[发明专利]基于机器学习的二手车交易行为预测方法及系统

说明书

本申请提供一种基于机器学习的二手车交易行为预测方法及系统，涉及互联网技术领域，该方法包括：获取待预测的目标车辆的车况信息和在库交易信息；提取目标车辆的车辆特征，并基于所述车辆特征构建衍生变量；将衍生变量输入至至少两个预设的行为预测模型中进行交易行为的预测，选择预测误差最小的目标行为预测模型进行参数优化；基于参数优化后的目标行为预测模型，确定目标车辆的交易行为预测结果，用以确定目标车辆的交易成功率，以及交易成功的周期。通过该方式，可以实现车辆交易行为及成交周期的精准预测，从而便于及时制定出相应的调价策略，为二手车交易的达成提供充分的数据支持。

技术领域

本申请涉及互联网技术领域，尤其涉及一种基于机器学习的二手车交易行为预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本申请相关的背景技术信息，不必然构成在先技术。

近年来，我国全力推进可持续发展经济，不断提高资源利用率，鼓励推动节能环保型经济。同时，中国汽车市场的进一步发展，新车保有量不断增加，消费者换车需求彰显，未来二手车交易量与新车销量差距将进一步缩小，二手车市场具有广阔的发展前景。

现阶段，车辆供应商在进行二手车交易时，需要预测二手车的交易成功率、成交时间等，以便于及时制定出相应的调价策略，促进二手车交易达成。对于交易行为的预测，通常根据历史数据和经验决定，其主观性较强，且存在较大的误差。随着互联网技术的发展，基于机器学习算法预测二手车交易行为成为可能，但是仍存在以下难点：二手车交易行为的影响因素众多，如二手车的车况信息、历史交易信息、调价策略等、数据体量大，以及各影响因素之间具有高度耦合与强非线性等特性，因此，如何采用人工智能与大数据相结合的方法来对二手车交易行为进行精准预测，是目前仍需解决的问题。

发明内容

为了解决上述问题，本申请提供一种基于机器学习的二手车交易行为预测方法及系统，用以实现对二手车交易行为的精准预测。

为了实现上述目的，本申请主要包括以下几个方面：

第一方面，本申请实施例提供一种基于机器学习的二手车交易行为预测方法，包括：

获取待预测的目标车辆的车况信息和在库交易信息；

提取所述目标车辆的车辆特征，并基于所述车辆特征构建衍生变量；

将所述衍生变量输入至至少两个预设的行为预测模型中进行交易行为的预测，选择预测误差最小的目标行为预测模型进行参数优化；其中，各行为预测模型的搭建方式不同；

基于参数优化后的目标行为预测模型，确定所述目标车辆的交易行为预测结果，用以确定目标车辆的交易成功率，以及交易成功的周期。

在一种可能的实施方式中，获取待预测的目标车辆的车辆图像；从所述车辆图像中识别出车况信息；基于所述车况信息，在设定的车辆交易数据库中查找目标车辆的在库交易信息。

在一种可能的实施方式中，所述目标车辆的车辆特征有多个；在提取目标车辆的车辆特征之后，还包括：计算每两个车辆特征之间的皮尔逊相关系数，若皮尔逊相关系数大于预设系数阈值，则保留两个车辆特征中的任意一个特征。

在一种可能的实施方式中，所述在库交易信息包括交易日期、新车价格、上架价格；所述基于车辆特征构建衍生变量包括：将交易日期转换为数值型数据，将数值型数据作为衍生变量；和/或，基于新车价格和上架价格，确定目标车辆的折扣率，将所述折扣率作为衍生变量；和/或，基于交易日期，确定最后一次调价日期与上架日期的时间间隔，将所述时间间隔作为衍生变量；和/或，提取上架时间特征年份构建衍生变量上架时间年。