在绿色发展和能源转型的背景下,新能源汽车产业蓬勃发展。我国各政府部门相继出台多项政策促进新能源汽车的发展,人们绿色出行意识增强,新能源汽车销量稳步提升。而新能源二手车市场的发展却相对滞后,一是由于技术更新加速了新能源汽车贬值,二是缺乏统一的鉴定评估标准和专业的评估人员。随着新能源汽车保有量的增加,保证二手车顺利交易能促进资源的循环利用,对新能源汽车行业可持续发展意义重大。在此背景下,本文借鉴传统燃油车的评估方法,结合机器学习的优势,尝试用梯度提升树模型（GBDT）构建纯电动二手车价值评估体系,为新能源二手车的评估提供理论依据和新的评估思路,打通新能源二手车的交易壁垒。首先,本文基于特征价格理论,充分考虑了影响消费者购买意愿的因素,理清了纯电动汽车特征变量与价格之间的关系,这是本文建立二手车价值评估特征变量体系的基础。然后,共收集了21个特征变量,根据不同的性质分为功能变量、实体变量和市场变量。利用相关系数法和随机森林对特征进行筛选,留下了其中18个重要的特征变量。完成特征变量体系建立后,对收集的数据进行清洗和处理,把数据分为训练集和测试集来构造梯度提升树（GBDT）模型,保存预测精度最高的模型。最后,将优化后的GBDT模型与传统评估方法中的重置成本法进行比较,证明了GBDT模型在纯电动二手车价格预测中的优势性。本文研究发现建立的GBDT模型能够很好地预测二手车价格,拟合优度（R~2）可达到97.7%,平均的估计误差为0.435万元。在所有变量中,新车价格对纯电动二手车价格影响程度最大,其次是车龄、行驶里程、品牌、电池类型、续航里程等。用GBDT模型和重置成本法对同样的8辆纯电动汽车进行评估,结果发现GBDT模型预测的平均误差率比重置成本法小3.46%,再次验证了GBDT模型在纯电动二手车评估的优势。