Känslostyrd frontdesign för NEV:er med förbättrad LSTM och LDA-baserad känsloanalys

Varför bilens ansikte och känslor spelar roll

När du först ser en ny bil på vägen avgör ofta frontens ”ansikte” om du gillar den eller inte. Det gäller särskilt för nya energibilar, som konkurrerar inte bara med batterier och räckvidd utan med personlighet och stil. Studien bakom den här artikeln ställer en enkel fråga med ett komplext svar: hur kan biltillverkare utforma fronten på en eldriven SUV så att den konsekvent upplevs som moderiktig, kraftfull, högteknologisk eller sportig av vanliga förare — inte bara av formgivare och ingenjörer?

Att förvandla onlinebrus till tydliga känsloord

I stället för att börja med experters åsikter gick forskarna direkt till riktiga förare. De samlade in mer än 27 000 onlinekommentarer om utseendet hos rena el-SUV:ar från stora kinesiska bilforum. Efter att ha rensat texten och behållit endast ord som beskrev utseende använde de en statistisk metod för att avslöja huvudteman dolda i kommentarerna. Fyra tydliga känslor framträdde: känsla för mode, känsla av kraft, känsla av teknik och känsla av sportighet. Dessa fyra känslor blev den grundläggande emotionella ”kartan” som resten av studien bygger på.

Att dela upp bilens front i enkla byggstenar

Givetvis säger inte känslor i sig hur man flyttar en strålkastare eller omformar ett grepp. För att koppla känsla till form samlade teamet 90 frontvyer av nyare el-SUV:ar och bad designexperter beskriva deras uppbyggnad i detalj. De delade upp varje front i åtta huvuddrag, som linjeflöde, strålkastarlayout, grillområde, luftintag, sidospeglar, huvlinnjer och logoplacering, vilket tillsammans gav 49 specifika typer. Därefter bedömde 60 potentiella köpare hur starkt varje bild uttryckte de fyra känslorna. Med en matematisk screeningmetod fann forskarna att endast fyra av de åtta dragen bar större delen av den emotionella vikten: det övergripande linjeflödet, strålkastarkonfigurationen, det nedre luftintaget och huvlinjerna.

Att lära en modell känna som människor

Med nyckelformer och känslor i handen tränade teamet en djupinlärningsmodell för att förutsäga emotionella reaktioner utifrån de fyra kärnformdragen. De använde en särskild typ av neuralt nätverk som kan lära sig komplexa interaktioner och lade till ett ”attention”-lager som lyfter fram vilka kombinationer av drag som är viktigast för varje känsla. Eftersom sådana modeller kan vara känsliga sökte en genetisk algoritm automatiskt efter bra inställningar, som hur många interna enheter som skulle användas och hur snabbt inlärning skulle ske. Trots att endast 90 bilfronter fanns tillgängliga stämde de slutgiltiga modellerna mycket väl överens med människors betyg för alla fyra känslor, med mycket små genomsnittliga fel på den sjugradiga skalan som användes i undersökningarna.

Från känslor till konkreta designrecept

När systemet väl var tränat kunde det användas baklänges som en form av emotionell designkalkylator. Forskarna genererade mer än tusen möjliga kombinationer av de fyra huvuddragen och bad modellen skatta hur moderiktigt, kraftfullt, högteknologiskt eller sportigt varje kombination sannolikt skulle uppfattas. För varje känsla pekade modellen ut en specifik mix av linjeflöde, strålkastarstil, form på det nedre luftintaget och huvmönster som bäst matchade. Formgivare skissade och renderade sedan fyra konceptfrontar för SUV:ar som följde dessa recept, en för varje målkänsla, och presenterade dem för 127 potentiella köpare för ny utvärdering.

Fungerar modellens designer i praktiken?

Det slutliga testet var enkelt: skulle folk hålla med om att ”mode”-designen verkligen kändes moderiktig, och så vidare? När deltagarna betygsatte de fyra konceptfronterna fick varje design högst poäng på sin avsedda känsla och tydligt över en neutral mittpunkt. Det tyder på att ramen pålitligt kan omvandla vaga emotionella mål som ”mer sportig” till konkreta frontdesigval som många betraktare tolkar på samma sätt. För biltillverkare innebär det en mer direkt väg från vad kunder säger online till vad som syns i showroomet, med data som styr formgivningen av strålkastare, luftintag och huvlinjer så att fordonets ansikte bättre matchar de stämningar köpare söker.

Citering: 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

Nyckelord: nyeenergibilar, bilformgivning, användarkänslor, djupinlärning, SUV-styling