基于风格认知的客车造型特征重用推理方法研究

姚 干 勤

(扬州职业大学, 江苏 扬州 225009)

我国公路交通建设的巨大发展促进了客车设计制造行业的进步,为了提升客车造型设计的效率和可靠性,设计知识重用已成为设计方法研究的重要内容和必然趋势。客车造型风格特征知识是隐藏于抽象思维中的内隐性特征,无法以具象、定量的形式加以表现[1],传统的研究大多是针对用户认知模式提出面向产品造型风格的用户认知量化模型[2-4],却忽视了造型风格描述习惯和描述方法的研究,未能实现造型风格知识的有效规范化描述。客车关键几何特征是产品的外显性特征,也是造型风格特征的载体,已有研究分别从信息驱动设计[5]、产品概念设计知识演化过程[6]、感性意象分析[7]、图像合成[8]等角度入手建立造型元素辨识方法,试图将已有外观造型特征细节迁移到目标造型方案中去[9]。在产品造型设计中建立“特征—风格”之间的映射关系是设计知识重用的关键,也是设计创新的基础。上述这些研究要么集中于风格认知方面,要么集中于知识重用方面,未能有机地将两者结合起来,对产品概念设计中的“特征—风格”推理机制尚未开展研究。

粗糙集理论在数据挖掘和知识发现方面具有明显的优势,它无需借助外部知识就可以直接从数据库本身展开推理,找出数据分类的规律,适用于处理不完备信息的研究。本文借助粗糙集理论这方面的优势,首先通过实验分别提取客车造型风格认知和关键几何特征知识,其次构建“特征—风格”决策表,再通过属性约减推理出符合风格需求的设计规则集,最后从案例数据库中检索出符合设计规则的几何特征知识,从而实现成功案例知识的有效重用。

1 客车造型风格认知获取与表征

造型风格是通过一系列几何造型元素构成的产品精神特征,语义词汇是造型风格常用的表征元素[10],造型风格的原始描述是口语化的、模糊的,没有统一的描述规范,自然语言处理模型[11]很好地实现了风格描述语义词汇的抽取。

国内制造的客车包括公路旅行车、城市公交车和团体客车(含校车)三种类型,本文通过线上线下相结合的方式共收集了国内外知名客车企业的110种车型作为备选实验样本,所有样本均为经过市场实践检验的成功车型。

利用自然语言处理过程模型经过词意聚类和反义成组操作,得到关于实验样本客车造型风格描述的19组核心语义词汇。分别是“传统—现代”“艰苦—舒适”“方—圆”“粗俗—优雅”“质朴—豪华”“古典—前卫”“轻飘—沉稳”“柔和—坚硬”“休闲—商务”“简洁—丰富”“低品质—高品质”“静态—动感”“落伍—科技”“冷漠—情感”“凝滞—流畅”“大众—个性”“乏味—趣味”“秀气—粗旷”“内敛—大方”。

初选出的19组语义词汇均能从某一方面反映出客车造型风格的特点,但由于数量过多,不利于简洁、高效地表达客车造型风格,也增加了后续知识重用的复杂程度。若将产品造型风格语义表达看作是具有19个维度的向量,只有找出最能决定客车造型风格的关键语义特征,才能达到降低向量维度的目的。主成分分析法能将影响问题决策的多个变量转化为少数几个综合变量[12],对于解决降维问题具有明显的优势,可以实现用较少的关键特征属性表达问题的绝大部分信息。在IBM公司开发的统计分析软件SPSS 22.0中导入实验样本评分统计均值数据,计算导出特征值大于1的主成分,排名前3的主成分的累积方差之和为80.563%,表明它们已经能够实现对产品造型风格的有效描述，如表1。因此,可以用这3个主成分代替19组语义词汇来描述产品造型风格。

表1 主成分分析结果

在主成分分析中,若规定相关性系数大于0.8即认为变量与该主成分紧密相关。观察表2所示的主成分相关性矩阵,不难发现相关性系数大于0.8的变量有:“静态—动感”“大众—个性”“休闲—商务”“质朴—豪华”“秀气—粗旷”“传统—现代”“轻飘—沉稳”。因此,这7对形容词组与客车造型风格描述紧密相关,可以用它们代替初选的19对形容词组以达到造型风格描述向量降维的目的。

表2 主成分相关性矩阵列表

人们习惯于采用“副词+形容词”的形式去描述产品造型风格[13],在此过程中采用心理量表法可以定量化表征客户感性的风格描述,从而实现对实验样本的定量分析。例如对于客车“非常现代”的描述可以用数字7定量化表示。表3是里克特7点心理量表法与数值量化的对应关系。

表3 里克特7点量表法数值化定义

2 客车关键造型几何特征提取及其属性分析

客车由前围、后围、侧围以及顶盖5个面组成,每一个面又由若干个造型元素构成,为了捕捉影响客车造型风格的关键几何特征,本文以客车各个面的造型轮廓图作为测试对象,辅助眼动追踪实验提取并验证影响客车造型风格的几何特征。

设计师关于特征线有特定的描述和分类,借鉴马丽莎[14]关于特征线分类的研究结果,结合企业提供的设计案例和眼动追踪实验结果,本文采用德尔菲法提取了9个关键性造型特征。这9个特征均不含对具体样本的个性化描述,研究还对特征属性进行了分类,见表4。

表4 客车造型关键几何特征线“特征—属性”列表

3 客车造型风格的设计规则推理

3.1 “特征—风格”决策表的构建

为了研究表4中的客车造型关键几何特征与实际造型风格之间的对应关系,本文选取了包括客车司机、业主、设计师和乘客在内的30人组成被试对象,采用德尔菲法开展了两轮调研分析。第一轮主要是针对客车实验样本关键几何特征属性描述的调研,要求被试人员明确给出关键几何特征属性的值。剔除了对描述存在较大分歧的属性值,以免在后续设计规则推理中产生错误。第二轮分别请30名被试人员就客车实验样本关键几何特征属性定量地给出造型风格语义的评价,定量评价的依据是表3中的里克特7点量表法数值化定义,数据输入时取平均值作为风格决策属性的值。两轮调研结束后构建如表5所示的“特征—风格”决策表,表中Mc—A5的数据表示关键几何特征属性对应的值,最后一栏为风格决策属性的值。

表5 风格语义“传统—现代”决策表(部分车型)

3.2 客车造型知识系统中的特征约简

对于条件属性的特征约简和特征核的概念,在粗糙集理论中有如下定义[15]:

定义1:S=(U,A,V,f)表示一个信息知识系统。其中,U={u1,u2,u3, …,un}为非空论域主体的集合，A={a1,a2,a3, …,an}为非空属性的集合。A集合中的属性分为两类,分别为条件属性C和决策属性D。集合C和集合D的交集为空集,且集合C中的条件属性不一定都是集合D必要的条件,删除集合C中的冗余属性且不影响决策属性D正确性的最小特征集合称为特征约简。对决策表S而言,特征约简的数量大于等于1,特征核是决策表S所有特征约简的交集,特征核中的条件属性是影响决策的最关键属性。

定义2:若C′为集合C的子集,α表示C′关于决策D的重要性,则:

αCD(C′)=[c(PC(D))-c(P(C-C′)(D))]/c(U)

(1)

Aleksander针对粗糙集理论中的特征约简提出了一种遗传算法[16],其适应度函数为:

(2)

式中,S表示决策表中的不可分辨集合;β为约简损失和最小划分率之间的权重比值;B为A通过演化搜索算法得到的A的子集;函数cost表示实现正确划分的数据;ε表示划分率的门槛值。这种算法的核心思想是依次删除一个特征属性并计算其重要程度,最终计算出不可约简条件属性的集合。

利用上述算法对表5进行条件属性约简,设定α=0.4,ε=1.0,计算得到以下4个特征约简:A1={侧视外轮廓线,侧视B柱线,前保险杠分割线,前车灯轮廓线},A2={侧视外轮廓线,前视外轮廓线,侧视B柱线,前车灯轮廓线,后尾灯轮廓线},A3={侧视外轮廓线,前视外轮廓线,侧视B柱线,前车灯轮廓线},A4={侧视外轮廓线,侧视B柱线,前车灯轮廓线,前保险杠分割线,后尾灯轮廓线}。由此得到设计特征核为{侧视外轮廓线,侧视B柱线,前车灯轮廓线}。因此,侧视外轮廓线的前后倾角、侧视B柱线的形状和前车灯的形状对客车“传统—现代”的造型风格影响最大,而包含了设计特征核的4个特征集合删除了与“传统—现代”不相关和不重要的设计特征,在已有案例知识数据库中对客车外观的“传统—现代”造型风格加以推理,能够产生46条设计规则。

3.3 设计规则筛选

定义3:在决策信息系统S中,主体U的分类通过条件属性C和决策属性D共同实现,令U/C={Xi|i=1,2,…,c},U/D={Yj|j=1,2,…,d},则决策规则可以表示为:

rij:DC(Xi)→DD(Yj)

(3)

当且仅当Xi⊆Yj时,rij是主体U分类的确定性规则,否则即是不确定性规则。其不确定性可以通过条件覆盖度LC、决策可信度RA和决策覆盖度RC来决定:

(1)条件覆盖度LC是指确定性规则的条件属性在决策表属性中的覆盖程度,其算法为:

(4)

(2)决策可信度RA是指条件属性DC(Xi)具有决策属性DD(Yj)的可信程度,值为1表示决策规则完全可信,小于1表示具有一定的可信程度,其算法为:

(5)

(3)决策覆盖度RC是指决策属性集中条件属性的覆盖程度,其算法为:

(6)

例如,针对“非常现代”这一客车造型风格目标,设LC>0.1,RA=1.0,RC>0.2,依据设计规则推理方法可以得到3条强设计规则,如表6所示。

表6 强设计规则集

3.4 设计实践

受企业设计委托开发一款“有点现代∧有点个性∧沉稳”风格的新款客车造型方案。以这3个造型风格需求为决策属性展开约简,得到9个不可约简集,在已有案例知识数据库中对不可约简集加以推理,能够产生75条设计规则。经过设计师检验最终选取了3条设计规则,分别为:

R1={Mc前倾后直(1)∧Mq圆基调(2)∧S1小倾角(2)∧S2后倾(3)∧S5曲线分割(2)∧S7曲线分割(2)∧A2组合灯(3)∧A5组合灯(3)};

R2={Mc前后均倾(2)∧Mq方基调(1)∧S1小倾角(2)∧S2直柱(1)∧S5直线分割(1)∧S7曲线分割(2)∧A2长条灯(2)∧A5长条灯(2)};

R3={Mc前倾后直(1)∧Mq方基调(1)∧S1直柱(1)∧S2异形(4)∧S5直线分割(1)∧S7曲线分割(2)∧A2组合灯(3)∧A5组合灯(3)};

根据以上设计规则,设计师重用案例数据库中已有的良性几何特征知识重构了新的设计方案,经过几轮的讨论修改,确定了如图1所示的方案。最终效果客户比较满意,委托企业也认为这种基于设计规则推理的方案设计过程提高了设计效率,也保证了设计的可靠性。

图1 基于设计规则R3的设计方案

4 结语

造型风格是产品实体在人脑中的抽象认知。本文借助粗糙集理论,从“特征—风格”决策表出发开展产品造型设计规则推理方法的研究,重点在于解决基于设计规则推理生成新产品设计方案的问题。客车设计实践证明利用该方法推理产生的设计方案不仅能够重用已有设计知识,而且可以快速高效地满足造型风格的需求,为解决此类新产品设计问题提供了理论支持。