摘    要   

為了對車身造型形態(tài)的進化機制進行深入分析，提出基于視覺動力?灰色關(guān)聯(lián)分析的研究方法. 首先針對傳統(tǒng)視覺力偏重主觀經(jīng)驗的不足，對其大小與方向、初始形態(tài)等進行了形式化描述，并提出視覺力的測度方法；然后提出了車身造型形態(tài)進化模型，并選取寶馬 7 系第一代至第六代車型為案例，通過語義差異實驗獲取車身造型形態(tài)意象變化趨勢，運用灰色關(guān)聯(lián)分析獲取各代車型側(cè)面特征視覺動力與意象的關(guān)聯(lián)系數(shù). 結(jié)果發(fā)現(xiàn)：從第三代至第四代的車型代際進化過程中，車身造型形態(tài)產(chǎn)生了突變，其內(nèi)因是碰撞安全法規(guī)相繼出臺與制造工藝的重大變化. 在當(dāng)前智能化、網(wǎng)聯(lián)化、電動化的發(fā)展趨勢下，車身形態(tài)將可能產(chǎn)生顛覆式變化;“沖線”視覺力與意象的灰色關(guān)聯(lián)系數(shù)在代際車型上起伏較大，“牽 引”與“生長與擠壓”視覺力的大小與意象的灰色關(guān)聯(lián)系數(shù)在代際車型上表現(xiàn)穩(wěn)定，而方向與意象的灰色關(guān)聯(lián)系數(shù)存在起伏;肩線與霍夫邁斯特拐角的視覺力與各代車型的意象關(guān)聯(lián)度總體上最高，在車型設(shè)計開發(fā)中應(yīng)給予充分重視.

   前    言   

車身造型形態(tài)設(shè)計指“根據(jù)汽車整體設(shè)計的多方面要求以塑造最理想的車身形狀，是汽車外部造型及空間設(shè)計的總和”[1]，消費者將造型作為選擇汽車?yán)碛傻谋嚷蔬h遠高于其它商品[2]，車身造型形態(tài)主要受到機械結(jié)構(gòu)、人機工程、空氣動力學(xué)、能源形式四個因素的影響，還要考慮時代性、審美觀念等因素. 由于涉及到用戶多感觀聯(lián)覺、意象表征、品牌傳達等方面，車身造型形態(tài)的設(shè)計實際上構(gòu)成了一個多目標(biāo)多向量的復(fù)雜系統(tǒng). 

車身造型形態(tài)存在進化機制，通常包括 2 種模式：①漸進模式. CALABRESE 等[3] 將汽車造型定義為迭代過程，即在每一次具體的車型設(shè)計任務(wù)中，并不必然意味著顛覆式創(chuàng)新，而往往是在給定的約束條件下，對已有的設(shè)計元素進行重新整合和再創(chuàng)造；REZAYAT[4] 的研究發(fā)現(xiàn)，新車型中通常 40％的組件是對現(xiàn)有零件的重用，40％的組件是對現(xiàn)有零件的修改，而只有 20％的零件是全新的. ②突變模式. 哈佛大學(xué) Richard 提出滿足下列三項條件之一的產(chǎn)品就可稱為突破式創(chuàng)新：具有全新的產(chǎn)品特色；現(xiàn)有的功能指標(biāo)至少提升 5 倍；產(chǎn)品成本至少降低 30%. 對于車身造型而言，突變一般來自形態(tài)對于新技術(shù)創(chuàng)新的響應(yīng).

目前學(xué)術(shù)界對于車身造型形態(tài)進化的研究主要基于品牌視角 [5-6]，包括以下 2 個方面：①車身造型形態(tài)的基因表征. 例如 KARJALAINEN[7] 將造型基因定義為顯性風(fēng)格特征域與隱性風(fēng)格特征域以及兩者的映射；麻省理工學(xué)院 GEORGE[8] 提出了形狀文法（shape grammar, SG），通過此方法描述、歸納和分析已有汽車產(chǎn)品族特征，并依據(jù)形狀規(guī)則對產(chǎn)品特征進行再現(xiàn)和發(fā)展；②車身造型形態(tài)的基因算法.JAY 等[9] 通過對別克汽車造型發(fā)展歷程的分析，總結(jié)出 63 條形狀文法，并將其編碼為可重用的語言；羅仕鑒等[10] 構(gòu)建產(chǎn)品族外形基因與消費者偏好之間的映射模型，并轉(zhuǎn)換成偏好驅(qū)動的進化函數(shù)，運用遺傳算法實現(xiàn) SUV 產(chǎn)品族側(cè)面輪廓線基因進化；李愚等[11] 提出了汽車外形設(shè)計的基因網(wǎng)絡(luò)模型.

現(xiàn)有研究取得了豐富成果，也存在著不足：對車身造型形態(tài)進化的復(fù)雜機制與動因缺乏深入研究，缺少有效的理論與方法支撐，不能有效指導(dǎo)設(shè)計工作開展. 文中將基于視覺動力學(xué)?灰色關(guān)聯(lián)度分析，針對上述問題進行研究.

01  視覺動力學(xué)理論模型

1.1 視覺動力學(xué)原理

   視覺動力（visual dynamics）的概念由著名的心理學(xué)家魯?shù)婪颉ぐ⒍骱Ｄ罚≧udolf Arnheim）提出[12]，阿恩海姆將“完形心理學(xué)”的重要原則之一“同型論”（isomorphism）應(yīng)用于視覺藝術(shù)研究中. 該原則認(rèn)為“完形”特性在物理、生理與心理現(xiàn)象之間具有對應(yīng)關(guān)系，所以三者彼此是同型的. 基于上述原則，阿恩海姆提出了“視覺力”的概念，認(rèn)為圖形可由“力”來描述，人們看到“完形”變化的同時心理上也感知到了這種“力”（如圖 1 所示），并且視覺力的感知不是思維和推理過程，而是來自人們的直觀經(jīng)驗.

圖1 視覺力的完形變化

視覺動力學(xué)認(rèn)為視覺經(jīng)驗的本質(zhì)也不能僅僅通過距離、大小、角度、尺寸、色彩的波長等去描述，因為這樣一些靜止的尺度只能對外部“刺激物”加以界定，而無法描述觀者的心理感受. 阿恩海姆根據(jù)物理學(xué)的“場”提出了生理學(xué)“力場”的假說，例如在一個白色正方形中貼一個黑色圓面，不僅能看到黑色圓面在正方形中的位置，還看到它具有一種不安定性，似乎具有一種要離開原來所處位置的趨勢，向某一特定方向運動。綜上，視覺動力學(xué)理論要點可總結(jié)為以下 4 條：①每一個視覺樣式都對應(yīng)一個“力”的樣式；②“視覺力”的樣式是視覺形式的基本性質(zhì)；③“視覺力”的性質(zhì)與“物理力”的性質(zhì)相同；④“視覺力”決定了視覺形式的情感表現(xiàn).根據(jù)視覺動力學(xué)的基本原理，車身造型可以認(rèn)為是一種“力的結(jié)構(gòu)”[13]，而用戶對于車身的一切審美體驗都是來自于這種力的體驗[14]。這些“力”雖然不是客觀存在，但它們和自然界普遍存在的、物理學(xué)中的“力”一樣，作用于人的認(rèn)知過程，是人對客觀物體的知覺感受[15]。因此，可以將用戶視覺可見的具體車身造型形態(tài)元素解構(gòu)為基本“力”元素。

1.2 視覺動力學(xué)的形式與描述

當(dāng)前視覺動力學(xué)研究主要不足在于偏重于個體感官經(jīng)驗，沒有進行定量化精確測度與計算，導(dǎo)致無法準(zhǔn)確探尋其內(nèi)在規(guī)律. 針對以上不足，文中作如下定義.定義 1：設(shè) VS 為用戶對于車身造型形態(tài)的視覺感知（Visual Sense），則 VS 是一個三元組： VS = {F,I,P}                                                （1） 式中：F 為視覺力；I 為初始形態(tài)；P 為用戶個體經(jīng)驗.初始形態(tài)在視覺力的作用下發(fā)生改變，形成最終造型. 由于用戶個體存在差異，經(jīng)驗也有所不同，因此視覺感受也存在一定的異質(zhì)性.定義 2：比照物理力的定義，認(rèn)為視覺力 F 包括三要素，即：大小、方向、作用點，用巴克斯范式（BNF）進一步描述為 F ::=< Magnitude >< S pot >< Direction > （2） 以力的種類來區(qū)分，包括沖擊力、壓力、拉力、張力等.定義 3：初始形態(tài)對最終造型形態(tài)的形成起著關(guān)鍵性作用，用巴克斯范式對初始形態(tài)進行描述如下： I ::=< Property >< Form >                          （3） 初始形態(tài)包括屬性和樣式兩個要素. 屬性分為塑性（ductile materials）和脆性（brittle materials） ；塑性是指初始形態(tài)在受到視覺力的作用下雖然產(chǎn)生顯著形變但并不破壞，脆性是指初始形態(tài)受到視覺力后發(fā)生了形態(tài)的破壞. 為了簡化問題，文中將樣式規(guī)定為平面幾何造型，如直線、圓形、正方形、梯形等.基于上述 3 個定義，對車身造型形態(tài)中常見的視覺動力學(xué)現(xiàn)象進行分析，總結(jié)整理如表 1 所示.

表 1 車身造型形態(tài)中常見視覺動力學(xué)分析

02  實例研究

 車型在經(jīng)濟與社會因素的共同作用下不斷進行迭代，經(jīng)過美學(xué)評估與功能評估以消除技術(shù)沖突，形成折中方案. 這種迭代由量變到質(zhì)變，最終導(dǎo)致車型發(fā)生代際進化. 文中提出車身造型形態(tài)進化模型如圖 2 所示.

圖 2 車身造型形態(tài)進化模型

03  系統(tǒng)參數(shù)辨識  

3.1 研究樣本的選取

文中選擇寶馬 7 系轎車作為研究樣本. 該車型于 1977 年推出第一代，至今已經(jīng)歷六代，歷史較長、脈絡(luò)有序，因而是較為適宜的研究對象. 根據(jù)文獻[16] 的研究，特征線作為點和面的過渡，最適合于設(shè)計表達，被普遍用于汽車設(shè)計，同時為了簡化問題，文中以車身側(cè)面造型形態(tài)作為具體對象，如圖 3 所示. 主要造型特征包括：①擋風(fēng)窗輪廓線；②引擎蓋輪廓線；③車頭燈輪廓線；④后備箱輪廓線；⑤車尾燈輪廓線；⑥肩 線；⑦霍夫邁斯特拐角（Hofmeister-Knick） ，又稱“霍氏彎角”，是指寶馬公司從 1961 年推出的 BMW1500 上采用并延續(xù)的經(jīng)典設(shè)計元素，即在 C 柱靠近后窗的位置有一個小的彎角，目的在于增加車輛的運動感.

圖 3 寶馬 7 系車身側(cè)面主要造型特征

3.2 針對研究樣本的視覺動力分析

3.2.1 視覺動力學(xué)屬性劃分 對圖 4 中所示各造型特征進行視覺動力學(xué)分析，得到屬性劃分，如表 2 所示.

 圖 4 車身側(cè)面造型形態(tài)視覺動力學(xué)測度示意圖

表 2 中，車身側(cè)面造型特征的動力學(xué)屬性主要包括 3 種：VS1-沖線、VS2-牽引、VS7-生長與擠壓.表 2 視覺動力學(xué)屬性劃分

3.2.2 視覺力的測度 文中針對研究樣本所涉及的 3 種視覺力提出定量化測度方法如表 3 所示. 根據(jù)表 3，對寶馬 7 系車型的側(cè)面造型形態(tài)視覺力進行測度，如圖 4 所示. 對寶馬 7 系第一代至第六代車型進行測度之后的數(shù)值，結(jié)果如表 4 所示. 其中視覺力的大小采用比值，因而是無量綱數(shù)值.表 3 視覺力的測度

表 4 寶馬 7 系各代車型側(cè)面造型形態(tài)視覺力測量值

3.3 意象獲取實驗 

“意象”是指用戶對產(chǎn)品物理屬性的感知及引發(fā)的心理與情感活動，最終形成感性認(rèn)知[17-18]. 按照信息傳播理論，意象是汽車造型“投影”于用戶心理的結(jié)果，實際上決定著用戶對于汽車造型的偏好程度.文中將聚焦于車型演進過程中視覺動力與意象內(nèi)在關(guān)聯(lián)性的變化.

3.3.1 實驗材料處理

選取相同拍攝角度、透視關(guān)系和車身顏色的六代寶馬 7 系車型側(cè)身圖片；所有圖片統(tǒng)一替換為灰色背景并降低飽和度；此外將車輪全部作徑向模糊處理以避免輪轂造型干擾. 最終處理后實驗材料如圖 5 所示.

圖 5 實驗材料

3.3.2 確定意象形容詞對 

文獻 [19] 提出了評價汽車意象的 16 組詞匯，總體上分為評價因子、活動因子、潛力因子 3 類[20]. 由于本次實驗不涉及褒貶評價，最終選定 6 組意象詞對，其中活動因子 4 對、潛力因子 2 對（如表 5 所示），并制成 1～7 分 Likert 量表.

表 5 意象形容詞對

3.3.3 實驗過程 ①被試對象. 被試均為在讀研究生；其中設(shè)計專業(yè) 52 名、非設(shè)計專業(yè) 28 名；男性 31 名、女性 49名. 實驗地點在北京理工大學(xué)設(shè)計認(rèn)知與計算研究中心.②實驗任務(wù). 將實驗材料在 27 英寸 4K 顯示屏上播放，由被試距離屏幕 70 cm 并平視；要求被試對象針對每一代寶馬 7 系車型做出意象形容詞的評分.主持人確?，F(xiàn)場安靜，除了必要的提醒外，不對被試的思維做任何干擾.3.3.4 實驗數(shù)據(jù)分析對采集的實驗數(shù)據(jù)進行分析，第一至第六代車型意象變化趨勢用熱力圖表現(xiàn)，如圖 6 所示.

圖 6 車身造型形態(tài)意象變化趨勢熱力圖

從圖 6 中可以發(fā)現(xiàn)，從第 1 代車型到第 6 代車型，其“運動感”始終在不斷增強，與此同時“宏大”意象也始終在增強，這反映了社會審美意識的重要變化，即：“宏大”意象并非意味著“商務(wù)”，而是與運動感形成了統(tǒng)一. 其它 4 組意象詞匯在 1～6 代車型的演進過程中，表現(xiàn)出了高度一致的趨勢. 值得注意的是從第三代車型到第四代車型過渡當(dāng)中，這四組意象發(fā)生了突變，“隨意”、“非線條感”、“舒展平滑”以及“女性感”明顯增強. 從實驗材料中也可以看出，從第三代到第四代車身整體變得厚重飽滿，線條由平直硬朗變得飽滿，輪廓（尤其是車頂）變得圓潤，導(dǎo)致向上視覺動力急劇增加；為了達到平衡，需強水平方向視覺動力來增加修長感，以抵消豎直方向膨脹的視覺特征.

這種突變現(xiàn)象發(fā)生在 20 世紀(jì) 90 年代末至 20 世紀(jì)初，究其深層的技術(shù)、經(jīng)濟與社會因素，可以總結(jié)為：①碰撞安全法規(guī)相繼出臺. 20 世紀(jì) 90 年代后期，主要汽車生產(chǎn)和消費國都成立了碰撞測試機構(gòu)，例如 1995 年日本 JNCAP 成立、1997 年歐洲 Euro-NCAP成 立、 1999 年韓國 KNCAP 成 立， 1995 年 美國 IIHS修改碰撞測試評分規(guī)則，并增加了 40% 重疊正面碰撞等項目. 相對于平直的車身，曲面更利于均勻受力、防止形變. ②設(shè)計和加工技術(shù)的進展.計算機輔助計、三維建模等相關(guān)軟件日趨成熟，使復(fù)雜曲面設(shè)計成為可能；同時沖壓技術(shù)、激光焊接技術(shù)等進步，能夠制造多變、凌厲的曲面造型. 與此同時，人類社會正在邁入信息化，“機械感”正在弱化，車身造型形態(tài)體現(xiàn)出更多的“親和力”.

04 灰色關(guān)聯(lián)分析  

灰色關(guān)聯(lián)分析（ grey relation analysis, GRA）源自于系統(tǒng)科學(xué)理論中的灰色系統(tǒng)理論. 在實際社會活動中，絕對的白色系統(tǒng)和黑色系統(tǒng)都是極少的，大量存在的是“部分已知、部分未知且系統(tǒng)內(nèi)部元素關(guān)系不確定”的灰色系統(tǒng)[21]. 灰色關(guān)聯(lián)分析是一種多因素統(tǒng)計分析方法，用以描述各因素之間關(guān)系的強弱、大小與次序，其優(yōu)點在于：①側(cè)重動態(tài)趨勢，能充分體現(xiàn)因素隨時間的變化情況. ②所需數(shù)據(jù)樣本量較少. 因此，文中采用灰色關(guān)聯(lián)分析方法研究車身側(cè)面造型形態(tài)視覺力與意象的關(guān)系，進一步分析演進機制.

4.1 確定參考數(shù)列與比較數(shù)列

將參考數(shù)列記為 Xi，則Xi = {xi(1), xi(2),··· xi(t)},i = 1, 2,··· ,n. 該數(shù)列表示第 i 個意象詞匯在第 t 代車型上的分值.

比較數(shù)列記為 Yj,則Yi = {yi(1), yi(2),··· yi(t)},i = 1,2,··· ,n.該數(shù)列表示視覺動力的第 j 個測度項在第 t代車型上的數(shù)值.

4.2 數(shù)據(jù)的無量綱化

為了便于進行比較從而得到準(zhǔn)確的結(jié)論，對參考數(shù)列和比較數(shù)列中的數(shù)據(jù)進行無量綱化處理，處理方法包括兩種：初值化與均值化. 通常而言，初值化方法適用于穩(wěn)定遞增或遞減的數(shù)據(jù)，均值化則適用于無明顯升降的數(shù)據(jù)，文中采用均值化方法. 在文中的研究中，意象詞匯與視覺力大小為無量綱數(shù)值，因此只需對比較數(shù)列中的視覺力方向數(shù)值進行相應(yīng)處理，計算公式為

式中，yi(t) 為第 i 視覺力方向在第 t 代車型上的數(shù)值，除以均值后得到無量綱數(shù)據(jù)y′i(t) .

4.3 灰色關(guān)聯(lián)系數(shù)計算

計算視覺力的各測度項與意象之間的灰色關(guān)聯(lián)系數(shù)，設(shè)灰色關(guān)聯(lián)系數(shù)為 εj，則計算公式為

式中，ρ 為分辨系數(shù)，當(dāng) ρ≤0.546 3 時，分辨效果最好，文中取 ρ=0.5.

4.4 灰色關(guān)聯(lián)系數(shù)計算

灰色關(guān)聯(lián)系數(shù)是指各代車型的視覺動力與SSS意象的關(guān)聯(lián)程度，為在整體上獲得關(guān)聯(lián)程度，需對各代車型的關(guān)聯(lián)系數(shù)求均值. 設(shè)灰色關(guān)聯(lián)度為 δj，則計算公式為

4.5 數(shù)據(jù)分析

4.5.1 各代車型灰色關(guān)聯(lián)系數(shù)

限于篇幅，文中僅以“運動感的—非運動感的”為例，分析該意象與車身側(cè)面特征視覺動力的灰色關(guān)聯(lián)系數(shù). 依據(jù)視覺力屬性的不同，分別對“沖線”、“牽引”、“生長與擠壓”進行分析，結(jié)果如圖 7～圖 9所示.

圖 7 “沖線”與“運動”灰色關(guān)聯(lián)系數(shù)

圖 8 “牽引”與“運動”灰色關(guān)聯(lián)

圖 9 “生長與擠壓”視覺力與“運動”意象關(guān)聯(lián)系數(shù)

從圖 7 中可以看出，車頭燈視覺力大小、車尾燈視覺力大小、霍夫邁斯特拐角視覺力大小與霍夫邁斯特拐角視覺力方向與“運動”意象的灰色關(guān)聯(lián)系數(shù)始終較高，并且貫穿第一至第六代車型；車頭燈切線夾角、車尾燈切線夾角、霍夫邁斯特拐角切線夾角灰色關(guān)聯(lián)系數(shù)走勢趨于一致，在前三代車型保持穩(wěn)定而后三代升高；車頭燈視覺力的方向灰色關(guān)聯(lián)系數(shù)在前三代車型中較高而在后三代車型中顯著降低；值得注意的是車尾燈視覺力方向則變化較大，在第一、三、四代車型中灰色關(guān)聯(lián)系數(shù)較小，而在第二、五、六代車型顯著變大.

在圖 8 中，“牽引”視覺力灰色關(guān)聯(lián)系數(shù)總體平穩(wěn)，究其原因是這些造型特征總體變化較小. 其中關(guān)聯(lián)較大的是擋風(fēng)窗輪廓線、引擎蓋輪廓線、后備箱輪廓線的視覺力大小. 

在圖 9 中， 肩線的“生長與擠壓”視覺力大小關(guān)聯(lián)系數(shù)始終較大且保持穩(wěn)定；而視覺力方向的灰色關(guān)聯(lián)系數(shù)從第一代、第五代與第六代車型較大，第二、三代到第四代車型有所降低. 通過對實驗材料的觀察，發(fā)現(xiàn)關(guān)聯(lián)系數(shù)較大的車型肩線前后貫穿整體側(cè)面，而關(guān)聯(lián)系數(shù)較小的車型肩線則被翼子板阻斷.

4.5.2 各代車型總體灰色關(guān)聯(lián)度 

各代車型總體灰色關(guān)聯(lián)度計算結(jié)果如表 6 所示.

表 6 寶馬 7 系各代車型側(cè)面特征視覺動力與意象灰色關(guān)聯(lián)度

由表 6 可知，綜合各代車型情況，與造型意象關(guān)聯(lián)度最高的側(cè)面造型特征是肩線，說明這一部分在塑造車身意象時具有顯著的作用；其次是霍夫邁斯特拐角；再次分別是引擎蓋輪廓線、車頭燈輪廓線、車尾燈輪廓線，以上 3 部分均為“牽引力”的形式，并且關(guān)聯(lián)度總體上相當(dāng)；較弱的是擋風(fēng)窗輪廓線和后備箱輪廓線.

   05  結(jié)    論   

文中針對現(xiàn)有視覺動力學(xué)不足進行改進，對其行形式化描述并提出測量方法，結(jié)合意象獲取實驗與灰色關(guān)聯(lián)分析，以實際案例對汽車車身形態(tài)造型進化機制進行研究，主要結(jié)論如下：①第三代到第四代車型代際變化中，車身造型形態(tài)發(fā)生了突變，原因是由于當(dāng)時碰撞安全法規(guī)的出臺以及制造工藝變化所導(dǎo)致. 在當(dāng)前“網(wǎng)聯(lián)化、智能化、電動化”趨勢下，汽車的車身造型形態(tài)從僅僅作為美學(xué)屬性向兼具功能性、社會性、交互語義的方向發(fā)展，當(dāng)前新能源、大數(shù)據(jù)、人工智能等技術(shù)的影響以及相關(guān)法律的出臺，可以預(yù)見車身造型形態(tài)正處于重大變革的前沿. ②車頭燈、車尾燈、霍夫邁斯特拐角等部分的視覺力表現(xiàn)為“沖線”，與意象的關(guān)聯(lián)系數(shù)在不同代車型上起伏較大；擋風(fēng)窗輪廓線、引擎蓋輪廓線、后備箱輪廓線等部分的視覺力表現(xiàn)為“牽引”，與意象的關(guān)聯(lián)系數(shù)在不同代車型上表現(xiàn)穩(wěn)定；肩線的視覺力表現(xiàn)為“生長與擠壓”，力的大小與意象的關(guān)聯(lián)系數(shù)較為穩(wěn)定，力的方向與意象的關(guān)聯(lián)系數(shù)起伏較為明顯.③肩線與霍夫邁斯特拐角的視覺力與各代車型的意象關(guān)聯(lián)度總體上最高，在車身造型形態(tài)的塑造中起著重要作用，在未來設(shè)計開發(fā)中應(yīng)給予充分重視；車頭燈、車尾燈、引擎蓋輪廓線次之，擋風(fēng)窗、后備箱輪廓線則較弱.文中以經(jīng)典汽車為研究樣本，以視覺動力學(xué)為研究基點，并通過灰色關(guān)聯(lián)分析確定了車身造型形態(tài)的進化機制，預(yù)測了未來車輛設(shè)計開發(fā)的趨勢，從而為車身造型形態(tài)的設(shè)計提供了參考依據(jù).參考文獻：  [ 1 ] 王波. 汽車造型創(chuàng)意設(shè)計[M]. 北京: 清華大學(xué)出版社, 2019.WANG Bo, Creative design of automobile[M]. Beijing:Tsinghua University Publishinng House, 2019. (in Chinese)楊鳳云. 從設(shè)計空間出發(fā)談汽車外觀設(shè)計的對比判斷[J]. [ 2 ]楊鳳云. 從設(shè)計空間出發(fā)談汽車外觀設(shè)計的對比判斷[J]. 裝飾, 2015(4): 70 ? 71.YANG Fengyun. The contrast judgement of automobileappearance design from the design space[J]. Zhuangshi,2015(4): 70 ? 71. (in Chinese)[ 3 ]GIUSEPPE CALABRESE. Structure and transformation of theItalian car styling supply chain[J]. International Journal ofVehicle Design, 2011, 57(2/3): 212 ? 229.[ 4 ]REZAYAT M. Knowledge-based product development usingXML and KCS[J]. Computer-Aided Design, 2000, 32(5 ? 6):299 ? 309. [ 5 ]張文泉, 趙江洪, 譚浩. 奧迪品牌發(fā)展與汽車造型特征研究[J]. 裝飾, 2011(7): 75 ? 77.ZHANG Wenquan, ZHAO Jianghong, TAN Hao. Researchonn the formation of Audi brand and design feature[J].Zhuangshi, 2011(7): 75 ? 77. (in Chinese) [ 6 ]趙丹華, 何人可. 阿爾法·羅密歐汽車品牌與造型風(fēng)格特征研究[J]. 裝飾, 2011(7): 72 ? 74.ZHAO Danhua, HE Renke. Brand styling and feature researchof Alfa Romeo[J]. Zhuangshi, 2011(7): 72 ? 74. (in Chinese) [ 7 ]TONI-MATTI KARJALAINEN. It looks like a Toyota:educational approaches to designing for visual brandrecognition[J]. International Journal of Design, 2007, 1(1):67 ? 81. [ 8 ]STINY G. Introduction to shape and shape grammars[J].Environment and Planning B, 1980(7): 343 ? 351. [ 9 ]JAY P, CAGAN J. Speaking the Buick language: capturingunderstanding and exploring brand identity with shapegrammars[J]. Design Studies, 2004, 25(1): 1 ? 29. [ 10 ]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(xué)報, 2016, 52(2): 173 ? 181.LUO Shijian, LI Wenjie, FU Yetao. Consumer preferencedriven SUV product family profile gene design[J]. Journal ofMechanical Engineering, 2016, 52(2): 173 ? 181. (in Chinese) [ 11 ]李愚, 盧純福, 劉肖健, 等. 汽車外形設(shè)計的基因網(wǎng)絡(luò)模型[J]. 計算機集成制造系統(tǒng), 2018, 24(5): 1249 ? 1260.LI Yu, LU Chunfu, LIU Xiaojian, et al. Gene network modelof automobile styling design[J]. Computer IntegratedManufacturing System, 2018, 24(5): 1249 ? 1260. (in Chinese) [ 12 ]阿恩海姆. 藝術(shù)與視知覺[M]. 成都: 四川人民出版社, 1998:370.Arnheim. Art and visual perception[M]. Chengdu: SichuanPeople’s Publishing House, 1998: 370. (in Chinese)[ 13 ]寧海林. 阿恩海姆視知覺形式動力理論研究[M]. 北京: 人民出版社, 2009: 9.[ 14 ]NING Hailin. Research on the Arnheim ’s visual dynamicstheory[M]. Beijing: People ’s Publishing House, 2009: 9. (inChinese)史風(fēng)華. 阿恩海姆美學(xué)思想研究[M]. 濟南: 山東大學(xué)出版社.2006: 152SHI FENGHUA. Study of Arnheim ’s aesthetic thought[M].Jinan: Shandong University press. 2006: 152. (in Chinese) [ 15 ]BLUNTZER J B, OSTROSI E, SAGOT J C. Styling of cars:Is there a relationship between the style of cars and cultureidentity of a specific country?[J]. Journal of AutomobileEngineering, 2015, 229(1): 38 ? 51. [ 16 ]盧兆麟, 李升波, 徐少兵, 等. 面向汽車造型的用戶視覺模式識別比較[J]. 計算機集成制造系統(tǒng), 2015, 21(7): 1711 ? 1718.LU Zhaolin, LI Shengbo, XU Shaobing, et al. Comparativeresearch on users ’ visual pattern recognition oriented toautomotive styling features[J]. Computer IntegratedManufacturing System, 2015, 21(7): 1711 ? 1718. (in Chinese) [ 17 ]胡婷婷, 趙江洪, 趙丹華. 設(shè)計意象加工與審美意象認(rèn)知的模式研究[J]. 裝飾, 2015(2): 104 ? 105.HU Tingting, ZHAO Jianghong, ZHAO Danhua. Pattern studyof design imagery processing and aesthetic cognition[J].Zhuangshi, 2015(2): 104 ? 105. (in Chinese) [ 18 ]蘇建寧, 張秦瑋, 吳江華, 等. 產(chǎn)品多意象造型進化設(shè)計[J].計算機集成制造系統(tǒng), 2014, 20(11): 2675 ? 2682.SU Jianning, ZHANG Qinwei, WU Jianghua, et al.Envolutionary design of product multi-image styling[J].Computer Integrated Manufacturing System, 2014, 20(11):2675 ? 2682. (in Chinese) [ 19 ]Sugoro Bhakti SUNO, Salwa Hanim ABDUL-RASHID,Hideki AOYAMA, etal. Fuzzy-based Taguchi method formulti-response optimization product form design in Kanseiengineeing: a case study on car form design[J]. Journal ofAdvanced Mechanical Design, Systems, and Manufacturing,2016, 10(9): 1 ? 16. [ 20 ]盧兆麟, 薛澄岐, 湯文成, 等. 工業(yè)設(shè)計中基于風(fēng)格特征的產(chǎn)品設(shè)計DNA研究[J]. 機械設(shè)計, 2010, 27(7): 7 ? 14.LU Zhaolin, XUE Chengqi, TANG Wencheng, et al. Researchon product design DNA based on stylistic feature in industrialdesign[J]. Journnal of Machine Design, 2010, 27(7): 7 ? 14.(in Chinese) [ 21 ]何驍威, 孔昭君, 劉小月. 基于二元語義GRP法的應(yīng)急資源動員合作模式選擇方法[J]. 北京理工大學(xué)學(xué)報, 2023, 43(2):178 ? 186.HE Xiaowei, KONG Zhaojun, LIU Xiaoyue. Selection ofemergency resource mobilization cooperation mode based onbinary semantic GRP method[J]. Transactions of BeijingInstitute of Technology, 2023, 43(2): 178 ? 186. (in Chinese)

文獻來源:

[1]盧兆麟,宋浩.基于視覺動力-灰色關(guān)聯(lián)分析的車身造型形態(tài)進化機制研究[J].北京理工大學(xué)學(xué)報,2023,43(09):903-911.DOI:10.15918/j.tbit1001-0645.2022.217.