一种二手车价值评估方法与流程

1.本发明涉及车辆价值评估，具体涉及一种二手车价值评估方法。


背景技术：

2.随着二手车交易在电子商务中的不断发展，在二手车交易过程中起着重要作用的二手车鉴定评估工作需要不断地规范和完善，以满足市场需要。目前，二手车市场仍然是个信息不对称的市场，消费者很难获取二手车的真实交易信息，其结果是二手车市场难以取得消费者的信赖，许多潜在的二手车需求难以转化成为现实的市场交易。
3.而在二手车市场中，二手车属于非标品，没有统一的定价方式。目前，市场上存在的定价服务参差不齐、定价覆盖率不高、定价不准，不能为消费者、车商买卖二手车提供精准的价值评估服务，很多二手车的定价都是出售者自行填写，有的严重偏离市场实际价格。
4.部分消费者、车商之间会通过第三方检测机构对车辆价值进行评估，然而国内大多数第三方检测机构太过于依赖二手车评估师的自身经验。客观来说，这种操作往往受主观因素影响较大，同时人员的专业性水平及对车辆相关信息的掌握情况，也很容易造成评估误差，因此往往得出的结果不具备较强的说服力。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术所存在的上述缺点，本发明提供了一种二手车价值评估方法，能够有效克服现有技术所存在的不能实现二手车买卖的信息对称、无法对二手车进行准确价值评估的缺陷。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：
9.一种二手车价值评估方法，包括以下步骤：
10.s1、实时采集并更新互联网公开二手车数据，对二手车数据进行数据处理；
11.s2、对数据处理后的二手车数据进行建模；
12.s3、根据实际输入信息在模型中进行匹配，得到候选集，并对候选集进行匹配度评分，选出评分最高的车辆作为评估对象；
13.s4、进行数据采集并对数据进行预处理，确定车辆价值评估网络拓扑结构；
14.s5、采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，并利用车辆价值评估网络对评估对象进行价值评估。
15.优选地，s1中实时采集并更新互联网公开二手车数据，包括：
16.基于互联网数据采集工具对全网公开的二手车数据进行24h不间断爬取；
17.其中，互联网数据采集工具包括数据采集模块和数据整合模块，数据采集模块通过动态网页分布式抓取和抽取结构化数据进行二手车数据采集，数据整合模块对数据采集模块采集的二手车数据进行数据整合。
18.优选地，s1中对二手车数据进行数据处理，包括：
19.对数据整合后的二手车数据中的异构多源脏数据进行数据去重和数据清洗，得到数据处理后的结构化数据。
20.优选地，s2中对数据处理后的二手车数据进行建模，包括：
21.基于树形结构融合编码建模，对数据处理后的结构化数据进行建模。
22.优选地，s3中根据实际输入信息在模型中进行匹配，得到候选集，包括：
23.当实际输入信息较为详细时，使用深度优先搜索dfs在模型中进行匹配，得到候选集；
24.当实际输入信息较为粗略时，使用广度优先搜索bfs在模型中进行匹配，得到候选集。
25.优选地，s3中对候选集进行匹配度评分，选出评分最高的车辆作为评估对象，包括：
26.采用bleu算法对候选集进行匹配度评分：
[0027][0028]
其中，bp是惩罚因子，用来惩罚长度过短的翻译语句，pn是各n值下的n-gram精度计算结果，ωn是各pn的权重因子。
[0029]
优选地，s4中进行数据采集并对数据进行预处理，包括：
[0030]
采集二手车交易数据，并对二手车交易数据进行归一化处理：
[0031]
b＝(b
0-b
min
)/(b
max-b
min
)
[0032]
其中，b为归一化后的二手车交易数据，b0为原始数据，b
max
、b
min
分别为原始数据集的最大值、最小值。
[0033]
优选地，s4中车辆价值评估网络包括输入层、隐藏层和输出层；
[0034]
输入层，输入归一化后的二手车交易数据，每个输入节点被映射成与一个二手车交易数据类型对应的神经元；
[0035]
输出层，输出二手车评估价值，实时反馈供用户参考。
[0036]
优选地，s5中采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，包括：
[0037]
s51、设置车辆价值评估网络的权值区间、划分刻度值、权值参数个数和优化结束条件；
[0038]
s52、释放蚂蚁群，蚂蚁从权值ωs的划分刻度值只经过一次，记录相应点的划分刻度值，这些点的组合构成一组权值参数；
[0039]
s53、输入归一化后的二手车交易数据作为训练样本，并记录误差最小的一组权值参数；
[0040]
s54、如果最小误差满足优化结束条件，则完成权值初始化过程，否则按照设定更新策略对权值ωs的划分刻度值进行更新；
[0041]
s55、重复s52-s54，直至满足最大迭代次数，完成权值初始化过程。
[0042]
优选地，完成权值初始化过程后，计算网络输出和实际输出之间的误差，并将误差由输出层反向传播至输入层，进一步调整权值参数。
[0043]
(三)有益效果
[0044]
与现有技术相比，本发明所提供的一种二手车价值评估方法，具有以下有益效果：
[0045]
1)首先实时采集并更新互联网公开二手车数据，并对数据处理后的二手车数据进行建模，从而构建一个包含大量真实二手车数据的模型，根据实际输入信息即可在模型中进行车辆匹配，从而找到符合消费者需求的二手车，有效解决了二手车买卖的信息不对称问题；
[0046]
2)进行数据采集并对数据进行预处理，确定车辆价值评估网络拓扑结构，采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，并利用车辆价值评估网络对评估对象进行价值评估，通过改进的蚂蚁群算法对车辆价值评估网络进行权值初始化，能够得到更加优化的车辆价值评估网络，为准确评估车辆价值提供网络模型支持。
附图说明
[0047]
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，下面将对实施例或现有技术描述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。
[0048]
图1为本发明的流程示意图；
[0049]
图2为本发明中根据实际输入信息进行二手车匹配的流程示意图。
具体实施方式
[0050]
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述。显然，所描述的实施例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作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。
[0051]
一种二手车价值评估方法，如图1和图2所示，
①
实时采集并更新互联网公开二手车数据，对二手车数据进行数据处理。
[0052]
其中，实时采集并更新互联网公开二手车数据，包括：
[0053]
基于互联网数据采集工具对全网公开的二手车数据进行24h不间断爬取；
[0054]
其中，互联网数据采集工具包括数据采集模块和数据整合模块，数据采集模块通过动态网页分布式抓取和抽取结构化数据进行二手车数据采集，数据整合模块对数据采集模块采集的二手车数据进行数据整合。
[0055]
其中，对二手车数据进行数据处理，包括：
[0056]
对数据整合后的二手车数据中的异构多源脏数据进行数据去重和数据清洗，得到数据处理后的结构化数据。
[0057]
如图1和图2所示，
②
对数据处理后的二手车数据进行建模，具体包括：
[0058]
基于树形结构融合编码建模，对数据处理后的结构化数据进行建模。
[0059]
如图1和图2所示，
③
根据实际输入信息在模型中进行匹配，得到候选集，并对候选集进行匹配度评分，选出评分最高的车辆作为评估对象。
[0060]
其中，根据实际输入信息在模型中进行匹配，得到候选集，包括：
[0061]
当实际输入信息较为详细时，使用深度优先搜索dfs在模型中进行匹配，得到候选集；
[0062]
当实际输入信息较为粗略时，使用广度优先搜索bfs在模型中进行匹配，得到候选集。
[0063]
其中，对候选集进行匹配度评分，选出评分最高的车辆作为评估对象，包括：
[0064]
采用bleu算法对候选集进行匹配度评分：
[0065][0066]
其中，bp是惩罚因子，用来惩罚长度过短的翻译语句，pn是各n值下的n-gram精度计算结果，ωn是各pn的权重因子。
[0067]
本技术技术方案中，首先实时采集并更新互联网公开二手车数据，并对数据处理后的二手车数据进行建模，从而构建一个包含大量真实二手车数据的模型，根据实际输入信息即可在模型中进行车辆匹配，从而找到符合消费者需求的二手车，有效解决了二手车买卖的信息不对称问题。
[0068]
如图1所示，
④
进行数据采集并对数据进行预处理，确定车辆价值评估网络拓扑结构。
[0069]
其中，进行数据采集并对数据进行预处理，包括：
[0070]
采集二手车交易数据，并对二手车交易数据进行归一化处理：
[0071]
b＝(b
0-b
min
)/(b
max-b
min
)
[0072]
其中，b为归一化后的二手车交易数据，b0为原始数据，b
max
、b
min
分别为原始数据集的最大值、最小值。
[0073]
其中，车辆价值评估网络包括输入层、隐藏层和输出层；
[0074]
输入层，输入归一化后的二手车交易数据，每个输入节点被映射成与一个二手车交易数据类型对应的神经元；
[0075]
输出层，输出二手车评估价值，实时反馈供用户参考。
[0076]
如图1所示，
⑤
采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，并利用车辆价值评估网络对评估对象进行价值评估。
[0077]
其中，采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，包括：
[0078]
s51、设置车辆价值评估网络的权值区间、划分刻度值、权值参数个数和优化结束条件；
[0079]
s52、释放蚂蚁群，蚂蚁从权值ωs的划分刻度值只经过一次，记录相应点的划分刻度值，这些点的组合构成一组权值参数；
[0080]
s53、输入归一化后的二手车交易数据作为训练样本，并记录误差最小的一组权值参数；
[0081]
s54、如果最小误差满足优化结束条件，则完成权值初始化过程，否则按照设定更新策略对权值ωs的划分刻度值进行更新；
[0082]
s55、重复s52-s54，直至满足最大迭代次数，完成权值初始化过程。
[0083]
完成权值初始化过程后，计算网络输出和实际输出之间的误差，并将误差由输出
层反向传播至输入层，进一步调整权值参数。
[0084]
本技术技术方案中，进行数据采集并对数据进行预处理，确定车辆价值评估网络拓扑结构，采用改进的蚂蚁群算法对车辆价值评估网络的权值初始化过程进行优化，并利用车辆价值评估网络对评估对象进行价值评估。
[0085]
通过改进的蚂蚁群算法对车辆价值评估网络进行权值初始化，并利用反向传播算法对车辆价值评估网络进行优化，能够得到更加优化的车辆价值评估网络，为准确评估车辆价值提供网络模型支持。
[0086]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。