The present invention discloses a system of using large data for a used vehicle estimation method, including the following steps: S11, obtaining the model information of the used vehicle to be valued by the user input; S12, obtaining the corresponding valuation function from the function database of the valuation model, and obtaining the corresponding all from the parameter database of the valuation model. After the function parameters, the model information is substituted into the valuation function to calculate the market value of the used vehicle to be valued. Among them, the model information includes the model, the last time, the mileage, the vehicle condition, the trading location and / or color. The model is a multivariate nonlinear model based on the large data training, and the number of functions is based on the number of functions. It is composed of database and parameter database. The invention has high accuracy and high stability, and can accurately estimate the price of used cars, and can be widely used in the second-hand car valuation industry.
【技术实现步骤摘要】
一种利用大数据进行二手车估值的方法及系统
本专利技术涉及数据处理领域,特别是涉及一种利用大数据进行二手车估值的方法及系统。
技术介绍
随着二手车交易的蓬勃发展,原来依靠估值师经验的定价方式已经不能满足市场需求。随着大量二手车交易数据的积累,应用机器学习建立数学模型根据车辆的各种特征对车辆进行估值已经成为可能和未来的方向。二手车交易过程中,如何进行二手车估值是一个重要的前提,传统的二手车估值方法主要有如下几种:一、凭经验人工估值,这种方式依靠估值师经验,难以保证估值的规模化而且成本非常高,不能满足市场需求。二、通过寻找最相近的已成交车源的成交价并在其基础上做一定修正后作为估值。这种方案依赖几个最相近的已成交车源的价格,而成交价和买卖双方的议价能力有很大关系,导致其随机性比较强。因此过于依赖于几个车源的方法会容易被随机性干扰,导致不稳定的结果。三、依靠车源的几个特征,例如车龄、里程、车况这些因素和成交价之间的线性关系计算估值,这种方法过于简化了车源特征和成交价之间的关系,诸如市场动态,地域差别,配置,品牌等重要因素都被忽视,从而导致结果的准确度和解释性都很差。总的来说,现在的二手车估值方法存在着较多的不稳定性,准确度低。
技术实现思路
为了解决上述的技术问题,本专利技术的目的是提供一种利用大数据进行二手车估值的方法,本专利技术的另一目的是提供一种利用大数据进行二手车估值的系统。本专利技术解决其技术问题所采用的第一技术方案是:一种利用大数据进行二手车估值的方法,包括以下步骤:S11、获取用户输入的待估值二手车的车型信息;S12、从估值模型的函数数据库中获取对应的估值 ...
【技术保护点】
1.一种利用大数据进行二手车估值的方法,其特征在于,包括以下步骤:S11、获取用户输入的待估值二手车的车型信息;S12、从估值模型的函数数据库中获取对应的估值函数,并从估值模型的参数数据库中获得对应的所有函数参数后,将车型信息代入到估值函数中,计算获得待估值二手车的市场估值价格;其中,所述车型信息包括型号、上牌时间、里程、车况、交易地点和/或颜色;所述估值模型是基于大数据训练获得的多元非线性计算模型,由函数数据库和参数数据库组成。
【技术特征摘要】
1.一种利用大数据进行二手车估值的方法,其特征在于,包括以下步骤:S11、获取用户输入的待估值二手车的车型信息;S12、从估值模型的函数数据库中获取对应的估值函数,并从估值模型的参数数据库中获得对应的所有函数参数后,将车型信息代入到估值函数中,计算获得待估值二手车的市场估值价格;其中,所述车型信息包括型号、上牌时间、里程、车况、交易地点和/或颜色;所述估值模型是基于大数据训练获得的多元非线性计算模型,由函数数据库和参数数据库组成。2.根据权利要求1所述的一种利用大数据进行二手车估值的方法,其特征在于,所述估值模型是通过以下步骤训练获得的:S01、获取最近一段时间内二手车的多组历史交易数据;S02、结合预设的车型数据库,将每组历史交易数据解析为价格以及多个与二手车相关的影响因素;S03、根据解析结果,针对每种车型,从预设的备选函数库中选取合适的估值函数以及各影响因素的影响函数,并计算获得估值函数和各影响函数相应的函数参数;S04、将历史交易数据中价格扣除上述影响因素带来的影响后,利用广义时间序列方法外推获得当前和未来几周的价格趋势预测结果,进而建立对应的时间影响函数,并获得对应的函数参数;S05、将获得的每种车型的估值函数、各影响函数以及时间影响函数组成函数数据库,并将所有函数参数组成参数数据库后,得到由函数数据库和参数数据库构成的估值模型;其中,所述影响因素包括车型标准折旧因素、配置价值折旧因素、城市影响因素、交易类型影响因素和个体因子影响因素,所述估值函数为各影响函数的线性或非线性函数,所述各影响函数为对应影响因素的线性或非线性函数,且估值函数和各影响函数中包含至少一个非线性函数。3.根据权利要求2所述的一种利用大数据进行二手车估值的方法,其特征在于,所述参数数据库包括车型标准折旧库、配置价值折旧库、城市影响参数库、交易类型影响参数库、个体因子影响参数库和时间影响参数库。4.根据权利要求2所述的一种利用大数据进行二手车估值的方法,其特征在于,所述步骤S03中,所述从预设的备选函数库中选取合适的估值函数以及各影响因素的影响函数的步骤中,采用的选取原则为:从预设的备选函数库中选取函数组成不同的估值函数和各影响函数的函数组合后,代入解析得到的价格以及多个影响因素进行计算,最后选择总体拟合度最好的函数组合。5.根据权利要求3所述的一种利用大数据进行二手车估值的方法,其特征在于,还包括如下的估值模型更新...
【专利技术属性】
技术研发人员:蓬蕾,程博,杨永健,高飘飘,刘志文,
申请(专利权)人:广东数鼎科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。