[發明專利]一種利用大數據進行二手車估值的方法及系統

在審

• 申請號: 201711479971.9
• 申請日: 2017-12-29
• 公開（公告）號: CN108280674A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 蓬蕾;程博;楊永健;高飄飄;劉志文
• 申請（專利權）人: 廣東數鼎科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種利用大數據進行二手車估值的方法，其特征在于，包括以下步驟：

S11、獲取用戶輸入的待估值二手車的車型信息；

S12、從估值模型的函數數據庫中獲取對應的估值函數，并從估值模型的參數數據庫中獲得對應的所有函數參數后，將車型信息代入到估值函數中，計算獲得待估值二手車的市場估值價格；

其中，所述車型信息包括型號、上牌時間、里程、車況、交易地點和/或顏色；

所述估值模型是基于大數據訓練獲得的多元非線性計算模型，由函數數據庫和參數數據庫組成。

2.根據權利要求1所述的一種利用大數據進行二手車估值的方法，其特征在于，

所述估值模型是通過以下步驟訓練獲得的：

S01、獲取最近一段時間內二手車的多組歷史交易數據；

S02、結合預設的車型數據庫，將每組歷史交易數據解析為價格以及多個與二手車相關的影響因素；

S03、根據解析結果，針對每種車型，從預設的備選函數庫中選取合適的估值函數以及各影響因素的影響函數，并計算獲得估值函數和各影響函數相應的函數參數；

S04、將歷史交易數據中價格扣除上述影響因素帶來的影響后，利用廣義時間序列方法外推獲得當前和未來幾周的價格趨勢預測結果，進而建立對應的時間影響函數，并獲得對應的函數參數；

S05、將獲得的每種車型的估值函數、各影響函數以及時間影響函數組成函數數據庫，并將所有函數參數組成參數數據庫后，得到由函數數據庫和參數數據庫構成的估值模型；

其中，所述影響因素包括車型標準折舊因素、配置價值折舊因素、城市影響因素、交易類型影響因素和個體因子影響因素，所述估值函數為各影響函數的線性或非線性函數，所述各影響函數為對應影響因素的線性或非線性函數，且估值函數和各影響函數中包含至少一個非線性函數。

3.根據權利要求2所述的一種利用大數據進行二手車估值的方法，其特征在于，所述參數數據庫包括車型標準折舊庫、配置價值折舊庫、城市影響參數庫、交易類型影響參數庫、個體因子影響參數庫和時間影響參數庫。

4.根據權利要求2所述的一種利用大數據進行二手車估值的方法，其特征在于，所述步驟S03中，所述從預設的備選函數庫中選取合適的估值函數以及各影響因素的影響函數的步驟中，采用的選取原則為：

從預設的備選函數庫中選取函數組成不同的估值函數和各影響函數的函數組合后，代入解析得到的價格以及多個影響因素進行計算，最后選擇總體擬合度最好的函數組合。

5.根據權利要求3所述的一種利用大數據進行二手車估值的方法，其特征在于，還包括如下的估值模型更新步驟：

S21、定期獲取最近一段時間內的二手車的歷史交易數據；

S22、結合預設的車型數據庫，解析獲得每個歷史交易數據對應的車型和配置情況；

S23、將解析后的歷史交易數據存儲到歷史數據庫中；

S24、當判斷歷史數據庫的新增記錄累計達到預設閾值時，進行估值模型更新。

6.根據權利要求5所述的一種利用大數據進行二手車估值的方法，其特征在于，所述步驟S24中所述進行估值模型更新的步驟，具體包括：

S241、對每個新增記錄的歷史交易數據進行交叉數據清洗處理，剔除不具備代表性的歷史交易數據；

S242、對剔除后剩下的所有歷史交易數據進行解析后，基于解析結果，根據估值模型的估值函數，更新估值模型的車型標準折舊庫、配置價值折舊庫、城市影響參數庫、交易類型影響參數庫和個體因子影響參數庫；

S243、利用廣義時間序列方法外推獲得當前和未來幾周的價格趨勢預測結果后，更新估值模型的時間影響參數庫。

7.根據權利要求1所述的一種利用大數據進行二手車估值的方法，其特征在于，

所述歷史交易數據包括城市、車型、型號、年款、里程、上牌年月、顏色，還包括交易類型、過戶次數、車況和/或保養情況。