汽车外形设计的基因网络模型

李 愚，卢纯福，刘肖健，盛 振，柴国钟

(浙江工业大学 工业设计研究院，浙江 杭州 310023)

0 引言

良好的汽车外形可以提升汽车品牌形象和竞争优势，为企业创造更大的利润[1]。汽车外形设计是一种复杂的设计行为，主要体现在待处理的设计要素众多、意象目标多样，且在意象目标的影响下，设计要素相互之间存在大量的隐性关联关系[2]。由于感性意象目标的主观性和模糊性，汽车外形设计很难完全依赖计算机辅助设计(Computer Aided Design, CAD)技术，设计师的决策仍是设计质量的主要保障，而目前多数CAD技术倾向于以自动化技术取代设计师而非对其进行辅助，导致实用价值有限[3]。在汽车设计这种复杂任务中，辅助技术与设计师的分工合作尤为重要，因此本文的研究目标是通过基因网络模型挖掘众多设计要素和意象目标中的重要性差异及其隐性关联关系，并予以可视化表达，帮助设计师快速识别出关键设计要素与意象目标，以辅助其决策。

复杂网络为表达产品设计要素间关系的模型，1981年Steward提出设计结构矩阵(Design Structure Matrix, DSM)模型用于表达设计要素之间的关系[4]，首次将复杂网络引入产品设计过程。上世纪90年代，随着社会网络中的小世界[5]、无标度[6]等特征的发现，人们意识到来自不同领域的网络模型可能具有类似的统计学性质，产品设计网络的无标度特性与hub(关键节点)也被证实存在[7]，因此复杂网络逐渐成为描述客观世界组织原则的主要模型，通过构建复杂网络，对内部的拓扑结构进行分析，也成为各领域对复杂系统进行研究的主要手段之一[8]。2005年以后，大量研究证实了机械产品中也存在幂律等复杂网络的典型特征。产品设计的相关研究少数涉及以产品参数为节点的网络[9]，多数研究则集中在零件装配系统和设计活动管理两个主题。汽车外形之类的形态设计问题实际上比装配和设计管理都复杂，因为机械产品零件以及功能间的装配、从属关系是被明确定义的，而设计要素和多个设计目标间的关系是隐性的，需要使用一定技术手段进行识别。提取和表达这种隐性关系并论证其存在性和稳定性，是对汽车设计师的重要辅助。

刘肖健等[3]在以水瓶为对象的研究中发现产品的形态要素之间存在基因网络，并定义了节点重要性指标和节点集团的识别方法，提出利用基因网络辅助设计师的模式；徐瑶[10]基于设计竞赛投稿作品制作了保温杯产品的基因网络；孙伦[11]基于办公座椅的上千产品样本建立了其基因网络，用于辅助设计师的工作，在设计试验中获得了优于对照组的效果，表明了利用基因网络辅助设计师的有效性；盛振[12]对汽车形态的设计参数进行了定义，并基于样本数据统计建立了汽车外形的基因网络模型；刘肖健等[13]对传统文化的色彩特征建立了基因网络模型，并基于不同样本对网络的稳定性进行了比较分析。

产品基因网络的概念自提出以来，研究对象涉及水瓶、保温杯、办公座椅、产品配色等，而汽车外形的复杂程度远超上述几类对象，设计师对辅助手段的需求也格外迫切。罗仕鉴等[14]提出一种用户偏好驱动的运动型多用途车(Sport Utility Vehicle, SUV)的侧面外形设计方法，以此建立了计算机辅助SUV侧面外形概念设计系统；王亚辉等[15]提出一种基于多目标粒子群优化算法的汽车造型设计模型，以避免主观性和个体决策差异对设计方案决策的影响；李雪瑞等[16]基于形状文法理论开发了智能汽车侧轮廓优化设计引擎。作为一种应对设计复杂性的模型工具，基因网络在汽车产品中的可行性亟待论证。产品基因从知识结构上应包含显性特征和隐性特征两部分，前者指形态、色彩等客观的物理层面，后者指意象、情感等精神层面[17]。本文研究的突破之处在于，除了设计参数外，对汽车外形的设计目标——用户感性意象也进行了基因网络建模，并对其中各节点的重要性及内部关联进行识别。产品外形的意象目标具有数量多、模糊性大、定量分析困难等特征，是汽车外形设计的难点之一[18]。本文对此做了初步分析，论证了汽车产品中基因网络的存在性与稳定性，并尝试提炼出有价值的隐性知识来辅助设计师工作。

1 汽车外形的基因网络模型结构

在笔者先前的研究中，以水瓶外观为设计对象,将产品基因描述为由设计要素为节点构成的复杂网络，建立了产品基因网络模型的基本框架[2]。本文在此基础上加入了用户感性意象目标网络，将汽车外形的基因网络拓展为由设计要素和意象目标两个子网构成的复杂网络，如图1所示。

汽车外形的基因网络模型借鉴了生物信息学中描述基因之间调控关系的基因调控网络(Gene Regulatory Network, GRN)模型，将汽车的设计要素及其所体现出的感性意象特征描述为两个子网络。其中意象目标子网络的节点为描述汽车的词汇，设计要素子网络的节点是设计师可以直接操作的设计要素，如产品尺寸、色彩、功能等元素。

与同类研究及作者的前期工作相比，该基因网络模型同时包含了设计要素和设计目标，其对设计师工作的辅助主要表现在两方面：①通过计算意象目标评价数据，从中筛选出关键意象作为主要设计目标；②评估设计要素的重要性，通过顺序求解法化解组合爆炸问题。

针对上述汽车外形的“设计要素—意象目标”基因网络，本文的工作包括两个子网的建模方法以及网络的存在性与稳定性论证3方面工作：

(1) 设计要素网络建模 基于大量汽车外形样本的设计参数，利用Pearson相关法计算设计要素之间的相关系数，并通过设定不同的阈值识别设计要素节点之间的连接，形成设计要素网络。

(2) 意象目标网络建模 与设计要素网络建模方法类似，以评价汽车外形的感性词汇作为意象目标对汽车样本开展用户评价实验，利用Pearson相关法计算意象目标之间的相关系数，并通过设定不同的阈值识别意象目标节点之间的连接，形成意象目标网络。

(3) 基因网络的存在性与稳定性论证 从总样本库中选择不同的随机样本，重复上述建模方法得到不同的汽车外形的基因网络模型，比较其相似性与差异性，以评估设计要素间和意象目标间关系的稳定性，作为基因网络客观存在的依据。

两个子网之间并非独立，限于文章篇幅，其映射关系的挖掘将留待进一步研究。

2 汽车外形的设计要素网络

2.1 汽车外形设计要素的确定

设计要素一般指设计师可以直接操作的设计变量，如尺寸、色彩、功能等。设计要素即基因网络中的基因。对比生物信息学GRN的研究，产品基因的定义应遵循客观性、可操作性、不可分解性3个原则：客观性指设计要素应可基于客观的统一标准进行测量，且不受观测者主观判断的影响；可操作性指设计师有能力改变设计要素的值，如产品的色彩和尺寸，而“品牌价值”之类的变量就不具有可操作性；不可分解性即设计要素不可进一步分解为其他设计要素，如水杯的容量虽然客观可操作，但是可以进一步分解为直径、高度等形态尺寸，因此不宜作为设计要素。

汽车外形取决于其曲面形态特征，从建模角度看，曲面形态取决于曲线，以及关键点的坐标或相对位置关系。汽车外形可以由关键点之间的尺寸参数来决定，因此汽车外形只考虑外观形态尺寸参数，这些参数即汽车外形的设计要素。

下面以奥迪A6车型为例对设计要素的选取做简单解释。通过三维建模得到基本外形特征曲线36条，如图2所示。从特征曲线中提取决定这些风格曲线的各个关键位置点相关尺寸106个，如图3所示。这些尺寸虽未完全包含汽车的所有外形要素，但已能决定车型的主要风格特征，因此本文以其作为汽车外形设计要素网络的节点。

2.2 设计要素网络建模

汽车外形设计要素的网络模型是对设计要素之间隐含的关联关系(即设计要素节点之间的连接)的一种描述。这种关系是用户对汽车外形的感性意象的综合反映，也是目标(感性意象)与操作对象(设计要素)之间的重要桥梁，因此本文拟从已被用户广泛接受的多款汽车产品型号中提取这种关系。

本文选择2000年以来在国内上市销售的多款车型作为基因网络建模的样本。考虑车型的普适形态并剔除了同一品牌下重复度较高的若干样本，最终得到32个品牌共146款车型样本，如表1所示。

表1 车型样本来源

编号品牌数量编号品牌数量01阿尔法罗密欧417雷克萨斯402奥迪1018雷诺303宝马1319铃木104奔驰720马自达705本田821玛莎拉蒂206标致322莫斯科人107达契亚123欧宝108大宇124庞蒂亚克309大众825起亚110戴勒姆126日产1511菲亚特227三菱912丰田828斯巴鲁313福特629斯柯达114捷豹530现代415拉达131雪佛兰216劳斯莱斯232雪铁龙9

将上述车型样本的三视图导入SolidWorks软件，并在草图中通过调整设计参数使形态曲线与三视图吻合，从而驱动完成车型的3D建模。因为各车型底盘形态相似，对外形感性意象的影响较小，所以省略了底盘模型。由此得到146个汽车样本的3D模型，如图4所示(部分)。

在设计要素(节点)已确定的情况下，发现节点间的连接是基因网络建模的主要工作。本文通过Pearson相关系数来发现连接。

两个设计要素x和y之间的Pearson相关系数通过下式计算得到：

为Pearson设定一个相关阈值[r]，相关系数r超过该阈值便认为两节点相关，可以在两节点间建立一条连接。汽车外形中两个尺寸之间的相关系

数计算通过146个样本数据(即146对x、y坐标)开展。对106个设计要素两两之间的相关系数进行计算，并根据阈值识别出所有连接，即可得到汽车外形的设计要素网络。

图5所示为不同阈值下的汽车设计要素网络(未画出没有连接的孤立节点)。通过设置不同的相关性阈值可以将有限数量的重要节点呈现给设计师。

2.3 设计要素网络对设计师的辅助

外形设计在很大程度上带有感性因素，设计师的作用(即确定各设计要素的值)目前仍是技术工具所无法替代的。设计要素是设计师直接操作的对象，因此其网络对设计师的辅助作用主要体现为缓解大量赋值带来的组合爆炸问题、提高设计师人工寻优的效率，而非直接计算某个设计要素的最优值。

利用设计要素网络解决组合爆炸的基本思路是，从众多设计要素中找出最“重要”的节点优先处理，或找出关联紧密的节点集团进行统一处理。节点的重要性主要体现在节点的度数和敏感性两个指标。

(1)节点的度数

在复杂网络中，节点度数指该节点上的连接数，表达了该节点与其他节点之间关联的紧密程度。相关性阈值[r]=0.5时，设计要素网络中度数最高的5个节点如表2所示。

表2 度数最大的节点(相关性阈值[r]=0.5)

(2)节点的敏感性

节点的敏感性指样本中某一设计要素值的分布规律呈现出的倾向性，通过节点取值的标准差得到[3]。标准差越小，表示节点的取值在各个值域段内的分布越平均，也就是倾向性越小，即节点值的变化对样本数量的影响很小、不敏感；反之，则表示敏感性大。经统计计算，敏感性最大的5个节点如表3所示。

表3 汽车敏感性最大的5个节点

(3)节点集团

在基因网络中，有些节点会基于紧密的内部互相影响而形成相对独立的集团，即不与其他节点发生联系的孤立子网络，本文称为“节点集团”。对节点集团的识别有利于找出产品基因中存在的潜在联系和需要统一考虑的设计要素。

相关性阈值[r]<0.5时，设计要素网络节点之间的连边过于复杂，不利于设计师从中识别出有效的节点集团。设计师访谈表明，将节点集团中的节点数量控制在5个左右有利于设计师识别节点并考虑其间的关联关系。基于这种需求，取相关性阈值[r]=0.96，可识别出6个设计要素网络的节点集团，如表4所示。

表4 相关性阈值为0.96的汽车基因节点集团

将表中节点集团所控制的关键点与曲线曲面位置标注在汽车外形上，如图6所示。

通过对汽车外形设计要素网络建模，以及对节点度数、敏感性和节点集团的分析，结合设计师需求访谈与深度解读，得到如下宏观知识：

(1)车轮大小对设计的影响

“轮罩半径@侧面草图”是敏感性最高的节点，其中心性不高且为非中心节点，表明“车轮大小”为独立节点，对整车外形影响较大。该结论的原因是车轮大小已标准化，其尺寸变化在任何车型中都不大，因此设计空间较小，从而“敏感性高”。同样的高敏感性设计要素也体现在其他一些数值相对固定的尺寸上。

(2)汽车侧面设计

有关汽车侧面外形关键点位的节点都有较高的度数，且其度数大致相同，说明这部分的外形与其他方面关联较大且关联度较为统一。在敏感性方面，中前部与中后部的敏感性相对较高，前部和后部则因约束较多而限制了其形态延伸性。在针对这部分进行设计时，可以将外形重点放在中部位置，前端与后端依照中部的外形结合其他相关节点进行赋值。由于侧面后端外形相关节点相对于前部分节点的敏感性较低，设计过程中可以视具体情况放在概念设计的后期细节修整阶段处理。

(3)汽车顶棚和车窗

对照节点度数列表可见，度数排名前三的节点均与汽车前挡风外形相关，而这3个节点的敏感度却并不高，即前挡风玻璃的外形受其他节点的影响较大，但其本身的变化未必会影响其他部分的设计。后窗的相关节点均为低度数节点，对整车造型影响不大，在设计过程中亦可置后处理。对比节点集团列表可见，节点集团3和节点集团5与后挡风和行李盖部分的外形相关，说明在汽车顶部的外形中，前挡风、顶棚和行李箱上盖等各个部分的尺寸之间存在较密切的联系，应统一考虑。

(4)汽车引擎盖

引擎盖外形的节点中存在4个高敏感节点，分别决定了引擎盖的长度和弧面走向，但是其度数并不大，可见这部分的外形拥有一定的设计自由度且与其他部分的关联并不明显，可以独立设计，甚至可以考虑与其他部位的形态设计并行开展。

上述基于汽车产品基因设计要素网络的分析，为设计师的设计活动提供了具有一定操作性的显性知识。

3 汽车外形的意象目标网络

3.1 汽车外形意象目标的确定

感性意象是汽车外形常用的设计目标，一般表达为一系列形容词。意象形容词的来源一般为主流媒体中的评论与描述。朱毅[19]将主流媒体对SUV测评文章中的形容词摘录后分为7对14个高频形容词。本文用同样方法归纳汽车外形容词20对40个，如表5所示。

表5 汽车外形的20对高频形容词

本文以这20对意象形容词为节点构建汽车外形的意象网络，主要工作包括意象目标的重要性和意象目标之间的关联关系两方面。

3.2 感性意象网络建模

由于车型外形差别细微，普通大众清晰地对其进行分类评价较为困难，为了增加意象评价的可靠性，本文征募了22名从事设计工作3年以上的设计师担任被试，针对前述146款车型参数模型、就20对意象形容词进行评价。为提高效率，被试采用归类方式对每一车型选择合适的意象形容词进行标记。为尽量减少图片、颜色、角度等因素对整体外形判断的影响，选择相同的角度与材质渲染模型，如图7所示。

合并统计意象评价数据，每有一人次将某车型与某感性评价形容词进行匹配则记一分，得到感性意象得分统计数据表。对表中各意象评价指标之间的Pearson相关系数进行计算，得到感性意象两两之间的相关性。

基于意象评价数据重复3.1节设计要素网络的建模过程，设定相关性阈值，可以得到汽车外形的用户意象网络，如图8所示。

意象网络中的节点度数表示该形容词与其他形容词间具有关联性但并不限于正相关，即这些感性评价词汇对汽车外形进行评价时在能指或意指上有一定重合(正相关)或背离(负相关)。理论上讲，成对的形容词之间应该呈现出强负相关特性，但实际上并非完全如此，表明用户对汽车外形的意象还存在一些需要深入研究的特征。

度数大的节点代表了较强的用户意象倾向，因此在设计过程中需要重点考虑。取较低的相关性阈值对各意象节点的度数进行排序，其中前4个高度节点如表6所示。

表6 度数最大的节点(相关性阈值为0.1)

与设计要素网络类似，节点敏感性表达了汽车形态变化对该意象指标影响的强烈程度，或该意象可通过外形设计来体现的可行性程度。敏感性最大的5个节点如表7所示。

表7 敏感性最大的5个节点

汽车外形的意象目标之间也会出现互相影响、牵制与融合的情况，在意象网络中表现为连接在一起相对立的节点集团。表8所示为相关性阈值为0.45时的意象目标节点集团。

表8 意象目标的节点集团(相关性阈值为0.45)

“艳丽—高档—动—流畅—华丽—光滑—呆板”这几个节点构成了感性意象网络中最大的节点集团，其中“流畅”是敏感度最高的节点，也具有很高的度数，说明用户对该感性评价的认知比较统一，且该意象目标与其他多个目标有较密集的关联，因此在设计活动中应予以足够的关注。

“华丽”作为度数最高的节点与众多的意象目标相关，但其敏感度偏低，原因可能是设计师在评价汽车外观时对其认知存在分歧，也可能是它属于被动受影响的一个目标。

“低档—简陋”、“失调—凌乱”、“刚强—硬朗”、

“饱满—厚实”这8个意象目标形成了4对较为紧密的节点集团，显见这些形容词的评价存在较强的潜在关联，在设计时可以合并考虑。

4 汽车外形基因网络的稳定性论证

机械产品的DSM是描述机械零部件关系的一个“客观”的模型，因为各零部件之间的连接是装配、运动传递、力传递等客观的关系，所以DSM是一个稳定的矩阵。汽车外形的基因网络与DSM形态类似，但有本质的不同：汽车基因网络中的连接是隐性的，是用户主观意象的一种反映，基于不同的被试用户和不同的实验有可能产生不同的网络结构。汽车基因网络如果能对产品设计产生帮助，则其网络结构应具有一定程度的稳定性，即基于不同样本得到的基因网络应具有相似的结构。

为验证上述汽车基因网络中两个子网的稳定性，从全部车型设计数据和意象实验数据中随机抽取若干组重复上述建网操作。重复4次得到的基因网络图对比如图9和图10所示。

由图9和图10显见，基于全部样本和随机抽取样本得到的基因网络图虽有一定程度的差异，但整体结构相似，表明两个子网络具有较好的稳定性，可以为设计师的设计过程提供有价值的辅助。

5 结束语

本文给出汽车基因网络模型的基本结构，以及构建设计要素和意象目标两个子网络的技术方法，并基于对两个网络的初步分析产生了一些辅助设计师开展设计活动的相关知识，论证了基因网络模型的存在性与稳定性。

基因网络的存在表明，汽车外形两个子网络各个元素之间存在潜在的关联关系，对这些关系进行挖掘和识别有助于提高外形设计的效率和成功率。基因网络可以帮助将传统的、依靠经验和感性判断的设计活动，转化为“外科手术”式的、有目的的精确操作。

本文基于独立建模过程得到的产品基因内的“感性意象”和“设计要素”两个子网络，尚处于各自独立的状态，它们之间可能存在较为密切的映射关系。 找到这种映射关系有助于精准地找到影响某个意象目标的设计要素节点群，这是笔者进一步研究的关键内容。

参考文献:

[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，造型设计的复杂性问题与设计计算[D].长沙：湖南大学，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).[刘肖健，孙 艳，吴剑锋,等，产品基因调控网络模型及其对设计过程的辅助[J].计算机集成制造系统,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).[刘夫云.基于复杂网络的机械产品零部件分析与配置技术研究[D].杭州：浙江大学，2006.]

[10] XU Yao. The optimized design based on gene regulatory network[D].Hangzhou：Zhejiang University of Technology，2014(in Chinese).[徐 瑶.基于基因调控网络的产品优化设计[D].杭州：浙江工业大学，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).[孙 伦.基于基因网络的办公椅形态设计研究[D].杭州：浙江工业大学，2014.]

[12] SHENG Zhen. Gene network model of automobile modeling[D].Hangzhou：Zhejiang University of Technology，2016(in Chinese).[盛 振.汽车造型设计的基因网络模型[D].杭州：浙江工业大学，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).[刘肖健，曹愉静，赵露唏.产品基因调控网络模型及其对设计过程的辅助[J].计算机集成制造系统,2016,22(4):899-907.]

[14] LUO Shijian，LI Wenjie，FU Yetao.Consumer preference-driven SUV product family profile gene design[J].Chinese Journal of Mechanical Engineering,2016,52(2):173-181(in Chinese).[罗仕鉴,李文杰,傅业焘.消费者偏好驱动的SUV产品族侧面外形基因设计[J].机械工程学报,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).[王亚辉,余隋怀.基于多目标粒子群优化算法的汽车造型设计决策模型[J].计算机集成制造系统,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,余隋怀,初建杰,等.意象驱动的产品形态基因网络模型构建与应用研究[J].计算机集成制造系统，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).[卢兆麟，汤文成，薛澄岐.一种基于形状文法的产品设计DNA推理方法[J].东南大学学报:自然科学版，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).[谭征宇.面向用户感知信息的产品概念设计技术研究[D].杭州：浙江大学，2007.]

[19] ZHU Yi. A study on design complexity and design computing[D].Changsha：Hunan University，2014(in Chinese).[朱 毅.造型设计的复杂性问题与设计计算[D].长沙：湖南大学，2014.]