汽車外形設(shè)計的基因網(wǎng)絡(luò)模型

李 愚，盧純福，劉肖健，盛 振，柴國鐘

(浙江工業(yè)大學 工業(yè)設(shè)計研究院，浙江 杭州 310023)

0 引言

良好的汽車外形可以提升汽車品牌形象和競爭優(yōu)勢，為企業(yè)創(chuàng)造更大的利潤[1]。汽車外形設(shè)計是一種復雜的設(shè)計行為，主要體現(xiàn)在待處理的設(shè)計要素眾多、意象目標多樣，且在意象目標的影響下，設(shè)計要素相互之間存在大量的隱性關(guān)聯(lián)關(guān)系[2]。由于感性意象目標的主觀性和模糊性，汽車外形設(shè)計很難完全依賴計算機輔助設(shè)計(Computer Aided Design, CAD)技術(shù)，設(shè)計師的決策仍是設(shè)計質(zhì)量的主要保障，而目前多數(shù)CAD技術(shù)傾向于以自動化技術(shù)取代設(shè)計師而非對其進行輔助，導致實用價值有限[3]。在汽車設(shè)計這種復雜任務(wù)中，輔助技術(shù)與設(shè)計師的分工合作尤為重要，因此本文的研究目標是通過基因網(wǎng)絡(luò)模型挖掘眾多設(shè)計要素和意象目標中的重要性差異及其隱性關(guān)聯(lián)關(guān)系，并予以可視化表達，幫助設(shè)計師快速識別出關(guān)鍵設(shè)計要素與意象目標，以輔助其決策。

復雜網(wǎng)絡(luò)為表達產(chǎn)品設(shè)計要素間關(guān)系的模型，1981年Steward提出設(shè)計結(jié)構(gòu)矩陣(Design Structure Matrix, DSM)模型用于表達設(shè)計要素之間的關(guān)系[4]，首次將復雜網(wǎng)絡(luò)引入產(chǎn)品設(shè)計過程。上世紀90年代，隨著社會網(wǎng)絡(luò)中的小世界[5]、無標度[6]等特征的發(fā)現(xiàn)，人們意識到來自不同領(lǐng)域的網(wǎng)絡(luò)模型可能具有類似的統(tǒng)計學性質(zhì)，產(chǎn)品設(shè)計網(wǎng)絡(luò)的無標度特性與hub(關(guān)鍵節(jié)點)也被證實存在[7]，因此復雜網(wǎng)絡(luò)逐漸成為描述客觀世界組織原則的主要模型，通過構(gòu)建復雜網(wǎng)絡(luò)，對內(nèi)部的拓撲結(jié)構(gòu)進行分析，也成為各領(lǐng)域?qū)碗s系統(tǒng)進行研究的主要手段之一[8]。2005年以后，大量研究證實了機械產(chǎn)品中也存在冪律等復雜網(wǎng)絡(luò)的典型特征。產(chǎn)品設(shè)計的相關(guān)研究少數(shù)涉及以產(chǎn)品參數(shù)為節(jié)點的網(wǎng)絡(luò)[9]，多數(shù)研究則集中在零件裝配系統(tǒng)和設(shè)計活動管理兩個主題。汽車外形之類的形態(tài)設(shè)計問題實際上比裝配和設(shè)計管理都復雜，因為機械產(chǎn)品零件以及功能間的裝配、從屬關(guān)系是被明確定義的，而設(shè)計要素和多個設(shè)計目標間的關(guān)系是隱性的，需要使用一定技術(shù)手段進行識別。提取和表達這種隱性關(guān)系并論證其存在性和穩(wěn)定性，是對汽車設(shè)計師的重要輔助。

劉肖健等[3]在以水瓶為對象的研究中發(fā)現(xiàn)產(chǎn)品的形態(tài)要素之間存在基因網(wǎng)絡(luò)，并定義了節(jié)點重要性指標和節(jié)點集團的識別方法，提出利用基因網(wǎng)絡(luò)輔助設(shè)計師的模式；徐瑤[10]基于設(shè)計競賽投稿作品制作了保溫杯產(chǎn)品的基因網(wǎng)絡(luò)；孫倫[11]基于辦公座椅的上千產(chǎn)品樣本建立了其基因網(wǎng)絡(luò)，用于輔助設(shè)計師的工作，在設(shè)計試驗中獲得了優(yōu)于對照組的效果，表明了利用基因網(wǎng)絡(luò)輔助設(shè)計師的有效性；盛振[12]對汽車形態(tài)的設(shè)計參數(shù)進行了定義，并基于樣本數(shù)據(jù)統(tǒng)計建立了汽車外形的基因網(wǎng)絡(luò)模型；劉肖健等[13]對傳統(tǒng)文化的色彩特征建立了基因網(wǎng)絡(luò)模型，并基于不同樣本對網(wǎng)絡(luò)的穩(wěn)定性進行了比較分析。

產(chǎn)品基因網(wǎng)絡(luò)的概念自提出以來，研究對象涉及水瓶、保溫杯、辦公座椅、產(chǎn)品配色等，而汽車外形的復雜程度遠超上述幾類對象，設(shè)計師對輔助手段的需求也格外迫切。羅仕鑒等[14]提出一種用戶偏好驅(qū)動的運動型多用途車(Sport Utility Vehicle, SUV)的側(cè)面外形設(shè)計方法，以此建立了計算機輔助SUV側(cè)面外形概念設(shè)計系統(tǒng)；王亞輝等[15]提出一種基于多目標粒子群優(yōu)化算法的汽車造型設(shè)計模型，以避免主觀性和個體決策差異對設(shè)計方案決策的影響；李雪瑞等[16]基于形狀文法理論開發(fā)了智能汽車側(cè)輪廓優(yōu)化設(shè)計引擎。作為一種應(yīng)對設(shè)計復雜性的模型工具，基因網(wǎng)絡(luò)在汽車產(chǎn)品中的可行性亟待論證。產(chǎn)品基因從知識結(jié)構(gòu)上應(yīng)包含顯性特征和隱性特征兩部分，前者指形態(tài)、色彩等客觀的物理層面，后者指意象、情感等精神層面[17]。本文研究的突破之處在于，除了設(shè)計參數(shù)外，對汽車外形的設(shè)計目標——用戶感性意象也進行了基因網(wǎng)絡(luò)建模，并對其中各節(jié)點的重要性及內(nèi)部關(guān)聯(lián)進行識別。產(chǎn)品外形的意象目標具有數(shù)量多、模糊性大、定量分析困難等特征，是汽車外形設(shè)計的難點之一[18]。本文對此做了初步分析，論證了汽車產(chǎn)品中基因網(wǎng)絡(luò)的存在性與穩(wěn)定性，并嘗試提煉出有價值的隱性知識來輔助設(shè)計師工作。

1 汽車外形的基因網(wǎng)絡(luò)模型結(jié)構(gòu)

在筆者先前的研究中，以水瓶外觀為設(shè)計對象,將產(chǎn)品基因描述為由設(shè)計要素為節(jié)點構(gòu)成的復雜網(wǎng)絡(luò)，建立了產(chǎn)品基因網(wǎng)絡(luò)模型的基本框架[2]。本文在此基礎(chǔ)上加入了用戶感性意象目標網(wǎng)絡(luò)，將汽車外形的基因網(wǎng)絡(luò)拓展為由設(shè)計要素和意象目標兩個子網(wǎng)構(gòu)成的復雜網(wǎng)絡(luò)，如圖1所示。

汽車外形的基因網(wǎng)絡(luò)模型借鑒了生物信息學中描述基因之間調(diào)控關(guān)系的基因調(diào)控網(wǎng)絡(luò)(Gene Regulatory Network, GRN)模型，將汽車的設(shè)計要素及其所體現(xiàn)出的感性意象特征描述為兩個子網(wǎng)絡(luò)。其中意象目標子網(wǎng)絡(luò)的節(jié)點為描述汽車的詞匯，設(shè)計要素子網(wǎng)絡(luò)的節(jié)點是設(shè)計師可以直接操作的設(shè)計要素，如產(chǎn)品尺寸、色彩、功能等元素。

與同類研究及作者的前期工作相比，該基因網(wǎng)絡(luò)模型同時包含了設(shè)計要素和設(shè)計目標，其對設(shè)計師工作的輔助主要表現(xiàn)在兩方面：①通過計算意象目標評價數(shù)據(jù)，從中篩選出關(guān)鍵意象作為主要設(shè)計目標；②評估設(shè)計要素的重要性，通過順序求解法化解組合爆炸問題。

針對上述汽車外形的“設(shè)計要素—意象目標”基因網(wǎng)絡(luò)，本文的工作包括兩個子網(wǎng)的建模方法以及網(wǎng)絡(luò)的存在性與穩(wěn)定性論證3方面工作：

(1) 設(shè)計要素網(wǎng)絡(luò)建模 基于大量汽車外形樣本的設(shè)計參數(shù)，利用Pearson相關(guān)法計算設(shè)計要素之間的相關(guān)系數(shù)，并通過設(shè)定不同的閾值識別設(shè)計要素節(jié)點之間的連接，形成設(shè)計要素網(wǎng)絡(luò)。

(2) 意象目標網(wǎng)絡(luò)建模 與設(shè)計要素網(wǎng)絡(luò)建模方法類似，以評價汽車外形的感性詞匯作為意象目標對汽車樣本開展用戶評價實驗，利用Pearson相關(guān)法計算意象目標之間的相關(guān)系數(shù)，并通過設(shè)定不同的閾值識別意象目標節(jié)點之間的連接，形成意象目標網(wǎng)絡(luò)。

(3) 基因網(wǎng)絡(luò)的存在性與穩(wěn)定性論證 從總樣本庫中選擇不同的隨機樣本，重復上述建模方法得到不同的汽車外形的基因網(wǎng)絡(luò)模型，比較其相似性與差異性，以評估設(shè)計要素間和意象目標間關(guān)系的穩(wěn)定性，作為基因網(wǎng)絡(luò)客觀存在的依據(jù)。

兩個子網(wǎng)之間并非獨立，限于文章篇幅，其映射關(guān)系的挖掘?qū)⒘舸M一步研究。

2 汽車外形的設(shè)計要素網(wǎng)絡(luò)

2.1 汽車外形設(shè)計要素的確定

設(shè)計要素一般指設(shè)計師可以直接操作的設(shè)計變量，如尺寸、色彩、功能等。設(shè)計要素即基因網(wǎng)絡(luò)中的基因。對比生物信息學GRN的研究，產(chǎn)品基因的定義應(yīng)遵循客觀性、可操作性、不可分解性3個原則：客觀性指設(shè)計要素應(yīng)可基于客觀的統(tǒng)一標準進行測量，且不受觀測者主觀判斷的影響；可操作性指設(shè)計師有能力改變設(shè)計要素的值，如產(chǎn)品的色彩和尺寸，而“品牌價值”之類的變量就不具有可操作性；不可分解性即設(shè)計要素不可進一步分解為其他設(shè)計要素，如水杯的容量雖然客觀可操作，但是可以進一步分解為直徑、高度等形態(tài)尺寸，因此不宜作為設(shè)計要素。

汽車外形取決于其曲面形態(tài)特征，從建模角度看，曲面形態(tài)取決于曲線，以及關(guān)鍵點的坐標或相對位置關(guān)系。汽車外形可以由關(guān)鍵點之間的尺寸參數(shù)來決定，因此汽車外形只考慮外觀形態(tài)尺寸參數(shù)，這些參數(shù)即汽車外形的設(shè)計要素。

下面以奧迪A6車型為例對設(shè)計要素的選取做簡單解釋。通過三維建模得到基本外形特征曲線36條，如圖2所示。從特征曲線中提取決定這些風格曲線的各個關(guān)鍵位置點相關(guān)尺寸106個，如圖3所示。這些尺寸雖未完全包含汽車的所有外形要素，但已能決定車型的主要風格特征，因此本文以其作為汽車外形設(shè)計要素網(wǎng)絡(luò)的節(jié)點。

2.2 設(shè)計要素網(wǎng)絡(luò)建模

汽車外形設(shè)計要素的網(wǎng)絡(luò)模型是對設(shè)計要素之間隱含的關(guān)聯(lián)關(guān)系(即設(shè)計要素節(jié)點之間的連接)的一種描述。這種關(guān)系是用戶對汽車外形的感性意象的綜合反映，也是目標(感性意象)與操作對象(設(shè)計要素)之間的重要橋梁，因此本文擬從已被用戶廣泛接受的多款汽車產(chǎn)品型號中提取這種關(guān)系。

本文選擇2000年以來在國內(nèi)上市銷售的多款車型作為基因網(wǎng)絡(luò)建模的樣本。考慮車型的普適形態(tài)并剔除了同一品牌下重復度較高的若干樣本，最終得到32個品牌共146款車型樣本，如表1所示。

表1 車型樣本來源

編號品牌數(shù)量編號品牌數(shù)量01阿爾法羅密歐417雷克薩斯402奧迪1018雷諾303寶馬1319鈴木104奔馳720馬自達705本田821瑪莎拉蒂206標致322莫斯科人107達契亞123歐寶108大宇124龐蒂亞克309大眾825起亞110戴勒姆126日產(chǎn)1511菲亞特227三菱912豐田828斯巴魯313福特629斯柯達114捷豹530現(xiàn)代415拉達131雪佛蘭216勞斯萊斯232雪鐵龍9

將上述車型樣本的三視圖導入SolidWorks軟件，并在草圖中通過調(diào)整設(shè)計參數(shù)使形態(tài)曲線與三視圖吻合，從而驅(qū)動完成車型的3D建模。因為各車型底盤形態(tài)相似，對外形感性意象的影響較小，所以省略了底盤模型。由此得到146個汽車樣本的3D模型，如圖4所示(部分)。

在設(shè)計要素(節(jié)點)已確定的情況下，發(fā)現(xiàn)節(jié)點間的連接是基因網(wǎng)絡(luò)建模的主要工作。本文通過Pearson相關(guān)系數(shù)來發(fā)現(xiàn)連接。

兩個設(shè)計要素x和y之間的Pearson相關(guān)系數(shù)通過下式計算得到：

為Pearson設(shè)定一個相關(guān)閾值[r]，相關(guān)系數(shù)r超過該閾值便認為兩節(jié)點相關(guān)，可以在兩節(jié)點間建立一條連接。汽車外形中兩個尺寸之間的相關(guān)系

數(shù)計算通過146個樣本數(shù)據(jù)(即146對x、y坐標)開展。對106個設(shè)計要素兩兩之間的相關(guān)系數(shù)進行計算，并根據(jù)閾值識別出所有連接，即可得到汽車外形的設(shè)計要素網(wǎng)絡(luò)。

圖5所示為不同閾值下的汽車設(shè)計要素網(wǎng)絡(luò)(未畫出沒有連接的孤立節(jié)點)。通過設(shè)置不同的相關(guān)性閾值可以將有限數(shù)量的重要節(jié)點呈現(xiàn)給設(shè)計師。

2.3 設(shè)計要素網(wǎng)絡(luò)對設(shè)計師的輔助

外形設(shè)計在很大程度上帶有感性因素，設(shè)計師的作用(即確定各設(shè)計要素的值)目前仍是技術(shù)工具所無法替代的。設(shè)計要素是設(shè)計師直接操作的對象，因此其網(wǎng)絡(luò)對設(shè)計師的輔助作用主要體現(xiàn)為緩解大量賦值帶來的組合爆炸問題、提高設(shè)計師人工尋優(yōu)的效率，而非直接計算某個設(shè)計要素的最優(yōu)值。

利用設(shè)計要素網(wǎng)絡(luò)解決組合爆炸的基本思路是，從眾多設(shè)計要素中找出最“重要”的節(jié)點優(yōu)先處理，或找出關(guān)聯(lián)緊密的節(jié)點集團進行統(tǒng)一處理。節(jié)點的重要性主要體現(xiàn)在節(jié)點的度數(shù)和敏感性兩個指標。

(1)節(jié)點的度數(shù)

在復雜網(wǎng)絡(luò)中，節(jié)點度數(shù)指該節(jié)點上的連接數(shù)，表達了該節(jié)點與其他節(jié)點之間關(guān)聯(lián)的緊密程度。相關(guān)性閾值[r]=0.5時，設(shè)計要素網(wǎng)絡(luò)中度數(shù)最高的5個節(jié)點如表2所示。

表2 度數(shù)最大的節(jié)點(相關(guān)性閾值[r]=0.5)

(2)節(jié)點的敏感性

節(jié)點的敏感性指樣本中某一設(shè)計要素值的分布規(guī)律呈現(xiàn)出的傾向性，通過節(jié)點取值的標準差得到[3]。標準差越小，表示節(jié)點的取值在各個值域段內(nèi)的分布越平均，也就是傾向性越小，即節(jié)點值的變化對樣本數(shù)量的影響很小、不敏感；反之，則表示敏感性大。經(jīng)統(tǒng)計計算，敏感性最大的5個節(jié)點如表3所示。

表3 汽車敏感性最大的5個節(jié)點

(3)節(jié)點集團

在基因網(wǎng)絡(luò)中，有些節(jié)點會基于緊密的內(nèi)部互相影響而形成相對獨立的集團，即不與其他節(jié)點發(fā)生聯(lián)系的孤立子網(wǎng)絡(luò)，本文稱為“節(jié)點集團”。對節(jié)點集團的識別有利于找出產(chǎn)品基因中存在的潛在聯(lián)系和需要統(tǒng)一考慮的設(shè)計要素。

相關(guān)性閾值[r]<0.5時，設(shè)計要素網(wǎng)絡(luò)節(jié)點之間的連邊過于復雜，不利于設(shè)計師從中識別出有效的節(jié)點集團。設(shè)計師訪談表明，將節(jié)點集團中的節(jié)點數(shù)量控制在5個左右有利于設(shè)計師識別節(jié)點并考慮其間的關(guān)聯(lián)關(guān)系?；谶@種需求，取相關(guān)性閾值[r]=0.96，可識別出6個設(shè)計要素網(wǎng)絡(luò)的節(jié)點集團，如表4所示。

表4 相關(guān)性閾值為0.96的汽車基因節(jié)點集團

將表中節(jié)點集團所控制的關(guān)鍵點與曲線曲面位置標注在汽車外形上，如圖6所示。

通過對汽車外形設(shè)計要素網(wǎng)絡(luò)建模，以及對節(jié)點度數(shù)、敏感性和節(jié)點集團的分析，結(jié)合設(shè)計師需求訪談與深度解讀，得到如下宏觀知識：

(1)車輪大小對設(shè)計的影響

“輪罩半徑@側(cè)面草圖”是敏感性最高的節(jié)點，其中心性不高且為非中心節(jié)點，表明“車輪大小”為獨立節(jié)點，對整車外形影響較大。該結(jié)論的原因是車輪大小已標準化，其尺寸變化在任何車型中都不大，因此設(shè)計空間較小，從而“敏感性高”。同樣的高敏感性設(shè)計要素也體現(xiàn)在其他一些數(shù)值相對固定的尺寸上。

(2)汽車側(cè)面設(shè)計

有關(guān)汽車側(cè)面外形關(guān)鍵點位的節(jié)點都有較高的度數(shù)，且其度數(shù)大致相同，說明這部分的外形與其他方面關(guān)聯(lián)較大且關(guān)聯(lián)度較為統(tǒng)一。在敏感性方面，中前部與中后部的敏感性相對較高，前部和后部則因約束較多而限制了其形態(tài)延伸性。在針對這部分進行設(shè)計時，可以將外形重點放在中部位置，前端與后端依照中部的外形結(jié)合其他相關(guān)節(jié)點進行賦值。由于側(cè)面后端外形相關(guān)節(jié)點相對于前部分節(jié)點的敏感性較低，設(shè)計過程中可以視具體情況放在概念設(shè)計的后期細節(jié)修整階段處理。

(3)汽車頂棚和車窗

對照節(jié)點度數(shù)列表可見，度數(shù)排名前三的節(jié)點均與汽車前擋風外形相關(guān)，而這3個節(jié)點的敏感度卻并不高，即前擋風玻璃的外形受其他節(jié)點的影響較大，但其本身的變化未必會影響其他部分的設(shè)計。后窗的相關(guān)節(jié)點均為低度數(shù)節(jié)點，對整車造型影響不大，在設(shè)計過程中亦可置后處理。對比節(jié)點集團列表可見，節(jié)點集團3和節(jié)點集團5與后擋風和行李蓋部分的外形相關(guān)，說明在汽車頂部的外形中，前擋風、頂棚和行李箱上蓋等各個部分的尺寸之間存在較密切的聯(lián)系，應(yīng)統(tǒng)一考慮。

(4)汽車引擎蓋

引擎蓋外形的節(jié)點中存在4個高敏感節(jié)點，分別決定了引擎蓋的長度和弧面走向，但是其度數(shù)并不大，可見這部分的外形擁有一定的設(shè)計自由度且與其他部分的關(guān)聯(lián)并不明顯，可以獨立設(shè)計，甚至可以考慮與其他部位的形態(tài)設(shè)計并行開展。

上述基于汽車產(chǎn)品基因設(shè)計要素網(wǎng)絡(luò)的分析，為設(shè)計師的設(shè)計活動提供了具有一定操作性的顯性知識。

3 汽車外形的意象目標網(wǎng)絡(luò)

3.1 汽車外形意象目標的確定

感性意象是汽車外形常用的設(shè)計目標，一般表達為一系列形容詞。意象形容詞的來源一般為主流媒體中的評論與描述。朱毅[19]將主流媒體對SUV測評文章中的形容詞摘錄后分為7對14個高頻形容詞。本文用同樣方法歸納汽車外形容詞20對40個，如表5所示。

表5 汽車外形的20對高頻形容詞

本文以這20對意象形容詞為節(jié)點構(gòu)建汽車外形的意象網(wǎng)絡(luò)，主要工作包括意象目標的重要性和意象目標之間的關(guān)聯(lián)關(guān)系兩方面。

3.2 感性意象網(wǎng)絡(luò)建模

由于車型外形差別細微，普通大眾清晰地對其進行分類評價較為困難，為了增加意象評價的可靠性，本文征募了22名從事設(shè)計工作3年以上的設(shè)計師擔任被試，針對前述146款車型參數(shù)模型、就20對意象形容詞進行評價。為提高效率，被試采用歸類方式對每一車型選擇合適的意象形容詞進行標記。為盡量減少圖片、顏色、角度等因素對整體外形判斷的影響，選擇相同的角度與材質(zhì)渲染模型，如圖7所示。

合并統(tǒng)計意象評價數(shù)據(jù)，每有一人次將某車型與某感性評價形容詞進行匹配則記一分，得到感性意象得分統(tǒng)計數(shù)據(jù)表。對表中各意象評價指標之間的Pearson相關(guān)系數(shù)進行計算，得到感性意象兩兩之間的相關(guān)性。

基于意象評價數(shù)據(jù)重復3.1節(jié)設(shè)計要素網(wǎng)絡(luò)的建模過程，設(shè)定相關(guān)性閾值，可以得到汽車外形的用戶意象網(wǎng)絡(luò)，如圖8所示。

意象網(wǎng)絡(luò)中的節(jié)點度數(shù)表示該形容詞與其他形容詞間具有關(guān)聯(lián)性但并不限于正相關(guān)，即這些感性評價詞匯對汽車外形進行評價時在能指或意指上有一定重合(正相關(guān))或背離(負相關(guān))。理論上講，成對的形容詞之間應(yīng)該呈現(xiàn)出強負相關(guān)特性，但實際上并非完全如此，表明用戶對汽車外形的意象還存在一些需要深入研究的特征。

度數(shù)大的節(jié)點代表了較強的用戶意象傾向，因此在設(shè)計過程中需要重點考慮。取較低的相關(guān)性閾值對各意象節(jié)點的度數(shù)進行排序，其中前4個高度節(jié)點如表6所示。

表6 度數(shù)最大的節(jié)點(相關(guān)性閾值為0.1)

與設(shè)計要素網(wǎng)絡(luò)類似，節(jié)點敏感性表達了汽車形態(tài)變化對該意象指標影響的強烈程度，或該意象可通過外形設(shè)計來體現(xiàn)的可行性程度。敏感性最大的5個節(jié)點如表7所示。

表7 敏感性最大的5個節(jié)點

汽車外形的意象目標之間也會出現(xiàn)互相影響、牽制與融合的情況，在意象網(wǎng)絡(luò)中表現(xiàn)為連接在一起相對立的節(jié)點集團。表8所示為相關(guān)性閾值為0.45時的意象目標節(jié)點集團。

表8 意象目標的節(jié)點集團(相關(guān)性閾值為0.45)

“艷麗—高檔—動—流暢—華麗—光滑—呆板”這幾個節(jié)點構(gòu)成了感性意象網(wǎng)絡(luò)中最大的節(jié)點集團，其中“流暢”是敏感度最高的節(jié)點，也具有很高的度數(shù)，說明用戶對該感性評價的認知比較統(tǒng)一，且該意象目標與其他多個目標有較密集的關(guān)聯(lián)，因此在設(shè)計活動中應(yīng)予以足夠的關(guān)注。

“華麗”作為度數(shù)最高的節(jié)點與眾多的意象目標相關(guān)，但其敏感度偏低，原因可能是設(shè)計師在評價汽車外觀時對其認知存在分歧，也可能是它屬于被動受影響的一個目標。

“低檔—簡陋”、“失調(diào)—凌亂”、“剛強—硬朗”、

“飽滿—厚實”這8個意象目標形成了4對較為緊密的節(jié)點集團，顯見這些形容詞的評價存在較強的潛在關(guān)聯(lián)，在設(shè)計時可以合并考慮。

4 汽車外形基因網(wǎng)絡(luò)的穩(wěn)定性論證

機械產(chǎn)品的DSM是描述機械零部件關(guān)系的一個“客觀”的模型，因為各零部件之間的連接是裝配、運動傳遞、力傳遞等客觀的關(guān)系，所以DSM是一個穩(wěn)定的矩陣。汽車外形的基因網(wǎng)絡(luò)與DSM形態(tài)類似，但有本質(zhì)的不同：汽車基因網(wǎng)絡(luò)中的連接是隱性的，是用戶主觀意象的一種反映，基于不同的被試用戶和不同的實驗有可能產(chǎn)生不同的網(wǎng)絡(luò)結(jié)構(gòu)。汽車基因網(wǎng)絡(luò)如果能對產(chǎn)品設(shè)計產(chǎn)生幫助，則其網(wǎng)絡(luò)結(jié)構(gòu)應(yīng)具有一定程度的穩(wěn)定性，即基于不同樣本得到的基因網(wǎng)絡(luò)應(yīng)具有相似的結(jié)構(gòu)。

為驗證上述汽車基因網(wǎng)絡(luò)中兩個子網(wǎng)的穩(wěn)定性，從全部車型設(shè)計數(shù)據(jù)和意象實驗數(shù)據(jù)中隨機抽取若干組重復上述建網(wǎng)操作。重復4次得到的基因網(wǎng)絡(luò)圖對比如圖9和圖10所示。

由圖9和圖10顯見，基于全部樣本和隨機抽取樣本得到的基因網(wǎng)絡(luò)圖雖有一定程度的差異，但整體結(jié)構(gòu)相似，表明兩個子網(wǎng)絡(luò)具有較好的穩(wěn)定性，可以為設(shè)計師的設(shè)計過程提供有價值的輔助。

5 結(jié)束語

本文給出汽車基因網(wǎng)絡(luò)模型的基本結(jié)構(gòu)，以及構(gòu)建設(shè)計要素和意象目標兩個子網(wǎng)絡(luò)的技術(shù)方法，并基于對兩個網(wǎng)絡(luò)的初步分析產(chǎn)生了一些輔助設(shè)計師開展設(shè)計活動的相關(guān)知識，論證了基因網(wǎng)絡(luò)模型的存在性與穩(wěn)定性。

基因網(wǎng)絡(luò)的存在表明，汽車外形兩個子網(wǎng)絡(luò)各個元素之間存在潛在的關(guān)聯(lián)關(guān)系，對這些關(guān)系進行挖掘和識別有助于提高外形設(shè)計的效率和成功率?；蚓W(wǎng)絡(luò)可以幫助將傳統(tǒng)的、依靠經(jīng)驗和感性判斷的設(shè)計活動，轉(zhuǎn)化為“外科手術(shù)”式的、有目的的精確操作。

本文基于獨立建模過程得到的產(chǎn)品基因內(nèi)的“感性意象”和“設(shè)計要素”兩個子網(wǎng)絡(luò)，尚處于各自獨立的狀態(tài)，它們之間可能存在較為密切的映射關(guān)系。 找到這種映射關(guān)系有助于精準地找到影響某個意象目標的設(shè)計要素節(jié)點群，這是筆者進一步研究的關(guān)鍵內(nèi)容。

參考文獻:

[1] HAO Yanhong,ZHAO Fuquan. Color and texture design of Chinese automobile brand[J]. Lecture Notes in Electrical Engineering,2013,195:747-760.DOI：10.1007/978-3-642-33835-9_68.

[2] ZHU Yi. A study on design complexity and design computing[D].Changsha：Hunan University，2014(in Chinese).[朱 毅，造型設(shè)計的復雜性問題與設(shè)計計算[D].長沙：湖南大學，2014.]

[3] LIU Xiaojian, SUN Yan, WU Jianfeng，et al. Gene regulatory network model for product industrial design[J].Computer Integrated Manufacturing Systems,2013,19(7):1463-1471(in Chinese).[劉肖健，孫 艷，吳劍鋒,等，產(chǎn)品基因調(diào)控網(wǎng)絡(luò)模型及其對設(shè)計過程的輔助[J].計算機集成制造系統(tǒng),2013,19(7):1463-1471.]

[4] STEWARD D V.The design structure system:a method for managing the design of complex systems[J]. IEEE Transactions on Engineering Management,1981,28(3):71-74.

[5] WATTS D J, STROGATZ S H. Collective dynamics of small-world networks[J]. Nature，1998,393(6684):440-442.

[7] YASSINE A, DAN B. Complex concurrent engineering and the design structure matrix method[J]. Concurrent Engineering,2003,11(3):165-176.

[8] MIZUNO H, OKAMOTO T, KOAKUTSU S, et al. A design method for the complex network growth model[C]//Proceedings of SICE Annual Conference.Washington,D.C.,USA:IEEE,2014:571-576.

[9] LIU Fuyun. Research on component analysis and configuration technologies of mechanical product[D].Hangzhou：Zhejiang University，2006(in Chinese).[劉夫云.基于復雜網(wǎng)絡(luò)的機械產(chǎn)品零部件分析與配置技術(shù)研究[D].杭州：浙江大學，2006.]

[10] XU Yao. The optimized design based on gene regulatory network[D].Hangzhou：Zhejiang University of Technology，2014(in Chinese).[徐 瑤.基于基因調(diào)控網(wǎng)絡(luò)的產(chǎn)品優(yōu)化設(shè)計[D].杭州：浙江工業(yè)大學，2014.]

[11] SUN Lun. Study on the morphological design of office chair based on the gene network[D]. Hangzhou：Zhejiang University of Technology，2014(in Chinese).[孫 倫.基于基因網(wǎng)絡(luò)的辦公椅形態(tài)設(shè)計研究[D].杭州：浙江工業(yè)大學，2014.]

[12] SHENG Zhen. Gene network model of automobile modeling[D].Hangzhou：Zhejiang University of Technology，2016(in Chinese).[盛 振.汽車造型設(shè)計的基因網(wǎng)絡(luò)模型[D].杭州：浙江工業(yè)大學，2016.]

[13] LIU Xiaojian, CAO Yujing, ZHAO Luxi. Color networks of traditional cultural patterns and color design aiding technology[J].Computer Integrated Manufacturing Systems,2016,22(4):899-907(in Chinese).[劉肖健，曹愉靜，趙露唏.產(chǎn)品基因調(diào)控網(wǎng)絡(luò)模型及其對設(shè)計過程的輔助[J].計算機集成制造系統(tǒng),2016,22(4):899-907.]

[14] LUO Shijian，LI Wenjie，F(xiàn)U Yetao.Consumer preference-driven SUV product family profile gene design[J].Chinese Journal of Mechanical Engineering,2016,52(2):173-181(in Chinese).[羅仕鑒,李文杰,傅業(yè)燾.消費者偏好驅(qū)動的SUV產(chǎn)品族側(cè)面外形基因設(shè)計[J].機械工程學報,2016,52(2):173-181.]

[15] WANG Yahui，YU Suihuai. Decision model of automobile styling design based on multi-objective particle swarm optimization algorithm[J]. Computer Integrated Manufacturing Systems,2017,23(4):681-688(in chinese).[王亞輝,余隋懷.基于多目標粒子群優(yōu)化算法的汽車造型設(shè)計決策模型[J].計算機集成制造系統(tǒng),2017,23(4):681-688.]

[16] LI Xuerui，YU Suihuai，CHU Jianjie，et al. Research on construction and application of product form gene network model driven by kansei[J]. Computer Integrated Manufacturing Systems，2018,24(2):464-473(in Chinese).[李雪瑞,余隋懷,初建杰,等.意象驅(qū)動的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建與應(yīng)用研究[J].計算機集成制造系統(tǒng)，2018,24(2):464-473.]

[17] LU Zhaolin，TANG Wencheng，XUE Chengqi. Method of design DNA reasoning based on shape grammar[J]. Journal of Southeast University:Natural Science Edition，2010,40(4):704-711(in Chinese).[盧兆麟，湯文成，薛澄岐.一種基于形狀文法的產(chǎn)品設(shè)計DNA推理方法[J].東南大學學報:自然科學版，2010,40(4):704-711.]

[18] TAN Zhengyu. Research on the technology of product conceptual design based on user perception information[D].Hangzhou：Zhejiang University，2007(in Chinese).[譚征宇.面向用戶感知信息的產(chǎn)品概念設(shè)計技術(shù)研究[D].杭州：浙江大學，2007.]

[19] ZHU Yi. A study on design complexity and design computing[D].Changsha：Hunan University，2014(in Chinese).[朱 毅.造型設(shè)計的復雜性問題與設(shè)計計算[D].長沙：湖南大學，2014.]