JP2001297226A

JP2001297226A - 車両価格算出装置及び方法

Info

Publication number: JP2001297226A
Application number: JP2000113328A
Authority: JP
Inventors: Hiroshi Shimizu; 宏清水
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2000-04-14
Filing date: 2000-04-14
Publication date: 2001-10-26

Abstract

(57)【要約】【課題】過去の売買データのない車両についても、価
格を一定精度で予測する。【解決手段】価格算出対象車両１００が過去の売買デ
ータの存在しない車両である場合、車両と同一グループ
に属し、かつ過去の売買データの存在する車両２００〜
２０６との類似度Ｓ１〜Ｓ４を算出する。類似度は、メ
ーカの相違、形状の相違、排気量の相違などに基づいて
算出され、ある一定以上の類似度を有する複数車両を検
索し、これらの車両のデータの平均を算出することで、
価格算出のパラメータ、例えば経過月数に基づく残価率
や走行距離減点率を算出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は車両価格算出装置及
び方法、特に過去の売買データがほとんどない車両の価
格を予想する技術に関する。

【０００２】

【従来の技術】従来より、各種の車両データに基づいて
中古車の評価を機械的に行う技術が知られている。

【０００３】例えば、特開平４−３４２０６１号公報に
は、中古車販売のオークション等における評価点を初年
度登録後月数、修理必要箇所、走行距離、車名などから
算出する技術が記載されている。すなわち、評価点に関
連する持ち点や減点を車両データから算出するための各
種テーブルを記憶装置に記憶しておき、入力された車両
データに基づいてこれらのテーブルを適宜参照して評価
点を自動算出している。

【０００４】テーブルは、過去の売買データから統計的
に決定される。オークションにおける車両の売買価格
は、この評価点を目安として決定されるから、この技術
を用いることでオークション落札価格を事前にある程度
予想することができる。

【０００５】

【発明が解決しようとする課題】しかしながら、上記従
来技術では、評価点を自動算出する際の基準となる過去
の売買データがない場合には評価点あるいはオークショ
ン落札価格を算出することができない問題があった。

【０００６】過去の売買データが存在しない場合には、
操作者は通常、その車両に類似する車両の過去の売買デ
ータをある程度参考にして予想することとなるが、操作
者の経験と習熟度に依存することとなり、常に一定の精
度で予測することができない問題があった。売買データ
が存在しない場合のみならず、過去の売買データは存在
するもののその数が少ない場合にも同様の問題は起こり
得る。

【０００７】本発明は上記従来技術の有する課題に鑑み
なされたものであり、その目的は、過去の売買データが
ない、あるいはあっても少ない場合に、常に一定の精度
で車両価格を算出することができる装置及び方法を提供
することにある。

【０００８】

【課題を解決するための手段】上記目的を達成するため
に、本発明の車両価格算出装置は、価格算出対象車両の
データを入力する手段と、前記データに基づき、前記価
格を算出するための基準となる過去の売買データを有す
る類似車両を検索する手段と、前記類似車両のデータを
出力する手段とを有することを特徴とする。

【０００９】また、前記類似車両のデータから前記価格
算出対象車両の価格を算出する手段をさらに有すること
が好適である。

【００１０】また、前記検索する手段は、前記類似車両
を複数検索し、前記算出する手段は、複数の前記類似車
両のデータを統計処理して前記価格算出対象車両の価格
を算出することが好適である。

【００１１】また、前記検索する手段は、価格算出対象
車両のメーカ、形状、排気量、駆動型式、エンジン種類
の少なくともいずれかを類似度判定の基準に用いて前記
類似車両を検索することが好適である。検索する手段
は、前記価格算出対象車両の種別に基づき、前記類似度
判定の基準を変化させることができる。

【００１２】また、前記検索する手段は、前記価格算出
対象車両の過去の売買データが一定数以下の場合に前記
類似車両を検索することが好適である。

【００１３】また、本発明は、過去の売買データから車
両の価格を算出する方法を提供する。この方法は、価格
算出対象車両のデータを入力するステップと、前記デー
タに基づき、予め記憶された複数の車両の中から前記価
格算出対象車両に類似し、かつ過去の売買データを有す
る車両を検索するステップと、検索して得られた車両の
過去の売買データから前記価格算出対象車両の価格を算
出するステップとを有することを特徴とする。

【００１４】ここで、前記検索するステップは、前記価
格算出対象車両のデータと予め記憶された車両のデータ
を比較して類似の度合いを判定するステップと、前記類
似の度合いが所定値以上である１または複数の車両を抽
出するステップとを有することが好適であり、前記類似
の度合いを判定するステップでは、前記価格算出対象車
両の車種に応じて前記類似の度合いを判定するアルゴリ
ズムを変化させることが好適である。

【００１５】本発明においては、過去の売買データが存
在しない車両、あるいは過去の売買データが存在しても
その数が十分でない場合に、その車両に類似する車両を
検索し、この類似車両の過去の売買データを援用して車
両の価格を算出する。類似車両は、メーカの同一性、形
状の類似性、排気量の類似性などを基準として検索され
る。一定の基準で類似車両を検索することで、常に一定
の精度で価格を算出することが可能となる。類似車両を
検索する際、価格算出対象車両の種別に応じて基準を変
化させることで、より実状に合致した類似車両の検索が
可能となる。例えば、同じ乗用車であっても、セダンと
スポーツクーペとでは、価格決定の際に重視する項目が
異なり、スポーツクーペではセダンの場合よりも排気量
や駆動型式の相違が重視される傾向にある。したがっ
て、基準を固定するのではなく、種別に応じて適応的に
変化させることで、類似車両の検索精度を上げることが
できる。

【００１６】

【発明の実施の形態】以下、図面に基づき本発明の実施
形態について、中古車のオークション落札価格を事前に
予想する場合を例にとり説明する。

【００１７】図１には、本実施形態に係る車両価格算出
装置の構成ブロック図が示されている。車両価格算出装
置１０は、ＣＰＵ１０ａ、メモリ１０ｂ、入力部１０ｃ
及び出力部１０ｄを有して構成される。入力部１０ｃ
は、たとえばキーボードやマウス、タッチスイッチ等で
構成される。出力部１０ｄは、ＣＲＴや液晶等のディス
プレイで構成することができる。メモリ１０ｂは、ＲＯ
ＭやＲＡＭ、ハードディスク等で構成され、車両価格を
算出する際に用いられる演算式及び各種テーブルが記憶
される。ユーザは、入力部１０ｃから車両データを入力
する。車両データは、売買を希望する車両の車種や型式
（グレード）、色、オプション装備（エアコンやパワー
ステアリング、トランスミッション、サンルーフ）、年
式、走行距離、車検残存期間等である。入力部１０ｃか
ら入力されたこれらのデータはＣＰＵ１０ａに供給され
る。ＣＰＵ１０ａは、これらのデータ及びメモリ１０ｂ
に記憶されているテーブルに基づき、所定の演算式を用
いて車両予想売買価格を算出し出力部１０ｄに出力す
る。

【００１８】ＣＰＵ１０ａで用いられる演算式は、具体
的には以下の通りである。

【００１９】

【数１】予想価格＝（新車基本価格×型式Ｎｏ．格差係数×色格差係数×オークション会場格差係数＋オプション評価額）×（経過月数に応じた残価率−走行距離減点率）×相場変動＋車検残加額・・・（１）ここで、型式Ｎｏ．格差係数とは、車両の型式（グレー
ド）に応じた比率であり、例えば最も多く売買される型
式を基準に決定される。色格差係数とは、車両の色の相
違に基づく比率であり、特定の色を基準に決定される。
オークション会場格差は、オークション毎に車種により
落札価格が異なる事実を考慮するための係数であり、特
定のオークション会場を基準に決定することができる。
オプション評価額は、エアコンやサンルーフなどのオプ
ション装備により生じる追加額である。経過月数に応じ
た残価率とは、経過月数により価値が下がることを考慮
した係数であり、走行距離減点率は走行距離が増大する
程価値が下がることを考慮した係数である。相場変動と
は、毎月毎の需要と供給の変化を考慮した係数であり、
車検残加額とは売買時における車両残期間に応じた加算
額である。

【００２０】これらのパラメータの内、型式Ｎｏ．格
差、色格差係数、オークション会場格差係数、経過月数
に応じた残価率、走行距離減点率、相場変動は、入力さ
れた車両と同一の車両に関する過去の売買データを統計
的に処理して決定することができる。例えば、オークシ
ョン会場格差係数は、当該オークション会場における過
去のオークション落札価格のデータから山登り法により
算出される。山登り法においては、

【数２】決定係数＝１−（Σ計算値と実際価格の差の平方／Σ実際価格と平均実際価格の差の平方）・・・（２）で定義される決定係数ができるだけ１に近くなるような
解を最適解とする。なお、（２）式におけるΣは、該当
車種の中の条件に当てはまる全ての過去の売買データに
ついての積算である。条件に当てはまるものは、演算し
ようとする係数が何かによって異なり、例えば色格差係
数であれば、該当する色についての過去の売買データで
ある。そして、オークション会場格差係数を決定する場
合、色格差係数などの他の全ての係数の値を固定し、着
目するオークション会場の過去の売買データから、決定
係数が１に近くなるような係数（例えば比率）を設定す
る。係数として比率を例にとり具体的に説明すると、あ
るオークション会場を基準として別のオークション会場
の比率を決定する場合、ある任意の比率、例えば１．１
を設定して当該オークション会場における該当車種につ
いての全ての過去の落札価格データを用いて（２）式を
計算し、さらの他の比率、例えば１．３を設定して同様
に（２）式を計算し、両値のうちいずれか１に近い方の
比率を採用する。そして、再び他の比率を適当に設定
し、同様の比較及び選択を繰り返して、最終的に最も１
に近くなる比率を探索する。その後、例えば色格差係数
を決める場合には、それまでに決定している係数は、そ
の中から１に最も近い係数に固定して同様に算出する。
その後は、同様に行い全ての係数を過去の売買データ
（同一車種）から決定する。なお、このようにランダム
に選択した解と他の一つの解を比較し、より好ましい方
を残して最適解を探る山登り法によれば、最適解ではな
く局所解（２つ以上の解のうちの次善解）に収束してし
まうおそれもあるので、例えば遺伝的アルゴリズムを導
入して最適解への収束性を確保することも好適である。
また、係数を決定する際に、山登り法ではなく他の統計
的手法を用いても良いことは言うまでもない。

【００２１】一方、過去の売買データが存在しない場合
には、このような方法で決定することができないので、
別の方法で係数（パラメータ）を決定する必要がある。
特に、経過月数に応じた残価率や走行距離減点率は、車
両毎に大きく異なると考えられるので、これら２つのパ
ラメータを高精度に決定することが重要となる。

【００２２】そこで、ＣＰＵ１０ａは、入力部１０ｃか
ら車両データが入力され、その車両に該当する過去の売
買データが存在しない場合には、メモリ１０ｂに記憶さ
れた、過去の売買データが存在する複数の車両から類似
する車両を検索し、それら類似する車両の過去の売買デ
ータを統計的に処理して経過月数に応じた残価率及び走
行距離減点率を決定し、価格を算出する。

【００２３】なお、車両価格算出装置１０は、具体的に
はコンピュータで構成することができる。また、ＣＰＵ
１０ａやメモリ１０ｂの機能は、ネットワークで接続さ
れた他のコンピュータ（サーバコンピュータ）に存在し
ていてもよい。この場合、入力部１０ｃから供給された
車両データは図示しない通信制御部及び通信ネットワー
クを介してサーバコンピュータに送信され、サーバコン
ピュータで類似車両の検索及び車両予想価格の算出を行
い、その結果を車両価格算出装置１０に供給する。

【００２４】図２には、ＣＰＵ１０ａで実行される類似
車両検索の概念図が示されている。ＣＰＵ１０ａは、価
格を算出する対象の車両１００とメモリ１０ｂに記憶さ
れている車両（過去の売買データが存在する車両）２０
０〜２０６との類似度Ｓ１〜Ｓ４をそれぞれ算出し、し
きい値以上の類似度を有する車両を類似車両とする。価
格算出対象車両１００と比較される車両２００〜２０６
は、車両１００と同一グループに属する車両であること
が好ましい。グループは、例えば日本査定協会が定めた
車両のクラスに準拠したものが用いられ、本実施形態で
は該クラスをさらに細分化してグループ１：乗用車／特Ａ、Ｂ、Ｃ、Ｉグループ２：乗用車／２、３グループ３：乗用車／４グループ４：乗用車／クーペグループ５：乗用車／ワゴングループ６：貨物車／特Ａ、Ｂ、Ｃ、Ｉグループ７：貨物車／２、３グループ８：貨物車／４グループ９：ワゴン／２、３グループ１０：ワゴン／４グループ１１：ジープ／２、３グループ１２：ジープ／４グループ１３：軽／軽と１３のグループに分けている。価格算出対象車両１０
０のグループと同一グループに属する複数の車両２００
〜２０６から類似車両を検索する。

【００２５】図３には、メモリ１０ｂに記憶され、ＣＰ
Ｕ１０ａが類似度を算出する際に用いるテーブルの一例
が示されている。類似度を算出する基準として、メー
カ、形状及び排気量が用いられ、これら各基準について
価格算出対象車両１００（比較元）と比較対象車両２０
０〜２０６との相違に基づく得点（類似距離）が一義的
に定義される。得点（類似距離）が小さいほど、２つの
車両の類似度は大きくなる。例えば、車両１００がメー
カＡのもので車両２００もメーカＡのものである場合に
は得点（類似距離）は０点とされ、車両１００がメーカ
Ａであり車両２０２がメーカＢである場合には得点（類
似距離）は５０点とされる。また、車両１００の形状が
２ＨＴ（２ドアハードトップ）であり車両２００の形状
が４ＳＤ（４ドアセダン）である場合には得点（類似距
離）は１０点とされ、車両１００が４ＨＴ（４ドアハー
ドトップ）で車両２０２が４ＳＤ（４ドアセダン）であ
る場合には１０点とされる。さらに、車両１００の排気
量が２０００：２１００、すなわち排気量が２０００ｃ
ｃ以上２１００ｃｃ以下の場合で車両２００の排気量が
４５００：４６００、すなわち４５００ｃｃ以上で４６
００ｃｃ以下の場合には得点（類似距離）は１２５点と
される。総得点（総類似距離）は、これら各得点の和と
して算出される。

【００２６】

【数３】総得点（総類似距離）＝（メーカ点）＋（形状点）＋（排気量点）・・・（３）なお、メーカ、形状、排気量だけでなく、さらに他の基
準、例えば駆動型式（２ＷＤと４ＷＤの相違、２ＷＤで
もＦＦとＦＲの相違）あるいはエンジンの種類（ガソリ
ン、ディーゼル、電気自動車、ハイブリッド）に基づい
て得点（類似距離）を決定してもよい。

【００２７】また、これらの基準に重みを設け、車両１
００の種別に応じて重みを適宜変化させることも好適で
ある。具体的には、重みをα、β、γ、δ、εとし、

【数４】総得点（総類似距離）＝α（メーカ点）＋β（形状点）＋γ（排気量点）＋δ （駆動型式点）＋ε（エンジン種類点）・・・（４）により算出するなどである。一例として、スポーツ車の
場合には排気量の相違が価格に大きな影響を与えるた
め、排気量点の重みγを他の重みに比べて大きくする等
である。重みを適応的に変化させて総得点（総類似距
離）算出のアルゴリズムを変化させることで、車両の種
別毎に価格において重視する項目が異なるという実状を
反映させることができる。重みはＣＰＵ１０ａが入力デ
ータに基づいて自動的に調整してもよく、あるいはユー
ザが別途入力部１０ｃから入力できるようにしてもよ
い。例えば、ユーザがメーカ間の相違を考慮しないで類
似車両を検索したいと欲する場合、αを０に設定すれば
よい。もちろん、重みを変化させるのではなく、図３に
示されたテーブルにおける得点自体を変化させてもよ
い。例えば、価格算出対象車両の形状が２ＨＴの場合に
は、４ＳＤの場合よりも排気量の相違について得点（類
似距離）を大きくする等である。テーブル及び（３）式
あるいは（４）式を用いて、ＣＰＵ１０ａは車両１００
に対する車両２００〜２０６の類似度（得点あるいは類
似距離の逆数を類似度とすることができる）を算出し、
類似車両を抽出することができる。

【００２８】図４には、本実施形態における全体処理フ
ローチャートが示されている。まず、入力部１０ｃから
価格算出対象車両１００のデータを入力する（Ｓ１０
１）。具体的には、車名やメーカ、形状、色、排気量、
駆動型式、エンジン種類、登録年月日、車検残期間、走
行距離などであり、要は、価格算出に必要なデータを入
力する。次に、ＣＰＵ１０ａは、入力された車両と同一
の車両が存在するか否かを判定する（Ｓ１０２）。この
判定は、例えば過去の売買データが存在する車両データ
をメモリ１０ｂに予め記憶しておき、これらの車両と一
致するか否かを判定することで行うことができる。な
お、同一車両とは、メーカ、車名、型式Ｎｏ．（グレー
ド）のいずれも同一である車両をいう。同一車両が存在
する場合には、その車両の過去の売買データを統計処理
して得られるパラメータを用いて（１）式に従い価格を
算出し（Ｓ１０５）、出力部１０ｄに出力する。

【００２９】一方、同一車両が存在しない場合には、Ｃ
ＰＵ１０ａはデータ入力された価格算出対象車両の類似
車両を検索し（Ｓ１０３）、類似車両の過去の売買デー
タに基づいて（１）式における経過月数に応じた残価率
及び走行距離減点率の各パラメータを算出する（Ｓ１０
４）。パラメータ算出は、複数の類似車両の平均値を用
いることが好適である。例えば、類似車両としてＡ、
Ｂ、Ｃ３つの車両が検索され、経過月数に応じた残価率
（入力データの経過月数に対応する残価率）がそれぞれ
３０％、２０％、４０％である場合には、その平均とし
て３０％を価格算出対象車両の残価率パラメータに設定
する。経過月数に応じた残価率及び走行距離減点率以外
のパラメータ、例えば型式Ｎｏ．格差係数や色格差係数
などは１に設定することができる。

【００３０】類似車両の過去の売買データに基づいてパ
ラメータを算出した後、このパラメータを用いて価格を
算出し（Ｓ１０５）、出力する（Ｓ１０６）。なお、価
格を出力する際には、同一車両が存在しないため類似車
両のデータを用いた旨、及びその類似車両のデータ（メ
ーカや車名、型式、排気量など）も出力することが好適
である。

【００３１】図５には、図４における類似車両の検索処
理（Ｓ１０３）の詳細フローチャートが示されている。
まず、ＣＰＵ１０ａは、入力データに基づき、価格算出
対象車両と同一グループに属する車両をメモリ１０ｂか
ら検索する（Ｓ２０１）。次に、検索して得られた車両
のそれぞれについて、メーカ、形状、排気量を基準とす
る得点（類似距離）を算出する（Ｓ２０２）。各車両に
ついて得点（類似距離）を算出した後、得点（類似距
離）が一定値以下、あるいは類似距離の逆数として定義
される類似度が一定値以上のものが３車両存在するか否
かを判定する（Ｓ２０３）。類似度が一定値以上のもの
が３車両存在しない場合には、パラメータを高精度に算
出することができないので処理を終了する。類似度が一
定値以上のものが３車両存在する場合には、これら３車
両の対応するデータ、すなわち残価率と走行距離減点率
を出力する（Ｓ２０４）。

【００３２】図５の処理をより具体的に説明する。例え
ば、価格算出対象車両として「センチュリー」を入力し
た場合、過去にセンチュリーを売買したデータが存在し
ないので類似車両を検索する場合、まず、「センチュリ
ー」と同一グループに属する車両、例えば「プレジデン
ト」や「セルシオ」、「シーマ」、「クラウンマジェス
タ」などを検索する。次に、これらの車両に対してそれ
ぞれ得点（類似距離）を算出する。得点を算出した結
果、プレジデント１６５点、セルシオ２７０点、シーマ
３１５点、クラウンマジェスタ３５５点が得られたとす
る。５００点以上は類似車両でないとすると、この条件
を満たす上位３車両の「プレジデント」、「セルシ
オ」、「シーマ」の残価率の平均値を「センチュリー」
の残価率とし、「プレジデント」、「セルシオ」、「シ
ーマ」の走行距離減点率の平均を「センチュリー」の走
行距離減点率とする。これにより、過去の売買データが
存在しなくても、一定の精度で「センチュリー」の価格
を予想することが可能となる。

【００３３】なお、本実施形態において、類似３車両の
データを平均して２つのパラメータ（残価率と走行距離
減点率）を算出しているが、２つの車両のデータの平均
あるいは３つ以上の車両のデータを平均してパラメータ
を算出してもよい。

【００３４】また、ある車両のみが他の車両に比べて特
に類似度が大きい場合には、その車両のデータのみを用
いてパラメータを算出することもできる。

【００３５】また、複数の車両のデータを平均する場合
でも、重み付け平均（最も類似度の高い車両の重みを大
きくする）で算出することも好適である。

【００３６】また、本実施形態では、過去の売買データ
が存在しない車両について類似車両を検索したが、過去
の売買データが存在してもその数が所定数以下で統計的
に十分でない場合に類似車両を検索することも好適であ
る。この場合、過去の売買データから得られたパラメー
タと類似車両から得られたパラメータの平均、あるいは
重み付け平均で価格算出対象車両のパラメータを決定す
ればよい。

【００３７】また、本実施形態では、経過月数に応じた
残価率と走行距離減点率を類似車両のデータから算出し
ているが、他のパラメータ、例えば色格差係数やオーク
ション会場格差係数を類似車両のデータから算出するこ
ともできる。

【００３８】さらに、本実施形態において、同一車両が
存在しない、あるいはあっても少ない場合に出力部１０
ｄにその旨を表示し、類似車両を検索するか否かをユー
ザに選択させるように構成することも好適である。

【００３９】

【発明の効果】以上説明したように、本発明によれば、
過去の売買データが存在しない、あるいは存在してもそ
の数が少ない場合においても、一定の精度で車両価格を
算出することができる。

【図面の簡単な説明】

【図１】実施形態の構成ブロック図である。

【図２】類似車両検索の概念図である。

【図３】図１のメモリに記憶されるテーブル説明図で
ある。

【図４】実施形態の全体処理フローチャートである。

【図５】図４における類似車両検索処理フローチャー
トである。

【符号の説明】

１０車両価格算出装置、１０ａＣＰＵ、１０ｂメ
モリ、１０ｃ入力部、１０ｄ出力部。

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 5B049 BB16 BB36 CC11 DD01 DD05 EE01 EE05 FF03 FF04 FF09 GG04 GG07 5B075 KK07 KK13 KK33 KK37 MM11 ND03 ND08 PP02 PP03 PP12 PP13 PP30 PQ02 PQ23 PR06 QM08 UU40

Claims

【特許請求の範囲】

【請求項１】価格算出対象車両のデータを入力する手
段と、前記データに基づき、前記価格を算出するための基準と
なる過去の売買データを有する類似車両を検索する手段
と、前記類似車両のデータを出力する手段と、を有することを特徴とする車両価格算出装置。
【請求項２】請求項１記載の装置において、さらに、前記類似車両のデータから前記価格算出対象車両の価格
を算出する手段と、を有することを特徴とする車両価格算出装置。
【請求項３】請求項２記載の装置において、前記検索する手段は、前記類似車両を複数検索し、前記算出する手段は、複数の前記類似車両のデータを統
計処理して前記価格算出対象車両の価格を算出すること
を特徴とする車両価格算出装置。
【請求項４】請求項１〜３のいずれかに記載の装置に
おいて、前記検索する手段は、価格算出対象車両のメーカ、形
状、排気量、駆動型式、エンジン種類の少なくともいず
れかを類似度判定の基準に用いて前記類似車両を検索す
ることを特徴とする車両価格算出装置。
【請求項５】請求項４記載の装置において、前記検索する手段は、前記価格算出対象車両の種別に基
づき、前記類似度判定の基準を変化させることを特徴と
する車両価格算出装置。
【請求項６】請求項１〜５のいずれかに記載の装置に
おいて、前記検索する手段は、前記価格算出対象車両の過去の売
買データが一定数以下の場合に前記類似車両を検索する
ことを特徴とする車両価格算出装置。
【請求項７】過去の売買データから車両の価格を算出
する方法であって、価格算出対象車両のデータを入力するステップと、前記データに基づき、予め記憶された複数の車両の中か
ら前記価格算出対象車両に類似し、かつ過去の売買デー
タを有する車両を検索するステップと、検索して得られた車両の過去の売買データから前記価格
算出対象車両の価格を算出するステップと、を有することを特徴とする車両価格算出方法。
【請求項８】請求項７記載の方法において、前記検索するステップは、前記価格算出対象車両のデータと予め記憶された車両の
データを比較して類似の度合いを判定するステップと、前記類似の度合いが所定値以上である１または複数の車
両を抽出するステップと、を有することを特徴とする車両価格算出方法。
【請求項９】請求項８記載の方法において、前記類似の度合いを判定するステップでは、前記価格算
出対象車両の車種に応じて前記類似の度合いを判定する
アルゴリズムを変化させることを特徴とする車両価格算
出方法。