脑电结合行为指标的汽车内饰色彩感性评价

邓雅倩，林丽，郭主恩，尹鑫，蔡婉欣

（1. 贵州大学 机械工程学院，贵阳 550025；2. 贵州大学 现代制造技术教育部重点实验室，贵阳 550025）

随着科技的发展与人们生活水平的提高，汽车市场日益成熟，竞争激烈的同质化市场迫使企业在功能、外观造型与内饰设计中力求提升与创新。在当今的感性消费时代，产品符合用户感性诉求才是获取成功的关键[1]。

其中色彩在设计中显得尤为重要，甚至比外形更加能影响用户的感知意象[2]。为了解用户的色彩感性需求，学者们应用语义差异法[3]、灰度关联结合逼近理想解法[4]、模糊评价[5]、主成分分析[6]等多种方法，试图准确掌握用户感性认知信息，提高产品研发的成功率。

但在传统感性评价研究中，多采用以用户主观判断为主的方法，其结果具有随机性与局限性。近年来为获取用户客观的意象反馈，脑电测量技术作为有效的生理测量手段开始引入设计研究中[7-8]。

其中事件相关电位（Event related potential，ERP）与人脑认知过程中的信息处理高度相关[9]，通过对ERP 成分的分析可间接反映用户内在认知规律，已被应用于产品设计与评价研究中：ROJAS 等[10]以不同风格的产品包装作为样本，通过对用户不同风格下的N400 成分数据的分析，推算出包装风格与词汇之间的关联关系，用以辅助设计。郭主恩等[11]应用脑电结合眼动的内隐测量方法获取ERP 成分数据与眼动数据进行客观准确的产品意象提取，为解读用户意象认知提供客观途径。唐帮备[12]结合眼动数据、P300 成分数据和主观评价值建立综合评价模型，通过多指标评选用户偏好的样本方案，以降低产品研发的前期风险。

此外，在不同的设计研究中所应用的ERP 成分不尽相同，需要根据具体的研究方法进行选择。N400 是一种可以被语境歧义触发的内源性事件相关电位[13]。在文献[14-15]的研究中发现，当启动刺激语义与目标刺激语义不一致时，N400 波幅较大，一致时波幅较小。文献[16]将N400 成分这一特性应用于产品感性词汇识别中，并证明该方法可弥补传统评价方法的局限。因此N400 成分可作为意象匹配综合评价的指标。

为避免部分主观评价方法所产生的随机性，获取客观的用户反馈，以提高设计可靠性，本文通过对汽车内饰色彩方案的解析，设置基于脑电的感性认知实验，将收集的N400 成分数据与行为数据作为综合评价的客观指标，引入产品色彩感性评价中，获取基于用户客观感性认知的综合评价结果。

1 研究流程

将收集的汽车内饰色彩样本与内饰相关词汇筛选得出的代表性样本与词汇建立基于脑电的感性认知实验，采集的脑电数据与行为数据经标准化处理作为评价指标，通过数理方法计算意象与样本之间的相对贴近度以此来指导设计。

1.1 筛选感性意象词汇与样本制作

从多个途径中获取有关汽车内饰色彩的词汇，通过评分得到词汇相似性得分矩阵，聚类后筛选出代表性词汇。收集大量汽车内饰图片，经调研归纳得出内饰典型色相及其空间布局两要素，通过两两组合获得新样本。

1.2 汽车内饰色彩感性认知实验

上述获取的意象词汇与内饰色彩样本为认知实验的“启动刺激”与“目标刺激”。实验流程如下：

实验开始，播放实验指导语后，实验进入练习部分，首先出现1 000 ms 的“+”符号，被试集中注意，接着呈现2 000 ms 启动刺激词汇，在目标刺激样本图片出来之后，被试做出启动刺激与目标刺激是否符合的判断，“符合”点击鼠标左键，“不符合”点击鼠标右键。练习结束后进入正式实验。实验流程如图1所示。

图1 实验流程图

1.3 实验数据标准化处理

实验收集原始的脑电数据与行为数据，为排除被试个体差异的影响，应用拉依达准则（1）和（2）剔除行为数据中的异常值。

为解决脑电成分幅值，判断反应时长与选择率存在类型不同（极大型：指标数值越大方案越优。极小型：指标数值越小方案越优）、量纲不同的问题，将指标无量纲化与正向化处理（统一转换为极大型），即：

正向归一化后的各指标数据构成指标规范化矩阵R，其中样本数量为n，评价指标有m个。

式中j=1,2,···,m，下同。

1.4 计算脑电与行为指标权重系数

熵权法源于物理学概念，从数据本身信息熵进行权重计算，是一种应用较广且较成熟的客观赋权法。利用式（6）和式（7）得到指标规范化矩阵R对应的特征矩阵Y。

则最终权重系数为：

sj为 指标熵值，根据上式所得指标权重W=(wj)1×m通过式（10）得出加权规范化矩阵A，即

1.5 样本与意象相对贴近度计算

TOPSIS 法是一种适用于多目标多属性的评价方法，其核心是通过计算评价对象与正负理想值的距离，判断方案的优劣程度。

定义在相同意象下最符合该意象的样本为正理想解v+=(1,1,···,1)与最不符合的样本为负理想解v-=(0,0,···,0)得到欧氏距离分别为：

则样本综合评价值与理想解的相对贴近度为

Ui越大，则样本在该意象词汇下的排序越靠前，说明该样本越符合用户对于该意象的描述。

2 汽车内饰色彩感性认知实验

2.1 实验准备

2.1.1 意象词汇与汽车内饰色彩样本收集筛选

从汽车相关杂志，书籍和文献中收集到260 个描述汽车内饰色彩的词汇。经8 位有设计专业背景的专家小组剔除不相关词汇后，16 名设计专业学生对余下词汇进行相似性分组，将得到的相似性矩阵导入SPSS（Statistical product and service solutions）中聚类分析，最终筛选出6 个代表性词汇：现代的、经典的、华丽的、活泼的、个性的和素雅的。

在国内现有的线上购车平台中收集销量前十的国产汽车品牌（吉利、哈弗、长安、五菱、宝骏、荣威、奇瑞、比亚迪、广汽传祺、名爵）的内饰图片，在分析中发现绝大多数均以黑色为底，搭配不同单色。因此本次实验仅提取图片中的单色色相。不同色相对应国际唯一的色码和RGB 值。红色（red FF0000）、橙色（orangeFF9900）、黄色（yellowFFFF00）、绿色（limegreen00EE00）、蓝色（blue0000FF）、紫色（purple990099）、白色（whiteFFFFFF）、咖啡棕（saddlebrown964B00），色彩样本如图2 所示。

图2 8 种色相

2.1.2 新样本制作

产品不同的色彩色相及色块在空间布局中的变化都会引起用户感受上的变化[17]。所以实验将使用色相与空间布局作为要素制作新的汽车内饰色彩样本。

汽车内饰空间功能繁多，区域复杂，内饰件主要有仪表盘，中控台，方向盘，座椅，车门内板，地毯等。文献[18]通过大量分析，总结得出具有普适性的汽车内饰空间布局方案。本文基于文献[18]结合调研分析得出以下3 种方案，如表1 所示。

表1 内饰空间区域划分方案

该实验将提取的色相与代表性内饰空间布局进行两两组合，制作新的汽车内饰色彩样本记为RⅠ、RⅡ、RⅢ、OⅠ、OⅡ、OⅢ、YⅠ、YⅡ、YⅢ、LⅠ、LⅡ、LⅢ、BⅠ、BⅡ、BⅢ、PⅠ、PⅡ、PⅢ、WⅠ、WⅡ、WⅢ、SⅠ、SⅡ、SⅢ。其中蓝（B）、黄（Y）两色相的样本见图3。

图3 蓝、黄两色相与不同空间布局产生的新样本

2.2 脑电实验

2.2.1 实验材料及设备

实验所用样本图片使用Photoshop 软件处理，样本图片大小，精度和背景色一致。实验过程采用Eprime2.0 软件呈现并对行为数据进行采集。本次实验使用EPOC Flex Gel Sensor Kit 头戴式脑电仪，32 通道，电极分布采用国际标准位置，参考电极为AFz 和PCz，采样率为128 Hz。

2.2.2 被试

在校园中招募被试26 名在校学生作为被试，年龄在20 ~ 28 岁，均为右利手，视力或矫正视力正常，身体健康，无精神疾病史，且所有被试都有汽车驾驶经历或乘坐经历。

2.2.3 实验程序

依据上述实验流程，正式实验有24×6 = 144 个试次，实验时间约10 min。

3 实验数据分析及结果

3.1 行为数据分析

3.1.1 选择率

统计被试在样本图片出现后做出的符合判断数量，得到每个样本对应不同意象词汇下的平均选择率。

3.1.2 反应时

反应时长为被试做判断所花费的时间。它代表被试意象认知决策所需的时间。意象与样本匹配明确的情况下比不明确时，反应时间更短[19]。选择率反映意象匹配的明确情况，在其极大或极小情况下，反应时明显比选择率处在中值时的时长短，则有

式中：T为标准化反应时；bi为该意象下第i个样本的选择率；ti为该意象下第i个样本的平均反应时。

反应时数据经过式（1）与式（2）去除异常数据后，将每一位被试的数据通过式（3）分别归一化，排除不同个体间差异。利用式（13）获取不同样本下的反应时标准化数据。

因篇幅有限下文均以“素雅的”为例，处理后数据如表2 所示。

表2 “素雅的”选择率、反应时标准化数据

3.2 脑电数据分析

3.2.1 数据采集和预处理

脑电实验数据由Emotiv 公司脑电采集设备自带的软件收集。原始脑电数据经EEGLAB 工具箱进行通道定位，滤除无用功率信息，剔除干扰伪迹及数据分段。

3.2.2 脑电分析

截取样本图片出现前2 000 ms 到后3 000 ms的脑电数据片段进行分析，基线矫正数据取图片出现前2 000 ms。

图4是32 通道的频谱图，3 个脑地形图表示在6 Hz、10 Hz、22 Hz 频段下头皮功率分布。地形图中红色部分功率较高，蓝色部分功率较低。由图可知功率高的区域主要集中在前额部分。前额及额区的主要电极有FP1、FP2、FZ、F3、F4、F7、F8、FT9、FT10、FC1、FC2、FC5、FC6。

图4 EEG 32 通道频谱图

3.2.3 电极筛选

对脑电能量活跃区域的电极N400 幅值进行T 检验，筛选出显著度最高的4 个电极F3、FZ、F7、FP1，4 个电极均位于大脑前额及额区，该区域在词汇判别等内隐记忆参与的任务中活动增强，进行大量的信息处理，与人脑进行判断决策相关[20]，因此将该4 个电极作为生理指标N400 成分的幅值数据的来源。将4 个电极的数据进行归一化，处理结果如表3 所示。

表3 “素雅的”中不同样本N400 幅值归一化

3.3 实验结果

在本次实验中，“不符合”情况下的平均反应时与N400 幅值为极小型指标，通过式（4）的转换，各指标数据构成规范化矩阵R，即

将6 个意象下的规范化矩阵分别代入式（8）与式（9）中，得出各指标的权重系数，如表4 所示。

表4 各指标在不同意象下的权重指标

根据式（11）与式（12），代入指标权重系数，可得各样本与理想解的相对贴近度Ui以及排序名次C。Ui数值越大，排名越靠前，不同意象与各内饰色彩样本之间的对应关系可由相对贴近度Ui表示。如表5所示，就“素雅的”而言，样本SⅠ（0.929）、SⅢ（0.861）、PⅠ（0.766）排名前三，表明这3 个样本与“素雅的”最为匹配，是选择设计参考时的最优方案。

表5 不同样本在各意象下的相对贴进度排序

4 研究结果的应用

在实际设计过程中，产品意象往往是复合的。当需设计具有两个或两个以上的复合意象时，可将复合词汇下Ui之和最高的方案，即综合排名最前的方案作为设计参考。以“素雅的且经典的”为例。将两意象下相同样本的Ui相加，所得之和为该样本的综合排序结果。如表6 所示，排名前6 的样本分别为SⅠ、PⅠ、SⅢ、WⅠ、PⅡ、BⅠ。因此将图5 中的6 个方案作为“素雅的且经典的”的设计参考。通过专家小组的讨论，该6 个方案满足“素雅的且经典的”，说明方法具有有效性。

表6 “素雅的且经典的”样本综合排序结果

图5 “素雅的且经典的”条件下最优样本

5 结束语

本文以脑电数据与行为数据作为综合评价指标，将汽车内饰色彩新方案作为评价的对象，应用熵权TOPSIS 法建立意象与色彩样本的相对贴近度表格，表示两者之间的对应关系，以此规避传统评价方法的主观性，筛选出最符合用户真实感性意象认知的参考方案。因此，本研究可更准确掌握用户的感性需求，且设计者可通过推算不同意象下色彩设计参考的最佳选择，结合自身经验进行再设计，在设计过程中减少大量案例的分析调研时间，提高设计的成功率与效率，对于汽车内饰色彩设计的实际应用具有指导价值。