[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

本發明公開了一種利用大數據進行二手車估值的方法的系統，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，車型信息包括型號、上牌時間、里程、車況、交易地點和/或顏色；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。本發明估值準確度高，而且穩定性高，可以較為準確地估算獲得二手車的價格，可廣泛應用于二手車估值行業中。

技術領域

本發明涉及數據處理領域，特別是涉及一種利用大數據進行二手車估值的方法及系統。

背景技術

隨著二手車交易的蓬勃發展，原來依靠估值師經驗的定價方式已經不能滿足市場需求。隨著大量二手車交易數據的積累，應用機器學習建立數學模型根據車輛的各種特征對車輛進行估值已經成為可能和未來的方向。

二手車交易過程中，如何進行二手車估值是一個重要的前提，傳統的二手車估值方法主要有如下幾種：一、憑經驗人工估值，這種方式依靠估值師經驗，難以保證估值的規模化而且成本非常高，不能滿足市場需求。二、通過尋找最相近的已成交車源的成交價并在其基礎上做一定修正后作為估值。這種方案依賴幾個最相近的已成交車源的價格，而成交價和買賣雙方的議價能力有很大關系，導致其隨機性比較強。因此過于依賴于幾個車源的方法會容易被隨機性干擾，導致不穩定的結果。三、依靠車源的幾個特征，例如車齡、里程、車況這些因素和成交價之間的線性關系計算估值，這種方法過于簡化了車源特征和成交價之間的關系，諸如市場動態，地域差別，配置，品牌等重要因素都被忽視，從而導致結果的準確度和解釋性都很差。總的來說，現在的二手車估值方法存在著較多的不穩定性，準確度低。

發明內容

為了解決上述的技術問題，本發明的目的是提供一種利用大數據進行二手車估值的方法，本發明的另一目的是提供一種利用大數據進行二手車估值的系統。

本發明解決其技術問題所采用的第一技術方案是：

一種利用大數據進行二手車估值的方法，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。

進一步，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；