本发明涉及一种基于智能算法的二手车估值方法和系统，该方法首先提出评价二手车性能的一级指标和二级指标，通过质量分析屋分析方法建立客户需求与二级指标之间的关系，利用人工神经网络以及大数据分析手段对二手车进行估值好反馈调节，更加符合市场规律，达到科学、高效、准确的评估。本发明结合大数据分析方法，在系统预估二手车的估值后，通过大数据信息比对，动态的调整估值，并且清晰且直观的反映出该车辆相对于整体市场行情的情况，让估值系统更加智能，符合市场变化的规律。
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
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，rij表示第i个需求对应的第j个物理结构集合，xi表示第i个需求对应物理结构集合中的个数，CRi表示第i个需求相对重要度权重，Kij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r1g＝{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r2k＝{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r3l＝{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r4m＝{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r5n＝{电子仪表，车轮}，n取1～2；
舒适性对应的物理结构集合为r6o＝{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r7p＝{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r8q＝{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。
2.如权利要求1所述的一种基于智能算法的二手车估值方法，其特征在于：所述车辆维修档案信息下包括的6个二级指标为故障时间(A1)、故障部件(A2)、故障原因(A3)、故障损伤程度(A4)、维修费用(A5)、故障后续保养情况(A6)，车辆基础信息下包括9个的二级指标为品牌型号(B1)、颜色(B2)、使用里程数(B3)、注册时间(B4)、车辆号牌(B5)、车架识别号(B6)、车辆内饰保养状态(B7)、法律状态(B8)、所有权归属(B9)，车辆使用状态信息下包括
34个的二级指标按车辆结构划分如下：发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
其中发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
制动系又包含了：制动传动装置(C341)、制动器(C342)；
电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
3.一种基于智能算法的二手车估值系统，其特征在于，包括如下模块：指标建立模块，用于通过收集、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；
用户需求集合建立模块，用于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；
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，rij表示第i个需求对应的第j个物理结构集合，xi表示第i个需求对应物理结构集合中的个数，CRi表示第i个需求相对重要度权重，Kij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r1g＝{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r2k＝{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r3l＝{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r4m＝{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r5n＝{电子仪表，车轮}，n取1～2；
舒适性对应的物理结构集合为r6o＝{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r7p＝{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r8q＝{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；
历史数据获取模块，用于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；
神经网络系统训练模块，用于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；
神经网络估值模块，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；
用户需求排序模块，用于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；
大数据反馈调节模块，用于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。
4.如权利要求3所述的一种基于智能算法的二手车估值系统，其特征在于：所述车辆维修档案信息下包括的6个二级指标为故障时间(A1)、故障部件(A2)、故障原因(A3)、故障损伤程度(A4)、维修费用(A5)、故障后续保养情况(A6)，车辆基础信息下包括9个的二级指标为品牌型号(B1)、颜色(B2)、使用里程数(B3)、注册时间(B4)、车辆号牌(B5)、车架识别号(B6)、车辆内饰保养状态(B7)、法律状态(B8)、所有权归属(B9)，车辆使用状态信息下包括
34个的二级指标按车辆结构划分如下：发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
其中发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
制动系又包含了：制动传动装置(C341)、制动器(C342)；
电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
一种基于智能算法的二手车估值方法和系统
技术领域
[0001] 本发明涉及一种基于智能算法的二手车估值方法和系统，涉及了智能算法在二手车评估领域的应用，是综合考虑了车辆维修信息、车辆基础信息、车辆使用状态信息的综合
评估系统，结合大数据分析以及人工神经网络的算法，实现对二手车估值的精确评估。
背景技术
[0002] 近些年来，我国车辆工业蓬勃发展，2017年度车辆新车销售量达到2474万辆，车辆保有量的迅猛增长，导致大量的二手车流入交易市场。2000年，全国二手车销量为25万辆，
而2015年二手车销量达到941万辆，是2000年二手车销量的37.64倍。得益于网络平台的发
展，二手车车辆销量还在急剧增长。
[0003] 伴随着我国二手车市场爆炸式发展，二手车评估却迟迟没有进步。在二手车评估的过曾中，任然是以人力为主导，主观因素过大，导致二手车评估过程不科学、不客观、不合
理。因此，对于二手车评估，应该建立符合市场实际，科学、合理的评估系统，从而规范我国
二手车的评估标准。
发明内容
[0004] 针对上述问题，本发明的目的在于提供一种基于智能算法的二手车估值方法，该方法首先提出评价二手车性能的一级指标和二级指标，通过质量分析屋分析方法建立客户
需求与二级指标之间的关系，利用人工神经网络以及大数据分析手段对二手车进行估值好
反馈调节，更加符合市场规律，达到科学、高效、准确的评估。具体包括如下步骤：
[0005] 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；
[0006] 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；
[0007] 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；
[0008] 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；
[0009] 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；
[0010] 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；
[0011] 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。
[0012] 所述车辆维修档案信息下包括的6个二级指标为故障时间(A1)、故障部件(A2)、故障原因(A3)、故障损伤程度(A4)、维修费用(A5)、故障后续保养情况(A6)，车辆基础信息下
包括9个的二级指标为品牌型号(B1)、颜色(B2)、使用里程数(B3)、注册时间(B4)、车辆号牌
(B5)、车架识别号(B6)、车辆内饰保养状态(B7)、法律状态(B8)、所有权归属(B9)，车辆使用
状态信息下包括34个的二级指标按车辆结构划分如下：
[0013] 发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
[0014] 其中发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
[0015] 底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中
[0016] 传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
[0017] 行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
[0018] 转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
[0019] 制动系又包含了：制动传动装置(C341)、制动器(C342)；
[0020] 电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
[0021] 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，
[0022] 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：
[0023]
[0024] 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；
[0025] 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：
[0026]
[0027] 式中，rij表示第i个需求对应的第j个物理结构，xi表示第i个需求对应物理结构集合中的个数，CRi表示第i个需求相对重要度权重，Kij表示第i个需求对应的第j个物理结构
重要度相对权重；
[0028] 其中动力性对应的物理结构集合为r1j＝{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}，j取1～11；
[0029] 操控性对应的物理结构集合为r2k＝{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；
[0030] 可靠性对应的物理结构集合为r3l＝{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；
[0031] 安全性对应的物理结构集合为r4m＝{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；
[0032] 外观性对应的物理结构集合为r5n＝{电子仪表，车轮}，n取1～2；
[0033] 舒适性对应的物理结构集合为r6o＝{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；
[0034] 环保性对应的物理结构集合为r7p＝{燃料供给系，变速器}，p取1～2；
[0035] 品牌性对应的物理结构集合为r8q＝{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。
[0036] 此外，本发明提供一种基于智能算法的二手车估值系统，包括如下模块：
[0037] 指标建立模块，用于通过收集、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；
[0038] 用户需求集合建立模块，用于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；
[0039] 历史数据获取模块，用于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；
[0040] 神经网络系统训练模块，用于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；
[0041] 神经网络估值模块，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；
[0042] 用户需求排序模块，用于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；
[0043] 大数据反馈调节模块，用于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。
[0044] 进一步的，所述车辆维修档案信息下包括的6个二级指标为故障时间(A1)、故障部件(A2)、故障原因(A3)、故障损伤程度(A4)、维修费用(A5)、故障后续保养情况(A6)，车辆基
础信息下包括9个的二级指标为品牌型号(B1)、颜色(B2)、使用里程数(B3)、注册时间(B4)、
车辆号牌(B5)、车架识别号(B6)、车辆内饰保养状态(B7)、法律状态(B8)、所有权归属(B9)，
车辆使用状态信息下包括34个的二级指标按车辆结构划分如下：
[0045] 发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
[0046] 其中发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
[0047] 底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中
[0048] 传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
[0049] 行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
[0050] 转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
[0051] 制动系又包含了：制动传动装置(C341)、制动器(C342)；
[0052] 电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
[0053] 进一步的，用户需求集合建立模块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，
[0054] 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：
[0055]
[0056] 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；
[0057] 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：
[0058]
[0059] 式中，rij表示第i个需求对应的第j个物理结构，xi表示第i个需求对应物理结构集合中的个数，CRi表示第i个需求相对重要度权重，Kij表示第i个需求对应的第j个物理结构
重要度相对权重；
[0060] 其中动力性对应的物理结构集合为r1j＝{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}，j取1～11；
[0061] 操控性对应的物理结构集合为r2k＝{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；
[0062] 可靠性对应的物理结构集合为r3l＝{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；
[0063] 安全性对应的物理结构集合为r4m＝{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；
[0064] 外观性对应的物理结构集合为r5n＝{电子仪表，车轮}，n取1～2；
[0065] 舒适性对应的物理结构集合为r6o＝{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；
[0066] 环保性对应的物理结构集合为r7p＝{燃料供给系，变速器}，p取1～2；
[0067] 品牌性对应的物理结构集合为r8q＝{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。
[0068] 与现有技术相比，本发明显著的有益效果体现在：
[0069] 1、本发明基于车辆维修档案信息、车辆基础信息、车辆使用状态信息作为评价集指标建立的一级指标，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，集合客户需求利用质量屋分析方法
对于二级指标进行处理，是一种综合且全面的评价模型。
[0070] 2、本发明的二级指标囊括的指标全面，包含了车辆信息的方方面面，涵盖了车辆的整个使用周期。
[0071] 3、本发明基于人工神经网络算法，将采集的评价模型指标集作为输入，结合历史数据资料，对各个评价指标集进行科学合理的权重分配，实现动态的控制，满足日益变化的
市场环境，做到精准预测、科学评估。
[0072] 4、本发明结合大数据分析方法，在系统预估二手车的估值后，通过大数据信息比对，动态的调整估值，并且清晰且直观的反映出该车辆相对于整体市场行情的情况，让估值
系统更加智能，符合市场变化的规律。
附图说明
[0073] 图1是本发明实施例对二手车进行估值的流程图；
[0074] 图2是本发明实施例步骤S2中建立的质量屋；
[0075] 图3是本发明实施例中车辆使用状态信息下包含的34个二级指标图；
[0076] 图4是本发明实施例步骤S4中人工神经网络的结构图；
具体实施方式
[0077] 下面结合附图和实施例对本发明的技术方案作进一步说明。
[0078] 本发明实施例提供的一种基于智能算法的二手车估值方法，具体包括如下步骤，
[0079] S1：确定二手车估值系统的评语集。通过收集、查找历史文献，本发明确定使用车辆维修档案信息、车辆基础信息、车辆使用状态信息作为一级指标，一级指标下的二级指标
如下，
[0080] 表1车辆维修档案信息表
[0081]
[0082] 表2车辆基础信息表
[0083]
[0084] 车辆使用状态信息包含了：发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
[0085] 发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
[0086] 底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中
[0087] 传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
[0088] 行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
[0089] 转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
[0090] 制动系又包含了：制动传动装置(C341)、制动器(C342)；
[0091] 电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
[0092] S2：结合市场需求分析，从车辆的动力性、操作性、可靠性、外观性、舒适性、服务性、环保性、品牌性等出发，利用质量屋来分析顾客需求的信息，如图2所示。
[0093] 质量屋分析的具体流程如下：
[0094] 1.确定设计分析目标。基于二手车的车辆使用状态，选择综合性能参数最为合格的车辆。
[0095] 2.确定顾客需求及其重要度。收集顾客需求，分别从动力性、操控性、可靠性、安全性、外观性、舒适性、环保性、品牌性出发，并设立重要度评价尺度，即
[0096] 表3评估尺度表
[0097]评估代号 评估程度 评估代数
VH 非常重要 9
H 重要 7
M 一般 5
L 不太重要 3
VL 不重要 1
[0098] 3.车辆结构划分。按照车辆使用状态信息对车辆结构进行划分，具体划分形式如图3所示。
[0099] 4.确定关系矩阵。关系矩阵位于质量屋的中部，其根据顾客需求，描述顾客需求与车辆结构信息的关系程度，其关系程度符号如下，
[0100] 表4关系矩阵评估表
[0101] 关系代号 程度 关系代数◎ 强 5
● 中 3
○ 差 1
[0102] 5.确定相关性矩阵。相关性矩阵位于质量屋顶部，其描述车辆结构之间的相关性。
[0103] 表5相关性阵评估表
[0104] 关系代号 相关度程度 关系代数● 正强相关 0.3
○ 正负相关 0.1
△ 负弱相关 ‑0.1
▲ 负强相关 ‑0.3
[0105] 其具体过程如下：
[0106] 如图2所示，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}，其对应的重要性集合为T＝{9，7，9，9，1，5，3，7}，i取1～8。
[0107] 用户需求相对重要度权重为：
[0108]
[0109] 则其用户需求对应的相对重要度权重集合为CR＝{0.18，0.14，0.18，0.18，0.02，0.1，0.06，0.14}。
[0110] 对于车身的物理结构，其不同用户需求对应的重要程度不同。
[0111] 如动力性，其对应的物理结构集合为r1j＝{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}，其对应的程度值
为{3,5,5,1,3,3,3,3,5,3,1}。
[0112] 则，动力系对应的物理结构重要度相对权重为：
[0113]
[0114] K1j＝{0.015429，0.025714，0.025714，0.005143，0.015429，0.015429，0.015429，0.015429，0.025714，0.015429，0.005143}；
[0115] 同理，其他对应的用户需求如下：
[0116] 操控性对应的物理结构集合为r2k＝{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，对应的程度值
为{5，1，3，5，5，3，5，1，5，5，5，3，1，3，5，3，5}，通过公式(2)计算得到操控性对应的物理结构
重要度相对权重为K2k＝{0.006176，0.10294，0.006176，0.010294，0.002059，0.006176，
0.010294，0.010294，0.006176，0.010294，0.002059，0.010294,0.010294，0.010294,
0.006176，0.002059，0.006176，0.010294，0.006176，0.010294}；
[0117] 可靠性对应的物理结构集合为r3l＝{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，对应的程度值为{1，1，1，1，1，5，1，3}，通过
公式(2)计算得到可靠性对应的物理结构重要度相对权重为K3l＝{0.012857，0.012857，
0.012857，0.012857，0.012857，0.064286，0.012857，0.038571}；
[0118] 安全性对应的物理结构集合为r4m＝{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，对应的程度值为{1，3，3，
1，3，3，3，3，5，5}，通过公式(2)计算得到安全性对应的物理结构重要度相对权重为K4m＝
{0.006，0.018，0.018，0.006，0.018，0.018，0.018，0.018，0.03，0.03}；
[0119] 外观性对应的物理结构集合为r5n＝{电子仪表，车轮}，n取1～2，对应的程度值为{1，3}，通过公式(2)计算得到外观性对应的物理结构重要度相对权重为K5n＝{0.005,
0.015}；
[0120] 舒适性对应的物理结构集合为r6o＝{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，对应的程度值为{1，1，3，3，1，3}，通过公式(2)计算得到舒适性对应的物
理结构重要度相对权重为K6o＝{0.008333，0.008333，0.025，0.025，0.008333，0.025}；
[0121] 环保性对应的物理结构集合为r7p＝{燃料供给系，变速器}，p取1～2，对应的程度值为{5，3}，通过公式(2)计算得到环保性对应的物理结构重要度相对权重为K7p＝{0.0375，
0.0225}；
[0122] 品牌性对应的物理结构集合为r8q＝{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，对应的程度值为{3，3，3，5，5}，通过公式(2)计算得到品牌性对应的
物理结构重要度相对权重为K8j＝{0.022105，0.022105，0.022105，0.036842，0.036842}；
[0123] 综合上述用户需求对车身物理结构的综合重要度分析，按照其综合重要度大小排序，其分析结果如下：
[0124] 表6用户需求对于车身物理结构的重要度分析
[0125]
[0126] 根据用户需求，在对车身结构评估的过程中，对不同的车身结构赋予不同的权重值，从而达到科学、有效的综合评估。
[0127] S3，获取二手车辆历史数据，即获取车辆维修档案信息库、车辆基础信息库、车辆使用状态信息库对应的车辆信息以及其包含的下级指标集信息，确定其历史估值。
[0128] 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，神经网络系统能够赋予车辆维修档案信息库、车辆基础信息库、车辆使用状态信
息库内相应下级指标的权重。
[0129] S5，客户端(即卖家)，通过客户端输入车辆信息，以及二手中介商对车辆信息进行校对和检测，依照拟定的评价模型，进行系统信息导入。将获取的实时数据信息作为神经网
络的输入层，结合历史数据确定的相关权重信息，输出层输出对于二手车的估值。
[0130] S6，大数据分析，根据对应评价指标，预测每一项指标相对整体市场行情，从而了解个体在整体的定位，有利于从全局掌握信息，更加精准、合理，具体为
[0131] 1.基于神经网络的估值，对所有二手车辆进行智能排序。其智能排序从买家需求出发，结合质量屋分析的内容，即从动力性、操作性、可靠性、外观性、舒适性、服务性、环保
性、品牌性。
[0132] 2.买家参考本系统对于二手车辆的价值评估，可以关注于动力性、操作性、可靠性、外观性、舒适性、服务性、环保性、品牌性中的某一项或者多项。选择符合其需求的二手
车辆。满足于买家的个性需求。
[0133] 3.实际成交价信息同时也反馈到神经网络系统，通过实际信息的反馈，不断调节评价指标的权值，使评估系统逐步符合市场规律。
[0134] 基于上述方法，本发明实施例提供一种基于智能算法的二手车估值系统，包括如下模块：
[0135] 指标建立模块，用于通过收集、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；
[0136] 用户需求集合建立模块，用于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；
[0137] 历史数据获取模块，用于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；
[0138] 神经网络系统训练模块，用于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；
[0139] 神经网络估值模块，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；
[0140] 用户需求排序模块，用于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；
[0141] 大数据反馈调节模块，用于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。
[0142] 其中，所述车辆维修档案信息下包括的6个二级指标为故障时间(A1)、故障部件(A2)、故障原因(A3)、故障损伤程度(A4)、维修费用(A5)、故障后续保养情况(A6)，车辆基础
信息下包括9个的二级指标为品牌型号(B1)、颜色(B2)、使用里程数(B3)、注册时间(B4)、车
辆号牌(B5)、车架识别号(B6)、车辆内饰保养状态(B7)、法律状态(B8)、所有权归属(B9)，车
辆使用状态信息下包括34个的二级指标按车辆结构划分如下：
[0143] 发动机(C1)、车身钢结构(C2)、底盘(C3)、电子设备(C4)；
[0144] 其中发动机包含了：曲柄连杆机构(C11)、配气结构(C12)、燃料供给系(C13)、点火系(C14)、润滑系(C15)、冷却系(C16)；
[0145] 底盘包含了：传动系(C31)、行驶系(C32)、转向系(C33)、制动系(C34)；其中
[0146] 传动系又包含了：离合器(C311)、变速器(C312)、万向传动装置(C313)、驱动桥(C314)；
[0147] 行驶系又包含了：车架(C321)、车桥(C322)、车轮(C323)、悬架(C324)；
[0148] 转向系又包含了：转向操纵机构(C331)、转向器(C332)、转向传动机构(C333)；
[0149] 制动系又包含了：制动传动装置(C341)、制动器(C342)；
[0150] 电子设备包含了：发电机(C41)、电源(C42)、电子点火系(C43)、电子启动系(C44)、照明系(C45)、信号系(C46)、电子仪表(C47)。
[0151] 其中，用户需求集合建立模块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，
[0152] 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：
[0153]
[0154] 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；
[0155] 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：
[0156]
[0157] 式中，rij表示第i个需求对应的第j个物理结构，xi表示第i个需求对应物理结构集合中的个数，CRi表示第i个需求相对重要度权重，Kij表示第i个需求对应的第j个物理结构
重要度相对权重；
[0158] 其中动力性对应的物理结构集合为r1j＝{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}，j取1～11；
[0159] 操控性对应的物理结构集合为r2k＝{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；
[0160] 可靠性对应的物理结构集合为r3l＝{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；
[0161] 安全性对应的物理结构集合为r4m＝{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；
[0162] 外观性对应的物理结构集合为r5n＝{电子仪表，车轮}，n取1～2；
[0163] 舒适性对应的物理结构集合为r6o＝{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；
[0164] 环保性对应的物理结构集合为r7p＝{燃料供给系，变速器}，p取1～2；
[0165] 品牌性对应的物理结构集合为r8q＝{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。
[0166] 各模块实现的功能和各步骤相对应，本发明不予撰述。
[0167] 本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替
代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
