自有車輛數據信息中心
DATA INFORMATION CENTER
經過5年不斷的數據積累,通過大數據分析、數據清洗和車型整合算法模型,對復雜的車型數據進行拆分、合并、補充殘缺數據、移除重復數據處理,建立車輛數據信息中心,目前車輛數據中心主要應用于VIN碼識別、品牌車型價格數據支持和API接口服務。

車輛歷史數據
支持全車型車輛180項出廠信息查詢,并支持新能源200+項車輛出廠信息查詢,目前平均每天約2000次調用查詢,響應數據快,1秒返回查詢結果。

車輛現狀數據
通過技術手段對車輛基礎信息數據、車身照片、車輛手續照片、漆膜檢測數據、區域車商交易數據、區域4S店交易數據、車輛維保數據和車輛碰撞數據進行全方位的車輛信息采集。

車輛未來數據
車輛數據信息中心自有車輛保值率算法模型,將各個渠道收集到的二手車交易數據匯總,經過嚴謹的數據清洗、去除重復或異常數值后,再進行不斷的建模訓練,可以計算不同品牌車系的保值率和車輛未來價格預測,并且上下誤差控制在5%左右。
車輛鑒定評估體系
EVALUATION SYSTEM
每一臺車都是獨一無二的,二手車鑒定評估工作是一個比較復雜的過程,車銀通通過自主產權的技術應用,高效檢測車輛的真實情況,重點排查事故車、水淹車、火燒車等情況,進行精準、公正的車輛剩余市場價值評估,評估后會提供專業的車況檢測評估報告,避免二手車后續安全隱患。

自動識別技術
對于采集上來的車輛圖片信息、手續圖片信息或拍攝的視頻信息,通過AI智能識別技術,可以自動識別并處理車輛異常情況,并能通過照片或視頻進行造假識別。

車輛殘值模型
影響車輛殘值的因素包含車輛價格、品牌價值、車輛保有量、地方政策、城市結構、社會事件、輿論導向等,車銀通通過大數據分析,建立車輛評估特性數據模型,通過不斷的機器學習來訓練評估模型的精準度,與市場上其它在線車輛估價平臺數據對比,車輛殘值模型計算的車輛評估價值,平均差異率在1.42%左右,符合真實市場車輛價值,可滿足車輛在線自動評估的需求。

車輛評估算法
車輛殘值率×市場波動率×市場交易價。其中:(1)車輛殘值率:是根據車輛自身真實信息通過車輛殘值模型計算;(2)市場波動率:是通過外部影響因素風險監控數據實時反饋計算;(3)市場交易價是通過車輛數據信息中心計算給出。

資深專家評估
二手車評估一個重要參考依據是車輛過往數據,但是對于保有量小的車輛(特殊渠道車源的進口車、特種車、定制車),無法獲取大量的歷史交易數據,缺乏評估的歷史數據支持,這種情況下需要經驗豐富的評估師進行人工評估,為了滿足企業、個人及金融機構特定場景及特定業務需求,可提供定制化人工評估服務。