基于多視角意象差異性的列車設施造型設計研究

張丙辰，王艷群，宋麗姝，邵星宇

?

基于多視角意象差異性的列車設施造型設計研究

張丙辰，王艷群，宋麗姝，邵星宇

(江蘇師范大學機電工程學院，江蘇 徐州 221116)

提高列車設施造型設計是改善鐵路客運質量的重要部分，目前列車設施造型設計重點主要是功能和結構的改良，旅客的心理需求和視覺體驗方面還有較大改善提升空間。解析意象認知與造型設計相關性的變化，為造型參數的量化研究提供參考。在前期視覺意象與產品造型關聯解析的基礎上，從走廊立位、走廊座位、中間座位、靠窗座位4個不同視角進行實驗，驗證不同位置視覺意象的差異性。針對不同視角的意象特點，統計三維樣本的實驗數據，應用數量化分析的基本方法，歸納出多視角視覺意象的變化。在數據統計的基礎上，結合視覺認知特點進行分析，解析不同視角與視覺意象中雅致因子、凝靜因子、柔潤因子及寬和因子與視覺舒適度的關聯機制。

多視角；視覺意象；內裝設施造型

鐵路客運是我國經濟和社會發展的大動脈，提高列車設施造型設計是改善鐵路客運質量的重要部分。目前，列車設施造型設計重點主要是功能和結構的改良，旅客的心理需求和視覺體驗方面有較大提升空間[1-2]。意象造型是以視知覺原理為基礎，將形態特征作為要素，將感性評價與理性量化相結合的設計方法[3]。國內外已有學者對基于視覺意象的造型設計進行了研究，如DEMIRTAS等[4]從消費者需求出發結合有序邏輯回歸，提出產品造型優化方案；HSIAO等[5]根據數量化I類理論從消費者心理出發，提出產品造型優化方案。徐江和孫守遷[6]提出了基于遺傳算法的產品意象造型優化設計方法。

根據前期研究可知，旅客視覺舒適度包含與造型特征相關的4個主意象因子即：雅致、凝靜、柔潤、寬和。其中雅致主意象因子包含優雅、現代、簡潔等成分，主要與造型風格、形態比例、細節塑造等相關；凝靜主意象因子包含零散、私密、厚重等成分，主要與造型封閉性、長寬比及重心位置等相關；柔潤主意象因子包含光滑、柔軟、親切等意象成分，主要與造型弧線和曲面的多少等相關；寬和主意象因子包含擁擠、寬闊、平和等意象成分，主要與造型的寬度及風格變化程度等相關[7-8]。各因子的影響度在不同視角下的差異性，反映了旅客在不同視角對列車設施的視覺認知變化，可以為復雜的列車設施的設計方向選擇提供參考。

1 不同視角的視覺意象實驗

25G型硬座車是我國現有車輛中保有量最大的車輛之一，尺度符合我國鐵路客車界限標準[9]。因此，實驗樣本采用25G型硬座車尺度作為基準原型。從乘客位置分布來看，旅客在內裝空間中所處位置不同，視角也會產生變化。5人排座椅為統型車硬座固定配置，由于列車平面布局的一、二位側具有對稱性，取3座連排的視角進行建模渲染，獲取最終的實驗樣本。

1.1 實驗對象

參與實驗的共28人，其中男性15人，女性13人；年齡區間為19~25歲，平均年齡22.1歲；有工業設計專業背景的21人，其余為環藝、平面等設計專業背景。所有人員均有乘坐硬座車的經歷，并知情同意。

1.2 實驗樣本

實驗樣本采用走廊站姿和3人座椅坐姿的4個視角，建模使用Alias三維軟件(圖1)，并將樣本的對比度、亮度等特征調節為統一基準。樣本轉為灰度模式，消除色相差異。樣本畫面的亮度均值、中間值等參數利用PS軟件中的亮度直方圖進行統一處理。

圖1 部分多視角實驗樣本

1.3 實驗程序

實驗樣本采用液晶顯示器(HP LV2011)全屏顯示，分辨率為1280×720，環境照度為155 1x，視角約21°，觀看距離約為0.6 m。樣本播放由點擊鼠標控制，每張樣本播放后的屏幕顯示為灰屏，并停頓8 s以上，減弱視覺殘留帶來的影響。由于實驗樣本數較多，在實驗過程中每經過一輪走廊站立及靠走廊、中間、靠窗座4個視角后，被試停止觀看樣本3 min，以便緩解視覺疲勞。

2 統計分析

2.1 多視角意象描述性統計分析

以前期研究的視覺意象因子為基礎，對實驗數據進行分析[7]。

(1) 由表1統計實驗數據可知雅致因子的最大值、最小值及均值有減小的趨勢。當測試畫面、被試群不變時，由于視角造成測試畫面產生變化，使統計數據產生了變化。雅致因子包含多種組成，如優致、豪華、現代、獨特、豐富等。由于樣本視角下降，視野中的造型特征有所減少，走廊站立視角的樣本畫面容易帶來對稱性及整體性的視覺感受，造型細節較多。在靠走廊座、中座、窗座樣本畫面中，設施造型特征關聯性逐漸減弱，細節逐漸減少。窗座樣本畫面由于視角較小，均值最低。

表1 基于雅致因子的不同視角分值

(2) 由表2統計實驗數據可知凝靜意象的極大值、極小值、均值有增高趨勢。凝靜意象包含多種成分，有散亂、私密、平穩成分。由于樣本畫面視角高度減小，視野中的造型變化逐漸減少。走廊立位視角較大，畫面中的內裝設施較多。在靠走廊座、中座、窗座視角的樣本畫面中，內裝設施及其造型細節減少，畫面中的同一設施，如側墻所占的面積增大，而且畫面重心降低。靠走廊座與走廊站視角的畫面內容組成較為類似，分值較為近似。

表2 基于凝靜因子的不同視角分值

(3) 由表3統計實驗數據可知柔潤意象的極大值、極小值、均值有增大趨勢。柔潤意象包含多種成分，如光滑、柔軟、親切。走廊站立的畫面視角較高，其中主要包括車頂造型的縱向線條細節及層次，使畫面中直線輪廓所占比例較高。在靠走廊座、中座、窗座的樣本畫面中，座椅所占面積較多，座椅造型與行李架、頂板比較，視覺感受更加柔和，分值增高。靠窗座視角樣本畫面中的側墻及行李架所占面積比例大，視角變小。側墻及車窗造型細節及變化少，分值減少。

表3 基于柔潤因子的不同視角分值

(4) 由表4統計實驗數據可知寬和意象的極大值、極小值、均值有減小趨勢。寬和意象包含多種成分，有擁擠、寬闊、平和成分。由于走廊站立視角較為寬闊，且處于列車中心附近，畫面中設施造型具有較強的規律性。靠走廊座、中間座、靠窗座視角畫面中，樣本畫面內容中的上部行李架及側墻所占面積較多，視角減小，分值降低。由此可知，相同樣本在上述不同視角中的分值逐漸降低。

表4 基于寬和因子的不同視角分值

2.2 視覺舒適度回歸分析

經過以上數據統計，以雅致因子、凝靜因子、柔潤因子及寬和因子為自變量，視覺舒適度為因變量進行分析。經整理分析后，各數據點類似直線分布，說明自變量與因變量之間的關聯可利用線性回歸進行分析(圖2)。

圖2 視覺舒適度回歸p-p圖

表5為各不同視角的視覺舒適度數據回歸分析，其顯著性小于2，即意象因子與視覺舒適度之間有類似線性回歸的關聯；杜賓-沃森值近似2，殘差與自變量沒有關聯，說明線性回歸分析成立。

表5 基于多視角差異的因子回歸分析

3 討 論

綜上，如被試群體不變，隨著畫面視角的變化，視覺意象4個主因子與舒適度均值產生了少許波動(表6)。

表6 不同視角的意象均值

視覺舒適度與雅致、凝靜、柔潤、寬和4因子分別以、1、2、3、4表示，運用數量化理論[10-11]對實驗數據進行整理分析，得到走廊立位(式(1))；走廊座(式(2))；中座(式(3))；窗座(式(4))不同視角下視覺舒適度與意象主因子間的回歸關系式

1= –2.67+0.551+0.232+0.233+0.184(1)

2= –2.99+0.791+0.472+0.453+0.424(2)

3= –2.94+0.761+0.472+0.473+0.454(3)

4= –2.90+0.651+0.492+0.453+0.484(4)

從以上回歸關系式可知，處于走廊立位視角時，雅致因子對視覺舒適度有較大影響；寬和因子的影響度較小。處于靠走廊座椅視角時，雅致因子影響較大，凝靜因子影響度較小；中間座椅視角下，雅致因子有較大影響，凝靜、柔潤因子有較小影響；處于靠窗座椅視角時，雅致、凝靜、寬和因子有較大影響。

4 結 論

從式(1)~(4)可推知視角變化與視覺因子影響系數的關聯性。視角分別為走廊立位、走廊座、中座、窗座4個不同視角時，雅致因子影響度逐漸減小；凝靜因子影響度先降后升；柔潤因子影響度先降后升；寬和因子的影響度逐步變大。通過以上對實驗數據的討論分析可知，視角變化時，視覺意象因子與視覺舒適度的關聯基本穩定，自變量與因變量的回歸關系有小幅波動。

統計數據發現用戶處于不同位置時，同一設施的形態特征對于意象認知的影響沒有變化。推斷形態特征的認知依賴于用戶的視覺識別能力，用戶變換位置時，仍能較好地識別出設施的形態特征。從實驗統計來看，隨著造型參數調節，意象評分及舒適度也產生一定變化。在造型設計過程中，分值最高的造型參數可能由于成本、工藝等原因受到制約，可以根據意象分值變化趨勢選擇變化小而效果好的造型參數。

[1] 張丙辰, 過偉敏. 基于用戶心理的鐵路客車內裝系統和諧性研究[J]. 圖學學報, 2014, 35(1): 74-78.

[2] ZHANG B C, WANG Y Q. Research on the characters of interior system of railway passenger car [J]. 2009 International Symposium on Computational Intelligence and Design, 2009, 26(1): 253-255.

[3] 蘇建寧. 產品意象造型設計關鍵技術研究進展[J]. 機械設計, 2013, 32(1): 97-100.

[4] DEMIRTAS E A, ANAGUN A S, KOKSAL G. Determination of optimal product styles by ordinal logistic regression versus conjoint analysis for kitchen faucets [J]. International Journal of Industrial Ergonomics, 2009, 39(5): 866-875.

[5] HSIAO S W, CHIU F Y, LU S H. Product-form design model based on genetic algorithms [J]. International Journal of Industrial Ergonomics, 2010, 40(3): 237-246.

[6] 徐江, 孫守遷. 基于遺傳算法的產品意象造型優化設計[J]. 機械工程學報, 2007, 43(4): 53-58.

[7] 張丙辰, 過偉敏. 面向列車內裝造型設計的旅客視覺意象研究[J]. 機械工程學報, 2016, 52(4): 102-108.

[8] 張丙辰, 王艷群. 視覺意象與列車內裝產品造型特征元素的關聯研究[J]. 包裝工程, 2017, 40(14): 32-36.

[9] 張丙辰, 過偉敏. 25G型鐵路客車座椅設計研究[J]. 人類工效學, 2012, 18(2): 62-65.

[10] 甘怡群. 心理與行為科學統計[M]. 北京: 北京大學出版社, 2005: 234-237.

[11] 陽吉寶. 數量化理論在確定滑坡穩定性影響因素中的應用[J]. 數據統計與管理, 1995, 14(2): 7-11.

On Modeling Design of Train Facilities Based on Differences in Multi-View Visual Images

ZHANG Bingchen, WANG Yanqun, SONG Lishu, SHAO Xingyu

(College of Electrical and Mechanical Engineering, Jiangsu Normal University, Xuzhou Jiangsu 221116, China)

To improve the modeling design of train facilities is a significant aspect of improving the quality of service in rail transportation. At present, the modeling design mainly focuses on the improvement of its function and structure. Great improvements still need to be made on the psychological demand and visual experience of passengers. It aims to analyze the relationship between the visual image and modeling design, and to serve as reference for the quantitative research of modeling parameters. Accordingly, we verified the difference of visual image in different positions by doing experiments from four views—on the aisle, aisle seats, middle seats, and window seats. In the light of the characteristics of different view images, the experimental data of 3D samples are calculated. The basic method of quantitative analysis is used to make the induction of the changes of multi-view visual images. The visual image is associated with four main factors including elegance, stillness, softness, and wideness. On the basis of statistics, combined with the analysis of visual cognitive characteristics, the correlative mechanism between the four factors and visual comfort in different views can be analyzed.

multi-view; visual image; modeling design of inner facilities

TB 18；TB 472

10.11996/JG.j.2095-302X.2018040675

A

2095-302X(2018)04-0675-04

2017-08-16；

2018-01-08

教育部規劃基金項目(18YJAZH123)；江蘇省教育廳高校哲學社會科學基金項目(2016SJB760052)

張丙辰(1976-)，男，湖南衡陽人，副教授，博士。主要研究方向為設計方法、人機交互等。E-mail：542498542@qq.com