基于感性工學和在線評論的汽車造型情感設計需求獲取方法
——以汽車前臉的設計為例

劉 超，王忠群

(安徽工程大學 經(jīng)濟與管理學院，安徽 蕪湖 241000)

在當今感性消費時代，汽車外觀造型是用戶購買汽車決策的重要因素[1]。基于感性工學的感性需求設計已經(jīng)成為汽車設計的研究熱點。然而，研究中所使用的用戶數(shù)據(jù)較多源于主觀調查問卷，通過語義差異法獲得各造型要素與感性情感詞之間的關系[2]。其特點是，調查問卷規(guī)模以及被調查者對問卷回答的敷衍致使問卷結果欠缺可信度，使得企業(yè)難以及時、較全面地了解到客戶的真實情感需求。當下互聯(lián)網(wǎng)中海量在線商品評論含有大量對消費者、商家或者產品設計者具有重要價值的信息，包括用戶關于產品特征好惡的正負向情感、最新需求和改進建議等，已經(jīng)成為顧客購買或者廠家改善產品設計決策的重要依據(jù)[3-4]。因此，本研究立足于感性工學，通過對汽車前臉的造型研究，探討了汽車造型設計人員如何將用戶的感性需求引入到汽車造型設計當中，為實現(xiàn)以消費者感性需求為導向的汽車造型設計提供了技術支持，幫助企業(yè)的設計師和決策者設計出符合消費者感性需求的最優(yōu)設計方案，以提高車企產品情感設計水平，減少產品市場投入風險，對提高市場競爭具有重要意義。

相較于產品特征，產品特征觀點對[5]的語義粒度更大，能夠更準確地表達用戶對產品的情感語義。因此，本研究在感性工學的理論基礎上，首先通過爬蟲軟件抓取汽車在線評論，從中提取出包含汽車的特征觀點對，依據(jù)特征-情感詞，利用模糊綜合評價法確定評價指標權重，計算評語集的隸屬度，以此構建汽車造型設計要素與感性情感詞間的映射關系；然后，利用眼動追蹤實驗獲取被試者觀察汽車試驗樣本的熱點圖與軌跡圖關注程度，得到被試者最關注的汽車造型特征，并提取出與用戶最關注的汽車造型設計要素相對應的情感需求。最后，以汽車網(wǎng)站在線評論數(shù)量較多的3款汽車(寶馬320i、凱迪拉克CT5以及凱美瑞)的前臉設計為例，進行眼動追蹤實驗，獲取被試者觀察試驗樣本時的總注視時間、平均注視次數(shù)和平均注視時間，結合汽車造型設計要素與感性情感詞間的映射關系驗證了本方法的可行性。

1 相關研究

目前，國內外對產品外形設計已有很多研究成果。楊潔等[6]運用客戶對產品造型的感性意識為產品設計提供幫助，提出一種用戶感性意識與產品造型設計的關聯(lián)模型。韓煜東等[7]從在線形式特征要求的角度出發(fā)，提出嵌入多維尺度法和選擇型聯(lián)合分析法的在線方式下產品外形設計的客戶感性認知模型。在挖掘用戶情感方面，盧兆麟等[8]提出了一種基于眼動跟蹤的汽車造型設計評價方法，相較于主觀性較強的評價方法，此方法獲取的用戶評價更為客觀。Chiu等[9]將評論中用戶使用頻次最高的情感詞視為感性情感詞，并利用李克特量表調查了用戶對于不同產品要素組合的滿意程度，最終預測了公路自行車形態(tài)設計的發(fā)展趨勢。但上述研究缺少產品設計要素與情感詞匯間自動建立關聯(lián)性映射，對有效支持獲取用戶對產品設計情感需求尚存在改進空間。

產品造型設計不僅直觀地反映出產品的性能與特點，也與用戶的感性情感需求相聯(lián)系。朱煒等[10]通過提取SUV品牌意象語義特征，以汽車側面輪廓和前臉輪廓為對象，建立了品牌意象與設計因子之間的映射模型。蘇建寧等[11]利用熵理論確定研究樣本和目標意象，建立起多目標意象與產品的設計特征間的映射關系模型，并以水瓶造型意象熵評價為例驗證模型的有效性。但在上述研究中，其映射關系的數(shù)據(jù)規(guī)模較小且較為主觀，在真實反映大眾用戶的情感需求上存在一定不足。

而在線商品評論是用戶關于商品購買和使用的反饋，為企業(yè)及時了解用戶反饋提供潛能。因此，在國內外研究中，出現(xiàn)了許多以在線評論為數(shù)據(jù)源，利用計算機方法去挖掘消費者感性情感的研究。李少波等[12]以手機在線評論為數(shù)據(jù)源，提出詞頻與評估、強度、活動3個維度相結合的TF-EPA方法來提取感性詞匯，并結合產品屬性參數(shù)構建基于BP神經(jīng)網(wǎng)絡的非線性映射模型，用于模擬用戶心理評估機制。Hsiao等[13]利用詞性標注和n元統(tǒng)計語言模型抽取評論中的感性情感詞和產品特征詞，并通過問卷調查法和偏最小二乘法分析了兩者之間的關系，以協(xié)助跨境物流服務的改進。賈丹萍等[14]以手機評論為數(shù)據(jù)源，利用word2vec模型和滑動窗口技術生成用戶感性情感詞典和產品特征詞表，并以此提出特征-感性情感模型來捕獲用戶感性需求。通過對在線評論的情緒分析，He等[15]提出一個酒店顧客滿意度的動態(tài)測量和評估框架。但是上述研究缺少從較大語義粒度層面提供用戶最關注的產品設計要素與情感需求的聯(lián)系。

因此，本文在感性工學基礎上，利用用戶在線評論作為數(shù)據(jù)源，抽取關于汽車造型的特征觀點對，依據(jù)特征-情感詞數(shù)據(jù)，利用模糊評價法建立汽車造型設計要素與感性情感詞間的映射關系。在線評論中用戶對產品的特征觀點對不僅包含特征，而且涵蓋顧客的情感觀點，與基于細粒度特征相比較，更大粒度的語義所表達的用戶情感需求更為準確，能夠為情感設計提供更高價值的設計決策。研究框架如圖1所示。

圖1 研究框架

2 汽車造型設計要素與感性情感詞映射關系構建

2.1 數(shù)據(jù)獲取與預處理

研究搜集國內市場在售的60多款車型樣本，對這些車型進行樣本分類，并結合汽車在線網(wǎng)站的汽車評論熱度，選定了3款具有代表性的汽車樣本作為研究的案例對象,分別為寶馬320i、凱迪拉克CT5以及凱美瑞，3款汽車樣本前臉視圖如圖2所示。

圖2 3款汽車樣本前臉視圖

研究使用爬蟲軟件八爪魚在太平洋汽車網(wǎng)爬取3款車型2021年第一季度的在線評論，分別為5 684、4 576和3 987條，部分評論如表1所示。對抓取的評論使用哈爾濱工業(yè)大學語言處理平臺(LTP)[16]進行清洗，過濾掉評論數(shù)據(jù)中的標簽、表情符號、重復信息等，得到有效評論分別為3 012、2 894和2 985條。

表1 部分用戶汽車在線評論內容

2.2 汽車設計造型的特征觀點對提取

針對汽車在線評論，利用語言處理平臺(LTP)對汽車在線評論進行句法依存分析，將分析結果以XML文件格式輸出并保存。通過對分詞、詞性標注以及依存句法分析的結果文件解析，提取出產品的特征觀點對。

對預處理后的評論數(shù)據(jù)進行分析，針對3款車型，得到汽車外觀造型的特征觀點對，如表2、3所示。

表2 汽車外觀造型特征觀點對的數(shù)目

2.3 構建汽車前臉造型設計要素與情感詞映射關系

在汽車購買和使用過程中，不同用戶對不同車型有著不一樣的情感體驗，在評論中以一系列感性情感詞中表達出來。每一條在線評論可以近似看作一份用戶調查問卷，較于事先設計的、固定主題的調查問卷，從在線評論中提取出的產品特征與感性情感觀點更具有準確性與客觀性。從處理后的在線評論中收集其中的感性情感詞，共得到71個汽車外觀造型領域的用戶感性情感詞，根據(jù)這些感性情感詞數(shù)量進行二次萃取，得到用戶關注度最高的8個感性情感詞：前衛(wèi)的、個性的、鋒銳的、硬朗的、大氣的、運動的、安全的、穩(wěn)重的。

表3 關鍵造型特征觀點對示例

為了更簡練地說明問題，以寶馬320i、凱迪拉克CT5以及凱美瑞3款車型的前臉設計情感需求為例，僅僅對汽車前臉造型特征觀點對進行篩選，舍去不包含感性情感詞匯的特征觀點對，得到用戶在評論中較多關注的汽車前臉特征是大燈、引擎罩、水箱罩、霧燈和下進氣格柵(如圖3所示)，以及上述3款車型前臉造型設計要素的感性情感詞數(shù)量(如表4所示，表4中以A代表寶馬320i，B代表凱迪拉克CT5，C代表凱美瑞)。

圖3 汽車前臉造型特征

表4 汽車前臉造型設計要素的感性情感詞數(shù)量及權重

在產品在線評論中，存在大量以特征觀點對的形式存在的用戶對汽車前臉造型的感性情感認知，以此構建出汽車前臉造型設計要素與感性情感詞間的映射關系。由于在線評論中每個特征詞對應的感性情感詞較多，因此直接構建特征詞與用戶感性情感間的映射關系較為繁瑣與模糊。采用ABC模糊評價法，根據(jù)汽車前臉造型特征觀點對的數(shù)量，確定各汽車前臉造型特征對應的用戶情感需求隸屬度，進而建立特征詞與用戶情感需求的映射關系。步驟如下：

步驟 1:從預處理后的在線評論中找出用戶關注較多的汽車前臉造型特征，統(tǒng)計出不同汽車前臉造型特征的相關感性情感詞及其數(shù)量。

步驟 2:將同一汽車前臉造型特征作為特征評價指標集合U={U1，U2，U3，U4，U5}，其中U1={“A大燈”，“B大燈”，“C大燈”}，U2={“A引擎罩”，“B引擎罩”，“C引擎罩”}，U3={“A水箱罩”，“B水箱罩”，“C水箱罩”}，U4={“A霧燈”，“B霧燈”，“C霧燈”}，U5={“A下進氣格柵”，“B下進氣格柵”，“C下進氣格柵”}，感性情感詞作為評語集V={“前衛(wèi)的”，“個性的”，“鋒銳的”，“硬朗的”，“大氣的”，“運動的”，“安全的”，“穩(wěn)重的”}。

步驟 3:將表4中的感性情感詞數(shù)量數(shù)據(jù)歸一化后得到模糊關系矩陣R，再運用模糊評價法確定評價指標權重D，計算出權重進行決策評價，評價指標權重計算結果如表4所示。

步驟 4：利用主因素突出型M(∧，∨)算子[17]將評價指標權重D與模糊關系矩陣R合成可以得到不同汽車前臉造型特征關于評語集V中元素的隸屬度E，E=D×R，其中，ej表示被評級對象從整體上看對評價等級模糊子集元素Vj的隸屬程度，如式(1)所示。由最大隸屬度構成造型設計要素與情感詞的映射關系。

(1)

根據(jù)最大隸屬度法則(若模糊綜合評價結果矢量中，被評價對象對應的某個感性情感詞隸屬度最大，則被評價對象總體上來講隸屬于第r個感性情感詞)得到關于汽車前臉造型特征用戶最關注的感性情感詞，隸屬度計算結果如表5所示。下面以A大燈為例，給出表5的具體計算過程。

針對特征評價指標集合U1={“A大燈”，“B大燈”，“C大燈”}與評語集合V={“前衛(wèi)的”，“個性的”，“鋒銳的”，“硬朗的”，“大氣的”，“運動的”，“安全的”，“穩(wěn)重的”}進行模糊綜合評價，由大燈評價指標權重向量D大燈={0.346 7，0.322 2，0.331 1}，構建出3×8的權重判斷矩陣R大燈：

運用主因素突出型M(∧,∨)算子進行計算，綜合評判結構如式(2)所示：

E大燈=D大燈×R大燈=(0.3，0.19，0.11，0.15，0.27，0.2，0.1，0.07)，

(2)

得到8個評語集(表5中第1行)元素的隸屬度(表5中第2行大燈隸屬度)。在8個評語集元素中“前衛(wèi)的”隸屬度最高，為0.3，所以依據(jù)最大隸屬度法則可得到大燈要素最終綜合評價的結果為“前衛(wèi)的”。

表5 汽車前臉造型要素的評語集元素隸屬度

同理，針對U2={“A引擎罩”，“B引擎罩”，“C引擎罩”}，最大隸屬度為0.3，可得出引擎罩要素最終綜合評價的結果為“硬朗的”；針對U3={“A水箱罩”，“B水箱罩”，“C水箱罩”}，最大隸屬度為0.34，可得出水箱罩要素最終綜合評價的結果為“鋒銳的”；針對U4={“A霧燈”，“B霧燈”，“C霧燈”}，最大隸屬度為0.29，可得出霧燈要素最終綜合評價的結果為“個性的”；針對U5={“A下進氣格柵”，“B下進氣格柵”，“C下進氣格柵”}，最大隸屬度為0.28，可得出下進氣格柵最終綜合評價的結果為“個性的”。

3 眼動追蹤實驗

3.1 實驗目的與原理

眼動實驗是感性工學研究常用的一種實驗方法，通過分析記錄人的眼動數(shù)據(jù)，探究眼動與人的心理活動之間的關系，形成對消費者消費心理的把握。利用眼動設備記錄被試者觀察試驗樣本圖片時的眼動數(shù)據(jù)，并利用實驗得到的熱點圖與視線軌跡圖找出被試者關注點最多的汽車造型設計要素，利用劃分興趣區(qū)(AOI)的方式，分析被試者對于不同造型區(qū)域的關注程度，采集AOI區(qū)域的總注視時間、平均注視次數(shù)和平均注視時間，對3款車型的同一設計特征進行比較篩選，得出用戶最關注的汽車造型設計要素。再借助汽車造型設計要素與情感詞映射關系獲取用戶對情感的設計需求。研究以寶馬320i、凱迪拉克CT5以及凱美瑞這3款車型的前臉造型作為眼動追蹤實驗的材料。

3.2 測試指標

研究所使用的眼動測試指標有熱點圖、視線軌跡圖、總注視時間、平均注視次數(shù)和平均注視時間。熱點圖是通過使用不同的標志將圖上的區(qū)域按照受關注程度的不同，加以標注并呈現(xiàn)的一種分析手段，一般采用顏色的深淺進行標注。視線軌跡圖是人眼的觀察活動隨外界刺激的特點而發(fā)生的變化，這些變化通過眼動的特點揭示出來。研究首先根據(jù)熱點圖與軌跡圖找出被試者主要關注的造型特征來進行AOI區(qū)域劃分。總注視時間是指被試者在試驗期間對指定區(qū)域的整體觀察時間。平均注視次數(shù)為被試者在整個觀察過程中進入某區(qū)域的總次數(shù)的平均值，數(shù)值與該區(qū)域的吸引力成正比關系。平均注視時間為總注視時間/被試者數(shù)量，表示被試者觀察該區(qū)域的平均用時。

3.3 實驗器材及步驟

實驗器材：瑞士Tobii pro X3桌面式眼動設備。實驗步驟如下：

步驟1：邀請被試者熟悉試驗環(huán)境，學習試驗要求和注意事項；對每位被試者進行眼動校準，并讓其保持穩(wěn)定(防止校準失敗)，準備材料進行試驗。

步驟2：將3張汽車樣本前臉圖片以全屏模式在計算機屏幕上顯示，讓20位被試者對樣本圖片進行觀察，圖片呈現(xiàn)時間為15 s，間隔為3 s，通過試驗獲取每位被試者的熱點圖、軌跡圖，根據(jù)熱點圖與軌跡圖的重點顯示區(qū)域，找出汽車前臉造型的AOI劃分區(qū)域。

步驟3：將劃分好AOI區(qū)域的3張汽車樣本前臉圖片以全屏模式在計算機屏幕上顯示，再次讓步驟2中的20位被試者對樣本圖片進行觀察，圖片呈現(xiàn)時間為15 s，間隔為3 s，通過試驗獲取每位被試者的總注視時間、平均注視次數(shù)和平均注視時間等。

步驟4：進行眼動數(shù)據(jù)的處理與分析。

3.4 眼動數(shù)據(jù)結果分析

根據(jù)眼動實驗步驟2，通過對20位被試者的眼動數(shù)據(jù)進行分析，得到關于上述3款汽車前臉造型樣本的眼動熱點圖與軌跡圖如圖4所示。從圖4中可以看出，被試者最關注的汽車前臉設計要素是大燈、水箱罩、引擎罩和霧燈。

圖4 汽車前臉造型熱點圖與軌跡圖

根據(jù)步驟2所得到的結果，通過步驟3將大燈、水箱罩、引擎罩和霧燈作為關鍵特征劃分興趣區(qū)，將3款車型的大燈區(qū)域劃分為AOI-1，水箱罩區(qū)域劃分為AOI-2，引擎罩區(qū)域劃分為AOI-3，霧燈區(qū)域劃分為AOI-4。同表4，以A代表寶馬320i，以B代表凱迪拉克CT5，C代表凱美瑞，統(tǒng)計數(shù)據(jù)如表6所示。從表6可以看出，各個AOI按照平均注視時間由高到低依次排列為：大燈區(qū)域：寶馬320i>凱美瑞>凱迪拉克CT5；水箱罩區(qū)域：凱迪拉克CT5>寶馬320i>凱美瑞；引擎罩區(qū)域：凱迪拉克CT5>寶馬320i>凱美瑞；霧燈區(qū)域：凱美瑞>寶馬320i>凱迪拉克CT5。

實驗結果顯示，針對不同款的汽車前臉設計要素，用戶更加傾向于寶馬320i設計的大燈、凱迪拉克CT5設計的水箱罩與引擎罩、凱美瑞設計的霧燈。再依據(jù)表5中汽車前臉造型設計要素與情感詞映射關系，分析可知：①針對寶馬320i的大燈特征，隸屬度最大的特征觀點對是<大燈，前衛(wèi)的>，數(shù)值為0.3，故其設計要素的情感需求為“前衛(wèi)的”;②針對凱迪拉克CT5的引擎罩特征，隸屬度最大的特征觀點對是<引擎罩，硬朗的>，數(shù)值為0.3，故其設計要素的情感需求為“硬朗的”;③針對凱迪拉克CT5的水箱罩特征，隸屬度最大的特征觀點對是<水箱罩，鋒銳的>，數(shù)值為0.34，故其設計要素的情感需求為“鋒銳的”;④針對凱美瑞的霧燈特征，隸屬度最大的特征觀點對是<霧燈，個性的>，數(shù)值為0.29，故其設計要素的情感需求為“個性的”。

因此，結合從在線評論數(shù)據(jù)中獲取的汽車造型設計要素與感性情感詞映射關系(見表6)，可以獲取到用戶最關注的對汽車前臉造型設計的情感需求：前衛(wèi)的大燈(源自寶馬320i)、硬朗的引擎罩(源自凱迪拉克CT5)、鋒銳的水箱罩(源自凱迪拉克CT5)和個性的霧燈(源自凱美瑞)。

表6 汽車前臉造型AOI注視數(shù)據(jù)

4 結論

本研究基于感性工學與在線評論，提出一種汽車造型情感設計需求獲取方法。以互聯(lián)網(wǎng)中汽車在線評論為數(shù)據(jù)源，利用依存句法分析提取評論中的產品特征與用戶情感觀點，并使用模糊評價法構建汽車造型設計要素與情感詞映射關系；在此基礎上，選擇3款有代表性的汽車的前臉設計作為研究案例，以劃分興趣區(qū)的方式進行眼動追蹤實驗獲取被試者觀察試驗樣本時的熱點圖、軌跡圖、總注視時間、平均注視次數(shù)和平均注視時間展開定量研究，找出用戶最關注的設計要素，再依據(jù)設計要素與情感詞映射關系，獲取用戶對汽車設計要素的情感需求。研究抓取了3款汽車前臉設計的評論給予了本方法的有效性驗證。本研究不足之處在于數(shù)據(jù)集規(guī)模和時間窗口偏小以及特征觀點對提取方法的局限，下一步將擴大數(shù)據(jù)集和改進特征觀點對的提取方法以進一步對研究方法進行驗證。