盧兆麟，程若丹，石清吟，王 波

(1. 合肥學院設計藝術系，合肥 230601; 2. 清華大學汽車工程系，汽車節(jié)能與安全國家重點實驗室，北京 100084)

2016090

基于自然語言處理的汽車造型風格推導與評價*

盧兆麟1，2，程若丹1，石清吟2，王 波2

(1. 合肥學院設計藝術系，合肥 230601; 2. 清華大學汽車工程系，汽車節(jié)能與安全國家重點實驗室，北京 100084)

為有效獲取用戶感性需求并塑造整車形象，提出了一種基于自然語言處理的汽車造型風格推導與評價方法。首先描述了汽車造型設計過程的領域任務，并建立了汽車造型風格推導模型，通過自然語言處理對汽車造型隱性風格進行表征，步驟包括口語分析、設計主題詞的提取、權重計算和設計主題詞相似度的計算與聚類。接著進一步闡述了基于特征匹配的顯性風格生成機制，并與改進的三標度層次分析法相結合，對顯性風格進行評價。最后以實例驗證了該方法的有效性。

汽車造型；風格推導與評價；自然語言處理；特征匹配

前言

根據調查，我國超過七成的消費者認為外觀造型是決定購買汽車時的首要考慮因素[1]。對于設計師而言，如何形成消費者認可并接受的汽車造型風格成為關鍵性問題。圍繞這一問題，近年來國內外學者進行了廣泛的研究，如：文獻[2]中建立了神經網絡評價系統(tǒng)，并利用非支配排序遺傳算法建立了汽車側輪廓的多意象造型進化設計系統(tǒng)；文獻[3]中以典型汽車產品為例，提出了產品風格歷時性與共時性進化模型，并結合生物遺傳學理論定義了產品風格基因；文獻[4]中提出了汽車造型認知過程中的意向投影原理，建立了相應的意向投影評估模型；文獻[5]中提出了汽車造型的“線-型”分析方法，用以判定、提取汽車形體表面的關鍵造型線；文獻[6]～文獻[8]中運用模糊集與神經網絡方法對汽車造型風格及意象進行了研究；文獻[9]中運用形狀文法，將別克汽車造型風格編碼為可重用的設計語言；文獻[10]中以汽車外形輪廓為例，提出了“感知度”(feeling quality, FQ)的概念，從而實現產品設計的參數與用戶感知意象的映射；文獻[11]中提出用多次顯示的方法對汽車設計方案進行美學評價。

總體而言，現有研究尚存在以下不足：針對汽車造型的研究中，多從某一特定角度(如側面外輪廓、輪轂等)展開，缺乏整體性和系統(tǒng)性，沒有考慮整車造型設計，因而不能塑造整車形象，對實際設計的指導效果不夠充分；缺乏對驅動汽車造型設計源頭的探討，即缺少對用戶感性需求的有效獲取和應用，未能對設計師思維規(guī)律性進行研究，從而總結出行之有效的汽車造型設計方法。

針對以上不足，本文中提出一種基于自然語言處理的汽車造型風格推導方法，將感性需求轉化為造型特征，并結合“層次分析法”(analytic hierarchy process,AHP)進行多目標決策分析，對造型方案進行排序，從而獲得最優(yōu)解。

1 汽車造型設計過程的領域任務

文獻[12]中指出，設計有3個根本問題值得研究：一是設計規(guī)則；二是設計方法論；三是設計思考過程。

在汽車造型設計的初始階段，根據用戶的需求提出設計目標。該目標可能是模糊的，須對其進行表征，即語義分析過程，其中包括語義理解和語義獲取兩個階段。而后設計師明確設計任務，理解關鍵的設計問題，形成未來車型的主題意象和局部意象。進一步地，使用特定規(guī)則確定要尋找的設計數據，利用設計方法產生、評估和選定設計結果，最終得到汽車造型的風格特征。綜上，提出汽車造型設計過程的領域任務模型,如圖1所示。

2 汽車造型風格推導

2.1 汽車造型風格推導模型

按照香農(C.E.Shannon)提出的信息傳播一般模型[13]，將汽車造型風格的認知過程定義為：設計師為信源、產品為信道、用戶的感官為接收器、用戶為最終信宿。

根據上述模型，作如下定義。

定義1：風格特征分為“顯性”和“隱性”。幾乎所有物理層面的產品風格特征包括形態(tài)、色彩、材質、肌理及它們的構成法則等，可以看作是顯性的；而大部分精神層面的產品風格特征,如意象感知、情感體驗、品牌內涵等則是隱性的，它們存在于人的腦海中，相對難以規(guī)范化和表達。將產品風格特征表述為

(1)

I→{I1,I2,I3，…，In}，Ii∈I且1≤i≤n

(2)

E→{E1,E2,E3，…，Em}，Ej∈E且1≤j≤m

(3)

定義2：設計師推導汽車造型風格的過程與用戶對汽車造型風格的認知過程是兩個互逆的過程，即

=

(4)

=

(5)

用戶對汽車造型風格的認知過程，從顯性風格特征開始，經映射關系達到隱性風格特征，最后以獲得感性意象結束。作為逆過程，汽車造型風格的推導以感性需求作為出發(fā)點，進而確定隱性風格特征，再由此得出顯性風格特征。推導模型如圖2所示。

定義3：設汽車造型風格特征的規(guī)劃為Sp，對Sp進行形式化描述，則有

(6)

2.2 基于自然語言處理的汽車造型隱性風格表征

汽車造型隱性風格的表征以語言為載體，通過提取主題詞(subject heading terms, SHT) 對隱性風格進行描述。主題詞的提取應遵循2個原則[14]：一是以“最小的代價獲取最大信息”的認知經濟性原則；二是在相同的語言環(huán)境內主題詞相對穩(wěn)定且不容易受情境的影響。根據以上兩條原則，本文中把形容詞和名詞作為語義表征的主要方式，步驟如下。

(1) 口語報告實驗

該實驗屬于一種并行的、內省的、無結構的口語分析方法，由于被試者表述的是當前存在于工作記憶中的信息，因此排除了由于人的記憶差錯而產生的無效數據[12]。具體而言，首先從目標群體中選擇被試對象，結合原型向其介紹汽車的功能、用途、定位、技術特點等，然后要求被試對象根據自身理解表述對于該車型有何要求或期待，最后將實驗結果轉為文字。

(2) 設計主題詞的提取與權重計算

以“詞頻-逆向文件頻率”(term frequency-inverse document frequency ,TF-IDF)方法為基礎，對用戶訪談結果進行設計主題詞提取并計算權重。其核心思想是：如果某一詞或短語在一篇文檔中的出現頻率高，同時在其他文檔中出現較少，并且信息熵值也較高，則認為該詞或短語具有較高的區(qū)分度。根據文獻[15]中的研究，具體算法如下。

① 設ni,j為詞語或短語ti在某一篇用戶口語報告dj文檔中出現的次數，設該詞語或短語的詞頻為Ti,j，則

(7)

式中∑knk,j代表文檔dj中所有詞語或短語次數之和。

② 設Ni,j為出現過上述詞語或短語的用戶口語文檔數目，N為總文本數目，該詞語或短語的反向文件頻率為Di,j，則

(8)

式中L為經驗值，通常取0.01。

③ 設H為該詞語或短語的信息熵值，最終得到詞語或短語ti的權重為wi,j，則有

(9)

并且，當wi，j≥δmin時，該詞語或短語將作為主題詞被提取，δmin為設定的最小值。

(3) 設計主題詞的相似度計算與聚類

在提取若干設計主題詞之后，對其做進一步處理，將相似的主題詞聚類，提煉成為關鍵詞，便于后續(xù)設計展開。根據文獻[16]，主題詞之間的相似度計算方法如下。

對于某兩個漢語詞匯W1和W2，假設W1有n個義項：S11，S12，S13，…，S1n；W2有m個義項：S21，S22，S23，…，S2m。定義W1與W2的相似度為各個概念相似度的最大值，即

(10)

式中：0≤Sim(W1,W2)≤1，當Sim(W1,W2)=1時，表示兩個詞的詞義完全相同，當Sim(W1,W2)=0時，表示兩個詞的詞義完全不同。

2.3 基于特征匹配的顯性風格生成與評價

在對汽車造型的隱性風格進行表征之后，以此為基礎生成顯性風格，本文中作定義如下。

定義4：汽車隱性風格特征與顯性風格特征之間存在匹配關系。設隱性風格特征為n項，并有m項顯性風格特征與之匹配，則得到隱性風格特征與顯性風格特征匹配度矩陣A為

(11)

式中IiEj表示第i項隱性風格特征與第j項顯性風格特征元素的匹配程度。并且有

(12)

式中Wk表示第k項顯性風格特征的重要程度，等于其與各隱性風格特征元素匹配程度之和。

綜上所述，本文中提出基于自然語言處理的汽車造型風格推導方法，如圖3所示。

3 實例研究

與國內某廠商合作，提出設計任務為“面向80后都市年輕群體的小型純電動轎車造型設計”。

3.1 口語報告實驗

(1) 被試對象

共選擇被試對象8人，均為汽車專業(yè)研究生或本科生；男性5人，女性3人；平均年齡20.6歲。實驗設備包括數碼錄像機/錄音機、紙和筆等，由主持人向被試者介紹實驗目的和過程后，全過程錄音和

錄像，地點在清華大學汽車安全與節(jié)能國家重點實驗室。

(2) 實驗任務

要求被試對象根據設計任務，進行思考后說出該款汽車在造型上應具備怎樣的特征，盡量使用名詞或形容詞描述。主持人確?，F場安靜，除了必要的提醒外，不對被試對象的思維做任何干擾，整個過程在30min左右。

實驗場景如圖4所示。

限于篇幅，本文中僅列舉其中一位被試者的部分口試結果，如表1所示。

表1 某被試者的部分實驗結果

3.2 隱性風格表征

本文中采用中國科學院計算技術研究所開發(fā)的ICTCLAS2016軟件，對8位被試者的口語報告分別進行處理，提取主題詞并計算權重，結果見表2。

采用中國科學院計算技術研究所開發(fā)的WordSimilarity軟件，對表2中的主題詞相似度兩兩計算，合并同類項后進行篩選得到關鍵詞。須要指出的是，表2中主題詞是其在各自口語報告中對應的權重數值，同時每篇口語報告的重要性被認為是等同的，因此同類主題詞的總體權重為各篇幅中權重數值之和。為了控制主題詞數量、簡化計算，本文中綜合判斷各權重均值及中位數，設定權重閾值為5.00，低于該值將被剔除。

最終得到7項主題詞，權重數值如表3所示。

對表3中的結果作歸一化處理。設處理后的某主題詞最終權重為δk，則

(13)

得到歸一化結果如表4所示。

表2 主題詞提取結果

表3 主題詞聚類結果

表4 主題詞權重歸一化結果

根據上述結果，將目標車型的隱性風格總結并描述,如表5所示。

表5 目標車型隱性風格描述

3.3 顯性風格生成與評價

3.3.1 造型方案的提出

設計師團隊為清華大學汽車工程系車身造型方向的師生，要求根據表5中對于目標車型隱性風格的描述，分別完成汽車造型設計的方案。

限于篇幅，僅列出其中部分方案草圖,如圖5所示。

3.3.2 汽車顯性風格的特征分解

產品的屬性通常是相互關聯的，用戶一般通過多個造型特征的語義關聯并經過綜合認知加工后產生整體的意象。因此，在對汽車造型特征進行分解時，應在保持屬性相對獨立性的前提下加以界定。依據此原則，最終確定的汽車顯性風格特征包括4個部分：F1—前臉、F2—側面、F3—尾部、F4—輪轂。

特征線作為點和面的過渡，最適合于設計表達，被普遍用于汽車設計[17]。因此，本文中將方案草圖處理成為特征線形式以便于評價，共得到4種整車方案，如表6所示。

表6 造型方案特征分解

3.3.3 顯性風格匹配度計算

評價采用5點Likert量表，即1～5分(完全不符合～完全符合)，共邀集專家和普通用戶23人，其中普通用戶19人、專家4人，對4種方案的各項顯性風格特征和各主題詞匹配程度分別做出評價。并將得分均值乘以主題詞歸一化權重后累加，最終得到各項顯性風格特征的總值， 結果如表7～表10所示。

表7 前臉評價結果

表8 側面評價結果

表9 尾部評價結果

表10 輪轂評價結果

綜合表7～表10得到的結果如圖6所示。

3.3.4 顯性風格的特征權重計算與總體評價

進一步地，使用改進的AHP法對各造型特征重要性進行計算。AHP法主要應用網絡系統(tǒng)理論和多目標綜合評價，對定性問題進行定量分析，是一種多屬性層次權重決策分析方法[18]。近年來，有學者針對傳統(tǒng)AHP法九標度的不足，提出了0～2三標度法，從而有效提高一致性，且評價結果也比較接近復雜判斷的結果[18]。

設汽車顯性風格特征為Fi與Fj，hij為兩個特征重要性比值，采用三標度法，如表11所示。

表11 三標度法的特征重要性比較

本文中，經專家評判，兩兩比較后得到矩陣B：

F1F2F3F4

B=F1

F2

F3

(14)

對矩陣B進行歸一化處理，計算過程見文獻[17]，本文中不再贅述。設造型特征權重寫成向量形式得到(0.56, 0.26, 0.12,0.06)T,即：前臉權重為0.56，側面權重為0.26，尾部權重為0.12，輪轂權重為0.06。

將各方案顯性風格特征的分值乘以各權重并累加，得到方案的最終分值：方案1為2.93，方案2為3.25，方案3為2.86，方案4為3.09，如圖7所示，表明方案2為最優(yōu)結果。以該方案為基礎，發(fā)展成為概念車型后獲得了市場的普遍好評，證實了本方法的有效性。

4 結論

本文中對汽車造型設計過程的領域任務進行了描述，并建立了汽車造型風格推導模型。以此為基礎，提出了一種基于自然語言處理的汽車造型風格推導方法，對隱性風格特征進行表征，并計算顯性風格特征的匹配度。最后，以實例具體論述了該方法的步驟，證實了方法的有效性與實用性，具有較高的準確度，從而為實現汽車造型的推導提供了一種可行的技術途徑。

[1] 國務院發(fā)展研究中心產業(yè)經濟研究部，中國汽車工程學會，大眾汽車集團(中國).中國汽車產業(yè)發(fā)展報告(2013)[M]. 北京：社會科學文獻出版社，2013.

[2] 蘇建寧，張秦瑋，吳江華，等. 產品多意象造型進化設計[J].計算機集成制造系統(tǒng)，2014,10(11)：2675-2682.

[3] 徐江，王海賢，孫守遷. 基于風格進化模型的產品生成設計方法[J].東南大學學報(自然科學版)，2012,42(4)：654-658.

[4] 付黎明，于海洋，李緒明.汽車車身曲面造型認知意向投影原理及評估模型[J].吉林大學學報(工學版)，2015,45(1)：49-54.

[5] 王波，羅際，朱睿. 汽車造型設計的線型分析方法[J].汽車工程，2010,32(6)：470-476.

[6]HSIAOSW.FuzzySetTheoryAppliedtoCarStyleDesign[J].InternationalJournalofVehicleDesign, 1994, 15 (3):255-278.

[7]HSIAOSW.FuzzySetTheoryonCar-colorDesign[J].ColorResearchandApplication, 1994, 19 (3):202-213.

[8]HSIAOSW,CHANGMS.ASemanticRecognitionBasedApproachforCar’sConceptDesign[J].InternationalJournalofVehicleDesign, 1997, 18 (1):53-82.

[9]MCCORMACKJay,CAGANJonathan,VOGELCraigM.SpeakingtheBuickLanguage:Capturing,Understanding,andExploringBrandIdentitywithShapeGrammars[J].DesignStudies, 2004, 25(1): 1-29

[10]LAIHH,CHANGYM,CHANGHC.ARobustDesignApproachforEnhancingtheFeelingQualityofaProduct:aCarProfileCaseStudy[J].InternationalJournalofIndustrialErgonomics, 2005, 35(5): 445-460.

[11]COUGHLANP,MASHMANR.OnceIsNotEnough:RepeatedExposuretoAestheticEvaluationofanAutomobileDesignPrototype[J].DesignStudies, 1999，20(6):553-563.

[12] 陳超萃.設計認知——設計中的認知科學[M]. 北京：中國建筑工業(yè)出版社，2008.

[13]SHANNONCE.AMathematicalTheoryofCommunication[J].BellSystemTechnicalJournal, 1948, 27(1): 379-423.

[14] 陳憲濤. 汽車造型設計的領域任務研究與應用[D].長沙：湖南大學設計藝術學院,2009.

[15] 李然，張華平，趙燕平. 基于主題模型與信息熵的中文文檔自動摘要技術研究[J].計算機科學，2014, 41(11):298-332.

[16] 劉群，張浩，白碩. 自然語言處理開放資源平臺[J].語言文字應用，2002(4)：50-56.

[17] 盧兆麟，李升波，徐少兵，等. 面向汽車造型的用戶視覺模式識別比較[J].計算機集成制造系統(tǒng)，2015, 21(7)：1711-1718.

[18] 朱建軍. 層次分析法的若干問題研究與應用[D]. 沈陽：東北大學信息科學與工程學院，2005.

Vehicle Styling Feature Derivation and Evaluation Based on Natural Language Processing

Lu Zhaolin1,2, Cheng Ruodan1, Shi Qingyin2& Wang Bo2

1.DepartmentofArtDesign,HefeiUniversity,Hefei230601; 2.DepartmentofAutomotiveEngineering,TsinghuaUniversity,StateKeyLaboratoryofAutomotiveSafetyandEnergy,Beijing100084

To effectively acquire the perceptual requirements of costumers and portray the image of vehicle, a method of car styling feature derivation and evaluation based on natural language processing is proposed. Firstly, the task of car styling process is described, and the derivation model for car styling feature is created. The implicit features of car shape are represented by natural language processing with a procedure including colloquial analysis, the extraction and weight calculation of design themes, and the similarity computing and clustering of design themes. Furthermore, the generation mechanism of explicit features based on character matching is expounded, and the explicit features are evaluated by combining with improved three scale analytic hierarchy process. Finally, the effectiveness of the method proposed is validated by a real case.

car styling; styling feature derivation & evaluation; natural language processing; character matching

*國家自然科學基金(51505251)、中國博士后科學基金(2014M560955)、安徽省自然科學基金(1508085QG144)和安徽高校省級優(yōu)秀青年人才基金重點項目(2013SQRL078ZD)資助。

原稿收到日期為2016年2月22日，修改稿收到日期為2016年3月16日。