魏君，韓穎，蘇暢，張英朝

基于方差分析的輪轂造型特征顯著性研究

魏君，韓穎，蘇暢，張英朝

（吉林大學(xué)，長(zhǎng)春 130012）

探討差異化的輪轂造型、受試者年齡、感知意象的顯著程度，確定符合目標(biāo)人群的電動(dòng)車輪轂造型方案。完成各有5組輪輻的8種不同風(fēng)格的輪轂造型方案。獲取與電動(dòng)車整體造型風(fēng)格一致的8個(gè)感知意象詞匯，采用5段語(yǔ)義差分法對(duì)102名目標(biāo)人群進(jìn)行感知意象實(shí)驗(yàn)。采用單因素方差分析法，對(duì)主成分分析確定的“個(gè)性的”等6個(gè)重要的感知意象詞匯進(jìn)行比較分析，分別求得8種輪轂造型，以及高中低3個(gè)年齡層次的目標(biāo)人群對(duì)電動(dòng)車輪轂造型特征的感知意象的顯著結(jié)果。獲得不同感知意象對(duì)差異化的電動(dòng)車輪轂造型顯著性的影響程度，掌握具有傾向性的感知意象對(duì)特定年齡層次人群的敏感程度，總結(jié)市場(chǎng)細(xì)分條件下的電動(dòng)車輪轂造型特征的傾向性，并呈現(xiàn)各輪轂造型顯著性的影響程度。通過(guò)方差分析找到指定感知意象詞匯中最敏感的受試者年齡層次，以及造型特征顯著性最強(qiáng)、感知意象最突出的輪轂造型，為確保輪轂與整車造型風(fēng)格的統(tǒng)一性，提供科學(xué)依據(jù)。

電動(dòng)車輪轂；造型特征；感知意象；方差分析；顯著性

輪轂是介于輪胎與車橋之間的旋轉(zhuǎn)件，是具有承載功能的重要安全部件[1]。輪轂造型是整車外觀設(shè)計(jì)的重要表現(xiàn)之一，精準(zhǔn)的輪轂造型對(duì)有效地傳達(dá)整車設(shè)計(jì)風(fēng)格、明確市場(chǎng)定位等具有重要影響。主成分分析法，是把給定的相關(guān)變量通過(guò)線性變換轉(zhuǎn)化成另一組不相關(guān)的新變量，新的變量能夠解釋原始數(shù)據(jù)的大部分信息。通過(guò)主成分分析可以將多個(gè)變量轉(zhuǎn)化為優(yōu)選的綜合變量，以實(shí)現(xiàn)降維的目標(biāo)[2-3]。方差分析是對(duì)測(cè)試結(jié)果進(jìn)行分析，從而鑒別各種因素效應(yīng)的一種統(tǒng)計(jì)分析方法，常用于檢驗(yàn)具有方差齊性的若干個(gè)相互獨(dú)立的正態(tài)總體的均值是否相等[4-5]。范大偉等[6]運(yùn)用主成分分析法建立了汽車輪轂的數(shù)據(jù)分析模型，得到了年輕人對(duì)汽車輪轂造型的感知偏好。陳永超等[7]采用主成分分析法，對(duì)熱銷洗發(fā)水的外觀造型進(jìn)行主觀評(píng)價(jià)分析，基于層次分析法構(gòu)建綜合語(yǔ)義指標(biāo)的主觀評(píng)價(jià)矩陣，得到綜合性的語(yǔ)義表達(dá)。徐江華等[8]通過(guò)方差分析預(yù)測(cè)出經(jīng)濟(jì)艙乘客更滿意的座椅間距、顯示器高度的方法。陶輝等[9]采用簡(jiǎn)單描述統(tǒng)計(jì)、T檢驗(yàn)及單因素方差分析法，得出不同性別因素對(duì)人群服裝色彩偏好的影響。羅文斌[10]在其碩士論文中采用單因子變異數(shù)分析、回歸分析等方法，得出“益品書屋”的優(yōu)質(zhì)服務(wù)對(duì)其顧客的性別比例、顧客滿意度的顯著影響。沈瓊等[11]以鉗子為研究對(duì)象，進(jìn)行視覺(jué)及觸覺(jué)的體驗(yàn)測(cè)試，運(yùn)用因子分析和方差分析得出鉗子的評(píng)價(jià)語(yǔ)義因子，發(fā)現(xiàn)了鉗子的可用性和便攜性的感知差異的顯著特性。此外，Hyun等[12]使用混合樣式量化的測(cè)量和計(jì)算，找出針對(duì)不同品牌、擁有獨(dú)特設(shè)計(jì)元素的汽車產(chǎn)品的快速識(shí)別方法。Luo等[13]通過(guò)參與性實(shí)驗(yàn)進(jìn)行輪轂造型與汽車類型的匹配研究，采用感性工學(xué)中的語(yǔ)義差分法及對(duì)應(yīng)分析法，獲得輪轂與相應(yīng)車型之間的關(guān)聯(lián)強(qiáng)度。綜合顯示，采用語(yǔ)義差分、主成分分析、方差分析等方法，可以展開(kāi)基于受眾性別、年齡層次、研究對(duì)象的造型特征與受眾感知特性之間顯著性關(guān)系的研究，從而快速、準(zhǔn)確地把握消費(fèi)者感知需求，并明確造型定義。文中主要采用單因素方差分析，來(lái)探討電動(dòng)車輪轂造型感知意象在不同年齡層次受眾中的顯著性差異問(wèn)題。

1 電動(dòng)車輪轂造型的感知意象設(shè)計(jì)定位分析

以合眾汽車公司的哪吒U型電動(dòng)車為研究對(duì)象（以下稱U型車），見(jiàn)圖1。結(jié)合整車外觀設(shè)計(jì)風(fēng)格和市場(chǎng)定位，逐步對(duì)差異化的輪轂造型特征的顯著性展開(kāi)研究。

根據(jù)U型車“凸顯情感科技，以用戶為中心，賦予智能科技更多溫度”的定位目標(biāo)，結(jié)合2019年2個(gè)主要車展中呈現(xiàn)的整車外觀造型流行因素，共完成40個(gè)各有5組輪輻，以及具有清晰的感知意象的輪轂造型方案，邀請(qǐng)10名汽車領(lǐng)域?qū)＜?，以U型車的設(shè)計(jì)定位為評(píng)價(jià)基準(zhǔn)，進(jìn)行輪轂造型方案的主觀評(píng)價(jià)，最終篩選出8種輪轂造型方案，感知意象分別體現(xiàn)為情感科技的、個(gè)性的、前衛(wèi)的、犀利的、運(yùn)動(dòng)的、硬朗的、輕盈的及精致的[14-15]，見(jiàn)圖2。將這8種感知意象形容詞作為輪轂造型感知評(píng)價(jià)的度量標(biāo)準(zhǔn)，以開(kāi)展目標(biāo)人群的感知意象實(shí)驗(yàn)。

圖1 U型車

Fig.1 U-Type vehicle

圖2 U型車輪轂造型設(shè)計(jì)方案

2 針對(duì)目標(biāo)人群的電動(dòng)車輪轂造型特征的感知意象實(shí)驗(yàn)

2.1 U型車輪轂造型的感知意象實(shí)驗(yàn)

采用“問(wèn)卷星平臺(tái)”對(duì)U型車輪轂造型進(jìn)行在線調(diào)查，并完成感知意象實(shí)驗(yàn)的數(shù)據(jù)采集和分析。結(jié)合上文中的8個(gè)感知意象詞匯，采用五段式語(yǔ)義差分法，對(duì)圖2中的輪轂造型樣本集所包含的8個(gè)輪轂方案（記為1、2、3、4…8）的造型特征進(jìn)行目標(biāo)人群的感知意象實(shí)驗(yàn)。每個(gè)感性詞匯所存在的整個(gè)區(qū)間被分為5個(gè)等級(jí)，分別對(duì)應(yīng)分值1、2、3、4、5，感知程度逐級(jí)增強(qiáng)[16-17]。請(qǐng)受試者對(duì)8個(gè)感知意象詞匯所呈現(xiàn)出的輪轂造型特征的意象進(jìn)行逐一評(píng)價(jià)。

2.2 目標(biāo)人群的年齡層次分析

通過(guò)上述感知意象實(shí)驗(yàn)獲得102個(gè)受試者的感性認(rèn)知數(shù)據(jù)，并將全部受試者按照低、中、高3組年齡層劃分為1、2、3…6共6個(gè)群組，見(jiàn)表1?？紤]到各年齡群組所包含的受試者人數(shù)不同，因此對(duì)每一個(gè)感知意象的具體得分進(jìn)行對(duì)應(yīng)數(shù)據(jù)的標(biāo)準(zhǔn)化處理，即采用該年齡組全部受試者的感知意象平均分值來(lái)作為指定詞匯的感知意象得分。

表1 受試人群的年齡層次分組及人數(shù)比例

Tab.1 Levels of age group and proportion of the test population

2.3 U型車輪轂造型的感知意象的主成分分析

采用Alpha信度系數(shù)法，利用SPSS（22.0版本）軟件對(duì)有效的102份感知意象實(shí)驗(yàn)數(shù)據(jù)進(jìn)行整理和計(jì)算，信度系數(shù)為0.954，表明該實(shí)驗(yàn)結(jié)果具有很強(qiáng)的可靠性。通過(guò)主成分分析，確定了影響U型車輪轂造型感知意象的最為突出的6個(gè)重要的感知意象詞匯分別為“個(gè)性的、前衛(wèi)的、犀利的、情感科技的、精致的、硬朗的”[15]，并以此作為輪轂造型的感知評(píng)價(jià)指標(biāo)，從而獲知受試者對(duì)不同輪轂造型的感性認(rèn)知結(jié)果。

3 基于方差分析的輪轂造型特征的顯著性分析

方差分析的目的是同時(shí)處理多個(gè)平均數(shù)的比較，通過(guò)組觀測(cè)值來(lái)檢驗(yàn)因素的影響是否顯著，即為檢驗(yàn)假設(shè)：

(1)

(2)

記

(3)

由于

(4)

可以證明

(5)

從而，統(tǒng)計(jì)量

(6)

3.1 針對(duì)特定感知意象的U型車輪轂造型特征的方差分析

對(duì)通過(guò)主成分分析篩選并確認(rèn)的6個(gè)重要的感知意象代表詞匯展開(kāi)進(jìn)一步研究，分析輪轂造型特征及受試者的年齡層次對(duì)感知意象詞匯的影響程度。從2個(gè)角度進(jìn)行分析：不同輪轂造型特征與感知意象詞匯之間的顯著性關(guān)系；受試者的年齡層次與感知意象詞匯之間的顯著性關(guān)系。以感知意象評(píng)價(jià)指標(biāo)“個(gè)性的”為例。為了檢驗(yàn)8種輪轂造型對(duì)“個(gè)性”這個(gè)詞匯的表達(dá)是否具有顯著性差異，將“輪轂造型”當(dāng)作一個(gè)考察因素，它有8個(gè)水平，分別對(duì)應(yīng)8種輪轂造型樣本，對(duì)這8個(gè)水平進(jìn)行單因素方差分析，由于每個(gè)水平對(duì)應(yīng)的輪轂造型樣本都有6組觀察值，所以試驗(yàn)總次數(shù)為。用表示輪轂造型第個(gè)樣本的第個(gè)觀察值，則有公式（7）—（10）：

總離差平方和：

(7)

組間離差平方和：

(8)

組內(nèi)離差平方和：

(9)

統(tǒng)計(jì)量：

(10)

由于方差分析要求樣本方差相同，即方差齊性，所以需要進(jìn)行輪轂造型樣本的方差齊性檢驗(yàn)。首先，通過(guò)SPSS軟件將8種輪轂造型樣本所對(duì)應(yīng)的1—6年齡組的平均值（見(jiàn)表2）[15]進(jìn)行方差齊性檢驗(yàn)，檢驗(yàn)結(jié)果詳見(jiàn)表3。

表2 U型車輪轂造型樣本與對(duì)應(yīng)的各年齡群組的平均值統(tǒng)計(jì)結(jié)果

Tab.2 The average scoring among U-Type wheel hub styling models and all the age groups

表3 誤差方差等同性的Levene檢驗(yàn)a

Tab.3 Test of homogenlty of variances based on Levene statistic

表3顯示了計(jì)算后的Levene的方差同質(zhì)性檢驗(yàn)未達(dá)到顯著，說(shuō)明各組方差相近，1—8這8個(gè)輪轂造型方案的離散情形并無(wú)明顯差別，表明該檢驗(yàn)結(jié)果有效。

表4中的整體檢驗(yàn)結(jié)果顯示：顯著性水平達(dá)到0.005，受試者對(duì)8種不同的輪轂造型方案中體現(xiàn)“個(gè)性的”感知意象的差異極大，表明人們確實(shí)會(huì)因?yàn)殡妱?dòng)車輪轂造型的不同而對(duì)“個(gè)性的”感知產(chǎn)生差別極為明顯的感受。

表4 主體間效應(yīng)的檢驗(yàn)

Tab.4 Test of intersubjective effects

其次，通過(guò)事后比較檢驗(yàn)（Honestly Significant Difference, HSD）發(fā)現(xiàn)，輪轂造型樣本7與其他樣本在該感知意象詞匯下的差異均達(dá)到顯著，而其他樣本之間均不存在顯著差異，且樣本7的平均值明顯低于其余所有樣本。表明受試者廣泛地認(rèn)為輪轂造型樣本7在所有測(cè)試樣本中關(guān)于“個(gè)性的”造型特征的表達(dá)最差，排除樣本7之外的其余樣本在“個(gè)性的”造型特征的表現(xiàn)則基本保持一致，并沒(méi)有引起受試者的其他特別感受。由于樣本1—5與其他樣本均未達(dá)到“顯著效果”，所以只列出樣本6、樣本7和樣本8分別與除了其自身以外的樣本之間進(jìn)行成對(duì)比較，見(jiàn)表5。

表5 輪轂造型樣本針對(duì)感知意象詞匯的成對(duì)比較

Tab.5 Comparison of wheel model samples against perceptual image vocabulary

注：*為達(dá)到顯著性。

最后，按照上述單因素方差分析方法，以“年齡層次”為因子，對(duì)“個(gè)性的”感知意象進(jìn)行方差分析。檢驗(yàn)結(jié)果發(fā)現(xiàn)，不同年齡層次的受試者對(duì)“個(gè)性的”感知意象的差異也達(dá)到了顯著效果，顯著性水平為0.003。多重比較結(jié)果也顯示了1和2（低年齡）及5和6（高年齡）的受試者對(duì)“個(gè)性的”感知意象的顯著不同。其中，1和2（低年齡）對(duì)“個(gè)性的”感知意象表現(xiàn)得更為積極，5和6（高年齡）對(duì)“個(gè)性的”這一感知意象則普遍表現(xiàn)出不認(rèn)同的態(tài)度。3和4（中間年齡）表現(xiàn)出兩極分化的態(tài)勢(shì)，表現(xiàn)為4組更接近1和2（低年齡），3組則更傾向于5和6（高年齡）。

3.2 U型車輪轂造型樣本與感性意象詞匯的方差分析及比較

針對(duì)8種輪轂造型樣本，采用相同的單因素方差分析法對(duì)感知意象詞匯“精致的”“前衛(wèi)的”“犀利的”“硬朗的”“情感科技的”分別進(jìn)行方差分析，結(jié)果表明，對(duì)輪轂造型差異達(dá)到顯著的感知意向包含“精致的”“犀利的”“硬朗的”。輪轂造型樣本6和7在“精致的”這種感知意象的表現(xiàn)最弱，并與除樣本3以外的其他樣本的差異均達(dá)到顯著。最能突出“精致的”這種感知意象的是樣本1和8，對(duì)比樣本3、6、7均表現(xiàn)出顯著性差異。

對(duì)感知意象“犀利的”進(jìn)行成對(duì)比較發(fā)現(xiàn)：樣本1的得分顯著高于樣本3、5、6、7，而樣本7的得分顯著低于樣本1、2、4和8。由此表明，樣本1可以突出表現(xiàn)該感性詞匯的主要特征，而樣本7在該詞匯上的表現(xiàn)最不明顯。

對(duì)“硬朗的”感性意象的分析顯示：樣本5得分顯著低于樣本1、3、4、6、8，是幾個(gè)樣本中分?jǐn)?shù)最低的，樣本7的得分顯著低于樣本1、3和6，可以認(rèn)為樣本5和7對(duì)該感性意象的表現(xiàn)都比較消極，而該感性詞匯對(duì)應(yīng)得分最高的是樣本3，對(duì)比樣本2、5和7的差異均為顯著，由此可認(rèn)為是該感知意象詞匯的最佳代表。

3.3 受試者年齡層次與感知意象詞匯之間的方差分析及比較

以“年齡”為因子對(duì)感知意象詞匯進(jìn)行方差分析，可以得出：年齡層次的差異性有顯著不同的感知意象詞匯是“前衛(wèi)的”“犀利的”和“情感科技的”。

在對(duì)感知意象詞匯“前衛(wèi)的”進(jìn)行年齡層次的差異分析時(shí)，因其不滿足方差齊性的要求，所以采用Welch's anova分析法，并進(jìn)行方差分析，可知該詞匯對(duì)輪轂造型的顯著性比較突出，具體結(jié)果見(jiàn)表6。

表6 均值相等性的顯著性檢驗(yàn)結(jié)果

Tab.6 Robust tests of equality of means

通過(guò)Games-Howell test算法，對(duì)該感知意象詞匯與其對(duì)應(yīng)的不同年齡組進(jìn)行兩兩比較。結(jié)果表明，年齡組5對(duì)比1、2、4、6的差異均達(dá)到顯著，平均值明顯低于其他組別，說(shuō)明年齡組5相比上述4組對(duì)“前衛(wèi)的”這種感知意象的體驗(yàn)最不明顯，其他年齡組的表現(xiàn)則大致相同。

對(duì)感性詞匯“犀利的”達(dá)到顯著差異的年齡組分別是1和5、2和5、4和5及3和4。其中5對(duì)比其他組的分值明顯偏低，說(shuō)明5對(duì)該感知意象詞匯的感受相對(duì)更消極，而4對(duì)該詞匯的感受比較積極，且顯著高于3和5。

采用相同的方法，對(duì)“情感科技的”感知意象的分析結(jié)果表明：3對(duì)該感知意象詞匯的評(píng)分明顯低于4和6，差異達(dá)到了極顯著，5的評(píng)分也略低，顯著低于4。由此可以認(rèn)為，4最關(guān)注“情感科技的”這個(gè)感知意象詞匯，而3和5對(duì)該感知意象的感受比較模糊。

4 結(jié)語(yǔ)

電動(dòng)車輪轂造型的差異化，受試者年齡層次的區(qū)別，都會(huì)使人對(duì)輪轂造型呈現(xiàn)出的特定感知意象的形容詞產(chǎn)生不同的印象，從而對(duì)電動(dòng)車整體造型及風(fēng)格定位產(chǎn)生不同的感想。方差分析是一種將不確定的造型感知意象進(jìn)行量化計(jì)算，進(jìn)而獲得目標(biāo)人群的準(zhǔn)確的造型感知意象傾向的有效手段。對(duì)目標(biāo)人群進(jìn)行設(shè)計(jì)調(diào)查，通過(guò)統(tǒng)計(jì)計(jì)算和方差分析，從而獲知滿足市場(chǎng)細(xì)分條件下的電動(dòng)車輪轂的造型特征傾向性的具體表現(xiàn)及其顯著性的影響程度。文中的研究方法及結(jié)論可以協(xié)助設(shè)計(jì)師迅速確定輪轂造型設(shè)計(jì)的主題，并準(zhǔn)確地把握不同年齡層次的目標(biāo)客戶對(duì)輪轂造型及整車設(shè)計(jì)風(fēng)格的顯著的感知意象，從而為突出電動(dòng)車的造型特征、強(qiáng)化品牌形象進(jìn)行引導(dǎo)。后續(xù)可以根據(jù)不同的車型定位要求及市場(chǎng)反饋情況，陸續(xù)增加輪轂造型的種類，并完善輪轂造型樣本庫(kù)，針對(duì)不同的消費(fèi)群體的個(gè)性化感知，建立電動(dòng)車輪轂造型的感知意象細(xì)分化模塊，構(gòu)建輪轂造型設(shè)計(jì)方案的多項(xiàng)選擇數(shù)據(jù)庫(kù)。也可將此方法推廣至整車造型設(shè)計(jì)，為整車設(shè)計(jì)和開(kāi)發(fā)提供有益的參考，以不斷提升品牌認(rèn)知度。

[1] 姜龍. 輪轂造型設(shè)計(jì)對(duì)自主品牌SUV外觀設(shè)計(jì)的影響探析[J]. 包裝工程, 2018, 39(4): 146-150.

JIANG Long. Influence of Wheel Hub Design on the SUV Appearance Design of Self-owned Brand[J]. Packaging Engineering, 2018, 39(4): 146-150.

[2] 朱煒, 趙磊, 王小龍. 基于品牌意象的SUV造型設(shè)計(jì)方法[J]. 機(jī)械設(shè)計(jì), 2017, 34(1): 118-121.

ZHU Wei, ZHAO Lei, WANG Xiao-long. SUV Modeling Design Method based on Brand Image[J]. Journal of Machine Design, 2017, 34(1): 118-121.

[3] 蘇暢, 付黎明, 魏君, 等. 基于感性工學(xué)和主成分分析的車身色彩設(shè)計(jì)[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版), 2016, 46(5): 1414-1419.

SU Chang, FU Li-ming, WEI Jun, et al. Design Method in Exterior Color Based Kansei Engineering and Principal Component Analysis[J]. Journal of Jilin University(Engineering and Technology Edition), 2016, 46(5): 1414-1419.

[4] 劉偉濤, 李萍, 李德豪, 等. 方差分析數(shù)據(jù)處理系統(tǒng)的設(shè)計(jì)[J]. 計(jì)算機(jī)與應(yīng)用化學(xué), 2015, 32(5): 583-586.

LIU Wei-tao, LI Ping, LI De-hao, et al. Design of Data Processing System about Analysis of Variance[J]. Com-puters and Applied Chemistry, 2015, 32(5): 583-586.

[5] 牛凱. 數(shù)據(jù)分析之單因素方差分析[J]. 產(chǎn)業(yè)與科技論壇, 2019, 18(2): 57-58.

NIU Kai. One-way Analysis of Variance in Data Analysis[J]. Industrial & Science Tribune, 2019, 18(2): 57-58.

[6] 范大偉, 王新燕, 周美玉. 基于主成分分析法的汽車輪轂感性認(rèn)知的研究[J]. 科技信息, 2010(10): 119- 120.

FAN Da-wei, WANG Xin-yan, ZHOU Mei-yu. Research on Perceptual Cognition of Automobile Wheel Hub Based on Principal Component Analysis[J].Science & Technology Information, 2010(10): 119-120.

[7] 陳永超, 邵永凱, 安琦. 基于主成分層次分析的產(chǎn)品設(shè)計(jì)語(yǔ)義差分評(píng)價(jià)研究[J]. 包裝工程, 2018, 39(22): 138-143.

CHEN Yong-chao, SHAO Yong-kai, AN Qi. Semantic Differential of Product Design Evaluation Based on Principal Component Analysis and Analytic Hierarchy Process Hierarchy Process[J]. Packaging Engineering, 2018, 39(22): 138-143.

[8] 徐江華, 桂翔先. 基于方差分析法的飛機(jī)乘客座椅IFE舒適性設(shè)計(jì)研究[J]. 包裝工程, 2020, 41(14): 149-153, 173.

XU Jiang-hua, GUI Xiang-xian. Comfort Design of Aircraft Passenger Seat IFE Based on Analysis of Variance[J]. Packaging Engineering, 2020, 41(14): 149-153.

[9] 陶輝, 朱佳媛. 基于問(wèn)卷調(diào)查的近10年我國(guó)居民服裝色彩偏好比較分析[J]. 浙江紡織服裝職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2019(3): 41-45.

TAO Hui, ZHU Jia-yuan. Comparative Analysis of Clothing Color Preferences of Chinese Residents in the Past Decade[J]. Journal of Zhejiang Textile & Fashion College, 2019(3): 41-45.

[10] 羅文斌. 服務(wù)品質(zhì)?消費(fèi)體驗(yàn)對(duì)顧客滿意度影響之研究[D]. 中國(guó)臺(tái)中: 臺(tái)中教育大學(xué), 2020.

LUO Wen-bin. The Examination of Service Quality and Experience Consumption on Customer Satisfaction, a Case Study of Ep-books[D]. China Taichung: National Taichung University of Education, 2020.

[11] 沈瓊, 王淑敏, 謝田甜. 基于用戶分層的手持工具感知差異的研究[J]. 機(jī)械設(shè)計(jì), 2018, 35(12): 116-119.

SHEN Qiong, WANG Shu-min, XIE Tian-tian. Perception Differences of Handheld Tools based on User Layering[J]. Journal of Machine Design, 2018, 35(12): 116-119.

[12] HYUN K H, LEE J H, KIM M, et al. Style Synthesis and Analysis of Car Designs for Style Quantification Based on Product Appearance Similarities[J]. Advanced Engineering Informatics, 2015, 29(3): 483-494.

[13] LUO S J, FU Y T, ZHOU Y X. Perceptual Matching of Shape Design Style between Wheel Hub and Car Type[J]. International Journal of Industrial Ergonomics, 2012, 42(1): 90-102.

[14] 吳儉濤, 孫利, 柳青英. 汽車輪轂仿生造型的參數(shù)化模型構(gòu)建研究[J]. 機(jī)械設(shè)計(jì), 2019, 36(8): 115-119.

WU Jian-tao, SUN Li, LIU Qing-ying. Research on Parametric Modeling Construction of Bionic Modeling of Car Wheel Hubs[J]. Journal of Machine Design, 2019, 36(8): 115-119.

[15] 韓穎. 基于技術(shù)美學(xué)的汽車輪轂造型設(shè)計(jì)研究[D]. 長(zhǎng)春: 吉林大學(xué), 2020.

HAN Ying. Research on Automotive Wheel Hub Styling Design Based on Technical Aesthetics[D]. Changchun: Jilin University, 2020.

[16] CHOU J R. A Kansei Evaluation Approach Based on the Technique of Computing with Words[J]. Advanced Engineering Informatics, 2016, 30(1): 1-15.

[17] SU Chang, HAN Ying, WEI Jun, et al. Styling Study on Disc Wheel Design of an Electric Vehicle[C]//67th Spring Research Conference in 2020. Tokyo: Bulletin of Japanese Society for the Science of Design, 2020.

[18] 孫毅, 高彥偉, 張靜. 大學(xué)數(shù)學(xué)—隨機(jī)數(shù)學(xué)(第三版)[M]. 北京: 高等教育出版社, 2014.

SUN Yi, GAO Yan-wei, ZHANG Jing. College Mathematics-Random Mathematics (Third Edition)[M]. Beijing: Higher Education Press, 2014.

Statistical Significance of the Wheel Hubs Styling Features Based on Variance Analysis

WEI Jun, HAN Ying, SU Chang, ZHANG Ying-chao

(Jilin University, Changchun 130012, China)

The paper aims to determine the electric wheel hub's modeling feature which matches the preferences of target users via the method of variance analysis (VA), and explore the significance of the wheel hub's modeling feature, the age of customers, and the perception images. Completing 8 different styles of wheel hub modeling feature with 5 sets of spokes. Obtain 8 perception image vocabularies which are consistent with the overall style of the electric vehicle, and use the 5-stage semantic difference (SD) method to conduct perception image experiments on 102 target persons. Apply variance analysis method to procced a comparative analysis of 6 important perception image vocabularies which are determined by principal component analysis (PCA). Calculate the significance of 8 wheel hub stylings and target population of 3 age levels on the perception image of electric vehicle wheel hub modeling features. The degree of influence of different perception image on the significance of differentiated electric wheel hubs is obtained. The significance of perception image on differentiated design of electric wheel hub is grasped, alone with the sensitivity to the specific age group. The trend of electric wheel hub modeling feature which is under of market segmentation conditions is summarized. And the degree of influence which has the feature of each wheel hub with distinctiveness is presented. The most sensitive age level of the subject in the specified perception image vocabularies, as well as the most significant modeling feature and prominent perception image of wheel hubs' feature are carried out by variance analysis, which provides scientific basis to guarantee the unity of the wheel hub and the vehicle style.

wheel hub of electric vehicle; modeling feature; perception image; variance analysis; significance

TB472

A

1001-3563(2022)10-0115-06

10.19554/j.cnki.1001-3563.2022.10.013

2021-12-30

國(guó)家留學(xué)基金資助項(xiàng)目（201806175118）；國(guó)家自然科學(xué)基金項(xiàng)目（11772140）

魏君（1979—），女，碩士，講師，主要研究方向?yàn)閼?yīng)用數(shù)學(xué)。

責(zé)任編輯：馬夢(mèng)遙