目前,在驾驶员的日常出行中,互联网的作用日趋明显,越来越多的驾驶员会通过互联网获取相关的交通出行信息,决定自己出行路径。研究确定不同驾龄驾驶员敏感信息以及不同驾龄驾驶员对敏感信息反应程度分析,依据驾驶员的驾龄,合理发布不同的敏感信息,诱导驾驶员的出行路径选择,对于提高路网通行能力与服务水平,缓解交通拥堵有着重要的作用。已有的论文以及相关学者主要研究的是驾驶员的交通信息认知行为,即在多源出行信息影响下驾驶员的认知模式,但关于不同驾龄下驾驶员对不同敏感信息反应程度以及驾驶员与路网之间的交互关系研究涉及较少,尤其是关于确定不同驾龄驾驶员敏感信息的研究几乎未见涉及。总结已有的工作发现存在3个不足:1.现有的研究主要针对驾驶员的路径选择问题,忽视了对信息内容的研究以及信息与驾驶员的交互关系;2.信息种类繁多,但对不同的研究人群需要对信息进行合理的定义以及类别划分;3.驾驶员因为驾龄的不同,对不同的敏感信息存在不同反应程度,应针对不同驾龄的驾驶员群体,研究不同驾驶员群体的信息敏感反应程度。因此,本文针对不同驾龄的驾驶员,合理区分信息种类,研究驾驶员敏感信息以及不同驾龄驾驶员敏感信息反应程度分析,主要工作如下:本文将交通信息进行汇总,并依据研究主体,进行信息筛选工作,其后采用聚类方法、心理学知识,确定11项具体内容,明确了交通出行信息的内容。本文选用了SP调查法,并依据信息内容与种类设计了调查问卷,问卷量为200份,共有186份有效问卷,同时根据采集的数据进行交通出行信息探索性因子分析以及不同驾龄与交通出行信息相关性检验分析,即通过交叉表和卡方检验进行相关性检验,为构建结构方程确定不同驾龄驾驶员关键敏感信息奠定铺垫。依据第三章的内容,使用样本数据提取出交通出行信息敏感反应的11个候选因子,并对这11个因子进行探索性因子分析,确定主成分,并进行了各个主成分类别下驾驶员的不同驾龄与所属信息的Pearson卡方检验分析,然而并没有进行交通出行信息关键主成分的确定,因此第4章在上述内容研究基础上,需要建立驾驶员信息敏感反应结构方程模型,确定关键的主成分,并根据不同驾龄驾驶员与交通出行信息Pearson卡方检验结果,确定不同驾龄驾驶员关键敏感信息以关键敏感信息的敏感反应作为因变量,构建不同驾龄驾驶员对敏感信息反应程度分析模型,然后,根据前文的结论,针对不同驾龄驾驶员对于不同敏感信息反应程度,以提高路网运行效率为目的,提出信息发布策略。