孫 元， 林 子 瑜， 王 德 倫， 鄭 雅 琪， 鮑 永 巖

( 1.大連理工大學(xué) 建筑與藝術(shù)學(xué)院， 遼寧 大連 116024；2.大連理工大學(xué) 機械工程學(xué)院， 遼寧 大連 116024 )

0 引 言

現(xiàn)代產(chǎn)品造型不再停留在形式追隨功能的階段，對于用戶視覺審美感受的研究與討論越來越受到重視.感性工學(xué)不僅用來測量用戶感知，同時還輔助設(shè)計者創(chuàng)造更符合用戶意向偏好的產(chǎn)品[1].其中，感性是指用戶從視覺接收產(chǎn)品的造型信號后所反饋出的心理、生理上的變化，綜合來說就是產(chǎn)品對用戶心理、生理所引起的變化.

針對造型風(fēng)格評價，近年來涌現(xiàn)出許多不同的度量體系.如使用熵理論[2]、美度評價[3]等對產(chǎn)品形態(tài)或可用性進行評估.

隨著現(xiàn)代科技中眼動、腦電等生理測量技術(shù)的推進，學(xué)術(shù)領(lǐng)域?qū)τ诟杏X的測量與量化方法也日益精準(zhǔn).生理數(shù)據(jù)因具有更高的直觀性和精確性，被大量應(yīng)用于感性工學(xué)的研究.蘇建寧等[4]、Hsu等[5]使用眼動數(shù)據(jù)來輔助構(gòu)建意象與造型的映射關(guān)系.

層次分析(AHP)法最初是一種顧客滿意度評價的理論模型，它更偏向于一種決策分析技術(shù)[6].層次分析法能夠?qū)?fù)雜的設(shè)計評價問題分解，將分析過程數(shù)學(xué)化和系統(tǒng)化，因此，越來越多的學(xué)者將層次分析法應(yīng)用到產(chǎn)品設(shè)計評價和可用性研究中.黃河等[7]以老年人智能手表為例，通過層次分析和感性評價相結(jié)合的方法來構(gòu)建產(chǎn)品可用性評估體系.傳統(tǒng)的層次分析法偏向于定性分析，目標(biāo)層和準(zhǔn)則層大多采用專家集體評價法，目前研究對于層次分析法的應(yīng)用主要為兩類，一類如Chen等[8]將層次分析法與其他模型結(jié)合使用達到研究目的；一類致力于提高層次分析法模型的精確性，如Neira-Rodado等[9]、Ecer[10]、okalo等[11]通過修正定性分析的模糊性與歧義，從而減少誤差.Kang等[12]、Cho等[13]、Sabaghi等[14]通過使用模糊層次分析(FAHP)進一步提高了求解的準(zhǔn)確性.

本文基于FAHP理論，結(jié)合生理測量數(shù)據(jù)計算相應(yīng)的評價指標(biāo)權(quán)重，進行感性認知對產(chǎn)品美學(xué)風(fēng)格偏好的權(quán)重計算，以眼動數(shù)據(jù)計算出的權(quán)重來替代判斷矩陣所計算出的權(quán)重，進而得出感性認知對于產(chǎn)品偏好的權(quán)重.本文以列車頭部形態(tài)美學(xué)風(fēng)格測量為例，并與感性意象的調(diào)研結(jié)果進行對比，對該方法的科學(xué)合理性進行檢驗.

1 研究概述

本研究構(gòu)建的模型如圖1所示，整體的研究框架如圖2所示.

圖1 產(chǎn)品外觀形態(tài)設(shè)計偏好評價FAHP模型

圖2 研究框架

2 結(jié)合眼動數(shù)據(jù)構(gòu)建產(chǎn)品造型美學(xué)要素評價模型

2.1 美學(xué)意象詞匯挖掘

在日常生活中，視覺的認知是具有多個維度的[15].視覺信息的完整獲取可劃分為視覺接收和視覺認知兩大部分，人們通過視覺接收物體信息，又通過大腦皮層對信息進行認知[15].在進行視覺信息獲取時，根據(jù)大腦皮層的信息處理反饋，會產(chǎn)生生理指標(biāo)的變化.

人們對產(chǎn)品的造型意象感知數(shù)據(jù)難以直接獲取，除了生理數(shù)據(jù)的測量，還需要用戶對產(chǎn)品采用感性詞匯描述，從而間接獲取用戶的主觀感受.在此基礎(chǔ)上建立感性詞匯與產(chǎn)品造型元素的對應(yīng)關(guān)系，進而界定用戶對產(chǎn)品的主觀認知.

通過收集產(chǎn)品相關(guān)的語料信息獲取具有大眾認同性的感性詞匯.通過專家問卷、主成分分析等篩選處理方法，獲得能夠最大反映用戶感受、引起大多數(shù)被測者感性認知變化的感性意象語匯集U={u1，u2，…，uf}，f為所篩選出的感性語匯數(shù)量.

2.2 樣本選擇及造型元素的分解

廣泛收集樣本，進行聚類分析篩選精煉，得到樣本容量為m的樣本.運用形態(tài)分析法對經(jīng)過篩選的樣本進行造型分析，得到產(chǎn)品造型特征集合.

2.3 視覺追蹤實驗

視覺追蹤實驗產(chǎn)生的生理指標(biāo)中，伴隨認知變化的生理指標(biāo)有凝視、眼跳、注視順序、瞳孔尺寸等.其中首次注視時間、凝視時間、凝視次數(shù)、注視次序、回視時間以及回視次數(shù)等指標(biāo)在一定程度上能夠反映用戶認知差異[16-17].

由于感性認知本身是一個非常復(fù)雜的過程，用單個眼動指標(biāo)來解釋這個過程，產(chǎn)生誤差的可能性很大，進而影響評價體系的構(gòu)建，因此選取多個眼動指標(biāo)來進行分析.本文將選取以下眼動指標(biāo)進行感性認知的衡量：

①持續(xù)注視時間：持續(xù)注視時間是眼動數(shù)據(jù)的一項重要指標(biāo)，它可以反映被測者對某些視覺興趣區(qū)域的關(guān)注程度.

②注視次序：注視的先后順序不同，在一定程度上說明被測者對各個視覺興趣區(qū)域的注重程度不同，先注視的比后注視的視覺興趣區(qū)域?qū)Ξa(chǎn)品偏好的貢獻程度大.

③回視次數(shù)：回視說明被測者對某個視覺興趣區(qū)域進行了再次關(guān)注，回視次數(shù)越多，說明這個視覺興趣區(qū)域?qū)Ξa(chǎn)品偏好的貢獻越大[18].

根據(jù)意象語匯集U構(gòu)建視覺追蹤實驗，處理實驗結(jié)果.之前的研究[4]應(yīng)用了注視次序這一數(shù)據(jù)，而基于目前研究[8，19]，注視次數(shù)與用戶認知是耦合的，因此單純地使用注視次序所計算的權(quán)重是存在一定誤差的.為減小這種誤差，在原來的基礎(chǔ)上，引入注視次數(shù)權(quán)重.

根據(jù)文獻[4，18]定義被測者對造型特征g首次注視的時間為T；定義v1為區(qū)別注視次序的注視次序因子，取值為[1，2]，注視次序因子隨注視次序的增加遞減，每次減少j/p，p為當(dāng)前測試樣本所有有效注視點的數(shù)量，得到注視次序因子為(2-j/p)/2.則所得注視次序相關(guān)權(quán)重O的定義如下式所示：

(1)

將造型特征g的第j次注視時間定義為T′；定義v2為注視次數(shù)因子，取值為[1，2].隨注視次數(shù)的增加，其值逐步增加1/30，得到注視次數(shù)因子為(1+(q-1)/30)/2，其中q為注視造型特征g的次數(shù).則所得的注視時間相關(guān)權(quán)重R的定義如下式所示：

(2)

當(dāng)造型特征g有回視時間T″時，定義被測者的回視次數(shù)為h，定義v3為回視因子，取值為[1，2]，首次回視因子取值為1，回視因子隨回視次數(shù)的增加遞增，每次增加1/20，每個造型特征g可能存在多次回視，則每個造型特征g的回視時間應(yīng)包含多次回視時間的總和，即按照注視先后順序?qū)⒃煨吞卣鱣的注視指標(biāo)處理為T″(1+(h-1)/20).則所得回視相關(guān)權(quán)重S的定義如式(3)所示.最終造型特征g的權(quán)重值如式(4)所示.

(3)

(4)

式中：w為造型特征g的權(quán)重；i為研究樣本，i=1，2，…，m；k為被測者，k=1，2，…，n；j為注視次序；Tl為完成樣本i實驗的所有有效注視時間之和.

2.4 模糊算法修正判斷矩陣

發(fā)放專家調(diào)查問卷，使用所篩選出的感性語匯建立專家模糊評價判斷矩陣，準(zhǔn)則層數(shù)量為感性語匯數(shù)量f.要求專家以三角模糊數(shù)的形式表達對準(zhǔn)則層之間相對重要性的評估值，給出1～9的分數(shù)來作為判別重要性的分級，即1為同等重要，9為特別重要，反之為倒數(shù).專家需要給出一組三角模糊數(shù)(b，x，c)，γ位專家的三角模糊數(shù)組成模糊集{A1，A2，…，Aγ}來表征自己的感性感受，其中b表示重要性評估的感性值下限，c表示重要性評估的感性值上限，x表示隸屬度為1的感性評分值，其隸屬函數(shù)如圖3所示.

圖3 隸屬函數(shù)示意圖

(5)

(6)

計算出判斷矩陣V的特征向量w，經(jīng)過歸一化處理并使其滿足式(7)，即可得方案層元素的權(quán)重.

(7)

求出判斷矩陣V的最大特征值λmax，對權(quán)重進行一致性檢驗.通過式(8)計算一致性指標(biāo)(Ic)，并對比隨機一致性指標(biāo)(Ir)的值[21]，當(dāng)隨機一致性比例Rc=Ic/Ir<0.1時，認為判斷矩陣V具有滿意的一致性，否則需要重新調(diào)整判斷矩陣.

(8)

2.5 代入FAHP模型得出權(quán)重

將上文眼動數(shù)據(jù)處理所得到的各要素權(quán)重進行歸一化處理后，代入圖1模型中目標(biāo)層與準(zhǔn)則層的權(quán)重計算，同時，將與準(zhǔn)則層所對應(yīng)的方案層的判斷矩陣V代入模型中，基于FAHP的運算法則進行權(quán)重的計算，得到最終權(quán)重結(jié)果.

3 基于軌道車輛頭部造型的實例研究

目前我國軌道車輛處于高速發(fā)展階段[21]，集成設(shè)計以及模塊化設(shè)計等技術(shù)推動軌道車輛的設(shè)計向更嚴謹?shù)姆较虬l(fā)展[22-23].這種發(fā)展趨勢不僅體現(xiàn)在內(nèi)部技術(shù)的革新上，也體現(xiàn)在對列車外部造型的美學(xué)評價及設(shè)計研究上.本文以軌道車輛頭部造型為例進行美學(xué)認知評價研究.

3.1 美學(xué)認知空間構(gòu)建

從相關(guān)軌道車輛的報道中選取了大量的感性詞匯，進行了整理與編碼.邀請具有多年軌道車輛設(shè)計經(jīng)驗與軌道車輛造型決策經(jīng)驗的人員組成專家小組，對收集到的感性詞匯進行篩選，之后對40位工業(yè)設(shè)計專業(yè)相關(guān)的學(xué)生或從業(yè)人員發(fā)放問卷，對初步篩選的形容詞再次篩選，選取22組形容詞.對問卷進行主成分分析，檢驗統(tǒng)計量(KMO)的值為0.773，大于0.7，適合進行主成分分析.選出生成的3個主成分中代表性詞匯，構(gòu)成感性意象語匯集U={流動的，理性的，簡潔的}.

再次發(fā)放問卷，將收集到的72張列車頭部圖片進行分組，對問卷數(shù)據(jù)進行處理生成距離矩陣，進行聚類分析，將其分成6組，選取每一組距離中心最近的3張圖片作為該聚類下的代表性圖片，總共篩選出18張代表性車輛圖片，結(jié)合上文中所篩選出的形容詞，建立李克特七級量表，并將問卷發(fā)放給從事軌道車輛工業(yè)設(shè)計的相關(guān)人員，發(fā)出問卷86份，回收問卷80份，其中有效問卷76份.獲得樣本集B={b1，b2，…，b18}，如圖4所示.

圖4 樣本集合

3.2 視覺追蹤實驗及FAHP模型計算

使用Tobii眼動儀進行視覺追蹤實驗.將樣本導(dǎo)入眼動軟件ErgoLAB中，實驗流程如下：

(1)實驗主導(dǎo)人員向被測者介紹實驗內(nèi)容.

(2)校準(zhǔn)：根據(jù)被測者調(diào)整儀器.

(3)預(yù)實驗：讓被測者感受每張實驗圖片的觀看時長.

(4)正式實驗：每張實驗圖片前，增加一張黑色底色、中央白色圓點的圖片，以防止視線誤差.

(5)介紹主觀評分：在觀看完每張圖片后，會提醒被測者根據(jù)所觀看的實驗圖片進行相關(guān)評價.

整體實驗流程示意如圖5所示.

圖5 實驗流程設(shè)計

邀請40位工業(yè)設(shè)計專業(yè)人員作為被測者進行實驗，在每次實驗前均進行數(shù)據(jù)矯正，以確保實驗準(zhǔn)確性.實驗結(jié)束后，進行數(shù)據(jù)處理，篩選掉無效點，可得到樣本的熱點圖，如圖6所示為樣本b1的熱點圖.根據(jù)眼動數(shù)據(jù)生成視覺興趣區(qū)域(AOI)，結(jié)合專家討論與形態(tài)分析法[24]，獲得列車頭部造型要素如表1所示.

圖6 樣本b1的熱點圖

對ErgoLAB軟件中眼動數(shù)據(jù)進行導(dǎo)出與統(tǒng)計整合，經(jīng)式(4)計算，得出意象語匯集U影響下的樣本設(shè)計要素權(quán)重，得到的權(quán)重集W={0.604 4，0.065 5，0.215 3，0.114 8}.

邀請4位具有豐富設(shè)計經(jīng)驗的人員構(gòu)建專家評價組.專家反復(fù)觀看18個樣本，并結(jié)合日常設(shè)計經(jīng)驗，得出對應(yīng)造型要素的模糊評價矩陣：

車燈與涂裝分隔線的關(guān)系(g1)：

表1 列車頭部造型設(shè)計要素及其分類

裙板分割形式(g2)：

擋風(fēng)玻璃分隔(g3)：

圍繞擋風(fēng)玻璃的涂裝分割形狀(g4)：

經(jīng)過式(6)一系列計算，生成最終判斷矩陣.將權(quán)重集W與判斷矩陣代入圖1所示模型進行FAHP的優(yōu)先級權(quán)重計算，獲得計算結(jié)果如表2所示.

表2 FAHP模型運算得出的權(quán)重

4 討 論

將以上所有實驗樣本結(jié)合語匯集U制作感性意象評價量表并進行問卷測試，量表增加了形容詞對“厭惡的—喜歡的”參與評價模型的建立.選取20位具有5年以上列車造型設(shè)計經(jīng)驗的人員進行量表測試.將結(jié)果數(shù)據(jù)檢驗后利用數(shù)量化Ⅰ類理論進行數(shù)據(jù)分析，進而獲得評價指標(biāo)的權(quán)重.數(shù)據(jù)處理結(jié)果顯著性為0.001<0.05，說明在本次數(shù)據(jù)分析中因變量和自變量之間存在顯著的線性關(guān)系.為了方便直觀感受二者的相關(guān)性，對結(jié)果進行歸一化處理(表3).

表3 數(shù)量化Ⅰ類處理后得到的權(quán)重

由此，本文所討論的通過模糊層次分析與生理測量數(shù)據(jù)分析相結(jié)合的方式來改進衡量產(chǎn)品感性認知的研究方法是具有合理性的.以往結(jié)合AHP模型的研究中，大多通過對準(zhǔn)則層和方案層子集的精確性進行模型改良[11，25-27]，從而達到減小誤差的目的.本文則是通過眼動數(shù)據(jù)權(quán)重替換AHP方案層到準(zhǔn)則層的運算方式，從而提高運算精度，減少系統(tǒng)誤差.

5 結(jié) 論

(1)運用生理測量數(shù)據(jù)與FAHP模型相結(jié)合的方法可支持構(gòu)建產(chǎn)品美學(xué)偏好評價模型，并有效地輔助美學(xué)風(fēng)格預(yù)測分析.

(2)美學(xué)評價過程中的生理測量數(shù)據(jù)與常規(guī)美學(xué)評價測量的分析結(jié)果具有相關(guān)性，說明人的視覺生理行為與主觀感性認知是耦合的.

(3)對于軌道車輛頭部造型而言，車燈與涂裝分隔線的關(guān)系(g1)這一設(shè)計要素對用戶審美偏好的影響較大，因此設(shè)計中應(yīng)加強對于該設(shè)計要素的意象風(fēng)格把握.

在工業(yè)設(shè)計研究領(lǐng)域采用生理測量方法，除了眼動追蹤實驗之外，還有諸如腦電、肌電等生理指標(biāo)測量方法，在后續(xù)的研究中，將深入進行多類型心理和生理測量實驗，探究不同生理指標(biāo)之間反映用戶感知的能力權(quán)重，從而提升感性測量的精確度.通過對用戶感知偏好度的研究，結(jié)合機器學(xué)習(xí)等方法，更加精確地輔助構(gòu)建產(chǎn)品美學(xué)評價與設(shè)計系統(tǒng).