前言:想要写出一篇引人入胜的文章?我们特意为您整理了谈SUV汽车前脸造型相似性认知范文,希望能给你带来灵感和参考,敬请阅读。
摘要:suv有着空间大、视野好、通过性好的优点,除此之外,SUV大气的造型也是众多消费者选择它的重要原因。汽车前脸造型作为汽车的门面,是汽车造型的重要组成部分。本文研究目的在于通过SUV汽车前脸轮廓及形式的相似性研究,得出用户对SUV汽车前脸的认知。以中国市场上的SUV车型造型为样本,用聚类分析法进行消费者对汽车造型的相似性认知调研,再用多维尺度分析方法对调研结果进行整理和分析,得出用户对于SUV前脸造型相似性的认知。从而对汽车造型设计提供一定的参考。
关键词:SUV汽车;汽车前脸造型;相似性;造型认知
1理论研究现状
汽车前脸好比人的脸,是整体形象中最重要的部分。看人时通常关注人脸,看一辆汽车时,也通常会将注意力放到汽车前脸上,汽车前脸是汽车造型的重要部分。赵磊使用眼动仪技术提取轿车前脸的关键造型特征,建立了感性偏好与意象词之间的关系模型和感性偏好与设计变量之间的模型[1]。陶凯通过大量的数值实验和误差统计,证明了通过深度学习的方法,完全可以高效准确地完成基于汽车前视图的汽车前脸特征提取和二维线框模型的自动重建[2]。惠文静对销量前三的SUV汽车造型进行深入的特征分析提取和总结,提出汽车造型设计应当在满足消费者体验的前提下,可以融入更多的中国传统文化元素[3]。
2研究方法
眼睛是心灵的窗户,我们通过眼睛认识和感受世界万物,视觉在人类感知中占重要作用。因此,对汽车外观的欣赏评价与直观感受主要来源于视知觉[4]。本文研究中,也主要研究用户在视觉上对SUV前脸的造型相似性认知。在调研用户对SUV汽车前脸造型视觉相似性时主要用到聚类分析法,在分析调研数据时主要用到多维尺度分析法。
2.1聚类分析
聚类分析,顾名思义是一种物以类聚的分析方法。聚类是一种重要的人类行为,其目标是将收集数据按照相似性来分类。聚类分析从简单的物以类聚在统计学、生物学、计算机科学、数学和经济学等领域发展起来,成为一种系统的研究方法,这种方法被广泛运用到数据分析的各个领域。聚类分析是一种带有主观性的分析,也是一种探索性的分析,因此,通常没有分类标准,不同的被试对象给出的分析结果也会有所不同。聚类分析常用于相似性分析,是按照分析对象的特征,根据物以类聚的原则,将分析对象进行分类的一种分析方法。通过聚类分析,可以将有较高相似性的分析对象分到同组,差异较大的分析对象分到不同组。
2.2多维尺度分析
多维尺度分析主要是通过对象间的距离来分析他们之间的相似性。在多维尺度分析图中,分析对象呈点状分布,高相似性的对象会聚在一起,相差大的对象则距离较远。多维尺度分析也常用于研究消费者的知觉和偏好。
3研究内容及结论
本文研究中,运用聚类分析法对样本的相似性进行调研,然后将调研数据运用多维尺度分析法做成多维尺度散点图,再将样本图片按照散点图位置摆放来进行研究分析。
3.1SUV前脸造型相似性研究
3.1.1取样为了让调研更为全面,对样本的数量要求比较大,我们选取了汽车之家网站上能够查到的在售SUV图片,再对这些图片进行筛选,去除同样造型的图片最后得到的样本有146个。这次调研是针对SUV前脸造型,想了解用户对SUV前脸的哪些造型特征更为敏感,更容易识别。为了减少图片中SUV前脸的品牌标识特征和色彩对被试者的干扰,将图片都做了处理,使样本图片中车身的颜色都变成浅灰色或者深灰色,用图片处理软件抹掉品牌标志,让被试者能专注于造型形态本身。
3.1.2调研在调研中,被试者需要依据相似性将146个样本分为两份,得到1/2的两组样本A组和B组,然后分别将这两租1/2的样本依据其相似性分为两份,得到四个1/4样本组:Aa、Ab、Ba、Bb;然后再将这4份1/4样本组分别依据其相似性分为两份,得到八个1/8样本组:Aa1、Aa2、Ab1、Ab2、Ba1、Ba2、Bb1、Bb2。调研人员需记录好哪些样本同属于一个1/8样本组,哪两个1/8样本组同属于一个1/4样本组,哪两个1/4样本组同属于一个1/2样本组。在调研时,只要求被试者根据自己的感觉,依据相似性对SUV前脸造型图片样本组进行分类,不用提醒被试者要按照什么规则来分类,这样才能得出被试者自己对SUV前脸造型的认知,得出被试者认为在造型中比较重要比较突出的因素。本文研究中一共完成了35份调研,被试对象年龄在20周岁~45周岁之间,以首次购车或者替换购车人群为主,其中70%的被试对象为汽车行业工程、项目、研发、销售人员,对汽车都较为熟悉。
3.1.3分析依据调研得到的SUV前脸样本相似性结果,如果两个样本不属于同一个1/2样本组,则这两个样本的相似度定义为0,如果两个样本属于同一个1/2样本组,则这两个样本的相似度定义为0.25,如果两个样本属于同一个1/4样本组,则这两个样本的相似度定义为0.5,如果两个样本属于同一个1/8样本组,则这两个样本的相似度定义为0.75。每个被试者的结果分别列一个146×146的表格,在表格下三角区域输入对应的两个样本相似度。最后再将每个被试结果的146×146表格求均值,得出聚类分析调研结果表格。再将均值表格导入SYSTAT软件进行多维尺度分析,得出多维尺度分析图(如图1)。在这个图中,间距近的是相似度高的,间距远的是相似度低的。多维尺度分析图是一种心理认知图,能反应出消费者(被试)群体对这些造型的一种心理认知和判断[5]。按照图表位置从上到下和从左到右的顺序,将样本列出,应该能够得出一些线索,这些从上到下,从左到右的样本某些形态特征在加强,某些形态特征在减弱,而这个区别,就是我们想要得到的,用户对SUV前脸形态特征的敏感度,是用户对造型的认知。
3.2SUV前脸造型相似性研究结果讨论
根据多维尺度分析结果散点图上的0点位置,沿着水平和垂直方向做两条直线为横坐标和纵坐标。便于进一步分析造型特征相似性的关系。将序号对应的图片放到对应点的位置,得到了分析结果图形(以下简称结果图),如图2所示。分析结果图时,主要分析SUV前脸造型的一些重要特征线在结果图各个方向和区域存在的变化趋势。特征在英文中是“Feature”或“Character”,主要是指形态特征或显著的部分(Anyofthedistinctpartsof),可以说是作为标志性的、区别性的、可辨识的显著形态特点[6]。分析中对汽车造型特征的识别参考Chairlie以造型设计思维顺序角度提出的五个层次类别:轮廓线、窗线、车身型面造型特征,图形特征和其他可见细节线对汽车造型特征进行划分[7]。虽然造型特征包含点、线、面,但是点过于琐碎,而面过于复杂,因此,线在对造型特征的表示中,比点和面都更有优势[8]。从图片结果图来看,能看出SUV前脸的某些特征随着某一方向有加强或者减弱的趋势,还有某些特征在某个象限比集中,而在其他象限分布比较少。
3.2.1大灯与格栅的关系特征在结果图横坐标方向,从左到右的汽车图片中,大灯与格栅的关系有比较明显的差异。根据完型心理学中的接近律,某些在时间或空间上距离接近的部分,容易组成一个整体。左侧的汽车大灯与格栅的造型相对独立,或有明显的分隔。越往右边,汽车图片中大灯与格栅分隔越小,越趋向于连成一体。图3是沿着横坐标从左往右选取几张汽车图片,将大灯和格栅造型特征线条提取出来,左边两个汽车造型中,大灯与格栅大小差异大,而且之间还有车身钣金、保险杠或格栅边框明显地隔开,大灯与格栅造型相对独立。而最右边两个汽车造型中,大灯与格栅在高度方向上的大小是差不多的,而且格栅与大灯之间没有明显的隔断,更像是一个整体。图4中将结果图沿着横坐标方向分成从左到右三个虚线框,将大灯与格栅明显独立的汽车图片标黄圈,将大灯与格栅趋于连成一体的汽车图片标红圈。可以明显看出,左边虚线框中的大部分汽车,大灯与格栅造型大部分都是比较独立的;右边虚线框中,大灯与格栅造型大部分是连成一体的;中间虚线框中,则是有部分汽车造型大灯与格栅独立,也有部分汽车造型大灯与格栅连成一体。从结果图片中横坐标区域分析可以推测出,大灯与格栅之间的关系,是相对独立还是连成一体,这个造型区别是大部分被试者在做相似性的聚类分析调研时,用来区分像与不像的一个准则之一,说明这是一个容易让人识别和关注的造型特征。
3.2.2前脸外轮廓特征大灯与格栅的关系特征在结果图中沿着纵坐标从上往下,汽车前脸外轮廓有从硬朗到圆润的变化,这个变化特征主要集中在大灯外侧附近的汽车轮廓。车身的外轮廓线是用户视觉最先感知的部分,除了能体现造型,更重要的是能使观察者感受到物体的整体造型特征[11]。图5中选取了结果图纵坐标从上到下几张汽车图片,用红色线条勾画出这些汽车的前脸外轮廓线。可以看出,左边的汽车前脸轮廓在大灯区域的线条接近折线,右边的汽车前脸轮廓在大灯区域的线条则是明显的圆弧形;左边汽车外轮廓在大灯区域是内凹的,右边汽车外轮廓在大灯区域是鼓起的。图6把结果图纵坐标方向从上往下划分为三个区域,将这三个区域的图片用虚线框起来。将轮廓为有棱角折线和大灯区域轮廓凹陷的汽车图片标红;将轮廓线是圆弧线的,在大灯外侧区域轮廓线向外鼓起的汽车图片标黄。从标注完的结果来看,沿着纵坐标方向,上方区域的汽车图片中,大灯附近的汽车外轮廓为折线的多,大灯外侧外轮廓内凹的多;下方区域的汽车图片中,大灯附近的汽车外轮廓圆弧形的多,大灯外侧轮廓鼓起的多。如果把汽车前脸比喻为人脸,大灯为人的眼睛,则大灯外侧轮廓好比人脸太阳穴位置,结果图上方大部分的汽车太阳穴内凹,结果图下方大部分汽车则太阳穴更为饱满。
3.2.3保险杠与雾灯轮廓特征根据横纵坐标把结果图分为四个象限,如图8所示,在第一象限中,大部分汽车图片的保险杠与雾灯轮廓呈现保险杠中间有向上抬起特征线,到两边雾灯区域,保险杠特征线急转直下,到雾灯下方,形成一个压扁的“几”字形特征线,图片中标黄的为有“几”字特征。在第三象限中,大部分保险杠和雾灯没有这种轮廓特征,保险杠特征没有抬起,或在雾灯区域没有保险杠特征避让雾灯的明显特征,图片中标红的为没有“几”字特征。图7从左往右依次是从第一象限到第三象限的汽车图片。第一象限中的大部分汽车图片中,有明显的保险杠下边缘在在雾灯之间抬高,在雾灯区域下沉的特征,如图7中左侧两个汽车图片。而在第三象限中,大部分汽车图片在雾灯区域没有明显的保险杠下边缘在雾灯之间抬高的特征。
3.2.4大灯的仿眼角轮廓根据横纵坐标把结果图分为四个象限,如图10。以大灯轮廓特征来分类汽车图片,将大灯有仿人眼特征轮廓,有明显的内眼角特征的汽车图片标红色,将大灯没有明显眼角特征的图片标为黄色。在第三象限中,明显大部分汽车图片为有眼角特征的,而其他三个象限中,大部分汽车图片大灯没有眼角特征。图9左边三个汽车图片有眼角特征,大灯轮廓在靠中间区域明显收紧,形成一个尖角或者类似尖角;右边两个图片没有眼角特征,大灯轮廓在中间区域没有靠拢收紧。
4结语
经过聚类分析法对SUV前来图片样本相似性进行调研,然后将调研数据以多维尺度分析法做成多维尺度散点图,再对散点图进行分析。得出SUV前脸造型中有四个明显的特征影响用户对SUV前脸相似性认知:(1)大灯与格栅的关系特征,沿结果图横坐标方向有明显变化;(2)SUV车前脸轮廓特征,沿结果图纵坐标有明显的变化;(3)保险杠与雾灯轮廓特征,在结果图第一象限与第三象限中有明显区别;(4)大灯的仿眼睛轮廓,有明显大灯仿眼角特征的汽车图片主要集中在结果图第三象限中。以上四个SUV前脸造型特征是用户观感上比较敏感的特征,是影响SUV前脸造型辨识度的主要特征。这几个特征的不同会影响用户对SUV前脸造型的认知。
参考文献
[1]赵磊,基于感性工学的轿车前脸造型优化设计[D].东北大学,2012:1-5.
[2]陶凯.基于深度学习的汽车前脸特征点提取及其应用[D].大连理工大学,2018:1-2.
[3]惠文静,许小侠.基于中国文化元素的SUV汽车造型设计分析[J].工业设计,2018(05):05-11.
[4]陈凌雁.基于格式塔理论的汽车前脸造型研究[D].湖南大学,2007:1-2.
[5]刘春荣,朱旭.年轻消费者对轿车造型风格的认知研究[J].包装工程,2016,12(37):6-10.
[6]赵丹华,赵江洪.汽车造型特征与特征线[J].包装工程,2007(3):115-117.
[8]胡伟峰,赵江洪,赵丹华.基于造型特征线的汽车造型意象研究[J].中国机械工程,2009(02):496-497.
[9]孙虎.基于车身侧视线条分析的汽车造型设计研究[J].机械设计,2018,1(35):125-126.
作者:石卉 刘春荣 单位:上海交通大学设计学院