅) = 𝑟)i

k

i:;

(4.2)

其中，

𝑅)：駕駛員 i風險總值；

𝑟)i：駕駛行為 j風險值。

舉例來說，A駕駛員在左右偏移、未保持安全距離、引擎轉速過高、超速、

急加速、電磁剎車使用過久等六項偏差駕駛行為的風險值分別為 0.2694、0.0949、

0、0.0053、0.0310 與 0，則衡量 A 駕駛員的整體駕駛風險之風險值總和即為

0.4006，以此數值進行後續駕駛風險分級。

透過加總所得之偏差駕駛行為風險值總和(駕駛風險總值)，進一步將駕駛員

駕駛風險總值劃分為五級，並依據兩種不同分級標準，分別為固定級距「固定級

距分級」與各分級固定比例人數之「固定比例分級」的方式，探究不同分級結果

與內容，並作為後續迴歸分析的依據。

一、 固定級距分級

為明確顯示出駕駛風險性最低與駕駛風險最高的駕駛員之間的危險性差

異，並結合實務上分級管理考量，本研究之風險值分級擬將駕駛員之駕駛風險性

按照固定的級距劃分為 5級，駕駛風險性由低至高分別為 1至 5級。本小節將分

別討論駕駛行為變數在整併前、後之風險值分級結果，檢視其各分級中駕駛員人

61

數與其在整體駕駛員中所佔之比例。

62

1. 整併前駕駛行為變數分級結果(8個變數)

駕駛行為變數整併前共計 8個變數，包含向右偏移、向左偏移、未保持安全

距離、嚴重未保持安全距離、引擎轉速過高、超速、急加速與電磁剎車使用過久。

藉由風險值加總的計算，62位駕駛員中風險值最小值為 0.0218，最大值為 4.2630。

本研究採固定級距的方式將風險性進行分級，因此將最大值與最小值間差距

4.2412等距劃分，依照 0.8482的級距將風險性分為一至五級，各級風險值範圍如

表 4- 9。

考量 8個變數之風險值分級結果、各級駕駛員人數分佈情形如圖 4- 10，共計

48 位駕駛被歸類在駕駛風險性相對較低之分級(第 1、2 級)，佔整體駕駛員近

80%；研究群體中可被歸類為駕駛風險性中等者有 12 位，佔約五分之一的駕駛

員；而風險性較高的第四級與第五級駕駛員皆分別僅有 1 位，僅佔不到 4%之駕

駛員比例。

圖 4- 10顯示出被劃分為第四與第五級之駕駛員有 2位，進一步檢視 2位駕

駛風險性相對最高之駕駛員較顯著之偏差駕駛行為並羅列如表 4- 10；可觀察出駕

駛員 1較嚴重之偏差駕駛行為包含「向右偏移」、「未保持安全距離」與「電磁剎

車使用過久」等三項，另一位駕駛員則有「未保持安全距離」、「嚴重未保持安全

距離」與「電磁剎車使用過久」三項偏差駕駛行為較為明顯的現象。不同偏差駕

駛行為同時出現在駕駛員表現的現象可呼應 4.1.3 節之駕駛行為變數相關性分析

結果(表 4- 3)，「向右偏移」與「未保持安全距離」、「電磁剎車使用過久」間具有

一定的相關性，另外「未保持安全距離」與「嚴重未保持安全距離」兩兩之間為

高度相關，與「電磁剎車使用過久」亦在顯著水準為 0.01時達顯著相關。

63

圖 4- 9 等級距分級各級累計人數比例(整併前駕駛行為變數)

表 4- 9 等級距風險值分級級距(整併前駕駛行為變數)

分級 風險值 人數 比例

1 0.0218≦風險值≦0.8482 45 72.6%

2 0.8482<風險值≦1.6965 3 4.8%

3 1.6965<風險值≦2.5447 12 19.4%

4 2.5447<風險值≦3.3929 1 1.6%

5 3.3929<風險值≦4.2630 1 1.6%

合計 62 100%

64

圖 4- 10 等級距分級各級人數與比例(整併前駕駛行為變數)

表 4- 10 等級距風險分級 4、5級駕駛員偏差駕駛特性(整併前變數)

駕駛員 偏差駕駛行為特性

駕駛員 1 往右偏移、未保持安全距離、嚴重未保持

安全距離、電磁剎車使用過久

駕駛員 2 未保持安全距離、嚴重未保持安全距離、

電磁剎車使用過久

2. 整併後駕駛行為變數分級結果(6個變數)

在駕駛行為間之相關性與偏差駕駛行為本身相似性的考量之下，本研究已於

4.1.3節說明駕駛行為變數整併過程，前述 8項偏差駕駛行為變數之分級結果亦顯

示出部分偏差駕駛行為確實有並存的現象，如未保持安全距離與嚴重未保持安全

距離；因此本段落將討論整併後縮減至 6項駕駛行為變數之風險值分級結果，整

併後之駕駛行為變數分別為左右偏移、未保持安全距離、引擎轉速過高、超速、

急加速，以及電磁剎車使用過久。

65

整併後 6個駕駛行為風險值總和亦隨之變動，最小值與最大值分別為 0.0126

與 3.1799，分級級數仍依固定級距劃分為 5級，因此級距調整為 0.6335，各級級

距範圍如表 4- 11。在六個變數考量之下，被歸類至駕駛風險較低之第 1、2級駕

駛員為 52 人，已超過整體駕駛員之 80%，若另考量第 3 級駕駛風險普通之駕駛

員，接近 97%的駕駛員的駕駛行為均屬於中低風險性，僅低於 4%的駕駛員具有

較高駕駛危險的疑慮，各級駕駛員人數分佈趨勢與累計比例分別如圖 4- 11與圖

4- 12。除此之外，另檢視駕駛風險性較高駕駛員之顯著偏差駕駛行為，兩人偏差

駕駛行為特性相近，較顯著之偏差駕駛行為皆包含「左右偏移」、「未保持安全距

離」與「電磁剎車使用過久」。

表 4- 11 固定級距風險值分級級距(整併後駕駛行為變數)

分級 風險值 人數 比例

1 0.0126≦風險值≦0.6335 44 71.0%

2 0.6335<風險值≦1.2669 8 12.9%

3 1.2669<風險值≦1.9004 8 12.9%

4 1.9004<風險值≦2.5338 1 1.6%

5 2.5338<風險值≦3.1799 1 1.6%

合計 62 100%

表 4- 12 固定級距風險分級 4、5級駕駛員偏差駕駛特性(整併後變數)

駕駛員 偏差駕駛行為特性

駕駛員 1 左右偏移、未保持安全距離、電磁剎車使用過久

駕駛員 2 左右偏移、未保持安全距離、電磁剎車使用過久

66

圖 4- 11 固定級距分級各級累計人數比例(整併後駕駛行為變數)

圖 4- 12 固定級距分級各級人數與比例(整併後駕駛行為變數)

67

二、 固定比例分級

除了以固定級距研擬駕駛員駕駛風險分級之外，另以 Naito et al. (2009)研究

成果為參考，其研究中將駕駛危險性由低至高分為五級(A~E)，各級人數比例分

別為 10%、20%、40%、20%與 10%；因此，本研究將 62位駕駛員按此比例為依

據分為五級，並說明各分級級距變化與內容。

1. 整併前駕駛行為變數分級結果(8個變數)

依據前述比例將駕駛員劃分為五級後，各級級距與駕駛員人數如表 4- 13，各

級詳細比例與累計比例分布分別如圖 4- 13、圖 4- 14；將多數駕駛員劃分為駕駛

風險中等之群體，針對駕駛風險相對最低與最高的較少部分駕駛員，分別進行嘉

獎或教育訓練。

獨立檢視本次分級方式中駕駛風險性最高的 6位駕駛員偏差駕駛行為特性，

較明顯之特性主要包含未保持安全距離、嚴重未保持安全距離，以及電磁剎車使

用過久等，詳如表 4- 14。

表 4- 13 固定比例風險值分級級距(整併前駕駛行為變數)

分級 風險值 人數 比例

1 0.0218≦風險值≦0.0897 7 11.3%

2 0.0897<風險值≦0.2049 11 17.7%

3 0.2049<風險值≦0.8020 26 41.9%

4 0.8020<風險值≦1.9306 12 19.4%

5 1.9306<風險值≦4.2630 6 9.7%

合計 62 100%

68

圖 4- 13 固定比例分級各級累計人數比例(整併前駕駛行為變數)

圖 4- 14 固定比例分級各級人數與比例(整併前駕駛行為變數)

69

表 4- 14 固定比例風險分級第 5級駕駛員偏差駕駛特性(整併前變數)

駕駛員 偏差駕駛行為特性

駕駛員 1 未保持安全距離、嚴重未保持安全距離

駕駛員 2 超速、電磁剎車使用過久

駕駛員 3 往右偏移、嚴重未保持安全距離、電磁剎

車使用過久

駕駛員 4 往左偏移、嚴重未保持安全距離

駕駛員 5 電磁剎車使用過久

駕駛員 6 未保持安全距離、嚴重未保持安全距離、

電磁剎車使用過久

2. 整併後駕駛行為變數分級結果(6個變數)

以整併後駕駛行為變數為基礎之駕駛風險分級結果如表 4- 15、圖 4- 15、圖

4- 16，分別呈現固定比例分級人數之各級級距、駕駛人數與比例分布。

駕駛行為風險分級中，相對風險性最高的第 5級共有六位駕駛員，其較顯著

之偏差駕駛行為特性大致上包括左右偏移、未保持安全距離，以及電磁剎車使用

過久，詳細特性如表 4- 16。

表 4- 15 固定比例風險值分級級距(整併後駕駛行為變數)

分級 風險值 人數 比例

1 0.0126≦風險值≦0.0591 6 9.7%

2 0.0591<風險值≦0.1423 13 21.0%

3 0.1423<風險值≦0.6263 25 40.3%

4 0.6263<風險值≦1.5303 12 19.4%

5 1.5303<風險值≦3.1799 6 9.7%

合計 62 100%

70

表 4- 16 固定比例風險分級第 5級駕駛員偏差駕駛特性(整併後變數)

駕駛員 偏差駕駛行為特性

駕駛員 1 超速、電磁剎車使用過久

駕駛員 2 左右偏移、未保持安全距離、電磁剎車使

用過久

駕駛員 3 左右偏移、未保持安全距離

駕駛員 4 左右偏移、電磁剎車使用過久

駕駛員 5 左右偏移、電磁剎車使用過久

駕駛員 6 未保持安全距離、電磁剎車使用過久

圖 4- 15 固定比例分級各級累計人數比例(整併後駕駛行為變數)

71

圖 4- 16 固定比例分級各級人數與比例(整併後駕駛行為變數)

4.3.3 偏差駕駛行為風險分級卜瓦松分配(Poisson Distribution)

本研究駕駛風險分級中「固定級距」各級人數分配曲線如圖 4- 12，為進一步

使本研究之人數分配比例與型態有更廣泛應用之可能性，考量資料配適之原則有

二：(1)以原「固定級距」各分級人數分配型態為依據，另考慮(2)實際人格特質與

表現績效，風險性最低、安全性最佳之駕駛員仍相對少數且較表現一般駕駛員少

數；故以卜瓦松分配重新進行資料配適，期藉此獲取符合實務應用之資料分布型

態，做為未來相關應用與參考之依據。

表 4- 17為本次研究中固定級距分級各級人數分布，為應用於卜瓦松分布，

分別將駕駛風險分級第 1級至第 5級重新編碼為 0至 4，並透過式(4.3)、(4.4)轉

換獲得卜瓦松分配之各級預期人數，重新配適後各級人數比例分別為 61.3%、

30.6%、6.5%、1.6%，及 0%，詳如表 4- 18、圖 4- 17所示。卜瓦松分配配適結果

顯示本研究之樣本駕駛員風險最高第 5 級比例相當低，已接近 0%，致使最高駕

72

駛風險之駕駛人數為 0，故可理解為實務管理層面上風險極高之駕駛員僅為少

數，多數駕駛員仍屬中低駕駛風險之族群，亦為合理之安全管理分配型態。針對

配適結果各級人數比例應用於其他個案之可能性，宜考量駕駛員數量規模與分級

制度階層數，調整合適之配適型態，以提升資料分布配適度與應用之實用性與可

靠性。

表 4- 17原駕駛風險固定級距分級人數分佈(整併後駕駛行為變數)

駕駛風險 分級

1 2 3 4 5 總計

編碼(𝑏)) 0 1 2 3 4

人數(𝑥)) 44 8 8 1 1 62

比例 71% 12.9% 12.9% 1.6% 1.6% 100%

m =𝑏)𝑥)𝑁 (4.3)

P X = 𝑥 =𝑒Cj×𝑚N

𝑥! (4.4)

表 4- 18 固定級距駕駛風險分級卜瓦松分配(整併後駕駛行為變數)

𝑥 0 1 2 3 4 總計

P X = 𝑥 0.6065 0.3033 0.0758 0.0126 0.0016

各級預期人數P X = 𝑥 ×62

38 19 4 1 0 62

比例 61.3% 30.6% 6.5% 1.6% 0% 100%

73

圖 4- 17 固定級距駕駛風險分級次數卜瓦松分佈圖(整併後駕駛行為變數)

4.4 人格特質與偏差駕駛行為關聯性模型

本研究之研究重點在於探究人格特質與駕駛員風險值分級之關聯性與各項

人格特質之重要程度，在這之前亦將分別檢視人格特質與各項偏差駕駛行為之間

的關係。本節將以 SPSS 17.0作為執行多元迴歸分析之軟體，以五大人格特質為

自變數(𝑋;~𝑋z)，以偏差駕駛行為的風險值(𝑌;~𝑌|)為依變數分別建立多元迴歸模

型進行探究。

本研究之多元迴歸分析將以五大人格特質為自變數，整併後之駕駛行為變數

為依變數，包含左右偏移、未保持安全距離、引擎轉速過高、超速、急加速以及

電磁剎車使用過久等，分別檢視人格特質對偏差駕駛行為之影響與重要程度、以

及各模式預測效果，皆將於本節中詳細說明，相關矩陣及顯著水準則收錄於附表

中提供參考。

74

4.4.1 左右偏移(𝒀𝟏)

可先透過相關係數大略判斷五個人格特質外向性、和善性、嚴謹自律性、神

經質與經驗開放性間之共線性，變數間之相關係數皆不大，最小為 0.013、最大

為 0.678，尚未超過 0.8，表示五大人格特質間之共線性不嚴重，符合預測變項間

相關性愈低愈好的期望。相對於依變數之間相關性愈低愈好，自變數與依變數間

的相關性則愈高愈好，附表 1- 1可觀察出左右偏移駕駛行為與五大人格特質之相

關性偏低，相關性稍高且達顯著相關之特性僅和善性與神經質。

以五項人格特質預測左右偏移駕駛行為之整體迴歸模式摘要如表 4- 19，並將

迴歸式中各個人格特質係數呈現如式(4.3)。整體考驗之模式顯著性為𝑝 =0.014，

已達顯著水準，表示五個人格特質變數可以聯合預測此項駕駛行為風險值；𝑅<為

0.219，校正後之𝑅<為 0.150，推斷此模式預測能力尚可，表示五大人格特質可以

有效反映出左右偏移駕駛行為風險值的變異。針對模式中各項人格特質係數與影

響而言，僅和善性與經驗開放性對左右偏移駕駛行為風險值有顯著的影響，其中

和善性對風險值為負面影響，表示駕駛員所具備的和善性特質愈高，愈有助於降

低左右偏移風險值；相反的，經驗開放性對這項駕駛行為的風險值則是正向影

響，表示駕駛員行為較不受規範拘束的特性，將會增加左右偏移的風險值。另外

透過標準化迴歸係數比較不同人格特質對風險值影響的重要性，可發現和善性對

於左右偏移風險值的預測作用，較經驗開放性特質來得大，係數分別為-0.363 與

0.280。

𝑌; = −0.586 − 0.119𝑋; − 0.197𝑋< + 0.199𝑋� + 0.138𝑋� + 0.235𝑋z (4.3)

75

表 4- 19 左右偏移模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) -.586 .407

.219 .150 .014

外向性(𝑋;) -.119 -.233 .177 2.077

和善性(𝑋<) -.197 -.363 .012 1.392

嚴謹自律性(𝑋�) .199 .266 .116 1.992

神經質(𝑋�) .138 .124 .359 1.285

經驗開放性(𝑋z) .235 .280 .037 1.233

4.4.2 未保持安全距離(𝒀𝟐)

單獨檢視五大人格特質與未保持安全距離偏差駕駛行為風險值之間的相關

程度，將相關係數與顯著水準呈現於附表 1- 2中。五項人格特質中，僅有和善性

與神經質兩項特質與未保持安全距離風險值具有較高程度的相關性，並達顯著水

準；未保持安全距離行為風險值與和善性之間為負相關，與神經質間之關係則為

正相關，相關係數分別為-0.522及 0.679。

以五大人格特質預測未保持安全距離風險值之整體模式摘要如表 4- 20，並將

迴歸式整理呈現如式(4.4)。在整體考驗下之模式為顯著(𝑝 =0.000)，人格特質可

聯合預測未保持安全距離風險值，調整後𝑅<值為 0.482，顯示此模式已可解釋迴

歸式中約 48%的未保持安全距離行為風險值變異，整體解釋能力優異。模式中亦

僅有和善性與神經質對未保持安全距離風險值有顯著的影響，影響方向性與前述

相關性分析結果一致，和善性特質對未保持安全距離風險值的影響效果為負，將

有助於降低風險值；反之，神經質將會增加這項偏差駕駛行為的風險值，影響效

果為正向。此外，藉由標準化係數β，檢視和善性與神經質對未保持安全距離行

76

為相對重要程度，在其他變數皆不變的條件下，神經質(β=0.557)對於預測未保持

安全距離風險值的重要性遠大於和善性(β=-0.286)，顯示神經質對未保持安全距離

行為影響具備相當的重要性。

𝑌< = −1.119 − 0.007𝑋; − 0.123𝑋< + 0.012𝑋� + 0.495𝑋� + 0.058𝑋z (4.4)

表 4- 20 未保持安全距離模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) -1.119 .013

.524 .482 .000

外向性(𝑋;) -.007 -.018 .892 2.077

和善性(𝑋<) -.123 -.286 .011 1.392

嚴謹自律性(𝑋�) .012 .021 .874 1.992

神經質(𝑋�) .495 .557 .000 1.285

經驗開放性(𝑋z) .058 .086 .404 1.233

4.4.3 引擎轉速過高(𝒀𝟑)

五項人格特質與引擎轉速過高間之相關性與顯著水準呈現於附表 1- 3，並建

立迴歸模型如式(4.5)。整體而言，外向性、和善性、嚴謹自律性、神經質與經驗

開放性對引擎轉速過高之風險值皆無太大相關，亦未達顯著水準。除此之外，透

過模式摘要表 4- 21觀察模式整體並不顯著，𝑅<值僅 0.076，顯示模式在以人格特

質預測引擎轉速過高風險值之能力相當低落，且各項人格特質對引擎轉速過高風

險值均無顯著影響，故推斷出引擎轉速過高行為的風險值並不適合透過五大人格

特質進行預測，此項行為險值高低有受到其他因素影響的可能性存在。

77

𝑌� = 0.041 − 0.070𝑋; − 0.030𝑋< + 0.136𝑋� − 0.011𝑋� − 0.036𝑋z (4.5)

表 4- 21 引擎轉速過高模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) .041 .917

.077 .000 .463

外向性(𝑋;) -.070 -.270 .150 2.077

和善性(𝑋<) -.030 -.107 .481 1.392

嚴謹自律性(𝑋�) .136 .358 .053 1.992

神經質(𝑋�) -.011 -.020 .890 1.285

經驗開放性(𝑋z) -.036 -.086 .550 1.233

4.4.4 超速(𝒀𝟒)

以五大人格特質為自變數、超速駕駛行為風險值為依變數，進行多元迴歸分

析之相關係數與顯著水準矩陣表收錄於附表 1- 4，除了外向性、神經質與超速行

為風險值之間有顯著相關性之外，其餘外向性、嚴謹自律性，以及經驗開放性並

無顯著相關。

針對整體考驗的迴歸模型模式摘要與迴歸式分別如表 4- 22 及式(4.6)，模式

整體𝑝 =0.020 達顯著水準，因此可透過五大人格特質進行超速行為風險值的預

測；此外，𝑅<值在調整前後分別為 0.207與 0.136，顯示模式對於超速行為風險值

變異的解釋能力稍低，僅約 14%。進一步檢視各項人格特質對此項偏差駕駛行為

風險值的影響性，僅觀察出外向性對超速行為風險值有顯著影響，且外向性對超

速偏差駕駛行為風險值所產生之影響為負向關係，意指具備較高外向性特性之駕

駛員對於超速行為風險值會有降低的效果，與相關矩陣中呈現之負相關性一致。

78

𝑌� = −0.128 − 0.126𝑋; − 0.024𝑋< + 0.110𝑋� + 0.103𝑋� − 0.012𝑋z (4.6)

表 4- 22 超速模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) -.128 .719

.207 .136 .020

外向性(𝑋;) -.126 -.496 .005 2.077

和善性(𝑋<) -.024 -.088 .531 1.392

嚴謹自律性(𝑋�) .110 .295 .084 1.992

神經質(𝑋�) .103 .185 .175 1.285

經驗開放性(𝑋z) -.012 -.028 .832 1.233

4.4.5 急加速(𝒀𝟓)

單獨檢視五大人格特質與急加速偏差駕駛行為風險值之相關性(附表 1- 5)，

各項人格特質與急加速風險值皆無顯著相關。以外向性、和善性、嚴謹自律性、

神經質與經驗開放性預測急加速駕駛行為風險值迴歸式呈現如式(4.7)，模式摘要

如表 4- 23。整體模式顯著性𝑝 >0.05顯示此迴歸模型所採用之人格特質變數無法

針對急加速駕駛行為的風險值提供有效預測，且模式配適度經過校正過後僅

0.072，顯示此迴歸式對急加速風險值之變異能提供之解釋能力相當有限，且五個

人格特質對急加速行為的風險值皆無顯著影響；綜合評估之下，五項人格特質個

別檢視時不僅與急加速偏差駕駛行為風險值沒有太大相關，整體考驗的模式中亦

不宜以此五項特質作為預測之主要考慮因素。

𝑌z = −0.476 + 0.034𝑋; − 0.050𝑋< + 0.058𝑋� + 0.184𝑋� − 0.046𝑋z (4.7)

79

表 4- 23 急加速模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) -.476 .292

.148 .072 .101

外向性(𝑋;) .034 .109 .542 2.077

和善性(𝑋<) -.050 -.150 .306 1.392

嚴謹自律性(𝑋�) .058 .126 .471 1.992

神經質(𝑋�) .184 .270 .059 1.285

經驗開放性(𝑋z) -.046 -.091 .511 1.233

為進一步釐清和善性與神經質對急加速風險值的顯著相關、與其在整體模式

中顯著性表現上的差異，本研究另進一步調整變數構建不同模式，以探究影響急

加速風險值之關鍵人格特質。僅考量和善性與神經質作為自變數所建立之迴歸式

如(4.8)，模式摘要如表 4- 24，透過變數調整後可發現整體模式即可達到顯著水

準，調整後𝑅<值也有些微的提升。然而，和善性與神經質對急加速行為風險值所

產生的影響仍然不顯著。

𝑌z = 0.072 − 0.020𝑋< + 0.041𝑋� (4.8)

表 4- 24 急加速模式摘要(調整變數)

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) .072 .000

.110 .080 .032 和善性(𝑋<) -.020 -.125 .370 1.269

神經質(𝑋�) .041 .255 .071 1.269

80

有鑑於在嘗試變數調整後仍無法斷定人格特質變數對急加速風險值影響的

顯著性，受限於無法刪減變數數量或增加樣本數的情況下，透過附表 1- 6中人格

特質間的相關矩陣可發現和善性與神經質間的相關係數為-0.460，考量和善性與

神經質間有交互作用的可能性存在；因此本研究另嘗試以和善性、神經質、和善

性與神經質交互作用變項(以「和善性*神經質」表示)建立模式，迴歸式與模式摘

要分別如(4.9)、表 4- 25所示。

相較於僅考慮和善性與神經質之模式，加入和善性與神經質交互作用變項

後，雖由於增加預測變數使模式配適度有微幅增加，但整體模式顯著性降低；另

外，和善性與神經質對急加速風險值的影響更不顯著，且透過觀察和善性*神經

質在模式中的係數顯著性可得，和善性與神經質兩項人格特質之交互作用對預測

急加速風險值模式並無顯著影響。

𝑌z = 0.061 − 0.026𝑋< + 0.019𝑋� − 0.025𝑋| (4.9)

表 4- 25 急加速模式摘要(交互作用)

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) .061 .007

.132 .087 .041

和善性(𝑋<) -.026 -.162 .256 1.331

神經質(𝑋�) .019 .121 .497 2.084

和善性*神經質(𝑋|)

-.025 -.192 .230 1.670

81

4.4.6 電磁剎車使用過久(𝒀𝟔)

針對電磁剎車使用過久行為風險值與五項人格特質建立迴歸模式如式

(4.10)，初步檢視個別特質與駕駛行為之相關矩陣(附表 1- 7)。由矩陣表中相關係

數可概略觀察出，僅和善性與神經質與電磁剎車使用過久風險值間具有較高且顯

著的相關性，其餘外向性、嚴謹自律性、與經驗開放性等人格特質則均無顯著相

關。

表 4- 26之模式摘要分析內容指出，整體模式顯著性𝑝=0.000的情況下顯示出

本次研究中所採用的外向性、和善性、嚴謹自律性、神經質與經驗開放性等五項

人格特質，可有效聯合預測駕駛員之電磁剎車使用過久風險值；此外，校正後之

模式𝑅<值亦達 0.387，幾乎可以解釋近 40%的電磁剎車使用過久風險值變異，模

式解釋能力相當不錯。另透過顯著性探討各項人格特質於整體模式中的表現，除

了神經質外，外向性、和善性嚴謹自律性，以及經驗開放性對電磁剎車使用過久

的風險值皆有顯著的影響；其中外向性與和善性對風險值的影響為負向效果，愈

高外向性與和善性特質可降低此項駕駛行為的風險值，而嚴謹自律性及經驗開放

性與風險值之間的關係則為正向。就不同特質對預測模式中風險值的重要性而

言，以和善性對電磁剎車使用過久風險值的預測作用最大，緊接著依序為外向

性、嚴謹自律性、經驗開放性，而神經質影響效果最不關鍵也並不顯著。

𝑌| = −0.460 − 0.159𝑋; − 0.186𝑋< + 0.204𝑋� + 0.156𝑋� + 0.172𝑋z (4.10)

82

表 4- 26 電磁剎車使用過久模式摘要

未標準化

係數 標準化 係數 顯著性

共線性統計量 VIF

𝑅< 調整後

𝑅< 顯著性

B估計值 β分配

(常數) -.460 .264

.437 .387 .000

外向性(𝑋;) -.159 -.458 .003 2.077

和善性(𝑋<) -.186 -.502 .000 1.392

嚴謹自律性(𝑋�) .204 .400 .007 1.992

神經質(𝑋�) .156 .204 .078 1.285

經驗開放性(𝑋z) .172 .300 .009 1.233

4.5 人格特質與偏差駕駛行為風險分級關聯性模型

前節中分別針對外向性、和善性、嚴謹自律性、神經質，以及經驗開放性等

五大人格特質，以多元迴歸分析分別進行六項偏差駕駛行為關聯性模式之建構，

包含左右偏移、未保持安全距離、引擎轉速過高、超速、急加速，以及電磁剎車

使用過久等，初步檢視各項人格特質與上述偏差駕駛行為之關聯性，本節將進一

步執行後續之研究內容，進行人格特質與駕駛行為風險分級結果之關聯性探究。

駕駛行為風險分級為一考量整體駕駛風險性之評估機制，本研究於 4.3 節中

已分別將駕駛員依據不同偏差駕駛行為特性及風險總值進行分級，分級結果分別

包含透過集群分析結果的「未有明顯偏差駕駛行為」、「有明顯偏差駕駛行為」，

以及風險值分級中「固定級距」與「固定比例」兩種駕駛員風險分級結果。本節

將以二元羅吉斯迴歸建構人格特質影響有無顯著偏差駕駛行為機率模型，另以次

序性羅吉斯迴歸執行人格特質與駕駛行為風險分級關聯性模式之建構。變數考量

仍以各個駕駛員之外向性、和善性、嚴謹自律性、神經質與經驗開放性等五項人

格特質為自變數；而針對依變數的考量則以 4.3 節中駕駛員集群分析、風險值分

83

級結果為預測目標，並以偏差駕駛行為變數整併後之分級結果作為主要研究依

據。

4.5.1 人格特質建構有無明顯偏差駕駛行為模式

為了瞭解人格特質對於駕駛員發生偏差駕駛行為的影響，本研究建構羅吉斯

迴歸模式探究五大人格特質影響駕駛員發生偏差駕駛行為之可能性。根據 4.3.1

節之二階層集群分析之結果，依據不同偏差駕駛行為特性將駕駛員分為兩個集

群，並透過統計分析了解各集群駕駛行為特性；多數駕駛員被劃分為「未有明顯

偏差駕駛行為」之集群，另一集群之駕駛員則「有相對明顯偏差駕駛行為」之特

性，可初步判斷出其相對駕駛風險高低。因此，透過羅吉斯迴歸模式之應變數為

二元型態的特性，以Y = 0代表「未有明顯偏差駕駛行為」之駕駛員(共 48位)，Y = 1

代表「有相對明顯偏差駕駛行為」的駕駛員(14位)，自變數則為外向性、和善性、

嚴謹自律性、神經質，以及經驗開放性等五大人格特質。因應羅吉斯迴歸模式的

應變數為選擇機率，因此以概似比指數(Likelihood Ratio Index, 𝜌<)作為檢定模式

適合度之指標，𝜌<愈高表示模式配適度愈好；一般而言，𝜌<在 0.1~0.2 間為可接

受之範圍，而 0.2~0.4 之間則代表模型配適度非常好(Domenich and McFadden,

1975; Louviere et al., 2000)。

表 4- 27為五大人格特質對有無明顯偏差駕駛行為之羅吉斯迴歸分析表，模

式整體顯著性已達顯著水準，代表本模式所選取的自變數能有效的預測應變數；

並且模式𝜌< = 0.236表示模式配適度良好。五大人格特質中，僅神經質變數p =

0.046達顯著水準 0.05，對駕駛員發生偏差駕駛行為與否有顯著且相當大的影響，

可有效配適駕駛員偏差駕駛行為的發生。此外，神經質 B估計值為 4.322，其 OR

值(Odds Ratio)為 75.322，在其他人格特質不變的情況之下，多一單位神經質之駕

駛員，其「有相對明顯偏差駕駛行為」的機率較「未有明顯偏差駕駛行為」多出

84

75.32 倍；而此次建構之模式配適駕駛員有無顯著偏差駕駛行為整體正確率約為

87.1%，配適結果如表 4- 28，校估後獲得之羅吉斯迴歸模式如式(4.11)。

有顯著偏差駕駛行為機率P = ����.�����.�������.�������.�������.�������.�����

;�����.�����.�������.�������.�������.�������.����� (4.11)

表 4- 27 五大人格特質對明顯偏差駕駛行為之羅吉斯迴歸分析表

參數 估計值 標準誤差 顯著性 Exp(B)

常數 -18.039 9.404 .055 .000

外向性 -.779 .970 .422 .459

和善性 -1.198 .875 .171 .302

嚴謹自律性 1.658 1.445 .251 5.247

神經質 4.322 2.169 .046 75.322

經驗開放性 1.426 1.347 .290 4.160

L(𝜃) -25.293

L(0) -33.118

𝜌< 0.236

表 4- 28 人格特質配適有無明顯偏差駕駛行為之分類表

觀察次數 配適次數

0 1 百分比

實際次數 0 48 0 100.0

1 8 6 42.9

概要百分比 - - 87.1

85

4.5.2 人格特質建構駕駛風險分級人數模式

本小節為評估不同人格特質駕駛員在固定級距駕駛風險分級人數的影響，本

研究透過建立卜瓦松迴歸模式以配適不同人格特質所對應的駕駛風險分級人數。

此模式所採用之應變數為駕駛員之固定級距駕駛風險分級，Y = 0為駕駛風

險分級第 1級，Y = 1、Y = 2、Y = 3、Y = 4分別為第 2到第 5級，駕駛風險由

低至高，各應變數對應次數分配如表 4- 29；而本模式採用外向性、和善性、嚴謹

自律性、神經質，以及經驗開放性等五大人格特質為模式建構之自變數。表 4- 30

為人格特質對駕駛風險固定分級人數之卜瓦松迴歸分析表，模式𝜌<達 0.441，顯

示模式配適度表現相當良好。各項人格特質配適度的部分，外向性(p = 0.028)、

和善性(p = 0.001)、嚴謹自律性(p = 0.009)，以及神經質(p = 0.004)之顯著性皆

達 0.05顯著水準，顯示出此四項人格特質能夠有效的配適駕駛風險分級人數，其

中外向性與和善性對風險分級人數為顯著負向影響、嚴謹自律性及神經質則為正

向影響，分析後另可獲得迴歸模型如式(4.12)。

各級人數 = exp(−4.586 − 1.014𝑋; − 1.487𝑋< + 1.891𝑋� + 1.579𝑋�+ 0.166𝑋z) (4.12)

表 4- 29 固定級距之風險分級人數

編號 駕駛行為風險 固定級距分級

人數 百分比

0 第1級 44 71.0%

1 第 2級 8 12.9%

2 第 3級 8 12.9%

3 第 4級 1 1.6%

4 第 5級 1 1.6%

86

表 4- 30 人格特質對駕駛風險固定級距分級人數之卜瓦松迴歸分析表

參數 估計值 標準誤差 顯著性

常數 -4.586 4.0590 .259

外向性(𝑋;) -1.014 .4624 .028

和善性(𝑋<) -1.487 .4317 .001

嚴謹自律性(𝑋�) 1.891 .7219 .009

神經質(𝑋�) 1.579 .5416 .004

經驗開放性(𝑋z) .166 .7212 .818

L(𝜃) -45.063

L(0) -80.622

𝜌< 0.441

4.5.3 人格特質建構駕駛員駕駛風險分級模式

本研究「固定級距」與「固定比例」分級制度係將駕駛員分為駕駛風險由低

至高的第 1~5級，屬於具有次序性質之變數，因此本研究以次序性羅吉斯迴歸建

構五大人格特質與「固定級距」與「固定比例」兩項駕駛風險分級模式，並於本

小節說明模式分析結果。

一、 固定級距分級

固定級距駕駛風險分級結果資料個數與百分比如表 4- 31，表 4- 32為五大人

格特質對固定級距分級結果之次序性羅吉斯迴歸分析表，模式適合度資訊整體顯

著性p = 0.000表示模式已拒絕所有迴歸係數皆為 0 的虛無假設，且模式𝜌<值

0.278，亦為一配適度良好之模型。就五大人格特質而言，外向性、和善性、嚴謹

自律性，及神經質等其中四項皆達 0.05顯著水準，在模式中係數不為 0，顯示此

四項人格特質能有效的配適駕駛員固定級距風險分級結果，因此可獲得人格特質

構建之累積機率分配函數如式(4.13)。

87

𝑈∗ = (−1.886)∗𝑋; + (−2.729)∗𝑋< + (3.707)∗𝑋� + (4.417)∗𝑋� + ε (4.13)

除此之外，透過累積機率分配函數可以進一步預測不同人格特質駕駛員可能

之不同駕駛風險分級機率為：

Prob U = 1 = F(β′X + 14.018) if 𝛽J𝑋 + 𝜀 ≤ 14.018

Prob U = 2 = F β′X + 15.347 − F β′X + 14.018 if 14.018 < 𝛽J𝑋 + 𝜀 ≤

15.347

Prob U = 3 = F β′X + 18.592 − F β′X + 15.347 if 15.347 < 𝛽J𝑋 + 𝜀 ≤

18.592

Prob U = 4 = F β′X + 19.515 − F β′X + 18.592 if 18.592 < 𝛽J𝑋 + 𝜀 ≤19.515

Prob U = 5 = 1 − F(β′X + 19.515) if 𝛽J𝑋 + 𝜀 > 19.515

透過估計值與 OR值可觀察出，在其他人格特質維持不變的前提下，外向性

(OR=0.152)與和善性(OR=0.065)特質愈多，對於駕駛風險被劃分到較高分級的可

能性就相較其他人格特質來得低；相反的，以嚴謹自律性(OR=40.731)而言，駕駛

員每具備此項特質高出一單位，被劃分到愈高駕駛風險分級的可能性也就較其他

特質高出約 40倍，五大人格特質中又以神經質(OR=82.847)影響最鉅，每多一單

位神經質特質，駕駛員被歸類到高駕駛風險分級就較其他特質高出近 83倍。

表 4- 31 五大人格特質對固定級距駕駛風險分級之次數表

駕駛風險分級 個數 百分比

固定級距

1 44 71.0%

2 8 12.9%

3 8 12.9%

4 1 1.6%

5 1 1.6%

總數 62 100%

88

表 4- 32 五大人格特質對固定級距風險分級之次序羅吉斯迴歸分析表

參數 估計值 標準誤差 顯著性

固定級距分級第1級 14.018 7.801 .072

固定級距分級第2級 15.347 7.866 .051

固定級距分級第3級 18.592 8.325 .026

固定級距分級第4級 19.515 8.401 .020

外向性(𝑋;) -1.886(0.152) .924 .041

和善性(𝑋<) -2.729(0.065) .874 .002

嚴謹自律性(𝑋�) 3.707(40.731) 1.367 .007

神經質(𝑋�) 4.417(82.847) 1.615 .006

經驗開放性(𝑋z) .735(2.085) 1.257 .559

L(𝜃) -40.537

L(0) -56.107

𝜌< 0.278 註：括號內為 OR值(Odds Ratio)

89

二、 固定比例分級

固定比例駕駛風險分級結果資料個數與百分比如表 4- 33，

表 4- 34為五大人格特質對固定比例分級結果之次序性羅吉斯迴歸分析表，

模式適合度資訊整體顯著性p = 0.000亦顯示出模式已拒絕所有迴歸係數皆為 0

的虛無假設，為一具有預測能力之模式，𝜌< = 0.147也在可接受的範圍中，模型

可接受。就五大人格特質而言，和善性、嚴謹自律性，及神經質等其中四項皆達

0.05 顯著水準，在模式中係數不為 0，顯示此三項人格特質能有效的配適駕駛員

固定級距風險分級結果，因此可獲得人格特質構建之累積機率分配函數如式

(4.14)。

𝑈∗ = (−2.088)∗𝑋< + (2.605)∗𝑋� + (2.636)∗𝑋� + ε (4.14)

並透過累積機率分配函數可以進一步預測不同人格特質駕駛員可能之駕駛

風險分級機率為：

Prob U = 1 = F(βJX + 5.815) if βJX + ε ≤ 5.815

Prob U = 2 = F βJX + 7.478 − F βJX + 5.815 if 5.815 < 𝛽J𝑋 + 𝜀 ≤7.478

Prob U = 3 = F βJX + 9.614 − F βJX + 7.478 if 7.478 < 𝛽J𝑋 + 𝜀 ≤9.614

Prob U = 4 = F βJX + 11.564 − F βJX + 9.614 if 9.614 < 𝛽J𝑋 + 𝜀 ≤11.564

Prob U = 5 = 1 − F(βJX + 11.564) if βJX + ε > 11.564

透過估計值與 OR值可觀察出，在其他人格特質維持不變的前提下，和善性

(OR=0.124)特質愈多，對於駕駛風險被劃分到較高分級的可能性就相較其他人格

特質來得低；相反的，嚴謹自律性(OR=13.531)與神經質(OR=13.957)兩項人格特

質影響程度相去不遠，每多一單位嚴謹自律性或神經質，駕駛員被歸類到高駕駛

風險分級就較其他特質高出約 13~14倍。

90

表 4- 33 五大人格特質對固定比例駕駛風險分級之次數表

駕駛風險分級 個數 百分比

固定比例

1 6 9.7%

2 13 21.0%

3 25 40.3%

4 12 19.4%

5 6 9.7%

總和 62 100.0%

表 4- 34 五大人格特質對固定比例風險分級之次序羅吉斯迴歸分析表

參數 估計值 標準誤差 顯著性

固定比例分級第1級 5.815 5.544 .294

固定比例分級第2級 7.478 5.548 .178

固定比例分級第3級 9.614 5.576 .085

固定比例分級第4級 11.564 5.680 .042

外向性(𝑋;) -.559(0.571) .670 .404

和善性(𝑋<) -2.088(0.124) .635 .001

嚴謹自律性(𝑋�) 2.605(13.531) 1.011 .010

神經質(𝑋�) 2.636(13.957) 1.229 .032

經驗開放性(𝑋z) .181(1.198) .847 .830

L(𝜃) -73.348

L(0) -86.652

𝜌< 0.147 註：括號內為 OR值

91

4.6 小結

本節分別針對六個偏差駕駛行為(左右偏移、未保持安全距離、引擎轉速過

高、超速、急加速，以及電磁剎車使用過久)與偏差駕駛行為風險值分級結果(集

群分析、固定級距分級、固定比例分級)，分別以多元迴歸分析、二元羅吉斯迴歸、

次序羅吉斯迴歸等方法探究五大人格特質(外向性、和善性、嚴謹自律性、神經質

以及經驗開放性)對於各項偏差駕駛行為風險值與駕駛風險分級結果之關聯性，各

項分析結果歸納說明如下，並將分析成果整理如表 4- 35。

表 4- 35 五大人格特質影響顯著性

偏差駕駛行為風險值 駕駛風險 分級結果

左右偏移

未保持安全距離

引擎轉速過高

超速

急加速

電磁剎車使用過久

集群分析─

有無顯

著偏差駕駛行為

固定級距分級

固定比例分級

外向性 ü ü ü

和善性 ü ü ü ü ü

嚴謹自律性 ü ü ü

神經質 ü ü ü ü

經驗開放性 ü ü 註：「ü」表該人格特質達顯著水準 0.05

一、 負向影響偏差駕駛行為人格特質：和善性、外向性

透過前節分析結果可歸納出人格特質對偏差駕駛行為風險值影響特性，「和

善性」對左右偏移、未保持安全距離，以及電磁剎車使用過久之風險值有較顯著

且負向的影響，為普遍影響較顯著的人格特質，顯示較為溫和、有禮貌且較值得

92

信賴的駕駛員，較不易出現左右偏移、未保持安全距離與電磁剎車使用過久等行

為，此等偏差駕駛行為風險值可能較低。而擁有較高「外向性」特質之駕駛員，

對超速與電磁剎車使用過久等偏差駕駛行為之風險值則有顯著的負向影響，推斷

由於駕駛員較重視與乘客之間的互動、多會顧及乘客的搭乘舒適度並且注重乘車

品質，在行駛上亦將多加留意不當駕駛行為，避免超速與電磁剎車使用過久的情

形發生。

二、 正向影響偏差駕駛行為人格特質：神經質、嚴謹自律性、經驗開放性

相對於和善性與外向性對部分偏差駕駛行為風險值的負向影響，「神經質」、

「嚴謹自律性」與「經驗開放性」與偏差駕駛行為風險值則大致上呈現正向影響

的關係。神經質對未保持安全距離風險值有顯著的正向影響，顯示較容易緊張、

焦慮與情緒化的駕駛員可能較容易發生未保持安全距離的情形；嚴謹自律性對電

磁剎車使用過久風險值亦有正向且顯著的影響，可能較嚴格約束自己在特定條件

下完成駕駛任務的駕駛員，反而更容易出現特定偏差駕駛行為的現象；另外，富

有好奇心且不拘泥於一般程序、屬經驗開放之駕駛員，對其左右偏移、電磁剎車

使用過久的風險值都有增加的正向影響可能性。

三、 人格特質對有無明顯偏差駕駛行為模型建構

根據集群分析結果，以二元羅吉斯迴歸模型配適不同人格特質發生偏差駕駛

行為機率，五大人格特質中僅神經質達顯著水準，具有較好之配適效果。針對神

經質影響偏差駕駛行為發生機率方面，在其他人格特質皆相同的條件下，具備較

高神經質特性之駕駛員，發生偏差駕駛行為的機率約較外向性、和善性、嚴謹自

律性、與經驗開放性等其他人格特質的 75 倍以上；可見個性上較容易情緒化、

緊張、焦慮的駕駛員，出現偏差駕駛行為傾向的可能性較一般人高上許多。

93

四、 人格特質對固定級距駕駛風險分級人數模型建構

依據固定級距分級結果以卜瓦松迴歸模型配適不同人格特質對駕駛風險分

級人數之影響，五大人格特質中除了經驗開放性之外，其餘外向性、和善性、嚴

謹自律性與神經質皆為顯著影響，並由係數正負值判斷人格特質對分級人數的影

響方向性。外向性與和善性之影響為負向，顯示其特性愈高，對於愈高風險的分

級人數有削減的效果；反之，正向影響之嚴謹自律性與神經質特性愈高，顯示風

險愈高之分級人數可能就愈多。

五、 人格特質對駕駛行為風險分級模型建構

在考量五大人格特質的條件下，探究其構建「固定級距」、「固定比例」兩種

不同駕駛風險分級的模式；整體而言，「和善性」、「嚴謹自律性」及「神經質」

皆可有效配適兩種駕駛風險分級的結果。相較於其他人格特質，和善性特質較高

之駕駛員，在駕駛風險分級上被劃分為較高分級的可能性較低，因此可以說駕駛

員整體駕駛風險較低。而具有較高程度嚴謹自律性與神經質兩種人格特質之駕駛

員，其被劃分到較高駕駛風險分級的機率相對其他人格特質高，顯示過度恪守於

既有規章、固執，以及情緒上較易出現緊張焦慮的人格特質，將增加駕駛員整體

駕駛風險。而外向性僅能對固定級距風險分級結果進行有效的配適，且被劃分到

較高風險分級的機率較其他人格特質低，因此可推斷注重人際關係且喜愛與乘客

互動之駕駛員，其駕駛風險分級高的可能性較低，整體駕駛風險也相對較小；不

同於前述分析結果，外向性對固定比例風險分級結果則無法有效預測。

偏差駕駛行為風險分級結果乃建構於偏差駕駛行為風險值基礎之上，因此，

人格特質與偏差駕駛行為間之關聯性亦間接反映在分級結果的分析上。「和善性」

此項特質表現出的樣態大致上為有禮貌且溫和的、樂於助人並值得信賴，較傾向

於降低駕駛風險，因此，和善性在對左右偏移駕駛行為風險值、未保持安全距離

行為風險值、電磁剎車使用過久風險值，以及最終駕駛風險分級的影響，皆產生

94

負向影響，亦為本研究所採用之五大人格特質當中表現較為強烈的特質。此外，

「嚴謹自律性」的駕駛員具備自我要求、負責任或固執的特質，會自我約束工作

表現，「神經質」所表現出的特性則為焦慮、自卑與容易緊張不安，並且較易因

情緒化影響工作表現，兩項人格特質對部分偏差駕駛行為風險值與駕駛風險分級

所產生的影響則皆為正向影響，亦屬與偏差駕駛行為有較高鏈結程度之特值，顯

示不管過度執著或是情緒控管能力不佳之駕駛員，皆有可能增加駕駛風險。

95

第五章 結論與建議

本研究之目的在於以偏差駕駛行為為基礎，透過風險值的計算進行駕駛員之

駕駛風險分級制度構建，並進一步探究駕駛員人格特質與各項偏差駕駛行為的關

聯性，以及人格特質對駕駛行為風險分級的影響。本研究乃沿用前期研究中與個

案客運公司合作取得之駕駛員行車紀錄器資料，與駕駛員人格特質問卷資料；分

別以相對風險性高低概念將偏差駕駛行為進行轉換與駕駛風險分級，並透過多元

迴歸分析釐清五大人格特質對駕駛員之偏差駕駛行為及其風險分級產生的影

響。本節將就研究結果進行討論，提出具體結論與建議，以提供客運經營管理等

相關單位進行安全風險管理、駕駛員駕駛風險評估，以及新聘駕駛員適任性評估

之參考。

5.1 結論

綜合第四章資料分析過程與結果，本研究將各階段研究結果與研究中各項假

設成立與否歸納說明如下：

一、 偏差駕駛行為相關性

原駕駛行為變數包含往右偏移、往左偏移、未保持安全距離、嚴重未保持安

全距離、引擎轉速過高、超速、急加速，以及電磁剎車使用過久等八項偏駕駛行

為。經檢視各項偏差駕駛行為變數之相關性後，「往右偏移」與「往左偏移」兩

變數間具有一定相關程度，考量駕駛行為屬性與後續研究需求後將其合併為「左

右偏移」；「未保持安全距離」與「嚴重未保持安全距離」亦呈現高度相關，考量

其僅因門檻判定上之差異，且其行為上仍屬相同性質，因此在高度相關性的前提

下將兩者合併為「未保持安全距離」。除此之外，「未保持安全距離」與「電磁剎

車使用過久」兩行為為高度相關、「向右偏移」與「電磁剎車使用過久」兩者亦

96

有一定程度相關，偏差駕駛行為相關特性亦呈現於駕駛行為風險分級與集群分析

結果中，駕駛員偏差駕駛行為特性中「未保持安全距離與超速行為」、「引擎轉速

過高與電磁剎車使用過久」同時發生的現象。

二、 風險值轉換與風險值分級

本研究之探究對象已限縮於國道客運駕駛員之一特定群體，因此以相對危險

性概念區分各駕駛員之偏差駕駛行為高低風險，將其偏差駕駛行為次數以相對距

離的方式呈現，遂將各項偏差駕駛行為一季的次數轉換為數值區間為 0至 1之風

險值。為了衡量駕駛員整體駕駛風險性，將駕駛員各項偏差駕駛行為轉換所得之

風險值進行加總，即為駕駛員偏差駕駛行為風險總值，並進一步探討分級制度的

研擬；本研究中探究在不同分級依據之下的兩種分級方式，分別為「固定級距分

級」與「固定比例分級」。

「固定級距分級」係以相同間距為標準將風險總值由低至高劃分為一至五

級，級數低者表示其整體駕駛風險性較低，反之則相反，分級最高者則代表其駕

駛風險相對於其他分級高。風險值分級中風險性較高之駕駛員，主要之偏差駕駛

行為特性包含發生「左右偏移」、「未保持安全距離」與「電磁剎車使用過久」並

存的現象。就各分級比例而言，駕駛風險較低之駕駛員佔整體比例超過 80%，僅

約 4%之駕駛員被劃分在駕駛風險性較高之分級，對於個案客運公司之駕駛員安

全性管理上仍屬較合理之分配。除此之外，本研究另以卜瓦松分配重新配適分級

結果，獲得第 1 級到第 5 級各級人數比例分別為 61.3%、30.6%、6.5%、1.6%，

及 0%。

「固定比例分級」的概念則是將駕駛員依各級固定比例 10%、20%、40%、

20%、10%的方式劃分為五級，將大多數駕駛員劃分於駕駛風險中等、相對風險

最低與最高者則佔整體駕駛員中的少數。本研究中 1到 5級之駕駛員比例分別約

為 9.7%、21.0%、40.3%、19.4%、9.7%；駕駛風險最高的駕駛員大致偏差駕駛行

97

為包含同時發生「左右偏移」與「電磁剎車使用過久」，以及「未保持安全距離」

與「電磁剎車使用過久」等。

三、 駕駛員偏差駕駛行為特性集群分析結果

本研究透過集群分析將個案客運公司駕駛員依其偏差駕駛行為特性進行分

群，分別以階層集群分析與 K平均法執行二階段式集群分析；參考階層集群分析

結果僅能將駕駛員劃分為兩個集群，絕大多數駕駛員被歸類在為無特別顯著偏差

駕駛行為的集群裡，佔約 77%；而約有 23%駕駛員具有相對顯著偏差駕駛行為，

其集群駕駛行為特性包含左右偏移、未保持安全距離、急加速、電磁剎車使用過

久。集群分析係將駕駛行為特性相近之駕駛員進行劃分，分群結果以未有顯著偏

差駕駛行為之駕駛員佔多數，整體而言多數駕駛皆無明顯危險駕駛行為；除透過

駕駛行為特性的分群作為駕駛教育訓練方針或教材編纂之依據之外，本研究另就

「未有明顯偏差駕駛行為」與「有相對明顯偏差駕駛行為」建立人格特質對有無

發生偏差駕駛行為機率之二元羅吉斯迴歸分析模型。

四、 人格特質對偏差駕駛行為影響之顯著性

透過多元迴歸分析檢視外向性、和善性、嚴謹自律性、神經質、經驗開放性

等五大人格特質對偏差駕駛行為風險之關聯性，本研究最終採用之偏差駕駛行為

包含左右偏移、未保持安全距離、引擎轉速過高、超速、急加速，以及電磁剎車

使用過久等六項駕駛行為。綜合模式建構成果而言，五大人格特質並未完全與偏

差駕駛行為有顯著影響，僅特定人格特質對部分偏差駕駛行為有顯著的關聯性。

和善性對較多偏差駕駛行為有較顯著的負向影響，包含左右偏移、未保持安

全距離電磁剎車使用過久等；外向性則對超速以及電磁剎車使用過久等偏差駕駛

行為之風險值亦有顯著的負向影響。Ulleberg and Rundmo (2003)研究中亦提出較

注重他人感受者會直接對風險駕駛行為造成影響的成果。嚴謹自律性對駕駛偏差

98

駕駛行為中的電磁剎車使用過久行為風險值具有顯著影響，神經質亦僅對其中之

未保持安全距離風險值有顯著的影響，經驗開放性則對左右偏移與電磁剎車使用

過久具有顯著影響，且嚴謹自律性、神經質與經驗開放性與其顯著影響的偏差駕

駛行為之間皆為正向關係，因此這三項人格特質皆有可能增加特定偏差駕駛行為

風險。過去多項研究中亦指出，焦慮、帶有敵意等與情緒相關之特定人格特質對

於偏差駕駛行為有直接影響，也會造成侵略性違規行為，較年輕駕駛者的焦慮、

不受拘束與追求刺激等特性則間接影響風險駕駛行為(Beanland et al., 2014;

Mallia et al., 2015; Ulleberg and Rundmo, 2003)。

相較於人格特質對其他偏差駕駛行為具有一定影響性，五大人格特質對於本

研究中引擎轉速過高與急加速等兩項偏差駕駛行為風險值皆無顯著影響，進一步

推論外向性、和善性、嚴謹自律性、神經質與經驗開放性等特質皆並非造成駕駛

員發生這些偏差駕駛行為的主因；相對的，駕駛員受到道路環境或車輛特性等其

他因素影響而導致此些行為發生的可能性較高。

五項人格特質中以和善性所表現出之特性較為突出，僅和善性對多數偏差駕

駛行為風險值有較顯著的影響，分別為左右偏移、未保持安全距離與電磁剎車使

用過久。和善性與左右偏移、未保持安全距離、及電磁剎車使用過久風險值之間

均呈現負向相關性，與其在迴歸係數為負值之結果相符，因此可推斷出具備較明

顯和善性特性之駕駛員，對這三項偏差駕駛行為風險值具有削減的效果，顯示和

善性特質愈高者，在整體駕駛員中針對此些偏差駕駛行為之風險性則愈低。

五、 人格特質對偏差駕駛行為風險分級影響之顯著性

有別於個別偏差駕駛行為風險值之單一駕駛行為考量，偏差駕駛行為風險分

級係建構在偏差駕駛行為風險值基礎之上，進而評估駕駛員整體駕駛風險的機

制；因此，針對五項人格特質對駕駛行為風險分級之結果與前述之人格特質與偏

差駕駛行為顯著分析上亦有一定程度的關聯性。本研究以二元羅吉斯迴歸分析、

99

卜瓦松迴歸分析，及次序性羅吉斯迴歸分析等模式，建構人格特質影響偏差駕駛

行為與駕駛風險分級等模型。

本研究應用集群分析結果以二元羅吉斯迴歸分析探討人格特質影響駕駛員

有無明顯發生偏差駕駛行為的機率高低，五項人格特質中僅有神經質對駕駛員有

無明顯偏差駕駛行為出現較顯著的影響，且神經質愈高之駕駛員出現偏差駕駛行

為的機率較其他人格特質高出約 75倍，顯見神經質對偏差駕駛行為之影響性。

而針對「固定級距分級」與「固定比例分級」兩種駕駛風險分級結果，本研

究則以次序性羅吉斯迴歸建構探討人格特質影響駕駛風險分級結果模型。外向

性、和善性、嚴謹自律性、神經質與經驗開放性等五項特質中，除經驗開放性對

兩種分級結果均無顯著影響外，其餘四項人格特質大致具有顯著影響效果。外向

性與和善性對「固定級距分級」結果有負向顯著影響，顯示此兩項人格特質其駕

駛風險分級被劃分在高風險分級的機率較其他人格特質低；相反的，嚴謹自律性

與神經質則對之則有正向影響，駕駛風險較高的機率較其他人格特質來的高。此

外，就「固定比例分級」模式而言，僅和善性對駕駛風險分級維持顯著負向影響；

而嚴謹自律性與神經質仍對於左右駕駛員整體駕駛風險高低有著顯著影響，若為

神經質與嚴謹自律性特質較為突出之駕駛員，歸類於駕駛風險分級較高的機率也

隨之增加。相似的人格特質影響特性亦出現於建構人格特質影響風險分級人數之

卜瓦松迴歸模型中，外向性與和善性對於愈高風險的分級人數有削減的效果；而

嚴謹自律性與神經質特性則可能增加風險愈高之分級人數。整體而言，外向性、

和善性、嚴謹自律性及神經質皆為對駕駛風險分級有顯著影響之人格特質，其中

外向性與和善性對增加駕駛風險的機率較低，嚴謹自律性與神經質則較高。

100

5.2 建議

本節謹針對本研究各階段研究內容與分析結果，提供客運公司駕駛員安全風

險管理建議，並就研究過程與成果提出後續研究改善建議如下：

一、 根據人格特質與偏差駕駛行為與其風險值分級關聯性之分析結果，整體而

言，「和善性」、「外向性」對於不管是特定偏差駕駛行為或風險分級上皆有

較顯著之負向影響，具備較高度和善性與外向性特質之駕駛員，其發生偏

差駕駛行為的風險與整體駕駛風險也愈低；而較高「嚴謹自律性」與「神

經質」之駕駛員，偏差駕駛行為及整體駕駛風險則可能較高。有鑑於此，

客運公司可透過問卷評估的方式，衡量現任駕駛員中神經質與嚴謹自律性

特性較為明顯者，了解人格特性導致駕駛員較高駕駛風險成因，透過工作

條件改善或尋求強化駕駛員心理素質的可能，並配合加強駕駛員安全風險

管理；亦可將神經質、嚴謹自律性、和善性與外向性等特性作為新聘駕駛

員適任性衡量指標之一，藉此降低因偏差駕駛行為導致潛在之風險性，進

而提升整體行車安全。

二、 本研究之人格特質變數在框架性概念下僅考量五大人格特質，雖整體而言

多數人格特質對駕駛風險分級結果皆有顯著影響，然對於部分偏差駕駛行

為仍無顯著的影響。檢視人格特質基本統計特性分析，發現樣本駕駛員各

項人格特質分數的分布上較為集中、並無懸殊的差異，此現象可能導致不

易檢視出特定人格特質與偏差駕駛行為間之顯著關係。造成人格特質分布

集中的情形可能為駕駛員在填答人格特質問卷時容易選擇較為保守之選

項，導致駕駛員在人格特質表現上趨於一致，因此衡量個人特質之問卷設

計仍有改良的空間，或透過其他較可靠的方式進行評估。另一可能性為受

到駕駛員樣本規模限制，導致人格特質未能適切反映在偏差駕駛行為上，

且較難透過篩選樣本的方式進行調整；因此，未來可考量擴充試驗駕駛員

101

樣本規模以提升資料來源廣度與分析精確度。

三、 相較於神經質所呈現出焦慮、緊張等較負面之特性，其餘外向性、和善性、

嚴謹自律性以及經驗開放性等各項特質所呈現出的樣態大致上為人際關係

取向、可信賴且有溫和有禮、自我約束、富創造力等較正面之人格特質，

因此若期望透過事前評估方式篩選適當駕駛員人選，在多數人格特質皆傾

向正面特質的條件下便較難直接達成過濾不適任駕駛員之目的，僅能透過

正面特質間接判斷駕駛員的駕駛風險。有鑒於此，為了更有效評估駕駛員

偏差駕駛行為與整體駕駛風險性，針對衡量偏差駕駛行為的人格特質變數

選擇上，建議進行調整與重新定義，同步考量正負面人格特質對於駕駛員

風險評估上的適切性。

四、 本研究受限於道路環境組成與車輛條件之複雜度，因此暫不將此兩因素納

入考量；然而，由左右偏移偏差駕駛行為之分析結果推斷，道路環境的組

成與變化對於偏差駕駛行為的發生可能有一定程度的影響。因此，未來可

探究將道路環境與周圍交通特性納入研究範疇之可能性；並考量車輛構造

特性是否亦為造成駕駛員偏差駕駛行為之因素，以進一步確立道路環境因

素與車輛特性對偏差駕駛行為之影響。

五、 本研究提出之駕駛員風險分級概念，係以一特定工作屬性之國道客運駕駛

員為研究對象下所制定之駕駛風險分級制度，僅作為客運業者比較一團體

內駕駛員「相對」風險高低之依據，尚無法提供「絕對」危險性之門檻值

界定。然而，對於提升國道運輸整體安全性，駕駛員的工作條件評估與遴

選實為國道運輸安全風險管理上極為重要的一環，因此，衡量國道客運駕

駛員安全性的分級制度仍有構建之必要與急迫性；未來研究方向可針對分

級內容提出更多層面的評估指標，並在全盤考量之下進行「絕對」危險性

門檻值之界定，建立更為客觀且健全之駕駛員分級制度。

102

參考文獻

1. 王詩涵(民國 95年)，國道客運駕駛員駕駛行為、駕駛表現與人格特質之探討，國立成功大學國立成功大學交通管理科學研究所碩士論文。

2. 尹維龍(民國 93年)，應用駕駛行為量表探討偏差駕駛行為與事故傾向關係之研究，國立交通大學運輸科技與管理學系碩士論文。

3. 交通部(民國 104年)，「交通部交通統計月報」。 4. 交通部(民國 105年)，「交通部交通統計月報」。 5. 交通部台灣區國道高速公路局(民國 105 年)，「104 年國道事故檢討分析報告」。

6. 宋宗哲(民國 102 年)，行車影像紀錄器應用於交通安全管理之研究，中央警察大學交通管理研究所碩士論文。

7. 林祥生、施佑霖(民國 98 年)，「數位式行車紀錄器於公路客運之功能組合研究」，中華管理學報，第四期，卷十，頁 39-66。

8. 林彥志(民國 98年)，使用公路客運行車紀錄器資料探討營業大客車駕駛人行為適性研究，逢甲大學運輸科技與管理學系碩士論文。

9. 林珍伃(民國 104 年)，輕度失智駕駛者交通事故風險評估，國立成功大學國立成功大學交通管理科學研究所碩士論文。

10. 紀佑信(民國 99年)，國道客運業偏差駕駛行為影響之研究，國立成功大學國立成功大學交通管理科學研究所碩士論文。

11. 梁力元(民國 104 年)，國道客運公司駕駛人因特性組織管理人因特性對於駕駛行為與留任意願之影響研究，國立成功大學國立成功大學交通管理科學研

究所碩士論文。 12. 陳信丞(民國 103 年)，國道客運公司駕駛員人因特性、車輛駕駛行為與駕駛績效之研究，國立成功大學國立成功大學交通管理科學研究所碩士論文。

13. 陳高村、蘇裕展(民國 93年)，「行車紀錄器於肇事重建應用之研究」，道路交通安全與執法國際研討會。

14. 陳芳正(民國 94年)，長途客運業駕駛績效之探討，國立成功大學交通管理科學研究所碩士論文。

15. 陳正昌、程炳林、陳新豐、劉子鍵(民國 101 年)，多變量分析方法，台北：五南圖書。

16. 陳宥欽、魏健宏、梁力元，「探討工作滿足、工作壓力、組織氣候對於國道客運駕駛員駕駛行為與留任意願之影響」，中華民國運輸學會第 30屆學術論文研討會，104年 12月 3-4日，海洋大學，台灣。

17. 曹瑋晉(民國 100 年)，工作特性與侵略性駕駛行為的關聯性研究，國立交通大學運輸與科技管理學系碩士論文。

103

18. 傅幸梅(民國 93年)，酒精對駕駛行為績效影響之研究，國立雲林科技大學工業工程與管理系碩士論文。

19. 黃愛黎(民國 94年)，駕駛自我評估、人格特質對改善臺灣地區高齡者駕駛安全的影響，國立成功大學工業與資訊管理學系碩士論文。

20. 楊淑娟(民國 95年)，使用數位式行車記錄器之駕駛安全研究，逢甲大學交通工程與管理學系碩士論文。

21. 廖哲聖(民國 98年)，憤怒駕駛傾向之量測與人格特質及性別角色之影響，國立交通大學運輸科技與管理學系碩士論文。

22. 蔡永祥(民國 97年)，以數位式行車記錄辨析高肇事大客車駕駛族群，國立交通大學運輸科技與管理學系碩士論文。

23. 鄭勝泰(民國 91年)，人格特質對工作績效影響之探討─以某運輸服務業之 T公司為例，國立中央大學人力資源管理研究所碩士論文。

24. 鮑雨薇(民國 98年)，人格特質、態度、風險感認與大專生機車危險駕駛行為之關係，國立交通大學運輸科系與管理學系碩士論文。

25. 魏健宏、陳宥欽、白明奇、林珍伃(民國 106年)，「輕度失智駕駛者交通事故模型之建構」，運輸學刊，第一期，卷二十九，頁 35-68。

26. 籃世勛(民國 99 年)，以數位式行車記錄器資料分析公路客運駕駛行為之研究，國立交通大學運輸科技與管理學系碩士論文。

27. afWåhlberg, A., Barraclough, P. and Freeman, J. (2017), “Personality versus traffic accidents; meta-analysis of real and method effects,” Transportation Research Part F, Vol. 44, pp. 90-104.

28. Blockey, P. N. and Hartley, L. R. (1995), “Aberrant driving behavior: errors and violations,” Ergonomics, Vol. 38, No. 9, pp. 1759-1771.

29. Barling, J., Kelloway, E. K. and Cheung, D. (1996), “Time management and achievement striving interact to predict car sales performance,” Journal of Applied Psychology, Vol. 81, Issue 6, pp. 821-826.

30. Bowling, N. A. and Eschleman, K. J. (2010), “Employee personality as a moderator of the relationships between work stressors and counterproductive work behavior,” Journal of Occupational Health Psychology, Vol. 15, Issue 1, pp. 91-103.

31. Beanland, V., Sellbom, M. and Johnson, A. K. (2014), “Personality domains and traits that predict self-reported aberrant driving behaviours in a southeastern US university sample,” Accident Analysis and Prevention, Vol. 72, pp. 184-192.

32. Bowling, N. A., Alarcon, G. M., Bragg, C. B. and Hartman, M.J. (2015), “A meta-analytic examination of the potential correlates and consequences of

104

workload,” Work and Stress, Vol. 29, Issue 2, pp. 95-113.

33. Costa, P. T., and McCrae, R. R. (1989), “The NEO-PI/NEO-FFI manual supplement,” Psychological Assessment Resources, Odessa.

34. Campbell, J. P. (1990), “Modeling the performance prediction problem in industrial and organizational psychology,” Handbook of Industrial and Organizational Psychology.

35. Costa, P. T., and McCrae, R. R. (1992), “Professional manual for the NEO PI-R and NEO-FFI,” Psychological Assessment Resources, Odessa.

36. Charlton, S. G. and Starkey, N. J. (2015), “Driving while drinking: Performance impairments resulting from social drinking,” Accident Analysis and Prevention, Vol. 74, pp. 210-217.

37. Ceschi, A., Costantini, A., Scalco, A., Charkhabi, M. and Sartori, R. (2016), “The relationship between the big five personality traits and job performance in business workers and empolyees’ perception,” International Journal of Business Research, Vol. 16, Issue 2, pp. 63-76.

38. Chen, Y. C., Wei, C. H. and Liang, L.Y. (2015) “Driving Demographic Construct as a Moderator in Modeling Human Risk Factors on Intercity Bus Driver’s Behavior,” the 11th Annual Conference of the East Asia Society for Transportation Studies (EASTS), Sep 11-14, Cebu, Philippines.

39. Chen, Y. C., Wei, C. H. and Liang, L.Y. (2015) “Investigation of the Impact of Driver Age and Physiological Factors,” 14th ITS Asia Pacific Forum (ITSAP 2015), April 27-29, Nanjing, China.

40. Domenich, T. and McFadden, D. L (1975), “Urban Travel Demand: A Behavioral Approach,” North-Holland: American Elsevier.

41. Delen, D., Sharda, R. and Bessonov, M. (2006), “Identifying significant predictors of injury severity in traffic accidents using a series of artificial neural networks,” Accident Analysis and Prevention, Vol. 38, pp. 434-444.

42. deWinter, J.C.F. and Dodou, D. (2010), “The Driver Behaviour Questionnaire as a predictor of accidents: A meta-analysis,” Journal of Safety Research, Vol. 41, pp. 463-470.

43. Feng, S., Li, Z., Ci, Y., and Zhang, G. (2016), “Risk factors affecting fatal bus accident severity: Their impact on different types of bus drivers,” Accident Analysis and Prevention, Vol. 86, pp. 29-39.

44. Gulian, E., Matthews, G., Glendon, A. I., Davies, D. R., and Debney, L. M.

105

(1989), “Dimensions of driver stress,” Ergonomics, vol. 32, pp. 585-602.

45. Joubert, J. W., Beer, D. and Koker, N. (2016), “Combining accelerometer data and contextual variables to evaluate the risk of driver behavior,” Transportation Research, Part F, Vol. 41, pp. 80-96.

46. Lajunen, T. and Summala, H. (1995), “Driving experience, personality, and skill and safety-motive dimensions in drivers’ self-assessments,” Personality and Individual Differences, Vol. 19, pp. 307-318.

47. Louviere, J. J., Hensher, D. A. and Swait, J. D. (2000), “Stated Choice Mehtods and Applications,” New York: Cambridge University Press.

48. Lajunen, T., Parker, D., and Summala, H. (2004), “The Manchester driver behavior questionnaire: a cross-cultural study,” Accident Analysis and Prevention, Vol. 36, pp. 231-238.

49. Lemke, M. K., Apostolopoulos, Y., Hege. A. and Sonmez, S. (2016), “Undestanding the role of sleep duration in commercial driving safety,” Accident Analysis and Prevention, Vol. 97, pp. 79-86.

50. Miyajima, C., Ukai, H., Naito, A., Amata, H., Kitaoka. N. and Takeda, K. (2011), “Driver risk evaluation based on acceleration, deceleration, and steering behavior,” IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 1829-1832.

51. Mallia, L., Lazuras, L., Violani, C. and Lucidi, F. (2015), “Crash risk and aberrant driving behaviors among bus drivers: The role of personality and attitudes towards traffic safety,” Accident Analysis and Prevention, Vol. 79, pp. 145-151.

52. Naito, A., Miyajima, C., Nishino. T, Kitaoka. N. and Takeda, K. (2009), “Driver evaluation based on classification of rapid decelerating patterns,” IEEE International Conference on Vehicular Electronics and Safety, pp. 108-112.

53. Reason, J., Manstead, A., Stradling, S., Baxter, J. and Campbell, K. (1990), “Errors and violations on the roads: a real distinction?” Ergonomics, Vol. 33, pp. 1315-1332.

54. Soma, H., Hiramatsu, K., Satoh, K. and Uno, H. (1996), “System architecture of the JAR1 driving simulator and its validation,” Symposium conducted at the meeting of the ICCTP’96, Valencia.

55. Sullman, M. J. M., Meadows, M. L. and Pajo, K. B. (2002), “Aberrant driving behaviours among New Zealand,” Transportation Research Part F, Vol. 5, pp. 217-232.

106

56. Treat, J. R., Tumbas, N.S., McDonald, S. T., Shinar, D., Hume, R. D., Mayer, R. E., Stansifer, R. L. and Castellan, N. J. (1979), “Tri-level study of the causes of traffic accidents: Final report. executive summary,” Technical Report, Blommington, Indiana: Institute for Research in Public Safety, DOT/HS 805 09.

57. Tseng, C. M. (2012), “Social-demographics, driving experience and yearly driving distance in relation to a tour bus driver's at-fault accident risk,” Tourism Manage, Vol. 33, pp. 910-915.

58. Tabibi. Z., Boorzabadi, H. H., Staarinos, D. and Mashhadi, A. (2015), “Predicting aberrant driving behavior: The role of executive function,” Transportation Research, Part F, Vol. 34, pp. 18-28.

59. Ulleberg, P. and Rundmo, T. (2003), “Personality, attitudes and risk perception as predictors of risky driving behaviour among young drivers.” Saf. Sci. Vol. 41, No. 5, pp. 427–443.

60. Vujanić, M., Antić, B., Pešić, D. and Savićević, M. (2016), “Testing psychophysical characteristics of professional drivers – Can we identify unsafe drivers?” Transportation Research, Part F, Vol. 42, pp. 104-116.

61. Westerman, S. J. and Haigney, D. (2000), “Individual difference in driver stress, error and violation,” Personality and Individual Differences, Vol. 29, pp. 981-998.

62. Wu, K. F. and Paul P. J. (2013), “Defining and screening crash surrogate events using naturalistic driving data,” Accident Analysis and Prevention, Vol. 61, pp. 10-22.

63. Wei, C.H and Lee, P. Y. (2017), “How Inter-city Bus Drivers’ Performance Are Verified: Considering OBU Recorded Aberrant Driving Behavior,” 15th ITS Asia-Pacific Forum & Exhibition (ITSAP 2017), 26-29 June, Hong Kong.

64. Zhao, W., Han, W., Wen, Y. and Zhang, D. (2014), “Study on objective evaluation method of taxi driver consciousness,” Social and Behavioral Sciences, Vol. 138, pp. 11-21.

65. Zhang, X., Zhao, X., Du, H., Ma, J. and Rong, J. (2014), “Effect of different breath alcohol concentrations on driving performance in horizontal curves,” Accident Analysis and Prevention, Vol. 72, pp. 401-410.

66. Zhang, T., Chan, A. H. S. and Zhang, W. (2015), “Dimensions of driving anger and their relationship with aberrant driving,” Accident Analysis and Prevention, Vol. 81, pp. 124-133.

107

附表 1 人格特質與偏差駕駛行為相關矩陣

108

附表 1- 1 人格特質與左右偏移駕駛行為相關矩陣

左右偏移 外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

左右偏移 1.000 -.002 -.323 .072 .253 .183

外向性 -.002 1.000 .128 .678 -.147 .411

和善性 -.323 .128 1.000 .280 -.460 .190

嚴謹自律性 .072 .678 .280 1.000 -.159 .306

神經質 .253 -.147 -.460 -.159 1.000 -.105

經驗開放性 .183 .411 .190 .306 -.105 1.000

顯著性 (單尾)

左右偏移 . .493 .005 .289 .023 .077

外向性 .493 . .161 .000 .128 .000

和善性 .005 .161 . .014 .000 .070

嚴謹自律性 .289 .000 .014 . .108 .008

神經質 .023 .128 .000 .108 . .208

經驗開放性 .077 .000 .070 .008 .208 .

109

附表 1- 2 人格特質與未保持安全距離駕駛行為相關矩陣

未保持 安全距離

外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

未保持 安全距離

1.000 -.087 -.522 -.134 .679 -.028

外向性 -.087 1.000 .128 .678 -.147 .411

和善性 -.522 .128 1.000 .280 -.460 .190

嚴謹自律性 -.134 .678 .280 1.000 -.159 .306

神經質 .679 -.147 -.460 -.159 1.000 -.105

經驗開放性 -.028 .411 .190 .306 -.105 1.000

顯著性 (單尾)

未保持 安全距離 . .251 .000 .150 .000 .415

外向性 .251 . .161 .000 .128 .000

和善性 .000 .161 . .014 .000 .070

嚴謹自律性 .150 .000 .014 . .108 .008

神經質 .000 .128 .000 .108 . .208

經驗開放性 .415 .000 .070 .008 .208 .

110

附表 1- 3 人格特質與引擎轉速過高駕駛行為相關矩陣

引擎轉速 過高

外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

引擎轉速 過高

1.000 -.073 -.049 .122 .021 -.105

外向性 -.073 1.000 .128 .678 -.147 .411

和善性 -.049 .128 1.000 .280 -.460 .190

嚴謹自律性 .122 .678 .280 1.000 -.159 .306

神經質 .021 -.147 -.460 -.159 1.000 -.105

經驗開放性 -.105 .411 .190 .306 -.105 1.000

顯著性 (單尾)

引擎轉速 過高 . .286 .353 .172 .436 .207

外向性 .286 . .161 .000 .128 .000

和善性 .353 .161 . .014 .000 .070

嚴謹自律性 .172 .000 .014 . .108 .008

神經質 .436 .128 .000 .108 . .208

經驗開放性 .207 .000 .070 .008 .208 .

111

附表 1- 4 人格特質與超速駕駛行為相關矩陣

超速 外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

超速 1.000 -.346 -.160 -.103 .255 -.178

外向性 -.346 1.000 .128 .678 -.147 .411

和善性 -.160 .128 1.000 .280 -.460 .190

嚴謹自律性 -.103 .678 .280 1.000 -.159 .306

神經質 .255 -.147 -.460 -.159 1.000 -.105

經驗開放性 -.178 .411 .190 .306 -.105 1.000

顯著性 (單尾)

超速 . .003 .107 .212 .023 .083

外向性 .003 . .161 .000 .128 .000

和善性 .107 .161 . .014 .000 .070

嚴謹自律性 .212 .000 .014 . .108 .008

神經質 .023 .128 .000 .108 . .208

經驗開放性 .083 .000 .070 .008 .208 .

112

附表 1- 5 人格特質與急加速駕駛行為相關矩陣

急加速 外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

急加速 1.000 .099 -.242 .088 .312 -.064

外向性 .099 1.000 .128 .678 -.147 .411

和善性 -.242 .128 1.000 .280 -.460 .190

嚴謹自律性 .088 .678 .280 1.000 -.159 .306

神經質 .312 -.147 -.460 -.159 1.000 -.105

經驗開放性 -.064 .411 .190 .306 -.105 1.000

顯著性 (單尾)

急加速 . .222 .029 .249 .007 .311

外向性 .222 . .161 .000 .128 .000

和善性 .029 .161 . .014 .000 .070

嚴謹自律性 .249 .000 .014 . .108 .008

神經質 .007 .128 .000 .108 . .208

經驗開放性 .311 .000 .070 .008 .208 .

113

附表 1- 6 人格特質與急加速駕駛行為相關矩陣(調整變數)

急加速 和善性 神經質 和善性*神經質

Pearson 相關

急加速 1.000 -.242 .312 -.286

和善性 -.242 1.000 -.460 .129

神經質 .312 -.460 1.000 -.610

和善性*神經質 -.286 .129 -.610 1.000

顯著性 (單尾)

急加速 . .029 .007 .012

和善性 .029 . .000 .159

神經質 .007 .000 . .000

和善性*神經質 .012 .159 .000 .

114

附表 1- 7 人格特質與電磁剎車使用過久駕駛行為相關矩陣

電磁剎車 使用過久

外向性 和善性 嚴謹自律性 神經質 經驗開放性

Pearson 相關

電磁剎車 使用過久

1.000 -.157 -.485 .009 .407 .117

外向性 -.157 1.000 .128 .678 -.147 .411

和善性 -.485 .128 1.000 .280 -.460 .190

嚴謹自律性 .009 .678 .280 1.000 -.159 .306

神經質 .407 -.147 -.460 -.159 1.000 -.105

經驗開放性 .117 .411 .190 .306 -.105 1.000

顯著性 (單尾)

電磁剎車使

用過久 . .111 .000 .473 .001 .183

外向性 .111 . .161 .000 .128 .000

和善性 .000 .161 . .014 .000 .070

嚴謹自律性 .473 .000 .014 . .108 .008

神經質 .001 .128 .000 .108 . .208

經驗開放性 .183 .000 .070 .008 .208 .

115

科技部補助專題研究計畫成果報告自評表

請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術應用價值（簡

要敘述成果所代表之意義、價值、影響或進一步發展之可能性）、是否適合在學術期刊

發表或申請專利、主要發現（簡要敘述成果是否有嚴重損及公共利益之發現）或其他

有關價值等，作一綜合評估。

1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估 þ 達成目標 □ 未達成目標（請說明，以 100字為限）

□ 實驗失敗 □ 因故實驗中斷 □ 其他原因

說明： 2. 研究成果在學術期刊發表或申請專利等情形： 論文：□已發表 □未發表之文稿 þ撰寫中 □無 專利：□已獲得 □申請中 þ無 技轉：□已技轉 □洽談中 þ無 其他：（以 100字為限） 大客車為國內中長程公路運輸主要之載客運具，若不幸發生交通事

故，易導致嚴重傷亡事件。據統計，90%以上之交通事故係人為所致，故駕駛員之駕駛行為乃影響行車安全之關鍵因素。客運駕駛員之駕駛行為受

到人格特質一定程度影響，為確保運輸安全及提升業者營運安全績效，實

有建立駕駛行為安全風險管理機制之必要。本研究藉由個案客運公司數位

式行車紀錄資料提出定義並確認可能導致交通事故之八項偏差駕駛行

為，進而建立駕駛風險分級制度，作為評定駕駛員安全績效及風險管理依

據。 本研究由偏差駕駛行為之檢核為著眼，以集群分析探究駕駛員偏差駕

駛行為特性；另以「固定級距」、「固定比例」的分級方式評估駕駛風險，

兩種分級方式可分別運用於個別客運業者內部衡量駕駛員駕駛風險分

布，或在相同分級架構下進行客運業者各風險等級駕駛員分布比較，評比

客運業相對性安全管理績效。結合前述分級結果，建立二元羅吉斯、次序

性羅吉斯等模型，探究影響駕駛風險高低之人格特質。研究成果除供駕駛

員風險管理與適任性評估，亦可作為新進駕駛員聘任的參考指標之一，有

助於強化客運業者管理效率及提升國道運輸安全。

116

科技部補助計畫衍生研發成果推廣資料表

科技部補助計畫 計畫名稱：

計畫主持人：

計畫編號： 領域：

研發成果名稱 （中文）

（英文）

成果歸屬機構 發明人

(創作人)

技術說明

（中文）

（200-500字）

（英文）

產業別

技術/產品應用範圍

技術移轉可行性及預期

效益

註：本項研發成果若尚未申請專利，請勿揭露可申請專利之主要內容。

117

中 華 民 國 運 輸 學 會 1 0 6 年 學 術 論 文 研 討 會 中 華 民 國 1 0 6 年 1 2 月

人格特質影響駕駛風險之分級模型建構─ 以國道客運駕駛員為例1

Constructing the Risk Level Models Based on Inter-City Bus Drivers’ Personalities

魏健宏 Chien-Hung Wei2

陳宥欽 Yu-Chin Chen3

李佩憶 Pei-Yi Li4

摘要

國道客運為臺灣主要之中長途城際運輸服務之一，在肇生交通事故時，往往因大客車載客

容量特性而造成大量的人員傷亡。統計數據指出，90%以上之交通事故主因係人為所致，故駕駛員的駕駛行為係影響整體行車安全性之重要因子；而駕駛員品質不僅直接影響國道運輸安

全，更為影響客運公司營運績效之關鍵。近年來，國道客運服務品質逐漸受到重視，駕駛員之

駕駛行為亦被列為國道客運評鑑項目之一，顯見駕駛行為對國道運輸品質影響之重要性。客運

駕駛員之駕駛行為受到自身人格特質一定程度之影響，為確保乘客人身安全及提升客運業者營

運安全績效，實有建構人格特質影響偏差駕駛行為與駕駛風險模式之必要。本研究透過個案客

運公司提供行車紀錄器資料、確認可能導致交通事故風險之偏差駕駛行為，並就整體駕駛風險

加以分級，以衡量駕駛員整體駕駛風險性高低；另藉由個案公司協助問卷發放取得駕駛個人資

料，了解人格特質與駕駛風險之間的關聯性。本研究將以偏差駕駛行為為基礎，評估駕駛員風

險值、建立駕駛風險分級制度，並分別建構二元羅吉特、次序性羅吉特模型檢驗人格特質對國

道客運駕駛員之偏差駕駛行為特性與其分級結果之影響，以利於既有駕駛員安全風險管理與適

任性評估，同時亦憑以作為新進駕駛員聘任的參考指標之一。

關鍵詞：人格特質、偏差駕駛行為、駕駛風險、分級制度、次序性羅吉特模式

1 本研究承科技部經費補助 (MOST-104-2221-E-006-046-MY2)，特此致謝。作者感謝審查委員深入的意見與指導。

2 國立成功大學交通管理科學系教授 (聯絡地址：70101台南市東區大學路 1號，電話：06-2757575，E-mail: louiswei@mail.ncku.edu.tw)。

3 高苑科技大學行銷與流通管理系副教授 (聯絡地址：821高雄市路竹區中山路 1821號，電話：07-6077971，E-mail: t90175@cc.kyu.edu.tw)。

4 國立成功大學交通管理科學系碩士。

118

Abstract

Inter-city bus service has become one of the most important transportation modes in Taiwan, especially when it comes to medium and long way travels. Meanwhile, inter-city bus could cause more casualties when traffic accidents occur, owing to its relatively large capacity. Statistics indicates that 90% traffic accidents could be attributed to the driving behaviors related to human factors. Drivers’ driving behaviors also have been adopted in inter-city carrier evaluation projects lately, which confirms the importance of bus drivers in terms of highway safety. Driver’s driving performance could be determined by their personalities and would have significant impacts on the safety of inter-city transportation. Consequently, it is necessary to construct risk level models based on drivers’ aberrant driving behaviors. This study acquired tachograph recorded driving data and personality information from an inter-city bus operator, and mainly constructs drivers’ risk level evaluation mechanism on the basis of aberrant driving behaviors to assess drivers’ driving risk. Moreover, binary logit regression and ordered logit regression models would be used to examine the relationships between personalities and driving risk levels. Analytical results could be beneficial for bus carriers to execute driver management, more than that, it could be applied as indices for appraising new employees when recruiting. Keywords: Personalities, Aberrant Driving Behaviors, Driving Risk, Classification Mechanism,

Ordered Logit Regression

一、 緒論

國道客運為國內中長途城際主要公共運輸服務之一，由於載客工具的大客車乘載容

量較其他運具來得大，意外發生時也容易造成嚴重程度較高之事故，因此必須重視國道

運輸之安全議題。交通部交通統計月報(民 105)道路交通事故統計中，民國 104 年間大客車所導致之肇事件數、受傷人數與死亡人數雖較小客車相對少，但其肇事率、受傷率

及死亡率皆遠高於小客車，其中受傷率更為小客車 20倍之多，詳細統計資料如表 1。

交通事故的發生多涉及人為因素、車輛因素與道路環境因素三者間之關係或同時發

生之交互影響，其中又以與駕駛行為相關之人為因素佔約 90%為主要肇因(Treat et al., 1979; Sullman et al., 2002)；換言之，駕駛員在行駛過程中對道路交通安全扮演著極為關鍵的角色。根據內政部警政署警政統計年報(民 104)，民國 104年間 A1及 A2類道路交通事故中近 98%之肇事原因為駕駛人之過失所導致，而客運駕駛員之行為受到人格特質的影響(Westerman et al., 2000; Beanland et al., 2014)，導致行駛過程中發生偏差駕駛行為之可能性而增加駕駛風險。

人格特質對於駕駛員駕駛行為、駕駛績效，以及行車安全之影響已於過去研究中多

次被提及，亦已有相當數量之成果(Ulleberg et al., 2003; Mallia et al., 2015)；然而，針對駕駛員之駕駛風險分級之相關研究仍屬少數，因此本研究期望能針對國道客運駕駛員駕

駛風險分級制度之構建進行初步探究，並進一步了解人格特質對於駕駛風險分級之關聯

性，駕駛風險制度除用以評估客運駕駛員駕駛風險高低之外，另期研究成果得以作為客

運業經營之駕駛員安全管理層面之應用。

119

表 1 民國 104年道路交通事故統計

車種

肇事 件數

肇事率 (萬輛)

受傷 人數

受傷率 (萬輛)

死亡 人數

死亡率 (萬輛)

大客車 24 7.18 29 8.68 25 7.48

小客車 453 0.70 289 0.45 476 0.73 資料來源：交通部交通統計月報(民 105年)、本研究整理

二、 文獻回顧

本研究以探究駕駛員人格特質影響偏差駕駛行為及駕駛風險分級為主軸，因此本節

將針對人格特質、偏差駕駛行為、駕駛績效，及分級制度等文獻進行回顧，以作為後續

研究進行之基礎。

2.1 人格特質

Costa and McCrae於 1989年所提出的五大人格特質(The Big Five Model)為目前最廣為接受之人格特質分類，包含經驗開放性 (Openness to Experience)、嚴謹自律性(Conscientiousness)、外向性 (Extraversion)、和善性 (Agreeableness)以及神經質(Neuroticism)。經驗開放性與好奇心、豐富的想像力、較有彈性、對藝術的敏感度以及不墨守成規的態度有關；嚴謹自律性通常傾向於較可靠的、自律的，且在追求目標時展

現出一致且計畫周詳的態度，也可能被視為較固執且執著的。外向性所表現出的特徵包

含有活力的、具有正向情感、直率以及熱衷於社交活動等特質；友善性的高低反映出謙

虛、正直且值得信任或猜忌、不合群等相反特質。神經質傾向於較負面的情緒表現，包

含憤怒的、焦慮、憂鬱及脆弱的。

Mallia et al. (2015)利用人格特質與態度間關係模型，評估人格特質能否直接與間接預測公車駕駛員之違規駕駛、疏忽以及駕駛過程中發生失誤等偏差駕駛行為；並發現具

備謹慎與尋求刺激特質者將直接對交通安全態度造成顯著影響，但卻對偏差駕駛行為呈

現負相關；而較情緒化者之特質則直接影響到其偏差駕駛行為。相關研究中也發現駕駛

員急加速與急減速次數的機率受到人格特質傾向神經質顯著影響；負面客訴次數機率則

受到駕駛員駕駛經驗的影響(王詩涵，民 95)。具有敵意者對侵略性違規行為最具影響；外向性者與錯誤駕駛行為間關係最是顯著(Beanland et al., 2014)。

2.2 偏差駕駛行為

Reason et al. (1990)將偏差駕駛行為定義為：道路上之不良行為與糊塗的行為，包含疏忽(Slip)、錯誤(Error)，以及違規(Violation)。「疏忽」意指因未注意所造成駕駛上的輕微錯誤；「錯誤」則指因輕率或無知而造成偏離正確性的動作、操作失敗無法達到預期

的結果，可能與當時接收的資訊及駕駛人本身認知有關係，然未必牽涉違反法律規定；

「違規」即指駕駛人刻意違反法律規定的行為。Blockey and Hartley (1995)進行駕駛年齡

120

與性別對偏差駕駛行為影響差異分析發現，年輕駕駛有較多危險的錯誤與危險的違規行

為發生；而針對性別部分，女性比男性容易發生危險的錯誤，男性則比女性容易出現危

險的違規行為。

2.3 駕駛績效

Campbell (1990)將工作績效定義為「身為組織成員的個體，完成組織期望、規範目標需求時所表現出的行為」，將「績效」之概念套用於交通運輸業駕駛員身上，則可稱

為「駕駛績效」，作為評鑑駕駛人表現的依據。「駕駛績效」可大致定義為：車輛駕駛人

於行駛過程中駕駛行為之表現，可視為駕駛感知及駕駛技巧影響之產物，包含控制車輛

速度能力、維持車輛速度能力，以及遭遇緊急狀況時操作車輛之技巧(Evans, 1991)。

駕駛績效相關研究中多以不同指標來衡量，包含以加速度之改變、方向盤角度、車

輛速率、橫向速率及橫向加速度等作為駕駛行為指標(Soma et al., 1996)；或是以駕駛模擬器蒐集直線加速度、橫向加速度、車速、橫向位置及方向盤轉向角度，急加速、減速

次數、超速次數等作為變數定義駕駛行為(傅幸梅，民 93；陳芳正，民 94)；另包含加、減速行為與駕駛操作行為等(Miyajima et al., 2011)。

2.4 分級制度

分級制度於日常生活中隨處可見，一般常見為電視影劇分級、遊戲軟體分級等，根

據內容評估適當收視與使用對象進行年齡區隔，而針對能力、表現之評估則有語言檢定、

各種職業證照。將分級的概念運用在交通運輸產業中最普遍的則為駕駛執照分類，國道

客運駕駛員雖在操作大客車資格上已有初步門檻限制，然目前仍尚未針對其駕駛行為表

現進行分級，而駕駛員之駕駛行為係影響國道交通運輸安全關鍵因素。

Vujanić, et al. (2016)將駕駛員劃分為曾經發生交通事故駕駛與未曾有過交通事故經驗駕駛兩類型，並施以心理測驗，推斷出心理測驗並無法準確反映出駕駛員事故風險。

因此另以安全評估測試、人格特質與駕駛操作等測驗及風險值做為依據，探討駕駛員教

育程度、是否有事故經驗，以及駕駛年齡等對發生事故風險之影響，發現較年輕之駕駛

以及教育程度較高之駕駛，具備較優異之安全駕駛員特質。其他研究亦不乏以急加減速

作為分級依據，包含將剎車行為劃分為四種類，依照危險性高低分別為 A至 D，並依據四種剎車形式之剎車距離平均長度、變化情形等特性評估危險性、特殊性以及不穩程度，

按其積分由低至高將駕駛員劃分為 A 至 E 五個等級，A 級代表較安全駕駛員，反之 E級則為駕駛危險性最高者(Miyajima et al., 2011; Naito et al., 2009)。Joubert et al. (2016)則是將可接受與不可接受之駕駛行為皆納入考量以建構全面性風險模型，研究成果可將駕

駛行為風險等級區分為好、普通與差。

121

三、 研究架構與設計

3.1 研究架構與假設

人格特質的差異可能會反映在駕駛行為的研判與選擇上，進而影響駕駛員之駕駛品

質，進而牽涉到乘客與道路交通整體安全，因此本研究欲了解特定人格特質與發生偏差

駕駛行為傾向及駕駛行為風險之關聯性，從而在管理面以人格特質作為駕駛員駕駛績效

預測指標之一，期望降低人為因素所導致之事故風險。本研究將研究範疇確立於五大人

格特質、有無偏差駕駛行為與駕駛風險分級等三個構面，構建不同分析模型，探討五大

人格特質因子對有無明顯偏差駕駛行為與駕駛風險之影響，研究架構如圖 1。

本研究探討的駕駛行為係指「偏差駕駛行為」，人格特質則以五大人格特質之框架

(和善性、嚴謹自律性、外向性、神經質以及經驗開放性)為主要衡量基準。本研究針對人格特質對有無明顯駕駛行為與駕駛風險分級關聯性之兩大假設為：

H1：五大人格特質對有無明顯偏差駕駛行為有顯著影響。

H2：五大人格特質對駕駛風險分級結果有顯著影響。

圖 1 研究架構圖

3.2 研究變數

本研究之研究變數分為人格特質變數與駕駛行為變數兩部分(如表 2)，駕駛行為變數採個案客運公司提供聰明巴士行車紀錄器所紀錄之駕駛員駕駛行為，行車紀錄器紀錄

期間為民國 101 年其中一季三個月，本研究擷取紀錄中超過判定門檻值之違規事件次數，凡超過門檻值即以一次計算。就實務上而言，設定之行為變數及門檻值係符合該公

司營運安全管理之需，以次數計算具有實用性與相對便利性。Costa and McCrae (1989)將人格特質劃分為「和善性」、「嚴謹自律性」、「外向性」、「神經質」以及「經驗開放性」

等五構面，過去亦有以此人格特質框架為準則之研究案例(Mallia et al., 2015; Ceschi et al., 2016)，因此本研究將以五大人格特質為依據針對駕駛員之人格特質進行衡量。

122

表 2 研究變數內容

研究變數 變數內容

駕駛行為變數

車道右偏

車道左偏

未保持安全距離

嚴重未保持安全距離

引擎轉速過高

超速

急加速

電磁剎車用過久

怠速時間過久

人格特質變數

和善性

嚴謹自律性

外向性

神經質

經驗開放性

3.3 研究方法

3.3.1 資料正規化

為了使資料集具有易於辨識的特性，且利於後續分析的進行，因此透過資料正規化

的數據處理方式，將數值範圍限制在一定範圍之內。本研究將透過極值正規化(min-max normalization)將偏差駕駛行為次數進行轉換，將數值限縮在指定範圍 0~1 之間。式(1)中，𝑥)為欲轉換值，max 𝑥 、min(𝑥)分別為資料集中最大、最小值，𝑧)則為正規化值。

𝑧) =𝑥) − min(𝑥)

max 𝑥 − min(𝑥) (1)

3.3.2 集群分析

集群分析(Cluster Analysis)為一種數值分類法，目的在於將觀察對象分群，其主要透過使用一組計量資料，加以計算各觀察體的相似性或相異性，並配合其他統計分析方法

123

掌握各集群性質，進而將觀察對象加以分類，使同一集群內之觀察對象彼此間相似度愈

高愈好；反之，不同集群之觀察體彼此相異程度則愈高愈好。

3.3.3 二元羅吉特迴歸模式

羅吉特迴歸(Logistic Regression)係探討一個離散型應變數與一個或多個自變數之間的關係，二元(Binary)模型的應變數變化範圍為 0或 1，羅吉特函數的機率值域就會被限制在(0,1)之間的合理範圍內。羅吉特迴歸不須具有符合常態分配的假設，因在羅吉特分配中，自變數(X)對於應變數(Y)以指數變動的方式影響的，即y = 𝑒M(N)；但若預測變數為常態分配的話結果會比較可靠。羅吉特迴歸分析中的應變數必須為類別變數(Category Variable)，而自變數可以是類別變數或連續變數。

令 P表示某種事件成功的機率，受自變數 X的影響，即 P與 X之關係如式(2)與(3)，β為自變項係數。

P =𝑒M(N)

1 − 𝑒M(N) (2)

𝑓(𝑥) = β′X (3)

3.3.4 次序羅吉特迴歸模式

次序羅吉特迴歸模式 (Ordered Logit Regression)，又稱累積羅吉特迴歸模式(Cumulative Logit Regression)，此方法經常應用在次序尺度分析上，如嚴重程度、風險由低至高等，其效用函數𝑈∗如式(4)，其中ε為誤差項，假定其為羅吉特分配(Logistic Distribution)。

𝑈∗ = 𝛽JX + ε (4)

𝑈∗無法透過直接觀察得到，但可了解其歸屬於何種次序類別，因此機率模式可進一步表示如下，F表示常態機率累積分配函數，此模式可透過最大概似法的方式，估計出自變數 X之係數𝛽J向量。

Prob U = 1 = F(βJX + 𝑐`) if βJX + ε ≤ 𝑐`

Prob U = 2 = F βJX + 𝑐; − F βJX + 𝑐` if 𝑐` < 𝛽J𝑋 + 𝜀 ≤ 𝑐;

Prob U = 3 = 1 − F(βJX + 𝑐;) if βJX + ε > 𝑐;

(5)

四、 資料整理與分析

4.1 研究變數基本特性與調整

124

4.1.1 人格特質變數

本研究沿用前期研究(陳信丞，民 103)中對個案客運公司駕駛員施行人格特質問卷所得資料，共計取得 62 位駕駛五大人格特質資料，基本統計分析如表 3。五項人格特質的平均數約介於 3.0~3.5 之間，外向性與和善性兩者為五項人格特質中離散程度較大者，顯示駕駛員在這兩項特質之表現上差異較大；相反的，嚴謹自律性、神經質與經驗

開放性三者離散情形相對較不明顯，其中又以神經質之分布較為集中。

表 3 五大人格特質特性

人格特質 個數 最小值 最大值 平均數 標準差 變異係數

外向性 62 2 4.667 3.389 0.515 0.152

和善性 62 2.375 4.5 3.483 0.483 0.139

嚴謹自律性 62 3 4.333 3.583 0.350 0.098

神經質 62 2.714 3.857 2.976 0.235 0.079

經驗開放性 62 2.6 4.2 3.193 0.311 0.097

4.1.2 駕駛行為變數調整

62位駕駛員於民國 101年 4月至 6月期間行駛於臺北─臺南國道路線所紀錄之單季偏差駕駛行為次數基本特性如表 4，可看到由於各項偏差駕駛行為次數分佈離散程度高，制定危險駕駛門檻值之際不易兼具公平性與合理性，且更難以界定絕對風險性。由

於本研究之研究標的已限縮為特定路線國道客運駕駛員，係一工作特性相近之特定群

體，因此本研究以相對風險性的方式，將次數轉換為風險值，以界定該群體內偏差駕駛

行為風險性的高低。

表 4 單季駕駛行為特性分析表

駕駛行為 個數 最小值 最大值 平均數 標準差

往右偏移 62 0 3368 482.98 700.003

往左偏移 62 0 3478 466.60 652.108

未保持安全距離 62 0 1774 143.71 328.648

嚴重未保持安全距離 62 0 1045 157.34 193.845

引擎轉速過高 62 0 66 2.52 8.762

輕微超速 62 0 188 5.11 24.568

急加速 62 0 226 16.24 36.153

電磁煞車使用過久 62 0 28 2.79 5.009

怠速時間過久 62 0 553 12.73 70.004

資料來源：個案客運公司(民 101)、本研究整理

125

而為了更有效評估國道客運駕駛員駕駛風險，本研究將調整駕駛行為變數，透過整

合特性相近之駕駛行為變數，或針對變數適切性進行篩選，期以更具關鍵性之偏差駕駛

行為衡量駕駛員行車風險性。

「怠速時間過久」主要受到行車環境或派車指令影響，並非造成行車交通事故風險

增加之主因，將怠速時間過久列入評定駕駛員駕駛風險指標之適切性仍有待商榷，因此

基於客運公司行車風險管理考量，暫不將「怠速時間過久」變數列入考慮。除此之外，

針對駕駛行為變數進行相關性分析結果如表 5，「向左偏移」與「向右偏移」兩者間之關係已接近高度相關，「未保持安全距離」與「嚴重未保持安全距離」亦達到高度相關。

此外，根據 104年國道事故檢討分析報告(交通部台灣區國道高速公路局，民 105)統計，「變換車道或方向不當」、「未保持行車安全距離」為 A1~A3 類事故之主要肇事原因，亦為導致大客車肇生事故之主要原因。鑒於上述分析整合結果，本研究將「向右偏移」

與「向左偏移」兩變數合併為「左右偏移」，定義為行車過程中未妥善變換車道之行為；

「未保持安全距離」與「嚴重未保持安全距離」合併為「未保持安全距離」，呼應肇事

主因中之未保持行車安全距離項目。

表 5 偏差駕駛行為變數相關係數

向右偏移

向左偏移

未保持安全

距離

嚴重未保持

安全距離

引擎轉速

過高

超速

急加速

電磁剎車使

用過久

向右偏移 1 .679** .325** .457** .080 .046 .254* .588**

向左偏移 .679** 1 .308* .479** .115 .068 .285* .349**

未保持 安全距離

.325** .308* 1 .721** -.045 .063 .297* .504**

嚴重未保持 安全距離

.457** .479** .721** 1 -.076 .072 .416** .676**

引擎轉速 過高

.080 .115 -.045 -.076 1 .016 .013 .088

超速 .046 .068 .063 .072 .016 1 .029 .273*

急加速 .254* .285* .297* .416** .013 .029 1 .339**

電磁剎車 使用過久

.588** .349** .504** .676** .088 .273* .339** 1

*. 在顯著水準為 0.05 時 (雙尾)，相關顯著。

**. 在顯著水準為 0.01時 (雙尾)，相關顯著。

126

4.2 偏差駕駛行為風險值

由於本次研究中所採用實務資料數值分布差異甚廣，在考量後續整體駕駛風險評估

與分析進行的難易度後，原始資料係以式(1)極值正規化(min-max normalization)的方式將偏差駕駛行為次數轉換為 0至 1之間的數值。計算方式如式(6)所示，將一駕駛員之偏差駕駛行為次數除以該項偏差駕駛行為最大值與最小值之差的數值做為各項偏差駕駛行

為的風險值(𝑟)i)，並以此作為後續分析之依據。每位駕駛員將各有六項偏駕駛行為風險

值，包含(1)左右偏移、(2)未保持安全距離、(3)引擎轉速過高、(4)超速、(5)急加速，以及(6)電磁剎車使用過久。

𝑟)i =

𝑓)i − 𝑓j)k

i

𝑓j6Ni − 𝑓j)k

i (6)

其中，

𝑟)i：駕駛人 i駕駛行為 j風險值；

𝑓)i：駕駛人 i駕駛行為 j次數；

𝑓j6Ni ：駕駛行為 j行為次數最大值；

𝑓j)ki ：駕駛行為 j行為次數最小值。

4.3 偏差駕駛行為集群分析

本研究執行兩階段式的集群分析( Two-stage Cluster Analysis)將駕駛員依其駕駛行為特性進行分群，程序上先以階層法決定集群數，再以 K平均法( K-mean Method)進行分群。

將集群數與連結距離關係繪製成陡坡圖如圖 2，各步驟合併後集群之差異係數在階段 60時出現較顯著的差異；當集群數由 61個縮減至 2個時，連結距離皆緩慢增加，但當集群數由 2個合併為 1群時連結距離大幅上升，因此可歸納出將 62位駕駛員分為兩個集群較為恰當之結果。

127

圖 2 集群分析陡坡圖 各集群成員與其偏差駕駛行為特性如表 6，集群 1 之駕駛員有 14 位，較顯著之駕

駛特性為左右偏移、未保持安全距離、急加速與電磁剎車使用過久；集群 2之駕駛員被劃分為較無顯著危險駕駛行為特性者，佔整體駕駛員約 77%。

透過集群分析獲得「未有明顯偏差駕駛行為」與「具有明顯偏差駕駛行為」兩集群

駕駛員，本研究將以二元羅吉特迴歸建構駕駛員人格特質影響偏差駕駛行為發生可能性

之模型。

表 6 集群分析分群駕駛行為特性

集群編號 人數 比例 顯著偏差駕駛行為

1 14 22.6% 左右偏移、未保持安全距離、急

加速、電磁剎車使用過久

2 48 77.4% 無特別顯著偏差駕駛行為

4.4 駕駛風險分級

在 4.1 與 4.2 節已陸續說明偏差駕駛行為變數與基本數據資料的整理分析，由於交通事故發生之潛在原因可能源自任一項偏差駕駛行為與外部交通環境之交互作用，基於

文獻尚無此種交互作用影響性之具體結論，本研究假設前述六項偏差駕駛行為對於引起

交通事故(車禍)的可能性尚無顯著差異。因此，駕駛風險性的合理衡量宜為綜合所有偏差行為風險值，而非個別行為類型。

風險值總和之計算係將駕駛員不同偏差駕駛行為風險值進行加總，以衡量整體駕駛

風險性，風險值總和愈小表示整體駕駛風險較低，風險總值愈大者則代表駕駛員之駕駛

風險性愈高，計算方式如式(9)。

128

𝑅) = 𝑟)i

k

i:;

(9)

其中，

𝑅)：駕駛員 i風險總值；

𝑟)i：駕駛員 i駕駛行為 j風險值。

4.4.1 固定級距分級

為明確顯示出駕駛員駕駛風險性最低與最高之間的差異，並結合實務上分級管理考

量，本研究之風險值分級擬將駕駛員之駕駛風險性按照固定的級距劃分為由低至高的 1至 5級。此方法所獲得之分級結果，可用以做為單一客運公司自我評估現有駕駛員之駕駛風險分布狀態，藉以擬定必要之風險改善方案。

本研究中風險值總和最小值與最大值分別為 0.0126與 3.1799，在分級為 5的條件下級距為 0.6335，各級級距範圍如表 7。有 52位駕駛員被歸類至駕駛風險較低之第 1、2級者，已超過整體駕駛員之 80%，若另考量第 3級駕駛風險居中之駕駛員，接近 97%的駕駛員的駕駛行為均屬於中低風險，僅低於 4%的駕駛員具有較高駕駛危險的疑慮，各級駕駛員人數分佈趨勢如圖 3。

表 7 固定級距之駕駛風險分級

分級 風險值 人數 比例(%)

1 0.0126≦風險值≦0.6335 44 71.0

2 0.6335<風險值≦1.2669 8 12.9

3 1.2669<風險值≦1.9004 8 12.9

4 1.9004<風險值≦2.5338 1 1.6

5 2.5338<風險值≦3.1799 1 1.6

合計 62 100

129

圖 3 固定級距分級各級人數與比例

4.4.2 固定比例分級

固定比例分級係以 Naito et al. (2009)研究為依據，將駕駛危險性由低至高分為依10%、20%、40%、20%與 10%的比例分為五級，僅少數駕駛員屬於最高與最低駕駛風險，多數駕駛員皆歸類於駕駛風險中等之族群，使分佈類型接近常態。受限於駕駛員樣

本數量的關係，本研究未能完全依據前述比例進行劃分，因此僅以相似之比例使各級駕

駛員數量符合參考研究之分布趨勢，本案例分析結果如表 8與圖 4。

相較於前述之固定級距分級較適用於客運業者內部衡量駕駛員駕駛風險分布之應

用，固定比例分級結果係以特定比例限制各分級駕駛員人數，因此適用於不同客運公司

之間、或整體客運業比較各風險分級駕駛員分布情形之用，以評比相同分級架構下各家

客運業之駕駛員安全管理績效。

表 8 固定比例之駕駛風險分級

分級 風險值 人數 比例

1 0.0126≦風險值≦0.0591 6 9.7%

2 0.0591<風險值≦0.1423 13 21.0%

3 0.1423<風險值≦0.6263 25 40.3%

4 0.6263<風險值≦1.5303 12 19.4%

5 1.5303<風險值≦3.1799 6 9.7%

合計 62 100%

130

圖 4 固定比例分級各級人數與比例

五、 人格特質影響駕駛風險模式之建構

5.1 人格特質建構偏差駕駛行為模式

為了瞭解人格特質對於駕駛員發生偏差駕駛行為的影響，本研究建構二元羅吉特迴

歸模式探究五大人格特質影響駕駛員發生偏差駕駛行為之可能性。

根據二階層集群分析結果，多數駕駛員被劃分為「未有明顯偏差駕駛行為」之集群，

另一集群之駕駛員則「有相對明顯偏差駕駛行為」之特性，可初步判斷出其相對駕駛風

險高低。因此，透過羅吉特迴歸模式之應變數為二元型態的特性，以Y = 0代表「未有明顯偏差駕駛行為」之駕駛員(共 48 位)，Y = 1代表「有相對明顯偏差駕駛行為」的駕駛員(14位)，自變數則為外向性、和善性、嚴謹自律性、神經質，以及經驗開放性等五大人格特質。因應羅吉特迴歸模式的應變數為選擇機率，因此以概似比指數(Likelihood Ratio Index, 𝜌<)作為檢定模式適合度之指標，𝜌<愈高表示模式配適度愈好；一般而言，𝜌<在 0.1~0.2間為可接受之範圍，而 0.2~0.4之間則代表模型配適度非常好(Domenich and McFadden, 1975; Louviere et al., 2000)。

表 9為五大人格特質對有無明顯偏差駕駛行為之羅吉特迴歸分析表，模式整體顯著性已達顯著水準，代表本模式所選取的自變數能有效的預測應變數；並且模式𝜌< = 0.236表示模式配適度良好。五大人格特質中，僅神經質變數達顯著水準 0.05，對駕駛員發生偏差駕駛行為與否有顯著且相當大的影響，可有效配適駕駛員偏差駕駛行為的發生。此

外，其 OR值(Odds Ratio)為 75.322，意涵為在其他人格特質不變的情況之下，增多一單位神經質特性之駕駛員，其「有相對明顯偏差駕駛行為」的機率較「未有明顯偏差駕駛

行為」多出 75.32倍。而此次建構之模式配適駕駛員有無顯著偏差駕駛行為整體正確率約為 87.1%，配適結果如表 10，校估後獲得之羅吉特迴歸模式如式(8)。

131

有顯著偏差駕駛行為機率P = ����.�����.�������.�������.�������.�������.�����

;�����.�����.�������.�������.�������.�������.����� (8)

表 9 五大人格特質對明顯偏差駕駛行為之羅吉特迴歸分析表

參數 估計值 標準誤差 顯著性 Exp(B)

常數 -18.039 9.404 .055 .000

外向性(𝑋;) -.779 .970 .422 .459

和善性(𝑋<) -1.198 .875 .171 .302

嚴謹自律性(𝑋�) 1.658 1.445 .251 5.247

神經質(𝑋�) 4.322 2.169 .046 75.322

經驗開放性(𝑋z) 1.426 1.347 .290 4.160

L(𝜃) -25.293

L(0) -33.118

𝜌< 0.236

表 10 人格特質配適有無明顯偏差駕駛行為之分類表

觀察次數 配適次數

0 1 百分比

實際次數 0 48 0 100.0

1 8 6 42.9

概要百分比 - - 87.1

5.2 人格特質建構駕駛風險分級模式

5.2.1 固定級距分級

表 11為五大人格特質對固定級距分級結果之次序性羅吉特迴歸分析表，模式𝜌<值

0.278 顯示為一配適度良好之模型。外向性、和善性、嚴謹自律性，及神經質等四項人格特質皆達 0.05顯著水準，能有效配適駕駛員固定級距風險分級結果，因此可獲得人格特質構建之累積機率分配函數如式(9)。

132

𝑈∗ = −1.886𝑋; − 2.729𝑋< + 3.707𝑋� + 4.417𝑋� + ε (9)

透過估計值與 OR 值可觀察出，在其他人格特質維持不變的前提下，外向性(OR=0.152)與和善性(OR=0.065)特質愈多，對於駕駛風險被劃分到較高分級(即風險較高)的可能性就較其他人格特質來得低；相反的，以嚴謹自律性(OR=40.731)而言，駕駛員之此項特質高出一單位，被劃分到愈高駕駛風險分級的可能性就較其他特質高出約 40倍；而神經質影響最鉅，每增多一單位神經質特質，駕駛員被歸類到高駕駛風險分級就

較其他特質高出近 83倍。

透過累積機率分配函數可以進一步預測不同人格特質駕駛員可能之不同駕駛風險

分級機率為：

Prob U = 1 = F(β′X + 14.018) if 𝛽J𝑋 + 𝜀 ≤ 14.018

Prob U = 2 = F β′X + 15.347 − F β′X + 14.018 if 14.018 < 𝛽J𝑋 + 𝜀 ≤

15.347

Prob U = 3 = F β′X + 18.592 − F β′X + 15.347 if 15.347 < 𝛽J𝑋 + 𝜀 ≤

18.592

Prob U = 4 = F β′X + 19.515 − F β′X + 18.592 if 18.592 < 𝛽J𝑋 + 𝜀 ≤19.515

Prob U = 5 = 1 − F(β′X + 19.515) if 𝛽J𝑋 + 𝜀 > 19.515

表 11 五大人格特質對固定級距風險分級之次序羅吉特迴歸分析表

參數 估計值 標準誤差 顯著性

固定級距分級第1級臨界值 14.018 7.801 .072

固定級距分級第2級臨界值 15.347 7.866 .051

固定級距分級第3級臨界值 18.592 8.325 .026

固定級距分級第4級臨界值 19.515 8.401 .020

外向性(𝑋;) -1.886(0.152) .924 .041

和善性(𝑋<) -2.729(0.065) .874 .002

嚴謹自律性(𝑋�) 3.707(40.731) 1.367 .007

神經質(𝑋�) 4.417(82.847) 1.615 .006

經驗開放性(𝑋z) .735(2.085) 1.257 .559

L(𝜃) -40.537

L(0) -56.107

133

𝜌< 0.278

5.2.2 固定比例分級

五大人格特質對固定比例分級結果之次序性羅吉特迴歸分析表如

表 12，𝜌< = 0.147仍在可接受的範圍中。就五大人格特質而言，和善性、嚴謹自律性，及神經質等其中三項皆達 0.05顯著水準，顯示此三項人格特質能有效的配適駕駛員固定比例風險分級結果，因此可獲得人格特質構建之累積機率分配函數如式(10)。

𝑈∗ = −2.088𝑋< + 2.605𝑋� + 2.636𝑋� + ε (10)

固定比例分級模式中，和善性(OR=0.124)特質愈多，對於駕駛風險被劃分到較高分級的可能性就相較其他人格特質來得低；相反的，嚴謹自律性與神經質影響程度相似，

每多一單位嚴謹自律性或神經質，駕駛員被歸類到高駕駛風險分級就較其他特質高出約

13~14倍。

除此之外，透過累積機率分配函數可以進一步預測不同人格特質駕駛員可能之駕駛

風險分級機率為：

Prob U = 1 = F(βJX + 5.815) if βJX + ε ≤ 5.815

Prob U = 2 = F βJX + 7.478 − F βJX + 5.815 if 5.815 < 𝛽J𝑋 + 𝜀 ≤ 7.478

Prob U = 3 = F βJX + 9.614 − F βJX + 7.478 if 7.478 < 𝛽J𝑋 + 𝜀 ≤ 9.614

Prob U = 4 = F βJX + 11.564 − F βJX + 9.614 if 9.614 < 𝛽J𝑋 + 𝜀 ≤ 11.564

Prob U = 5 = 1 − F(βJX + 11.564) if βJX + ε > 11.564

表 12 五大人格特質對固定比例風險分級之次序羅吉特迴歸分析表

參數 估計值 標準誤差 顯著性

固定比例分級第1級臨界值 5.815 5.544 .294

固定比例分級第2級臨界值 7.478 5.548 .178

固定比例分級第3級臨界值 9.614 5.576 .085

固定比例分級第4級臨界值 11.564 5.680 .042

外向性(𝑋;) -.559(0.571) .670 .404

和善性(𝑋<) -2.088(0.124) .635 .001

嚴謹自律性(𝑋�) 2.605(13.531) 1.011 .010

神經質(𝑋�) 2.636(13.957) 1.229 .032

134

經驗開放性(𝑋z) .181(1.198) .847 .830

L(𝜃) -73.348

L(0) -86.652

𝜌< 0.147

六、 結論與建議

6.1 結論

本研究以偏差駕駛行為之評估分析為基礎，擬議風險值的計算進行駕駛員之駕駛風

險分級制度構建，另進一步以不同迴歸模型探究駕駛員人格特質對於駕駛風險分級高低

的影響。本節將就研究成果提出具體結論，以提供客運經營管理等相關單位進行安全風

險管理、駕駛員駕駛風險評估之參考。

1. 檢視各項偏差駕駛行為變數之相關性可發現，「往右偏移」與「往左偏移」兩變數間具有一定相關程度；「未保持安全距離」與「嚴重未保持安全距離」亦呈現高度相關。

除此之外，「未保持安全距離」與「電磁剎車使用過久」兩行為為高度相關、「向右

偏移」與「電磁剎車使用過久」兩者亦有一定程度相關。此等結果除作為變數合併

依據外，亦可於研究過程中觀察到相關性高之偏差駕駛行為同時發生的現象。

2. 本研究之探究對象已限縮於國道客運駕駛員之特定群體，因此可以暫時不納入外部交通環境之影響，將各項偏差駕駛行為一季的次數轉換為數值區間為 0至 1之風險值，以衡量駕駛員各項偏差駕駛行為風險性。另將駕駛員各項偏差駕駛行為風險值

加總以衡量整體駕駛風險，並進一步探討分級制度的研擬。本研究探究在不同分級

依據之下的兩種分級方式，分別為「固定級距分級」與「固定比例分級」，前者能夠

提供客運公司自我檢視，後者則可應用於跨公司間或整體客運業之比較分析。

3. 集群分析係將駕駛行為特性相近之駕駛員進行劃分，分群結果以未有顯著偏差駕駛行為之駕駛員佔多數；僅約 23%駕駛員具有明顯危險駕駛行為發生，此集群駕駛行為特性包含左右偏移、未保持安全距離、急加速、電磁剎車使用過久等。

4. 本研究建立人格特質對有無發生偏差駕駛行為機率之二元羅吉特迴歸分析模型，五項人格特質中僅神經質達顯著水準。在其他人格特質皆相同的條件下，具備較高神

經質特性之駕駛員，發生偏差駕駛行為的機率約較外向性、和善性、嚴謹自律性、

與經驗開放性等其他人格特質的 75倍以上；可見個性上較容易情緒化、緊張、焦慮的駕駛員，出現偏差駕駛行為傾向的可能性較一般人高出許多。

5. 以五大人格特質為考量，構建「固定級距」、「固定比例」兩種不同駕駛風險分級的次序性羅吉特迴歸模式，以固定級距之模式配適度較佳，因此本研究所採用的資料

較適合以「固定級距」進行分級。整體而言，「和善性」、「嚴謹自律性」及「神經質」

皆可有效配適兩種駕駛風險分級的結果。和善性特質較高之駕駛員，在駕駛風險分

級上被劃分為較高分級(即風險較高)的可能性較低；而具有較高程度嚴謹自律性與神經質兩種人格特質之駕駛員，其被劃分到較高駕駛風險分級的機率相對其他人格

135

特質高，顯示過度恪守於既有規章、固執，以及情緒上較易出現緊張焦慮的人格特

質，將增加整體駕駛風險。

6.2 研究限制與未來研究建議

本研究受限於外部道路環境組成與車輛交通條件之複雜度，因此暫不將此兩因素納

入考量；然而，道路環境的組成與變化對於偏差駕駛行為的發生仍可能有一定程度的影

響。因此，未來可探究將道路環境與周圍交通特性納入研究範疇之可能性，隨著物聯網、

偵測技術、通訊網路之建置發展，偏差駕駛行為發生的外部因子確實有機會加以掌握。

本研究分析之人格特質變數僅考量五大人格特質，然檢視其基本統計特性分析可發

現樣本駕駛員各項人格特質分數的分布上較為集中、並無懸殊的差異，因此可能導致部

分人格特質與駕駛風險無顯著關係的現象。原因之一可能是駕駛員在填答人格特質問卷

時較保守，導致駕駛員在人格特質表現上趨於一致，因此衡量個人特質之問卷設計仍有

改良的空間，或透過其他較可靠的方式進行評估。另一可能性為受到駕駛員樣本規模限

制，導致人格特質未能適切反映在偏差駕駛行為上，且較難透過篩選樣本的方式進行調

整；因此，未來可考量擴充試驗駕駛員樣本規模以提升資料來源廣度與分析精確度。

相較於神經質的負面特性，外向性、和善性、嚴謹自律性以及經驗開放性等各項特

質所呈現出的樣態大致為較正面之人格特質，在多數人格特質皆傾向正面特質的條件下

較難直接達成過濾不適任駕駛員之目的，僅能透過正面特質間接判斷駕駛員的駕駛風

險。為了更有效評估駕駛員偏差駕駛行為與整體駕駛風險性，建議進行調整與重新定義

人格特質，同步考量正負面人格特質對於駕駛員風險評估模型的適切性。

本研究提出之駕駛員風險分級概念，係以一特定工作屬性之國道客運駕駛員為研究

對象下所制定之駕駛風險分級制度，僅作為客運業者比較一團體內駕駛員「相對」風險

高低之依據，尚無法提供「絕對」危險性之門檻值界定。然而，對於提升國道運輸整體

安全性，駕駛員的工作適性評估與遴選實為國道運輸安全風險管理上極為重要的一環，

因此，衡量國道客運駕駛員安全性的分級制度仍有構建之必要與急迫性。未來研究方向

可針對分級內容提出更多層面的評估指標，並在全盤考量之下進行「絕對」危險性門檻

值之界定，建立更為客觀且健全之駕駛員分級制度。

參考文獻

王詩涵(民國 95年)，國道客運駕駛員駕駛行為、駕駛表現與人格特質之探討，國立成功大學交通管理科學研究所碩士論文。

內政部警政署(民國 104年)，「警政統計年報」。

交通部(民國 104年)，「交通部交通統計月報」。

交通部(民國 105年)，「交通部交通統計月報」。

交通部台灣區國道高速公路局(民國 105年)，「104年國道事故檢討分析報告」。

136

陳信丞(民國 103年)，國道客運公司駕駛員人因特性、車輛駕駛行為與駕駛績效之研究，國立成功大學交通管理科學研究所碩士論文。

陳芳正(民國 94年)，長途客運業駕駛績效之探討，國立成功大學交通管理科學研究所碩士論文。

傅幸梅(民國 93年)，酒精對駕駛行為績效影響之研究，國立雲林科技大學工業工程與管理系碩士論文。

Blockey, P. N. and Hartley, L. R. (1995), “Aberrant driving behavior: errors and violations,” Ergonomics, Vol. 38, No. 9, pp. 1759-1771.

Beanland, V., Sellbom, M. and Johnson, A. K. (2014), “Personality domains and traits that predict self-reported aberrant driving behaviours in a southeastern US university sample,” Accident Analysis and Prevention, Vol. 72, pp. 184-192.

Campbell, J. P. (1990), “Modeling the performance prediction problem in industrial and organizational psychology,” Handbook of Industrial and Organizational Psychology.

Costa, P. T. and McCrae, R. R. (1989), “The NEO-PI/NEO-FFI manual supplement,” Psychological Assessment Resources, Odessa.

Ceschi, A., Costantini, A., Scalco, A., Charkhabi, M. and Sartori, R. (2016), “The relationship between the big five personality traits and job performance in business workers and empolyees’ perception,” International Journal of Business Research, Vol. 16, Issue 2, pp. 63-76.

Domenich, T. and McFadden, D. L. (1975), “Urban Travel Demand: A Behavioral Approach,” North-Holland: American Elsevier.

Evans, L. (1991), Traffic safety and the driver, Van Nostrand Reinhold, New York.

Joubert, J. W., Beer, D. and Koker, N. (2016), “Combining accelerometer data and contextual variables to evaluate the risk of driver behavior,” Transportation Research, Part F, Vol. 41, pp. 80-96.

Louviere, J. J., Hensher, D. A. and Swait, J. D. (2000), “Stated Choice Mehtods and Applications,” New York: Cambridge University Press.

Miyajima, C., Ukai, H., Naito, A., Amata, H., Kitaoka. N. and Takeda, K. (2011), “Driver risk evaluation based on acceleration, deceleration, and steering behavior,” IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 1829-1832.

Mallia, L., Lazuras, L., Violani, C. and Lucidi, F. (2015), “Crash risk and aberrant driving behaviors among bus drivers: The role of personality and attitudes towards traffic safety,” Accident Analysis and Prevention, Vol. 79, pp. 145-151.

Naito, A., Miyajima, C., Nishino. T, Kitaoka. N. and Takeda, K. (2009), “Driver evaluation based on classification of rapid decelerating patterns,” IEEE International Conference on Vehicular Electronics and Safety, pp. 108-112.

Reason, J., Manstead, A., Stradling, S., Baxter, J. and Campbell, K. (1990), “Errors and

137

violations on the roads: a real distinction?” Ergonomics, Vol. 33, No. 10-11, pp. 1315-1332.

Soma, H., Hiramatsu, K., Satoh, K. and Uno, H. (1996), “System architecture of the JAR1 driving simulator and its validation,” Symposium conducted at the meeting of the ICCTP’96, Valencia.

Sullman, M. J. M., Meadows, M. L. and Pajo, K. B. (2002), “Aberrant driving behaviours among New Zealand,” Transportation Research Part F, Vol. 5, No. 3, pp. 217-232.

Ulleberg, P. and Rundmo, T. (2003), “Personality, attitudes and risk perception as predictors of risky driving behaviour among young drivers.” Saf. Sci. Vol. 41, No. 5, pp. 427–443.

Treat, J. R., Tumbas, N.S., McDonald, S. T., Shinar, D., Hume, R. D., Mayer, R. E., Stansifer, R. L. and Castellan, N. J. (1979), “Tri-level study of the causes of traffic accidents: Final report. executive summary,” Technical Report, Blommington, Indiana: Institute for Research in Public Safety, DOT/HS 805 09.

Vujanić, M., Antić, B., Pešić, D. and Savićević, M. (2016), “Testing psychophysical characteristics of professional drivers – Can we identify unsafe drivers?” Transportation Research, Part F, Vol. 42, pp. 104-116.

Westerman, S. J. and Haigney, D. (2000), “Individual difference in driver stress, error and violation,” Personality and Individual Differences, Vol. 29, No. 5, pp. 981-998.