Emotie-gedreven voorkantontwerp van NEV's met een verbeterde LSTM en LDA-gebaseerde emotie-extractie

Waarom autogezichten en gevoelens belangrijk zijn

Wanneer je een nieuwe auto voor het eerst op de weg ziet, bepaalt de voorkant vaak of je hem prettig vindt of niet. Dat geldt in het bijzonder voor new energy vehicles, die niet alleen concurreren op accu en bereik, maar ook op persoonlijkheid en stijl. De studie achter dit artikel stelt een simpele vraag met een complex antwoord: hoe kunnen autofabrikanten de voorkant van een elektrische SUV zo ontwerpen dat deze voor alledaagse bestuurders consequent modieus, krachtig, technologisch of sportief aanvoelt, en niet alleen voor ontwerpers en ingenieurs?

Online gesprek omzetten in duidelijke gevoelswoorden

In plaats van te beginnen met expertmeningen gingen de onderzoekers rechtstreeks naar echte bestuurders. Ze verzamelden meer dan 27.000 online reacties over het uiterlijk van volledig elektrische SUV's uit grote Chinese autogerichte forums. Na het opschonen van de tekst en het behouden van alleen woorden die het uiterlijk beschreven, gebruikten ze een statistische methode om de hoofdthema's in de reacties te onthullen. Vier duidelijke emotierichtingen kwamen naar voren: een gevoel van mode, een gevoel van kracht, een gevoel van technologie en een gevoel van sportiviteit. Deze vier gevoelens werden de basisemotiekaart waarop de rest van de studie is gebouwd.

De voorkanten van auto’s opdelen in eenvoudige bouwstenen

Gevoelens alleen vertellen ontwerpers natuurlijk niet hoe ze een koplamp moeten verplaatsen of een grille moeten hervormen. Om emotie aan vorm te koppelen verzamelde het team 90 frontaanzichten van recente elektrische SUV's en vroeg ontwerpexperts om hun structuur in detail te beschrijven. Ze deelden elke voorkant op in acht hoofdkenmerken, zoals de vloei van de lijnen, koplampindeling, grillegebied, luchtinlaten, spiegels, motorkaplijnen en logopositie, wat samen 49 specifieke types opleverde. Daarna beoordeelden 60 potentiële kopers hoe sterk elk plaatje de vier gevoelens uitdrukte. Met een wiskundige screeningsmethode vonden de onderzoekers dat slechts vier van de acht kenmerken het grootste emotionele gewicht droegen: de algemene lijnrichting, de koplampconfiguratie, de onderste luchtinlaat en de motorkaplijnen.

Een model leren voelen wat mensen voelen

Met de belangrijkste vormen en gevoelens in handen trainde het team een deep learning-model om emotionele reacties te voorspellen op basis van de vier kernontwerpkenmerken. Ze gebruikten een speciaal type neuraal netwerk dat complexe interacties kan leren en voegden een "attention"-laag toe die aangeeft welke combinatie van kenmerken voor elk gevoel het meest telt. Omdat zulke modellen grillig kunnen zijn, zocht een genetisch algoritme automatisch naar goede instellingen, zoals het aantal interne eenheden en de leersnelheid. Zelfs met slechts 90 autovoorfronten kwamen de uiteindelijke modellen heel dicht in de buurt van de menselijke beoordelingen voor alle vier de gevoelens, met slechts kleine gemiddelde fouten op de zevenpuntschaal die in de enquêtes werd gebruikt.

Van gevoelens naar concrete ontwerprecepten

Eenmaal getraind kon het systeem in omgekeerde richting worden gebruikt als een soort emotionele ontwerpcalculator. De onderzoekers genereerden meer dan duizend mogelijke combinaties van de vier hoofdkenmerken en lieten het model scoren hoe modieus, krachtig, technologisch of sportief elk ervan waarschijnlijk zou aanvoelen. Voor elk gevoel wees het model op een specifieke mix van lijnverloop, koplampstijl, vorm van de onderste inlaat en motorkappatroon als beste match. Ontwerpers schetsten en renderden vervolgens vier conceptuele SUV-voorkanten die deze recepten volgden, elk gericht op één van de doelgevoelens, en presenteerden ze aan 127 potentiële kopers voor een nieuwe evaluatie.

Werken de ontwerpen van het model echt?

De eindtest was eenvoudig: zouden mensen het ermee eens zijn dat het "mode"-ontwerp echt modieus aanvoelde, enzovoort? Toen deelnemers de vier conceptvoorkanten beoordeelden, scoorde elk ontwerp het hoogst op het beoogde gevoel en duidelijk boven het neutrale middenpunt. Dit suggereert dat het raamwerk vage emotionele doelen zoals "meer sportief" betrouwbaar kan omzetten in concrete ontwerpkeuzes voor de voorkant die veel kijkers op dezelfde manier interpreteren. Voor autofabrikanten betekent dat een directere route van wat klanten online zeggen naar wat er in de showroom verschijnt, met data die de vorm van koplampen, luchtinlaten en motorkaplijnen sturen zodat het gezicht van het voertuig beter aansluit bij de stemmingen die kopers zoeken.

Bronvermelding: 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

Trefwoorden: new energy vehicles, autodesign, gebruikersemoties, deep learning, SUV-styling