多意象驅動下的方向盤造型設計研究

關鍵詞：多意象設計方法；感性工學；汽車方向盤；蛛網灰靶決策；BP神經網絡

引言

隨著社會經濟的發展和科技進步，汽車作為現代生活中的必需品，用戶不僅關注汽車性能和安全性，也對內飾的美觀與舒適性有更高要求。方向盤作為用戶在駕駛過程中最直接接觸的部件之一，其設計的好壞直接影響駕駛者的駕駛舒適度、操作便捷性以及駕駛安全性，對于提升駕駛體驗和滿足情感需求具有重要意義[1]。當前汽車方向盤普遍存在造型同質化嚴重、設計人員無法精準把握以用戶為中心的設計目標[2]。目前，雖有諸多設計方法能夠將消費者的情感需求進行量化，但消費者對產品的情感需求是復雜的，基于用戶單一的情感反應無法產生合適的設計方案[3]。在此背景下，如何通過科學的設計方法準確捕捉和滿足用戶的多種情感需求，成為方向盤設計中的一大挑戰。本研究創新性地將感性工學、蛛網灰靶決策模型和BP 神經網絡相結合，提出了一種系統化的多意象造型設計方法，以解決方向盤造型設計中多目標、多意象需求的優化問題。

一、研究方法與流程

（一）產品多意象造型設計方法概述

多意象設計方法的應用正逐漸成為一種趨勢，多意象造型設計方法的核心在于通過各種科學手段分析和捕捉用戶對產品的多重情感意象，從而指導產品外觀設計，以滿足用戶的多樣化審美需求。也就是說，產品形態包含多種意象，且多意象產品形態的設計是一個典型的多目標尋優過程[4]。這意味著在設計過程中，設計師必須在多種意象之間進行權衡與優化，確保最終的產品形態不僅能夠體現個別意象的突出特點，還能在整體上和諧地融合不同意象，以實現最佳的用戶體驗。

基于此，文章首先以感性工學為切入點，分析了方向盤多意象造型設計的整體流程，并構建了相應的設計模型。運用蛛網灰靶決策模型計算多意象的綜合系數，從而實現了多意象的精準表達，不僅能夠有效整合各個意象維度的權重和決策系數，避免了對單個意象逐一研究的復雜過程，還顯著提高了設計效率和精確性，為多意象需求的造型設計提供了系統化的解決方案。最后再結合BP 神經網絡以優化設計元素組合并精準預測用戶情感需求的最優匹配度，為多意象設計提供了更為智能化和高效的解決路徑。最終，文章以青年用戶群體為主體設計了一款方向盤，驗證了所提出的多意象設計系統的有效性。

多意象造型設計流程：

1. 確立目標意象和實例樣本的關系矩陣

根據目標用戶的需求，確定需要表達的感性意象，收集與整理出極具代表性的產品樣本和感性詞匯。利用感性工學方法，建立感性詞匯與產品樣本之間的關聯，構建意象判斷矩陣，量化用戶對每個樣本在不同意象上的表現。

2. 構建多意象決策系數與設計元素的關系矩陣

首先，通過AHP（層次分析法）計算出目標感性意象在用戶需求中的權重，并利用蛛網灰靶圖決策模型綜合評價樣本的表現得出決策系數；其次，為了將感性語義詞匯與造型設計特征建立關系，需通過形態分析法構建造型特征要素矩陣，以便進行系統化分析。基于樣本分析，通過形態分析法提煉出關鍵的設計元素，構建設計元素空間，確定各個方案的設計元素組合方案。最后，將樣本的設計元素與其對應的決策系數進行關聯，形成關系矩陣，為后續的元素優化提供依據。

3.BP 神經網絡預測最優造型元素組合

將多意象決策系數與設計元素的關系矩陣作為BP 神經網絡模型的數據儲備，最終預測和優化設計元素的組合。最后將預測出的最優設計元素組合應用設計中，并通過用戶測試進行驗證，確保設計方案能夠有效滿足用戶的多意象需求，如圖1。

（二）研究方法

1. 感性工學

感性工學作為研究產品情感需求的重要方法，旨在將產品設計要素與用戶的感性意象進行量化，以預測并轉化為設計指標進行創新設計[5]。通過感性工學的應用，能夠科學化、系統化地將用戶的情感需求融入方向盤設計中，為設計元素與用戶情感之間的關系奠定了基礎。然而，傳統的感性工學模型由于缺乏對產品整體特征及其相關關系的充分考慮，難以可靠地表達用戶的整體情感需求[6]。因此，文章結合了感性工學與蛛網灰靶決策模型、BP 神經網絡等多種方法，旨在全面捕捉，并滿足用戶的多種情感意象需求。

2. 蛛網灰靶圖決策模型

蛛網灰靶圖決策模型是一種圖形化決策分析工具，常用于多目標決策分析和系統評估，見圖2。蛛網灰靶模型能夠有效整合多種意象的評價結果，確保設計方案在多個感性維度上綜合滿足用戶的情感需求。基本組成和應用步驟：

（1）蛛網圖：蛛網圖是一種多維數據可視化工具，通過放射狀的軸線來展示各個維度上的數據。每一個維度代表一個評估指標，每個軸線上的點反映了某個選項在該指標上的得分。

（2）灰靶決策模型：灰靶決策模型是一種基于灰色系統理論的分析工具，用于表示某些選項在目標值上的偏離程度。圖中靶心代表理想目標，選項的得分越接近靶心，代表該選項的綜合表現越好。傳統的灰靶決策方法通過綜合比較指標值與靶心之間的距離來判斷決策方案的優劣，這種方法容易受到指標集中極端指標值的影響，從而影響方案選擇的科學性與合理性[7]。文章將結合蛛網圖與灰靶決策模型，運用蛛網圖表征產品方案的多意象關系，利用蛛網面積與靶心面積的差異對各樣本進行綜合評價[8]。

（3）蛛網灰靶圖模型的應用步驟：

1）AHP（層次分析法）意象權重的計算：AHP 是一個用于權重計算和決策分析的方法，尤其適合在處理復雜決策問題時，對不同選項或因素進行優先級排序。對定性問題進行定量分析，非常簡單、實用和靈活，在計算最后的綜合決策評分中，可減少工作過程中的偏差，提高工作的質量[9]。

3.BP 神經網絡

BP 神經網絡是一種基于反向傳播算法進行訓練的人工神經網絡，能夠計算網絡輸出與實際目標之間的誤差并將其反向傳播，不斷調整網絡權重以減小誤差，直到滿足預設標準[10]。這種全局優化能力使得最終選出的設計方案在多個感性意象維度上具有較高的綜合評分，確保設計的全面性和準確性。

二、設計實踐

（一）確立目標意象和實例樣本

首先，利用感性工學的設計流程，通過各種渠道收集到目標用戶的感性意象需求和代表性樣本，建立目標意象詞匯與各個樣本的評價體系，并收集年輕消費者感性數據，從而了解年輕消費者的感性偏好[11]。

1. 確定目標意向

通過各種渠道收集年輕人群體對汽車方向盤的意象形容詞，從使用狀況、消費者情況、功能特性上的研究，結合文獻資料、問卷收集和專家訪談，經初步篩選后收集53 個意向形容詞；采用德爾菲法（Delphi，也稱專家調查法），經專家多輪綜合分析，從53 個意向形容詞中精選出20 個最具代表性的詞匯，確保全面覆蓋且權威可信，即：時尚 、運動感 、親和感 、安全感 、優雅 、現代 、科技感 、簡潔 、高檔 、實用、 穩重 、別致 、易操作 、流線 、智能 、精致 、動感 、個性化 、手感好 、穩定。

通過20 個具有代表性的意象形容詞，制作汽車方向盤意象詞匯打分量化調查問卷。打分分為5 個等級，分別為：1（非常不符合）、2（不符合）、3（一般）、4（符合）、5（非常符合）。 接著對年齡在18-28 的青年群體發放問卷，共收到97 份，有效問卷94 份。將問卷數據導入SPSS 軟件，得出信度系數值為0.826gt;0.8，見表1，研究數據信度質量高，可用于進一步分析。將詞匯評分值進行排序，評分最高且超過4.0 分的詞匯有5 個分別為：耐用感、簡潔感、智能感、舒適感和易操作感，見圖2。

2. 確定方向盤實例樣本

為了確保研究過程中的樣本具有代表性和多樣性，本研究通過多渠道收集了121 張汽車方向盤圖片，并通過以下步驟篩選和分析：首先，通過7 位具有設計經驗的工業設計老師進行人工比較分析，通過專家小組進行人工比較分析，排除掉造型差異性巨大和相似重復的圖片樣本；其次，對剔除后剩余的64 個方向盤圖片進行去色處理并按等比例縮放。為了避免品牌效應的干擾和確保視覺上的一致性，文章將品牌標簽統一去除。由專家小組對這64 個方向盤圖片進行瀏覽和篩選，最終選出15 款具有代表性的方向盤作為形態分析的參考資料，如表2 所示。

（二）構建多意象蛛網灰靶決策模型

1. 綜合意向評分

（1）樣本意向評分：采用語義差異法（Semantic DifferentialMethod），構建包含5 個意象詞匯的樣本評分問卷表。參與者對15個方向盤樣本進行了系統的意象評價。得到初步的評價結果矩陣，即表3。這些得分用于量化樣本在舒適感、簡潔感、耐用感、智能感和易操作感5 個維度上的表現。

（2）確定意向權重：這一步驟是計算多意象綜合系數、優化造型組合的核心步驟，文章使用AHP 建立5 個意象的兩兩對比矩陣，由專家進行賦值，旨在通過科學評估各意象的重要性，以指導最優方案的制訂，見表4。根據公式（1）和（2）得出5 個意向詞匯的權重向量W=（0.095 、0.163 、0.050 、0.198 、0.493）。根據公式（3）、（4）和（5）得到最λmax=5.439 、 CR=0.980，其中CRlt;0.1，則判斷矩陣的一致性可接受，權重有效。

2. 策系數計算

首先，將表3 的數據代入公式（6）進行標準化處理。因此各個意象最優靶心向量WO=1。將表4 的意象權重和表3 的標準化結果代入式（7），得到各方案的決策系數D1～15，即D1～15=（0.0074、0.0101、0.0072、0.0092、0.0095、0.0101、0.0106、0.0112、0.0097、0.0110、0.0112、0.0084、0.0092、0.0082、0.0091）。

（三）構建設計元素與決策系數矩陣

首先，使用形態分析法將產品的整體功能解構為多個子功能或部件，以這種系統的分析方法使設計特征與感性語義詞匯之間的關聯更加明確[12-13]。通過形態分析法解構并歸納其最具特征的代表性元素，對這15 款方向盤構建設計元素空間，對輪盤種類、盤心種類、盤輻種類和面積大小、功能鍵數量、手握區的凹凸程，以及及配色種類進行整理并編碼，見表5。最后將表5 的設計要素類型對應到15 個樣本中，構建出設計元素組合和決策系數得分矩陣，見表6。

（四）神經網絡構建與預測

運用Matlab2022a 軟件將表6 中的數據進行BP 神經網絡訓練。模型訓練采用traingdx 算法，Validation 選擇15％、Training 選擇75％、Testing 選擇15％、選擇隱藏神經元個數為4、學習率設置為0.001，學習次數約束在20000 次以內，目標誤差為0.001。BP 神經網絡構建的映射模型誤差為0.0048，決定系數為0.9171，質量符合要求。

列出6 種元素類型所有可能的組合方式，共2×3×4×2×2×2＝ 192 種，預測所有造型元素組合的決策得分，見表7。通過篩選得到決策得分最低的造型元素組合138 號 = 0.0062。該組合對應的決策系數最小，因此被認為是最優的造型元素組合，其矩陣為（2，2，4，1，1，2），對應的設計元素見表8。

三、設計與方案驗證

基于上述設計元素組合和意象詞匯的綜合分析，通過blender軟件建模渲染，設計完成最終汽車方向盤的三維效果圖，見圖3。

1. 該方向盤采用“D”型設計，不僅為腿部提供充足的活動空間，也能適當增加輪盤周長到接近手掌的長度，提升了握持的舒適性。輪盤外圈采用皮革材質，內圈則由親膚面料拼接成兩種配色效果。

2. 在手掌休息區域設計出符合手型的凹陷曲面，拇指放置區域的半徑R ≥ 12mm，以減輕駕駛過程中手指關節和肌肉的疲勞，從人機工程學角度增強了長時間駕駛的舒適性。

3. 盤心采用簡潔的梯形結構，并由親膚材料包裹，不僅為安全氣囊預留了充分空間，還增強了簡潔與舒適的視覺效果。

4. 方向盤的盤輻設計采用梯形結構的3 幅設計，按鍵數量較少，進一步突出智能感、簡潔感和耐用感。

5. 按鍵采用觸摸式背光設計，未使用時隱藏，展現了科技感與簡潔美學。

最后將設計方案與樣本庫決策評分最優秀的前5 個樣本，即Y1、Y3、Y12、Y14、Y15 組成新的樣本庫，采用SD 法對設計方案進行感性意象評價問卷驗證，對年齡在18-28 的青年群體發放問卷，共收到62 份，有效問卷59 份。將結果先進行歸一化處理，再運用蛛網灰靶計算統計結果。結果顯示此款設計方案決策系數最小，與靶心越最近，該方案最優。說明本方案符合消費者多種意象感性的需求，有效驗證了該設計體系的相對準確性，對推動設計領域的創新與發展具有參考價值。

結論

本研究表明，人對產品的情感意象是多種維度的，而這些情感需求在產品設計過程中往往互相交織影響，簡單關注單一維度是無法滿足用戶的復雜情感需求。文章以滿足消費者多意象設計的角度出發，綜合運用感性工學、蛛網灰靶圖和BP 神經網絡整理出一套完整的設計流程，成功解決了以年輕人為目標的方向盤造型設計中多意象的優化問題。最后進行了多意象驅動的設計實踐，驗證了所提方法的有效性和實用性，為進一步研究多意象產品的造型設計提供了新的路徑和思路。