基于偏好與形狀文法的電動汽車形態(tài)設計研究

張家祺，王國華，張艷

（河北工業(yè)大學，天津 300131）

近年來，許多新興電動汽車品牌不斷涌現(xiàn)，傳統(tǒng)汽車品牌也紛紛開始設計并推出電動汽車。在汽車設計中，設計者常利用造型創(chuàng)新和品牌知名度來提升產(chǎn)品的市場表現(xiàn)[1]，讓新產(chǎn)品得到消費者認可。因此電動汽車外型創(chuàng)新和品牌發(fā)展的研究越來越受重視。在造型創(chuàng)新的研究中，李勇等[2]通過對比傳統(tǒng)燃油車和概念電動車的造型分析了當前電動汽車的發(fā)展瓶頸和趨勢，鄧亞林等[3]對不同平臺的電動汽車特征線進行對比，分析了未來電動汽車的設計特點，李勇等[4]從設計的比例和曲面風格等角度對電動汽車進行設計分析，但就目前電動汽車造型和風格而言，多數(shù)車型仍沿用傳統(tǒng)燃油車的外觀造型。在品牌發(fā)展的研究中，為保持已有品牌的繼承性，趙靜等[5]對有關電動汽車品牌的設計特征進行了研究，張文泉等[6]研究了品牌發(fā)展與汽車造型特征間的關系，趙丹華等[7]研究了汽車品牌與造型風格的語義表達，以指導設計。隨著消費觀念進入感性消費時代，以下幾方面的問題仍需繼續(xù)研究：（1）電動汽車的創(chuàng)新設計應能迎合消費者的需求；（2）電動汽車在自身的設計中能夠塑造品牌全新的視覺形象和可識別性；（3）電動汽車的續(xù)航能力受自身氣動阻力的影響較大，需要符合良好的氣動性能要求。基于以上分析，本文提出了一種基于偏好與形狀文法的電動汽車形態(tài)設計方法。引入原型范疇理論研究消費者偏好，從偏好的角度探究電動汽車外形的創(chuàng)新設計，結合參數(shù)化形狀文法研究偏好和品牌識別的設計要求，利用計算流體動力學（CFD）分析方法進行模擬仿真分析。

1 原型偏好模型

1.1 原型范疇理論與消費者偏好

原型范疇理論起源于家族相似性理論。1973 年Rosch 提出了原型概念[8]，認為范疇化的方式是原型概念，而原型概念在范疇中最具代表性和典型性，可以作為其他成員在范疇中的認知參照點[9]，并提出了原型范疇理論。原型范疇理論認為范疇是根據(jù)成員間的典型特征建立的，具有模糊邊界，且同一范疇的成員中有中心成員和邊緣成員的區(qū)分。認知參照點就屬于范疇中的中心成員，具有范疇中的典型特征。

基于原型范疇理論，李然等[10]針對類型成員的劃分建立了不同車型的分類方法，范馨月[11]研究了中英概念隱喻對比并取得了較好的研究成果。認知心理學研究認為，與感官感覺相比，偏好是更高層次的認知[12]，反映出人的喜好和興趣，因此將原型范疇理論引入對消費者偏好的研究，建立關于偏好的原型范疇，確定中心成員作為偏好研究的認知參照點。關于偏好的原型范疇的特點如圖1 所示。

圖1 關于偏好的原型范疇Fig.1 On the archetype category of preference

在注重以人為本的今天，從原型范疇的角度研究消費者偏好，為提高用戶滿意度提供了新的思路。

1.2 原型偏好模型的構建

選擇電動汽車樣本對消費者偏好進行調查，將汽車的整體設計分解為幾種不同的設計特征并進行組合排列。采用聯(lián)合分析方法[13]分析消費者偏好，將偏好數(shù)據(jù)量化為設計特征和特征水平的衡量標準[14]，如表1 所示。

表1 設計特征和特征水平Tab.1 Design features and features levels

將貢獻率最高的特征水平確定為關于偏好的原型范疇中的認知參照點。范疇中貢獻率高的成員越接近認知參照點，而較低者則遠離認知參照點[15]，越遠離范疇中心對提升用戶滿意度的效果也就越小。結合設計特征的權重和特征水平的貢獻率建立原型偏好模型。結合表1，原型偏好模型的表達式如下：

2 參數(shù)化形狀文法

形狀文法最初由George Stiny 和James Gips 提出，被應用于建筑設計領域后逐漸擴展到品牌識別和工業(yè)設計領域[16]。形狀文法的規(guī)則分為生成性規(guī)則和修改性規(guī)則，生成性規(guī)則用于確定初始形狀，修改性規(guī)則是在初始造型上進行調節(jié)變換。形狀文法的規(guī)則根據(jù)具體的設計要求進行提取與制定，規(guī)則應用靈活，因此它的適用范圍才逐漸得到擴展。

參數(shù)化形狀文法[17]是指對形狀文法的規(guī)則變化進行參數(shù)化表達，通過算法應用規(guī)則實現(xiàn)自動生成和變化。Jowers 等[18]建立了特定算法應用于形狀文法規(guī)則的自動進化；Lee 等[19]利用算法框架應用于形狀文法生成性規(guī)則的自動進化，但同時也提出，形狀文法規(guī)則在自動進化過程中設計師無法進行規(guī)則的有效制定和控制[20]，規(guī)則應用不夠靈活。因此，本文利用貝塞爾曲線方法描繪設計特征線并標記曲線的硬點和控制點，約束硬點間的位置關系，作為形狀文法修改性規(guī)則約束；設置因子閾值控制坐標點的變化空間，提高形狀文法修改性規(guī)則的應用靈活性，結合交互式遺傳算法建立規(guī)則的自動進化系統(tǒng)。

2.1 修改性規(guī)則約束

分別以原型偏好模型和品牌識別的要求作為形狀文法修改性規(guī)則的約束條件。具體方式為：通過對有限個貝塞爾曲線坐標點位置關系的約束，完成對某種具體的特征水平造型和品牌識別造型的形狀約束。例如，某品牌的設計要求為具有較扁平的六邊形格柵造型特征，如圖2 所示。

圖2 坐標點約束Fig.2 Coordinate point constraints

對坐標點做如下規(guī)則約束：

在基于原型偏好模型的修改性規(guī)則約束中，如將原型偏好模型中某一個特征水平E2作為修改性規(guī)則約束，E2對應的特征水平為不規(guī)則前燈造型，如圖3所示。

圖3 車燈坐標點約束Fig.3 Coordinate point constraints of car light

對修改性規(guī)則做如下坐標點約束：

以修改性規(guī)則約束確保形狀文法的自動進化過程中變化結果能夠符合模型中偏好特點和品牌識別的要求，提高設計滿意度。

2.2 偏好因子和品牌因子

基于原型偏好模型設置偏好因子，利用偏好因子的閾值調節(jié)以原型偏好模型為修改性規(guī)則約束的特征曲線上坐標點的變化空間[21]，坐標點變化空間如圖4 所示。

圖4 坐標點變化空間Fig.4 Coordinate point change space

在品牌因子閾值的設置中，較大的閾值會使形狀文法自動進化失去品牌原有的特征，不利于品牌影響力的延續(xù)和發(fā)展，適當?shù)拈撝荡笮】杀ＷC品牌識別特征在下一代設計中繼續(xù)保持。而偏好因子是指調節(jié)除品牌識別特征外其他特征造型的變化空間，較大的閾值有利于形態(tài)的設計創(chuàng)新，但具有更大的設計自由的同時基于原型偏好模型的修改性規(guī)則約束也隨之降低。適當?shù)拈撝翟O置能在有限的進化代數(shù)內(nèi)完成符合約束的進化，讓受到消費者偏好的設計特點仍能夠繼續(xù)保持。因此，需要通過兩種因子的閾值設置權衡創(chuàng)新設計和品牌識別兩方面要求。

3 基于偏好與形狀文法的電動汽車設計流程

汽車的設計可以被定義為從一系列的描繪逐漸走向現(xiàn)實的過程，細節(jié)最佳化的流程[23]多用于燃油車型的迭代設計?？諝鈩恿W研究表明，整體最佳化的設計[24]容易獲得更好的風阻表現(xiàn)。因此，利用原型范疇理論和消費者偏好，構建原型偏好模型并將形狀文法進行參數(shù)化應用，通過修改性規(guī)則約束和因子的閾值設置權衡設計創(chuàng)新和品牌識別的設計要求，用于電動汽車外形特征的設計[25]，建立從理想低風阻體到具體樣式優(yōu)化的整體最佳化設計流程。具體研究框架如圖5 所示。

圖5 研究框架Fig.5 The frame of research

3.1 原型偏好模型構建

收集電動汽車樣本，對電動汽車形態(tài)分析從正面和側面拆分設計特征，如圖6 所示。

圖6 正面及側面特征Fig.6 Front and side features

對消費者進行偏好調查。將偏好調查數(shù)據(jù)結合設計特征的正交設計在spss 中進行聯(lián)合分析，分析設計特征的權重和特征水平的貢獻率，根據(jù)式（1）建立認知參照點的原型偏好模型表達式。

3.2 參數(shù)化形狀文法

選擇權重值高的設計特征，根據(jù)調查樣本中的研究對象，利用貝塞爾曲線工具對高貢獻率特征水平對應的造型進行設計特征線的描繪。對于n個給定點Pi，N階貝塞爾曲線的表達式如下：

根據(jù)式（1）建立的原型偏好模型，選擇模型中對應的特征水平標記硬點和控制點。曲線硬點標記為P點，控制點標記為C點，如圖7 所示。

圖7 貝塞爾曲線的坐標點Fig.7 Coordinate points of Bezier curve

根據(jù)原型偏好模型中的特征水平制定相應的修改性規(guī)則約束，同時結合實際設計中的品牌特征要求，建立對品牌特征設計的修改性規(guī)則約束。以偏好因子和品牌因子的閾值設置調節(jié)修改性規(guī)則的坐標點變化空間，結合交互式遺傳算法建立輔助設計系統(tǒng)。

相關研究表明，前臉設計特征中格柵造型對汽車品牌識別的影響較為重要[26]。因此，針對格柵造型的變化，基于品牌識別的要求設置修改性規(guī)則約束，其他設計特征則基于原型偏好模型設置修改性規(guī)則約束。

3.3 設計系統(tǒng)構建

電動汽車的造型分解為前臉和正側兩方面共M個設計特征，每一個特征采用h位二進制數(shù)進行編碼，設計特征的多聯(lián)級編碼形式如下[27]：

圖8 坐標向量構建Fig.8 Coordinate point vector

當n=a，設計特征的部分適應值函數(shù)表達式如下：

當n=b，設計特征的部分適應值函數(shù)表達式如下：

算法過程如圖2 所示。結束進化后輸出滿意解的坐標點坐標并描繪出對應的造型特征。

3.4 模擬仿真分析及用戶滿意度對比分析

根據(jù)運算結果獲得的曲線硬點坐標進行特征線描繪并以側面特征線為基礎構建理想低風阻體模型，利用CFD（Computation Fluid Dynamics）分析方法進行模擬仿真。

以側面特征線為基礎，忽略后視鏡、門把手、車燈等車身附件，完成理想低風阻體的幾何簡化建模。使用ANSYS 有限元分析軟件分析模型，通過后處理程序觀察流場中的現(xiàn)象，完成有關性能的預測。在仿真分析中，利用有限計算域模擬無限計算域。有限計算域一般為遠大于模型尺寸的固定計算域，設置空氣從遠處以恒定速度流入形成定常流，模擬車身行駛時的正風情況[28]。完成網(wǎng)格化、流場條件設置和迭代計算達到收斂條件后，對模型的表面壓力和速度矢量進行分析，依據(jù)分析結果對理想低風阻體進行局部細節(jié)的優(yōu)化。

在理想低風阻體的基礎上結合進化結果對前臉造型進行具體樣式優(yōu)化，完成正面和側面設計效果的具體表現(xiàn)后，對最終設計效果從外觀偏好和前臉設計特征的可識別性兩方面進行用戶滿意度評價，結合已有的品牌車型進行用戶滿意度的對比分析，驗證設計效果。

4 設計實例

4.1 原型偏好模型分析

搜集多家主流電動汽車品牌的電動汽車樣本共136 個，選擇設計研究人員進行樣本分層分組實驗，將外形特征差異不明顯的歸為同類，最終選擇28 個差異化樣本用作后續(xù)研究。部分樣本如圖9 所示。

圖9 部分樣本圖片F(xiàn)ig.9 Some sample pictures

對28 個差異化樣本從前臉和側面分別進行設計特征拆分，通過設計研究人員的3 輪層次分析實驗，最終將外形設計特征拆分成前燈、格柵、下前圍、立體度、車頭比例、腰線、車頂線共7 個方面的設計特征，如圖10 所示。

圖10 設計特征Fig.10 Design features

針對30 歲以下的青年消費者發(fā)放問卷調查，經(jīng)篩選共計得到有效問卷106 份，將調查數(shù)據(jù)結合樣本的正交設計在SPSS 中進行分析，分析的具體結果如表2 所示。

表2 聯(lián)合分析結果Tab.2 Joint analysis results

分析結果表明，前燈和格柵的設計特征權重較高，是體現(xiàn)前臉形態(tài)造型的關鍵部件，針對車前燈和格柵的形態(tài)設計，需進一步結合電動汽車區(qū)別于傳統(tǒng)燃油車的屬性進行優(yōu)化設計。側面特征方面，車頭造型比例和車頂線權重值較高，車頭比例和車頂線能體現(xiàn)出側面造型比例和車身走勢，因此對體現(xiàn)整體車身形態(tài)更重要。根據(jù)式（1），β取1，認知參照點對應的原型偏好模型表達式如下：

4.2 形狀文法參數(shù)化應用

使用矢量繪圖軟件AI（Illstrator）對28 個樣本正面和側面的設計特征線進行初步描繪，如表3 所示。

表3 特征線提取Tab.3 Feature extraction

4.3 基于交互式遺傳算法的輔助設計系統(tǒng)

基于交互式遺傳算法建立輔助設計系統(tǒng)并在MATLAB 軟件中運行程序，交互界面如圖11 所示。

圖11 程序交互界面Fig.11 Program interface

表4 特征線描繪和修改性規(guī)則約束Tab.4 Characteristic line drawing and modification rule constraints

表5 部分滿意解坐標參數(shù)Tab.5 Parts of satisfactory solution coordinate parameters

4.4 模擬仿真分析及具體樣式優(yōu)化

根據(jù)滿意解坐標參數(shù)描繪進化得到的造型特征線，首先基于側面特征線建立理想低風阻體的三維模型并進行有限元分析，特征線如圖12 所示。

圖12 滿意解的特征線描繪Fig.12d Characteristic line depiction of satisfactory solution

在有限元分析的相關條件設置中，流場區(qū)域的橫向空間為10 倍的車身長度，寬度為3 倍的車身寬度，縱向空間為3 倍的車身高度，風速為20 m/s。使用mesh 工具對模型進行網(wǎng)格劃分，湍流模型選擇k-epsilon(2 eqn)，選擇Second Order Upwind 方程進行計算[30]。結果采用CFD-post 進行后處理，查看分析結果。車身壓力云圖分布狀況，見圖13。

圖13 壓力分布Fig.13 Pressure distribution

前后壓力差是組成車身總阻力的主要部分，由圖13 可知車身壓力分布整體較為均勻，車頭接受來自前方的氣流阻滯靜壓達到最大為22.386e pa。其中較大的負壓區(qū)域來自前輪邊緣，機頂蓋和車頂部分有較小的負壓區(qū)域。氣流走勢見圖14，氣流經(jīng)過前輪保險杠時與車身分離明顯，形成明顯的負壓區(qū)，根據(jù)分析可對前輪的保險杠拐角部分做進一步優(yōu)化。速度矢量見圖15，氣流在經(jīng)過前臉及前擋風玻璃時流速下降，在機蓋和車頂處流速加快，到達車輛尾部時產(chǎn)生渦旋。因此，后尾部保險杠部分和前保險杠部分可通過進一步修改細節(jié)進行整體優(yōu)化，同時前機蓋也可以適當降低，優(yōu)化車身流場表現(xiàn)。

圖14 氣流走勢線Fig.14 Airflow trend line

圖15 速度矢量Fig.15 Velocity vector

將前保險杠部分的拐角調整圓滑，模型前機蓋降低，后保險杠部分向外調整，再次在相同的條件下進行分析，結果見圖16。最大壓力降為22.36e pa，模型上最高空氣流速由25.92m/s 降低為24.64m/s。

圖16 優(yōu)化后的分析結果Fig.16 Analysis result after optimization

在理想低風阻體的基礎上，根據(jù)得到的前臉特征線完成二維效果圖優(yōu)化，整體效果見圖17。

圖17 設計效果Fig.17 Design effect

4.5 用戶滿意度對比分析

將市場中已有的2019 款奧迪Q2L e-tron 作為對象1，最終設計效果作為對象2 進行對比評價實驗，邀請之前受試者中的33 人再次對設計方案的效果進行偏好和品牌識別兩方面的滿意度評價，統(tǒng)計結果見圖18。

圖18 評價結果的頻數(shù)分布直方圖Fig.18 Frequency distribution histogram of evaluation results

圖18 中橫坐標表示樣本得到的評價分值，縱坐標表示方案得到某分值的頻率。根據(jù)2 周期移動平均趨勢線分析可知，對象1 的外觀偏好和品牌可識別性評價得分集中在4～5 分，對象2 的2 周期移動平均趨勢線則較為靠右，得分集中在5～6 分，因此對象2 的用戶滿意度優(yōu)于對象1。通過與已有車型的對比評價分析可知，大多數(shù)用戶對設計效果比較滿意，評價分值相對較高，用戶的整體滿意度相比原來的車型有所提高。

5 結語

當前的電動汽車設計，正在探索如何擺脫燃油車設計的束縛以形成自己的電動化設計語言，許多品牌已經(jīng)做出有益的嘗試。但汽車作為成本大且系統(tǒng)化極高的產(chǎn)品，設計也不能盲目創(chuàng)新，需要綜合考慮消費者的偏好和可接受的程度，使品牌既可以得到傳承又能讓產(chǎn)品在市場中得到消費者的認可。本文結合原型范疇理論從偏好的角度進行創(chuàng)新設計研究，利用參數(shù)化形狀文法建立了輔助設計系統(tǒng)，提高了設計效率。通過具體案例驗證了所提設計方法的可行性，相比于已有車型，設計的用戶滿意度有所提高，對傳統(tǒng)汽車品牌在電動化領域的發(fā)展具有一定的借鑒意義。