程永勝，徐驍琪

(廈門大學(xué) 嘉庚學(xué)院，漳州 363105)

0 引言

目前，關(guān)于汽車造型匹配研究，大多是從局部與整體造型的關(guān)系[1～3]、局部與局部造型的關(guān)系[4]、造型與風(fēng)格意象的關(guān)系[5]等角度展開(kāi)研究。近幾年國(guó)內(nèi)外相關(guān)領(lǐng)域?qū)W者針對(duì)汽車內(nèi)外飾造型意象也進(jìn)行大量研究。文獻(xiàn)[6]利用感性工學(xué)和統(tǒng)計(jì)方法建立了感性意象形容詞與汽車造型特征線的定量關(guān)系，得到了汽車主特征線的規(guī)律性變化對(duì)于汽車造型意象的影響。文獻(xiàn)[7]從風(fēng)格創(chuàng)新為出發(fā)點(diǎn)，提出了一種以“關(guān)鍵特征點(diǎn)—局部特征組件—車型”三個(gè)關(guān)鍵類集合映射關(guān)系構(gòu)成的汽車形態(tài)特征識(shí)別模型。文獻(xiàn)[8]提出改進(jìn)的非支配排序遺傳算法的產(chǎn)品多意象造型進(jìn)化設(shè)計(jì)的實(shí)現(xiàn)方法和關(guān)鍵技術(shù)，最后以汽車側(cè)輪廓造型為例建立了多意象進(jìn)化設(shè)計(jì)系統(tǒng)。文獻(xiàn)[9]探討了汽車內(nèi)飾造型設(shè)計(jì)和設(shè)計(jì)研究的基本范式，幫助設(shè)計(jì)師和設(shè)計(jì)研究人員有效處理汽車內(nèi)飾的設(shè)計(jì)理論和研究方法問(wèn)題。文獻(xiàn)[10]應(yīng)用魯棒法研究了汽車輪廓所帶來(lái)的“產(chǎn)品質(zhì)量”的感性意象。

綜合上述研究，關(guān)于汽車內(nèi)外飾造型意象研究還存在以下不足：

1）當(dāng)前汽車內(nèi)外飾造型研究普遍是將外飾造型與內(nèi)飾造型單獨(dú)進(jìn)行研究，導(dǎo)致研究結(jié)果對(duì)于內(nèi)外飾造型意象的整體呈現(xiàn)可用性不足。

2）汽車內(nèi)外飾造型對(duì)比一般工業(yè)產(chǎn)品而言，其造型相對(duì)復(fù)雜且體量較大，其展示的造型也呈現(xiàn)出多維意象特征，因此如何對(duì)汽車內(nèi)外飾造型所體現(xiàn)的多維度意象進(jìn)行綜合評(píng)價(jià)也是本研究的難點(diǎn)。

3）不同的用戶群體對(duì)汽車內(nèi)外飾造型意象認(rèn)知是存在差異的，而大多數(shù)研究缺乏對(duì)評(píng)價(jià)人員精準(zhǔn)劃分，導(dǎo)致無(wú)法獲取針對(duì)性的目標(biāo)意象評(píng)價(jià)數(shù)據(jù)。

4）汽車造型意象的研究應(yīng)該處于汽車造型前端設(shè)計(jì)當(dāng)中，這樣不僅可以降低汽車開(kāi)發(fā)成本，同時(shí)又可以提升設(shè)計(jì)人員對(duì)于造型意象整體把控。為解決上述問(wèn)題，本文通過(guò)對(duì)汽車外飾與內(nèi)飾造型意象進(jìn)行組合研究，利用熵理論、感性工學(xué)與統(tǒng)計(jì)分析方法展開(kāi)汽車外飾造型與汽車內(nèi)飾造型兩者之間多維意象匹配關(guān)系的研究，建立一種汽車內(nèi)外飾造型多維意象匹配度評(píng)價(jià)模型。為汽車內(nèi)外飾造型設(shè)計(jì)提供理論依據(jù)，也為設(shè)計(jì)人員進(jìn)行設(shè)計(jì)決策提供技術(shù)支持；提升汽車內(nèi)外飾造型設(shè)計(jì)效果，從而滿足目標(biāo)用戶對(duì)于汽車內(nèi)外飾造型意象的完整認(rèn)知需求。

可操作性是績(jī)效考核體系的必要條件，不但研究所需的資料應(yīng)易于獲取且真實(shí)可靠，而且要根據(jù)知識(shí)型員工的工作特殊性有側(cè)重性的制定各類知識(shí)型員工的指標(biāo)體系，不排除存在共性指標(biāo)，最后，選取的各類指標(biāo)數(shù)量應(yīng)適宜，量化時(shí)要合理公正，標(biāo)準(zhǔn)規(guī)范。

1 汽車內(nèi)外飾造型多維意象評(píng)價(jià)模型構(gòu)建

針對(duì)復(fù)雜產(chǎn)品造型意象研究，用戶更傾向于用多個(gè)意象維度來(lái)描述對(duì)產(chǎn)品的主觀感受[11]。汽車內(nèi)外飾造型意象通常是由多維度意象所構(gòu)成，其中意象較強(qiáng)的稱之為主體意象，相對(duì)較弱的意象則為次要意象，而汽車內(nèi)外飾造型所呈現(xiàn)的整體意象則可以稱為多維意象。然后，多維意象在傳遞過(guò)程中存在模糊性、復(fù)雜性和多元性等現(xiàn)象。而熵理論是指數(shù)據(jù)混亂的程度，即數(shù)據(jù)處于某一宏觀狀態(tài)可能性（概率）的度量。意象熵[12]將用戶對(duì)產(chǎn)品的意象進(jìn)行量化，以熵表征出用戶對(duì)意象認(rèn)知程度的不同，進(jìn)而求得各意象的權(quán)重。其中，熵越大說(shuō)明該意象越混亂，攜帶的意象信息越少，效用值越小，因該意象權(quán)重也越小[13]。為此本文采用熵理論對(duì)汽車內(nèi)外飾造型多維意象進(jìn)行綜合評(píng)價(jià)，具體研究思路如圖1所示。

圖1 汽車造型多維意象匹配度評(píng)價(jià)流程

1）確定目標(biāo)意象和造型樣本。意象詞匯和研究樣本的選取對(duì)于研究多維意象評(píng)價(jià)分析十分關(guān)鍵，意象詞匯的準(zhǔn)確性和研究樣本的包容性會(huì)直接影響最終評(píng)價(jià)數(shù)據(jù)的質(zhì)量。因此，選取研究樣本時(shí)盡可能滿足目標(biāo)用戶對(duì)造型多樣性的需求，保證樣本之間造型具有差異性；意象詞匯的選取要考慮不同用戶對(duì)造型意象的認(rèn)知，盡可能多的搜集有關(guān)造型意象的意象詞匯。得到研究樣本庫(kù)X={X1,X2,...,Xn}和意象詞匯庫(kù)Y={Y1,Y2,...,Yn}。通過(guò)多維尺度分析和聚類分析對(duì)意象詞匯庫(kù)進(jìn)行篩選，確定目標(biāo)意象，得出目標(biāo)意象集Y2={Y21,Y22,...,Y2n}。

2）構(gòu)建汽車內(nèi)外飾多維意象評(píng)價(jià)模型。以語(yǔ)義差異法（Semantic Differential，SD）將研究樣本和目標(biāo)意象之間的映射關(guān)系制成評(píng)價(jià)問(wèn)卷，邀請(qǐng)目標(biāo)用戶對(duì)于研究樣本的感性評(píng)價(jià)，獲得各目標(biāo)意象的原始評(píng)價(jià)數(shù)據(jù)。進(jìn)行為了減小各目標(biāo)意象評(píng)價(jià)誤差，需將原始評(píng)價(jià)數(shù)據(jù)進(jìn)行離差標(biāo)準(zhǔn)化處理[14]。通過(guò)線性函數(shù)歸一化的方式將原始評(píng)價(jià)數(shù)據(jù)轉(zhuǎn)換到區(qū)間，如式(1)所示：

式(1)中，yij為目標(biāo)意象原始評(píng)價(jià)數(shù)據(jù)，minyj為j目標(biāo)意象評(píng)價(jià)數(shù)據(jù)中最小值，maxyj為j目標(biāo)意象詞匯評(píng)價(jià)數(shù)據(jù)中最大值，xij表示第i個(gè)研究樣本的第j個(gè)目標(biāo)意象的歸一化評(píng)價(jià)值。

通過(guò)式(1)將原始評(píng)價(jià)數(shù)據(jù)進(jìn)行處理后，得到標(biāo)準(zhǔn)化決策矩陣X：

計(jì)算得到汽車內(nèi)外飾各目標(biāo)意象的概率為Fij：

式(3)中，xij為第i個(gè)研究樣本的第j目標(biāo)意象評(píng)價(jià)歸一化評(píng)價(jià)值。

將Fij代入式(4)，計(jì)算得出決策矩陣X中第j個(gè)目標(biāo)意象熵值Ij：

式(4)中，Ij為各目標(biāo)意象熵值；Fij為第i個(gè)研究樣本的第j個(gè)目標(biāo)意象概率，0Fij1；i為研究樣本，i=1,2,3,...m；j為目標(biāo)意象，j=1,2,3,...n；k為常數(shù)，k=1/in m。

計(jì)算得出各目標(biāo)意象在評(píng)價(jià)過(guò)程中的權(quán)值wj：

最后將決策矩陣進(jìn)行加權(quán)處理，得到各個(gè)研究樣本的多維意象評(píng)價(jià)值為Z：

3）汽車內(nèi)外飾造型多維意象評(píng)價(jià)分析。對(duì)到各研究樣本多維意象評(píng)價(jià)值排序，選擇多維意象評(píng)價(jià)較高的研究樣本作為參考，指導(dǎo)設(shè)計(jì)實(shí)踐。

2 實(shí)例研究

2.1 前期準(zhǔn)備

2.1.1 研究樣本搜集

汽車內(nèi)外飾包括造型、色彩和材質(zhì)三種特征，本文研究主要針對(duì)造型特征進(jìn)行研究。因此為了盡可能保證目標(biāo)用戶對(duì)研究樣本造型的客觀評(píng)價(jià)，選擇以中大型SUV(Suburban Utility Vehicle)車型作為汽車內(nèi)外飾造型樣本研究對(duì)象[15]。外飾造型方面每款車型選取前45°視角、正側(cè)面視角和后45°視角組合成外飾造型樣本；通過(guò)實(shí)地調(diào)研及網(wǎng)絡(luò)檢索等方式收集大量研究樣本，得到70多款車型作為汽車外飾造型研究樣本。外飾造型確定后對(duì)應(yīng)匹配內(nèi)飾造型研究樣本，考慮到內(nèi)飾造型特征豐富且復(fù)雜，為了更好的展示各研究樣本的內(nèi)飾造型細(xì)節(jié)，本文采用VR動(dòng)態(tài)技術(shù)進(jìn)行展示。同時(shí)，邀請(qǐng)專業(yè)設(shè)計(jì)人員對(duì)收集的車型樣本進(jìn)行篩選，去掉造型特征相似、比例姿態(tài)特殊和車型老舊等個(gè)體樣本。最終，整理得到30款汽車內(nèi)外飾研究樣本，如表1所示。

表1 研究樣本庫(kù)（部分）

2.1.2 意象詞匯搜集

以內(nèi)外飾研究樣本造型特征為例，結(jié)合前期學(xué)者研究成果，通過(guò)文獻(xiàn)檢索、實(shí)地訪談和網(wǎng)絡(luò)爬蟲(chóng)等方法搜集造型意象相關(guān)詞匯200余個(gè)。然后，運(yùn)用KJ法對(duì)意象詞匯進(jìn)行簡(jiǎn)化，剔除語(yǔ)義相近，描述模糊等詞匯，并將意象詞匯當(dāng)中語(yǔ)義相近的詞匯進(jìn)行合并。最終，保留40個(gè)適合描述中大型SUV內(nèi)外飾造型意象詞匯，并根據(jù)語(yǔ)義關(guān)系的二級(jí)辨析理論組合成意象詞匯組，構(gòu)建意象詞匯庫(kù)，如表2所示。

表2 意象詞匯庫(kù)

2.1.3 評(píng)價(jià)人員分類

由于汽車內(nèi)外飾造型特征復(fù)雜且多樣，目標(biāo)用戶對(duì)汽車專業(yè)知識(shí)缺乏深入研究，因而在進(jìn)行專業(yè)性評(píng)價(jià)的過(guò)程中很容易受到外界干擾和個(gè)人偏好影響評(píng)價(jià)結(jié)果的準(zhǔn)確性。因此，為了保證評(píng)價(jià)結(jié)果的準(zhǔn)確性，本文研究將評(píng)價(jià)人員分為設(shè)計(jì)專業(yè)組和目標(biāo)用戶組兩大類，提升評(píng)價(jià)專業(yè)性和針對(duì)性維度。設(shè)計(jì)專業(yè)組選取具備汽車相關(guān)專業(yè)知識(shí)和具有操作經(jīng)驗(yàn)的人員，包括具有3年以上相關(guān)從業(yè)經(jīng)驗(yàn)的汽車外飾造型設(shè)計(jì)師3人、汽車內(nèi)飾造型設(shè)計(jì)師3人、汽車油泥模型設(shè)計(jì)師2人、汽車結(jié)構(gòu)工程師2人、汽車銷售人員2人、汽車教師人員4人和高校設(shè)計(jì)專業(yè)教師4人，共20人組成設(shè)計(jì)專業(yè)組。目標(biāo)用戶組選擇具有潛在汽車消費(fèi)需求的用戶，為避免性別和年齡差異對(duì)評(píng)價(jià)結(jié)果的影響，將目標(biāo)用戶評(píng)價(jià)人員為20～39歲5人、30～39歲5人、40～49歲5人、50～59歲5人，其中男女比例各占50%，最終確定20人組成目標(biāo)用戶組。

2.1.4 目標(biāo)意象確定

為確定汽車內(nèi)外飾造型目標(biāo)意象，需對(duì)意象詞匯庫(kù)做進(jìn)一步篩選。該階段通過(guò)語(yǔ)義差分法和因子分析，從意象詞匯庫(kù)內(nèi)提取最能滿足目標(biāo)用戶認(rèn)知范圍內(nèi)的造型意象詞匯，進(jìn)而確定內(nèi)外飾造型目標(biāo)意象[16]。首先，邀請(qǐng)目標(biāo)用戶組從意象詞匯庫(kù)中挑選最能代表中大型SUV內(nèi)外飾造型意象詞匯，對(duì)選擇數(shù)量不做要求；目標(biāo)用戶選擇數(shù)量排名前十的意象詞匯分別為：Y1創(chuàng)新-老舊、Y8精致-粗糙、Y11整體-分散、Y14簡(jiǎn)潔-復(fù)雜、Y16豪華-樸實(shí)、Y17霸氣-內(nèi)斂、Y18動(dòng)感-穩(wěn)重、Y19硬朗-柔和、Y24厚重-單薄、Y28越野-都市，統(tǒng)計(jì)結(jié)果如圖2所示。

圖2 意象詞匯統(tǒng)計(jì)結(jié)果

通過(guò)多維尺度分析和K-means聚類分析，進(jìn)一步降低意象維度獲取目標(biāo)意象。面對(duì)多維度意象詞匯進(jìn)行分類時(shí)，繁瑣且漫長(zhǎng)的過(guò)程可能會(huì)導(dǎo)致評(píng)價(jià)者很容易受到意象詞匯之間的相互干擾，導(dǎo)致很難做出準(zhǔn)確的判斷。因此，為了保證評(píng)價(jià)人員對(duì)意象詞匯分類的準(zhǔn)確性，該階段邀請(qǐng)?jiān)O(shè)計(jì)專業(yè)組成員對(duì)研究樣本進(jìn)行分類。首先，評(píng)價(jià)人員根據(jù)自身專業(yè)經(jīng)驗(yàn)將10個(gè)意象詞匯進(jìn)行分類，分組數(shù)目和各組內(nèi)研究樣本數(shù)量不做要求。其次，將分類數(shù)據(jù)進(jìn)行整理，統(tǒng)計(jì)兩兩意象詞匯分在同一組內(nèi)次數(shù)，建立10×10相似度矩陣并得到距離矩陣。然后，通過(guò)SPSS軟件對(duì)研究樣本庫(kù)的分類數(shù)據(jù)進(jìn)行多維尺度分析和K-means聚類分析，以設(shè)計(jì)專業(yè)組普遍分組數(shù)目為標(biāo)準(zhǔn)，設(shè)定分類數(shù)目為3類。最終，得到10個(gè)意象詞匯與其所屬類目中心點(diǎn)的距離結(jié)果，選取每個(gè)類別當(dāng)中距離中心點(diǎn)最近的意象詞匯作為最終目標(biāo)意象，確定內(nèi)外飾造型目標(biāo)意象為 ：“Y16豪華-樸實(shí)”、“Y19硬朗-柔和”、“Y28越野-都市”三個(gè)維度。

2.2 目標(biāo)意象評(píng)價(jià)

為進(jìn)一步挖掘用戶對(duì)汽車內(nèi)外飾造型深層次意象認(rèn)知，采用語(yǔ)義差分法將目標(biāo)意象與研究樣本庫(kù)組合，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”七級(jí)評(píng)價(jià)標(biāo)準(zhǔn)，分別記為-3，-2，-1，0，1，2，3分，制成七級(jí)標(biāo)度SD調(diào)查問(wèn)卷[17]?？紤]到本次調(diào)查問(wèn)卷中研究樣本數(shù)量，如果直接讓目標(biāo)用戶進(jìn)行評(píng)價(jià)打分的話，可能會(huì)出現(xiàn)評(píng)價(jià)差異過(guò)大或相對(duì)集中的問(wèn)題；另一方面考慮汽車內(nèi)外飾造型最終呈現(xiàn)的目標(biāo)意象受眾主體依然是目標(biāo)用戶。因此，在評(píng)價(jià)用戶的選擇方面，以專業(yè)人員組輔助目標(biāo)用戶組參與此次評(píng)價(jià)問(wèn)卷調(diào)研。此外，考慮到汽車內(nèi)外飾造型意象之間的差異性，保證最終獲取的評(píng)價(jià)數(shù)據(jù)客觀性和可用性，此次評(píng)價(jià)問(wèn)卷將對(duì)研究樣本的內(nèi)外飾分開(kāi)進(jìn)行評(píng)價(jià)打分，然后將外飾和內(nèi)飾評(píng)價(jià)數(shù)據(jù)相加，作為該研究樣本的最終評(píng)價(jià)數(shù)據(jù)，如表3所示。

表3 原始評(píng)價(jià)數(shù)據(jù)

2.3 計(jì)算樣本多維意象評(píng)價(jià)值

多維意象代表了汽車內(nèi)外飾整體意象趨勢(shì)，而整體意象本質(zhì)上就是將多維度的目標(biāo)意象的評(píng)價(jià)數(shù)據(jù)利用加權(quán)求和的方法進(jìn)行融合統(tǒng)一[18,19]。為減少表6評(píng)價(jià)數(shù)據(jù)中的誤差，需對(duì)表6中汽車內(nèi)外飾各意象詞匯原始評(píng)價(jià)數(shù)據(jù)進(jìn)行線性變換，按式(1)進(jìn)行離差標(biāo)準(zhǔn)化處理，離差標(biāo)準(zhǔn)化數(shù)據(jù)如表4所示。

表4 離差標(biāo)準(zhǔn)化數(shù)據(jù)

并運(yùn)用熵理論，可求得各目標(biāo)意象的權(quán)重，來(lái)量化目標(biāo)用戶對(duì)汽車內(nèi)外飾造型多維意象的感性認(rèn)知。由式(3)～式(5)最終計(jì)算得出汽車內(nèi)外飾各目標(biāo)意象熵值Ij和wj權(quán)重值，如表5所示。

表5 各目標(biāo)意象熵值Ij和wj權(quán)重值

并通過(guò)式(6)加權(quán)求和得到各目標(biāo)意象權(quán)重?cái)?shù)據(jù)和多維意象評(píng)價(jià)值如表6所示。

表6 權(quán)重?cái)?shù)據(jù)及多維意象評(píng)價(jià)值

2.4 汽車內(nèi)外飾造型多維意象評(píng)價(jià)分析

從多維意象評(píng)價(jià)值可以直觀的看出目標(biāo)用戶對(duì)汽車內(nèi)外飾30個(gè)研究樣本的綜合情感需求。依據(jù)表10，可知個(gè)研究樣本最終多維意象平均值排序結(jié)果。其中，研究樣本X9多維意象評(píng)價(jià)值為0.9317，排在30個(gè)研究樣本第一位，說(shuō)明該研究樣本最能滿足目標(biāo)用戶對(duì)于汽車內(nèi)外飾多維意象需求；研究樣本X1、X2、X22和X29為目標(biāo)用戶多維意象評(píng)價(jià)2-5位，說(shuō)明該四個(gè)研究樣本能較好的表達(dá)“Y16豪華-樸實(shí)”、“Y19硬朗-柔和”和“Y28越野-都市”三個(gè)維度意象；而研究樣本X11、X23和X24多維意象平均值為最后三位，這表明目標(biāo)用戶對(duì)于此類研究樣本的多維意象認(rèn)知較弱。通過(guò)以上分析，得到目標(biāo)用戶對(duì)于汽車內(nèi)外飾多維意象評(píng)價(jià)空間，實(shí)現(xiàn)了在特定多維意象下對(duì)汽車內(nèi)外飾造型的評(píng)價(jià)。

3 結(jié)語(yǔ)

本文根據(jù)用戶對(duì)于汽車造型意象的多維度認(rèn)知特點(diǎn)，綜合考慮汽車造型意象的影響因素，提出了一種汽車內(nèi)外飾造型多維意象評(píng)價(jià)模型。該評(píng)價(jià)模型以提升用戶對(duì)于汽車內(nèi)外飾多維意象認(rèn)知滿意度為前提，通過(guò)統(tǒng)計(jì)學(xué)方法確定“Y16豪華-樸實(shí)”、“Y19硬朗-柔和”和“Y28越野-都市”三個(gè)維度作為汽車內(nèi)外飾造型目標(biāo)意象，并運(yùn)用語(yǔ)義差分法建立研究樣本與目標(biāo)意象評(píng)價(jià)模型獲取目標(biāo)意象評(píng)價(jià)數(shù)據(jù)，采用熵理論確定各目標(biāo)意象權(quán)重，進(jìn)而計(jì)算得出多維意象評(píng)價(jià)值。設(shè)計(jì)人員可根據(jù)最終多維意象評(píng)價(jià)結(jié)果對(duì)于研究樣本進(jìn)行合理決策，一定程度上降低了企業(yè)開(kāi)發(fā)風(fēng)險(xiǎn)。

本文主要對(duì)汽車內(nèi)外飾層面展開(kāi)多維意象認(rèn)知的研究，而影響用戶對(duì)于汽車造型多維意象評(píng)價(jià)的因素不僅僅只有內(nèi)外飾造型，還包括車身顏色、內(nèi)飾材質(zhì)等諸多設(shè)計(jì)因素；同時(shí)，研究不同維度的造型意象對(duì)評(píng)價(jià)精度的影響，如何更好的對(duì)用戶評(píng)價(jià)進(jìn)行量化，提升研究樣本與多維意象之間的匹配度。因此，如何將這些因素進(jìn)行綜合研究，可以進(jìn)一步結(jié)合人工智能算法，進(jìn)一步優(yōu)化評(píng)價(jià)模型，使其在使用過(guò)程中更加智能，將是后續(xù)研究的重點(diǎn)方向。