【技术实现步骤摘要】
二手车远程精准定价系统
本专利技术创造涉及二手车领域，具体涉及一种二手车远程精准定价系统。
技术介绍
二手车作为非标产品，在整个产业链过程中，无论是线下的收销业务还是线上电商业务最关键的是车况认定，有了车况认定的前提下才能通过互联网形式进行升级扩容及产业整合，发挥更好的互联网效应，更有利于相关产业链企业做好车况风险管控及价格风险管控。传统的在对二手车进行定价时，需要二手车的评估师亲自去到车里跟前，根据二手车的情况对二手车进行定价，然而当评估师和待评估的二手车不在同一个地方时，就需要评估师前往二手车的所在地，或者二手车前往评估师所在地，才能使评估师对二手车进行定价，导致二手车的定价效率较低。
技术实现思路
针对上述问题，本专利技术旨在提供一种二手车远程精准定价系统。本专利技术创造的目的通过以下技术方案实现：二手车远程定价系统，包括移动检测终端、信息传输模块和在线定价中心，所述移动检测终端包括信息输入模块、参数检测模块和图像采集模块，所述信息输入模块用于输入待定价二手车的基础信息，所述参数检测模块用于检测待定价二手车在行驶过程中的运行参数，所述图像采集模块用于采集待定价二手车的基础图像，移动检测终端将采集到的基础信息、运行参数和基础图像通过信息传输模块传输至在线定价中心，所述在线定价中心包括数据库、缺陷检测模块和在线定价模块，所述数据库中存储有二手车相对应的基本车型参数和已完成交易的二手车的基本参数和交易价格，所述缺陷检测模块用于根据接收到的二手车的基础图像对二手车的缺陷进行检...
【技术保护点】
1.二手车远程精准定价系统，其特征是，包括移动检测终端、信息传输模块和在线定价中心，所述移动检测终端包括信息输入模块、参数检测模块和图像采集模块，所述信息输入模块用于输入待定价二手车的基础信息，所述参数检测模块用于检测待定价二手车在行驶过程中的运行参数，所述图像采集模块用于采集待定价二手车的基础图像，移动检测终端将采集到的基础信息、运行参数和基础图像通过信息传输模块传输至在线定价中心，所述在线定价中心包括数据库、缺陷检测模块和在线定价模块，所述数据库中存储有二手车相对应的基本车型参数和已完成交易的二手车的基本参数和交易价格，所述缺陷检测模块用于根据接收到的二手车的基础图像对二手车的缺陷进行检测，并将检测所得的缺陷输入到在线定价模块，所述在线定价模块根据待定价二手车的型号在数据库中调取待定价二手车相对应的基本车型参数，并根据接收到的待定价二手车的基础信息和检测所得的缺陷对所述待定价二手车进行定价。/n
【技术特征摘要】
1.二手车远程精准定价系统，其特征是，包括移动检测终端、信息传输模块和在线定价中心，所述移动检测终端包括信息输入模块、参数检测模块和图像采集模块，所述信息输入模块用于输入待定价二手车的基础信息，所述参数检测模块用于检测待定价二手车在行驶过程中的运行参数，所述图像采集模块用于采集待定价二手车的基础图像，移动检测终端将采集到的基础信息、运行参数和基础图像通过信息传输模块传输至在线定价中心，所述在线定价中心包括数据库、缺陷检测模块和在线定价模块，所述数据库中存储有二手车相对应的基本车型参数和已完成交易的二手车的基本参数和交易价格，所述缺陷检测模块用于根据接收到的二手车的基础图像对二手车的缺陷进行检测，并将检测所得的缺陷输入到在线定价模块，所述在线定价模块根据待定价二手车的型号在数据库中调取待定价二手车相对应的基本车型参数，并根据接收到的待定价二手车的基础信息和检测所得的缺陷对所述待定价二手车进行定价。
2.根据权利要求1所述的二手车远程精准定价系统，其特征是，所述二手车的基础信息包括二手车的型号、年龄和行驶里程。
3.根据权利要求2所述的二手车远程精准定价系统，其特征是，基本车型参数包括新车不含税价格、车辆尺寸、发动机参数和性能参数。
4.根据权利要求3所述的二手车远程精准定价系统，其特征是，二手车的基础图像包括二手车的外观图像和二手车的内饰图像。
5.根据权利要求4所述的二手车远程精准定价系统，其特征是，在线定价模块采用训练好的BP神经网络模型根据待定价二手车的基本车型参数，待定价二手车的基础信息和检测所得的缺陷对二手车进行定价。
6.根据权利要求5所述的二手车远程精准定价系统，其特征是，采用数据库中已存储的二手车的基本参数和交易价格对在线定价模块中采用的BP神经网络模型进行训练，所述二手车的基本参数为输入值，所述二手车的交易价格为输出值。
7.根据权利要求6所述的二手车远程精准定价系统，其特征是，在BP神经网络模型的训练过程中，采用粒子群算法对BP神经网络的初始权值和阈值进行优化，并将粒子群算法的适应度函数定义为：其中，p为训练的样本个数，ok为第k个样本的输出值，tk为第k个样本的目标值。
8.根据权利要求7所述的二手车远程精准定价系统，其特征是，设ai表示粒子群中的第i个全局寻优粒子，且i＝1，2，...N(a)，N(a)表示全局寻优粒子的个数；设置全局寻优粒子ai采用下列方式进行更新：
Vi(t+1)＝ωaVi(t)+c1r1(Besti(t)-Xi(t))+c2r2(Best(t)-Xi(t))
Xi(t+1)＝Xi(t)+Vi(t+1)
式中，Xi(t+1)和Vi(t+1)分别表示全局寻优粒子ai在第(t+1)次全局寻优迭代时的位置和速度，Xi(t)和Vi(t)分别表示全局寻优粒子ai在第t次全局寻优迭代时的位置和速度，c1和c2分别表示学习因子，r1和r2分别表示(0，1)之间的随机数，Besti(t)表示全局寻优粒子ai在第t次全局寻优迭代时的个体最优解，Best(t)表示全局寻优粒子在第t次全局寻优迭代时的全局最优解，ωa表示全局寻优粒子的惯性权重因子，且ωmax表示给定的最大惯性权重因子，ωmin表示给定的最小惯性权重因子，Tmax表示给定的最大全局寻优迭代次数。
9.根据权利要求8所述的二手车远程精准定价系统，其特征是，设表示全局寻优粒子ai在第t次全局寻优迭代时的局部邻域，且为以全局寻优粒子ai为中心，以为半径的环形区域，其中，表示全局寻优粒子ai在第t次全局寻优迭代时的局部邻域的半径，的值为：
其中，ra(0)表示给定的全局寻优粒子的初始局部邻域半径，fi(t-1)表示全局寻优粒子ai在第(t-1)次全局寻优迭代时的适应度函数值，fmax(t-1)表示全局寻优粒子在第(t-1)次全局寻优迭代时的最大适应度函数值。
10.根据权利要求9所述的二手车远程精准定价系统，其特征是，在全局寻优粒子ai的局部邻域中随机初始化种群规模为的局部寻优粒子子群Bi，设其中，bi，j表示局部寻优粒子子群Bi中的第j个局部寻优粒子；所述局部寻优粒子子群Bi采用迭代的方式在局部邻域中进行局部寻优，设τ表示局部寻优粒子子群Bi当前的局部寻优迭代次数，τmax为给定的最大局部寻优迭代次数，在第τ次局部寻优迭代时，在局部寻优粒子子群Bi中选取个局部寻优粒子作为寻优检测粒子，的值为：
式中，表示...
【专利技术属性】
技术研发人员：程康皓，包毅磊，张建海，陈明杰，陈夏俊，
申请(专利权)人：上海贤合汽车信息咨询服务有限公司，
类型：发明
国别省市：上海;31
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。