CN110634021A - 基于大数据的车辆估值方法、系统、设备及可读存储介质 - Google Patents
基于大数据的车辆估值方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110634021A CN110634021A CN201910844523.7A CN201910844523A CN110634021A CN 110634021 A CN110634021 A CN 110634021A CN 201910844523 A CN201910844523 A CN 201910844523A CN 110634021 A CN110634021 A CN 110634021A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- valuation
- information
- price
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013475 authorization Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000007477 logistic regression Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013209 evaluation strategy Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于大数据的车辆估值方法,接收目标用户的用户基本信息、估值策略选择信息、关联车辆的车辆基本信息及车辆历史信息;获取所述车辆基本信息及车辆历史信息对应的多个权重参数,将上述权重参数输入第一车辆估值模型;根据第一车辆估值模型获取关联车辆的第一估值价格;基于第一估值价格对应的最终残值率确定关联车辆的损耗等级及交易车辆数据集;根据交易车辆数据集中的多个交易数据与关联车辆的第一估值价格评估关联车辆的第二估值价格;基于估值策略选择信息、第二估值价格确定关联车辆的最终估值价格。本发明实施例还提供一种基于大数据的车辆估值系统、设备及可读存储介质。本发明实施例可以更准确地对车辆进行估值。
Description
技术领域
本发明实施例涉及大数据领域,尤其涉及一种基于大数据的车辆估值方法、系统、计算机设备及计算机可读存储介质。
背景技术
随着汽车业的飞速发展,我国汽车的保有量越来越多,关于二手车的交易量及车辆贷款量也越来越多了。其中,二手车交易及贷款的关键在于二手车的估值。目前,市面上二手车估值方法多采用机器估值的方法。这种机器估值方法主要是根据获取的二手车的具体车型信息,再基于该二手车的上市年份、上市时价格进行折旧计算,最后得到该二手车的目前估值。基于二手车的具体车型信息的机器估值方法没有考虑到该车辆的使用历史数据及该车辆估值的具体用途,容易导致车辆估值结果不够准确、不够合理。
因此,如何更加准确、合理地对车辆进行估值是目前行业内急需解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种基于大数据的车辆估值方法、系统、计算机设备及计算机可读存储介质,用于解决采用现有的机器估值方法对车辆进行估值时没有考虑到该车辆的使用历史数据及该车辆估值的具体用途,导致估值价格不够准确的问题。
本发明实施例是通过下述技术方案来解决上述技术问题:
一种基于大数据的车辆估值方法,包括:
接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息;
基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中;
根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格;
基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据;
获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格;
基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
进一步地,接收目标用户通过客户终端提供的用户基本信息的步骤之前,还包括:
向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
接收所述客户终端基于所述授权请求信息返回的授权信息;
根据所述授权信息,生成授权指令或者不做响应。
进一步地,所述第一车辆估值模型为经过训练后的逻辑回归模型,所述车辆估值方法还包括第一车辆估值模型的训练步骤:
获取多个客户的多个样本数据集,每个样本数据集中包括对应客户的多个样本原始数据;
将每个样本数据集中的多个样本原始数据填充到对应的多个字段中;
将所述多个样本数据集中的多个样本原始数据输入到GBDT模型中,以通过GBDT模型输出特征组合;
通过所述特征组合对逻辑回归模型进行训练,以构建第一车辆估值模型。
进一步地,将每个样本数据集中的多个样本原始数据填充到对应的多个字段中的步骤,还包括:
将所述样本数据集分为完整样本数据集与缺失样本数据集,并将所述完整样本数据集中的样本原始数据随机分为训练样本集和测试样本集,随机删除测试样本集中若干数据作为缺失测试样本集;
通过所述训练样本集对神经网络模型进行初次训练;
通过初次训练后的神经网络模型对缺失测试样本集进行样本空白数据的插补以得到多个第一插补值,将多个第一插补值与所述测试样本集相应的样本原始数据进行比对,并根据比对结果的精确度对初次训练后的神经网络模型进行再训练;
将完整样本数据集输入上述再训练后的神经网络模型,以得到最终训练后的神经网络模型;
将缺失样本数据集输入上述最终训练后的神经网络模型,以得到与缺失样本数据集的样本空白数据相应的最终插补值,并将所述最终插补值填充到对应的多个字段位置处。
进一步地,基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格的步骤,还包括:
如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格;
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
为了实现上述目的,本发明实施例还提供一种基于大数据的车辆估值系统,包括:
第一采集模块,用于接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息;
查询模块,用于基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
第二采集模块,用于接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
输入模块,用于从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中;
输出模块,用于根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格;
第三采集模块,用于基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据;
评估模块,用于获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格;
确定模块,用于基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
进一步地,所述车辆估值系统还包括授权模块,用于:
向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
接收所述客户终端基于所述授权请求信息返回的授权信息;
根据所述授权信息,生成授权指令或者不做响应。
进一步地,所述确定模块,还用于:
如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格;
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
为了实现上述目的,本发明实施例还提供一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述基于大数据的车辆估值方法的步骤。
为了实现上述目的,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上所述的基于大数据的车辆估值方法的步骤。
本发明实施例提供的车辆估值方法、系统、计算机设备及计算机可读存储介质,相较于目前市场上通过车辆的具体车型信息、上市年份、上市价格进行机器估值的方法,本发明实施例通过将所述目标用户的关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中,以获取所述关联车辆的第一估值价格;再基于所述关联车辆的损耗等级获取相应的交易车辆的交易数据;并根据相应的交易车辆的交易数据评估所述关联车辆的第二估值价格;再基于所述估值策略选择信息及第二估值价格确定所述关联车辆的最终估值价格。本发明实施例有效结合车辆历史信息及目标用户的估值策略选择信息,能够更加准确、合理地对每个车辆进行估值。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为本发明实施例一之基于大数据的车辆估值方法的步骤流程图;
图2为本发明基于大数据的车辆估值系统之实施例二的程序模块示意图;
图3为本发明计算机设备之实施例三的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
实施例一
请参阅图1,示出了本发明实施例之基于大数据的车辆估值方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述,具体如下:
步骤S101,接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息。
具体的,所述目标用户的标识信息包括:姓名、年龄、性别、身份证号、手机号、收入范围等信息。
在示例性的实施例中,步骤S101之前还可以进一步包括:步骤S100,获取所述目标用户的授权信息。
步骤S100还可以进一步包括以下步骤:
1.1、向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
1.2、接收所述客户终端基于所述授权请求信息返回的授权信息;
1.3、根据所述授权信息,生成授权指令或者不做响应。
具体的,当授权信息为“同意”时,生成授权启动指令;当接授权信息为“不同意”时,则不做响应。
步骤S102,基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息。
具体的,所述至少一个数据库包括客户信息数据库、车型数据库、车辆维修数据库等。
所述车辆基本信息包括:车架号、车型信息、车辆品牌信息、车辆颜色信息、车牌号码、上市日期、出厂日期、车辆上牌日期、车辆上市价格、车辆报价信息、车辆交易价格、车辆行驶里程数等。
所述车辆历史信息包括维修保养信息(维修记录基本信息、维修部件、维修次数、维修价格、各部件保养次数、整车保养次数等)、车险信息(投保金额、投保估值信息、出险次数、保险定损金额、理赔总金额、出险部件等)、交易信息(交易类型、过户次数、法律状态等)。
进一步的,基于客户信息数据库及车型数据库,可以根据车架号获取所述目标用户的多个车型信息,再基于车辆维修数据库,获取多个维修记录基本信息,以根据多个维修记录基本信息确定所述目标用户的关联车辆对应的一个车型信息,并根据确定的车型信息从车型数据库中获取其他的车辆基本信息,如车辆品牌信息、上市日期、出厂日期、车辆上市价格等其他信息。
步骤S103,接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息。
步骤S104,从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中。
具体的,所述映射表中的关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数可由人工根据经验自行设置。
示例性的,可以从预设的映射表中得到:车辆行驶里程数5万公里对应的权重参数为0.90,车辆报价信息为20万对应的权重参数为0.82,车辆上牌时间与当前时间的差值为3年对应的权重参数为0.86,车辆品牌信息为某品牌对应的权重参数为0.88等。
步骤S105,根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格。
在本实施例中,残值率为车辆的残余价格与该车辆最新的新车市场价的比率。
具体的,所述第一车辆估值模型为基于大数据训练后的逻辑回归(LogisticRegression,LR)模型。
示例性的,可以根据公式Pm=(1-Z(x))*Y计算所述目标用户的关联车辆的第一估值价格,其中,Pm为第一估值价格,Z(x)为最终残值率,Y为所述目标用户的关联车辆的原始车价。
步骤S106,基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据。
进一步的,所述交易车辆数据集中的交易车辆的交易数据为近半年的交易数据。
步骤S107,获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格。
步骤S108,基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
示例性的,如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格。
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
在示例性的实施例中,所述基于大数据的车辆估值方法还包括第一车辆估值模型的训练步骤:
2.1、获取多个客户的多个样本数据集,每个样本数据集中包括对应客户的多个样本原始数据。
2.2、将每个样本数据集中的多个样本原始数据填充到对应的多个字段中;
示例性的,将所述样本数据集分为完整样本数据集与缺失样本数据集,并将所述完整样本数据集中的样本原始数据随机分为训练样本集和测试样本集,随机删除测试样本集中若干数据作为缺失测试样本集。
通过所述训练样本集对神经网络模型进行初次训练。
通过初次训练后的神经网络模型对缺失测试样本集进行样本空白数据的插补以得到多个第一插补值,将多个第一插补值与所述测试样本集相应的样本原始数据进行比对,并根据比对结果的精确度对初次训练后的神经网络模型进行再训练。
将完整样本数据集输入上述再训练后的神经网络模型,以得到最终训练后的神经网络模型。
将缺失样本数据集输入上述最终训练后的神经网络模型,以得到与缺失样本数据集的样本空白数据相应的最终插补值,并将所述最终插补值填充到对应的多个字段位置处。
示例性的,对于样本数据集中的缺失值还可以采用对缺失值补零的方式对缺失值进行插补。
示例性的,可以删除掉一些异常的样本原始数据,以筛选得到正常的样本原始数据。由于异常的样本原始数据于样本数据集中的占比较小,可以利用kmeans(K均值)聚类算法对异常的样本原始数据进行查找并直接删除。
2.3、将所述多个样本数据集中的多个样本原始数据输入到GBDT模型中,以通过GBDT模型输出特征组合。
2.4、通过所述特征组合对逻辑回归模型进行训练,以构建第一车辆估值模型。
实施例二
请继续参阅图2,示出了本发明基于大数据的车辆估值系统的程序模块示意图。在本实施例中,基于大数据的车辆估值系统20可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述基于大数据的车辆估值方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述基于大数据的车辆估值系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
第一采集模块201,用于接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息;
查询模块202,用于基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
第二采集模块203,用于接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
输入模块204,用于从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中;
输出模块205,用于根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格;
第三采集模块206,用于基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据;
评估模块207,用于获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格;
确定模块208,用于基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
进一步地,所述确定模块208还用于:
如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格;
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
在示例性的实施例中,所述基于大数据的车辆估值系统20还包括:
授权模块200,用于:
向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
接收所述客户终端基于所述授权请求信息返回的授权信息;
根据所述授权信息,生成授权指令或者不做响应。
实施例三
参阅图3,是本发明实施例三之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图3所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及基于大数据的车辆估值系统20。其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备2的外部存储设备,例如该计算机设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件,例如实施例二的基于大数据的车辆估值系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行基于大数据的车辆估值系统20,以实现实施例一的基于大数据的车辆估值方法。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端相连,在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图3仅示出了具有部件20-23的计算机设备2,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器21中的所述基于大数据的车辆估值系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
例如,图2示出了所述实现基于大数据的车辆估值系统20实施例二的程序模块示意图,该实施例中,所述基于大数据的车辆估值系统20可以被划分为第一采集模块201、查询模块202、第二采集模块203、输入模块204、输出模块205、第三采集模块206、评估模块207及确定模块208。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述基于大数据的车辆估值系统20在所述计算机设备2中的执行过程。所述程序模块201-208的具体功能在实施例二中已有详细描述,在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储基于大数据的车辆估值系统20,被处理器执行时实现实施例一的基于大数据的车辆估值方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的车辆估值方法,其特征在于,包括:
接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息;
基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中;
根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格;
基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据;
获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格;
基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
2.根据权利要求1所述的基于大数据的车辆估值方法,其特征在于,接收目标用户通过客户终端提供的用户基本信息的步骤之前,还包括:
向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
接收所述客户终端基于所述授权请求信息返回的授权信息;
根据所述授权信息,生成授权指令或者不做响应。
3.根据权利要求1所述的基于大数据的车辆估值方法,其特征在于,所述第一车辆估值模型为经过训练后的逻辑回归模型,所述车辆估值方法还包括第一车辆估值模型的训练步骤:
获取多个客户的多个样本数据集,每个样本数据集中包括对应客户的多个样本原始数据;
将每个样本数据集中的多个样本原始数据填充到对应的多个字段中;
将所述多个样本数据集中的多个样本原始数据输入到GBDT模型中,以通过GBDT模型输出特征组合;
通过所述特征组合对逻辑回归模型进行训练,以构建第一车辆估值模型。
4.根据权利要求3所述的基于大数据的车辆估值方法,其特征在于,将每个样本数据集中的多个样本原始数据填充到对应的多个字段中的步骤,还包括:
将所述样本数据集分为完整样本数据集与缺失样本数据集,并将所述完整样本数据集中的样本原始数据随机分为训练样本集和测试样本集,随机删除测试样本集中若干数据作为缺失测试样本集;
通过所述训练样本集对初步构建的神经网络模型进行初次训练;
通过初次训练后的神经网络模型对缺失测试样本集进行样本空白数据的插补以得到多个第一插补值,将多个第一插补值与所述测试样本集相应的样本原始数据进行比对,并根据比对结果的精确度对初次训练后的神经网络模型进行再训练;
将完整样本数据集输入上述再训练后的神经网络模型,以得到最终训练后的神经网络模型;
将缺失样本数据集输入上述最终训练后的神经网络模型,以得到与缺失样本数据集的样本空白数据相应的最终插补值,并将所述最终插补值填充到对应的多个字段位置处。
5.根据权利要求1所述的基于大数据的车辆估值方法,其特征在于,基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格的步骤,还包括:
如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格;
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
6.一种基于大数据的车辆估值系统,其特征在于,包括:
第一采集模块,用于接收目标用户通过客户终端提供的用户基本信息和估值策略选择信息,所述用户基本信息包括所述目标用户的标识信息;
查询模块,用于基于所述用户基本信息向至少一个数据库发送查询请求,所述查询请求用于请求所述至少一个数据库查询所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
第二采集模块,用于接收所述至少一个数据库返回的所述目标用户的关联车辆的车辆基本信息及车辆历史信息;
输入模块,用于从预设的映射表中获取所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数,并将所述关联车辆的车辆基本信息及车辆历史信息对应的多个权重参数输入到第一车辆估值模型中;
输出模块,用于根据所述第一车辆估值模型输出多个残值率对应的第一置信度,将第一置信度最高的残值率确定为所述关联车辆对应的最终残值率,并根据所述最终残值率评估所述关联车辆的第一估值价格;
第三采集模块,用于基于预设的车型数据库,根据所述最终残值率确定所述关联车辆的损耗等级,并基于所述损耗等级从所述车型数据库中获取相应的交易车辆数据集,所述交易车辆数据集中包含多个相同损耗的相同车型的交易车辆的交易数据;
评估模块,用于获取交易车辆数据集中每个交易车辆的交易数据,并根据所述每个交易车辆的交易数据与所述关联车辆的第一估值价格评估所述关联车辆的第二估值价格;
确定模块,用于基于所述估值策略选择信息、第二估值价格确定所述关联车辆的最终估值价格;根据所述最终估值价格生成价格估值表单,并将该价格估值表单发送到所述客户终端中,以通过所述客户终端将所述价格估值表单显示在指定的显示界面上。
7.根据权利要求6所述的基于大数据的车辆估值系统,其特征在于,所述车辆估值系统还包括授权模块,用于:
向所述客户终端发送授权请求信息,所述授权请求信息为是否允许计算机设备获取目标用户的用户基本信息;
接收所述客户终端基于所述授权请求信息返回的授权信息;
根据所述授权信息,生成授权指令或者不做响应。
8.根据权利要求6所述的基于大数据的车辆估值系统,其特征在于,所述确定模块,还用于:
如果所述估值策略选择信息为所述关联车辆用于二手车交易的估值策略信息,则确定所述关联车辆的第二估值价格为最终估值价格;
如果所述估值策略选择信息为所述关联车辆用于车辆贷款的估值策略信息,则将所述目标用户的用户基本信息及第二估值价格输入到第二车辆估值模型中,通过softmax分类器输出多个第三估值价格对应的第二置信度,并将第二置信度最高的第三估值价格确定为最终估值价格。
9.一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于大数据的车辆估值方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至5中任一项所述的基于大数据的车辆估值方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844523.7A CN110634021A (zh) | 2019-09-06 | 2019-09-06 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
PCT/CN2020/103602 WO2021042896A1 (zh) | 2019-09-06 | 2020-07-22 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844523.7A CN110634021A (zh) | 2019-09-06 | 2019-09-06 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110634021A true CN110634021A (zh) | 2019-12-31 |
Family
ID=68972265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910844523.7A Pending CN110634021A (zh) | 2019-09-06 | 2019-09-06 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110634021A (zh) |
WO (1) | WO2021042896A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882345A (zh) * | 2020-01-17 | 2020-11-03 | 成都检车家汽车服务有限公司 | 车况信息获取方法、终端设备及计算机可读存储介质 |
CN112150270A (zh) * | 2020-09-18 | 2020-12-29 | 中国建设银行股份有限公司 | 监控车辆信息的方法、装置、设备和计算机可读介质 |
WO2021042896A1 (zh) * | 2019-09-06 | 2021-03-11 | 深圳壹账通智能科技有限公司 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
CN112633925A (zh) * | 2020-12-21 | 2021-04-09 | 深圳壹账通智能科技有限公司 | 物品价值评估方法、装置、计算机设备和存储介质 |
CN112950030A (zh) * | 2021-03-02 | 2021-06-11 | 爱驰汽车有限公司 | 电动汽车的残差评估方法、装置、电子设备及存储介质 |
CN113671907A (zh) * | 2020-05-14 | 2021-11-19 | 华晨宝马汽车有限公司 | 用于监控车辆生产的生产监控方法和装置及存储介质 |
CN114579859A (zh) * | 2022-03-04 | 2022-06-03 | 北京永泰万德信息工程技术有限公司 | 一种车辆个性化配置方法及系统 |
CN117114775A (zh) * | 2023-04-10 | 2023-11-24 | 上海信宝博通电子商务有限公司 | 一种基于LightGBM模型的二手车快速定价方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032400A1 (en) * | 2015-07-27 | 2017-02-02 | Truecar, Inc. | Vehicle data system for distribution of vehicle data in an online networked environment |
CN107180367A (zh) * | 2017-06-06 | 2017-09-19 | 杭州大搜车汽车服务有限公司 | 一种基于机器学习的车辆估价的方法、存储介质及装置 |
CN108280674A (zh) * | 2017-12-29 | 2018-07-13 | 广东数鼎科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
CN108985833A (zh) * | 2018-07-06 | 2018-12-11 | 成都小时代科技有限公司 | 一种车辆估值的方法及系统 |
CN109191163A (zh) * | 2018-07-12 | 2019-01-11 | 深圳市轱辘汽车维修技术有限公司 | 一种二手车估值方法及相关设备 |
CN109583926A (zh) * | 2017-09-29 | 2019-04-05 | 优估(上海)信息科技有限公司 | 一种二手车定价方法装置及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2736477A1 (en) * | 2008-09-09 | 2010-03-18 | Tom Taira | System and method for calculating and displaying price distributions based on analysis of transactions |
CN110634021A (zh) * | 2019-09-06 | 2019-12-31 | 深圳壹账通智能科技有限公司 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
-
2019
- 2019-09-06 CN CN201910844523.7A patent/CN110634021A/zh active Pending
-
2020
- 2020-07-22 WO PCT/CN2020/103602 patent/WO2021042896A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032400A1 (en) * | 2015-07-27 | 2017-02-02 | Truecar, Inc. | Vehicle data system for distribution of vehicle data in an online networked environment |
CN107180367A (zh) * | 2017-06-06 | 2017-09-19 | 杭州大搜车汽车服务有限公司 | 一种基于机器学习的车辆估价的方法、存储介质及装置 |
CN109583926A (zh) * | 2017-09-29 | 2019-04-05 | 优估(上海)信息科技有限公司 | 一种二手车定价方法装置及系统 |
CN108280674A (zh) * | 2017-12-29 | 2018-07-13 | 广东数鼎科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
CN108985833A (zh) * | 2018-07-06 | 2018-12-11 | 成都小时代科技有限公司 | 一种车辆估值的方法及系统 |
CN109191163A (zh) * | 2018-07-12 | 2019-01-11 | 深圳市轱辘汽车维修技术有限公司 | 一种二手车估值方法及相关设备 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021042896A1 (zh) * | 2019-09-06 | 2021-03-11 | 深圳壹账通智能科技有限公司 | 基于大数据的车辆估值方法、系统、设备及可读存储介质 |
CN111882345A (zh) * | 2020-01-17 | 2020-11-03 | 成都检车家汽车服务有限公司 | 车况信息获取方法、终端设备及计算机可读存储介质 |
CN113671907A (zh) * | 2020-05-14 | 2021-11-19 | 华晨宝马汽车有限公司 | 用于监控车辆生产的生产监控方法和装置及存储介质 |
CN113671907B (zh) * | 2020-05-14 | 2023-01-24 | 华晨宝马汽车有限公司 | 用于监控车辆生产的生产监控方法和装置及存储介质 |
CN112150270A (zh) * | 2020-09-18 | 2020-12-29 | 中国建设银行股份有限公司 | 监控车辆信息的方法、装置、设备和计算机可读介质 |
CN112633925A (zh) * | 2020-12-21 | 2021-04-09 | 深圳壹账通智能科技有限公司 | 物品价值评估方法、装置、计算机设备和存储介质 |
CN112950030A (zh) * | 2021-03-02 | 2021-06-11 | 爱驰汽车有限公司 | 电动汽车的残差评估方法、装置、电子设备及存储介质 |
CN112950030B (zh) * | 2021-03-02 | 2024-02-06 | 爱驰汽车有限公司 | 电动汽车的残差评估方法、装置、电子设备及存储介质 |
CN114579859A (zh) * | 2022-03-04 | 2022-06-03 | 北京永泰万德信息工程技术有限公司 | 一种车辆个性化配置方法及系统 |
CN114579859B (zh) * | 2022-03-04 | 2022-10-14 | 北京永泰万德信息工程技术有限公司 | 一种车辆个性化配置方法及系统 |
CN117114775A (zh) * | 2023-04-10 | 2023-11-24 | 上海信宝博通电子商务有限公司 | 一种基于LightGBM模型的二手车快速定价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021042896A1 (zh) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634021A (zh) | 基于大数据的车辆估值方法、系统、设备及可读存储介质 | |
US11669874B2 (en) | System and method for analysis and presentation of used vehicle pricing data | |
US20200234515A1 (en) | Methods, apparatuses, and systems for monitoring and maintaining vehicle condition | |
CN110060144B (zh) | 额度模型训练方法、额度评估方法、装置、设备及介质 | |
CN111177129B (zh) | 标签体系的构建方法、装置、设备及存储介质 | |
CN111881158B (zh) | 一种管理报表数据处理方法、装置、计算机系统及可读存储介质 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
CN108416619B (zh) | 一种消费间隔时间预测方法、装置及可读存储介质 | |
CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN108200551A (zh) | 一种加油数据的记录方法、装置、终端设备和服务器 | |
CN115221218A (zh) | 车辆数据的质量评估方法、装置、计算机设备和存储介质 | |
CN112560939B (zh) | 模型验证方法、装置及计算机设备 | |
CN113129064A (zh) | 汽车配件价格预测方法、系统、设备与可读存储介质 | |
CN117151726A (zh) | 故障的修复方法、修复装置、电子设备以及存储介质 | |
CN116503092A (zh) | 用户留资意向识别方法、装置、电子设备及存储介质 | |
CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
CN111507705A (zh) | 加油数据的处理方法 | |
CN110688373A (zh) | 一种基于逻辑回归的offset方法 | |
CN116993396B (zh) | 基于车辆用户标签的风险预警方法、计算机设备 | |
CN110533449A (zh) | 数据推荐方法、装置、设备及存储介质 | |
CN116109385A (zh) | 金融产品推送方法、装置、设备及存储介质 | |
CN117950698A (zh) | 基于信用积分的软件升级方法、装置及存储介质 | |
CN114782097A (zh) | 一种二手车交易系统 | |
CN114298742A (zh) | 二手车购置评估方法、装置、服务器、系统及存储介质 | |
CN113888283A (zh) | 软件购买模式推荐方法、装置、终端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191231 |
|
WD01 | Invention patent application deemed withdrawn after publication |