鄧雅倩，林麗，郭主恩，尹鑫，蔡婉欣

（1. 貴州大學(xué) 機(jī)械工程學(xué)院，貴陽(yáng) 550025；2. 貴州大學(xué) 現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴陽(yáng) 550025）

隨著科技的發(fā)展與人們生活水平的提高，汽車市場(chǎng)日益成熟，競(jìng)爭(zhēng)激烈的同質(zhì)化市場(chǎng)迫使企業(yè)在功能、外觀造型與內(nèi)飾設(shè)計(jì)中力求提升與創(chuàng)新。在當(dāng)今的感性消費(fèi)時(shí)代，產(chǎn)品符合用戶感性訴求才是獲取成功的關(guān)鍵[1]。

其中色彩在設(shè)計(jì)中顯得尤為重要，甚至比外形更加能影響用戶的感知意象[2]。為了解用戶的色彩感性需求，學(xué)者們應(yīng)用語(yǔ)義差異法[3]、灰度關(guān)聯(lián)結(jié)合逼近理想解法[4]、模糊評(píng)價(jià)[5]、主成分分析[6]等多種方法，試圖準(zhǔn)確掌握用戶感性認(rèn)知信息，提高產(chǎn)品研發(fā)的成功率。

但在傳統(tǒng)感性評(píng)價(jià)研究中，多采用以用戶主觀判斷為主的方法，其結(jié)果具有隨機(jī)性與局限性。近年來(lái)為獲取用戶客觀的意象反饋，腦電測(cè)量技術(shù)作為有效的生理測(cè)量手段開始引入設(shè)計(jì)研究中[7-8]。

其中事件相關(guān)電位（Event related potential，ERP）與人腦認(rèn)知過(guò)程中的信息處理高度相關(guān)[9]，通過(guò)對(duì)ERP 成分的分析可間接反映用戶內(nèi)在認(rèn)知規(guī)律，已被應(yīng)用于產(chǎn)品設(shè)計(jì)與評(píng)價(jià)研究中：ROJAS 等[10]以不同風(fēng)格的產(chǎn)品包裝作為樣本，通過(guò)對(duì)用戶不同風(fēng)格下的N400 成分?jǐn)?shù)據(jù)的分析，推算出包裝風(fēng)格與詞匯之間的關(guān)聯(lián)關(guān)系，用以輔助設(shè)計(jì)。郭主恩等[11]應(yīng)用腦電結(jié)合眼動(dòng)的內(nèi)隱測(cè)量方法獲取ERP 成分?jǐn)?shù)據(jù)與眼動(dòng)數(shù)據(jù)進(jìn)行客觀準(zhǔn)確的產(chǎn)品意象提取，為解讀用戶意象認(rèn)知提供客觀途徑。唐幫備[12]結(jié)合眼動(dòng)數(shù)據(jù)、P300 成分?jǐn)?shù)據(jù)和主觀評(píng)價(jià)值建立綜合評(píng)價(jià)模型，通過(guò)多指標(biāo)評(píng)選用戶偏好的樣本方案，以降低產(chǎn)品研發(fā)的前期風(fēng)險(xiǎn)。

此外，在不同的設(shè)計(jì)研究中所應(yīng)用的ERP 成分不盡相同，需要根據(jù)具體的研究方法進(jìn)行選擇。N400 是一種可以被語(yǔ)境歧義觸發(fā)的內(nèi)源性事件相關(guān)電位[13]。在文獻(xiàn)[14-15]的研究中發(fā)現(xiàn)，當(dāng)啟動(dòng)刺激語(yǔ)義與目標(biāo)刺激語(yǔ)義不一致時(shí)，N400 波幅較大，一致時(shí)波幅較小。文獻(xiàn)[16]將N400 成分這一特性應(yīng)用于產(chǎn)品感性詞匯識(shí)別中，并證明該方法可彌補(bǔ)傳統(tǒng)評(píng)價(jià)方法的局限。因此N400 成分可作為意象匹配綜合評(píng)價(jià)的指標(biāo)。

為避免部分主觀評(píng)價(jià)方法所產(chǎn)生的隨機(jī)性，獲取客觀的用戶反饋，以提高設(shè)計(jì)可靠性，本文通過(guò)對(duì)汽車內(nèi)飾色彩方案的解析，設(shè)置基于腦電的感性認(rèn)知實(shí)驗(yàn)，將收集的N400 成分?jǐn)?shù)據(jù)與行為數(shù)據(jù)作為綜合評(píng)價(jià)的客觀指標(biāo)，引入產(chǎn)品色彩感性評(píng)價(jià)中，獲取基于用戶客觀感性認(rèn)知的綜合評(píng)價(jià)結(jié)果。

1 研究流程

將收集的汽車內(nèi)飾色彩樣本與內(nèi)飾相關(guān)詞匯篩選得出的代表性樣本與詞匯建立基于腦電的感性認(rèn)知實(shí)驗(yàn)，采集的腦電數(shù)據(jù)與行為數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)化處理作為評(píng)價(jià)指標(biāo)，通過(guò)數(shù)理方法計(jì)算意象與樣本之間的相對(duì)貼近度以此來(lái)指導(dǎo)設(shè)計(jì)。

1.1 篩選感性意象詞匯與樣本制作

從多個(gè)途徑中獲取有關(guān)汽車內(nèi)飾色彩的詞匯，通過(guò)評(píng)分得到詞匯相似性得分矩陣，聚類后篩選出代表性詞匯。收集大量汽車內(nèi)飾圖片，經(jīng)調(diào)研歸納得出內(nèi)飾典型色相及其空間布局兩要素，通過(guò)兩兩組合獲得新樣本。

1.2 汽車內(nèi)飾色彩感性認(rèn)知實(shí)驗(yàn)

上述獲取的意象詞匯與內(nèi)飾色彩樣本為認(rèn)知實(shí)驗(yàn)的“啟動(dòng)刺激”與“目標(biāo)刺激”。實(shí)驗(yàn)流程如下：

實(shí)驗(yàn)開始，播放實(shí)驗(yàn)指導(dǎo)語(yǔ)后，實(shí)驗(yàn)進(jìn)入練習(xí)部分，首先出現(xiàn)1 000 ms 的“+”符號(hào)，被試集中注意，接著呈現(xiàn)2 000 ms 啟動(dòng)刺激詞匯，在目標(biāo)刺激樣本圖片出來(lái)之后，被試做出啟動(dòng)刺激與目標(biāo)刺激是否符合的判斷，“符合”點(diǎn)擊鼠標(biāo)左鍵，“不符合”點(diǎn)擊鼠標(biāo)右鍵。練習(xí)結(jié)束后進(jìn)入正式實(shí)驗(yàn)。實(shí)驗(yàn)流程如圖1所示。

圖1 實(shí)驗(yàn)流程圖

1.3 實(shí)驗(yàn)數(shù)據(jù)標(biāo)準(zhǔn)化處理

實(shí)驗(yàn)收集原始的腦電數(shù)據(jù)與行為數(shù)據(jù)，為排除被試個(gè)體差異的影響，應(yīng)用拉依達(dá)準(zhǔn)則（1）和（2）剔除行為數(shù)據(jù)中的異常值。

為解決腦電成分幅值，判斷反應(yīng)時(shí)長(zhǎng)與選擇率存在類型不同（極大型：指標(biāo)數(shù)值越大方案越優(yōu)。極小型：指標(biāo)數(shù)值越小方案越優(yōu)）、量綱不同的問(wèn)題，將指標(biāo)無(wú)量綱化與正向化處理（統(tǒng)一轉(zhuǎn)換為極大型），即：

正向歸一化后的各指標(biāo)數(shù)據(jù)構(gòu)成指標(biāo)規(guī)范化矩陣R，其中樣本數(shù)量為n，評(píng)價(jià)指標(biāo)有m個(gè)。

式中j=1,2,···,m，下同。

1.4 計(jì)算腦電與行為指標(biāo)權(quán)重系數(shù)

熵權(quán)法源于物理學(xué)概念，從數(shù)據(jù)本身信息熵進(jìn)行權(quán)重計(jì)算，是一種應(yīng)用較廣且較成熟的客觀賦權(quán)法。利用式（6）和式（7）得到指標(biāo)規(guī)范化矩陣R對(duì)應(yīng)的特征矩陣Y。

則最終權(quán)重系數(shù)為：

sj為 指標(biāo)熵值，根據(jù)上式所得指標(biāo)權(quán)重W=(wj)1×m通過(guò)式（10）得出加權(quán)規(guī)范化矩陣A，即

1.5 樣本與意象相對(duì)貼近度計(jì)算

TOPSIS 法是一種適用于多目標(biāo)多屬性的評(píng)價(jià)方法，其核心是通過(guò)計(jì)算評(píng)價(jià)對(duì)象與正負(fù)理想值的距離，判斷方案的優(yōu)劣程度。

定義在相同意象下最符合該意象的樣本為正理想解v+=(1,1,···,1)與最不符合的樣本為負(fù)理想解v-=(0,0,···,0)得到歐氏距離分別為：

則樣本綜合評(píng)價(jià)值與理想解的相對(duì)貼近度為

Ui越大，則樣本在該意象詞匯下的排序越靠前，說(shuō)明該樣本越符合用戶對(duì)于該意象的描述。

2 汽車內(nèi)飾色彩感性認(rèn)知實(shí)驗(yàn)

2.1 實(shí)驗(yàn)準(zhǔn)備

2.1.1 意象詞匯與汽車內(nèi)飾色彩樣本收集篩選

從汽車相關(guān)雜志，書籍和文獻(xiàn)中收集到260 個(gè)描述汽車內(nèi)飾色彩的詞匯。經(jīng)8 位有設(shè)計(jì)專業(yè)背景的專家小組剔除不相關(guān)詞匯后，16 名設(shè)計(jì)專業(yè)學(xué)生對(duì)余下詞匯進(jìn)行相似性分組，將得到的相似性矩陣導(dǎo)入SPSS（Statistical product and service solutions）中聚類分析，最終篩選出6 個(gè)代表性詞匯：現(xiàn)代的、經(jīng)典的、華麗的、活潑的、個(gè)性的和素雅的。

在國(guó)內(nèi)現(xiàn)有的線上購(gòu)車平臺(tái)中收集銷量前十的國(guó)產(chǎn)汽車品牌（吉利、哈弗、長(zhǎng)安、五菱、寶駿、榮威、奇瑞、比亞迪、廣汽傳祺、名爵）的內(nèi)飾圖片，在分析中發(fā)現(xiàn)絕大多數(shù)均以黑色為底，搭配不同單色。因此本次實(shí)驗(yàn)僅提取圖片中的單色色相。不同色相對(duì)應(yīng)國(guó)際唯一的色碼和RGB 值。紅色（red FF0000）、橙色（orangeFF9900）、黃色（yellowFFFF00）、綠色（limegreen00EE00）、藍(lán)色（blue0000FF）、紫色（purple990099）、白色（whiteFFFFFF）、咖啡棕（saddlebrown964B00），色彩樣本如圖2 所示。

圖2 8 種色相

2.1.2 新樣本制作

產(chǎn)品不同的色彩色相及色塊在空間布局中的變化都會(huì)引起用戶感受上的變化[17]。所以實(shí)驗(yàn)將使用色相與空間布局作為要素制作新的汽車內(nèi)飾色彩樣本。

汽車內(nèi)飾空間功能繁多，區(qū)域復(fù)雜，內(nèi)飾件主要有儀表盤，中控臺(tái)，方向盤，座椅，車門內(nèi)板，地毯等。文獻(xiàn)[18]通過(guò)大量分析，總結(jié)得出具有普適性的汽車內(nèi)飾空間布局方案。本文基于文獻(xiàn)[18]結(jié)合調(diào)研分析得出以下3 種方案，如表1 所示。

表1 內(nèi)飾空間區(qū)域劃分方案

該實(shí)驗(yàn)將提取的色相與代表性內(nèi)飾空間布局進(jìn)行兩兩組合，制作新的汽車內(nèi)飾色彩樣本記為RⅠ、RⅡ、RⅢ、OⅠ、OⅡ、OⅢ、YⅠ、YⅡ、YⅢ、LⅠ、LⅡ、LⅢ、BⅠ、BⅡ、BⅢ、PⅠ、PⅡ、PⅢ、WⅠ、WⅡ、WⅢ、SⅠ、SⅡ、SⅢ。其中藍(lán)（B）、黃（Y）兩色相的樣本見圖3。

圖3 藍(lán)、黃兩色相與不同空間布局產(chǎn)生的新樣本

2.2 腦電實(shí)驗(yàn)

2.2.1 實(shí)驗(yàn)材料及設(shè)備

實(shí)驗(yàn)所用樣本圖片使用Photoshop 軟件處理，樣本圖片大小，精度和背景色一致。實(shí)驗(yàn)過(guò)程采用Eprime2.0 軟件呈現(xiàn)并對(duì)行為數(shù)據(jù)進(jìn)行采集。本次實(shí)驗(yàn)使用EPOC Flex Gel Sensor Kit 頭戴式腦電儀，32 通道，電極分布采用國(guó)際標(biāo)準(zhǔn)位置，參考電極為AFz 和PCz，采樣率為128 Hz。

2.2.2 被試

在校園中招募被試26 名在校學(xué)生作為被試，年齡在20 ~ 28 歲，均為右利手，視力或矯正視力正常，身體健康，無(wú)精神疾病史，且所有被試都有汽車駕駛經(jīng)歷或乘坐經(jīng)歷。

2.2.3 實(shí)驗(yàn)程序

依據(jù)上述實(shí)驗(yàn)流程，正式實(shí)驗(yàn)有24×6 = 144 個(gè)試次，實(shí)驗(yàn)時(shí)間約10 min。

3 實(shí)驗(yàn)數(shù)據(jù)分析及結(jié)果

3.1 行為數(shù)據(jù)分析

3.1.1 選擇率

統(tǒng)計(jì)被試在樣本圖片出現(xiàn)后做出的符合判斷數(shù)量，得到每個(gè)樣本對(duì)應(yīng)不同意象詞匯下的平均選擇率。

3.1.2 反應(yīng)時(shí)

反應(yīng)時(shí)長(zhǎng)為被試做判斷所花費(fèi)的時(shí)間。它代表被試意象認(rèn)知決策所需的時(shí)間。意象與樣本匹配明確的情況下比不明確時(shí)，反應(yīng)時(shí)間更短[19]。選擇率反映意象匹配的明確情況，在其極大或極小情況下，反應(yīng)時(shí)明顯比選擇率處在中值時(shí)的時(shí)長(zhǎng)短，則有

式中：T為標(biāo)準(zhǔn)化反應(yīng)時(shí)；bi為該意象下第i個(gè)樣本的選擇率；ti為該意象下第i個(gè)樣本的平均反應(yīng)時(shí)。

反應(yīng)時(shí)數(shù)據(jù)經(jīng)過(guò)式（1）與式（2）去除異常數(shù)據(jù)后，將每一位被試的數(shù)據(jù)通過(guò)式（3）分別歸一化，排除不同個(gè)體間差異。利用式（13）獲取不同樣本下的反應(yīng)時(shí)標(biāo)準(zhǔn)化數(shù)據(jù)。

因篇幅有限下文均以“素雅的”為例，處理后數(shù)據(jù)如表2 所示。

表2 “素雅的”選擇率、反應(yīng)時(shí)標(biāo)準(zhǔn)化數(shù)據(jù)

3.2 腦電數(shù)據(jù)分析

3.2.1 數(shù)據(jù)采集和預(yù)處理

腦電實(shí)驗(yàn)數(shù)據(jù)由Emotiv 公司腦電采集設(shè)備自帶的軟件收集。原始腦電數(shù)據(jù)經(jīng)EEGLAB 工具箱進(jìn)行通道定位，濾除無(wú)用功率信息，剔除干擾偽跡及數(shù)據(jù)分段。

3.2.2 腦電分析

截取樣本圖片出現(xiàn)前2 000 ms 到后3 000 ms的腦電數(shù)據(jù)片段進(jìn)行分析，基線矯正數(shù)據(jù)取圖片出現(xiàn)前2 000 ms。

圖4是32 通道的頻譜圖，3 個(gè)腦地形圖表示在6 Hz、10 Hz、22 Hz 頻段下頭皮功率分布。地形圖中紅色部分功率較高，藍(lán)色部分功率較低。由圖可知功率高的區(qū)域主要集中在前額部分。前額及額區(qū)的主要電極有FP1、FP2、FZ、F3、F4、F7、F8、FT9、FT10、FC1、FC2、FC5、FC6。

圖4 EEG 32 通道頻譜圖

3.2.3 電極篩選

對(duì)腦電能量活躍區(qū)域的電極N400 幅值進(jìn)行T 檢驗(yàn)，篩選出顯著度最高的4 個(gè)電極F3、FZ、F7、FP1，4 個(gè)電極均位于大腦前額及額區(qū)，該區(qū)域在詞匯判別等內(nèi)隱記憶參與的任務(wù)中活動(dòng)增強(qiáng)，進(jìn)行大量的信息處理，與人腦進(jìn)行判斷決策相關(guān)[20]，因此將該4 個(gè)電極作為生理指標(biāo)N400 成分的幅值數(shù)據(jù)的來(lái)源。將4 個(gè)電極的數(shù)據(jù)進(jìn)行歸一化，處理結(jié)果如表3 所示。

表3 “素雅的”中不同樣本N400 幅值歸一化

3.3 實(shí)驗(yàn)結(jié)果

在本次實(shí)驗(yàn)中，“不符合”情況下的平均反應(yīng)時(shí)與N400 幅值為極小型指標(biāo)，通過(guò)式（4）的轉(zhuǎn)換，各指標(biāo)數(shù)據(jù)構(gòu)成規(guī)范化矩陣R，即

將6 個(gè)意象下的規(guī)范化矩陣分別代入式（8）與式（9）中，得出各指標(biāo)的權(quán)重系數(shù)，如表4 所示。

表4 各指標(biāo)在不同意象下的權(quán)重指標(biāo)

根據(jù)式（11）與式（12），代入指標(biāo)權(quán)重系數(shù)，可得各樣本與理想解的相對(duì)貼近度Ui以及排序名次C。Ui數(shù)值越大，排名越靠前，不同意象與各內(nèi)飾色彩樣本之間的對(duì)應(yīng)關(guān)系可由相對(duì)貼近度Ui表示。如表5所示，就“素雅的”而言，樣本SⅠ（0.929）、SⅢ（0.861）、PⅠ（0.766）排名前三，表明這3 個(gè)樣本與“素雅的”最為匹配，是選擇設(shè)計(jì)參考時(shí)的最優(yōu)方案。

表5 不同樣本在各意象下的相對(duì)貼進(jìn)度排序

4 研究結(jié)果的應(yīng)用

在實(shí)際設(shè)計(jì)過(guò)程中，產(chǎn)品意象往往是復(fù)合的。當(dāng)需設(shè)計(jì)具有兩個(gè)或兩個(gè)以上的復(fù)合意象時(shí)，可將復(fù)合詞匯下Ui之和最高的方案，即綜合排名最前的方案作為設(shè)計(jì)參考。以“素雅的且經(jīng)典的”為例。將兩意象下相同樣本的Ui相加，所得之和為該樣本的綜合排序結(jié)果。如表6 所示，排名前6 的樣本分別為SⅠ、PⅠ、SⅢ、WⅠ、PⅡ、BⅠ。因此將圖5 中的6 個(gè)方案作為“素雅的且經(jīng)典的”的設(shè)計(jì)參考。通過(guò)專家小組的討論，該6 個(gè)方案滿足“素雅的且經(jīng)典的”，說(shuō)明方法具有有效性。

表6 “素雅的且經(jīng)典的”樣本綜合排序結(jié)果

圖5 “素雅的且經(jīng)典的”條件下最優(yōu)樣本

5 結(jié)束語(yǔ)

本文以腦電數(shù)據(jù)與行為數(shù)據(jù)作為綜合評(píng)價(jià)指標(biāo)，將汽車內(nèi)飾色彩新方案作為評(píng)價(jià)的對(duì)象，應(yīng)用熵權(quán)TOPSIS 法建立意象與色彩樣本的相對(duì)貼近度表格，表示兩者之間的對(duì)應(yīng)關(guān)系，以此規(guī)避傳統(tǒng)評(píng)價(jià)方法的主觀性，篩選出最符合用戶真實(shí)感性意象認(rèn)知的參考方案。因此，本研究可更準(zhǔn)確掌握用戶的感性需求，且設(shè)計(jì)者可通過(guò)推算不同意象下色彩設(shè)計(jì)參考的最佳選擇，結(jié)合自身經(jīng)驗(yàn)進(jìn)行再設(shè)計(jì)，在設(shè)計(jì)過(guò)程中減少大量案例的分析調(diào)研時(shí)間，提高設(shè)計(jì)的成功率與效率，對(duì)于汽車內(nèi)飾色彩設(shè)計(jì)的實(shí)際應(yīng)用具有指導(dǎo)價(jià)值。