[发明专利]一种基于智能算法的二手车估值方法和系统

权利要求书

1.一种基于智能算法的二手车估值方法，其特征在于，包括如下步骤：

步骤S1，通过收集、查找历史文献，确定用于评价二手车性能的3个一级指标和一级指标下的共计49个二级指标，一级指标包括车辆维修档案信息、车辆基础信息、车辆使用状态信息，其中车辆维修档案信息下包括6个二级指标，车辆基础信息下包括9个二级指标，车辆使用状态信息下包括34个二级指标；

步骤S2，结合市场用户需求建立用户需求集合{动力性，操控性，可靠性，安全性，外观性，舒适性，环保性，品牌性}，并利用质量屋分析方法建立用户需求与车辆使用状态信息下34个二级指标之间的关系；

步骤S2中利用质量屋分析方法建立用户需求与车辆使用状态信息下34个二级指标之间的关系的具体实施方式如下，

步骤S21，获得用户需求集合对应的重要性集合为T＝{T₁，T₂，T₃，T₄，T₅，T₆，T₇，T₈}，然后利用公式(1)求得用户需求相对重要度权重为：

其中，i取1～8，依次对应动力性，操控性，可靠性，安全性，外观性，舒适性，环保性，品牌性；

步骤S22，根据用户需求集合，获得每一需求对应的物理结构集合及对应的重要性程度值，所述物理结构集合由车辆使用状态信息下包含的34个二级指标构成，然后通过公式(2)求得每一需求对应物理结构重要度相对权重：

式中，表示第i个需求对应的第j个物理结构的重要性程度值，r_ij表示第i个需求对应的第j个物理结构集合，x_i表示第i个需求对应物理结构集合中的个数，CR_i表示第i个需求相对重要度权重，K_ij表示第i个需求对应的第j个物理结构重要度相对权重；

其中动力性对应的物理结构集合为r_1g＝{曲轴连杆机构，配气结构，燃料供给系，点火系，启动系，电子点火系，电子启动系，离合器，变速器，驱动桥，车轮}，g取1～11；

操控性对应的物理结构集合为r_2k＝{曲轴连杆机构，点火系，润滑系，启动系，发电机，电源，电子点火系，电子启动系，照明系，信号系，电子仪表，离合器，变速器，万向传动装置，驱动桥，车轮，转向操纵机构，转向器，制动传动装置，制动器}，k取1～20；

可靠性对应的物理结构集合为r_3l＝{点火系，启动系，电子点火系，电子启动系，离合器，变速器，制动传动装置，制动器}，l取1～8；

安全性对应的物理结构集合为r_4m＝{照明系，信号系，电子仪表，离合器，变速器，车轮，转向操纵机构，转向器，制动传动装置，制动器}，m取1～10；

外观性对应的物理结构集合为r_5n＝{电子仪表，车轮}，n取1～2；

舒适性对应的物理结构集合为r_6o＝{润滑系，变速器，车架，车轮，制动器，其他}，o取1～6，其他表示除所有物理结构集合中包含的二级指标外，剩余的车辆使用状态信息下的所有二级指标；

环保性对应的物理结构集合为r_7p＝{燃料供给系，变速器}，p取1～2；

品牌性对应的物理结构集合为r_8q＝{曲轴连杆机构，配气结构，燃料供给系，点火系，变速器}，q取1～5；

步骤S3，获取二手车辆历史数据，即获取车辆维修档案信息、车辆基础信息、车辆使用状态信息及其包含的下级指标集信息，并确定对应的历史估值；

步骤S4，将获取的历史数据作为训练样本，输入到神经网络系统进行自适应学习，通过系统学习，获取车辆维修档案信息、车辆基础信息、车辆使用状态信息3个一级指标及相应下级指标在历史估值中所占权重参数；

步骤S5，用户通过客户端输入待估值车辆的相关信息到训练好的神经网络系统，结合历史数据确定的相关权重，输出对于二手车的估值；

步骤S6，基于神经网络系统的估值，从买家需求出发，根据步骤S2中质量屋分析方法获得的用户需求与车辆使用状态信息下34个二级指标之间的关系，对所有估值的二手车辆进行智能排序，即从动力性，操控性，可靠性，安全性，外观性，舒适性，环保性，品牌性，选择符合用户需求的二手车辆，以满足买家的个性需求；

步骤7，将最终的实际成交价信息反馈到神经网络系统，通过实际信息的反馈，不断调节各一级指标和二级指标的权值，使评估系统逐步符合市场规律。