车辆估值方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种车辆估值方法、装置、设备及存储介质，所述车辆估值方法包括：获取待估值车辆数据；基于所述待估值车辆数据，确定因子组，其中，所述因子组是对车辆估值的影响大小的差值在预设阈值范围内的特征的集合；将所述因子组输入至预设群组模型，基于所述预设群组模型，对所述因子组进行车辆估值处理，得到车辆估值。本申请属于车辆检测技术领域，通过对车辆估值具有相同影响大小的特征进行分类成多个因子组，精细化的考虑不同特征对估值的影响，再由预训练的群组模型，得到准确的车辆估值数据，无需依赖个人经验，评估的准确性高。高。高。

【技术实现步骤摘要】
车辆估值方法、装置、设备及存储介质


[0001]本申请涉及车辆检测
，尤其涉及一种车辆估值方法、装置、设 备及存储介质。

技术介绍

[0002]随着汽车市场的发展，市场上出现大量的二手车待销售。如何能快速并 精准提供车辆的估值，是急需解决的一个问题。
[0003]目前主要是依赖评估师根据个人经验进行估值，缺乏统一标准。并且评 估师和现有的一些平台给出车辆的精确估值，交易时会受到多方面的影响， 成交价可能会低于评估值，评估的准确性低。

技术实现思路

[0004]本申请的主要目的在于提供一种车辆估值方法、装置、设备及存储介质， 旨在解决现有技术中车辆估值依赖个人经验，评估的准确性低技术问题。
[0005]为实现以上目的，本申请提供一种车辆估值方法，所述车辆估值方法包 括：
[0006]获取待估值车辆数据；
[0007]基于所述待估值车辆数据，确定因子组，其中，所述因子组是对车辆估 值的影响大小的差值在预设阈值范围内的特征的集合；
[0008]将所述因子组输入至预设群组模型，基于所述预设群组模型，对所述因 子组进行车辆估值处理，得到车辆估值。
[0009]可选地，所述基于所述待估值车辆数据，确定因子组的步骤，包括：
[0010]对所述待估值车辆数据进行预处理，得到车辆特征；
[0011]计算特征间的相关性，确定每个特征相关性大小；
[0012]基于所述特征相关性大小，确定因子，并将所述因子进行分组，得到所 述因子组。
[0013]可选地，所述将所述因子组输入至预设群组模型，基于所述预设群组模 型，对所述因子组进行车辆估值处理，得到车辆估值的步骤，包括：
[0014]将每个所述因子组中的特征输入至对应的预设群组模型中，基于所述预 设群组模型，确定所述因子组中每个特征的目标值；
[0015]基于所述因子组中每个特征的目标值，确定每个所述因子组的上确界和 下确界；
[0016]融合每个所述因子组的上确界和下确界，得到所述车辆估值数据。
[0017]可选地，所述基于所述因子组中每个特征的目标值，确定每个所述因子 组的上确界和下确界的步骤，包括：
[0018]基于所述因子组中每个特征的目标值，确定目标值四分位数中的第一四 分位数和第三四分位数；
[0019]将所述第一四分位数确定为所述因子组的上确界，将所述第三四分位数 确定为所述因子组的下确界。
[0020]可选地，所述融合每个所述因子组的上确界和下确界，得到所述车辆估 值数据的步骤，包括：
[0021]分别融合所述每个所述因子组的上确界和下确界，确定车辆估值的上确 界和下确界；
[0022]基于所述车辆估值的上确界和下确界，得到所述车辆估值数据。
[0023]可选地，所述获取待估值车辆数据的步骤之前，所述方法包括：
[0024]获取因子组样本；
[0025]基于所述因子组样本，确定所述因子组样本中每个特征的目标值；
[0026]基于所述因子组样本和所述目标值，对预设待训练模型进行迭代训练， 得到每个因子组对应的具有满足精度条件的所述群组模型。
[0027]可选地，所述基于所述因子组样本和所述目标值，对预设待训练模型进 行迭代训练，得到每个因子组对应的具有满足精度条件的所述群组模型的步 骤，包括：
[0028]将所述因子组样本输入至所述预设待训练模型，得到预测目标值；
[0029]将所述预测目标值与所述目标值进行差异计算，得到误差结果；
[0030]基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示 的误差标准；
[0031]若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将 所述因子组样本输入至所述预设待训练模型，得到预测目标值的步骤，直到 所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练， 得到所述群组模型。
[0032]本申请还提供一种车辆估值装置，所述车辆估值装置包括：
[0033]获取模块，用于获取待估值车辆数据；
[0034]确定模块，用于基于所述待估值车辆数据，确定因子组，其中，所述因 子组是对车辆估值的影响大小的差值在预设阈值范围内的特征的集合；
[0035]估值模块，用于将所述因子组输入至预设群组模型，基于所述预设群组 模型，对所述因子组进行车辆估值处理，得到车辆估值。
[0036]本申请还提供一种车辆估值设备，所述车辆估值设备包括：存储器、处 理器以及存储在存储器上的用于实现所述车辆估值方法的程序，
[0037]所述存储器用于存储实现车辆估值方法的程序；
[0038]所述处理器用于执行实现所述车辆估值方法的程序，以实现所述车辆估 值方法的步骤。
[0039]本申请还提供一种存储介质，所述存储介质上存储有实现车辆估值方法 的程序，所述实现车辆估值方法的程序被处理器执行以实现所述车辆估值方 法的步骤。
[0040]本申请提供的一种车辆估值方法、装置、设备及存储介质，与现有技术 中车辆估值依赖个人经验，评估的准确性低相比，在本申请中，获取待估值 车辆数据；基于所述待估值车辆数据，确定因子组，其中，所述因子组是对 车辆估值的影响大小的差值在预设阈值范围内的特征的集合；将所述因子组 输入至预设群组模型，基于所述预设群组模型，对所述因子组进行车辆估值 处理，得到车辆估值。即本申请通过对车辆估值具有相同影响大小的特征进 行分类成多个因子组，精细化的考虑不同特征对估值的影响，再由预训练的 群组模型，得到准确的车辆估值数据，无需依赖个人经验，评估的准确性高。
附图说明
[0041]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申 请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本 申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所 需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言， 在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；
[0043]图2为本申请车辆估值方法第一实施例的流程示意图；
[0044]图3为本申请车辆估值方法第一实施例的特征数据示意图；
[0045]图4为本申请车辆估值方法第一实施例的相似系数矩阵示意图；
[0046]图5为本申请车辆估值方法第一实施例的热力图；
[0047]图6为本申请车辆估值方法第一实施例的特征分组示意图；
[0048]图7为本申请车辆估值方法第一实施例的选择特征的示意图；
[0049]图8为本申请车辆估值方法第一实施例的特征第一分配示意图；
[0050]图9为本申请车辆估值方法第一实施例的特征第二分配示意图；
[0051]图10为本申请车辆估值方法第一实施例的因子组分配示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆估值方法，其特征在于，所述车辆估值方法包括：获取待估值车辆数据；基于所述待估值车辆数据，确定因子组，其中，所述因子组是对车辆估值的影响大小的差值在预设阈值范围内的特征的集合；将所述因子组输入至预设群组模型，基于所述预设群组模型，对所述因子组进行车辆估值处理，得到车辆估值。2.如权利要求1所述的车辆估值方法，其特征在于，所述基于所述待估值车辆数据，确定因子组的步骤，包括：对所述待估值车辆数据进行预处理，得到车辆特征；计算特征间的相关性，确定每个特征相关性大小；基于所述特征相关性大小，确定因子，并将所述因子进行分组，得到所述因子组。3.如权利要求1所述的车辆估值方法，其特征在于，所述将所述因子组输入至预设群组模型，基于所述预设群组模型，对所述因子组进行车辆估值处理，得到车辆估值的步骤，包括：将每个所述因子组中的特征输入至对应的预设群组模型中，基于所述预设群组模型，确定所述因子组中每个特征的目标值；基于所述因子组中每个特征的目标值，确定每个所述因子组的上确界和下确界；融合每个所述因子组的上确界和下确界，得到所述车辆估值数据。4.如权利要求3所述的车辆估值方法，其特征在于，所述基于所述因子组中每个特征的目标值，确定每个所述因子组的上确界和下确界的步骤，包括：基于所述因子组中每个特征的目标值，确定目标值四分位数中的第一四分位数和第三四分位数；将所述第一四分位数确定为所述因子组的上确界，将所述第三四分位数确定为所述因子组的下确界。5.如权利要求3所述的车辆估值方法，其特征在于，所述融合每个所述因子组的上确界和下确界，得到所述车辆估值数据的步骤，包括：分别融合所述每个所述因子组的上确界和下确界，确定车辆估值的上确界和下确界；基于所述车辆估值的上确界和下确界，得到所述车辆估值数据。6.如权利要求1所述的车辆估值方法，其特征在于，所述获取待估值车辆数据的...

【专利技术属性】
技术研发人员：郭少林，戴嘉境，董超，蒋枫立，刘文峰，李蕾华，刘浩，李威，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：