孔德洋，黃偲蕊，麻殊捷

（同濟大學(xué)汽車學(xué)院，上海 201804）

工業(yè)設(shè)計是一門包括應(yīng)用美學(xué)、心理學(xué)、工程技術(shù)等多方面知識的綜合性學(xué)科，需要設(shè)計師通過理性的設(shè)計知識分析以及感性的創(chuàng)造手法呈現(xiàn)最終的設(shè)計方案，從而滿足用戶的需求。由于文化、價值觀、心理活動等方面的影響，用戶需求是籠統(tǒng)且模糊的［1］，給相關(guān)研究帶來了一定的困難。隨著工業(yè)的發(fā)展，用戶對功能、審美等方面的要求逐漸提高，設(shè)計師僅靠知識經(jīng)驗和定性判斷已不能滿足設(shè)計需求，使用定量的研究方法將需求外顯化，是工業(yè)設(shè)計方法學(xué)的發(fā)展AA趨勢［2］。因此，研究用戶認(rèn)知的設(shè)計方法被提出。感性工學(xué)可以獲取用戶對特定產(chǎn)品屬性的感性意象并將二者進行聯(lián)系［3］。運用感性工學(xué)可以對用戶認(rèn)知進行了解與定向，設(shè)計師方能將用戶需求與造型設(shè)計進行良好的對接。

在運用感性工學(xué)的過程中，建立設(shè)計要素與感性評價映射模型是核心步驟。學(xué)者們獲取用戶感性評價的方法大多依靠問卷調(diào)查、焦點小組訪談、專家打分等，比如，Jia 等［4］學(xué)者通過問卷調(diào)研讓144 位用戶對8 款腕表的感性意象按照七級里克特量表進行打分，從而獲得用戶對腕表設(shè)計的偏好。也有一些學(xué)者通過爬蟲等方式獲取到類似的結(jié)構(gòu)化數(shù)據(jù)。這些方式獲得的數(shù)據(jù)具有固定結(jié)構(gòu)，但結(jié)構(gòu)化數(shù)據(jù)僅占的網(wǎng)絡(luò)數(shù)據(jù)體量的5%，絕大多數(shù)是自然語言構(gòu)成的非結(jié)構(gòu)化數(shù)據(jù)［5］。傳統(tǒng)的方式從數(shù)據(jù)獲取難度上來看，存在調(diào)查范圍不夠廣、人力與時間成本高的問題，從獲得的數(shù)據(jù)來看，也存在量表細(xì)分度不夠、數(shù)據(jù)真實性不高等多方面的問題［6］。

針對以上問題，本文提出一種基于情感分析的產(chǎn)品設(shè)計感性評價方法，通過用戶的自然評論獲取感性意象評分，并以電動汽車為例進行分析。

1 基于情感分析的感性評價方法

1.1 基于感性工學(xué)的造型設(shè)計評價方法

就汽車造型而言，感性意象就是設(shè)計師進行汽車造型設(shè)計時的情感表達，和用戶看到汽車造型的情感體驗。以感性意象為中心的設(shè)計可以更好地滿足用戶的情感需求，從而提高產(chǎn)品的競爭優(yōu)勢。

2006年，黃琦等［7］學(xué)者結(jié)合專家訪談與眼動實驗將汽車造型的設(shè)計要素拆解為車燈、側(cè)面輪廓線與進氣格柵，再通過專家分析將汽車造型的感性意象進行分類，最后通過問卷調(diào)研獲得用戶對汽車造型的感性打分，從而獲得了感性工學(xué)與各關(guān)鍵造型特征的可能性分布。2019 年，Lin 等［8］學(xué)者通過主成分分析將前大燈造型與感性意象聯(lián)系，從美麗、獨特、華麗、動感、狂野五個突出的感性意象評價得分加和算出綜合吸引力分?jǐn)?shù)，得出憤怒的意象最具吸引力的結(jié)論。2021年，王鵬等［9］學(xué)者提出了一種從文本中挖掘感性意象詞匯，再將其對應(yīng)汽車前臉造型進行專家打分，得出綜合得分的方法，從而將得分最優(yōu)的設(shè)計元素組合，根據(jù)組合方案進行相應(yīng)的造型設(shè)計的設(shè)計方法。在這些研究中，學(xué)者們雖然將造型設(shè)計的感性意象與設(shè)計要素關(guān)聯(lián)，但尚未得出兩者間的直接聯(lián)系。2009 年，胡偉峰等［10］學(xué)者選取汽車的主特征線E1為研究對象，確定了主特征線E1的敏感感性意象形容詞，并使用回歸模型求出了敏感感性意象形容詞與主特征線E1的定量關(guān)系。該文章使用的意象形容詞僅一組，證明了主觀意象對造型設(shè)計提供幫助的可行性。在該研究基礎(chǔ)上，陸續(xù)有學(xué)者基于感性工學(xué)對汽車造型設(shè)計進行研究，并逐漸開始采用多種數(shù)學(xué)方法來建立感性意象與產(chǎn)品設(shè)計要素間的聯(lián)系［11］。2016年，Chang等［12］學(xué)者采用多元線性回歸的方式比較各要素與方向盤設(shè)計，得出美學(xué)、操作強度和現(xiàn)代性是用戶對方向盤設(shè)計的感性認(rèn)知和偏好中最關(guān)鍵的三個因素，并且據(jù)該回歸模型可以預(yù)測用戶對方向盤設(shè)計的喜好。2018 年，Yuhazri等［13］學(xué)者將汽車造型分解為12條曲線并使用貝塞爾曲線方程進行建模。2019 年，曹越等［14］學(xué)者對汽車內(nèi)飾色彩設(shè)計進行分析，使用主成分分析法將感性意象空間中的數(shù)據(jù)降維處理，得出單個內(nèi)飾色彩的意象貢獻值。2020年，程永勝等［15］學(xué)者則結(jié)合車型、品牌、風(fēng)格特征確定感性詞對，使用層次分析法獲得汽車造型意象評價指標(biāo)體系，并通過專家打分對汽車造型模糊綜合評價，從而獲取最佳設(shè)計方案。

在眾多的數(shù)學(xué)方法中，數(shù)量化理論I適用于處理定性數(shù)據(jù)與定量數(shù)據(jù)的關(guān)系，是建立感性意象與設(shè)計要素聯(lián)系的重要方法［16］。李明珠等［17］學(xué)者通過數(shù)量化理論I建立模型，獲得了汽車前臉各設(shè)計要素對感性意象的影響程度與方向。陳金亮等［18］學(xué)者也通過數(shù)量化理論I 對SUV 前臉進行分析，從而獲取最佳設(shè)計要素組合方案。這種方法能夠有效提取對感性意象貢獻度較大的設(shè)計項目，從而輔助指導(dǎo)新產(chǎn)品開發(fā)。

1.2 基于情感分析的感性評價方法

自然語言處理是人工智能中一種語言信息挖掘技術(shù)，該技術(shù)能夠?qū)φZ言進行分析、處理并從中提取隱性信息。它涉及到多個領(lǐng)域，如語義語法分析、信息檢索、信息抽取、情感分析、機器翻譯等［19］。情感分析可以識別出用戶評論中的情感趨向及演化趨勢，本文也將使用情感分析量化用戶評論中的情感傾向。

情感分析需經(jīng)過中文分詞、詞性標(biāo)注、特征提取、情感計算等多個步驟，本質(zhì)上是提取特征后分類的問題，常以句子為單位、以分詞的形式進行分類與分析［20］，常用的分類模型是樸素貝葉斯模型。假設(shè)有兩個類別c1和c2的分類問題，情感分析通過分詞提取文本特征，即把關(guān)鍵詞向量化，記為w1，…，wn且特征之間相互獨立，屬于類別c1的貝葉斯模型建立過程如式（1）所示。

其中，

在本文情景下，c1、c2代表著積極情緒和消極情緒，基于式（1）～（2），對正情緒與負(fù)情緒進行訓(xùn)練，將語料庫進行分詞與標(biāo)注、特征提取、計算P（ci）與P（wk|ci）（k=1，…，n；i=1，2），得到訓(xùn)練好的貝葉斯分類模型。將待測文本帶入該模型即可實現(xiàn)情感值預(yù)測，將結(jié)果P(c1|w1，…，wn)稱為情感值sentiment。

然后，將sentiment 的值域由［0，1］放縮為［-5，5］，該值的正負(fù)代表了情感極性，正數(shù)代表積極情緒，負(fù)數(shù)代表消極情緒，而絕對值則代表了情感強度，絕對值越大，情緒越激烈。通過情感值為用戶的評價本文賦予分值，基于情感分析的感性意象評分如式（3）所示。

式中：score 為感性意象評分；a為總評論條數(shù)；b為該類感性意象所含的形容詞個數(shù)；frequency 為單條評論中某一形容詞出現(xiàn)的頻次；sentiment 為單條評論的情感值。

感性評價過程步驟如下：首先，可通過爬蟲獲取多家網(wǎng)站用戶對產(chǎn)品設(shè)計的評論，將評論進行情感分析，獲得每條評論的情感向量；然后通過詞頻統(tǒng)計選出主要的形容詞，并對相近的形容詞按照感性意象進行歸類，從而獲得感性詞對；最后，通過評論的情感向量為感性詞對賦值，得出感性意象評分。

由此可將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為相對客觀的數(shù)值，該方法考慮了用戶的情緒強度與極性，能夠從綜合多面的評價中提取出情感方向，減少了數(shù)據(jù)的主觀性、模糊性以及不確定性。

2 電動汽車差異化設(shè)計要素提取

造型既是實現(xiàn)功能的基石，也是設(shè)計師向用戶傳遞設(shè)計思想的橋梁，通過造型設(shè)計能夠傳達精神、文化等層面的價值［21］。以電動汽車為例，許多款電動汽車的造型設(shè)計承接于傳統(tǒng)內(nèi)燃機汽車，設(shè)計師能夠感知到電動汽車與傳統(tǒng)汽車之間的細(xì)節(jié)差異，用戶則聚焦在宏觀造型上［22］，這導(dǎo)致了用戶與設(shè)計師對產(chǎn)品認(rèn)知的不統(tǒng)一，設(shè)計意圖無法觸達用戶。因此設(shè)計師需了解用戶與電動汽車造型設(shè)計間的互動，這才能在設(shè)計領(lǐng)域表現(xiàn)出更貼合用戶想法的造型設(shè)計。

電動汽車的造型設(shè)計在功能與需求的雙重驅(qū)動下，正逐漸打破傳統(tǒng)內(nèi)燃機汽車的造型桎梏。電動汽車與傳統(tǒng)內(nèi)燃機汽車的能源儲存方式與驅(qū)動形式不同，導(dǎo)致在整車結(jié)構(gòu)上存在著較大的差異，比如，動力電池系統(tǒng)體積較大，需改變車身的地板結(jié)構(gòu)，車身高度增加［23］；因電機等零部件縱向尺寸小于發(fā)動機，電動汽車可增大軸距、減小前后懸長度［24］。同時，用戶需求的改變也導(dǎo)致電動車造型發(fā)生改變。用戶對電動汽車的里程焦慮，使得他們更傾向于看起來輕便、風(fēng)阻低的造型，比如A柱傾斜角更小的設(shè)計。隨著智能網(wǎng)聯(lián)浪潮的涌來，人們不再將車看作單純的機械產(chǎn)品，而是看作一個電子產(chǎn)品［25］。這就需要使汽車的造型更像一個整體，更強調(diào)它的舒適度、科技感，而不是運動感、機械感。相應(yīng)的，電動汽車造型則會采用去臉化、一體化等設(shè)計，強調(diào)了產(chǎn)品屬性。

本文將汽車造型分為比例姿態(tài)、線面處理以及細(xì)節(jié)設(shè)計三部分分析。

2.1 比例姿態(tài)

（1）軸距占車長比例

電動汽車的軸距占車長比例相對大于傳統(tǒng)內(nèi)燃機汽車。電池布置在前后輪之間，為了滿足電池容積的功能需求，電動汽車偏向于增加軸距所占車長比例。

（2）整車寬高比例、整車長高比例

由于電動汽車電池的布置，電動汽車的整車高度相較傳統(tǒng)內(nèi)燃機汽車增加。客艙的空間隨之增大，更適宜乘坐。

（3）A柱傾斜角

電動車的前艙布置所需空間小于傳統(tǒng)內(nèi)燃機汽車，因此A柱有了適當(dāng)前移的空間。同時，為了降低風(fēng)阻，A柱可以通過增大傾斜角度盡量減少車身曲面的轉(zhuǎn)折。

2.2 線面處理

（1）線型

線型對汽車造型的風(fēng)格有著極大的影響。比如，當(dāng)腰線前低后高時，那么汽車就會有一種前沖的運動感；而腰線平行時，則汽車更接近于視覺上的靜態(tài)。唐崇智［26］根據(jù)彎曲度、曲率的變化率將特征線的線型與特征面截面線線型分為四類：直線型、張力型、流動型和圓潤型。

（2）邊界輪廓

特征面的邊界輪廓可分為明確型、漸消型、隱藏型三類。邊界輪廓的風(fēng)格影響著人們對形面轉(zhuǎn)折程度的視覺感知。徐騫［27］認(rèn)為漸消型具有未來感，符合一體化趨勢，明確型則更具有運動感。

2.3 細(xì)節(jié)設(shè)計

（1）格柵

電動汽車不再需要為發(fā)動機散熱和進氣，因此格柵的設(shè)計不再必需。同時，為了降低空氣阻力，格柵的設(shè)計需改進，王波等［25］學(xué)者將電動汽車的格柵設(shè)計歸類為3種，如圖1所示：①封閉式格柵，保留原有的格柵造型，將其封閉起來降低空氣阻力；②平面化格柵，不再保留原有的格柵造型，而是通過一些平面化的設(shè)計，如燈帶等，復(fù)現(xiàn)出格柵的形狀；③無格柵設(shè)計，不再保留格柵元素，徹底放棄格柵造型。

圖1 格柵分類示意圖Fig.1 Grille classification diagram

（2）車輪

空洞面積更小的車輪受到的空氣阻力更?。?4］，因此為了提升電動汽車的續(xù)航里程，電動車會對車輪進行部分包覆的設(shè)計。文獻［24］、［25］等認(rèn)為常規(guī)型外露型車輪的運動感更強，封閉型車輪的整體感更強，如圖2所示。

圖2 車輪分類Fig.2 Wheel classification

（3）前大燈造型風(fēng)格

電動汽車為了更貼近用戶的產(chǎn)品期望，會將車燈設(shè)計得更加簡潔、平面，或是更接近一體化，達到“去臉”的效果。根據(jù)以往的車燈造型風(fēng)格［28］與如今的造型趨勢，將其分為了常規(guī)型、平面型、整體型三種類型，如圖3所示。平面型的前大燈是將常規(guī)的大燈改為平面發(fā)光體，多為簡潔的幾何狀燈帶。而整體型則使前大燈融入前臉。

圖3 前大燈分類示意圖Fig.3 Headlight classification diagram

（4）尾燈造型

尾燈造型與前大燈造型有相同的趨勢。為達到一體化的效果，近年來細(xì)長型燈帶的造型較多［29］。相對而言，C 型的尾燈造型會更具有動感，也是常見的造型之一。本文將尾燈造型大致分為常規(guī)型、細(xì)長型、C型三類，如圖4所示。

圖4 尾燈分類示意圖Fig.4 Taillight classification diagram

2.4 設(shè)計要素解構(gòu)

根據(jù)上述對電動汽車與傳統(tǒng)汽車造型設(shè)計差異的分析，將存在差異的主要設(shè)計要素解構(gòu)在表1 中，共有12個項目，33個類目。

表1 設(shè)計要素解構(gòu)Tab.1 Deconstruction of design elements

3 數(shù)量化理論I模型的建立

3.1 數(shù)量化理論I

本文將電動汽車的差異化設(shè)計要素作為定性的自變量，將用戶對電動汽車產(chǎn)品的感性意象評價作為定量的自變量，探索設(shè)計要素與感性意象間的聯(lián)系，如式（4）～式（5）所示。

式中：n為樣品數(shù)；m為項目數(shù)；r為類目數(shù)；bjk為未知系數(shù)，其最小二乘估計⌒稱為j項目的k類目得分；εi為隨機誤差。

3.2 樣本選取

選取在售純電動轎車產(chǎn)品30 個，進行設(shè)計要素定性分析后，剔除相似車型，得到25 個，使用其中22個樣本建模，22個樣本的設(shè)計要素定性結(jié)果如表2所示，剩余3個樣本作為預(yù)測樣本。

表2 設(shè)計要素定性分析Tab.2 Qualitative analysis of design elements

3.3 感性意象詞語選擇

文獻［7］、［30］等對電動汽車造型的感性意象詞進行了問卷調(diào)查、專家訪談、聚類分析等研究工作。綜合文獻得出，電動汽車的常見設(shè)計意象為“科技感”、“去運動感”、“個性化”、“整體感”，對應(yīng)選取了四對感性意象詞對：“保守傳統(tǒng)-時尚科技”、“運動性能-休閑居家”、“獨特個性-普適大眾”、“整體感-層次感”。根據(jù)詞頻統(tǒng)計進行聚類，將用戶評論的形容詞歸入四組詞對。比如，“時尚科技”包含的形容詞有時尚、科技、前衛(wèi)、潮流、新潮、流行、新穎、科幻、未來、很潮、現(xiàn)代感、時髦等。

3.4 樣本的感性意象評分

根據(jù)表3中獲得的感性意象詞語，對每條評論中所含的相應(yīng)詞匯進行統(tǒng)計與加權(quán)。按式（3）進行計算，以詞頻frequency、情感分析得到的情感值sentiment 作為主要權(quán)重，由此得到一條評論的感性意象評分，求得所有評論評分的平均值，即為該樣本最終的感性意象評分score。

結(jié)果如表3所示，負(fù)數(shù)代表靠近“保守傳統(tǒng)”、“運動性能”、“獨特個性”、“整體感”，正數(shù)代表靠近“時尚科技”、“休閑居家”、“普適大眾”、“層次感”，絕對值越大越靠近。

表3 感性意象評分結(jié)果Tab.3 Perceptual image score results

3.5 數(shù)量化理論I模型構(gòu)建與求解

由前文得到定性的設(shè)計要素自變量和定量的感性意象評分因變量，構(gòu)建數(shù)量化理論I 的數(shù)學(xué)模型，建立兩者間的數(shù)學(xué)關(guān)系，得出結(jié)果如表4所示。其中的類目得分則為式（3）的未知系數(shù)的最小二乘估計。

3.6 預(yù)測結(jié)果

表4結(jié)果可轉(zhuǎn)換為

表4 數(shù)量化理論I建模結(jié)果Tab.4 Quantification-I theory modeling results

為驗證該評價方法的預(yù)測效果，選擇3個測試樣本，采用焦點小組訪談法進行驗證。

預(yù)測評分，見表5，代表本文評價方法得出的預(yù)測結(jié)果，通過式（6）所示；評價評分則是通過4位業(yè)界專家、6 名汽車消費者在焦點訪談中打分得出，在相關(guān)研究中常視作參考結(jié)果；相對誤差如式（7）所示，代表預(yù)測結(jié)果與參考結(jié)果間的相對誤差。

表5 預(yù)測結(jié)果相對誤差Tab.5 Relative error of prediction results

式中：σ為相對誤差，X為預(yù)測評分，Y為評價評分。

由表（5）可知，關(guān)于“獨特個性-普適大眾”、“扁平修長-立體方正”、“一體化-層次感”的預(yù)測模型相對誤差較小。原因可能是用戶給出的是綜合評價，其他兩個意象還會受到車身顏色、性能配置等方面影響。

4 結(jié)果分析

根據(jù)數(shù)量化理論I 的模型結(jié)果可進行以下角度分析：

（1）感性意象。以“整體感-層次感”的結(jié)果為例進行分析，A柱傾斜角度、腰線走勢、輪包邊界輪廓、前大燈造型、尾燈造型的偏相關(guān)系數(shù)較高。體現(xiàn)出一體化意象的類目有隱藏型輪包邊界輪廓、平面型和整體型的前大燈造型、細(xì)長型和C型的尾燈造型；體現(xiàn)出層次感意象的類目有傾斜角度為35°和40°的A 柱、平行的腰線走勢、明確型輪包邊界輪廓。保守傳統(tǒng)與時尚科技更多的受比例姿態(tài)、細(xì)節(jié)處理影響，線面處理的作用相對不大；運動性能與休閑居家更多的受比例姿態(tài)、線面處理的影響，細(xì)節(jié)設(shè)計作用相對不大。獨特個性與普適大眾、整體感與層次感這兩組意象則與三部分的設(shè)計要素都有關(guān)。

（2）設(shè)計要素。將用戶的感性認(rèn)知與設(shè)計師的設(shè)計意圖進行對比，需要注意的設(shè)計要素是：①較小的A柱傾斜角度更具有運動感，而A柱傾斜角度較大時會破壞車輛的整體型，視覺效果突兀。然而40°的A柱傾斜角度卻比35°更具有科技感。40°A柱傾斜角度的設(shè)計非常少見，對于用戶而言更加新奇，結(jié)合休閑的意象，40°的A柱傾斜角度能達到去機械感的效果。②腰線對造型的運動感與個性化意象有著較大的影響。明確型輪包邊界輪廓更加大眾，使車身層次分明；隱藏型輪包邊界輪廓則獨特、有個性，使車看上去更像一個整體。③車輪的結(jié)果與設(shè)計師設(shè)計意圖相反，用戶認(rèn)為常規(guī)型的車輪缺乏運動感，但卻有整體感。說明用戶難以感知到封閉式車輪的設(shè)計語言。④前大燈造型與尾燈造型是消費者容易感知到的造型設(shè)計。平面型、整體型的前大燈與細(xì)長型、C型的尾燈更受歡迎，科技感、個性化、一體化均是用戶感知到的主要意象。同時這些設(shè)計與運動感相關(guān)性不大，設(shè)計師認(rèn)為具有運動感的C型尾燈在用戶看來不是運動感的主導(dǎo)因素。

（3）電動汽車設(shè)計建議。電動汽車車身高度的增加不可避免，但應(yīng)與其他尺寸協(xié)調(diào)，否則將破壞造型的整體感。電動汽車的A柱傾斜角度選擇是在科技感與整體感之中做抉擇，如需展現(xiàn)汽車產(chǎn)品的科技感可選擇40°；如需展現(xiàn)汽車產(chǎn)品的整體性可選擇更小的傾斜角。線型選擇上，如需展現(xiàn)休閑居家的產(chǎn)品屬性，直線型較為適宜。邊界輪廓的處理上，如需展現(xiàn)造型的整體性可選擇隱藏型。格柵中平面化格柵設(shè)計、無格柵設(shè)計均體現(xiàn)了較強的科技感，這說明電動汽車的格柵不應(yīng)保留傳統(tǒng)汽車的格柵設(shè)計，大膽地改動才能獲得用戶的青睞。目前的封閉式車輪不能滿足用戶對電動汽車的期待。放棄封閉式車輪設(shè)計或?qū)Ψ忾]式車輪進行較大的造型改動，均是設(shè)計師可以嘗試的方向。前大燈與尾燈需跳出常規(guī)套路，大膽嘗試平面型、整體型的前大燈與細(xì)長型、C型的尾燈，用戶對燈飾的造型極度敏感，設(shè)計師應(yīng)把握該細(xì)節(jié)，輸出對應(yīng)的造型理念。因此，根據(jù)上述設(shè)計方向，設(shè)計師可將電動汽車造型向用戶可感知的方向進行改動，減少不必要的設(shè)計。

5 結(jié)論

（1）提出了基于情感分析的汽車造型設(shè)計感性評分方法。從用戶非結(jié)構(gòu)化的主觀評價中獲取到用戶的感性認(rèn)知信息，并轉(zhuǎn)化為感性評價分?jǐn)?shù)。擴大了數(shù)據(jù)采集的范圍、覆蓋了更多類型的用戶、降低了獲取數(shù)據(jù)的時間與人力成本，同時減少了用戶打分的主觀性與不準(zhǔn)確性，更有效地提取信息。

（2）建立了電動汽車造型的感性意象預(yù)測模型。該模型建立了設(shè)計要素與用戶評價的映射關(guān)系，可解釋設(shè)計要素對造型感性意象的影響程度。該方法預(yù)測相對誤差僅5.41%，準(zhǔn)確度較高，可輔助判斷電動汽車造型設(shè)計是否滿足用戶的產(chǎn)品需求，幫助設(shè)計師在初期確定合理方向，為設(shè)計方案提供數(shù)據(jù)支撐，減少產(chǎn)品開發(fā)過程中不必要的返工，增加工作效率與可行性。

作者貢獻聲明：

孔德洋：指導(dǎo)論文方向，提出總體思路，全文統(tǒng)稿；

黃偲蕊：研究論文方法，構(gòu)建模型，撰寫部分章節(jié)；

麻殊捷：完成驗證部分，撰寫部分章節(jié)。