CN112508213A - 一种运营纯电动汽车残值评估方法及设备 - Google Patents
一种运营纯电动汽车残值评估方法及设备 Download PDFInfo
- Publication number
- CN112508213A CN112508213A CN202011557128.XA CN202011557128A CN112508213A CN 112508213 A CN112508213 A CN 112508213A CN 202011557128 A CN202011557128 A CN 202011557128A CN 112508213 A CN112508213 A CN 112508213A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parameter
- residual value
- model
- weight
- 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 30
- 238000012423 maintenance Methods 0.000 claims abstract description 45
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/0278—Product appraisal
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Secondary Cells (AREA)
Abstract
Description
技术领域
本发明涉及残值数据处理技术领域,尤其涉及一种运营纯电动汽车残值评估方法及系统。
背景技术
随着新能源乘用车保有量的不断增加,对于新能源二手车市场活跃度不断提高,但是体系尚未成熟,保有量小、技术更新换代快、检测手段缺乏、估值难,评估检测技术不完善,相应的服务体系不完整等问题而很难与燃油二手车竞争,因此亟需建立面向新能源汽车的二手车评估体系。
发明内容
为了解决以上问题,本发明的目的是提供一种运营纯电动汽车残值评估方法,能够全面、准确地评估纯电动汽车残值。
为实现上述目的,本发明所设计的运营纯电动汽车残值评估方法,其特征在于,包括步骤:
S1.获取待评估运营纯电动汽车的购车数据,计算该车辆的重置成本P0;
S2.获取该车辆的运营维护数据,运营维护数据分为数据集I和数据集II;数据集I包括车辆的车型、运营使用时间、行驶里程、运营城市数据;数据集II包括维修保养数据,维修保养数据包括整车状况参数、保养状况参数、工作环境参数、动力电池参数、车型升级换代参数、新车价格稳定性参数、品牌价值参数和售后服务水平参数;
S3.利用数据集I建立车辆残值率评估模型,并向车辆残值率评估模型中输入数据集I获得车辆残值率C;
S4.建立评分体系模型和层次分析结构模型,基于评分体系模型确定数据集II中各参数的评分系数Kn;基于层次分析结构模型确定数据集II中各参数的权重Pn;利用各参数的评分系数Kn和各参数的权重Pn,通过公式(1)计算残值率修正系数K:
S5.利用公式(2)得到车辆残值P:
P=P0*C*K公式 (2)
式中,P为车辆残值、P0为车辆重置成本、C为车辆残值率、K为残值率修正系数。
作为优选方案,所述步骤S1中,评估运营纯电动汽车的购车数据包括购车价格P′0、牌照费P′2及税费P′1,根据公式(3)计算该车辆的重置成本P0:
P0=P′0+P′1+P′2式 (3)
式中,P0为重置成本、P′0为购车价格、P′1为税费、P′2为牌照费。
作为优选方案,所述步骤S3中,车辆残值率评估模型的建立过程为:
(1).从数据集I中提取特征数据:
从数据集I中筛选出车型、运营时间、行驶里程、运营城市、二手车估值特征数据;
(2).采用XGBoost算法以及Boosted Trees增强树模型,对特征数据进行训练,通过模型评估优化,输出车辆残值率评估模型:
车辆残值率评估模型的函数为:
式中,表示样本xi的预测结果即评估车辆残值率,K为模型树的总数,F表示的是回归森林中的所有函数空间,fk(xi)表示第i个样本第k棵树中叶子的权重,模型需要求的参数就是每棵树的结构和每片叶子的权重,设
(3).将数据集I输入车辆残值率评估模型,得到车辆的评估残值率C。
作为优选方案,所述车辆残值率评估模型的损失函数为:
作为优选方案,所述步骤S4中,层次分析结构模型的建立过程为:
(1).对维修保养数据进行分类,分为车辆实体性贬值、功能性贬值、经济性贬值;车辆实体性贬值包括整车状况参数、保养状况参数、工作环境影响参数动力电池参数;功能性贬值包括车型升级换代参数和新车价格稳定性参数;经济性贬值包括品牌价值参数和售后服务水平参数;
(2).建立由目标层、准则层、方案层构成的层次结构模型:
目标层:残值率修正系数;
准则层:实体性贬值、功能性贬值、经济性贬值;
方案层:整车状况、保养状况、工作环境、动力电池、车型升级、价格稳定性、品牌保值率、售后服务水平;
(3).构造判断矩阵;
(4).判断矩阵一致性程度检验;
(5).权重计算:计算判断矩阵的权重,获得该判断矩阵对应因素相对上一层次因素的权重值。
作为优选方案,基于层次分析结构模型确定维修保养数据中整车状况参数权重P1、保养状况参数权重P2、工作环境参数权重P3、动力电池参数权重P4、车型升级换代参数权重P5、新车价格稳定性参数权重P6、品牌价值参数权重P7和售后服务水平参数权重P8分别为17.86%、4.06%、11.33%、28.19%、16.96%、5.28%、12.24%、4.08%。
作为优选方案,基于评分体系模型确定数据集II中各参数的评分系数Kn的具体过程为:
(1)建立评分体系模型:
对整车状况参数、保养状况参数、工作环境参数、动力电池参数、车型升级换代参数、新车价格稳定性参数、品牌价值参数和售后服务水平参数的特征分别进行水平分级,针对每个等级设定评分系数,得到评分体系模型;
(2)特征匹配
将待评估的参数特征与评分体系模型的参数特征进行特征匹配,得到待评估的整车状况参数评分系数K1、保养状况参数评分系数K2、工作环境参数评分系数K3、动力电池参数评分系数K4、车型升级换代参数评分系数K5、新车价格稳定性参数评分系数K6、品牌价值参数评分系数K7和售后服务水平参数评分系数K8。
作为优选方案,所述动力电池参数的水平分级采用动力电池的折旧率Kb特征进行分级,动力电池的折旧率Kb计算公式为:
一种设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的方法。
一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述的方法。
与现有的汽车残值评估方法相比,本发明的优点在于:本发明综合考虑使用时间因素、行驶里程因素以及地区因素,同时模型中增加残值率修正系数,从车辆的实体性、经济性以及功能性贬值全面对车辆状况评估,具有较强的针对性,能够更加全面准确地对运营纯电动汽车的残值进行评估。
附图说明
图1为本发明运营纯电动汽车残值评估方法的流程框图;
图2为建立车辆残值率评估模型的流程框图;
图3为建立层次分析结构模型的流程框图。
具体实施方式
为更好地理解本发明,以下将结合具体实例对发明进行详细的说明。
实施例1
结合图1所示,一种运营纯电动汽车残值评估方法,其特征在于,包括步骤:
S1:获取待评估运营纯电动汽车的购车数据,计算该车辆的重置成本;
结合购买方和车厂提供的数据确定并需要结合实际购买时的花费,具体地,待评估运营纯电动汽车的购车数据包括购车价格、牌照费及税费,根据公式(3)计算该车辆的重置成本:
P0=P′0+P′1+P′2式 (3)
式中,P0为重置成本、P′0为购车价格、P′1为税费、P′2为牌照费;
S2:获取该车辆的运营维护数据,运营维护数据分为数据集I和数据集II;数据集I包括车辆的车型、运营使用时间、行驶里程、运营城市数据,数据集II包括维修保养数据,其中维修保养数据具体包括整车状况、保养状况、工作环境、动力电池、车型升级换代、新车价格稳定性、品牌价值和售后服务水平参数;
运营维护数据来自于自运营车辆商,数据集I评估车辆残值率C;数据集II用于评估残值率修正系数K;
S3:结合图2所示,利用数据集I建立车辆残值率评估模型,并向车辆残值率评估模型中输入数据集I获得车辆残值率C:
S3.1:从数据集I中提取特征数据:
对数据集I进行预处理,剔除异常数据,并将处理后的数据划分为训练数据和测试数据,对训练数据和测试数据建立特征工程,对数据标准化以及特征提取,具体从数据集I中筛选出车型、运营时间、行驶里程、运营城市、二手车估值特征数据;
S3.2:采用XGBoost算法以及Boosted Trees增强树模型,对特征数据进行训练,通过模型评估优化,输出车辆残值率评估模型;
采用XGBoost算法以及Boosted Trees增强树模型构建车辆残值率评估模型的具体过程如下:
首先,Boosted Trees增强树模型算法过程:
(1)每一轮添加一棵树;
(2)每一轮开始的时候,计算一阶导数和二阶导数;
(3)统计分裂点信息,生成树:
其次,建立基学习器,即树的构建:
(1)从深度为0的树开始;
(2)对树的每个叶子节点,枚举所有的特征。对于每个特征,根据特征值对样本进行排序。对每个分裂点计算确定增益Gain最大特征和对应的分裂点;
(3)添加找到的最优分裂点。添加这个分裂点后,计算损失函数值的变化。如果增益大于设定值,选择分裂,否则舍弃该分裂点。
重复上述步骤,直到满足设定结束条件,停止分裂,模型搭建完成。
最后,获得车辆残值率评估模型的函数为:
式中,表示样本xi的预测结果即评估车辆残值率,K为模型树的总数,F表示的是回归森林中的所有函数空间,fk(xi)表示第i个样本第k棵树中叶子的权重,模型需要求的参数就是每棵树的结构和每片叶子的权重,设
车辆残值率评估模型的损失函数为:
S3.3:将数据集I输入车辆残值率评估模型,得到车辆的评估残值率C;
S4.基于评分体系模型和层次分析结构模型获得维修保养数据中各参数的评分系数Kn和权重Pn,通过各参数的评分系数Kn和权重Pn计算残值率修正系数K;
S4.1.建立评分体系模型,基于评分体系模型确定维修保养数据中各参数评分系数Kn,即整车状况、保养状况、工作环境、动力电池、车型升级换代、新车价格稳定性、品牌价值和售后服务水平参数的评分系数;
结合表1~表8所示,评分体系模型如下:
1)整车状况参数评分:
表1
2)保养状况参数评分
表2
水平分级 | 水平描述 | 评分系数 |
好 | 规定行驶里程和使用日期均进行保养 | 0.9 |
一般 | 介于二者之间 | 0.8 |
差 | 自购买时至评估时几乎未保养 | 0.6 |
3)工作环境参数评分
表3
4)动力电池参数评分
表4
折旧分级 | 折旧率K<sub>b</sub>范围(%) | 评分系数 |
低 | 0-10 | 0.9 |
中等 | 10.1-30 | 0.7 |
高 | >30.1 | 0.5 |
5)新车价格稳定性评分
表5
水平分级 | 评分系数 |
上涨 | 0.9 |
稳定 | 0.8 |
下降 | 0.7 |
6)车型升级换代参数评分
表6
7)品牌保值参数评分
表7
水平分级 | 评分系数 |
较好 | 0.9 |
一般 | 0.8 |
较差 | 0.7 |
8)售后服务水平参数评分
表8
S4.2.对照评分体系模型,确定各参数的评分系数Kn;
S4.3.建立层次分析结构模型:
4.31.对维修保养数据进行分类,分为车辆实体性贬值、功能性贬值、经济性贬值:车辆实体性贬值包括整车状况参数、保养状况参数、工作环境影响参数动力电池参数,功能性贬值包括车型升级换代参数和新车价格稳定性参数,经济性贬值包括品牌价值参数和售后服务水平参数;
4.32.结合图3所示,建立由目标层、准则层、方案层构成的层次结构模型:
目标层:残值率修正系数;
准则层:实体性贬值、功能性贬值、经济性贬值;
方案层:整车状况、保养状况、工作环境、动力电池、车型升级、价格稳定性、品牌保值率、售后服务水平。
4.33.构造判断矩阵
判断矩阵表示相对上一层(准则层)的某一准则时,本层次因素之间相互的重要性程度。结合表9所示,当分析A层与下一层因素时,下一层因素之间B1,B2,...Bn之间也有联系,设Bij为相对上一层A时,因素Bi对Bj的相对重要性,用数字1-9来表示这些重要性,可构建判断矩阵。
表9判断矩阵
A | B1 | B2 | B3 | … | Bn |
B1 | b11 | b12 | b13 | ||
B2 | b21 | b22 | b23 | ||
B3 | b31 | b32 | b33 | ||
… | |||||
Bn | bij |
表9中,bij表示重要性程度,依据从不重要到重要分别赋值1/9、1/7、1/5、1/3、1、3、5、7、9,数值所描述的重要性如下表10所示。
表10标度意义
Bi比Bj | 标度值 |
同等重要 | 1 |
稍重要 | 3 |
明显重要 | 5 |
强烈重要 | 7 |
极其重要 | 9 |
其重要性与前述相反 | 1/3,1/5,1/7,1/9 |
4.34、判断矩阵一致性程度检验
一致性检验的意义在于检验各元素重要度之间的协调性,避免出现A比B重要,B比C重要,而C比A重要的矛盾出现。若矩阵A满足:
ajiajk=aik
上式中i,j,k=1,2...n,称之为一致性矩阵;在具体决策时,一般不会出现严格-致的情况,因此需要检验其一致性程度。设矩阵A的最大特征根为入,那么它的一致性指标为CI:
CI是绝对指标,无法通过它来判断不同矩阵的一致性程度,因此引入相对性指标CR,即:
RI是判断矩阵的平均随机一致性指标,反映了不同阶矩阵的随机一致性指标的平均值。当CR<0.10时,若矩阵A满足一致性,即归一化的向量作为权重值,否则需要重新调整重要性。平均随机一致性指标,如下表11所示,采用标度1-9打分制:
表11平均随机一致性指标
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
S4.4、基于层次分析结构模型确定维修保养数据各参数的Pn,即整车状况、保养状况、工作环境、动力电池、车型升级换代、新车价格稳定性、品牌价值和售后服务水平参数的权重;
计算判断矩阵的权重,找出最大特征根所对应的规范化特征向量即该判断矩阵对应因素相对上一层次因素的权重值,于是获得了决策层相对上一次层的权重,从而可以得到同一层次所有元素针对目标层的相对重要性,即层次总排序。基于层次分析建立残值率修正模型得到各个因素的权重,如下表12所示:
表12残值修正系数模型参数权重
S4.5、利用公式(1)计算残值率修正系数K:
式中Kn为整车状况、保养状况、工作环境、动力电池、车型升级换代、新车价格稳定性,品牌价值和售后服务水平八个因素的评分系数,Pn为各个因素的权重;
S5、利用公式(2)得到评估车辆的残值P:
P=P0*C*K公式 (2)
式中,P为评估车辆残值、P0为评估车辆重置成本、C为评估车辆残值率、K为残值率修正系数。
实施例2
本实施例是实施例1的详细实例,结合某款车辆的残值评估说明,具体包括如下步骤:
S1、获取评估车辆的购车数据,由下表购车数据可计算出评估车辆重置成本:
评估车辆重置成本:P0=11.281(万元)
实际采购价格(万元) | 10.5 | 印花税(元) | 31 |
牌照费用(元) | 750 | 购置税(元) | 0 |
车船使用税(元) | 0 | 增值税(元) | 0 |
S2、获取评估车辆的运营数据,评估车辆的残值率。评估车辆相关数据如下:
车型:风神E70-2018超享
动力电池:三元锂电池,电池能量:49kWh
运营时间:2年
行驶里程:20万公里
运营地区:湖北武汉
基于残值模型输入评估车辆特征参数:车型、运营时间、行驶里程、运营地区,模型输出评估车辆残值率:C=13.92%。
S3、基于评分体系模型和层次分析结构模型获得维修保养数据中各参数的评分系数和权重,结合表13,通过各参数的评分系数和权重计算残值率修正系数K;
表13
S4:通过评估车辆的重置成本P0、车辆残值率C以及残值率修正系数K。计算该车辆的评估残值:P=P0*C*K=11.281*13.92%*0.826=1.297(万元)
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种运营纯电动汽车残值评估方法,其特征在于,包括步骤:
S1.获取待评估运营纯电动汽车的购车数据,计算该车辆的重置成本P0;
S2.获取该车辆的运营维护数据,运营维护数据分为数据集I和数据集II;数据集I包括车辆的车型、运营使用时间、行驶里程、运营城市数据;数据集II包括维修保养数据,维修保养数据包括整车状况参数、保养状况参数、工作环境参数、动力电池参数、车型升级换代参数、新车价格稳定性参数、品牌价值参数和售后服务水平参数;
S3.利用数据集I建立车辆残值率评估模型,并向车辆残值率评估模型中输入数据集I获得车辆残值率C;
S4.建立评分体系模型和层次分析结构模型,基于评分体系模型确定数据集II中各参数的评分系数Kn;基于层次分析结构模型确定数据集II中各参数的权重Pn;利用各参数的评分系数Kn和各参数的权重Pn,通过公式(1)计算残值率修正系数K:
S5.利用公式(2)得到车辆残值P:
P=P0*C*K公式 (2)
式中,P为车辆残值、P0为车辆重置成本、C为车辆残值率、K为残值率修正系数。
2.根据权利要求1所述的运营纯电动汽车残值评估方法,其特征在于,所述步骤S1中,评估运营纯电动汽车的购车数据包括购车价格P′0、牌照费P′2及税费P′1,根据公式(3)计算该车辆的重置成本P0:
P0=P′0+P′1+P′2 式(3)
式中,P0为重置成本、P′0为购车价格、P′1为税费、P′2为牌照费。
3.根据权利要求1所述的运营纯电动汽车残值评估方法,其特征在于,所述步骤S3中,车辆残值率评估模型的建立过程为:
(1).从数据集I中提取特征数据:
从数据集I中筛选出车型、运营时间、行驶里程、运营城市、二手车估值特征数据;
(2).采用XGBoost算法以及Boosted Trees增强树模型,对特征数据进行训练,通过模型评估优化,输出车辆残值率评估模型:
车辆残值率评估模型的函数为:
式中,表示样本xi的预测结果即评估车辆残值率,K为模型树的总数,F表示的是回归森林中的所有函数空间,fk(xi)表示第i个样本第k棵树中叶子的权重,模型需要求的参数就是每棵树的结构和每片叶子的权重,设
(3).将数据集I输入车辆残值率评估模型,得到车辆的评估残值率C。
5.根据权利要求1所述的运营纯电动汽车残值评估方法,其特征在于,所述步骤S4中,层次分析结构模型的建立过程为:
(1).对维修保养数据进行分类,分为车辆实体性贬值、功能性贬值、经济性贬值;车辆实体性贬值包括整车状况参数、保养状况参数、工作环境影响参数动力电池参数;功能性贬值包括车型升级换代参数和新车价格稳定性参数;经济性贬值包括品牌价值参数和售后服务水平参数;
(2).建立由目标层、准则层、方案层构成的层次结构模型:
目标层:残值率修正系数;
准则层:实体性贬值、功能性贬值、经济性贬值;
方案层:整车状况、保养状况、工作环境、动力电池、车型升级、价格稳定性、品牌保值率、售后服务水平;
(3).构造判断矩阵;
(4).判断矩阵一致性程度检验;
(5).权重计算:计算判断矩阵的权重,获得该判断矩阵对应因素相对上一层次因素的权重值。
6.根据权利要求5所述的运营纯电动汽车残值评估方法,其特征在于,基于层次分析结构模型确定维修保养数据中整车状况参数权重P1、保养状况参数权重P2、工作环境参数权重P3、动力电池参数权重P4、车型升级换代参数权重P5、新车价格稳定性参数权重P6、品牌价值参数权重P7和售后服务水平参数权重P8分别为17.86%、4.06%、11.33%、28.19%、16.96%、5.28%、12.24%、4.08%。
7.根据权利要求1所述的运营纯电动汽车残值评估方法,其特征在于,基于评分体系模型确定数据集II中各参数的评分系数Kn的具体过程为:
(1)建立评分体系模型:
对整车状况参数、保养状况参数、工作环境参数、动力电池参数、车型升级换代参数、新车价格稳定性参数、品牌价值参数和售后服务水平参数的特征分别进行水平分级,针对每个等级设定评分系数,得到评分体系模型;
(2)特征匹配
将待评估的参数特征与评分体系模型的参数特征进行特征匹配,得到待评估的整车状况参数评分系数K1、保养状况参数评分系数K2、工作环境参数评分系数K3、动力电池参数评分系数K4、车型升级换代参数评分系数K5、新车价格稳定性参数评分系数K6、品牌价值参数评分系数K7和售后服务水平参数评分系数K8。
9.一种设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一所述的方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011557128.XA CN112508213A (zh) | 2020-12-25 | 2020-12-25 | 一种运营纯电动汽车残值评估方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011557128.XA CN112508213A (zh) | 2020-12-25 | 2020-12-25 | 一种运营纯电动汽车残值评估方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508213A true CN112508213A (zh) | 2021-03-16 |
Family
ID=74923482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011557128.XA Pending CN112508213A (zh) | 2020-12-25 | 2020-12-25 | 一种运营纯电动汽车残值评估方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508213A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191595A (zh) * | 2021-04-07 | 2021-07-30 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
CN114549091A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市永兴元科技股份有限公司 | 数据处理方法、设备以及计算机可读存储介质 |
CN115034821A (zh) * | 2022-06-16 | 2022-09-09 | 平安银行股份有限公司 | 一种车辆估值方法、装置、计算机设备及存储介质 |
CN117035889A (zh) * | 2023-08-08 | 2023-11-10 | 北京工业大学 | 新能源车辆残值计算方法、装置、电子设备和存储介质 |
CN117670382A (zh) * | 2023-12-05 | 2024-03-08 | 广州穗圣信息科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117275A (ja) * | 2000-10-05 | 2002-04-19 | Toyota Motor Corp | 商品価値評価装置 |
CN103106605A (zh) * | 2013-02-05 | 2013-05-15 | 广州博朝信息技术有限公司 | 一种二手车定价系统 |
CN106022846A (zh) * | 2016-06-17 | 2016-10-12 | 深圳市慧动创想科技有限公司 | 车险定价及二手车定价方法和装置 |
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 |
CN110706039A (zh) * | 2019-10-16 | 2020-01-17 | 爱驰汽车有限公司 | 电动汽车残值率评估系统、方法、设备及介质 |
CN111932096A (zh) * | 2020-07-30 | 2020-11-13 | 北京中科泽达科技有限公司 | 一种二手车价值评估方法 |
CN112101998A (zh) * | 2020-09-15 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 残值确定方法、模型获取方法、装置、设备及存储介质 |
-
2020
- 2020-12-25 CN CN202011557128.XA patent/CN112508213A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117275A (ja) * | 2000-10-05 | 2002-04-19 | Toyota Motor Corp | 商品価値評価装置 |
CN103106605A (zh) * | 2013-02-05 | 2013-05-15 | 广州博朝信息技术有限公司 | 一种二手车定价系统 |
CN106022846A (zh) * | 2016-06-17 | 2016-10-12 | 深圳市慧动创想科技有限公司 | 车险定价及二手车定价方法和装置 |
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 |
CN110706039A (zh) * | 2019-10-16 | 2020-01-17 | 爱驰汽车有限公司 | 电动汽车残值率评估系统、方法、设备及介质 |
CN111932096A (zh) * | 2020-07-30 | 2020-11-13 | 北京中科泽达科技有限公司 | 一种二手车价值评估方法 |
CN112101998A (zh) * | 2020-09-15 | 2020-12-18 | 北京嘀嘀无限科技发展有限公司 | 残值确定方法、模型获取方法、装置、设备及存储介质 |
Non-Patent Citations (7)
Title |
---|
侯江丽;赵飞;: "基于AHP算法的二手车评估方法的研究", 邢台职业技术学院学报, no. 03, 28 June 2013 (2013-06-28), pages 54 - 56 * |
兰召华等: ""电动汽车产业化发展状况及相关策略的研究"", 《专用汽车》, 30 April 2002 (2002-04-30), pages 23 - 25 * |
林艺琳;陈荣章;: "基于层次分析法确定二手车剩余价值的研究与探讨", 上海汽车, no. 12, 10 December 2010 (2010-12-10), pages 50 - 54 * |
王斌: "综合分析法在旧机动车鉴定评估中的应用", 北京机械工业学院学报, no. 01, 15 March 2004 (2004-03-15), pages 91 - 95 * |
王晨: ""二手车保值率分析——以天津市场为例"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 August 2019 (2019-08-15), pages 1 - 40 * |
闫光辉;王金妹;孟杰;: "旧机动车成新率的改进及算法研究", 天津工程师范学院学报, no. 01, 28 March 2008 (2008-03-28), pages 47 - 50 * |
陈传灿;郝璐;: "基于性价比评估的轿车购车决策模型", 汽车工业研究, no. 10, 5 October 2016 (2016-10-05), pages 43 - 48 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191595A (zh) * | 2021-04-07 | 2021-07-30 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
CN113191595B (zh) * | 2021-04-07 | 2022-12-23 | 东风畅行科技股份有限公司 | 车辆运营全生命周期成本关联数据分析方法及系统 |
CN114549091A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市永兴元科技股份有限公司 | 数据处理方法、设备以及计算机可读存储介质 |
CN115034821A (zh) * | 2022-06-16 | 2022-09-09 | 平安银行股份有限公司 | 一种车辆估值方法、装置、计算机设备及存储介质 |
CN117035889A (zh) * | 2023-08-08 | 2023-11-10 | 北京工业大学 | 新能源车辆残值计算方法、装置、电子设备和存储介质 |
CN117670382A (zh) * | 2023-12-05 | 2024-03-08 | 广州穗圣信息科技有限公司 | 一种利用大数据进行二手车估值的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508213A (zh) | 一种运营纯电动汽车残值评估方法及设备 | |
CN109902441B (zh) | 一种基于kano模型原理的车辆性能指标权重分配系统及方法 | |
CN113255833B (zh) | 车辆定损方法、装置、设备及存储介质 | |
CN111339478B (zh) | 基于改进模糊层次分析法的气象数据质量评估方法 | |
CN115293366B (zh) | 模型训练方法、信息预测方法、装置、设备及介质 | |
CN113988705A (zh) | 一种交通安全风险评估方法及装置 | |
CN114821854B (zh) | 一种工况切换对车辆油耗影响评估方法 | |
CN113537663A (zh) | 基于topsis算法的无人机航迹评价方法 | |
CN109784586B (zh) | 车险的出险情况的预测方法及系统 | |
CN109238740B (zh) | 一种基于整车质量和体积的汽车滑行阻力综合评价方法 | |
CN113011788B (zh) | 一种海上交通事故应急决策方法、终端设备及存储介质 | |
CN113793170A (zh) | 基于神经网络和LightGBM算法的二手车价格预测方法 | |
CN113379318A (zh) | 公共交通系统运营服务质量评价方法、装置和计算机设备 | |
CN113505932A (zh) | 一种基于大数据技术评估的动力电池容量算法 | |
CN113283673A (zh) | 一种模型性能衰减评价方法、模型训练方法及装置 | |
CN113256325A (zh) | 二手车估价方法、系统、计算设备和存储介质 | |
CN115564276A (zh) | 项目统计储备管理系统、方法及存储介质 | |
CN111309774A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113689225B (zh) | 一种烟草专卖市场监管中异常客户的分析方法 | |
CN115271305A (zh) | 基于博弈论权重的电动汽车充电设备风险预警方法及装置 | |
CN113159640A (zh) | 一种评价指标权重的确定方法、装置、设备及介质 | |
CN112215514A (zh) | 一种经营分析报告生成方法及系统 | |
CN112782589A (zh) | 车载燃料电池远程故障分类诊断方法、装置和存储介质 | |
CN117455122B (zh) | 路面状态评估方法、装置、电子设备及存储介质 | |
CN117829370B (zh) | 一种交通事故严重程度预测方法、系统及计算机设备 |
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 |