一种二手车定价方法装置及系统制造方法及图纸

本申请实施例示出一种二手车定价方法装置及系统，所述方法包括，构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。本申请实施例示出的方法通过对二手车的历史数据的分析，筛选出影响二手车成交价格的数据作为特征；然后，通过计算机算法，混合元特征对二手车的价格进行建模，最后利用建立的模型计算二手车的价格。本申请实施例示出的方法，在建模的过程中引入元特征的同时综合考虑考虑内部模型间的多样性，进而保证估算出来的二手车价格更加准确。

A Pricing Method Device and System for Used Vehicles

The embodiment of this application shows a second-hand car pricing method device and system. The method includes constructing a Feature-Weighted stacking linear regression model, calculating the predicted price of the second-hand car based on the Feature-Weighted stacking linear regression model and the feature attributes of the second-hand car. The method illustrated in the embodiment of this application is to select the data affecting the transaction price of used cars as features by analyzing the historical data of used cars. Then, the price of used cars is modeled by computer algorithm and mixed meta-features. Finally, the price of used cars is calculated by the established model. The method illustrated in the embodiment of the present application incorporates meta-features into the modeling process while taking into account the diversity of internal models, thereby ensuring that the estimated price of used cars is more accurate.

【技术实现步骤摘要】
一种二手车定价方法装置及系统
本专利技术涉及信息处理系统
，特别涉及一种二手车定价方法装置及系统。
技术介绍
随着经济社会的发展和城市居民生活水平提高，车辆已变成私人的基本要求。近年来，中国经济的飞速发展，车辆保有量的快速增长，二手车的交易买卖越来越繁荣，全国每个省会城市的二手车辆经纪人和单位通常达到5000个以上，每年成交的二手车达到10万-20万辆。随着二手车的交易买卖的逐渐繁荣，二手车市场随之面临一系列挑战，例如，目前的二手车市场仍然是个信息不对称的市场，消费者很难知晓二手车的价值，其结果是二手车市场难以取得消费者的信赖，导致二手车市场失去一些潜在的客户。因此如何对的二手车进行评估定价，显得尤为重要。现在的二手车评估定价基本上是由评估师的经验来决定，即评估师根据二手车的一些表面状况及个人经验进行评估。然而，上述评估定价方式由于有过多的人为因素参与，往往造成评估结果不够准确，从而对买卖双方造成麻烦。为例避免人为因素的参与，近年来，一些二手车商家通过stacking线性回归方法为二手车评估定价，通常，先建立模型，将所述模型应用于二手车的评估定价。具体的，首先通过在专门网站获取二手车辆的使用年限作为自变量，将二手车对应的价格作为因变量，寻找自变量与因变量之间的函数，然后采用所述函数对二手车评估定价。通常自变量包括：行驶公里、有无事故等简单数据。现有技术中，通过stacking线性回归方法对二手车进行评估定价，通过在专门网站输入使用年限、行驶公里、有无事故等简单数据而得到车辆的评估价格。此种评估方式忽略了车辆本身的使用状况等复杂因素，因此，得到的评估价格严重偏离车辆的实际价值。
技术实现思路
本专利技术的专利技术目的在于提供一种二手车定价方法装置及系统，以解决现有技术示出的二手车评价方法得出的二手车价格严重偏离车辆的实际价值的技术问题。本申请实施例示出一种二手车定价方法，所述方法包括：构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。本申请实施例第二方面示出一种二手车定价装置，所述装置包括：构建单元，用于构建特征加权的stacking线性回归模型；计算单元，用于基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。本申请实施例第三方面示出一种二手车定价系统，所述系统包括：应用平台服务器，与所述应用平台服务器相连接的数据存储服务器，所述数据存储服务器设置在所述平台服务器内部或独立设置，所述应用平台服务器通过互联网与所述终端相连接；所述终端用于，接收待评估二手车的特征属性；所述应用平台服务器，用于构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格；所述数据存储服务器，用于相关数的存储由以上技术方案可知，本申请实施例示出一种二手车定价方法装置及系统，所述方法包括，构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。本申请实施例示出的方法通过对二手车的历史数据的分析，筛选出影响二手车成交价格的数据作为特征；然后，通过计算机算法，混合元特征对二手车的价格进行建模，最后利用建立的模型计算二手车的价格。本申请实施例示出的方法，在建模的过程中引入元特征的同时综合考虑考虑内部模型间的多样性，进而保证估算出来的二手车价格更加准确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请一优选实施例示出的一种二手车定价系统的结构框图；图2为本申请又一优选实施例示出的一种二手车定价系统的结构框图；图3本申请一优选实施例示出的一种二手车定价方法的流程图；图4本申请一优选实施例示出的步骤S102的详细流程图；图5为本申请一优选实施例示出的一种二手车定价装置的结构图；图6为本申请一优选实施例示出构建单元的结构图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术的简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。在本专利技术的描述中需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。对于为推行环保，北京、上海、广州等各大城市已先后推行“限牌”政策。根据这一政策的推行，将对特约店的新车和二手车销售情况有重大影响。因此为配合实施“限牌”政策地区的特约店将收进的二手车快速转手销售出去，本设计里设置有二手车竞价促销渠道，利用二手车定价系统，通过构建征加权的stacking线性回归模型，然后将所述模型应用于二手车的价格评估，保证在二手车交易过程能够合理地评估车辆的价格，避免人为的错误判断。具体的，请参阅图1和图2，本申请实施例提供的一种二手车定价系统，该系统包括：应用平台服务器31，与所述应用平台服务器31相连接的数据存储服务器32，所述数据存储服务器32设置所述在平台服务器31内部或独立设置，所述应用平台服务器31通过互联网与所述终端33相连接；所述终端33，用于接收待评估二手车的特征属性；所述应用平台服务器31，用于构建特征加权的stacking线性回归模型；所述特征加权的stacking线性回归模型，在建模的过程中引入元特征的同时综合考虑考虑内部模型间的多样性。基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格；所述数据存储服务器，用于相关数的存储。所述终端33包括但不限于移动通讯设备，也可以是个人电脑、PAD、iPad等终端设备。终端，获取对应于一个或多个二手车的特征属性。例如，可通过一个或本文档来自技高网...

【技术保护点】
1.一种二手车定价方法，其特征在于，所述方法包括：构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。

【技术特征摘要】
1.一种二手车定价方法，其特征在于，所述方法包括：构建特征加权的stacking线性回归模型；基于所述特征加权的stacking线性回归模型，以及，所述二手车的特征属性，计算出所述二手车的预测价格。2.根据权利要求1所述的方法，其特征在于，所述构建特征加权的stacking线性回归模型的步骤包括：获取二手车的历史数据，所述历史数据包括：二手车的特征属性，元特征，以及，二手车的成交价格；根据所述二手车的特征属性，生成特征属性矩阵；基于所述特征属性与二手车的成交价格之间的对应关系，生成成交价格矩阵，以及，基于所述特征属性与元特征之间的对应关系，生成元特征矩阵；将所述特征属性矩阵中的每个特征属性分别映射到多个计算机算法中，得到算法矩阵；根据所述成交价格矩阵，所述元特征矩阵，以及，所述算法矩阵，确定加权系数矩阵；根据所述加权系数矩阵，算法矩阵，以及，所述元特征矩阵构建特征加权的stacking线性回归模型。3.根据权利要求2所述的方法，其特征在于，根据所述加权系数矩阵，算法矩阵，以及，所述元特征矩阵构建特征加权的stacking线性回归模型的步骤具体为：其中，所述b(x)为二手车的成交价格，所述vij为加权系数矩阵，所述fi(x)为算法矩阵，所述gi(x)为元特征矩阵。4.根据权利要求3所述的方法，其特征在于，所述根据成交价格矩阵，所述元特征矩阵，以及，所述算法矩阵，确定加权系数矩阵的步骤具体为：C＝argminx(ATx-B2+Γx2)；根据所述加权系数矩阵的转置矩阵，确定加权系数矩阵；其中，C为加权系数矩阵的转置矩阵；Γ为Tikhonov矩阵。5.根据权利要求4所述的方法，其特征在于，当Γ＝αI时，C＝(ATA+α2I)-1ATB；其中I为单位矩阵。6.根据权利要求2所述的方法，其特征在于，所述元特征矩阵为：二手车车型所在市的销量，二手车车型所在省份的销量，二手车车型全国下的销量，二手车车系所在城市下的销量，二手车车系所在省份下的销量...

【专利技术属性】
技术研发人员：石玉明，邱慧，韦仕伟，伊凡，
申请(专利权)人：优估上海信息科技有限公司，
类型：发明
国别省市：上海,31