Progettazione anteriore delle NEV guidata dalle emozioni usando un LSTM migliorato con estrazione delle emozioni basata su LDA

Perché i “volti” delle auto e le emozioni contano

Quando vedi per la prima volta una nuova auto sulla strada, la sua “faccia” anteriore spesso decide se ti piace o no. Questo vale in modo particolare per i veicoli a nuova energia, che competono non solo su batteria e autonomia ma anche su personalità e stile. Lo studio dietro questo articolo pone una domanda semplice con una risposta complessa: come possono i costruttori progettare il frontale di un SUV elettrico in modo che risulti affidabilmente alla moda, potente, tecnologico o sportivo ai guidatori comuni, e non solo agli stilisti e agli ingegneri?

Trasformare il chiacchiericcio online in parole emotive chiare

Invece di partire dalle opinioni degli esperti, i ricercatori sono andati direttamente ai guidatori reali. Hanno raccolto più di 27.000 commenti online sull’aspetto di SUV elettrici puri dai principali forum automobilistici cinesi. Dopo aver ripulito i testi e conservato solo le parole che descrivevano l’aspetto, hanno utilizzato un metodo statistico per scoprire i temi principali nascosti nei commenti. Sono emerse quattro direzioni emotive chiare: senso della moda, senso di potenza, senso della tecnologia e senso di sportività. Queste quattro sensazioni sono diventate la “mappa” emotiva di base su cui si basa il resto dello studio.

Suddividere i frontali in blocchi costitutivi semplici

Naturalmente, le sole emozioni non dicono ai progettisti come spostare un faro o rimodellare una calandra. Per collegare l’emozione alla forma, il team ha assemblato 90 immagini frontali di recenti SUV elettrici e ha chiesto a esperti di design di descriverne dettagliatamente la struttura. Hanno suddiviso ogni frontale in otto caratteristiche principali, come il flusso delle linee, la disposizione dei fari, l’area della calandra, le prese d’aria inferiori, gli specchietti, le linee del cofano e la posizione del logo, che insieme hanno prodotto 49 tipologie specifiche. Poi 60 potenziali acquirenti hanno valutato quanto intensamente ogni immagine esprimesse le quattro sensazioni. Utilizzando un metodo matematico di selezione, i ricercatori hanno scoperto che solo quattro delle otto caratteristiche portavano la maggior parte del peso emotivo: la direzione complessiva delle linee, la configurazione dei fari, la presa d’aria inferiore e le linee del cofano.

Insegnare a un modello a provare ciò che provano le persone

Con forme chiave e sensazioni ben definite, il team ha addestrato un modello di deep learning a prevedere le reazioni emotive a partire dalle quattro caratteristiche progettuali principali. Hanno usato un tipo speciale di rete neurale in grado di apprendere interazioni complesse e hanno aggiunto uno strato di “attenzione” che evidenzia quali combinazioni di caratteristiche contano di più per ciascuna sensazione. Poiché tali modelli possono essere sensibili ai parametri, un algoritmo genetico ha cercato automaticamente impostazioni efficaci, come il numero di unità interne e la velocità di apprendimento. Nonostante fossero disponibili solo 90 frontali, i modelli finali hanno riprodotto molto da vicino le valutazioni delle persone per tutte e quattro le sensazioni, con errori medi molto piccoli sulla scala a sette punti usata nei sondaggi.

Dalle sensazioni a ricette di design concrete

Una volta addestrato, il sistema poteva essere eseguito in senso inverso come una sorta di calcolatore di design emotivo. I ricercatori hanno generato oltre mille possibili combinazioni delle quattro caratteristiche principali e hanno chiesto al modello di valutare quanto ciascuna combinazione sarebbe probabilmente risultata alla moda, potente, tecnologica o sportiva. Per ogni sensazione, il modello ha indicato una combinazione specifica di flusso delle linee, stile dei fari, forma della presa d’aria inferiore e schema del cofano come il miglior abbinamento. I designer hanno quindi schizzato e renderizzato quattro concept di frontali SUV che seguivano queste ricette, uno per ciascuna sensazione obiettivo, e li hanno presentati a 127 potenziali acquirenti per una nuova valutazione.

I design del modello funzionano davvero?

La prova finale è stata semplice: le persone hanno concordato che il design “moda” risultava davvero alla moda, e così via? Quando i partecipanti hanno valutato i quattro frontali concept, ciascun design ha ottenuto il punteggio più alto sulla sensazione a cui era destinato e nettamente al di sopra di un punto medio neutro. Ciò suggerisce che il framework può trasformare in modo affidabile obiettivi emotivi vaghi come “più sportivo” in scelte progettuali anteriore concrete che molti osservatori interpretano allo stesso modo. Per i costruttori automobilistici, questo significa una via più diretta da ciò che i clienti dicono online a ciò che appare nello showroom, con i dati che guidano la forma dei fari, delle prese d’aria e delle linee del cofano in modo che il volto del veicolo rispecchi meglio gli umori ricercati dagli acquirenti.

Citazione: Yu, C., Qian, Y. & Li, Y. Emotion-driven front-end design of NEVs using an improved LSTM with LDA-based emotion mining. Sci Rep 16, 15786 (2026). https://doi.org/10.1038/s41598-026-45602-1

Parole chiave: veicoli a nuova energia, design automobilistico, emozioni degli utenti, deep learning, styling SUV