外卖骑手不同时段闯红灯行为的特征：中国的一项观察性研究

《Journal of Transport & Health》：Characteristics of food delivery riders' red-light running behavior across different times of day: An observational study in China

　　

摘要
引言
外卖骑手的闯红灯行为导致了信号控制路口的事故。尽管已有几项研究探讨了其影响因素，但很少有研究调查一天中不同时间段的差异化影响。鉴于骑手在一天中的出行特征变化很大，忽视这种变化可能会导致模型估计偏差和干预措施无效。因此，本研究旨在探讨影响外卖骑手闯红灯行为的因素在一天中不同时间的变化。

方法
在中国金华市的六个信号控制路口开展了一项实地调查。采用了四种统计模型来识别影响闯红灯行为的因素，包括二元 Logit 模型、随机参数 Logit 模型、均值异质性随机参数 Logit 模型以及均值和方差异质性随机参数 Logit 模型。同时，进行了似然比检验，以检查因素在午高峰、平峰时段和晚高峰之间的时间差异。

结果
1) 外卖骑手的闯红灯行为受到逆行、越过停止线停车、行人闯红灯、是否存在非机动车道、红灯持续时间过长以及靠近学校或住宅区位置等因素的影响。2) 这些因素在午高峰、平峰时段和晚高峰的影响并不一致。

结论
本研究证实了影响外卖骑手闯红灯行为的因素具有显著的时间变化特征，这对于制定差异化对策以减少交通违规行为具有重要价值。

引言
随着数字经济的指数级增长，便捷高效的外卖服务已深深融入人们的日常生活。与此同时，主要使用电动自行车的外卖骑手数量在全球范围内也呈现出持续增长的趋势。2020 年至 2021 年期间，巴西使用外卖服务的互联网用户比例上升至 54.8%（Barbosa 等人，2025）。在新加坡，2023 年外卖骑手数量超过了 16,000 人（Yip 和 Grosse，2023）。在中国，庞大的人口基数推动了外卖服务需求的显著增加。2025 年，外卖服务用户数量达到 5.82 亿，注册外卖骑手数量达到 1200 万（中国互联网络信息中心 (CNNIC)，2025；吴，2025）。

外卖服务主要依赖两轮车。在中国，绝大多数外卖骑手使用电动自行车（秦等人，2021）。它们相对较轻，在《中华人民共和国道路交通安全法》下被归类为非机动车。因此，骑手不需要持有驾驶证或购买保险。在其他国家和地区，燃油或电动摩托车更常用于外卖配送，例如越南（Nguyen-Phuoc 等人，2024b；Nguyen 等人，2024）、台湾（Hsu 等人，2023, 2024）、英国（Christie 和 Ward，2022）、巴西（Barbosa 等人，2025）和韩国（Gu 等人，2024）。日常通勤模式的地区差异导致当地外卖骑手使用的两轮车有所不同。为了提供更好的服务质量，外卖公司会综合考虑距离、订单类型和时间段等因素，为不同订单设定特定的配送时间。如果超过配送时间，骑手可能会面临罚款，这也可能影响他们的评分和接单数量。因此，为了追求更高的效率和收入，配送骑手经常从事闯红灯等危险驾驶行为，这直接增加了交通事故风险（沈等人，2020；Barbosa 等人，2025；台北市政府交通局 (DoTTCG)，2022）。根据上海市公安局交警总队发布的数据，2024 年 9 月 2 日至 10 月 6 日期间，上海共记录了 84,367 起与快递和外卖行业相关的交通违规行为（《上海发布》，2024a, 2024b, 2024c）。外卖骑手的交通违规行为正日益成为影响道路交通安全的潜在因素。

现有研究试图分析外卖骑手的驾驶行为。几项研究（秦等人，2021；Christie 和 Ward，2022；Tran 等人，2022；Mai 等人，2025；Oviedo-Trespalacios 等人，2022）报告称，外卖骑手经常采取使用手机、不遵守转向信号、闯红灯、超速、在机动车道行驶和逆行等驾驶策略，以便在更短的时间内赚取更多收入。这些危险驾驶行为可能对道路交通安全构成重大威胁。为了识别危险驾驶行为的原因，研究人员采用了卡方统计（Wu 等人，2011；Christie 和 Ward，2022）、结构方程建模（Zhang 等人，2021）、有序 Logit 回归（Tran 等人，2022）、二元 Logit 模型 (BLM)（Tran 等人，2022）和偏最小二乘结构方程建模（Barbosa 等人，2025）等方法进行了相关研究。分析结果表明，几个因素显著影响骑手从事危险驾驶行为的倾向，例如配送高峰时段（Nguyen-Phuoc 等人，2024a, 2024c；Tran 等人，2022；Hsu 等人，2023）、缺乏交通安全意识（Christie 和 Ward，2022；Zhang 等人，2021；Savitsky 等人，2021）、外卖相关的工作压力（Zheng 等人，2019；Nguyen 等人，2024, 2025；Mai 等人，2025；Gjorgjievski 等人，2021）以及对财务激励的追求（Hsu 等人，2024；Nguyen-Phuoc 等人，2022；Dong 等人，2021）。相关研究（Boniardi 等人，2024）指出，外卖骑手与道路事故、疲劳和心理压力等高职业危害发生率相关，这可能是由于长时间骑行、工作负荷重和工作条件不安全造成的。Zong 等人（2023）的一项研究报告称，外卖骑手的压力主要来自两个方面，包括外卖公司管理（例如，不合理的奖惩规则）和外部环境（例如，配送期间保安或居民的不友好待遇）。特别是在 COVID-19 疫情期间，工作压力、经济负担和对感染的恐惧混合在一起，导致外卖骑手出现健康问题（Tran 等人，2022），这反过来可能影响他们的安全驾驶行为。

在这些危险行为中，闯红灯是与配送骑手相关的最常见的交通违规行为之一（Tran 等人，2022；秦等人，2021）。Nguyen-Phuoc 等人（2024b）的一项先驱研究报告称，23% 涉及外卖骑手但未致死的交通事故归因于闯红灯行为。为了减少涉及配送骑手的交通事故，必须识别闯红灯的潜在原因和发生机制。在过去的研究中，闯红灯违规信息通常通过问卷调查（Nguyen-Phuoc 等人，2022；沈等人，2020）、实地访谈（Schleinitz 等人，2018）和视频记录（Tang 等人，2020）来收集。需要提到的是，问卷调查和实地访谈在全面捕捉骑手的实际驾驶行为方面可能存在局限性（Gupta 等人，2023）。先前的研究表明，外卖骑手闯红灯显著受到包括骑手年龄、性别、家庭特征、同事行为和交通状况等因素的影响（Yang 等人，2018；Varet 等人，2024；沈等人，2020；Zhang 等人，2021）。具体而言，与同龄或异性 counterparts 相比，较年轻的骑手和男性骑手更容易闯红灯（Schleinitz 等人，2018；Ning 等人，2024）。受家庭成员和同事的影响，外卖骑手可能会感到更大的社会压力，使他们更倾向于闯红灯以赚取更多收入（沈等人，2020）。相反，随着交通流量的增加，配送骑手闯红灯的可能性降低（Lv 等人，2022；沈等人，2020）。尽管如此，现有的文献尚未充分讨论许多影响因素，如外卖行为、空间位置和时间特征。

先前的研究表明，配送骑手闯红灯的可能性在不同时期有所不同。特别是，他们在午高峰和晚高峰更容易闯红灯，以减轻交通流量大导致的配送延误（Hsu 等人，2024；沈等人，2020）。隐含地，闯红灯行为的促成因素在一天中不同时间可能具有不同的影响；也就是说，统计模型中变量的参数估计可能会随时间变化（Tran 等人，2022）。近年来，影响因素的时间变化引起了交通安全研究人员的高度关注。大量研究致力于基于各种模型研究影响因素的时间变化，如混合 Logit 模型（Wei 等人，2024；Biglari 等人，2024）、随机参数 Logit 模型 (RPLM)（Wang 等人，2022a, 2022b；Zamani 等人，2021）和均值及方差异质性随机参数 Logit 模型 (RPLHMV)（Alnawmasi 等人，2024；Ren 和 Xu，2023；Wang 等人，2023）。然而，尚未有尝试探索影响外卖骑手闯红灯行为的因素的时间变化。在实践中，外卖骑手在一天中的不同时期表现出截然不同的出行特征，在订单量、订单紧急性和骑行速度方面存在显著差异。忽视时间变化可能导致模型估计偏差，从而得出关于配送骑手闯红灯行为的误导性结论。

综上所述，虽然大量文献研究了外卖骑手的出行特征，但其在闯红灯行为上的时间变化在先前的研究中尚未得到充分探索。鉴于外卖骑手在一天中不同时期的出行特征存在巨大差异，未能考虑这种时间变化会导致模型估计偏差和干预效果受损。为了填补这一空白，本研究旨在分析不同时期影响外卖骑手闯红灯行为的因素。研究结果可为制定特定时间的对策以减轻闯红灯违规并降低外卖骑手的事故风险提供见解。

章节摘要

数据
为了调查外卖骑手的闯红灯行为，在中国金华市婺城区的六个信号控制路口使用无人机 (UAV) 开展了一项实地调查。无人机飞行高度为 40-45 米。图 1、图 2 分别显示了路口的航拍图像和空间位置。请注意，图 2 是基于从 www.guihuayun.com 获得的制图数据生成的。信号控制路口的选择遵循

方法论
本研究采用了四种模型，包括 BLM、RPLM、均值异质性随机参数 Logit 模型 (RPLHM) 和 RPLHMV，来探索显著影响外卖骑手闯红灯行为的因素。此外，进行了对数似然比检验，以分析因素影响的时间变化。

闯红灯行为统计
表 3 总结了外卖骑手在六个路口的闯红灯行为统计。显然，外卖骑手表现出较高的整体闯红灯倾向，最高违规率达到 26.5%。

统计模型参数估计
本研究分别识别了午高峰、平峰时段和晚高峰期间外卖骑手闯红灯行为的影响因素。所有时期的统计建模结果见表 A1

讨论
本研究探讨了导致外卖骑手闯红灯行为的因素。对数似然比检验结果表明存在时间变化；也就是说，外卖骑手在午高峰、平峰时段和晚高峰闯红灯的影响因素存在显著差异。这一现象可以通过外卖需求、交通流量和光线条件的差异来合理解释

作者贡献声明
胡香红：数据管理，形式分析，调查，方法论，验证，写作 - 初稿，写作 - 审阅与编辑。张国鹏：概念化，资金获取，方法论，写作 - 初稿，写作 - 审阅与编辑。魏舒武：写作 - 审阅与编辑。

胡年一：方法论。
利益冲突声明
作者声明，他们没有已知的竞争财务利益或个人关系，这些关系可能被认为会影响本论文中报告的工作。
致谢
本研究得到了浙江省哲学社会科学规划项目（26NDJC030YB）的支持。
胡香红 | 张国平 | 魏舒武 | 胡年一
浙江师范大学工程学院，中国浙江金华