CN110648154A - 一种二手车保值率的估算方法、系统及业务服务器 - Google Patents
一种二手车保值率的估算方法、系统及业务服务器 Download PDFInfo
- Publication number
- CN110648154A CN110648154A CN201810669654.1A CN201810669654A CN110648154A CN 110648154 A CN110648154 A CN 110648154A CN 201810669654 A CN201810669654 A CN 201810669654A CN 110648154 A CN110648154 A CN 110648154A
- Authority
- CN
- China
- Prior art keywords
- value
- rate
- car
- hand
- vehicle
- 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
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (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
本发明公开了一种二手车保值率的估算方法、系统及业务服务器，本申请实施例示出的业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种二手车保值率的估算方法、系统及业务服务器。
背景技术
由于计算机技术的发展，二手车网上业务平台，即用于处理二手车信息的业务服务器，逐渐进入公众视野。一般情况下，商家提供出售二手车的初始数据，所述初始数据包括车况、车系、颜色和里程等。其中，所述初始二手车数据被存储在二手车数据库中，通过二手车网上业务平台，被发送到终端，最终展示在终端的页面上，供消费者参考使用。
众所周知，每卖出一辆二手车，随之会产生相应的销售数据，所述销售数据包括销售时间和销售价，通常，销售数据也被存储在二手车数据库中。
目前，消费者仅根据二手车数据库中的初始数据挑选二手车，而初始数据能够为消费者提供的信息相对较少，不能使二手车数据库中的数据被有效利用。
发明内容
本发明的目的在于提供一种二手车保值率的估算方法、系统及业务服务器，以解决现有技术示出的二手车数据库中存在大量的数据，不能被有效利用的问题。
本申请实施例第一方面示出一种二手车保值率的估算方法，包括：
业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
根据二手车价格数据，确定保值率计算模型需要的训练数据；
根据训练数据，确定与所述训练数据对应的保值率计算模型；
接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
可选择的，所述根据二手车价格数据，确定保值率计算模型需要的训练数据的步骤包括：
根据销售时间和上牌时间，计算实际车龄；
导出二手车数据库中车系ID；
对实际车龄处理，得到整年车龄；
利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
根据去重后的统计数据，筛选出新车指导价和销售价；
根据新车指导价和销售价，计算基础保值率；
根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
可选择的，所述方法还包括：
判断基础保值率是否在预设删除保值率范围之内；
如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
可选择的，所述接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率的步骤包括：
接收终端发送的二手车保值率计算请求，所述计算请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
可选择的，所述方法还包括：将所述保值率计算模型存储在模型数据库。
可选择的，所述方法还包括：人工校准二手车保值率。
可选择的，所述二手车价格信息为根据车系ID分割的二手车价格信息。
本申请实施例第二方面示出一种业务服务器，包括：
获取单元，用于业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
确定单元，用于根据二手车价格数据，确定保值率计算模型需要的训练数据；
训练单元，用于根据训练数据，确定与所述训练数据对应的保值率计算模型；
计算单元，用于接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
可选择的，所述确定单元包括：
第一计算单元，用于根据销售时间和上牌时间，计算实际车龄；
导出单元，用于导出二手车数据库中车系ID；
处理单元，用于对实际车龄处理，得到整年车龄；
去重单元，用于利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
筛选单元，用于根据去重后的统计数据，筛选出新车指导价和销售价；
第二计算单元，用于根据新车指导价和销售价，计算基础保值率；
第一确定单元，用于根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
可选择的，所述服务器还包括：
判断单元，用于判断基础保值率是否在预设删除保值率范围之内；
第二确定单元，用于如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
可选择的，所述计算单元包括：
接收单元，用于接收终端发送的计算二手车保值率请求，所述请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
第三计算单元，用于如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
第四计算单元，用于如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
可选择的，所述服务器还包括：储存单元，用于将所述保值率计算模型存储在模型数据库。
可选择的，所述服务器还包括：校准单元：用于人工校准二手车保值率。
可选择的，所述二手车价格信息为根据车系ID分割的二手车价格信息。
本申请实施例第三方面示出一种二手车保值率的估算系统，包括：
用于估算二手车保值率的业务服务器，与所述业务服务器连接的二手车数据库，以及，与所述业务服务器通过互联网连接的终端；
其中，所述终端向业务服务器发送二手车保值率计算请求；
所述业务服务器根据二手车保值率计算请求，使用本申请实施例示出的方法计算二手车保值率，以及向所述终端发送所述二手车保值率；
所述终端展示根据所述二手车保值率生成的信息。
由以上技术方案可知，本申请实施例示出业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据一优选实施例示出的一种二手车保值率的估算系统的结构框图；
图2为根据一优选实施例示出的一种二手车保值率的估算方法的流程图；
图3为根据一优选实施例示出的步骤S102的详细流程图；
图4为根据又一优选实施例示出的一种二手车保值率的估算方法的流程图；
图5为根据一优选实施例示出的步骤S104的详细流程图；
图6为根据一优选实施例示出的一种业务服务器的结构图；
图7为根据一优选实施例示出的确定单元的结构图；
图8为根据又一优选实施例示出的一种业务服务器的结构图；
图9为根据一优选实施例示出的计算单元的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。
在本发明的描述中需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
二手车保值率是衡量二手车价值的关键指标。在二手车交易中，二手车保值率日渐成为消费者购车的决策因素之一，同时，二手车保值率被誉为汽车价值生命的“第二周期“。购买二手车时，消费者可根据二手车保值率判断几年车龄的车最划算，从而最大程度购买性价比高的车，同时消费者在考虑是否入手某款二手车时，可以参考该二手车的保值率，判断商家售价是否合理，所以二手车保值率的估算还是非常必要的。
所以，本申请实施例提供了二手车保值率的估算方法、系统和业务服务器，利用二手车数据库，为还未销售的二手车提供一个准确的保值率，供消费者参考使用。
实施例1：
为了解决现有技术存在的问题本申请实施例第一方面示出一种二手车保值率的估算系统，具体的，参阅图1，所述系统包括：
用于估算二手车保值率的业务服务器1，与所述业务服务器1连接的二手车数据库2，以及，与所述业务服务器1通过互联网连接的终端3；所述二手车数据库2设置在业务服务器1内部或独立设置；
其中，
业务服务器1获取二手车数据库2中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
二手车被销售后，会产生相应数据，这些数据会被存储在二手车数据库2中。本申请通过利用二手车数据库2中的二手车价格数据，新车指导价、销售价、销售时间和上牌时间，估算二手车保值率，提高二手车数据库的利用率。
其中，新车指导价为厂家提供的新车价格，所述销售价为二手车的成交价格，所述销售时间为二手车的出售时间，所述上牌时间为二手车为新车状态时的上牌时间，所用车系ID用于标识二手车的车系。
根据二手车价格数据，确定保值率计算模型需要的训练数据；
由于二手车的数量极大，不同车系ID的二手车的保值率计算模型会有不同。本申请实施例中，利用二手车价格数据，对不同车系ID的保值率计算模型训练。
保值率计算模型的基础模型为一元线性回归模型，y＝ax+b；
其中，y为二手车保值率，x为实际车龄，a、b均为保值率计算模型参数。
保值率计算模型参数是，根据二手车数据库2中的真实可靠的二手车价格数据计算的基础保值率和实际车龄确定的。
所述基础保值率的计算公式为：基础保值率＝销售价/新车指导价；
所述实际车龄的计算公式为：实际车龄＝销售时间-上牌时间；
利用二手车数据库2中的二手车价格数据，计算出基础保值率和实际车龄。大量的基础保值率和实际车龄的数据作为保值率计算模型需要的训练数据，可以提高保值率计算模型的准确性，同时，提高二手车数据库的利用率。
根据训练数据，确定与所述训练数据对应的保值率计算模型；
具体的，利用训练数据，通过AI人工智能机器学习的方式，确定与所述训练数据对应的保值率计算模型。本申请实施例中，采用车系ID分类训练数据，确定不同车系ID对应的保值率计算模型。
接收终端3发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
所述终端3向业务服务器1发送二手车保值率计算请求；
具体的，由于消费者在选择二手车时，需要二手车的相关数据作为参考，所以，消费者可以利用终端3向业务服务器1发送二手车保值率计算请求，通过发送需要计算二手车保值率的车辆的相关数据至业务服务器1，业务服务器1选择对应的保值率计算模型，计算二手车保值率。
所述终端3展示根据所述二手车保值率生成的信息。
需要说明的是，所述终端3为具有输入、显示以及通信功能的设备。例如，手机，平板电脑，以及，PC等。
本申请实施例示出的系统，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例2：
本申请实施例第二方面示出一种二手车保值率的估算方法，具体的，请参阅图2，所述方法包括：
S101业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
表1为二手车价格数据：
表1:
S102根据二手车价格数据，确定保值率计算模型需要的训练数据；
本申请实施例中，根据二手车数据库中的销售时间和上牌时间，计算实际车龄；
根据新车指导价和销售价，计算基础保值率；
以实际车龄和基础保值率为保值率计算模型需要的训练数据，训练基础模型。
S103根据训练数据，确定与所述训练数据对应的保值率计算模型；
表2为训练数据：
表2：
| 车系ID | 基础保值率 | 实际车龄 |
| 001 | 0.72 | 1年4个月 |
| 001 | 0.625 | 3年1个月 |
| 002 | 0.67 | 2年2个月 |
| … | ||
| 003 | 0.83 | 1年 |
根据基础保值率和实际车龄，训练基础模型，确定基础模型中的参数，得到保值率计算模型。
按照车系ID将训练数据分类，得到不同车系ID对应的训练数据，确定不同车系ID下的保值率计算模型。
本申请实施例，还可以将训练数据按照车系ID分类后，再将训练数据按照实际车龄分类。由于实际车龄对保值率计算模型的参数影响较大，将训练数据按照实际车龄分类后，确定的保值率计算模型准确。
表3为保值率计算模型：
表3：
S104接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
根据二手车保值率计算请求中的车系ID，例如，车系ID为002，选择的保值率计算模型为y＝cx+d，计算二手车保值率计算模型。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例3：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法，具体的，请参阅图3。
实施例3与实施例2具有相似的步骤唯一的区别在于，实施例2示出的技术方案中，步骤S102包括以下步骤：
S1021根据销售时间和上牌时间，计算实际车龄；
具体的，实际车龄＝销售时间-上牌时间；
例如，二手车销售时间为2018.3.15，上牌时间为2016.12.15，二手车的实际车龄为1年4个月。
S1022导出二手车数据库中车系ID；
S1023对实际车龄处理，得到整年车龄；
具体的，对实际车龄处理过程为对所述实际车龄向上取整，得到整年车龄，整年车龄大于或等于实际车龄；例如，实际车龄为1年4个月，整年车龄为2年。
S1024利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
表4为统计数据：
表4：
| 车系ID | 整车车龄 |
| 001 | 2年 |
| 001 | 4年 |
| 002 | 3年 |
| 003 | 1年 |
| 001 | 2年 |
| 002 | 3年 |
具体的，去重所述统计数据，将统计数据中重复的车系ID和整车车龄去掉。
表5为去重后的统计数据：
表5：
| 车系ID | 整车车龄 |
| 001 | 2年 |
| 001 | 4年 |
| 002 | 3年 |
| 003 | 1年 |
去重后的统计数据，可以反映出二手车数据库中有多少种车系ID，以及在该车系ID下有多少种整车车龄。
S1025根据去重后的统计数据，筛选出新车指导价和销售价；
具体的，由于整车车龄为实际车龄向上取整，所以整车车龄为1年，实际上，实际车龄在0-1年。整车车龄为2年，实际上，实际车龄在1-2年。
逐个选取去重后统计数据中车系ID和整车车龄，再从二手车数据库中筛选出相同车系ID和相同整车车龄的新车指导价和销售价。该筛选出的新车指导价和销售价即为按照车系ID，以及，实际车龄以年为单位分类的数据，最终筛选出多组新车指导价和销售价。
如果根据未去重的统计数据，筛选新车指导价和销售价，可能造成数据的重复筛选，占用系统资源。
S1026根据新车指导价和销售价，计算基础保值率；
所述基础保值率的计算公式为：基础保值率＝销售价/新车指导价；
例如：新车指导价为25万，销售价18万，基础保值率为0.72。
S1027根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
基础保障和实际车龄按照车系ID以及整年车龄分类，最终会确定不同车系ID下，不同实际车龄范围的训练数据。
表6为本申请实施例中训练数据，确定的保值率计算模型：
表6：
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例4：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法，具体的，请参阅图4。
实施例4与实施例3具有相似的步骤唯一的区别在于，实施例3示出的技术方案中，所述方法还包括以下步骤：
S1028判断基础保值率是否在预设删除保值率范围之内；
基础保值率是由新车指导价和销售价确定的，通常，二手车的销售价不会高于新车指导价，所以基础保值率不能大于100％。
S1029如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
所述预设删除保值率范围为大于100％，如果基础保值率在大于100％的范围之内，说明该基础保值率属于特殊情况，没有参考价值，不能作为保值率计算模型需要的训练数据。删除大于100％的基础保值率和其对应的实际车龄，可以提高保值率计算模型的准确性。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例5：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法，具体的，请参阅图5。
实施例5与实施例2具有相似的步骤唯一的区别在于，实施例2示出的技术方案中，步骤S104包括以下步骤：
S1041接收终端发送的二手车保值率计算请求，所述计算请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
由于消费者对于二手车保值率的使用目的不同，所以本申请实施例可计算当前二手车保值率，也可计算车系保值率。
S1042如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
根据终端发送的二手车保值率计算请求，利用车系ID和实际车龄，筛选出与车系ID，实际车龄对应的保值率计算模型。
例如，车系ID为001，实际车龄为2年5个月。在表6中筛选保值率计算模型，确定计算当前二手车保值率的保值率计算模型为y＝ax+b’，所以，当x为2年5个月，计算出的y值，即为当前二手车保值率。
S1043如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
根据终端发送的二手车保值率计算请求，利用车系ID，筛选出于车系ID对应的保值率计算模型，然后根据预设车龄，这里的预设车龄一般指0-10年的整年车龄，计算车系保值率。
根据车系保值率可以绘制成车系保值率趋势图，发送至终端，这样，可以更方便消费者使用参考二手车保值率。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例6：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法。
实施例6与实施例2具有相似的步骤唯一的区别在于，实施例2示出的技术方案中，还包括以下步骤：
将所述保值率计算模型存储在模型数据库。所述模型数据库设置在业务服务器内部或独立设置。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例7：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法。
实施例7与实施例2具有相似的步骤唯一的区别在于，实施例2示出的技术方案中，还包括以下步骤：
人工校准二手车保值率。
需要说明的是，为了进一步保证二手车保值率的准确性，专业的定价师团队会依据市场行情和丰富的经验积累对每个二手车保值率数据进行人工调校和审核，从而充分保证各个二手车保值率的精准。
实施例8：
为了二手车数据库中的数据被有效利用，本申请实施例示出一种二手车保值率的估算方法。
实施例8与实施例2具有相似的步骤唯一的区别在于，实施例2示出的技术方案中，还包括以下步骤：
所述二手车价格信息为根据车系ID分割的二手车价格信息。
将二手车价格信息按照车系ID分割，更方便本申请实施例对二手车价格信息的利用。在筛选二手车价格信息时，可以减少系统资源的利用。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
本申请实施例示出的方法，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
实施例9：
本申请实施例第二方面示出一种业务服务器，具体的，请参阅图6，所述服务器包括：
获取单元11，用于业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
确定单元12，用于根据二手车价格数据，确定保值率计算模型需要的训练数据；
训练单元13，用于根据训练数据，确定与所述训练数据对应的保值率计算模型；
计算单元14，用于接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
实施例10：
请参阅图7，实施例9示出的技术方案中，所述确定单元12包括：
第一计算单元121，用于根据销售时间和上牌时间，计算实际车龄；
导出单元122，用于导出二手车数据库中车系ID；
处理单元123，用于对实际车龄处理，得到整年车龄；
去重单元124，用于利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
筛选单元125，用于根据去重后的统计数据，筛选出新车指导价和销售价；
第二计算单元126，用于根据新车指导价和销售价，计算基础保值率；
第一确定单元127，用于根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
实施例11：
请参阅图8，实施例10示出的技术方案中，所述服务器还包括：
判断单元128，用于判断基础保值率是否在预设删除保值率范围之内；
第二确定单元129，用于如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
实施例12：
请参阅图9，实施例9示出的技术方案中，所述计算单元14包括：
接收单元141，用于接收终端发送的计算二手车保值率请求，所述请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
第三计算单元142，用于如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
第四计算单元143，用于如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
实施例13：
实施例9示出的技术方案中，所述服务器还包括：储存单元15，用于将所述保值率计算模型存储在模型数据库。
实施例14：
实施例9示出的技术方案中，所述服务器还包括：校准单元16：用于人工校准二手车保值率。
实施例15：
实施例9示出的技术方案中，所述服务器还包括：所述二手车价格信息为根据车系ID分割的二手车价格信息。
本申请实施例示出的业务服务器，业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID，根据二手车价格数据，确定保值率计算模型需要的训练数据；根据训练数据，确定与所述训练数据对应的保值率计算模型，最终得到二手车保值率。通过整合二手车数据库中数据，为消费者提供更多二手车的信息，使二手车数据库中的数据被有效利用。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
以上所述仅为本发明的优选实施例而已。上述本发明的各步骤可以用不同的编程语言来实现，它们可以是编译型的C#，JAVA等，也可以是脚本语言PHP，python等。这样，本发明不限制于任何特定的编程语言或者编程语言的组合。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
值得注意的是，具体实现中，本申请还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本申请提供的用户身份的服务提供方法或用户注册方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random accessmemory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本申请实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于用户身份的服务提供装置或用户注册装置的实施例而言，由于其基本相似于方法实施例，所以描述的比对简单，相关之处参见方法实施例中的说明即可。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
Claims (15)
1.一种二手车保值率的估算方法，其特征在于，包括：
业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
根据二手车价格数据，确定保值率计算模型需要的训练数据；
根据训练数据，确定与所述训练数据对应的保值率计算模型；
接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
2.根据权利要求1所述的方法，其特征在于，所述根据二手车价格数据，确定保值率计算模型需要的训练数据的步骤包括：
根据销售时间和上牌时间，计算实际车龄；
导出二手车数据库中车系ID；
对实际车龄处理，得到整年车龄；
利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
根据去重后的统计数据，筛选出新车指导价和销售价；
根据新车指导价和销售价，计算基础保值率；
根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
判断基础保值率是否在预设删除保值率范围之内；
如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
4.根据权利要求1所述的方法，其特征在于，所述接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率的步骤包括：
接收终端发送的二手车保值率计算请求，所述计算请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述保值率计算模型存储在模型数据库。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：人工校准二手车保值率。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述二手车价格信息为根据车系ID分割的二手车价格信息。
8.一种业务服务器，其特征在于，包括：
获取单元，用于业务服务器获取二手车数据库中二手车价格数据，所述二手车价格数据包括新车指导价、销售价、销售时间、上牌时间和车系ID；
确定单元，用于根据二手车价格数据，确定保值率计算模型需要的训练数据；
训练单元，用于根据训练数据，确定与所述训练数据对应的保值率计算模型；
计算单元，用于接收终端发送的二手车保值率计算请求，选择对应的保值率计算模型，计算二手车保值率。
9.根据权利要求8所述的服务器，其特征在于，所述确定单元包括：
第一计算单元，用于根据销售时间和上牌时间，计算实际车龄；
导出单元，用于导出二手车数据库中车系ID；
处理单元，用于对实际车龄处理，得到整年车龄；
去重单元，用于利用车系ID和整年车龄，生成统计数据，去重所述统计数据；
筛选单元，用于根据去重后的统计数据，筛选出新车指导价和销售价；
第二计算单元，用于根据新车指导价和销售价，计算基础保值率；
第一确定单元，用于根据基础保值率和实际车龄，确定保值率计算模型需要的训练数据。
10.根据权利要求9所述的服务器，其特征在于，所述服务器还包括：
判断单元，用于判断基础保值率是否在预设删除保值率范围之内；
第二确定单元，用于如果基础保值率在预设删除保值率范围之内，删除在预设删除保值率范围内的对应的基础保值率和实际车龄。
11.根据权利要求8所述的服务器，其特征在于，所述计算单元包括：
接收单元，用于接收终端发送的计算二手车保值率请求，所述请求包括车系ID、实际车龄、二手车保值率的类型，其中，二手车保值率的类型包括当前二手车保值率和车系保值率至少一种；
第三计算单元，用于如果二手车保值率的类型为当前二手车保值率，筛选出与车系ID和实际车龄对应的保值率计算模型，计算当前二手车保值率；
第四计算单元，用于如果二手车保值率的类型为车系保值率，筛选出与车系ID对应的保值率计算模型，根据预设车龄，计算车系保值率。
12.根据权利要求8所述的服务器，其特征在于，所述服务器还包括：储存单元，用于将所述保值率计算模型存储在模型数据库。
13.根据权利要求8所述的服务器，其特征在于，所述服务器还包括：校准单元：用于人工校准二手车保值率。
14.根据权利要求8-13中任一项所述的服务器，其特征在于，所述二手车价格信息为根据车系ID分割的二手车价格信息。
15.一种二手车保值率的估算系统，其特征在于，包括：
用于估算二手车保值率的业务服务器，与所述业务服务器连接的二手车数据库，以及，与所述业务服务器通过互联网连接的终端；
其中，所述终端向业务服务器发送二手车保值率计算请求；
所述业务服务器根据二手车保值率计算请求，使用权利要求1-5任一项所述的方法计算二手车保值率，以及向所述终端发送所述二手车保值率；
所述终端展示根据所述二手车保值率生成的信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810669654.1A CN110648154A (zh) | 2018-06-26 | 2018-06-26 | 一种二手车保值率的估算方法、系统及业务服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810669654.1A CN110648154A (zh) | 2018-06-26 | 2018-06-26 | 一种二手车保值率的估算方法、系统及业务服务器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110648154A true CN110648154A (zh) | 2020-01-03 |
Family
ID=68988570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810669654.1A Pending CN110648154A (zh) | 2018-06-26 | 2018-06-26 | 一种二手车保值率的估算方法、系统及业务服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110648154A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734475A (zh) * | 2021-01-12 | 2021-04-30 | 北京精准沟通传媒科技股份有限公司 | 生成、获取车辆的保值率标签的方法、介质以及电子设备 |
| 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 |
|---|---|---|---|---|
| CN104303199A (zh) * | 2011-07-28 | 2015-01-21 | 真车股份有限公司 | 用于二手车定价数据分析与呈现的系统和方法 |
| CN106228250A (zh) * | 2016-07-12 | 2016-12-14 | 王怀州 | 一种关于二手车销售知识的机器学习方法及装置 |
| US20170300991A1 (en) * | 2016-01-12 | 2017-10-19 | Sandeep Aggarwal | Used-vehicle algorithmic pricing engine method and system |
| CN107274225A (zh) * | 2017-06-22 | 2017-10-20 | 哈尔滨理工大学 | 基于影响因素参数求解的二手车辆价格评估方法 |
| CN107369043A (zh) * | 2017-07-19 | 2017-11-21 | 河海大学常州校区 | 一种基于bp神经网络的二手车价格评估优化算法 |
| CN108154275A (zh) * | 2017-12-29 | 2018-06-12 | 广东数鼎科技有限公司 | 基于大数据的汽车残值预测模型及预测方法 |
-
2018
- 2018-06-26 CN CN201810669654.1A patent/CN110648154A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104303199A (zh) * | 2011-07-28 | 2015-01-21 | 真车股份有限公司 | 用于二手车定价数据分析与呈现的系统和方法 |
| US20170300991A1 (en) * | 2016-01-12 | 2017-10-19 | Sandeep Aggarwal | Used-vehicle algorithmic pricing engine method and system |
| CN106228250A (zh) * | 2016-07-12 | 2016-12-14 | 王怀州 | 一种关于二手车销售知识的机器学习方法及装置 |
| CN107274225A (zh) * | 2017-06-22 | 2017-10-20 | 哈尔滨理工大学 | 基于影响因素参数求解的二手车辆价格评估方法 |
| CN107369043A (zh) * | 2017-07-19 | 2017-11-21 | 河海大学常州校区 | 一种基于bp神经网络的二手车价格评估优化算法 |
| CN108154275A (zh) * | 2017-12-29 | 2018-06-12 | 广东数鼎科技有限公司 | 基于大数据的汽车残值预测模型及预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘聪等: "基于AdaBoost的二手车价值评估方法", 《北京信息科技大学学报(自然科学版)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734475A (zh) * | 2021-01-12 | 2021-04-30 | 北京精准沟通传媒科技股份有限公司 | 生成、获取车辆的保值率标签的方法、介质以及电子设备 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544014B (zh) | 基于历史数据回放的反欺诈方法及装置 | |
| US9201768B1 (en) | System, method, and computer program for recommending a number of test cases and effort to allocate to one or more business processes associated with a software testing project | |
| CN110648154A (zh) | 一种二手车保值率的估算方法、系统及业务服务器 | |
| CN111340606A (zh) | 一种全流程收入稽核方法和装置 | |
| CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
| CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
| CN111626879A (zh) | 数据预测方法、装置、设备及存储介质 | |
| CN115204724A (zh) | 一种供应商管理方法及设备 | |
| CN110472852B (zh) | 一种电力服务应用的体验测评实施管理方法 | |
| CN111639102A (zh) | 客户数据资源共享方法、装置及电子设备 | |
| US20220261864A1 (en) | Telecommunications infrastructure system and method | |
| US10628841B2 (en) | System and method for determination and use of spatial and geography based metrics in a network of distributed computer systems | |
| CN110634011A (zh) | 一种线上二手车车源弹性调度方法、系统及调度服务器 | |
| CN115099986A (zh) | 车险续保的处理方法、装置及相关设备 | |
| WO2021186706A1 (ja) | 修理支援システムおよび修理支援方法 | |
| CN112950334A (zh) | 一种适用于跨境电商的综合评估方法、平台及相关设备 | |
| Jahangir et al. | Determinants of customers’ willingness to buy: An empirical investigation | |
| US20170213228A1 (en) | System and method for grouped analysis via geographically distributed servers | |
| CN109360032B (zh) | 客户评估方法、装置、设备以及存储介质 | |
| CN108109002B (zh) | 数据处理方法及装置 | |
| CN112767117A (zh) | 一种集团内企业地位的评估方法及装置 | |
| CN116894124B (zh) | 一种保单生成方法、装置、设备和介质 | |
| US20150006342A1 (en) | Generating a Simulated Invoice | |
| CN109872185A (zh) | 大学生购车意愿评估方法及装置 | |
| US10354238B2 (en) | Information processing apparatus, information processing method, and storage medium |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200103 |
|
| RJ01 | Rejection of invention patent application after publication |