许小侠，韩亚新，许牧云，傅洪发，王卿九

（1.长春工业大学，长春 130012；2.北汽福田汽车股份有限公司，北京 102206）

随着个性消费时代的到来，消费者的需求也日益多样化和差异化。他们在选择商品时会更加注重情感方面的需求、精神层次的愉悦和个性的展现。中控面板作为汽车内饰中最关键的驾驶操纵系统，负责控制整部车辆，并且处于用户视觉中心的位置，其形态能够最直观地体现出汽车内饰的整体风格。目前汽车市场的各细分市场日趋饱和，汽车中控面板在操控性能、生产工艺与基础材质等方面虽然没有薄弱的环节，然而功能叠加、造型均一化问题日益突显[1]。因此，新产品研发需要以人为主要研究对象，充分考虑消费者和社会的各种因素。在此过程中，需要解决的关键问题是将模糊的人为感性因素量化为具体的数据模型，而感性工学（Kansei Engineering）作为工学的一个新的分支，可以将感性与工学相结合，依据人的喜好来设计产品[2]。文中将汽车中控面板为研究对象，以数量化理论Ⅰ为基础，运用感性工学技术来指导产品意象造型设计，从而满足年轻一代对中控面板造型设计的感性需求。

1 理论基础与研究思路

1.1 感性工学

1970 年，日本广岛大学副教授长町三生首次将感性分析引入到工学研究中，这种研究方法被称为感性工学。它可以深入挖掘用户对产品的感性认知，将难以量化的感性因素，借助工学技术，通过数理化的方式定性、定量地呈现出来，从而指导设计。在研究设计元素与感性意象之间的联系时，常用的方法有数量化理论Ⅰ、粗糙集分析、遗传算法、多元回归法等，而数量化理论Ⅰ方法使用频率最高[3]。

1.2 数量化理论Ⅰ

数量化理论Ⅰ属于多元分析系统的一个分支。依据研究问题的差异性，可以将数量化理论分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四类[4]。数量化理论Ⅰ类主要用于探究用户的感性意象评估值与某个产品的形态之间的内在关系，它可以将多个因变量进行量化赋值，之后利用多元分析方法，在感性意象评估与设计元素之间建立数学映射模型，从而推算因变量对感性认知的预测贡献值，可以节省前期调研分析时间并获得最佳设计方案。

1.3 产品意象造型设计

产品意象造型设计的研究涉及认知学、心理学、美学、人机工程、感性工学等多个领域[5]。研究方法包含形态分析法、语义差分法（SD）等。产品意象造型设计的第一步是需要制定设计目标，接着找出产品中隐含的意象信息，从而帮助用户有效地表达他们的情感需求，然后分析相关的产品设计元素，最后通过相关的研究方法，找出能引起某种联想的造型元素来抒发用户的感性需求，进而展开产品的造型设计。

1.4 研究思路

以中控面板的造型为研究对象，在文中首先通过SD 法确定产品的感性意象词汇，同时对已确定的样本进行形态分析与提取；然后对产品进行感性意象评估；接着借助SPSS 统计分析软件进行多元回归分析，构建数量化理论Ⅰ的数学模型；最后设计新方案并验证。使用的具体方法为SD 法、形态分析法、数量化理论Ⅰ方法。设计思路见图1。

图1 设计思路Fig.1 Design ideas

2 研究过程

2.1 定位人群

根据中汽协的数据统计，18～29 岁的汽车拥有者所占比例远远超过50%，这一年轻群体已逐渐成为引领汽车消费的主力军。文中对22～30 岁敢于挑战新鲜事物、追求独特个性的年轻消费者展开调研。这一目标人群的特点是即将走向社会的毕业生或者刚刚参加工作的年轻群体，他们憧憬美好事物，喜欢互联网产品，注重生活品质，并且具有潜在购车行为。针对以上特点，展开目标人群的需求特征分析见图2。此研究可以通过了解年轻一代对汽车中控面板的感性需求，从而更好地引领汽车行业的发展。

图2 目标人群需求特征分析Fig.2 Demand characteristics analysis chart of target population

2.2 中控面板样本收集

从汽车之家，易车网等网站，汽车4S 销售店，杂志刊登及电视宣传等途径找出国内外关注度较高的汽车品牌，累计30 个品牌，选取了117 个样本图片。请设计研究人员以客观的方式剔除模糊的、重复的样本图片。保留具有一定差异性却非极端意象的样本，初步选出了54 个形态最佳的中控面板正视图作为代表样本。为避免非研究因素的影响，用Photoshop软件对54 个样本图片进行处理。邀请5 名汽车设计行业工作人员，5 名汽车销售顾问和10 名潜在消费对象，共20 名受测者。受测者可以依据自己的主观感受对54 个样本进行分类统计，根据相似度的度量对样本进行划分，结合实际情况选取出最具代表性的20 个产品样本作为本次调查的样本对象，并进行编号与细化处理，代表性样本见图3。

图3 代表性样本Fig.3 Representative samples

2.3 确定样本造型设计元素

由于设计者和普通用户在认知方式和手段上存在一定的差异性，在提取中控面板造型设计元素时，综合考虑了产品造型结构、产品设计意图及用户的视觉认知审美感受。

从产品的体量和形态入手，提取出3 个对用户的感性意象认知有直接影响的造型特征，分别为：中控面板的整体外轮廓、特征图形轮廓与视觉中心细节形态。首先，通过提取整体轮廓特征线可以反映出中控面板形态体量认知要素的比例与空间信息，明晰中控面板造型的基本走势[6]；其次，通过中控屏、装饰带与两侧排气格栅等特征图形的提取，了解中控面板的整体造型风格；再次，提取了位于视觉中心且组成中控面板基本面部特征的出风口、中控屏及装饰部件，通过将这些面部特征进行局部或系列造型的变化来实现不同情绪的转换与表达。

参考捷豹XEL2020 款中控面板造型，首先根据中控面板的形面关系提取整体外轮廓曲线，在刻画时尽可能保证曲线在转折处的连续性，绘制出黑色的曲线（见图4）；其次，对中控面板的形状识别元素进行提取，绘制出与背景分离的、均匀的、封闭的曲线，在提取时将中控面板的细节模糊仅强调形状轮廓，得到橙色的闭合曲线；最后绘制用户视觉中心涉及的细节部分轮廓曲线，仍使用闭合的线条，绘制出绿色的曲线。

图4 设计元素的提取Fig.4 Extraction of design elements

为获取用户受到哪些设计元素的影响，将中控面板涉及的造型元素进行标注，并制作成调查问卷，见图5。请男女比例为1∶1 共20 位受试者，对各造型设计元素进行打分，1～5 代表重要程度，共5 个等级，重要性从“1”开始依次递增。最终计算出均值排名前3 的设计元素，分别为中控屏幕、屏幕衔接与中控面板颜色搭配，见表1。

表1 设计元素均值得分Tab.1 Design element mean score

图5 汽车中控面板设计元素Fig.5 Design elements of automobile central control panel

结合形态分析与问卷调查，一共得到6 个影响中控面板造型设计的关键性设计元素，将该6 个元素项目分解为19 个子类，编码并绘制形态，见表2。

表2 设计元素分类表Tab.2 Classification table for design elements

2.4 感性词汇的提取与筛选

通过查阅产品意象相关书籍，搜集对中控面板进行感性意象表达的形容词，初步整理了78 个与中控面板风格意象相关的感性词汇，进行同义词甄选并将低频词汇排除，最后按照正反义词将它们一一配对。经进一步整理后，最终确定了频率最高且互为反义词的4 组感性意象词组进行评价实验，见表3。

表3 感性词组Tab.3 Per ceptual phrases

2.5 感性意象评估

将20 个中控面板样本与4 对感性词组，根据SD法，采用五级量表见图6，制作成调查问卷见图7，发放问卷110 份，除去无效问卷，有效回收率达到83%。

图6 语义评分五级量表Fig.6 Five-level semantic rating scale

图7 感性意象认知调查问卷Fig.7 Perceptual image cognition questionnaire

2.6 基于数量化理论Ⅰ的映射模型构建

数量化理论Ⅰ类是采用说明性多变量模拟线性表达式中基准变量y的定量变化[7]。根据数量化理论Ⅰ的思想，中控面板造型设计元素作为项目（item），设计元素下的各种取“值”作为类目（category），如，项目是中控面板的整体外轮廓特征曲线，而类目是流线形、几何形、异形。设某问题包括项目m个，考虑其对基准变量y的影响，进而实现对y的预测。第i个项目的类目为iC，那么类目个数总计为。对n个样本，其中其表示第n个中控面板样本下的第i个项目（设计元素）中对应的第j个类目（设计元素类目）对基准变量y的影响。

根据式（1）对设计类目进行赋值，当且仅当样品n有第i项目的第j类目的特性时，将样本中具备对应类目的设计元素类目取值为“1”，不具备的取值为“0”。以中控面板整体外轮廓特征曲线为例，针对样本1 的外轮廓形态为几何形，则赋值“1”的对应类目为C12，其余类目均赋值为“0”。

假设基准变量y与各项目类目存在线性关系，建立感性意象评估值y与设计元素类目之间的数学模型，见式（3）。

其中：ny表示第n个样本的感性意象评估值；a ij表示第i项目中的第j类目对基准变量y的影响，也就是aij是定性变量的一个数量化；εn表示第n次抽样中的随机误差。

表4 感性评价矩阵Tab.4 Per ceptual evaluation matrix

3 中控面板感性意象造型设计

3.1 结果分析

根据上述中控面板感性评价矩阵，运用最小二乘法来求做逼近求得近似解，并结合SPSS 统计软件进行多元线性回归分析，从而实现对基准变量y的预测[8]。以“传统的—科技的”为例，分别计算得出类目得分、偏相关系数、决断系数、复相关系数、常数项等数值。计算结果，见表5。

表5 “传统的—科技的”与设计元素的线性关系分析结果Tab.5 Analysis of linear relationship between “traditional-technological” and design elements

复相关系数R与决断系数2R可以反映预测模型对设计元素和感性意象词汇得分的解释程度，其拟合度越高越好，经计算“传统的—科技的”这对感性词汇的实际测量值与预测数值之间的复相关系数R=0.864>0.85，决断系数2R=0.746>0.7，由此可知该感性意象预测模型较为理想，可用于中控面板造型设计的预测；在该研究当中，偏相关系数反映的是某一设计元素（如，X1整体外轮廓曲线）对某一对感性意象词汇（如，传统的—科技的）的贡献大小[9]；类目得分则代表某个设计元素类目（如，流线形C11）对“传统的—科技的”感性意象的影响程度，而类目得分数值的正负代表影响的方向，若数值为负则代表类目偏左的“传统的”意象，反之，则代表偏右的“科技的”意象[10]。以中控面板整体外轮廓特征设计元素项目为例，其类目得分C12

通过求“传统的—科技的”感性意象词汇的偏相关系数值可以看出，中控面板X1整体外轮廓曲线>X6颜色搭配>X4中控屏幕>X3视觉中心细节形态>X2特征图形轮廓曲线>X5屏幕衔接，数值越大证明该设计元素项目对感性意象词汇的贡献程度越大[11]。同理可以求出另外3 对感性意象词汇“突兀的—流畅的”“繁复的—极简的”“普通的—个性的”的数学模型方程式。

3.2 设计方案与验证

根据“传统的—科技的”感性词汇模型数据分析，可以看出中控面板造型设计元素项目中的不同类目对感性意象词汇影响程度是不同的，为测试该结论是否有效,可以通过将不同分值的设计类目进行排列组合，得到多个新的组合方案进行验证。以“传统的—科技的”为例，使用设计元素类目中得分最高的C11、C22、C32、C44、C53和C62进行方案1 的草图绘制；得分较高的C13、C21、C31、C43、C52和C61进行方案2 的草图绘制；得分最低的C12、C23、C33、C41、C51和C63进行方案3 的草图绘制。在绘制时，尽量避免轮廓曲线之间的交叉，利用大块面进行形状设计元素的描绘，通过调整曲线关系，制成草图，见图8。

图8 方案草图Fig.8 Draft plans

在草图方案制作完毕后，邀请工业设计专业的学生对草图方案进行感性意象评估，仍采用里克特量表5 级评分方法对3 个方案分别打分。评估后分析计算得出均值，见表6。可以看出，分值从方案1 到方案3 呈递减趋势。得分最高方案1，所呈现出的感性意象是最具“科技感”fgg 是最具“传统性”。

表6 设计方案感性意象评估值Tab.6 Evaluation value of perceptual image in design scheme

根据感性意象评估数据挑选最符合“科技的”草图方案1 进行细节深化并构建三维模型，建模渲染得到三维效果图，见图9。将最终效果图作为实验样本，再次采用问卷的形式在线投放进行验证，获取受试者的感性意象评估数值，将无驾驶经验的问卷筛除，最终共获得有效问卷102 份，整理计算数据后，得到用户意象评价量表，中控面板造型设计样本在设计实践中的均值为1.58，与“科技的”感性意象词汇一致。

图9 中控面板三维模型Fig.9 3D model of central control panel

经验证后得出的感性意象评估值与设计思路一致，证明该方法的预测是准确的、有效的。通过“传统的—科技的”中控面板造型设计这一实践，证明通过改变产品设计类目的组合可以有效地改变产品感性意象的表达。在基于数量化理论Ⅰ的中控面板造型设计研究中，结合多元分析的研究方法，解决了各种定性研究问题，对中控面板及其他产品的造型设计具有一定的示范意义。

4 结语

在产品意象造型的研究中，为满足不同用户的情感需求，经常利用感性工学研究系统中的数量化理论Ⅰ方法对感性因素进行量化赋值，获取具体的数据，之后借助SPSS 统计分析软件进行多元线性回归分析，建立产品造型设计元素与用户感性意象之间的联系，找到对感性意象贡献程度最大的设计元素项目进行提取并重新组合，从而形成新的设计。以中控面板为例，把中控面板设计元素项目看作自变量，把感性意象评估值看作因变量，使用统计分析软件进行多元线性回归分析得到类目得分、偏相关系数、决断系数R2、复相关系数R、常数项C等。基于数量化理论I 类，构建中控面板造型设计元素项目与用户感性意象认知之间的最佳映射数学模型，数据分析表明，模型拟合度良好，说明数量化理论I 能够将感性因素用数据呈现出来，之后再将设计元素项目重组，通过案例评估测试，证明这种方法是切实可行的，可以为中控面板及对多项目组合的产品造型设计提供新的创新设计理论指导，有效地辅助了产品意象造型设计。