该数据是用于对全国二手车网站内和网站间的车源进行去重，是提升二手车数据质量的重要步骤。主要内容为根据经销商的车源信息，找出经销商关系。并根据经销商关系，对同一段时间内有关系的经销商，判断车源是否为重复车源。判断经销商关系，经销商“共享”车源或同一个经销商在不同网站上同时上架相同车源，通过计算经销商之间“共享车源”的比例，超过阈值则认为两个经销商为同一经销商或经销商联盟。判断重复车源，对同一经销商或经销商联盟，当城市，颜色、上牌时间、型号相同情况下，若两车的里程（万公里）不大于0.2，且里程差异百分比不大于5%，则判断两车为重复车源。该数据可以用于国内所有二手车平台的车源去重工作，从而为数据分析、数据建模提供高质量的数据来源。

源数据均来源于网络公开的数据。首先，对二手车车源数据进行初步清洗，包括去除无效数据、异常报价、异常行驶里程、异常上牌时间，例如型号相关信息缺失、二手车异常城市等；其次，将各网站二手车车源数据匹配到具有唯一标识的车型库，匹配采用NLP结合HMM和XGB框架下的型号匹配模型；接着，对相似车源进行判断，在同一网站内，颜色、上牌时间、型号 三个字段需要严格相同，将三个字段联立起来，称为“comb_id”，跨网站的情况下，由于不同网站的信息可能略有不同，导致匹配的型号有所不同，因此将“型号”字段放宽为 车型+年款。即将颜色，上牌时间，车型，年款四个字段连立起来，称为“comb_id1”，“comb_id” 或“comb_id1”相同的情况下，若两车的行驶里程、当前价格的差距不超过阈值，则判断两车为“相似车源”。同城经销商两两对比，若相似车源数量大于2台，则判断这两个同城经销商为有关系，否则为无关系。循环有关系内部的经销商，利用“comb_id” 或“comb_id1”匹配出重复车源，将重复车源的车源id存到重复车源关系表里面，并打上”重复”的标记。

服务于二手车估值、残值预测来源数据质量的提升；基于对二手车车源数据的去重，助力二手车估值、残值预测精度的提升；为车企调整产品策略提供精准决策。

AskingPrice BatchId BodyType Brand CarName Color Cylinder CylinderArrangementForm DealerId DealerName 66800 3600 三厢车 福特 福克斯 2015款 三厢 1.6L 手动舒适型 白色 4 L 152092 宜宾路安二手车 143800 3671 SUV 丰田 汉兰达 2011款 2.7L 两驱7座豪华版 黑色 4 L 255777 湛江易购联合二手车 488000 3924 三厢车 奥迪 奥迪A8 2014款 A8L 45 TFSI quattro舒适型 黑色 6 V 136664 锦州市腾骏二手车 48000 3924 三厢车 别克 君威 2009款 2.0L 舒适版 香槟色 4 L 357463 宁波车本赢二手车 118500 3924 两厢车 本田 杰德 2016款 1.8L 自动舒适精英版 5座 白色 4 L 162033 丹东王顺吉二手车 137700 3924 三厢车 本田 雅阁 2015款 2.0L LXS 精英版 黑色 4 L 170077 大连传承二手车 89

序号 列名 类型 长度 可空 主键 备注 字段示例 1 AskingPrice int 10 否 否 挂牌价 66800 2 BatchId int 10 否 否 批次id 3600 3 BodyType varchar 50 否 否 车型形式 三厢车 4 Brand varchar 50 否 否 品牌 福特 5 CarName varchar 50 否 否 型号 福克斯 2015款 三厢 1.6L 手动舒适型 6 Color varchar 50 否 否 颜色 白色 7 Cylinder int 10 否 否 气缸数 4 8 CylinderArrangementForm varchar 50 否 否 气缸排列形式 L 9 DealerId varchar 50 否 否 经销商id 152092 10 DealerName varchar 50 否 否 经销商名称 宜宾路安二手车