二手车交易市场透明化：车况信息与估值标准的重要性

xinxi1368

二手车交易的核心问题是车况信息不透明。我国二手车交易市场体系尚不完善。长期以来缺乏行业认可的车辆估价标准和车况检测标准。二手车经销商提供的估价和车况信息不够透明。这使得用户和车商都陷入了循环困境：用户对车商信任度不够，购买意愿不高。二手车经销商缺乏潜在客户线索，利用虚假信息吸引客户，进一步恶化市场环境。

现阶段，车辆信息的各个方面已经在物理层面得到整合，但语义内容的分析和信息的视觉呈现仍需要深入研究。用户需要亲自阅读碰撞、维护、电池报告来了解内容。报告内容的丰富性、专业性、可读性将对用户的交易决策产生重要影响。例如，用户在浏览APP时，会被汽车外观和内饰的照片吸引，但由于不了解汽车，可能无法准确理解相应的碰撞、维修、电池报告中包含的诸多内容。车身结构及车况检验标准。最终交易转换失败。

为促进车况信息透明化，汽车之家二手车不断完善和优化“车史档案”，使二手车事故记录检索率达到98%，维修记录检索率达到85% 。它还具有每日汽车照片。平台开展线下检测服务，获取真实车况数据，完善存档数据。

传统二手车购买场景 VS 数字二手车购买场景

通过利用数字化能力和数据资源，不断推动车况信息的透明化和标准化，让用户更容易了解车况信息，提高用户决策效率和线索转换效率。具体来说，通过结合机器学习、自然语言处理、VR全景等技术，我们重塑了二手车购买的业务场景，整合了二手车来源信息：估价、汽车历史、VR全景展示三个维度。整合融合以交互可视化的形式呈现给用户，让用户更快速、直观、详细地了解二手车车源状况和估价，降低用户的信息搜索成本和信息理解成本，促进用户做出交易决策。 。

图1 传统二手车购买场景与数字二手车购买场景对比

如图1所示，传统的二手车交易需要用户在没有充分了解车辆信息的情况下，预约二手车经销商线下看车，然后根据二手车经销商的经验和知识做出主观判断。汽车观察者。数字化二手车购车业务让用户通过PC和APP直接从云端获取标准化车辆信息，充分了解车辆信息并进行评估后再决定是否线下看车，有效提高线下看车效率。在为用户打造数字化体验的过程中，汽车之家的二手车不仅促进了购车交易，还增加了新车购买模式的业务增长。

购车新模式：结构化数据+半结构化数据+全景数据

图2 二手车收购业务结构

二手车购买业务流程架构如图2所示。结构化数据来自汽车之家二手车交易平台中二手车的车辆数据、交易记录等数据。其中，二手车的车辆数据包括省份、城市、车型、登记时间、行驶里程、放行时间、转让次数等各种数据。二手车交易记录包括交易价格、交易类型、车辆状态检测等数据。这些结构化数据用于训练估值模型，以预测车辆当前和未来的价格趋势。

半结构化数据是指从第三方获取的车辆事故记录、4S店维修记录、天天牌线下检查记录以及电池数据记录等。这些记录具有多种数据类型，需要转换为统一的数据格式并进行解析。提取语义内容以提取结构化信息。针对新能源汽车，对电池数据进行处理分析，生成在线电池检测报告，获得维修、碰撞、电池等全面的多维度车辆历史报告。

全景数据是指VR外景摄像头和VR内景摄像头拍摄的原始图像数据。通过VR拍摄组件生成原始图像数据，然后通过APP端和H5端的VR播放组件显示VR图片。除了形成汽车历史报告之外，从非结构化数据中提取的结构化信息还可以与 VR 中的图像进行跨模态语义对齐。例如，如果汽车历史报告中提到“左前门碰撞”，则可以在VR显示器上显示左前门处于异常状态。估价、汽车历史和VR显示将一起呈现在用户界面中。

用户通过PC或APP浏览二手车来源详情时，可以在用户界面查看车辆估价信息、查看汽车历史报告、VR全景查看汽车，从三个角度对车辆进行评估价值、车况、外观和内饰。满足需求并决定是否购买或留下买车线索。

技术实施困难

估值：车辆数据非常复杂，通常包含地区、车龄、里程、车型、系列、外观、内饰、车况等数百个维度的特征信息，而这些特征在数据中部分缺失。或者说特征之间多重共线性的复杂关系给二手车价格预测模型带来了三大挑战：模型预测的准确性、模型推理的计算效率以及模型的可解释性。尽管现有的机器学习技术（例如神经网络或梯度提升树模型）可以端到端处理复杂的特征，但车辆特征数据的复杂性使得此类方法不适合二手车价格预测。现有二手车估值模型准确度较低。为了解决以上三个问题，本估值模型采用分而治之的思想，将车源按照省市、车型进行分组，然后对分组后的车源数据中与时间相关的数据进行量化，并根据相关特征进行过滤来训练多个线性回归模型。

VR全景：现有的VR外观技术方案是在自带转盘的摄影棚中，使用单反相机+长焦镜头拍摄车辆外观360°；或者使用单反相机+鱼眼镜头进行拍摄，并在车内使用单反。从4个侧面拍摄，然后通过手动后期处理完成全景360°图像的生成。缺点是单反+演播室+转盘成本高，条件恶劣。射击车需要专人运输，效率低下。图像后期处理比较麻烦。汽车外观+内饰图的制作流程较长，对人员的专业性要求严格。然而，通过手机APP引导拍摄+后期处理中的手动处理的方法获得的图像不够准确，并且后期处理中的手动处理耗时。全新设计开发的二手车VR看车，基于模型、车辆轮廓识别、陀螺仪、磁场传感器综合计算被拍摄的车辆和场地，为拍摄者提供便捷的定位拍摄解决方案。

汽车历史档案：维修记录、碰撞记录、电池充放电记录等数据也面临着数据维度庞大、数据质量参差不齐、缺乏标准化的问题。例如，维修记录和碰撞记录有多种形式的数据源，包括半结构化记录形式、记录文档，甚至还有拍照或扫描的文档图像。这些数据源需要进行处理，规范如下 统一的数据格式。在提取车况信息的过程中，需要根据领域专家的知识明确要提取的信息类型，建立车况评估和电池状态评估的知识模型以及相应的标准化术语词汇，建立车辆状况和电池的评分和评级模型。

实施方法

图3 估值模型

车辆估价是二手车交易的重要组成部分。在交易过程中，二手车需要根据车辆信息进行评估和定价，以获得更准确的估价范围。目前，我们基于汽车之家二手车源数据开发了车辆估价模型，以满足商家和用户对二手车源价格评估的需求。

我们的车辆估价模型主要使用的车辆源数据包括：地理区域、车辆型号、行驶里程、登记时间、车辆放行时间等。首先，我们需要从车辆源数据中提取地理区域和车辆型号，并根据地理区域和车型对车辆进行评估。将源数据中的其他维度数据进行分组，得到分组数据，然后对分组的车辆源数据中的时间相关数据进行量化。将处理后的各组车辆源数据作为训练数据，训练多元线性回归模型。该模型定义如下：

其中，Y为估值，θ0为截距，变量t1为车牌时间，变量t2为行驶里程，变量t3为用户发布车辆信息的时间，θ1、θ2、θ3分别为回归系数。

表1 不同地理区域、不同车型对应的估计模型的截距和回归系数

针对每个地理区域不同类型的车辆构建多个车辆评估模型，即每个省对应多个车辆评估模型，每个省、市、车辆模型对应一个车辆评估模型。由于不同省份、不同车型的汽车价格存在一定差异，针对不同地理区域、不同车型训练不同的估值模型，可以有效减少预测误差，使模型估计更加准确。获取每个地理区域不同模型的截距和回归系数。

图4 基于信息的预测估值&历史交易及建议

因此，这个估值模型本质上是一个综合模型。顶层是按省、市、车型分类的模型，底层是对应类别的多种预测模型。使用训练好的车辆估价模型进行估价时，首先选择从客户端获取的地理区域和车型对应的车辆估价模型，然后选择从客户端获取的地理区域和车型对应的车辆估价模型，然后从客户端获取车辆登记时间和用户释放的车辆。将信息时间和行驶里程输入到所选模型中，模型输出相应的高精度车辆估价。

在VR技术逐渐普及的背景下，它可以为用户提供新颖的内容呈现形式。由于每辆二手车都有自己的车况，因此利用VR技术采集商家每辆车的内部和外部图像数据。车辆信息发布后，可以为用户提供更加直观、真实的车辆状况展示。在线车源360°展示，外观、内饰细节浏览无盲点，提升浏览体验。改善用户决策和潜在客户转化，提高店间转化率。同时也为商家提供优质的线索和用户访问率。

图5 VR全景拍摄技术流程

拍摄方案：加载用户选择的对应时代的30张车型图片。一组360°外观图需要从不同角度拍摄30张照片。以车辆为圆心，12°为点，划分站点。站点与模型图的角度强相关，每张图片对应一个站点。利用手机内置陀螺仪+电子罗盘，计算可以为拍摄者提供准确的角度位置信息，供拍摄者参考自己的位置是否与模特图像相符；通过实时识别图像轮廓，拍摄者可以提供精确的距离引导。 ，省去了手动测量和设置拍摄点的繁琐步骤；当摄影师按下拍摄按钮时，程序对拍摄的图像进行分析和识别，保留车辆轮廓内车辆的清晰图像，为轮廓外的背景区域生成20%高斯模糊层，并对边缘进行羽化。 ，将所有图层组合起来，从一个角度获得最终外观。这种外观拍摄方案简化了手动图像处理步骤。通过智能识别算法，全自动生成背景清晰、背景模糊的车辆预期外观图片。极大简化了车辆外观360°拍摄流程，10分钟内即可完成外观。以及室内摄影，并直接上传到平台进行展示。

图6 VR全景多平台集成一体化解决方案

适配多终端一体化拍摄观看技术解决方案（手机App拍摄+App双端VR播放组件+H5VR播放组件）： 1、自主研发手机360°VR外景拍摄App组件； 2、自主研发一体化室内VR拍摄组件，支持多个品牌VR摄像机连接拍摄； 3、自主开发App原生外观播放器控制； 4、基于二次研发的H5播放器外观； 5.基于Kpano的室内360°H5室内播放器。

图7 车辆历史报告生成

图8 部分车辆历史报告示例

图9 部分电池报告示例

车辆事故记录、4S店维修记录、天天牌线下检查记录数据有多种形式。一些图像数据需要先通过OCR转换为统一的文档格式，然后从文档中提取结构化信息。首先，建立车辆状态评估和电池状态评估的知识模型以及相应的标准化术语词汇，解决需要提取哪些信息、信息之间的关系是什么以及如何使用信息的问题。具体来说，NLP模型提取时间信息、里程信息、维修/索赔金额等数量信息、实体信息（汽车关键部位，如A柱、B柱等）以及对应的位置词（如前、左在前）等）和动词（如切割、钣金、焊接等），并根据句法标注建立实体、方位词和动词之间的关系，形成“左”形式的语义短语-一个立柱焊接”。这样的语义短语是描述车辆碰撞修复历史的最小语义单元。由于原始记录不规范或OCR识别过程中的错误，记录文件中对汽车关键部位的描述可能不够准确或完整。还需要根据预先建立的标准名词词汇表、动词词汇表、关键部位的定向词词汇表等。进行标准化处理，得到标准化的关键部分名词、动词以及对应的语义短语。

图10 车辆状况检查和分类的知识模型& 图11：车辆历史报告和VR图像的语义对齐

根据检测地点和事件类型，车况检查分为骨架检查、加固检查、水泡检查、消防检查、里程检查、外观件、变速箱/发动机检查、安全气囊检查8大维度。外观部件的检测信息可以与VR图像进行语义对齐，然后在VR层面进行可视化呈现。基于关键部位名词和动词的标准化关系，制定不同维度的车况评分规则，将提取的标准化语义短语映射为四个“ABCD”评分。最后，将八维评级与车辆的事故记录和索赔相结合。金额、新车指导价等信息对车辆状况进行综合评估，分为“优、良、中、差”四个等级。根据提取的语义短语、事件和数量信息生成车辆的碰撞历史详细信息、维修和保养历史详细信息以及历史里程详细信息。

随着新能源汽车市场的快速发展，汽车之家二手车也积累了数以万计的有购买新能源汽车愿望的新能源车主和用户。除了获取车辆的保养、碰撞、里程历史记录外，新能源汽车用户对电池性能、电池续航能力的评价也有强烈的需求。为此，二手车联手比利新源，利用新能源汽车电池大数据打造新能源二手车智能车况云平台。对电池数据进行处理和评级，可用于汽车之家、二手车之家等相关产品，一键生成新能源电池一站式在线测试报告，实现电池性能实时评估和在线里程测试。

电池测试报告记录了电池的出厂数据，通过电池评估数据、充放电数据、行驶数据和异常情况数据对电池性能进行综合检查和评估，并计算出参考续航里程。通过综合分析上述维度的数据，构建电池状态评分与评级模型，预测电池性能得分，并将其分为优、良、中、差四个等级。

结论

我们对二手车车辆数据和可视化展示进行深入研究，建立了标准化的数据处理流程、方法模型和可视化展示形式。面对海量、复杂的车辆数据，基于分而治之的思想建立了综合估值模型，大大提高了估值的准确性，使用户能够准确了解当前车辆的价值；建立标准化的车辆历史知识模型，利用算法模型和规则方法构造碰撞、维护、电池信息，特别是新能源汽车电池在线检测报告，引领行业创新。在视觉展示层面，创新运用软件技术，解决了传统VR技术过度依赖硬件和人力带来的成本高、时间长的问题，让商户轻松拍摄360°全景图像，提升购车者的浏览体验。通过数字技术对信息的三个维度进行分析和整合，重塑二手车购买业务的数字化场景。

二手车购买业务是我们二手车非常关键的业务线。在用户做出交易决策的过程中，可信、完整的车辆信息以及信息与用户的交互发挥着至关重要的作用。汽车之家二手车的愿景是持续推动业务数字化转型，打造二手车流通全数字化体系，规范非标产品，流程透明化，建立赋能二手车数字化转型新模式。二手车行业。