一、研究背景

随着车联网、大数据、人工智能、5G 等先进技术在交通工具领域的应用与发展,汽车内饰功能的多样性改善了驾驶体验,但同时也增加用户信息负担,分散驾驶注意力。研究用户对内饰造型特征的设计认知,指导设计符合用户认知负荷的内饰人机系统,为未来智能汽车的内饰设计带来启发。

二、研究目的

本研究分析汽车内饰造型特征的品牌识别过程,指导内饰设计师理解用户认知方式并应用于设计实践中,使设计意象有效传达,为内饰心理认知研究提供借鉴。

三、研究方法

招募23名被试,首先进行汽车内饰视觉层设计认知实验;然后关于被试者对汽车的熟悉程度进行用户访谈;最后完成内饰造型特征识别过程的分析。

汽车内饰视觉层设计认知实验分为两个部分:

1)内饰眼动视频观察实验:告知被试品牌及车型名称后播放对应视频,重复上述步骤至六款车型观察完毕,要求被试者每次观看视频过程中尽可能全面地观察和识记内饰细节;

2)品牌识别测试实验:给被试随机呈现18张内饰图片,需被试者判断品牌及车型并告知实验员。

图片

四、研究框架

实验通过Tobii Pro X2-30 屏幕式眼动仪采集眼动数据,通过ErgoLAB人机环境同步云平台对眼动热图、轨迹图、兴趣区眼动数据进行记录和分析。实验测试材料包括六段汽车内饰展示视频和十八张汽车内饰图片。

品牌识别测试图片

五、研究结果

1. 内饰眼动视频观察实验结果

通过 ErgoLAB 眼动模块对汽车内饰结构进行动态兴趣区域划分,可获得被试在整个视频中对各个兴趣区域的首次注视时间、注视时间长度百分比等眼动数据,该实验主要反映被试者获取知识的过程。

内饰视频动态兴趣区域划分

实验结果发现,门板注视时间最长,前面板次之,中控与座椅注视时间较少;六款车所反映的首次注视时间无明显规律,说明大多数被试者在初次面对陌生的内饰时,对特征信息内容的视觉搜索方式是自由无序的。

视频注视时间长度百分比和首次注视时间

2. 品牌识别测试实验结果

通过ErgoLAB眼动模块生成眼动热点图、轨迹图,结合汽车内饰结构以及眼动数据,将兴趣区划分为前面板、中控、门板、座椅四个区域。以全局视图为例,结果如下:

全局视图眼动热点图

全局视图注视时间长度百分比和首次注视时间

选取奥迪A3作为造型特征提取样本,根据前期的眼动数据分析和汽车行业常用的内饰术语,对各个视图的四个兴趣区域进行再细分,对部件进行分组和编码,得出汽车内饰造型区域特征提取结果。

图片

3. 内饰造型区域特征提取结果

(1)问卷和访谈结果与分析

根据问卷和访谈结果可发现,品牌识别正确率高的被试者对汽车内饰的功能与结构更为了解,能依据功能对内饰进行区域划分。在观看内饰视频时,正确率较低的被试注意力会首先被最具特色的装饰物件所吸引。

(2)基于造型特征的品牌识别结果

内饰造型特征识别过程

内饰造型特征结构与有无经验被试的识别过程区别见下图,有经验者以自上而下、整体到局部为主的方式完成信息加工的过程,主动筛选主次特征信息;无经验者以自下而上、局部到整体为主的方式完成信息加工的过程,被动地接收特征且无法有效地过滤次要信息。

内饰造型特征结构

有无经验者内饰造型特征识别过程

眼动轨迹与注视点分析

在全局视图中,大部分被试者的第一注视点位于方向盘附近;驾驶位视图中,注视点由方向盘向两侧的门板开关和中央空调出风口转移;右门板视图无方向盘,首视点集中于门板开关与门板扶手处,第二注视点分布于中央出风口。

部分眼动轨迹

兴趣区域分析

兴趣区域能够大致反映用户判断汽车内饰的重要部分,依据热点图、用户访谈和常用汽车术语进行划分。前面板与门板部位是最受关注的特征区域,方向盘、中央空调出风口、门板开关等用户较为关注的兴趣区域特征均为交互操作频繁的功能面板,其视觉设计和人机工程设计是驾驶空间用户体验重要影响因素,被试注重常用交互窗口区域的功能分布。

六、讨论及建议

本文通过以视频为素材的眼动实验,模拟用户的内饰设计认知场景,探讨用户对内饰功能与造型元素的识别加工与整合,分析内饰造型特征识别的关注区域,总结有无经验者的造型特征识别过程差异,为内饰品牌识别与设计认知研究提供借鉴。文中的眼动认知环境与实车环境存在差异,建议在未来的研究中选择真实的实车场景或沉浸式虚拟现实场景中进行深入研究并同步记录多维度生理数据,从不同角度对认知过程进行分析。

仅用于学术交流,原文版权归原作者和原发刊所有。

七、参考文献

[1] 王金军,方灏. 基于眼动的内饰造型特征认知与品牌识别研究[J]. 包装工程, 2020, v.41;No.436(22):64-70.

[2] PETTERSSON I. Travelling from Fascination to New Meanings: Understanding User Expectations through a Case Study of Autonomous Cars[J]. International Journal of Design, 2017, 11(2): 1-11.

Logo

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区,共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐