基于数量化Ⅰ类理论的电动代步车造型设计

王新亭，王 灿，王欢欢，何 蕊

（1.天津科技大学 机械工程学院，天津300222；2.天津市轻工与食品工程机械装备集成设计与在线监控重点实验室，天津300222）

1 引言

老龄化的加剧，促使老年人对短途代步工具需求有所增加[1]。用户对代步工具外观要求也随之提高，并引起设计师和学者们的关注。文献[2]以Norman 情感化设计三个层面对用户需求、外形、操作和产品印象进行分析，对老年代步车造型、色彩和材质进行优化。文献[3]将仿生设计与老年人心理、生理特点结合，对老年代步车的形态、色彩、结构、功能、肌理等提出设计方案。文献[4]应用感性工学方法分析电动车前脸与侧脸几何形状对用户感性评价的影响。目前对电动代步车外观研究大多是将前脸和侧视角度的形态作为研究对象，或以45°角视图直观测试研究。但电动代步车不仅有全包式，外观如汽车；也有半包式，其外观不像全封闭式的汽车，部分结构件裸露在外，外观不仅包括车身形状，还包括操作按钮、方向盘、座椅等，这些部件都是以一个整体来刺激视觉并使用户给出感性评价反馈。因此，对于半包式代步车而言，研究各部件对用户感性评价的影响对老年代步车外观设计具有指导意义。

2 数量化一类理论

数量化理论是属于多元分析的一个分支，是将定量变量转化成定性变量的研究。根据研究问题的差异，可分为数量化理论Ⅰ、Ⅱ、Ⅲ、Ⅳ四种。其中，数量化Ⅰ类是用于研究一组定量数据与另一组定性数据之间的关系，利用多元回归分析，建立数学模型，并对因变量进行预测[5]。本研究是基于感性工学体系和研究流程，以目标人群关注度最高的几个部件为例，应用数量化一类理论的方法研究这些部件的不同组合变化对用户的情感影响，探索其相关性，建立数学模型预测其相关性并检验，以达到指导电动代步车设计，节省前期调研分析时间的目的。

3 感性意象空间的建立与映射

3.1 电动代步车外观空间的建立

3.1.1 电动代步车外观要素的提取

语义差分问卷包括样本图、感性词对和受试者三个元素。筛选样本前应探究用户受哪些设计要素影响。从各大互联网站上全面搜集到各个角度电动代步车61 款，将涉及的造型元素进行摘取。选取包含所有设计元素且与调研电动车同类款做样本调查。选取包含元素最多者作为代表，选取受试者观测电动车的各视角，将所涉及部件进行标注，如图1 所示。将标注好的样本代表图制作成半开放式问卷，受试者对每个部件的造型元素进行打分，重要级别为（1～5）分，从（1～5）相关性递增。受试者10 人，其中男性6 人，女性4 人，年龄（50～65）岁。在分解出的22 个因素中，前脸、车座、保险杠、车把手、照明的均值得分排名靠前，如表1 所示。

图1 老年代步车设计元素Fig.1 Design Elements of Scooter for the Elderly

表1 设计元素均值得分Tab.1 Mean Score of Design Elements

3.1.2 电动代步车样本采集

根据搜集样本自行筛选与迷你四轮电动代步车相同类型40款。根据老年代步车设计元素调查分析结果，选取包含排名前五个设计元素的各个角度代步车效果图。剔除个别不包含设计元素部件款式后得到24 款样本。

3.1.3 电动车样本聚类分析

受试者11 人，将所看到的样本图进行分类，不强制分类数别。统计每人分组结果得到相似矩阵，根据公式计算距离矩阵。通过spss 软件，将距离矩阵O进行多维尺度分析[5]。在多维尺度模型中，选择维数为（2～6）。整理计算结果，如表2 所示。对多维尺度分析得出六维坐标进行聚类分析得出系统聚类树状图，如图2 所示。根据所对应的树状图分类结果，得出在迭代5 时分出12 类比较合理。运用K-均值聚类分类选取12 个分类并根据其距离选出代表图片，第四类的样本4 和17 是相同的款式但颜色不同，所以选择其中一款作为代表图，如表3 所示。第七类的样本7 和18 是两款不同车型，所以将不同款的两个样本都作为代表图，共13 的代表样本图。

表2 压力系数与RSQTab.2 Pressure Coefficient and RSQ

图2 系统聚类树状图Fig.2 Dendrogram of Systematic Clustering

表3 聚类成员和距离值Tab.3 Cluster Members and Distance Values

3.2 感性语意空间的建立

3.2.1 感性词对筛选

首先从网络和文献中搜集表达消费者对电动代步车形态感受的形容词，将搜集的词汇初步筛选将其一一正反意思配对，得到45 对感性词对。经调查问卷筛选后得到频率最多的10 组词对，加上偏好词对“喜欢的—厌恶的”构成11 组感性意象词对。

3.2.2 李克特量表问卷的构建

新排序并制作成7 级李克特量表调查问卷。为降低受试者疲劳度和问卷信度分析，将样本分散到A卷、B卷、C卷三类问卷中，每组5 个样本。重复样本为A卷第1 款与B 卷第5 款，B卷第1 款与C卷第5 款。

3.2.3 问卷统计与分析

问卷结果，如图3 所示。将实验结果进行一致度分析结果，如表4 所示。A1-B5、B1-C5 评价无显著性差异具有一致性。样本信度分析结果，如表5 所示。表明此次调查问卷的结果理想。

图3 各样本感性评价均值对比Fig.3 Mean Contrast of Perceptual Evaluation

表4 配对样本T 检验结果Tab.4 T-test Results of Paired Samples

表5 信度统计量输出表Tab.5 Output Table of Reliability Statistics

3.3 设计要素与感性意象的映射

将前脸、车座、保险杠、车把手、照明所包含的形态共分解出15 个形态，几何绘制并进行编码，如表6 所示。

表6 电动代步车设计要素分类Tab.6 Classification of Design Elements of Electric Scooter

根据数量化一类理论，将样本代表图中具有形态样式的代码标注为1，不具备的标注为0，转化成数量化一类表格，如表7所示。

表7 数量化一类统计数据Tab.7 Quantification of a Class of Statistical Data

3.4 多元回归分析模型

当影响变量Y的自变量大于1 时，比如有i个x1，x2，…xi，则这是Y和X之间的线性回归方程为：

线性回归模型指出因变量与多个自变量之间的线性关系。在计算回归系数之前需要计算各变量间的相关系数。相关系数的计算公式如下：

将设计元素个形态作为自变量，感性语义评估作为因变量，构建造型语义函数式：式中：y—语义分值；ai，bi，ci，di，ei—对应前脸、车座、保险杠、车把手、照明的形态特征；α—常数项；βij—每个变量的相关系数。

对数据进行分析，得到的多元分析结果，如表8 所示。以感性词对舒适的-难受的为例。

4 设计方案与验证

因为在探索阶段，先选取排名靠前的两个感性词“安全的”、“舒适的”，再加上之前的偏好词“喜欢的”共三个感性词汇来研究。结合老年人的人机尺寸[8]、老年人心理[9]和使用舒适度分析来设计方案[10]。

根据“安全的-危险的”分析数据，运用a3、b1、c1、d2和e1所得到的意象分值最高，得到的设计方案草图（方案一），如图4 所示。根据“舒适的-难受的”分析数据，运用a4、b2、c2、d2和e1所得到的意象分值最高，得到的设计方案草图（方案二），如图5所示。

表8“舒适的-难受的”多元分析结果Tab.8 Results of Multiple Linear Regression Analysis of“Comfort-Uncomfortable”

表中：标注↑符号—此设计要素中该形态相关值最高；标注↓符号—此设计要素中该形态相关值最低。

图4 方案一Fig.4 Scheme 1

图5 方案二Fig.5 Scheme 2

根据“喜欢的-厌恶的”分析数据，运用a3、b2、c1、d2和e1所得到的意象分值最高，得到的设计方案草图（方案三），如图6 所示。

图6 方案三Fig.6 Scheme 3

由于需要验证方案是否符合感性认知，所以需要包含设计元素的各个角度。调查问卷设计方案图，如图7 所示。将设计方案图制作成李克特量表形式进行调查，受试者均为有驾驶电动代步车经验的老年人，共13 人，其中男性9 人，女性4 人。将调查结果绘制在同一坐标中比对，如图8 所示。其中绿色虚线代表“安全的”方案（方案1）均值得分，蓝色点线代表“舒适的”方案（方案2）均值得分，黄色实线代表“喜欢的”方案（方案3）均值得分。从对比可以看出方案2“舒适的”评价最高，方案1“安全的”评价最高，符合预测。但是“方案2”喜欢的评价值大于方案3，与预测不同，因此得出感性评价预测准确，偏好预测有偏差。

图7 调查问卷效果图Fig.7 Effect Chart of Survey Questionnaire

图8 设计方案均值对比Fig.8 Average Comparison of Design Schemes

5 结论

研究可知，经验证后得出感性评价预测准确，偏好预测稍有偏差但无较大落差。所以电动代步车各个组件之间不同的组合对其表达出的感性意象是有影响的，并且是可以通过建立线性方程式预测的。在产品设计或改良时可以帮助设计师掌握产品外观感性意象，提升前期调研效率。由于此次研究中由于样本数量有限，筛选出的形态因子较少，并且所调研的年龄层次较为集中，所以，在未来的研究中，可以加大样本数，筛选出更多样本因子，细分受试者的学历、工作、年龄层等，使建立的模型更加完善和全面。