基于BP神經網絡的二手車價格評估影響因素研究

毛攀 蔡云 萬雄 王文迪

摘 要：為了高效客觀準確評估二手車價格，以影響二手車價格評估的因素為研究對象，采用文獻法分析篩選出二手車評估價格的11個影響因素并建立了BP神經網絡二手車價格評估模型。通過BP神經網絡二手車價格評估模型的計算結果顯示模型預測價格與實際價格相關系數達到0.96，根據所建模型的連接權值得出了二手車價格評估影響權重值較大的7個因素。最后將影響二手車價格評估的7個主要因素作為輸入重構了價格評估模型并重新計算二手車價格得出BP-11模型與BP-7模型計算結果基本一致且Pearson 相關性度到0.83。因此本文的研究結果表明：二手車價格評估主要受綜合油耗、車輛售后滿意度、車齡、車輛可靠性、舒適性、外觀、當前里程數的影響，BP神經網絡二手車價格評估模型可由這7個因素描述。

關鍵詞：二手車評估價格;影響因素;BP神經網絡;權重

中圖分類號：F045.3 ?文獻標識碼：B ?文章編號：1671-7988（2020）04-59-06

Research on Influencing Factors of used car price evaluation basedon BP neural network^*

Mao?Pan， Cai Yun， Wan Xiong， Wang Wendi

（School of Automotive &?Transportation Engineering， Xihua University， Sichuan Chengdu 610039）

Abstract：In order to evaluate the second-hand car price efficiently， objectively and accurately， this paper takes the factors that affect the second-hand car evaluation price as the research object， selects 11 influencing factors of the second-hand car evaluation price by literature analysis， and establishes the BP neural network second-hand car price evaluation model. Through the calculation results of BP neural network used car price evaluation model， it shows that the correlation coefficient between the predicted evaluation price and the actual price of the model is 0.96. According to the connection weight of the model， seven factors that have great influence on the weight value of used car price evaluation are given. Finally， seven main factors that affect the second-hand car price evaluation are used as input to reconstruct the price evaluation model and recalculate the second-hand car price. The results of bp-11 model and bp-7 model are basically the same， and the Pearson correlation degree is 0.83. Therefore， the research results of this paper show that： the second-hand car price evaluation is mainly affected by comprehensive fuel consumption， vehicle after-sales satisfaction， vehicle age， vehicle reliability， comfort， appearance and current mileage. The BP neural network second-hand car price evaluation model can be described by these seven factors.

Keywords： Used carevaluation price; Influencing factors; BP neural network; Weight

CLC NO.： F045.3?Document Code： B?Article ID： 1671-7988（2020）04-59-06

前言

隨著二手車交易市場的快速增長，根據中國汽車流通協(xié)會公布的2018年全國二手車交易數據顯示，2018年1-12月全國累計完成交易二手車1382.19萬輛，同比增長11.46%。二手車的剩余價值評估方法卻未隨著市場的快速發(fā)展而有較大的突破，以往的二手車的發(fā)展研究中過多的是研究二手車的評估方法，而沒有貼近市場做進一步的深入研究。二手車的剩余價值是二手車交易流通中的一個重要環(huán)節(jié)，傳統(tǒng)的剩余價值評估方法主要依靠二手車評估人員的經驗判斷，評估過程主觀人為因素多沒有根據客觀影響因素來綜合全面評估二手車的剩余價值。在二手車市場快速發(fā)展的過程中傳統(tǒng)經驗評估法已不能適應市場的需要，二手車的評估價格對二手車消費者有最直接的主觀感受，通過影響二手車評估價格的客觀因素為基礎，建立可以客觀評估二手車價格的預測模型并通過權重分析得出對二手車評估價格產生較大影響的因素。

1?二手車評估價格影響因素分析

目前，對二手車剩余價值評估方法有重置成本法、現(xiàn)行市價法、收益現(xiàn)值法、清算價格法。這些評估方法受到適用范圍局限和方法存在的缺點影響，無法準確具體反映各影響因素對評估價格影響。二手車的評估價格受到諸多因素影響，而大多學者研究主要還是基于傳統(tǒng)方法如：徐震宇在重置成本法二手車成新率計算中選取了品牌價值、市場保有量、新車價格的穩(wěn)定性、使用及維修成本二手車市場供求關系作為影響來對二手車評估價格進行分析^[1]。周亮則從實體性貶值、經濟性貶值和功能性貶值三個方向進行因素分析探究對二手車評估價格的影響^[2]。胡寧則認為二手車評估價格主要受車輛實際使用年限、使用強度、日常養(yǎng)護質量、車輛品牌、市場供求關系、異常使用情況等六大因素影響^[3]。馮秀榮等通過分析使用年限、行駛里程、工作性質、維護保養(yǎng)等 15 個因素后認為使用年限對二手車價值的影響力很強，一般年限1-3年期間折舊最快而年限在3-6年的二手車價格相對穩(wěn)定^[4]。林藝琳等通過通過分析二手車剩余價值的影響因素， 結合重置成本法、現(xiàn)行市價法的優(yōu)點及乘用車保值率的原理， 運用層次分析法、德爾菲打分法計算各指標因素的權重系數，從而確定個體二手車剩余價值的評估模型^[5]。參考其他學者對二手車評估價格影響因素的研究上得出影響二手車評估價格的三大指標：實體性指標，功能性指標，經濟性指標。

實體性指標是指二手車的實體性貶值，二手車使用過程中因機件磨損和損耗等原因而導致的車輛實體發(fā)生的價值損耗及外界自然力作用導致的損耗，實體性指標包含車輛技術因素、車輛外觀因素、車齡因素、當前行駛里程、維護與保養(yǎng)。功能性指標是二手車車輛在技術或性能方面的情況，其主要包括有新車售價、品牌知名度、汽車保有量、售后服務、舒適性、操控性、質量口碑、汽車保值率。經濟性指標指由一些外部環(huán)境因素以及使用成本造成二手車價格變化的，如二手車市場需求因素、稅收因素、環(huán)保因素。綜合文獻資料從三大指標分析初步篩選出影響二手車評估價格的因素，第一指標實體性指標包含車齡、當前里程數、外觀、維護保養(yǎng);第二指標功能性指標包含車型保有量、舒適性、操控性、車輛可靠性、車輛售后服務滿意度、包含新車購買價;第三指標經濟性指標包含綜合油耗因素。綜合文獻資料研究分析從三大指標角度選取車齡、當前里程、新車購買價、外觀、舒適性、操控、維護保養(yǎng)、綜合油耗、車型保有量、車輛可靠性、車輛售后服務滿意度共11個因素作為本文對二手車價值影響的主要因素。

1.1 車齡

二手車的車齡即二手車的使用年限，車輛從新車在公安交通管理機關注冊登記之日起至評估基準日的時間。

1.2 當前里程數

二手車的當前里程數就是該車目前總的行駛里程數，如果車輛上的里程表完好沒有后期更改的里程的行為，則車輛的行駛里程就是里程表上顯示的里程數。車輛表顯里程越長，表明車輛的損耗越多，行駛里程在一定程度上也反映了車輛的成新率。

1.3 新車購買價

同款車型若其新車購買價不一樣則說明車型之間的配置不一樣，二手車配置高低對二手車的剩余價格評估有著直接影響;同時如果新車購買價格穩(wěn)定很少有降價銷售的情況則說明該車的保值率較高且穩(wěn)定受市場追捧。

1.4 外觀

二手車的外觀對二手車消費者有著直接的影響力，甚至會直接導致消費者做出購買決策;二手車的外觀這一帶有“感性”色彩的影響因素是二手車價格評估中不應該忽略的重要組成部分。

1.5 舒適性

二手車的舒適性可以體現(xiàn)出其生產制造水平，同時也能反映二手車的之前的工作狀況的好壞。

1.6 操控

二手車的操控水平對于的二手車的價格影響主要在于反映車輛的生產制造水平以及車輛是否進行過大修。

1.7 維護保養(yǎng)

維護保養(yǎng)在二手車價格評估中反映車輛的技術狀況是否維持在較好水平。車輛的維護保養(yǎng)表征車輛維護修理、零部件更換的參數。車輛使用、維護水平不同，會直接影響車輛的使用壽命，嚴格按照要求維護的車輛會有較好的車況。

1.8 綜合油耗

二手車的綜合油耗代表二手車的車輛技術狀況，二手車的綜合油耗低代表車輛的技術狀況、動力性和經濟性能保持在較好水平。

1.9 車型保有量

車型保有量可以反映車型在市場上的暢銷程度，同時若車型保有量大相應的其保值率相對較高且對后期維護保養(yǎng)方便零配件獲取容易。

1.10 車輛可靠性

車輛可靠性主要由整體質量、動力及變速器系統(tǒng)質量、車身及內裝質量、零配件質量共同影響。

1.11 車輛售后服務滿意度

車輛售后滿意度反映了用戶在車輛使用過程中的滿意程度，以及車輛在使用維護保養(yǎng)等過程中能享受的服務品質，車輛售后服務滿意度越高享受的服務質量越好;車輛售后服務滿意度在以往的二手車價值的評估中往往容易被忽略，但是其對于二手車購買者確是一個附帶的實惠。

2?二手車的評估與保值率的計算

2.1?數據采集

通過選用市場具有代表性的7款（邁騰7輛、凱美瑞8輛、雅閣8輛、天籟8輛、蒙迪歐5輛、邁銳寶7輛、索納塔3輛）不同品牌的46輛B級轎車的現(xiàn)行市場價和當前的車輛參數如：車齡，當前行駛里程，新車購買價的數據，通過汽車之家平臺的車型綜合排行榜獲得外觀，舒適性，操控性，維護保養(yǎng)等評級數據以及該車型的油耗和保有量數據^[6]。車輛可靠性數據和車輛售后服務滿意度數據則來自于JD-POWER發(fā)布的車輛可靠性排行榜^[7]。最后通過篩選后得到共計506個數據，并對樣本數據進行了歸一化處理。

2.2?數據歸一化

數據歸一化按式（1）進行歸一化處理，保證所有數據在-1～1。

（1）

式中y表示歸一化后的值，y_max，y_min分別為某列中的最大值和最小值，x_max，x_min分別為某行中的最大值和最小值。

3?BP神經網絡模型

BP神經網絡采用基于梯度下降和誤差反向傳播的學習方法，其目標是使網絡輸出與訓練樣本的均方誤差最小，具有自學習和推廣概括的能力，特別適用于輸入參量的預測問題，是目前較為成熟且應用最為廣泛的人工神經網絡。BP神經網絡存在易陷入局部極值，初始化權值和閾值隨機性，穩(wěn)定性差，隱含層的層數過多會導致網絡收斂緩慢甚至不能收斂等缺點，但是BP神經網絡具有很好的非線性映射能力，不需要具體的模型就能進行模型逼近擬合預測等功能^[8]，適合構建二手車這類多因素非線性預測評估模型。所以基于影響二手車評估價格的因素，本文提出基于BP神經網絡的二手車評估價格影響因素研究預測模型，最后通過BP神經網絡輸入與輸出之間的權重算法，計算出客觀影響因素對二手車評估價格貢獻度。

表1 ?七款不同品牌的車型的11個影響因素表

3.1?BP神經網絡的模型結構

BP神經網絡的拓撲結構包括三層，分別為輸入層、隱含層和輸出層，BP神經網絡模型一般采三層的前饋網絡模型，模型計算輸出式如（2）所示。

（2）

式中：b_k是輸入層到隱含層的激活值，w_kj是連接權系數，初始時刻為一組給定的隨機小量;θ_j是網絡訓練輸出層單元閾值：f（uk）取Sigmoid函數如下式所示。

（3）

隱含層節(jié)點數選取是建立一個好的神經網絡模型的關鍵，節(jié)點數太少網絡訓練次數增加，預測精度不高，而節(jié)點數太多，訓練時間過長網絡容易出現(xiàn)過擬合的情況，一般節(jié)點l按照下式選擇。

（4）

式中：n為神經網絡輸入節(jié)點數，m為神經網絡輸出節(jié)點數，a為0到10之間的之間的常數^[9]。

3.2?BP神經網絡的結構相關參數確定

理論上，一個S型隱含層加上一個線性輸出層的3層BP網絡，能夠逼近任何函數^[9]。基于BP神經網絡二手車評估價格影響因素構建一個3層神經網絡素模型，輸入層為11個客觀影響因素參量，節(jié)點數為11;輸出層為二手車預測價格，節(jié)點數為1。結合隱含層節(jié)點數選擇公式（4）確定隱含層節(jié)點數范圍為4～14，并通過試驗選定隱含層節(jié)點數為11。最終構建的網絡拓撲結構為如圖1所示。

根據搭建好的網絡結構利用MATLAB神經網絡工具箱導入歸一化后的輸入數據和目標數據并設置相關訓練參數進行訓練。訓練結果如圖2所示，訓練迭代到421次時MSE（均方誤差）達到最小值（1*10^（-10））此時的動量因子為1*e^（-9），通過如圖3所示的相關性散點圖可以看出模型擬合的R值線性相關度均在90%以上充分證明了該模型很好的映射了11個因素和二手車評估價格和保值率的關系。圖4所示為預測至于當前值的擬合圖，從擬合圖的走勢可以看出預測值與當前值基本一致。

3.3 ?BP神經網絡預測誤差分析

由圖5可以看出預測誤差絕對值最大為3.45萬元，預測誤差絕對值最小為0.0033萬元;預測價格高于評估價格的占比為52%，預測價格低于評估價格占比為48%。而圖6預測誤差范圍圖顯示了預測價格與評估價格的誤差范圍分布情況，從圖7中可以看出預測價格誤差在（0，0.5）即預測價格高于評估價格在5000元以內的占比為37%，預測價格誤差在（-0.5，0）即預測價格低于評估價格在5000元之內的占比為20%，預測誤差在（-1，-0.5）即預測價格低于評估價格在5000～10000元之間的占比15%，預測誤差在（0.5，1）即預測價格高于評估價格在5000～10000元之間的占比6%;預測價格達到10000～40000之間的車型數量有10輛占比為22%。

通過對預測誤差在10000～40000元之間的車型進行單獨分析發(fā)現(xiàn)導致誤差偏大的原因：

（1）車齡較短，里程較長，預測價格高于當前評估價格，說明預測模型能更好的反映二手車價格變化的非線性過程同時也反映車齡對評估價格的影響較大。

（2）車齡短，里程短，預測價格低于當前評估價格，說明該車可能面臨停產或者更新?lián)Q代導致準新車價格貶值較大。

（3）通過神經網絡預測得出的價格與評估價格出現(xiàn)的差值恰恰說明神經網絡在考慮更多因素的情況下遵循神經網絡訓練的規(guī)律對二手車評估價格的修正。

3.4?BP神經網絡模型權重計算方法

BP神經網絡模型有輸入層節(jié)點，隱含層節(jié)點和輸出層節(jié)點組成，通過訓練數據從而使模型逼近函數模型各層節(jié)點之間相互連接，而每一個連接都有一個連接權值。權值的大小代表了客觀輸入量對輸出量的相關程度的大小;對于二手車的剩余價值評估而言各個輸入參量權重大小代表著與主觀評估價格高低的相關程度。1991年Garson提出了利用神經網絡的連接權值計算輸入參量對輸出參量影權重的方法^[10]，其數學計算方法如下：

（5）

式中，I_j為第?j個輸入參量對第n個輸出參量的影響權重;N_i，N_h為輸入和隱含層節(jié)點數;

ω¹為輸入層到隱含層的連接權值，ω²為隱含層到輸出層的連接權值，相應的下角標j，m，n為第幾個神經元。如為第j個神經元與隱含層第m個神經元的連接權值。由公式（5）中各個變量關系可見，I_j值越大，影響權重比例越高，表示輸入參數對輸出的影響越大，從而求出各個影響因素對主觀評估價格的影響權重^[9]。

3.5?二手車評估價格影響因素權重分析

通過BP神經網絡訓練得到的二手車剩余價格影響因素，輸入層與隱含層之間的權值以及隱含層與輸出層之間的權值見表2。得出網絡權值后通過公式（5）計算得出個輸入參量即11個影響因素對評估價格的影響權重值，其柱狀圖如圖7。

通過分析BP神經網絡各網絡輸入層與輸出層之間的權值，計算得出11個影響因素對二手車的評估價格的影響權重，由圖7所示可知二手車評估價格主要受綜合油耗（20.66%）、車輛售后滿意度（16.7%）、車齡（13.84%）、車輛可靠性（10.4%）、舒適性（8.71%）、外觀（6.91%）、當前里程數（6.62%）七個因素影響，七個因素權重共計83.84%，其余因素對二手車評估價格影響權重較小。

3.6?評估模型重構

將對二手車評估價格有重要影響的綜合油耗、車輛售后滿意度、車齡、車輛可靠性、舒適性、外觀、當前里程數7個因素作為輸入量，預測價格作為輸出，重新構建BP神經網絡二手車評估價格模型。網絡拓撲結構如圖8所示。11因素輸入模型與7因素輸入模型的預測結果對比圖如圖9所示。

可以看出，兩種模型預測結果基本一致且Pearson 相關性系數為0.83。這說明BP神經網絡二手車價格評估模型可由綜合油耗、車輛售后滿意度、車齡、車輛可靠性、舒適性、外觀、當前里程數7個影響因素來描述，其他影響因素排除在模型之外。在對二手車價格評估時只需考慮綜合油耗、車輛售后滿意度、車齡等7個因素就能達到滿意的效果，無需考慮其他多個因素的影響，減少了不必要因素帶來的干擾并提高評估效率為二手車價格評估提供了新的方法。

4?結論

對二手車保值率影響因素進行客觀因素分析，提出基于BP神經網絡二手車保值率預測模型。與傳統(tǒng)評估方法相比BP神經網絡預測模型具有評估全面，客觀貼近市場避免了人為評估主觀影響并且BP神經網絡預測模型相關系數達到0.96，表明BP神經網絡能準確反映二手車評估價格與影響因素間復雜非線性關系，建立高效客觀的二手車預測模型降低了人為主觀因素影響，為二手車價格評估提供了新的方法。通過神經網絡權重計算結果表明：二手車評估價格主要受綜合油耗、車輛售后滿意度、車齡、車輛可靠性、舒適性、外觀、當前里程數7個客觀因素影響較大，其他參數影響較小可排除在評估模型外。研究結果對二手車價格評估提供了依據。

參考文獻

[1]?徐震宇.重置成本法中二手車成新率的計算[D].安徽工業(yè)大學，2016.

[2]?周亮.基于可比影響因素及篩選方法的二手車價格研究[J].信息系統(tǒng)工程，2011（04）：131+139.

[3]?胡寧，陳志恒，賈建勝，王悅.二手車價格評估方法研究[J].上海汽車，?2005（12）：16-19.

[4]?馮秀榮，王斌.影響二手車價值的因子分析[J].商業(yè)研究，2008（02）：?102-105.

[5]?林藝琳，陳榮章.基于層次分析法確定二手車剩余價值的研究與探討[J].上海汽車，2010（12）：50-54.

[6] https：// www.autohome.com.cn汽車之家口碑排行榜.

[7]?https：//www.jdpower.com.

[8]?肖會敏，侯宇，崔春生.基于BP神經網絡的P2P網貸借款人信用評估[J].運籌與管理，2018，27（09）：112-118.

[9]?高印寒，唐榮江，梁杰，趙彤航，張澧桐.汽車聲品質的GA-BP神經網絡預測與權重分析[J].光學精密工程，2013，21（02）：462-468.

[10]?施全，柳培海，郭棟，易鵬.變速器嘯叫聲品質的RBF神經網絡預測與權重分析[J].振動與沖擊，2017，36（06）：175-180+200.