民族建筑是人类历史文明的载体，既能体现一个民族在某一历史时期的生活水平，又能表现出鲜明的地域性^[1]。苗侗木质民居是贵州少数民族传统文化的传承，是国家非物质文化遗产重点保护对象。随着现代社会发展，木质民居产业发生很大改变，从以居住功能为导向的传统模式逐渐转换为以消费需求为主导的产业模式。面对快速变化的市场和消费者的个性化需求，木质民居产业正逐渐向大规模个性化定制方向发展。

在木质民居大规模个性化定制领域，关键技术问题是配置个性化定制构件模块，使得其造型意象真正满足消费者的隐性需求，学者从不同方面对该问题展开研究。陈沛等为了实现个性化定制的快速性与高效性，提出一种基于实例检索的个性化定制方法^[2]。Diana等认为产品个性化定制过程是用户与产品的互动过程，用户在互动过程中的情绪状态最能反映用户的情感状态，同时反映体验状态^[3]。Zeng等根据用户在不同领域分类的概率分布情况，构建用户的兴趣模型，计算相似度，匹配兴趣模型，实现用户个性化定制系统的推荐^[4]。权锡鉴等为了解决“互联网+”下大规模个性化定制中存在的产品配置方案规模大、参与定制主体数量多等问题，提出基于经验证据、评价证据、偏好证据的三元证据融合配置方法^[5]。Zhang等提出个性化定制是用户交互式选择产品设计元素的过程，关键在于产品的虚拟展示^[6]。Hunt等基于问卷调查研究，提出个体的独特需求，认为对最优化产品的追求及对产品美观性的关注程度将会影响消费者对产品个性化定制的感知价值^[7]。尚欣等为了增强模块知识的重构性和重用性, 针对目前模块设计知识未能充分利用的问题，采用实例推理结合粗糙集理论的方法，提出面向网络化实例推理的可重构模块设计方法^[8]。史银雪等针对用户需求复杂多变，构造了服务流程模式，提出一种面向用户需求的动态服务工作流构建和实例化方法^[9]。董欢欢等利用形状文法，从模块划分、模块推演、模块重组三方面进行知识匹配^[10]。郏维强等认为复杂产品的模块化设计在很大程度上依赖于其零件间关联关系的确定，采用模糊逼近理想解排序法可获得最优的模块化设计方案^[11]。

综上所述，在个性化定制模块配置过程中，未能有效排除干扰因素给用户意愿带来的模糊性与不确定性，无法明确配置后的造型意象是否真正符合消费者的定制意愿。本文从生理学角度出发，使用眼动追踪技术监测受试者对木质民居个性化定制构件配置过程的认知，用客观数据代替主观意图，真实地反映受试者定制意愿，从而快速设计出满足消费者感性意象的木质民居。

1 木质民居个性化定制构件库

在传统苗侗木质民居的工业化改造过程中，关键环节之一是避免市场的同质化，满足消费者的个性化追求，实现木质民居的个性化定制。因此，设计木质民居构件库时需要针对木质民居特点，参照消费者的偏爱，将民族文化元素融入工业化模块单元，实现个性化与模块化的和谐共生。木质民居个性化定制构件包括门、窗、吊角、围栏、美人靠、屋檐及楼梯等，见图 1。

2 构件配置过程认知模型

木质民居个性化定制是基于人的认知行为，以设计特征为认知对象，实现知识的获取与聚类。用户定制行为是以个性化配置方案为基础，满足自我个性需求的过程，表现在功能、外观造型、特性、色彩、材质、文化语义等多维度的配置。但是，消费者的异质性表明基于个体行为意愿定制的理想状态不能广泛地应用于实际操作，消费者的想象力有限，无法清晰地在头脑中展现定制后的形态，判断是否符合自己的定制意愿。

眼动模式作为获取用户隐性知识及设计对象知识的有效手段，可将难以表达的隐性知识外显化，形成设计所需的知识体系^[12]。通过热点图、扫视路径、结构映射、感兴趣区域等数据分析和转换方法，获取定制模块对消费者视觉的吸引力，挖掘消费者的显/隐性知识。

2.1 基于眼动模式的认知模型

消费者通过视觉获取信息来了解产品特性，眼动模式可以表征人的认知过程。根据研究，眼动模式测量的参数有：瞳孔直径、注视热点、扫视路径、注视时间和注视点数目等^[13]。消费者在观察定制对象时会迅速地扫视和注视设计特征，同时在大脑中进行信息加工与捆绑，见图 2。因此，通过眼动模式可以获取木质民居个性化定制构件配置过程中消费者的认知信息，增强消费者参与感，提高设计效率。

2.2 基于蚁群优化算法的构件配置过程图解模型

在木质民居个性化定制领域内，设计师根据设计需求，将多维度资源配置转化为木质民居构件的组合形式。木质民居个性化定制构件配置过程是一个动态的单向连通图，如图 3所示，起点表示个性化定制构件信息的输入，终点表示木质民居配置方案的输出。设木质民居有e个个性化定制兴趣区域(area of interest，AOI), 记为{AOI₁, AOI₂, …，AOI_i, …, AOI_e}, 每个兴趣区域包含m个注视区域(area of fixation, AOF)，记为{AOF_{i, 1}, AOF_{i, 2}, …，AOF_{i, j}, …, AOF_{i, m}}，且每个注视区域对映一个设计特征X，记为{X_{i, 1}, X_{i, 2}, …，X_{i, j}, …，X_{i, m}}。图中路径表示设计特征X_{i, j}到X_{i+1, h}(1≤i≤e，1≤j≤m，1≤h≤m)的扫视路径, 每条路径具有一个x_{i, j}(ph₁, ph₂, …)属性约束，约束值包含多个信息素(pheromone)。从起点至终点有多条路径表示有多种设计特征配置方案来满足消费者需求。

3 眼动数据可视化模型 3.1 热点图

热点图表示眼动数据的时空分布特征，是将获取的一系列视觉数据通过一定的数据分析方法，经过数据可视化映射转换形成的^[14]。热点图采用彩色图像对视觉数据进行可视化表征，具体映射关系如表 1所示。

在热点图中，假设注视点数目为n，第c个注视点在单位像素点形成的色彩透明度P_c∈[0, 1]；R为注视点对周围像素影响的最大半径。D为各像素到第c个注视点的距离；t_c为第c个注视点的持续时间；t_min为热点图完全透明时所对应注视点的最小持续时间；Q为不透明度。t_min，Q，R，D的取值要根据实验需求进行设定，规定色彩透明度初始值P₀=Q。通常以冷暖色度“蓝-绿-黄-红”色彩RGB值S_c映射注视时间t_c，注视时间越久则颜色越暖，反之则越冷，则有:

$ \begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\mathit{S}_\mathit{c}}{\rm{ = }}\mathit{f}{\rm{(}}{\mathit{t}_\mathit{c}}{\rm{)}}\\ {\mathit{P}_\mathit{c}}{\rm{ = }}{\mathit{P}_{\mathit{c}{\rm{ - 1}}}}{\rm{ + }}\left\{ \begin{array}{l} \frac{{\mathit{R}{\rm{ - }}\mathit{D}}}{\mathit{R}}{\rm{\cdot}}\frac{{{\mathit{t}_\mathit{c}}{\rm{ - }}\mathit{Q}{\mathit{t}_{{\rm{min}}}}}}{{{\mathit{t}_{{\rm{min}}}}}}{\rm{, }}\;\;\;\mathit{D} \le \mathit{R}\\ {\rm{0,}}\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\rm{其他}} \end{array} \right. \end{array} $

3.2 注视区域热点图量化指标

为了对各构件兴趣区域AOI_i内各注视区域AOF_{i, j}作热点图量化比较，采用提取注视区域的灰度直方图的方法对热点图进行进一步处理^[15]。灰度直方图是关于灰度级分布的一种离散函数，表示为：

$ \mathit{H}\left( \mathit{u} \right)\text{=}\frac{{{\mathit{n}}_{\mathit{u}}}}{\mathit{N}}\text{, }\mathit{u}\text{=0, 1, }\cdots \text{, }\mathit{L}\text{-1} $

其中：u为灰度级；L为灰度等级，通常为0~255；n_u为注视区域AOF_{i, j}中具有灰度级u的像素个数；N为注视区域AOF_{i, j}内总像素数。

为了进一步准确描述注视区域热点图特征，采用方差作为统计指标。方差反映了图像的灰度对比度，公式为：

$ \mathit{\delta }_{\text{AO}{{\text{F}}_{\mathit{i}\text{, }\mathit{j}}}}^{2}\text{=}\sum\limits_{\mathit{u}\text{=0}}^{\mathit{L}\text{-1}}{{{\left( \mathit{u}\text{-}\mathit{v} \right)}^{\text{2}}}}\mathit{H}\left( \mathit{u} \right) $

其中v表示灰度平均值：

$ \mathit{v}\text{=}\sum\limits_{\mathit{u}\text{=0}}^{\mathit{L}\text{-1}}{\mathit{u}}\mathit{H}\left( \mathit{u} \right) $

3.3 设计特征选择概率

产品个性化定制时，依据设计特征计算得出满足消费者需求的最优产品。在蚁群算法中，蚂蚁会随机选择信息素量较多的路径，即更优的路径，但在定制过程中信息素有时是需要多维度综合的^[16]。在眼动模式中，通常用注视点数目表示注视区域对用户的吸引程度，等同于蚁群优化算法中蚂蚁所选路径上的多维度信息素量。设ph(t)为眼动模式中于t时刻选择设计特征X_{i, j}的信息素量，注视区域AOF_{i, j}的注视点数目为num_{AOFi, j}，则兴趣区域AOI_i内的第j个设计特征X_{i, j}的信息素量为：

$ \mathit{ph}\text{(}\mathit{t}\text{)=nu}{{\text{m}}_{\text{AO}{{\text{F}}_{\mathit{i}\text{, }\mathit{j}}}}} $

进一步得到选择设计特征X_{i, j}的概率p为：

$ \mathit{p}\text{=}\frac{\text{nu}{{\text{m}}_{\text{AO}{{\text{F}}_{\mathit{i}\text{, }\mathit{j}}}}}}{\sum\limits_{\mathit{j}\text{=1}}^{\mathit{m}}{\text{nu}{{\text{m}}_{\text{AO}{{\text{F}}_{\mathit{i}\text{, }\mathit{j}}}}}}} $

3.4 配置方案适应度函数

在个性化定制过程中，基于AOI的眼动数据可视化，可表示用户访问定制区域的注视情况，适应度函数是选择最优木质民居构件配置方案的依据。设木质民居S, 有e个需要个性化定制构件兴趣区域(AOI)，且每个AOI包含m个注视区域(AOF)。由于定制的构件之间存在较大差异，因此为木质民居构件库的兴趣区域(AOI)设定相应的函数{AOI₁(S), AOI₂(S), …，AOI_i(S), …, AOI_e(S)}，并使得各个构件定制后的适应度函数值正比于消费者满意度。设各AOI的权重为{w₁, w₂, …，w_i, …w_e}，则适应度函数为:

$ \begin{align} &\text{AOI}\left( \mathit{S} \right)\text{=}\sum\limits_{\mathit{i}\text{=1}}^{\mathit{e}}{\text{AO}{{\text{I}}_{\mathit{i}}}\left( \mathit{S} \right)}\text{ }\!\!\times\!\!\text{ }{{\mathit{w}}_{\mathit{i}}} \\ &\text{AO}{{\text{I}}_{\mathit{i}}}\left( \mathit{S} \right)\text{=max}\ \ \mathit{Z} \\ \end{align} $

其中Z为第i个兴趣区域AOI_i内各注视区域AOF_{i, j}热点图的方差集，Z={δ_{AOFi, 1}², δ_{AOFi, 2}², …, δ_{AOFi, j}², …, δ_{AOFi, m}²}。

4 实例研究方案

木质民居是苗侗族建筑文化中最具代表性的建筑类型之一，与苗侗人民的生活密切相关，极富生命活力^[17]。个性化定制是当今木质民居建筑设计的潮流，基于眼动模式的木质民居个性化定制构件配置方法流程图见图 4。

实验现场图，如图 5所示。

4.1 实验设备

木质民居个性化定制构件配置实验的设备包括：

1) EyeSo眼动仪。

2) 安装眼动仪软件EyeSo的电脑。

3) 遮光罩。

4.2 实验受试者

本实验的受试者一共有40名，其中20名男生, 20名女生。男女生中，各有10名居住过木质民居，10名没有居住过木质民居。所有的受试者视力良好，没有色盲、色弱等情况。

4.3 实验样本的设定

基于与某木质民居个性化定制企业合作项目，选取木质民居个性化定制系统作为研究对象。系统中主要含有三大定制部分：户型、基本构件、家具构件。本实验主要实现对基本构件的个性化配置。从基于Showcase软件的木质民居个性化定制系统中截取5幅不同构件和1幅复合构件的图像作为实验样本，每幅图像中预设定制构件兴趣区域(AOI)，在兴趣区域内部预设多个注视区域(AOF)，如图 6所示。

4.4 实验过程

本实验的目的是对基于眼动模式的木质民居个性化定制构件配置方法展开研究，主试者向受试者介绍实验的方法和任务，并分别对每位受试者进行视觉校准，使得受试者眼睛与显示器保持平视，相距约一臂长。校准后，发出指令，要求受试者观看前5幅样本图像AOI内的AOF，注视符合个人偏好的构件设计特征，时间为20 000 ms。

40名受试者依次观看5幅木质民居个性化定制构件的图像，以第20位受试者的眼动数据形成的热点图(如图 7所示)为例进行分析。

5 实验结果分析与方法验证 5.1 设计特征的显著性分析

为了进一步量化定制兴趣区域AOI_i中设计特征X_{i, j}的显著性权重，统计设计特征对应的注视区域(AOF)内的注视时间、注视点数目、平均注视时间三个指标。以木质民居个性化定制构件——围栏为例，如图 8所示，(a)，(b)，(c)分别为受试者注视区域(AOF)内的注视时间图、注视点数目图和平均注视时间图；表 2中AOF_4，1，AOF_4，2, AOF_4，3, AOF_4，4, AOF_4，5分别对应定制构件——围栏的设计特征1、设计特征2、设计特征3、设计特征4和设计特征5。

从表 2数据来看，以注视点数目为主衡量指标，设计特征的显著性顺序依次为设计特征2、设计特征5、设计特征3、设计特征4和设计特征1，其权重分别为24.4%，23.1%，21%，19%，12.5%。

5.2 灰度直方图及其方差

本文采用灰度直方图对注视区域(AOF)热点图进行量化比较，以方差指标反映图像注视的高频部分。灰度直方图方差的大小表示图片对比度的高低，即方差越大，对比度越高，表示受试者对注视区域(AOF)越关注^[18]。以AOI₄(即围栏)的注视区域AOF_{4, 1}, AOF_{4, 2}, AOF_{4, 3}, AOF_{4, 4}, AOF_{4, 5}的热点图为例，利用Anaconda软件Python编程将AOF热点图转换为灰度直方图，并计算其方差，结果如图 9所示，热点图方差如表 3所示。

从表 3数据来看，设计特征2的方差最大，表示这位受试者对设计特征2关注度最高。

5.3 确定适应度函数系数

根据受试者对木质民居个性化定制兴趣区域AOI₁，AOI₂，AOI₃，AOI₄，AOI₅满意度的重要程度进行评估，运用层次分析法构建判断矩阵，进行层级单排序，并用一致性检验，得到CR=0.004 2＜0.1, 误差在允许范围内，得出权重系数为：

$ \left[ \begin{array}{l} {\mathit{w}_{\rm{1}}}\\ {\mathit{w}_{\rm{2}}}\\ {\mathit{w}_{\rm{3}}}\\ {\mathit{w}_{\rm{4}}}\\ {\mathit{w}_{\rm{5}}} \end{array} \right] = \left[ \begin{array}{l} 0.262\;8\\ 0.245\;4\\ 0.120\;8\\ 0.190\;7\\ 0.180\;3 \end{array} \right] $

5.4 确定配置方案

对每位受试者的眼动数据逐一分析处理，比较每个兴趣区域AOI_i中的注视区域热点图方差δ_{AOFi, j}²，选择方差值最大的注视区域所对应的设计特征为兴趣区域AOI_i内最优解，在眼动追踪系统中，使用鼠标依次点击图 6(f)中多个最优解，模拟木质民居个性化定制构件的配置过程，如图 10所示。

5.5 方法验证

为了验证基于眼动模式的木质民居个性化定制构件配置方法的正确性，每位受试者对自己的木质民居配置方案进行七等级Likert量表作答，如表 4。每张表上有3个木质民居个性化配置方案，其中1个配置方案为受试者经过眼动实验得出的最优方案，其他2个配置方案为非最优解。

用SPSS22软件对每位受试者的眼动适应度函数数据及问卷调查数据进行配对T检验，验证该方法是否可行。表 5为眼动实验数据与问卷调查数据的配对样本T检验分析结果，列出了眼动实验与问卷调查实验数据所得差值的均值、标准差、标准错误均值和95%差异数的信赖区间。由于显著性水平α=0.05，结果显示:P=0.269＞0.05, 表明两结果无显著性差异，该方法具有可行性。

6 结语

本文面向木质民居个性化定制，结合眼动实验和问卷调查，提出了基于眼动模式的木质民居个性化定制构件配置方法。研究结论如下：

1) 蚂蚁算法的优化思想可以作为木质民居个性化定制的指导思想，来进行定制模块优化配置。

2) 注视区域(AOF)数据中的注视时间、注视点数目、平均注视时间三个指标，可以反映用户对注视区域(AOF)的关注程度，从而确立对应的设计特征显著性水平。

3) 构建木质民居个性化定制构件的兴趣区域(AOI)适应度函数，选择配置方案的最优解。

未来将从以视觉为中心，触觉、嗅觉，听觉，味觉为辅的多感官通道融合角度对用户定制意愿展开研究，实现基于多感官通道的产品个性化定制。