¹贵州大学现代制造技术教育部重点实验室，贵州 贵阳

²贵州大学机械工程学院，贵州 贵阳

收稿日期：2021年4月6日；录用日期：2021年5月31日；发布日期：2021年6月7日

摘要

为明确汽车前脸造型与汽车意象认知的关系，运用感性工学技术将用户对汽车前脸的设计要素造型认知因素量化。通过爬虫得到相关数据库，以汽车前脸为样本进行意象认知实验的基础上，运用语义差异法用户的感性意象评价，对汽车前脸各设计要素进行数量化I类处理，再通过多元线性回归分析建立汽车前脸造型意象认知空间。总结了汽车前脸造型评价因子的对各相关感性意象的主要影响因素。最后通过建模软件，根据相关意象对汽车前脸进行了设计应用，为设计师及研究者们使用消费者情感意象进行汽车造型设计时提供一定指导。

关键词

感性工学，感性意象，汽车前脸，设计要素

Research and Application of Image Model of Automobile Front Face

Wentong Li¹, Li Lin², Yanhua Wu², Yuanyuan Li²

¹Key Laboratory of Advanced Manufacturing Technology, Ministry of Education, Guizhou University, Guiyang Guizhou

²College of Mechanical Engineering, Guizhou University, Guiyang Guizhou

Received: Apr. 6^th, 2021; accepted: May 31^st, 2021; published: Jun. 7^th, 2021

ABSTRACT

In order to clarify the relationship between car front face shape and car image recognition, kansei engineering technology is used to quantify the user’s perception of the car front face design element shape. Relevant databases are obtained through crawlers. On the basis of image cognition experiments with car front faces as samples, the user’s perceptual image evaluation using semantic difference method is used to quantify the design elements of car front faces in Type I processing, and then through multiple linear regression, we analyze and establish a cognitive space for the imagery of the front face of the car, summarize the main influencing factors of the automobile front face model evaluation factors on the related perceptual images. Finally, modeling software is used to design and apply the front face of the car according to the relevant imagery, which provides some guidance for designers and researchers when using consumer emotional imagery to design car styling.

Keywords:Kansei Engineering, Perceptual Image, Car Front Face, Design Elements

Copyright © 2021 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

随着人们经济水平的提高，汽车产业呈现欣欣向荣的良好发展姿态，同时随着汽车设计的推陈出新及消费者审美水平的提高，使得消费者不仅仅考虑汽车的使用功能，对汽车的情感需求也变得更加多样化和个性化，不同的汽车造型带给消费者不同的情感意象。汽车前脸造型作为汽车情感意象体现的重要部分 [1]，成为设计师和研究者们进行汽车设计和研究时的重点。近年来，设计师和研究者们利用感性工学技术，不断探索研究消费者对汽车造型要素与感性意象的映射关系 [2] [3]，对汽车设计起到了积极促进的作用。这有利于打破以设计师为主导的传统设计方法 [4]，使设计师发挥创新和探索精神，在尊重汽车工程设计的前提下以消费者为中心，关注消费者更高层次的情感需求，同时使汽车前脸造型设计更符合社会发展需求。

2. 研究现状

2.1. 感性工学

感性工学的研究内容是以数学工程的方式将人对物品的感觉量化，是研究产品感性意象的重要方法 [5]。感性工学可以帮助设计师将用户所期望之感性或意象通过科学客观的方法在产品设计中自然的融入和传达情感。当前感性工学中产品的意象研究主要集中在通过不同方法提取感性意象、建立感性意象与产品设计要素的映射关系和基于感性意象的创新设计方法等。

2.2. 产品意象

产品意象是一种用户由产品引发的意识认知活动，是用户通过经验、想象、直觉等进行的思维活动 [6]。设计师运用产品意象进行设计可以使产品更加人性化，也可以更丰富的表达情感，从而提升用户满意度、产品的综合价值以及构筑人与产品之间的良好互动关系。

2.3. 汽车造型意象

汽车上任何设计要素都是影响汽车意象的因素之一。在汽车造型意象的研究中有：针对SUV汽车前脸造型进行感性意象设计 [7]，通过大数据进行感性意象提取并与汽车设计造型特征建立映射关系 [8]，使用傅里叶进行感性意象综合评分模型确定汽车关键设计要素及其重要性排序 [9]。本文从汽车造型设计需求出发，以人对汽车前脸造型意象为主题，探讨车前脸各设计类目对感性意象的影响；以期解决在设计过程中，用户情感难以量化并融入设计的困难，提高用户的认同感，引导汽车设计活动的明确施行。

3. 汽车前脸造型意象实验

以目前市场上消费者认可并主要使用的汽车为研究对象，设计汽车前脸造型意象实验流程如图1所示：

图1. 汽车前脸造型意象实验流程

3.1. 实验样本的选定

本研究以汽车前脸为研究主体，使用scrapy工具进行网络爬虫，爬取包括相关网站(汽车之家)的相关信息，设定爬虫停止时获取汽车前脸图片500张，评价文本500条，通过对汽车前脸图片手工筛选的方式筛除同款车型，并挑选出车型中的4个不同的系列，分别为商务车型、轿车车型、越野车型、跑车车型，每个系列9张图片共36个样本。通过对评价文本进行形容词统计并排名的方式，选取前200个汽车前脸的感性意象语意，经初步筛选，排除其意义、性质过于相近的，确定58个感性意象语意作为第一步感性意象语意筛选的感性意象语意。

图片处理原则为：1) 去除角度的影响，全部选择汽车同一角度正视图。2) 去除色彩的影响，样本照片全部进行灰度处理。3) 去除背景的影响，样本照片全部进行去背景，去色处理。根据文献研究所得的结果，影响汽车的意象因素主要有：车灯、挡风玻璃、车身轮廓、栅格、后视镜、色彩、车辆高度以及车身花纹等等。挑选车灯、挡风玻璃、前脸轮廓、后视镜为汽车前脸的主要因素，选择对应于汽车前脸的影响因素。选择了随机排列为图2所示，后续实验被试可根据自己喜好重新排列呈现方式。

图2. 汽车前脸造型意象实验初始样本

3.2. 意象形容词选定

3.2.1. 感性意象语意的初步筛选

受试群体为15名具有一定感性工学基础的研究生以及5名具有一定设计经验设计师，使用线下调查问卷的形式，在被试观察所给汽车前脸造型意象样本图片后，结合被试自己的认知经验、审美，勾选出认为最适合汽车前脸造型的意象词汇，筛选条件为将形容词词汇被勾选的次数加以统计，选取勾选次数达1/3 (7次)的形容词，实验结果如表1所示。

表1. 各意象词汇勾选次数表格

3.2.2. 感性意象语意分群

邀请15名具有一定感性工学基础的研究生以及5名具有一定设计经验设计师，使用的测试方法为请被试在仔细看过形容词后，应用SD打分法，对着19个词汇的相似度进行打分，并制成19*19的表格，将结果通过spss统计软件进行系统聚类和K-means聚类分析，结果图3所示，由图可知，样本分为4群较为合适。

图3. 感性意象聚类树状图

计算出各样本在两个维度上的距离群中心距离，值越小越能体现该群组的总体特征，因此由聚类结果表2可知，汽车前脸的感性意象为“好看的、简洁的、夸张的、精致的、高级的”，其中组四的聚类成员距离相同，二者取其一。构成四个形容词对即好看的–看的、简洁的–复杂的、夸张的–普通的、精致的–粗糙的、高级的–低级的。

表2. 意象词汇聚类结果

3.3. 代表性样本确定

采用人工等级聚类的方法剔除形式相近的样本，最终确定12张汽车前脸图片作为本次实验的初步样本，如图4所示。

图4. 最终样本图片

3.4. 汽车前脸影响要素分析

在对汽车前脸感性分析中，采用形态分析法提取汽车前脸造型设计要素，将汽车前脸造型划分为不同的形态设计要素。选取十名有经验的设计师及10名工业设计硕士进行调研，对汽车前脸各形态设计要素重要度研究，最终发现前脸轮廓、栅格、挡风玻璃、大灯等对汽车前脸造型的影响最大。因此将组成汽车前脸的主要设计要素分成了四个项目，共计九个类目，如图5所示每一个类目定义如下：

图5. 汽车前脸要素类目表

4. 汽车前脸意象空间建立

4.1. 汽车前脸造型意象得分及设计要素分析

在具体的某一感性意象下，所有测试者均针对其中每一个样本进行语意差异法(Semantic difference, SD)打分，将所有测试者针对样本的语意差异得分经过计算平均值，15名了解感性工学的研究生作为被试对12个样本就5个感性意象语意采用SD法打分之后，整理后可以得到各样本在感性意象语意下的平均值，得到意象认知空间，如表3所示：

表3. 各样本的感性意象平均值

根据数量化I类理论的原理，该样本符合该类目条件就参数化处理为“1”；不符合该类目条件则就参数化处理为“0”。根据汽车前脸造型影响因素表和各类目的定义可以清楚地了解每个项目和所有类目的定义描述，由此整理出实验所用个样本的造型设计要素编码表。其中表中数据1代表该样本具有该项目中该类目的属性，数据0代表该样本无该项目中该类目的属性。以此将人对样本的设计要素定性描述转化成为以数字化显示的定量的描述，如表4所示。

表4. 汽车前脸造型设计要素编码表

4.2. 汽车前脸造型法则构建

在建立多元线性回归方程之前，对回归模型进行误差项的独立性检验，结果如图6所示。通过spss统计软件验证，在这个模型里面，杜宾一瓦特森检验值DW = 2.212 ≈ 2，说明模型变量无序列关系。对于回归模型的估计值是可靠的。

图6. 回归模型独立性检验结果

将个样本经过数量化Ⅰ类分析，得到汽车前脸造型设计要素与感性意象的类目得分。制作成汽车前脸造型设计要素与感性意象关联表。如图7所示。

对标中各数据进行分析，表中类目分数的代表该项目对于此感性意象的符合程度，正值越大代表越符合此意象，而负值越小则代表越符合此负向意象。比如对于“好看的”这一感性意象语意，正的类目得分代表这一要素的出现会增加材料质感的“好看的”的意象，数值越大则代表符合的此意象的程度越高，相反，负值的代表这一要素的出现会削弱汽车前脸的“好看的”意象。

图7. 不同汽车前脸造型设计要素的类目得分和相关系数表

对“好看的”意象影响最大的造型要素为栅格，高度的影响因素最小。挡风玻璃的斜度对“实用的”意象减小程度最大。通过分析可知，使“好看的”意象分值最大的组合形式为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较大 + 大灯轮廓简洁；对“简洁的”意象影响最大的造型要素为栅格，前脸轮廓高度的影响因素最小。挡风玻璃对“简洁的”意象减小程度最大。通过分析可知，“简洁的”意象分值最大的组合形式为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较大 + 大灯轮廓简洁；对“夸张的”意象影响最大的造型要素为前脸轮廓高度，栅格的影响因素最小。挡风玻璃的加入最容易削弱“实夸张的”意象倾向。通过分析可知，“夸张的”意象分值最大的组合形式为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较大 + 大灯轮廓复杂；对“精致的”意象影响最大的造型要素为大灯，挡风玻璃的影响因素最小。通过分析可知，“精致的”意象分值最大的组合形式为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较小 + 大灯轮廓复杂；对“高级的”意象影响最大的造型要素为大灯轮廓，前脸轮廓高度的影响因素最小。通过分析可知，“高级的”意象分值最大的组合形式为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较小 + 大灯轮廓复杂。

以“好看的”意象语义为例，表中显示回归模型的回归系数是常数项，为−0.354。而自变量X11，X12，X13，X21，X22，X31，X32，X41，X42分别为0，0.101，0.086，0，0.064，0，−0.174，0，−0.354。将各类目汽车前脸造型设计要素编码和不同汽车前脸造型设计要素的类目得分和相关系数结果导入到SPSS统计软件中进行多元线性回归分析，可知“好看的”意象语义与汽车前脸设计要素之间的回归模型为：

$\begin{array}{l}Y2=\left\{\begin{array}{c}0\times \text{x}11\\ 0.09\times \text{x}12\\ 0.296\times \text{x}13\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}21\\ \\ 0.214\times \text{x}22\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}31\\ \\ -0.681\times \text{x}32\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}41\\ \\ -0.451\times \text{x}42\end{array}\right\}\text{+}3.678\\ Y3=\left\{\begin{array}{c}0\times \text{x}11\\ 0.199\times \text{x}12\\ 0.696\times \text{x}13\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}21\\ \\ 0.469\times \text{x}22\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}31\\ \\ -0.098\times \text{x}32\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}41\\ \\ -0.151\times \text{x}42\end{array}\right\}\text{+2}\text{.401}\end{array}$

$\begin{array}{l}Y4=\left\{\begin{array}{c}0\times \text{x}11\\ 0.487\times \text{x}12\\ 0.646\times \text{x}13\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}21\\ \\ 0.015\times \text{x}22\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}31\\ \\ -0.091\times \text{x}32\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}41\\ \\ -0.198\times \text{x}42\end{array}\right\}\text{+2}\text{.237}\\ Y5=\left\{\begin{array}{c}0\times \text{x}11\\ 0.461\times \text{x}12\\ 0.593\times \text{x}13\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}21\\ \\ 0.17\times \text{x}22\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}31\\ \\ -0.098\times \text{x}32\end{array}\right\}\text{+}\left\{\begin{array}{c}0\times \text{x}41\\ \\ -0.39\times \text{x}42\end{array}\right\}\text{+2}\text{.257}\end{array}$

同理，也可以其他意象语义与汽车前脸设计要素的回归模型。

4.3. 实验结果分析

对“好看的”(Yl)意象贡献率最高的材质要素为栅格(范围值为0.064)，高度的贡献率最低(范围值为0.015)。说明在对汽车前脸造型进行“好看的”意象判断时，栅格起到了最主要的作用，而大灯的作用最小“轮廓复杂”(得分为−0.354)的加入最容易削弱“好看的”意象倾向。

归纳以上分析，可以看出在对汽车前脸轮廓意象的影响因素中，高度的影响最小，栅格、挡风玻璃、大灯的作用先于高度的影响。

5. 实验验证

从爬虫得到的数据库里选择不包含在前面实验样本中的其他验证样本，如图8所示：

图8. 验证试验样本

针对2个验证样本，确定出其造型要素的编码如表5所示：

表5. 验证样本造型要素编码

将验证样本质感组成要素特性代入多元回归方程(KE模型)中，计算出其意象得分。计算出这两个样本的5个感性意象语意的得分值，整理成表6所示。

表6. 模型预测意象预测值

邀请10名被试进行5阶语意差异法的问卷调查，对2个汽车前脸造型样本就5个感性意象语意进行打分，统计所有被试的资料后，将各感性意象语意的得分平均值整理成表7所示。

表7. 验证样本感性意象平均值

将计算值与评价得分输入spss，进行单一样本T检验，结果如表8所示，显著性水平P值大于0.05，表示汽车前脸造型感性工学模型的预测结果与被试的评分值有显著差异，即预测结果与被试的感受不同；反之，若显著性水平P值小于0.05，则表示预测结果与被试的感受较为接近或相同，则KE模型有着较高的准确性，有较高的可信度。

表8. 配对样本相关性检验结果

结果显示所有样本的计算值和实验值的R相关系数均较大。其中，样本1的计算值和实验值的相关性最高，达到0.998,较低的是样本2，相关系数0.972，可以说明样本感性意象语意的计算值和实验所得预估值具有很大的相关性。所有样本的P值均小于0.05，可以认为所有样本感性意象语意的计算值和实验所得预估值都具有显著相关性。且样本1的值都达到了0.000，可以认为非常相关。较低的是样本2，P值为0.001，可以认为显著相关。

6. 计算机辅助汽车前脸意象设计

邀请5位有购买汽车意象或以有购买经验的用户作为本次计算机辅助汽车前脸意象设计的定位群体，通过对用户群体的，针对“好看、简洁”这两个情感需求，运用三维建模软件设计了一款汽车前脸，有模型可知，“好看 + 简洁”意象得分最大的组合为前脸轮廓高度较低 + 栅格面积较小 + 挡风玻璃斜度较大 + 大灯轮廓简洁，最终得到如图9所示汽车前脸模型。

图9. 设计模型图片

邀请被试对该设计模型分别进行打分，并将各意象分值制成便于观看的折线图，如图10所示，可以看出被试对于本情感设计模型的打分均在4分以上，表明对本次情感设计感到满意，证明了该模型的合理性。

图10. 设计模型意象评分折线图

7. 结语

对产品情感价值的探究是链接用户潜在需求的重要途径，因此在产品设计的创新中越来越强调情感设计。感性工学已经发展成为一种面向消费者的技术即将消费者对产品的感觉和形象转化为设计元素的技术。因此，汽车外观造型对用户的情感价值也越来越受到重视，而汽车前脸是汽车外观造型情感价值体现上的焦点，本文介绍了使用感性工学作为评估用户对汽车前脸造型的主观感知的工具，使用网络爬虫筛选样本及意象词汇，综合运用语义差异法、聚类分析法、形态分析法、因子分析法等统计学处理实验数据，对汽车前脸造型意象进行了研究，建立了汽车前脸造型与感性意象的映射关系，帮助设计师充分利用感性意象来进行汽车造型意象的情感化设计。后续的研究可以探讨影响汽车外观意象的其他方面，或开展其他角度的汽车造型设计研究。

文章引用

李汶潼,林 丽,吴艳华,李媛媛. 汽车前脸造型意象模型研究及应用
Research and Application of Image Model of Automobile Front Face[J]. 软件工程与应用, 2021, 10(03): 222-233. https://doi.org/10.12677/SEA.2021.103026

参考文献