本申请实施例提供了一种新能源车辆残值获取方法、装置、电子设备和存储介质，涉及车辆评估领域。方法包括：获取目标新能源车辆的残值影响静态数据和残值影响时序数据；其中，残值影响静态数据包括不具有时序特征的残值影响数据；残值影响时序数据包括具有时序特征的残值影响数据；将残值影响静态数据和残值影响时序数据输入目标车辆残值预测模型中，获取目标车辆残值预测模型输出的目标车辆残值影响系数；其中，目标车辆残值预测模型根据样本新能源车辆的样本残值影响静态数据、样本残值影响时序数据和对应的样本车辆残值影响系数训练得到；根据目标车辆残值影响系数，获取目标新能源车辆的车辆残值。能够提高新能源车辆残值获取结果的可靠性。值获取结果的可靠性。值获取结果的可靠性。
【技术实现步骤摘要】
新能源车辆残值获取方法、装置、电子设备和存储介质
[0001]本申请涉及车辆评估领域，具体而言，本申请涉及一种新能源车辆残值获取方法、装置、电子设备和存储介质。
技术介绍
[0002]近年来，随着新能源汽车的日益普及，其市场份额持续增长，二手车交易市场迫切需要科学的方法来确定其残值。目前，车辆残值计算方法主要包括专家经验法、重置成本法和机器学习法。
[0003]根据专家经验法计算的车辆残值的准确性依赖于专家的个人经验，不同专家对车辆的评估存在差异，车辆残值计算过程不透明且计算的合理性有待考究。重置成本法基于车辆相关的统计数据和假设估计获取车辆残值，由于假设估计会造成对实际情况的简化，可能忽视与车辆残值相关的因素，导致计算得到的车辆残值难以反映车辆的实际残值。机器学习法需使用大量高质量数据训练模型，且车辆残值相关影响因素多，目前现有技术中用于进行车辆残值预测的模型受限于数据质量和影响因素数据的选择，导致模型无法准确捕捉到影响车辆残值的特征，使获取的车辆残值准确性较低。综上所述，专家经验法、重置成本法和机器学习法均存在获取的车辆残值可靠性低的问题。
[0004]在此情况下，亟需提供一种规范的新能源车辆残值获取方案，提高新能源车辆残值获取结果的可靠性。
技术实现思路
[0005]本申请的目的旨在至少能解决上述的技术缺陷之一，本申请实施例所提供的技术方案如下：
[0006]第一方面，本申请实施例提供了一种新能源车辆残值获取方法，包括：
[0007]获取目标新能源车辆的残值影响静态数据和残值影响时序数据；其中，残值影响静态数据包括不具有时序特征的残值影响数据；残值影响时序数据包括具有时序特征的残值影响数据；
[0008]将残值影响静态数据和残值影响时序数据输入目标车辆残值预测模型中，获取目标车辆残值预测模型输出的目标车辆残值影响系数；其中，目标车辆残值预测模型根据样本新能源车辆的样本残值影响静态数据、样本残值影响时序数据和对应的样本车辆残值影响系数训练得到；
[0009]根据目标车辆残值影响系数，获取目标新能源车辆的车辆残值。
[0010]在本申请的一种可选实施例中，获取目标新能源车辆的残值影响静态数据和残值影响时序数据，具体包括：
[0011]获取目标新能源车辆的残值影响相关信息，对残值影响相关信息进行文本信息抽取和数据清洗预处理，获取预处理后的残值影响相关信息；
[0012]根据预设数据量化规则处理预处理后的残值影响相关信息，获取残值影响数据；
[0013]根据残值影响数据是否具有时序特征，将残值影响数据划分为残值影响静态数据和残值影响时序数据。
[0014]在本申请的一种可选实施例中，根据预设数据量化规则处理预处理后的残值影响相关信息，获取残值影响数据，具体包括：
[0015]根据预设数据量化规则处理预处理后的残值影响相关信息，获取多个残值影响量化值；
[0016]将多个残值影响量化值划分为至少一个影响类别分组；其中，影响类别分组中包括至少一个残值影响量化值；
[0017]根据每一影响类别分组中各残值影响量化值的权值，对影响类别分组对应的残值影响量化值进行加权融合，得到每一影响类别分组对应的残值影响数据。
[0018]在本申请的一种可选实施例中，将残值影响静态数据和残值影响时序数据输入目标车辆残值预测模型中，具体包括：
[0019]根据残值影响时序数据获取至少一个时序特征数据序列，并获取每一时序特征数据序列对应的中间时序特征；其中，中间时序特征包括时序特征数据序列中数据的时间依赖关系；
[0020]将残值影响静态数据和每一中间时序特征输入目标车辆残值预测模型中；
[0021]其中，目标车辆残值预测模型根据样本新能源车辆的样本残值影响静态数据、样本中间时序特征训练和样本车辆残值影响系数得到；样本中间时序特征根据样本残值影响时序数据获取。
[0022]在本申请的一种可选实施例中，将残值影响静态数据和每一中间时序特征输入目标车辆残值预测模型中，具体包括：
[0023]对残值影响静态数据和中间时序特征中的所有待输入特征数据进行筛选，得到多个目标待输入特征数据；
[0024]将每一目标待输入特征数据输入目标车辆残值预测模型中。
[0025]在本申请的一种可选实施例中，对残值影响静态数据和中间时序特征中的所有待输入特征数据进行筛选，得到多个目标待输入特征数据，具体包括：
[0026]对残值影响静态数据和中间时序特征中的所有待输入特征数据进行筛选，得到多个原始目标待输入特征数据；
[0027]对原始目标待输入特征数据进行归一化处理，得到多个目标待输入特征数据。
[0028]在本申请的一种可选实施例中，目标车辆残值预测模型通过以下方式获取：
[0029]根据重置成本法，构建车辆残值影响系数计算公式；其中，车辆残值影响系数用于指示车辆成新率；
[0030]根据样本新能源车辆集中每一样本新能源车辆对应的样本车辆残值和样本新车购置价格，采用车辆残值影响系数计算公式，获取每一样本新能源车辆对应的样本车辆残值影响系数；
[0031]根据样本新能源车辆集中每一样本新能源车辆对应的样本残值影响静态数据、样本残值影响时序数据和样本车辆残值影响系数，获取目标车辆残值预测模型。
[0032]第二方面，本申请实施例提供了一种新能源车辆残值获取装置，包括：
[0033]数据信息获取模块，用于获取目标新能源车辆的残值影响静态数据和残值影响时
序数据；其中，残值影响静态数据包括不具有时序特征的残值影响数据；残值影响时序数据包括具有时序特征的残值影响数据；
[0034]影响系数获取模块，用于将残值影响静态数据和残值影响时序数据输入目标车辆残值预测模型中，获取目标车辆残值预测模型输出的目标车辆残值影响系数；其中，目标车辆残值预测模型根据样本新能源车辆的样本残值影响静态数据、样本残值影响时序数据和对应的样本车辆残值影响系数训练得到；
[0035]车辆残值获取模块，用于根据目标车辆残值影响系数，获取目标新能源车辆的车辆残值。
[0036]在本申请的一种可选实施例中，数据信息获取模块，具体用于：
[0037]获取目标新能源车辆的残值影响相关信息，对残值影响相关信息进行文本信息抽取和数据清洗预处理，获取预处理后的残值影响相关信息；
[0038]根据预设数据量化规则处理预处理后的残值影响相关信息，获取残值影响数据；
[0039]根据残值影响数据是否具有时序特征，将残值影响数据划分为残值影响静态数据和残值影响时序数据。
[0040]在本申请的一种可选实施例中，数据信息获取模块，具体用于：
[0041]根据预设数据量化规则处理预处理后的残值影响相关信息，获取多个残值影响量化值；
[0042]将多个残值影响量化值划分为至少一个影响类别分组；其中，影响类别分组中包括至少一个残值影响量化值本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种新能源车辆残值获取方法，其特征在于，包括：获取目标新能源车辆的残值影响静态数据和残值影响时序数据；其中，所述残值影响静态数据包括不具有时序特征的残值影响数据；所述残值影响时序数据包括具有时序特征的残值影响数据；将所述残值影响静态数据和所述残值影响时序数据输入目标车辆残值预测模型中，获取所述目标车辆残值预测模型输出的目标车辆残值影响系数；其中，目标车辆残值预测模型根据样本新能源车辆的样本残值影响静态数据、样本残值影响时序数据和对应的样本车辆残值影响系数训练得到；根据所述目标车辆残值影响系数，获取所述目标新能源车辆的车辆残值。2.根据权利要求1所述的新能源车辆残值获取方法，其特征在于，所述获取目标新能源车辆的残值影响静态数据和残值影响时序数据，具体包括：获取所述目标新能源车辆的残值影响相关信息，对所述残值影响相关信息进行文本信息抽取和数据清洗预处理，获取预处理后的残值影响相关信息；根据预设数据量化规则处理所述预处理后的残值影响相关信息，获取残值影响数据；根据所述残值影响数据是否具有时序特征，将所述残值影响数据划分为所述残值影响静态数据和所述残值影响时序数据。3.根据权利要求2所述的新能源车辆残值获取方法，其特征在于，所述根据预设数据量化规则处理所述预处理后的残值影响相关信息，获取残值影响数据，具体包括：根据预设数据量化规则处理所述预处理后的残值影响相关信息，获取多个残值影响量化值；将所述多个残值影响量化值划分为至少一个影响类别分组；其中，所述影响类别分组中包括至少一个残值影响量化值；根据每一影响类别分组中各残值影响量化值的权值，对所述影响类别分组对应的残值影响量化值进行加权融合，得到每一影响类别分组对应的残值影响数据。4.根据权利要求1
‑
3任一项所述的新能源车辆残值获取方法，其特征在于，所述将所述残值影响静态数据和所述残值影响时序数据输入目标车辆残值预测模型中，具体包括：根据所述残值影响时序数据获取至少一个时序特征数据序列，并获取每一时序特征数据序列对应的中间时序特征；其中，所述中间时序特征包括所述时序特征数据序列中数据的时间依赖关系；将所述残值影响静态数据和每一中间时序特征输入所述目标车辆残值预测模型中；其中，所述目标车辆残值预测模型根据样本新能源车辆的所述样本残值影响静态数据、样本中间时序特征和所述样本车辆残值影响系数训练得到；所述样本中间时序特征根据所述样本残值影响时序数据获取。5.根据权利要求4所述的新能源车辆残值获取方法，其特征在...
【专利技术属性】
技术研发人员：徐硕，李家豪，安欣，高凌，
申请(专利权)人：北京林业大学北京国汽优服认证服务有限公司，
类型：发明
国别省市：
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。