汽車人機工程設計中人體數據應用方法的研究*

任金東，陳景輝，陸善彬，杜曉明

(1.吉林大學汽車工程學院，長春 130025; 2.一汽技術中心，長春 130022)

前言

微觀人機工程學是人機工程學科的重要分支，其研究對象主要是各種產品和工作場所的設計問題。人們在工作和生活中不可避免地會與各種產品和工作場所打交道，如果它們的設計沒有充分考慮人的因素，就會給人帶來不便。然而，在從事產品或工作場所設計時，其設計過程通常是和最終的用戶分開的，因此充分考慮用戶特點和需求、以用戶為中心進行人機工程學設計顯得尤為重要［1］。

在運用微觀人機工程學原理進行設計時，首先要明確目標人群的人體數據分布特點，以此作為布局和尺寸設計的依據，以保證設計方案能適合人群中的絕大多數個體，即具有足夠的適應度。傳統的設計方法主要以人體數據的百分位數為依據。這種方法對于一維設計問題很有效，能夠準確地保證適應度。但設計中面臨的許多設計問題都不是一維的，須同時考慮多項人體尺度，若簡單地根據人體數據的百分位數來確定產品尺寸，勢必造成設計上的浪費和人機工效的不合理。因此，必須研究多維設計時科學地運用人體數據的方法。

數字人體模型是進行人機工程設計和分析的有力工具，但應用中的一個主要問題還是所采用的人體數據;如果數據不合適，所生成的人體模型就不能很好地反映人群的分布特點，設計和分析就不能得出準確和客觀的結果。

本文中探討在多維設計問題中如何正確、有效地運用人體數據，通過研究，建立了基于主成分分析(principal components analysis，PCA)的駕駛員人群關鍵人體數據生成方法，用于乘用車人機工程的設計和分析。

1 多變量設計問題

1.1 人體測量數據及其分布

在與人體尺度相關的設計中，為達到足夠的設計適應度，須根據目標人群的相關人體尺度來確定產品尺寸。由于多維人體尺度呈現一定的分布，是多維隨機變量，必須根據其分布特點來選取用于確定產品尺寸的人體數據，這里稱為設計參考值。使用設計參考值的意義就在于，使設計結果從統計學角度滿足所要求的適應度。

設矢量x表示人體的n個測量數據項。對于單一性別人群，大多數一維靜態人體測量數據近似符合正態分布，則總體x的聯合分布概率密度函數為

式中:μ為x的均值;B為x的協方差矩陣。

1.2 一維設計問題及其適應度

人機工程設計領域，很多設計問題與人的某項一維人體尺度有關，或者同時與幾個一維人體尺度有關。對于后者，應該考慮人體尺度的聯合分布來確定產品尺寸;但在空間要求不太嚴格的情況下，可視這些人體尺度為各自獨立的變量，分別對這些一維方向的產品尺寸進行設計，從而最終完成整個設計任務。于是，產品設計就簡化為一系列的一維設計問題。

一般地說，對于一維設計問題，首先要確定與設計問題相關的人體尺度;然后根據這些人體尺度的分布和設計問題的特點來選擇合適的人體數據百分位數，作為設計參考值。產品的最終尺寸由設計參考值和修正量兩部分組成。根據設計問題的特點，在根據適應度要求確定人體數據百分位數時，通常有Ⅰ型、ⅡA型、ⅡB型和Ⅲ型設計類型［1-2］。例如:要確定轎車頂蓋內部高度，這是一個典型的ⅡA型設計問題，要滿足95%的目標乘員的乘坐空間要求，須以目標人群中95th百分位男子坐姿頭頂高度為依據，再考慮必要的修正量(戴帽子、間隙和顛簸等所需的空間)稱為功能修正量;有時還要考慮心理修正量，來確定最終的高度。

1.3 多維設計問題及其適應度

如果設計問題與多項人體尺度相關，且須同時考慮這些尺度時，問題就非常復雜。因為多維隨機變量不具有單調性，不能根據適應度要求直觀地選取設計參考值。根據多維人體尺度的分布，可將其置信空間(一維置信區間的推廣)邊界做出，該邊界為多維空間的封閉超曲面。理論上，若要達到適應度，必須使設計結果適合該置信邊界內(含邊界上)的任何一個個體;但置信邊界內分布著無數個體，不可能對他們逐一檢查，通常從中抽取一定數量的個體組成樣本，只對他們進行檢查。只要樣本抽取得當，就有理由認為樣本的檢查結果以一定的概率反映設計對人群的適應度。一般情況下，多維人體尺度分布中心附近的個體對產品設計要求容易得到滿足;處于分布邊緣的個體則是設計中需要重點考慮的，因此，應在置信邊界上選取用于檢查的個體。在多維人體尺度分布置信邊界上按照某種規律選取的個體所建立的人體模型稱為邊緣人體模型(Boundary Manikins)。

2 多變量設計的關鍵人體數據

2.1 人群分布的描述

設m為與設計相關的人體尺度矢量集，其中存在k個主成分，它們是原m中各分量的線性組合，且相互正交。第一主成分所在方位描述的人群中個體離散程度最大;第二主成分方位垂直于第一主成分，在該方向數據離散程度次之;依此類推。很多時候，前3個主成分描述的個體離散程度累積占85%以上，根據它們的聯合分布能將原人體尺度分布的置信邊界做出。當只取3個主成分時，人體尺度分布的置信邊界由式(2)確定:

式中:Fi為第i個主成分;μFi為第i個主成分的均值;σFi為第i個主成分的標準差;～χ2(3)表示人體尺度集m的卡方服從自由度為3的卡方分布。如果所采用的人體尺度之間的相關性很小，則可以直接利用它們將分布的置信邊界做出。圖1為置信度為95%的部分國家人群的兩項人體尺寸聯合分布邊界。由此可見，不同國家和地區的人體尺寸分布可能存在較大的差異，設計中必須準確地運用人體數據。

2.2 多變量設計的關鍵人體數據

多變量設計問題的關鍵人體數據是由人群人體尺度分布置信邊界上的個體組成的樣本。樣本容量越大、在置信邊界上的分布越均勻，它們所描述的空間邊界與原來的置信邊界越接近。為減小設計和分析的工作量，在滿足精度的條件下，希望盡可能減少關鍵人體數據中個體的數目。

當主成分數目等于 2 時［3］，置信邊界為橢圓［1］，如圖2所示。可選取橢圓軸的4個端點作為關鍵人體數據，見圖2(a)，所建立的人體模型稱為PCA人體模型。也可按照圖2(b)的方式選取，4個個體中的某一人體尺度分別是置信邊界的極值。要使關鍵人體數據所描述的人體尺度分布范圍和原置信邊界描述的分布范圍盡可能接近，還可在上述所選個體之間再增加一些新的個體［4］。

當主成分數目等于3時，置信邊界為橢球，如圖3所示。可在橢球的軸線端點選取6個個體(PCA人體模型)，見圖3(a)，以及在8個象限的橢球表面中心處再各選取一點，見圖3(b)，以這14個個體作為關鍵人體數據。將圖3中個體人體尺寸特點列于表1，從中可見，每個個體都具有獨特的身材、胖瘦和體型特點。

表1 關鍵人體數據中的個體

2.3 基于任務的關鍵人體數據

采用上述目標人群關鍵人體數據的選取方法，對于人機工程設計領域的各種問題，能夠生成完備的一系列個體，稱作原人群的設計樣本或測試樣本。但是，有的設計場合并不需要所有的這些個體，而只需要分布在邊界上的某些個體，這時可只將這部分個體找出來，稱為基于任務的個體，由它們建立的邊緣人體模型稱為基于任務的邊緣人體模型［5］。

3 乘用車人機設計關鍵人體數據

汽車人機工程設計從時間上分為方案設計和詳細設計兩個階段。方案設計階段處于總體布置設計前期，主要確定與駕駛員操作、乘坐、視野和空間有關的布局，所建立的方案稱為基本設計方案［1］。基本設計方案確定了設計的基調，對于后續的詳細方案設計至關重要;并且決定了駕駛員的視野、操作和乘坐性能的優劣。為說明問題的方便和限于篇幅，這里暫時考慮駕駛員乘坐位置和頂蓋高度來確定用于基本設計方案設計和分析的關鍵人體數據，其基本設計要求是滿足目標駕駛員群體中絕大多數人的使用要求。

3.1 目標人群的統計描述

通過分析，選取一系列與汽車駕駛室人機工程設計有關的人體尺度［1］，如圖4所示。對若干國家的上述人體尺度進行主成分分析發現，前3個主成分對方差的累積貢獻率大于85%，因此，選取前3個主成分來描述人群人體數據的分布。根據對1988年美國軍方人體數據［6］分析的結果，得出男性身高S、坐高H和體質量W的因子模型為

式中:F1、F2、F3分別為所選人體尺度的前3階主成分。同樣可得出其他人體尺度的因子模型。

3.2 目標人群的關鍵人體數據

利用前3階主成分F1、F2、F3的聯合分布做出人體尺度分布的置信邊界。因為主成分是經過標準化的正態分布變量，且互不相關，分布邊界是圓球面，其半徑取決于置信度。本文中的計算所選置信度皆為85%。

在邊界上選取沿F1、F2、F3方向軸的端點，以及8個象限中心方向與邊界圓的交點作為關鍵人體數據點。男性和女性各有14個個體。對于男性和女性，這些個體的選取具有統一的格式，即在F1、F2、F3空間內采用球坐標來計算個體坐標，見圖5和表2。采用1988年美國軍方人體數據，根據式(3)計算出男性14個個體的坐高、身高和體質量的數值和百分位，見表3。坐高和身高百分位的分布參見圖6。

表2 個體的主成分坐標

表3 男性關鍵人體數據個體

3.3 乘用車人機工程設計的關鍵人體數據

通過前面的計算，已經建立了關鍵人體數據，總共包括28個個體。但利用這28個個體來設計駕駛員乘坐位置和頂蓋內高的工作量很大。研究得知，駕駛員乘坐位置主要取決于駕駛員下肢長度;而頂蓋內高則取決于乘坐位置、坐姿和人體坐高的分布。雖然轉向盤位置對于駕駛員乘坐位置分布具有重要影響［7］，但在基本方案設計時應首先考慮人的舒適性來確定乘坐位置。綜上所述，影響乘坐位置和頂蓋內高的人體因素主要是下肢長度和坐高。下肢長度的差異主要取決于身高與坐高差值的差異。針對乘坐位置和頂蓋高度的設計要求，根據身高和坐高的分布對關鍵人體數據中的個體進行篩選，結果見表4。表中個體8對應于女子關鍵數據中序號8的個體，具有最短的下肢;個體6為具有最長下肢的男性;個體2具有最大的坐高尺寸。

表4 用于設計乘坐位置和頂蓋內高的關鍵人體數據

4 結論

研究了在人機工程設計和分析中根據目標人群的人體數據，利用主成分法描述人群人體尺度分布，建立分布置信邊界和選取關鍵人體數據。利用該方法能夠建立適合汽車、乃至一般工業設計和分析的目標人群的設計和分析樣本。

采用主成分方法可能出現的一個問題是采用許多階主成分仍達不到所需的置信度。另外，對于汽車布置設計和分析，設計適應度的保證不但要考慮人體尺度，還必須考慮人體姿勢的影響。

這種多變量設計中的人體數據應用方法對于設計適應度的改善有時會受到其它因素的影響，因為某些設計問題所包含的若干因素可能相互矛盾，顧此則失彼，設計時應該分清主次、尋求一個良好的平衡。同時，設計通常包括很多內容，不同的設計內容須依據合適的人體尺度，并且總體上應盡量減少設計樣本中的個體數，以減少設計和分析的工作量，因此，應采用基于任務的關鍵人體數據方法。

［1］任金東.汽車人機工程學［M］.北京:北京大學出版社，2010.

［2］周一鳴，毛恩榮.車輛人機工程學［M］.北京:北京理工大學出版社，1999.

［3］Wirsching Hans-Joachim，Premkumar Sandeep.Statistical Representations of Human Populations in Ergonomic Design［C］.SAE Paper 2007-01-2451.

［4］任金東，范子杰，黃金陵.數字人體模型技術及其在汽車人機工程設計中的應用綜述［J］.汽車工程，2006，28(7):647-651.

［5］Reddi Sarath，Sen Dibakar.Task Dependent Boundary Manikins in Statistical DHM［C］.SAE Paper 2008-01-1890.

［6］Gordon Claire C，Churchill Thomas，Clauser Charles E，et al.1988 Anthropometric Survey of U.S.Army Personnel:Methods and Summary Statistics［M］.Anthropology Research Project，INC.Yellow Springs，Ohio 45387.1989.

［7］Reed Matthew R，Manary Miriam A，Flannagan Carol A C，et al.A Statistical Method for Predicting Automobile Driving Posture［J］.Human Factors，2002，44(4).