基于改进LSTM与LDA情感挖掘的新能源车前脸情感驱动设计

为何车“脸”与情感重要

当你第一次在路上看到一辆新车时，它的前脸常常决定你是否喜欢它。对于新能源车尤其如此，它们竞争的不仅是电池和续航，更是个性与风格。本文背后的研究提出了一个看似简单但答案复杂的问题：车企如何设计一款电动SUV的前脸，使普通驾驶者而非仅仅是设计师和工程师，能够稳定地感受到时尚感、力量感、科技感或运动感？

把网络闲聊变成清晰的情感词

研究者没有从专家意见出发，而是直接面向真实车主。他们收集了来自中国主要汽车论坛的超过27000条关于纯电动SUV外观的在线评论。清洗文本并仅保留描述外观的词汇后，他们使用统计方法挖掘评论中隐藏的主题。结果出现了四个明确的情感方向：时尚感、力量感、科技感和运动感。这四种感觉成为了研究其余部分构建的基础情感“地图”。

将车前脸拆解为简单构件

当然，仅有情感并不能告诉设计师如何移动灯组或重塑格栅。为将情感与形态连接起来，团队收集了90张近期电动SUV的前视图，并请设计专家对其结构进行细化描述。他们将每个前脸拆分为八个主要特征，例如线条走向、灯组布局、格栅区域、进气口、后视镜、引擎盖线条及标志位置，共产生49种具体类型。随后，60名潜在买家对每张图片在四种情感上的表达强度进行了评分。通过数学筛选方法，研究者发现八个特征中只有四个承担了大部分的情感信息：整体线条方向、灯组配置、下部进气口和引擎盖线条。

教模型去感受人们的感受

有了关键形态和情感标签后，团队训练了一个深度学习模型，从四个核心设计特征预测情感反应。他们采用了一种能够学习复杂交互的特殊神经网络，并加入了“注意力”层以突出对每种情感最重要的特征组合。由于此类模型参数敏感，研究中使用遗传算法自动搜索诸如隐藏单元数量和学习速率等良好设置。尽管仅有90张前脸样本，最终模型在四种情感上的预测与人们的评分高度一致，在问卷使用的七点评分尺度上平均误差很小。

从情感到具体设计配方

训练完成后，系统可以反向运行，作为一种情感设计计算器。研究者生成了千余种四个主要特征的可能组合，并让模型对每种组合在时尚感、力量感、科技感和运动感上的可能评分。对于每一种情感，模型都指向了特定的线条流向、灯组风格、下部进气口形态和引擎盖纹理的组合作为最佳匹配。设计师据此绘制并渲染了四款概念SUV前脸草图，每款针对一个目标情感，并将其呈现给127名潜在买家进行新的评估。

模型生成的设计真的有效吗？

最终测试很直接：人们是否会认同“时尚”设计确实感觉时尚，以此类推？参与者对四款概念前脸进行评分时，每款设计在其对应的目标情感上得分最高，且明显高于中性中点。这表明该框架可以可靠地将诸如“更具运动感”之类的模糊情绪目标，转化为许多观察者以相同方式解读的具体前脸设计选择。对车企而言，这意味着可以更直接地将线上用户的表达转化为展厅中可见的设计，由数据来指导大灯、进气口与引擎盖线条的造型，使车辆面貌更贴合购车者所期望的情绪氛围。

引用: 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

关键词: 新能源车辆, 汽车设计, 用户情感, 深度学习, SUV造型