汽车内外饰造型多维意象评价模型研究

程永胜，徐骁琪

(厦门大学 嘉庚学院，漳州 363105)

0 引言

目前，关于汽车造型匹配研究，大多是从局部与整体造型的关系[1～3]、局部与局部造型的关系[4]、造型与风格意象的关系[5]等角度展开研究。近几年国内外相关领域学者针对汽车内外饰造型意象也进行大量研究。文献[6]利用感性工学和统计方法建立了感性意象形容词与汽车造型特征线的定量关系，得到了汽车主特征线的规律性变化对于汽车造型意象的影响。文献[7]从风格创新为出发点，提出了一种以“关键特征点—局部特征组件—车型”三个关键类集合映射关系构成的汽车形态特征识别模型。文献[8]提出改进的非支配排序遗传算法的产品多意象造型进化设计的实现方法和关键技术，最后以汽车侧轮廓造型为例建立了多意象进化设计系统。文献[9]探讨了汽车内饰造型设计和设计研究的基本范式，帮助设计师和设计研究人员有效处理汽车内饰的设计理论和研究方法问题。文献[10]应用鲁棒法研究了汽车轮廓所带来的“产品质量”的感性意象。

综合上述研究，关于汽车内外饰造型意象研究还存在以下不足：

1）当前汽车内外饰造型研究普遍是将外饰造型与内饰造型单独进行研究，导致研究结果对于内外饰造型意象的整体呈现可用性不足。

2）汽车内外饰造型对比一般工业产品而言，其造型相对复杂且体量较大，其展示的造型也呈现出多维意象特征，因此如何对汽车内外饰造型所体现的多维度意象进行综合评价也是本研究的难点。

3）不同的用户群体对汽车内外饰造型意象认知是存在差异的，而大多数研究缺乏对评价人员精准划分，导致无法获取针对性的目标意象评价数据。

4）汽车造型意象的研究应该处于汽车造型前端设计当中，这样不仅可以降低汽车开发成本，同时又可以提升设计人员对于造型意象整体把控。为解决上述问题，本文通过对汽车外饰与内饰造型意象进行组合研究，利用熵理论、感性工学与统计分析方法展开汽车外饰造型与汽车内饰造型两者之间多维意象匹配关系的研究，建立一种汽车内外饰造型多维意象匹配度评价模型。为汽车内外饰造型设计提供理论依据，也为设计人员进行设计决策提供技术支持；提升汽车内外饰造型设计效果，从而满足目标用户对于汽车内外饰造型意象的完整认知需求。

可操作性是绩效考核体系的必要条件，不但研究所需的资料应易于获取且真实可靠，而且要根据知识型员工的工作特殊性有侧重性的制定各类知识型员工的指标体系，不排除存在共性指标，最后，选取的各类指标数量应适宜，量化时要合理公正，标准规范。

1 汽车内外饰造型多维意象评价模型构建

针对复杂产品造型意象研究，用户更倾向于用多个意象维度来描述对产品的主观感受[11]。汽车内外饰造型意象通常是由多维度意象所构成，其中意象较强的称之为主体意象，相对较弱的意象则为次要意象，而汽车内外饰造型所呈现的整体意象则可以称为多维意象。然后，多维意象在传递过程中存在模糊性、复杂性和多元性等现象。而熵理论是指数据混乱的程度，即数据处于某一宏观状态可能性（概率）的度量。意象熵[12]将用户对产品的意象进行量化，以熵表征出用户对意象认知程度的不同，进而求得各意象的权重。其中，熵越大说明该意象越混乱，携带的意象信息越少，效用值越小，因该意象权重也越小[13]。为此本文采用熵理论对汽车内外饰造型多维意象进行综合评价，具体研究思路如图1所示。

图1 汽车造型多维意象匹配度评价流程

1）确定目标意象和造型样本。意象词汇和研究样本的选取对于研究多维意象评价分析十分关键，意象词汇的准确性和研究样本的包容性会直接影响最终评价数据的质量。因此，选取研究样本时尽可能满足目标用户对造型多样性的需求，保证样本之间造型具有差异性；意象词汇的选取要考虑不同用户对造型意象的认知，尽可能多的搜集有关造型意象的意象词汇。得到研究样本库X={X1,X2,...,Xn}和意象词汇库Y={Y1,Y2,...,Yn}。通过多维尺度分析和聚类分析对意象词汇库进行筛选，确定目标意象，得出目标意象集Y2={Y21,Y22,...,Y2n}。

2）构建汽车内外饰多维意象评价模型。以语义差异法（Semantic Differential，SD）将研究样本和目标意象之间的映射关系制成评价问卷，邀请目标用户对于研究样本的感性评价，获得各目标意象的原始评价数据。进行为了减小各目标意象评价误差，需将原始评价数据进行离差标准化处理[14]。通过线性函数归一化的方式将原始评价数据转换到区间，如式(1)所示：

式(1)中，yij为目标意象原始评价数据，minyj为j目标意象评价数据中最小值，maxyj为j目标意象词汇评价数据中最大值，xij表示第i个研究样本的第j个目标意象的归一化评价值。

通过式(1)将原始评价数据进行处理后，得到标准化决策矩阵X：

计算得到汽车内外饰各目标意象的概率为Fij：

式(3)中，xij为第i个研究样本的第j目标意象评价归一化评价值。

将Fij代入式(4)，计算得出决策矩阵X中第j个目标意象熵值Ij：

式(4)中，Ij为各目标意象熵值；Fij为第i个研究样本的第j个目标意象概率，0Fij1；i为研究样本，i=1,2,3,...m；j为目标意象，j=1,2,3,...n；k为常数，k=1/in m。

计算得出各目标意象在评价过程中的权值wj：

最后将决策矩阵进行加权处理，得到各个研究样本的多维意象评价值为Z：

3）汽车内外饰造型多维意象评价分析。对到各研究样本多维意象评价值排序，选择多维意象评价较高的研究样本作为参考，指导设计实践。

2 实例研究

2.1 前期准备

2.1.1 研究样本搜集

汽车内外饰包括造型、色彩和材质三种特征，本文研究主要针对造型特征进行研究。因此为了尽可能保证目标用户对研究样本造型的客观评价，选择以中大型SUV(Suburban Utility Vehicle)车型作为汽车内外饰造型样本研究对象[15]。外饰造型方面每款车型选取前45°视角、正侧面视角和后45°视角组合成外饰造型样本；通过实地调研及网络检索等方式收集大量研究样本，得到70多款车型作为汽车外饰造型研究样本。外饰造型确定后对应匹配内饰造型研究样本，考虑到内饰造型特征丰富且复杂，为了更好的展示各研究样本的内饰造型细节，本文采用VR动态技术进行展示。同时，邀请专业设计人员对收集的车型样本进行筛选，去掉造型特征相似、比例姿态特殊和车型老旧等个体样本。最终，整理得到30款汽车内外饰研究样本，如表1所示。

表1 研究样本库（部分）

2.1.2 意象词汇搜集

以内外饰研究样本造型特征为例，结合前期学者研究成果，通过文献检索、实地访谈和网络爬虫等方法搜集造型意象相关词汇200余个。然后，运用KJ法对意象词汇进行简化，剔除语义相近，描述模糊等词汇，并将意象词汇当中语义相近的词汇进行合并。最终，保留40个适合描述中大型SUV内外饰造型意象词汇，并根据语义关系的二级辨析理论组合成意象词汇组，构建意象词汇库，如表2所示。

表2 意象词汇库

2.1.3 评价人员分类

由于汽车内外饰造型特征复杂且多样，目标用户对汽车专业知识缺乏深入研究，因而在进行专业性评价的过程中很容易受到外界干扰和个人偏好影响评价结果的准确性。因此，为了保证评价结果的准确性，本文研究将评价人员分为设计专业组和目标用户组两大类，提升评价专业性和针对性维度。设计专业组选取具备汽车相关专业知识和具有操作经验的人员，包括具有3年以上相关从业经验的汽车外饰造型设计师3人、汽车内饰造型设计师3人、汽车油泥模型设计师2人、汽车结构工程师2人、汽车销售人员2人、汽车教师人员4人和高校设计专业教师4人，共20人组成设计专业组。目标用户组选择具有潜在汽车消费需求的用户，为避免性别和年龄差异对评价结果的影响，将目标用户评价人员为20～39岁5人、30～39岁5人、40～49岁5人、50～59岁5人，其中男女比例各占50%，最终确定20人组成目标用户组。

2.1.4 目标意象确定

为确定汽车内外饰造型目标意象，需对意象词汇库做进一步筛选。该阶段通过语义差分法和因子分析，从意象词汇库内提取最能满足目标用户认知范围内的造型意象词汇，进而确定内外饰造型目标意象[16]。首先，邀请目标用户组从意象词汇库中挑选最能代表中大型SUV内外饰造型意象词汇，对选择数量不做要求；目标用户选择数量排名前十的意象词汇分别为：Y1创新-老旧、Y8精致-粗糙、Y11整体-分散、Y14简洁-复杂、Y16豪华-朴实、Y17霸气-内敛、Y18动感-稳重、Y19硬朗-柔和、Y24厚重-单薄、Y28越野-都市，统计结果如图2所示。

图2 意象词汇统计结果

通过多维尺度分析和K-means聚类分析，进一步降低意象维度获取目标意象。面对多维度意象词汇进行分类时，繁琐且漫长的过程可能会导致评价者很容易受到意象词汇之间的相互干扰，导致很难做出准确的判断。因此，为了保证评价人员对意象词汇分类的准确性，该阶段邀请设计专业组成员对研究样本进行分类。首先，评价人员根据自身专业经验将10个意象词汇进行分类，分组数目和各组内研究样本数量不做要求。其次，将分类数据进行整理，统计两两意象词汇分在同一组内次数，建立10×10相似度矩阵并得到距离矩阵。然后，通过SPSS软件对研究样本库的分类数据进行多维尺度分析和K-means聚类分析，以设计专业组普遍分组数目为标准，设定分类数目为3类。最终，得到10个意象词汇与其所属类目中心点的距离结果，选取每个类别当中距离中心点最近的意象词汇作为最终目标意象，确定内外饰造型目标意象为 ：“Y16豪华-朴实”、“Y19硬朗-柔和”、“Y28越野-都市”三个维度。

2.2 目标意象评价

为进一步挖掘用户对汽车内外饰造型深层次意象认知，采用语义差分法将目标意象与研究样本库组合，按“非常不匹配，不匹配，一般匹配，匹配，很匹配，非常匹配，完全匹配”七级评价标准，分别记为-3，-2，-1，0，1，2，3分，制成七级标度SD调查问卷[17]。考虑到本次调查问卷中研究样本数量，如果直接让目标用户进行评价打分的话，可能会出现评价差异过大或相对集中的问题；另一方面考虑汽车内外饰造型最终呈现的目标意象受众主体依然是目标用户。因此，在评价用户的选择方面，以专业人员组辅助目标用户组参与此次评价问卷调研。此外，考虑到汽车内外饰造型意象之间的差异性，保证最终获取的评价数据客观性和可用性，此次评价问卷将对研究样本的内外饰分开进行评价打分，然后将外饰和内饰评价数据相加，作为该研究样本的最终评价数据，如表3所示。

表3 原始评价数据

2.3 计算样本多维意象评价值

多维意象代表了汽车内外饰整体意象趋势，而整体意象本质上就是将多维度的目标意象的评价数据利用加权求和的方法进行融合统一[18,19]。为减少表6评价数据中的误差，需对表6中汽车内外饰各意象词汇原始评价数据进行线性变换，按式(1)进行离差标准化处理，离差标准化数据如表4所示。

表4 离差标准化数据

并运用熵理论，可求得各目标意象的权重，来量化目标用户对汽车内外饰造型多维意象的感性认知。由式(3)～式(5)最终计算得出汽车内外饰各目标意象熵值Ij和wj权重值，如表5所示。

表5 各目标意象熵值Ij和wj权重值

并通过式(6)加权求和得到各目标意象权重数据和多维意象评价值如表6所示。

表6 权重数据及多维意象评价值

2.4 汽车内外饰造型多维意象评价分析

从多维意象评价值可以直观的看出目标用户对汽车内外饰30个研究样本的综合情感需求。依据表10，可知个研究样本最终多维意象平均值排序结果。其中，研究样本X9多维意象评价值为0.9317，排在30个研究样本第一位，说明该研究样本最能满足目标用户对于汽车内外饰多维意象需求；研究样本X1、X2、X22和X29为目标用户多维意象评价2-5位，说明该四个研究样本能较好的表达“Y16豪华-朴实”、“Y19硬朗-柔和”和“Y28越野-都市”三个维度意象；而研究样本X11、X23和X24多维意象平均值为最后三位，这表明目标用户对于此类研究样本的多维意象认知较弱。通过以上分析，得到目标用户对于汽车内外饰多维意象评价空间，实现了在特定多维意象下对汽车内外饰造型的评价。

3 结语

本文根据用户对于汽车造型意象的多维度认知特点，综合考虑汽车造型意象的影响因素，提出了一种汽车内外饰造型多维意象评价模型。该评价模型以提升用户对于汽车内外饰多维意象认知满意度为前提，通过统计学方法确定“Y16豪华-朴实”、“Y19硬朗-柔和”和“Y28越野-都市”三个维度作为汽车内外饰造型目标意象，并运用语义差分法建立研究样本与目标意象评价模型获取目标意象评价数据，采用熵理论确定各目标意象权重，进而计算得出多维意象评价值。设计人员可根据最终多维意象评价结果对于研究样本进行合理决策，一定程度上降低了企业开发风险。

本文主要对汽车内外饰层面展开多维意象认知的研究，而影响用户对于汽车造型多维意象评价的因素不仅仅只有内外饰造型，还包括车身颜色、内饰材质等诸多设计因素；同时，研究不同维度的造型意象对评价精度的影响，如何更好的对用户评价进行量化，提升研究样本与多维意象之间的匹配度。因此，如何将这些因素进行综合研究，可以进一步结合人工智能算法，进一步优化评价模型，使其在使用过程中更加智能，将是后续研究的重点方向。