基于群体感性工学的智能网联汽车功能偏好分析

不少基于智能网联汽车(ICV)的研究均假设用户高度接受并同质使用智能座舱内的智能网联功能,而在汽车“新四化”的不同阶段,用户对ICV的功能需求及使用行为有着显著个体差别特征。忽略这些特征,对智能汽车相关研究及技术发展均有较大影响。本文基于感性工学分析方法及利用大量用户的评论文本大数据,提出群体感性工学理念,旨在建立一套系统科学的ICV功能需求与偏好量化分析体系,为智能网联背景下的驾驶员行为研究及ICV技术发展提供决策支撑。该技术框架包括高效的文本数据挖掘分析方法,所提出的基于汽车领域增量训练的Bert模型能自动化识别用户评论文本中的意图、目标功能及情感强度。最后,通过引入座舱内用户行为数据建立NLP-Kansei模型,能大幅提升模型的预测性能。通过对某新能源汽车品牌两款平台车型85441名车主共138819条用户评论进行模型应用,精细化挖掘不同人群对于智能网联功能偏好的细微差别。对比传统预训练模型,新模型能有效挖掘用户需求偏好并显著提升计算效率,其技术框架及结果能为相关领域研发提供有效支撑。