基于感性工学和主成分分析的车身色彩设计
苏畅1,2, 付黎明1, 魏君3, 李硕1, 黄蕾4, 曹越1
1.吉林大学 汽车工程学院,长春130022
2.湖南大学 汽车车身先进设计制造国家重点实验室,长沙 410082
3.吉林大学 数学学院,长春130012
4.中国第一汽车股份有限公司 青岛汽车研究所,山东 青岛 266101
通信作者:魏君(1979-),女,讲师,博士研究生.研究方向:应用数学.E-mail:weij@jlu.edu.cn

作者简介:苏畅(1977-),女,副教授,博士研究生.研究方向:汽车车身造型设计与评价方法.E-mail:suc@jlu.edu.cn

摘要

基于感性工学的基础理论,通过语义差分法实现感性意象词汇的量化,运用主成分分析将多个感性词汇变量转化为优选的综合变量。然后以自主品牌A级车为例,结合问卷调查的统计结果,针对目标人群的感性意象进行客观分析,提出了建立车身色彩分类数据库的方法,最终得出了基于重要词汇的A级车车身色彩设计优先级。研究结果提高了车身色彩设计的科学性和客观性,可为汽车企业在车身色彩开发过程中提供理论性指导并缩减色彩开发成本。

关键词: 车辆工程; 车身色彩; 优先级; 感性工学; 语义差分法; 主成分分析
中图分类号:U463 文献标志码:A 文章编号:1671-5497(2016)05-1414-06
Design method in exterior color based Kansei engineering and principal component analysis
SU Chang1,2, FU Li-ming1, WEI Jun3, LI Shuo1, HUANG Lei4, CAO Yue1
1.College of Automotive Engineering, Jilin University, Changchun 130022, China
2.State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha 410082, China
3.College of Mathematics, Jilin University, Changchun 130012, China
4.Qingdao Automotive Research Institute, China FAW Co., Ltd., Qingdao 266101, China
Abstract

Based on the theory of perceptual Kansei engineering, the quantization of perceptual terminologies is achieved using semantic difference method. Principal component analysis is used to transfer multiple perceptual terminological variables into optimized integrated variables. The database method of exterior color classification method is established based on statistical results of the questionnaire with the A-Class car exterior color design of domestic brand. The objective analysis of the perceptual image is conducted for the target group people. The research results improve the scientific character and objectivity of the design of vehicle exterior color. The results also provide theoretical guidelines to reduce cost for vehicle makers.

Keyword: vehicle engineering; exterior color; priority; Kansei engineering; semantic differential method; principal component analysis
0 引 言

车身色彩是指以车身覆盖件为主体的外观整体色彩, 是汽车整体美感的重要组成部分。车身色彩的多样化源于汽车造型的丰富性以及国际化的审美趋势[1, 2]。成功的车身色彩设计是汽车产品的重要标志。感性工学是一种以消费者为导向的产品开发技术, 运用工程研究的方法探讨人的感性与物的设计特性之间的关系, 将消费者模糊不清的感性需求与意象具体转化为产品细部设计的要素并应用于产品设计中[3, 4]。主成分分析是利用数学上处理降维的思想, 将实际问题中的多个指标设法重新组合成新的少数几个互不相关的主成分, 以求达到化简数据、揭示变量之间的关系并进行数据解析的目的[5]

日产、马自达和三菱三家汽车公司于20世纪90年代将感性工学研究方法引入到汽车开发领域并获得成功后, 国际上相关行业纷纷开展此项研究, 意大利的菲亚特汽车公司和德国保时捷汽车公司热衷于感性工学的研究, 福特公司也运用感性工学技术研制出新型的家用轿车[6, 7, 8]。国内对感性工学的研究正在不断丰富和发展, 主要集中在人机界面、服装设计、食品工业以及建筑环境等方面, 在车辆产品上的应用研究尚处在起步阶段[9, 10], 尤其在车身色彩设计方面的研究缺乏成功的案例。从满足消费者需求, 降低开发成本, 缩短开发周期以及在设计初期就能预测未来市场销售情况等角度出发, 运用感性工学和主成分分析方法对车身色彩设计进行感性意象分析是理性的研究方法。

本研究基于感性工学的基础理论, 通过语义差分法实现感性意象词汇的量化, 再运用主成分分析将多个感性词汇变量转化为优选的综合变量。然后以自主品牌A级车为例, 结合问卷调查的统计结果, 针对目标人群的感性意象进行数据分析, 最后得出基于重要词汇的A级车车身色彩设计优先级。

1 A级车车身色彩感性意象分析
1.1 A级车车身色彩样本及感性词汇的筛选

在中国汽车市场上, A级车主要指适合家庭使用的紧凑型汽车(参照德国汽车分级标准依据轴距、排量和重量等参数进行分级)。由于其市场占有率较高、品牌丰富、种类繁多, 为车身色彩设计方法的研究提供了大量的真实样本。

本研究选取了上海汽车集团股份有限公司、广州汽车集团股份有限公司、长安汽车股份有限公司三个自主品牌共计9个典型A级车车身色彩作为样本(样本序号如图1所示), 获取并筛选A级车车身色彩的感性词汇。

图1 三个自主品牌9个A级车车身色彩样本Fig.1 Nine samples of A-Class exterior color from three domestic brands

结合公共信息中对汽车车身色彩评述的感性词汇以及国内设计界认可度较高、被大众熟知的词汇[11, 12], 按照科学性、可操作性、统一性以及绝对指标和相对指标结合的原则筛选出100个感性词汇并按照审美属性、描述属性、时间属性等划分成11个类别, 筛选出21组词汇, 通过针对用户的认可度问卷调查, 选取出能够概括A级车车身色彩并且排名靠前的感性词汇[13, 14]。最终筛选出“ 商务的-休闲的” “ 豪华的-朴素的” “ 优雅的-世俗的” “ 田园的-都市的” “ 睿智的-迟缓的” “ 低调的-张扬的” 共6组感性词汇。

1.2 消费者对A级车车身色彩的感觉意象

本研究首先对受试者性别、年龄等基本信息进行调查, 用以分析年龄、性别和专业等因素在选择A级车色彩时的影响程度。其次, 采用语义差分法对上述9个A级车车身色彩样本的感性意象进行调查。

以“ 豪华的-朴素的” 为例, 用该组词汇描述A级车车身色彩风格, 区间等级为5, 分值为1、2、3、4、5, 依次对应非常朴素的、朴素的、一般(即此组词汇不能引起受试者的共鸣)、豪华的、非常豪华的。通过选取不同等级来表达受试者对样本的反应强度和感性认识, 并通过所选色彩样本、样本对应的词汇组以及词汇等级构成了感性意象空间, 即:共选取9个自主品牌的典型A级车型, 每个样本对应6组词汇, 每组词汇都有5个等级, 共270个意象词汇构成感性意象空间。

2 信度分析与目标人群数据分析
2.1 信度分析

本研究为检测调查问卷的有效性, 应用SPSS软件对调查获得的200份问卷进行检验, 并对量表中各题目得分的一致性进行评价[15]。系数值越大代表信度越高, 问卷量表设计就越合理。信度分析输出结果显示整个数据文件共有200个个案参与信度分析, 并无缺失值。信度分析的可靠性统计量结果中的Cronbach's Alpha系数用于说明量表的信度, 当该系数值在0.8以上, 表示量表的内在一致性非常好[16], 表1中的信度系数为0.949, 表示该量表的信度很高, 问卷可靠性强。

表1 可靠性统计量 Table 1 Reliability statistics
2.2 目标人群数据分析

本文以调查人群中的21~25岁、31~35岁和41~45岁三个年龄段的人群为例进行统计和分析。

以21~25岁受试者为例对问卷数据进行分析。通过对现有车型的9个车身色彩样本进行初步分析, 得到每个样本与感性词汇之间对应数据的平均值为:

x¯=x¯11x¯1nx¯m1x¯mn1

式中: m为感性词汇的数量; n为色彩样本的数量; x¯11为第一个样本, 第一组词汇, 以此类推, 共 n个样本, m个词汇。

通过上述矩阵公式求得矩阵中所有大于3的数据集合为 A, 该集合中元素的平均值为 a¯, 所有小于3的数据集合为 B, 此集合中元素的平均值为 b¯。将分值大于 a¯以及小于 b¯的数据提取出来, 大于 a¯的数据集合为 A', A'中的数据表示该样本趋于左边的感性词汇, 而小于 b¯的数据集合为 B', B'中的数据表示该样本趋于右边的感性词汇, 用以表明受试者对描述样本的哪几个词汇有更加强烈的反应。

A={xij|xij> 3, i=1, , m; j=1, , n}B={xij|xij< 3, i=1, , m; j=1, , n}2A'={yij=xij|xij> a¯, i=1, , m; j=1, , n}B'={zij=xij|xij< b¯, i=1, , m; j=1, , n}3

从式(2)(3)可以得出:以“ 商务的-休闲的” 这组感性词汇为例, 所得平均值大于3的数据表明该样本趋向于“ 商务的” 感觉, 而平均值小于3的数据则表示该样本趋于“ 休闲的” 感觉。求得所有大于3的数据的平均值为3.182, 所有小于3的数据的平均值为2.637。将分值大于3.182以及小于2.637的数据提取出来, 大于3.182的数据表示该样本趋于左边的感性词汇, 而小于2.637的数据表示该样本趋于右边的感性词汇, 受试者对描述样本的突出感性意象得分如表2所示。

表2 受试者对各个样本的感性意象得分 Table 2 Subjects for individual samples of perceptual image score
3 主成分分析

运用主成分分析法, 在多组感性词汇变量中提取出能够代表绝大部分感性信息的少量感性词汇。基于统计学常用的SPSS软件对数据进行分析, 表3是全部解释方差表(解释的总方差)。保留前3个主成分即可概括原始数据的绝大部分信息, 结合成分载荷矩阵, 将主成分分析的结果整理为表4

表3 解释的总方差 Table 3 Total variance explained
表4 主成分分析结果整理 Table 4 Principal component analysis results

对照参考表2表4, 依据出现频率较多且主成分载荷数值较高的词汇作为重点词汇, 分别是:休闲的、睿智的、低调的、朴素的、都市的; 次要词汇则是:优雅的。这些词汇表示消费者对A级车车身色彩的突出感性意象。

将文中1.1节中整理出来的感性词汇以矩阵的形式表示, q1a为第一组第一个词汇(商务的), q1b为第一组第二个词汇(休闲的)。以此类推, 本例中共有6组词汇, 其矩阵形式如下:

q=q1aq1bq6aq6b4

根据主成分分析所得重点词汇的集合为 D:

D=q1b, q2b, q4b, q5a, q6a5

从集合

A'中筛选出针对5个重要词汇的元素作为集合A″, 同样从集合B'中筛选出针对5个重要词汇的元素作为集合B″:

A″={y'ij=yij=xij|xij> A¯, i=5, 6; j=1, , n}B″={z'ij=zij=xij|xij< B¯, i=1, 2, 4; j=1, , n}6

集合 A″B″的所有元素按照样本顺序排列, 然后计算每个样本所得各个分值与3做差的绝对值之和 Cj, 见式(7):

Cj=yij-3¯+zij-3¯7i=1, , m; j=1, , n

Cj即为基于重要词汇的每个样本认可度的最终总得分, 见表5

表5 样本在重要词汇上的得分 Table 5 Sample scores of important words

运用同样的方法可以获得不同年龄区间的受试者对A级车车身色彩喜好的优先级, 如表6所示。

表6 不同年龄受试者的色彩样本优先级排序 Table 6 Priority of color samples in different year old

表6得出3个不同年龄段受试者对9个A级车车身色彩样本的优先级排序, 其中21~25岁与31~35岁年龄段的优先级排序由前到后依次是:样本3、样本2、样本1、样本7、样本9、样本6、样本5、样本4、样本8, 如图2所示。

图2 样本车型车身色彩优先级排序Fig.2 Priority of exterior color samples

41~45岁年龄段的优先级排序的前五位与其他两个年龄段的排序完全相同, 而后四位的排序与之比较略有不同, 依次是:样本5、样本6、样本8、样本4。

表6得分显示出3个年龄段人群对这几款车型外观造型特征及色彩的匹配度的喜好程度不同, 但是对色彩本身的喜好优先级大致相同。这是由于不同年龄段消费者对4、5、6、8这四个样本所代表的具体车身色彩的感性意象的强烈程度存在差异。这也验证了色彩需要借助一定载体方能体现它的品貌特征。

通过上述分析可以看出, 不同人群对于认可度较高的感性意象词汇是一致的, 根据统一的定位词汇组以及不同的映射关系可得出不同目标人群的色彩喜好优先级排序, 并以此作为企业车型开发中的色彩设计优先级的理论依据。

4 结束语

基于感性工学的基础理论, 通过语义差分法实现感性意象词汇的量化, 运用主成分分析将多个感性词汇变量转化为优选的综合变量, 以自主品牌A级车车身色彩设计为例, 获得相应消费人群的A级车车身色彩喜好的优先级。研究表明:不同人群得到的感性词汇与车身色彩的映射关系是非固定的; 不同年龄段人群对认可度高的定位词汇组的感性意象是一致的; 根据统一的定位词汇组以及不同的映射关系, 能够得出不同目标人群的色彩喜好优先级排序。

通过对多个典型的自主品牌A级车车身色彩进行调查与分析, 结合感性工学理论和主成分分析的数学变换方法, 将多个感性词汇变量转化为优选的综合变量, 从而获得目标消费人群的A级车车身色彩优先级。这是一种可结合市场流行趋势建立并扩充感性意象词汇数据库的创新的研究方法。这种方法不局限于A级车一款车型或某些单独的车身颜色, 亦可建立车身色彩分类数据库, 通过变换车型类别、补充车身色彩种类等扩大其研究范围。能够为汽车企业根据实际产能缩减成本并为新车型车身色彩开发提供客观的理论依据和科学的设计方法。

The authors have declared that no competing interests exist.

参考文献
[1] 杨媛媛. 汽车造型开发中的色彩设计流程[J]. 装饰, 2010, 210(10): 141-142.
Yang Yuan-yuan. Color design process in car styling developing[J]. Art & Design, 2010, 210(10): 141-142. [本文引用:1]
[2] 王芊, 单伟, 李洋洋, . 浅谈整车研发中的外形色彩设计[J]. 流行色, 2014(7): 113-117.
Wang Qian, Shan Wei, Li Yang-yang, et al. Discussion on exterior color in the vehicle research and development[J]. Fashion Colour, 2014(7): 113-117. [本文引用:1]
[3] Zhang Yu-hong, Wang Zu-yao, Jiang Ming-mei. Research of the auxiliary decision system of the design of the product color based on the kansei engineering[J]. Applied Mechanics and Materials, 2011, 101-102: 50-54. [本文引用:1]
[4] 李月恩, 王震亚, 李大可. 感性工程学理论研究及产品开发应用[J]. 武汉理工大学学报, 2010, 32(6): 168-172.
Li Yue-en, Wang Zhen-ya, Li Da-ke. Researching on the kansei engineering and the product developing using[J]. Journal of Wuhan University of Technology, 2010, 32(6): 168-172. [本文引用:1]
[5] 赵海霞, 武建. 浅析主成分分析方法[J]. 科技信息, 2009(2): 87.
Zhao Hai-xia, Wu Jian. Simply analyse the principal component analysis[J]. Science & Technology Information, 2009(2): 87. [本文引用:1]
[6] Kirchner E J J, Ravi J. Setting tolerances on color and texture for automotive coatings[J]. Color Research & Application, 2014, 39(1): 88-98. [本文引用:1]
[7] Hanss D, Böhm G, Pfister H R. Active red sports car and relaxed purple-blue van: affective qualities predict color appropriateness for car types[J]. Journal of Consumer Behavior, 2012, 11: 368-380. [本文引用:1]
[8] Newswire P R. Automotive coatings: technologies and global markets[J]. PR Newswire US, 2014, 9: 205-218. [本文引用:1]
[9] 李莉. 基于感性工学的软床舒适性研究[J]. 包装工程, 2010, 31(8): 26-27, 31.
Li Li. Study on the soft bed comfort based on kansei Engineering[J]. Packaging Engineering, 2010, 31(8): 26-27, 31. [本文引用:1]
[10] 姚湘, 胡鸿雁, 李江泳. 基于感性工学的车身侧面造型设计研究[J]. 包装工程, 2014, 35(4): 40-43.
Yao Xiang, Hu Hong-yan, Li Jiang-yong. Automotive body-side styling design based on kansei engineering[J]. Packaging Engineering, 2014, 35(4): 40-43. [本文引用:1]
[11] 张海波, 黄铁军, 修毅, . 基于颜色和纹理特征的面料图像情感语义分析[J]. 天津工业大学学报, 2013, 32(4): 26-32.
Zhang Hai-bo, Huang Tie-jun, Xiu Yi, et al. Fabric image emotional semantic analysis based on color and texture features[J]. Journal of Tianjin Polytechnic University, 2013, 32(4): 26-32. [本文引用:1]
[12] Takebuchi S, Asami H, Amasaka K. An automobile exterior design approach model linking form and color[J]. China-USA Business Review, 2011, 11(8): 1113-1123. [本文引用:1]
[13] Shieh M D, Yeh Y E. Developing a design support system for the exterior form of running shoes using partial least squares and neural networks[J]. Computers & Industrial Engineering, 2013, 65(4): 704-718. [本文引用:1]
[14] 马士国, 余桐奎, 王志伟. 改进的主成分分析方法[J]. 舰船科学技术, 2012, 34(10): 21-23, 80.
Ma Shi-guo, Yu Tong-kui, Wang Zhi-wei. The improved method of the principal component analysis[J]. Ship Science and Technology, 2012, 34(10): 21-23, 80. [本文引用:1]
[15] 丁满. 基于意象的产品色彩设计模型与方法研究[D]. 大连: 大连理工大学机械工程学院, 2011.
Ding Man. Study on product color design model and method based on image[D]. Dalian: School of Mechanical Engineering, Dalian University of Technology, 2011. [本文引用:1]
[16] 邱皓政. 量化研究与统计分析——SPSS(PASW)数据分析范例解析[M]. 重庆: 重庆大学出版社, 2013. [本文引用:1]