CN112297934A - 充电站处理方法、装置、存储介质及处理器 - Google Patents

Abstract

本发明公开了一种充电站处理方法、装置、存储介质及处理器。其中，该方法包括：获取对象的充电习惯数据；获取多个充电站的状况数据；使用充电站引导模型处理充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站。本发明解决了相关技术中充电站无序选择造成资源浪费的技术问题。

Description

充电站处理方法、装置、存储介质及处理器

技术领域

本发明涉及充电站领域，具体而言，涉及一种充电站处理方法、装置、存储介质及处理器。

背景技术

大规模电动汽车的应用将产生巨大充电需求，用户无序选择充电站会引起电动汽车充电排队现象突出，无序充电无法给用户带来良好的充电体验。此外，无序选择充电站还会影响局部配电网的负荷平衡，增加电网运行优化控制的难度，从而可能导致局部配电网瘫痪甚至影响整个电网，也会造成资源浪费问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种充电站处理方法、装置、存储介质及处理器，以至少解决相关技术中充电站无序选择造成资源浪费的技术问题。

根据本发明实施例的一个方面，提供了一种充电站处理方法，包括：获取对象的充电习惯数据；获取多个充电站的状况数据；使用充电站引导模型处理所述充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站。

可选地，使用充电站引导模型处理所述对象的充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站包括：使用所述充电站引导模型处理所述对象的充电习惯数据，得到充电站选择倾向特征；使用所述充电站引导模型处理所述多个充电站的状况数据，得到多个充电站特征；使用所述充电站引导模型确定所述多个充电站特征中与所述充电站选择倾向特征匹配的至少一个目标充电站特征，得到至少一个目标充电站，其中，所述至少一个目标充电站为与所述至少一个目标充电站特征对应的充电站。

可选地，所述充电习惯数据包括以下至少之一：充电时的停车费支付数据，充电时的交流充电桩选择数据，充电时的电价数据。

可选地，所述充电站的状况数据包括以下至少之一：充电站的停车费收取数据，充电站的快充桩利用率数据，充电站的距离数据。

可选地，当所述充电习惯数据包括充电时的电价数据时，所述方法还包括：使用所述充电站引导模型处理所述充电时的电价数据，得到电价选择特征；当判断所述电价选择特征为对电价敏感时，发送当前时刻的电价，预计电价降低时间和降低后的电价。

根据本发明实施例的另一方面，还提供了一种充电站处理方法，包括：获取对象的充电站筛选请求，其中，所述对象的充电站筛选请求用于得到与所述对象匹配的充电站；根据所述对象的充电站筛选请求和多个充电站的状况数据，确定与所述对象匹配的至少一个目标充电站；展示所述至少一个目标充电站。

根据本发明实施例的又一方面，还提供了一种充电站处理装置，包括：第一获取模块，用于获取对象的充电习惯数据；第二获取模块，用于获取多个充电站的状况数据；处理模块，用于使用充电站引导模型处理所述充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站。

根据本发明实施例的再一方面，还提供了一种充电站处理装置，包括第三获取模块，用于获取对象的充电站筛选请求，其中，所述对象的充电站筛选请求用于得到与所述对象匹配的充电站；确定模块，用于根据所述对象的充电站筛选请求和多个充电站的状况数据，确定与所述对象匹配的至少一个目标充电站；展示模块，用于展示所述至少一个目标充电站。

在本发明实施例中，采用获取对象的充电习惯数据和多个充电站的状况数据的方式，通过使用充电站引导模型处理所述充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站，从而实现了根据对象的充电习惯智能得到相匹配的充电站的技术效果，进而解决了相关技术中充电站无序选择造成资源浪费技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例提供的充电站处理方法一的流程图；

图2是根据本发明实施例提供的充电站处理方法二的流程图；

图3是根据本发明可选实施方式的充电站推送策略流程示意图；

图4是根据本发明实施例提供的充电站处理装置一的结构框图；

图5是根据本发明实施例提供的充电站处理装置二的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种充电站处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的充电站处理方法一的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取对象的充电习惯数据；

步骤S104，获取多个充电站的状况数据；

步骤S106，使用充电站引导模型处理充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站。

通过上述步骤，采用充电站引导模型得到至少一个目标充电站，从而实现了根据对象的充电习惯智能得到相匹配的充电站的技术效果，进而解决了相关技术中充电站无序选择造成资源浪费的技术问题。

作为一种可选的实施方式，针对不同用户的消费习惯不同，对充电站的偏好也不相同，无法让用户根据个人的习惯选择其偏好的电站。通过收集用户使用充电站的使用习惯数据并根据数据对用户进行用户画像，分析用户在使用充电站进行充电时的消费习惯，可以确定用户的充电站使用偏好。需要说明的是，用户的使用习惯数据可以是用户每次选择充电站进行充电时，与用户的选择相关的信息数据。例如，该信息数据可以包括用户选择去充电站充电的时间段，使用的充电站的停车费收费信息，在充电站中使用的充电桩的类型信息等。此外，还可以通过收集各个充电站的状况数据，分析用户附近的各个充电站的状况，寻找与用户的充电站使用偏好相匹配的充电站，为用户推送这些匹配充电站，实现充电资源的合理分配。充电站的状况数据包括可以描述充电站的状况的信息，例如，可以描述充电站的当前繁忙程度的信息，停车费收费信息，充电桩中的快充桩的闲置信息等。

作为一种可选的实施例，充电习惯数据和充电站的状况数据都可以包括多种。例如，充电习惯数据可以包括充电时的停车费支付数据，充电时的交流充电桩选择数据，充电时的电价数据中的一个或多个；充电站的状况数据也可以包括充电站的停车费收取数据，充电站的快充桩利用率数据，充电站的距离数据中的一个或多个。

需要说明的是，充电习惯数据中包括的数据类型可以与充电站的状况数据中包括的数据类型对应。例如，当用户的充电习惯数据中包括该用户在充电时的交流充电桩选择数据时，该数据可以表征用户对充电时间的敏感性，例如，用户数据表明用户过去选用交流充电桩即慢充充电桩比较少，选用直流充电桩即快充充电桩的情况非常多，则表明该用户十分在意充电的时长，不愿意花更多的时间等待充电完成，那么为其匹配合适的充电站时，多个充电站的状况数据中可以包括多个充电站当前的快充桩利用率数据，优先为该用户匹配闲置有较多的快充桩的充电站。

此外，作为一种可选的实施方式，充电站的状况数据还可以包括其他类型的数据。例如，可以包括该充电站与用户当前的距离，充电站当前的充电桩总利用率等。通过对该充电站与用户当前的距离的分析，可以将与用户距离过远的充电站过滤，或者降低此种充电站的推送优先等级，在所有符合条件的充电站中优先推送与用户距离较近的充电站；而考虑充电站当前的充电桩总利用率可以合理引导用户前往当前闲置充电桩较多的充电站，利用分散充电的车流，合理配置整体的充电资源，减少用户的等待时间。

作为一种可选的实施例，使用充电站引导模型处理对象的充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站可以采用多种方式，例如可以通过如下方式实现：使用充电站引导模型处理对象的充电习惯数据，得到充电站选择倾向特征；使用充电站引导模型处理多个充电站的状况数据，得到多个充电站特征；使用充电站引导模型确定多个充电站特征中与充电站选择倾向特征匹配的至少一个目标充电站特征，得到至少一个目标充电站，其中，至少一个目标充电站为与至少一个目标充电站特征对应的充电站。

作为一种可选的实施方式，充电站引导模型可以对用户的使用习惯数据和多个充电站的状况数据进行智能处理，从而在多个充电站中为用户匹配最能满足用户的使用习惯的目标充电站。其中，充电站引导模型可以是提前训练得到的人工智能模型，通过深度学习得到对使用习惯数据和充电站状况数据的特征提取方法，然后根据提取的特征，为用户匹配与其习惯相符的目标充电站。例如，可以将标注过的训练样本数据集输入训练模型中，使用深度学习的训练模型学习如何对用户的使用习惯和充电站的状况数据进行分类，然后根据分类结果输出表述用户使用习惯的特征和充电站的状况的特征，然后根据上述特殊特征进行匹配操作。

此外，还可以使用预设的模充电站引导型对用户的使用习惯数据和充电站的状况数据进行处理，然后执行匹配操作。例如，在预设的充电站引导模型中首先分析用户的使用习惯数据并确定用户的使用习惯特征，例如，当使用习惯数据包括充电时的交流充电桩选择数据，确定选用交流充电桩次数小于50％的用户的充电时间敏感性特征为对充电时间不敏感，或者确定选用直流充电桩次数大于50％的用户的充电时间敏感性特征为对充电时间敏感。上述50％为推荐设置值，具体的数值设置可以根据情况而定。又例如当使用习惯数据包括充电时的停车费支付数据时，可以将选用免停车费的充电站的次数大于50％的用户确定为停车费敏感性用户，或者将每次充电时缴纳的停车费小于预定阈值的次数大于一个固定比例的用户确定为停车费敏感性用户。同理，可以根据充电站的状况数据挖掘充电站的状况特征，用于预用户的充电习惯特征进行匹配。

作为一种可选的实施例，当充电习惯数据包括充电时的电价数据时，方法还包括：使用充电站引导模型处理充电时的电价数据，得到电价选择特征；当判断电价选择特征为对电价敏感时，发送当前时刻的电价，预计电价降低时间和降低后的电价。

由于尖峰时刻平均充电费用较高，平谷时刻平均充电费用较低，因此，充电站引导模型可以在用户的使用习惯数据中包括其每次充电时的平均电费数据时，分析用户对电价的敏感性，将常在平谷时刻充电的用户记为电价敏感用户，将常在尖峰时刻充电的用户记为电价非敏感用户。针对电价敏感用户，向该类用户反馈电价信息，例如，反馈当前时刻的电价，预计电价降低时间和降低后的电价。而对于对电价不敏感的用户，则可以不作处理。

图2是根据本发明实施例的充电站处理方法二的流程图，如图2所示，该方法包括如下步骤：

步骤S202，获取对象的充电站筛选请求，其中，对象的充电站筛选请求用于得到与对象匹配的充电站；

步骤S204，根据对象的充电站筛选请求和多个充电站的状况数据，确定与对象匹配的至少一个目标充电站；

步骤S206，展示至少一个目标充电站。

通过上述步骤，实现了根据对象的充电站筛选请求展示符合对象要求的目标充电站的目的，从而实现了根据对象的充电习惯智能匹配充电站并将匹配得到的目标充电站进行展示的技术效果，进而解决了相关技术中无法根据对象的充电习惯智能匹配充电站技术问题。

基于上述实施例及可选实施例，本发明还提供了一种可选实施方式，在该可选实施方式中，先建立了一个有效的充电站引导模型，实现对车辆的有序充电引导，可以保障大规模电动汽车的并网且兼顾用户便捷性，减小对电网的不良影响。作为一种可选的实施方式，使用充电站引导模型引导用户选择充电站可以通过如下方式实现：

S1，选取的数据集来自预定地区预定时间段的充电交易记录数据，其中包含充电站ID，充电桩ID，充电开始时间、充电结束时间、充电金额、充电电量、充电站经纬度、充电站停车场收费情况等充电站的状况数据；

S2，对数据进行预处理，剔除数据中的缺失、异常数据，对处理后的数据进Z-Scroe归一化预处理，以消除量纲的影响，使得从所有样本提取的特征可以在同一量纲下作比对；

S3，分析用户的充电记录数据即充电习惯数据，计算用户充电的时间段，尖峰时刻充电电价高，平谷时刻充电电价低；充电站停车场是否需要停车费；充电桩选择交、直流的频次，整理筛选出用户的使用习惯特征，例如，是否对充电费用敏感、是否对停车收费敏感、是否存在快充偏好等；

S4，将用户的充电习惯特征和充电站的状况数据输入充电站引导模型，输出用户被引导去的充电站的ID，充电站利用率和与用户当前的距离等信息，例如，表1可以是充电站引导模型输出的结果列表，目标充电站编号指示匹配得到的最符合该用户使用习惯的目标充电站的具体编号。

表1

此外，充电站引导模型还可以根据对用户的使用习惯的详细划分，针对不同类型的用户产生不同的充电站推送策略。例如，图3是根据本发明可选实施方式的充电站推送策略流程示意图，如图3所示，充电站引导模型可以根据用户是否对充电费用敏感、是否对停车收费敏感和是否存在快充偏好，将用户划分为8类，并提供不同的策略，其中，为8类用户提供的不同推荐充电站的策略可以按照如下方式设置：

策略1：推荐免费停车，快充桩利用率低于70％的充电站，如在电价尖峰时段则推送此时电价、预计电价降低时间、降低后的电价。

策略2：推荐免费停车，充电站利用率低于70％的充电站。如在电价尖峰时段则推送此时电价、预计电价降低时间、降低后的电价。

策略3：推荐快充桩利用率低于70％的充电站，如在电价尖峰时段则推送此时电价、预计电价降低时间、降低后的电价。

策略4：推荐充电站利用率低于70％的充电站，如在电价尖峰时段则推送此时电价、预计电价降低时间、降低后的电价。

策略5：推荐要求免费停车，充电站利用率低于70％的充电站。

策略6：推荐要求免费停车，快充桩利用率低于70％的充电站。

策略7：推荐快充桩利用率低于70％的充电站。

策略8：推荐充电站利用率低于70％的充电站。

其中，当用户对充电站的快充桩没有要求的时候，优先为用户推荐利用率低于70％的充电站，保证不会在一个充电站出现拥挤的问题，避免资源错配。

实施例2

根据本发明实施例，还提供了一种充电站处理装置。图4是根据本发明实施例提供的充电站处理装置一的结构框图，如图4所示，该装置包括：第一获取模块402，第二获取模块404和处理模块406，下面对该充电站处理装置一进行详细说明。

第一获取模块402，用于获取对象的充电习惯数据；

第二获取模块404，连接于上述第一获取模块402，用于获取多个充电站的状况数据；

处理模块406，连接于上述第二获取模块404，用于使用充电站引导模型处理充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站。

实施例3

根据本发明实施例，还提供了一种充电站处理装置。图5是根据本发明实施例提供的充电站处理装置二的结构框图，如图5所示，该装置包括：第三获取模块502，确定模块504和展示模块506，下面对该充电站处理装置二进行详细说明。

第三获取模块502，用于获取对象的充电站筛选请求，其中，对象的充电站筛选请求用于得到与对象匹配的充电站；

确定模块504，连接于上述第三获取模块502，用于根据对象的充电站筛选请求和多个充电站的状况数据，确定与对象匹配的至少一个目标充电站；

展示模块506，连接于上述确定模块504，用于展示至少一个目标充电站。

实施例4

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例1所提供的充电站处理方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取对象的充电习惯数据；获取多个充电站的状况数据；使用充电站引导模型处理充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：使用充电站引导模型处理对象的充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站包括：使用充电站引导模型处理对象的充电习惯数据，得到充电站选择倾向特征；使用充电站引导模型处理多个充电站的状况数据，得到多个充电站特征；使用充电站引导模型确定多个充电站特征中与充电站选择倾向特征匹配的至少一个目标充电站特征，得到至少一个目标充电站，其中，至少一个目标充电站为与至少一个目标充电站特征对应的充电站。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：充电习惯数据包括以下至少之一：充电时的停车费支付数据，充电时的交流充电桩选择数据，充电时的电价数据。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：充电站的状况数据包括以下至少之一：充电站的停车费收取数据，充电站的快充桩利用率数据，充电站的距离数据。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：当充电习惯数据包括充电时的电价数据时，方法还包括：使用充电站引导模型处理充电时的电价数据，得到电价选择特征；当判断电价选择特征为对电价敏感时，发送当前时刻的电价，预计电价降低时间和降低后的电价。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取对象的充电站筛选请求，其中，对象的充电站筛选请求用于得到与对象匹配的充电站；根据对象的充电站筛选请求和多个充电站的状况数据，确定与对象匹配的至少一个目标充电站；展示至少一个目标充电站。

实施例5

本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的数据处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的数据处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取对象的充电习惯数据；获取多个充电站的状况数据；使用充电站引导模型处理充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站。

可选的，上述处理器还可以执行如下步骤的程序代码：使用充电站引导模型处理对象的充电习惯数据和多个充电站的状况数据，得到至少一个目标充电站包括：使用充电站引导模型处理对象的充电习惯数据，得到充电站选择倾向特征；使用充电站引导模型处理多个充电站的状况数据，得到多个充电站特征；使用充电站引导模型确定多个充电站特征中与充电站选择倾向特征匹配的至少一个目标充电站特征，得到至少一个目标充电站，其中，至少一个目标充电站为与至少一个目标充电站特征对应的充电站。

可选的，上述处理器还可以执行如下步骤的程序代码：充电习惯数据包括以下至少之一：充电时的停车费支付数据，充电时的交流充电桩选择数据，充电时的电价数据。

可选的，上述处理器还可以执行如下步骤的程序代码：充电站的状况数据包括以下至少之一：充电站的停车费收取数据，充电站的快充桩利用率数据，充电站的距离数据。

可选的，上述处理器还可以执行如下步骤的程序代码：当充电习惯数据包括充电时的电价数据时，方法还包括：使用充电站引导模型处理充电时的电价数据，得到电价选择特征；当判断电价选择特征为对电价敏感时，发送当前时刻的电价，预计电价降低时间和降低后的电价。

可选的，上述处理器还可以执行如下步骤的程序代码：获取对象的充电站筛选请求，其中，对象的充电站筛选请求用于得到与对象匹配的充电站；根据对象的充电站筛选请求和多个充电站的状况数据，确定与对象匹配的至少一个目标充电站；展示至少一个目标充电站。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种充电站处理方法，其特征在于，包括：

获取对象的充电习惯数据；

获取多个充电站的状况数据；

使用充电站引导模型处理所述充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站。

2.根据权利要求1所述的方法，其特征在于，使用充电站引导模型处理所述对象的充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站包括：

使用所述充电站引导模型处理所述对象的充电习惯数据，得到充电站选择倾向特征；

使用所述充电站引导模型处理所述多个充电站的状况数据，得到多个充电站特征；

使用所述充电站引导模型确定所述多个充电站特征中与所述充电站选择倾向特征匹配的至少一个目标充电站特征，得到至少一个目标充电站，其中，所述至少一个目标充电站为与所述至少一个目标充电站特征对应的充电站。

3.根据权利要求1所述的方法，其特征在于，所述充电习惯数据包括以下至少之一：

充电时的停车费支付数据，充电时的交流充电桩选择数据，充电时的电价数据。

4.根据权利要求1所述的方法，其特征在于，所述充电站的状况数据包括以下至少之一：

充电站的停车费收取数据，充电站的快充桩利用率数据，充电站的距离数据。

5.根据权利要求3所述的方法，其特征在于，当所述充电习惯数据包括充电时的电价数据时，所述方法还包括：

使用所述充电站引导模型处理所述充电时的电价数据，得到电价选择特征；

当判断所述电价选择特征为对电价敏感时，发送当前时刻的电价，预计电价降低时间和降低后的电价。

6.一种充电站处理方法，其特征在于，包括：

获取对象的充电站筛选请求，其中，所述对象的充电站筛选请求用于得到与所述对象匹配的充电站；

根据所述对象的充电站筛选请求和多个充电站的状况数据，确定与所述对象匹配的至少一个目标充电站；

展示所述至少一个目标充电站。

7.一种充电站处理装置，其特征在于，包括：

第一获取模块，用于获取对象的充电习惯数据；

第二获取模块，用于获取多个充电站的状况数据；

处理模块，用于使用充电站引导模型处理所述充电习惯数据和所述多个充电站的状况数据，得到至少一个目标充电站。

8.一种充电站处理装置，其特征在于，包括：

第三获取模块，用于获取对象的充电站筛选请求，其中，所述对象的充电站筛选请求用于得到与所述对象匹配的充电站；

确定模块，用于根据所述对象的充电站筛选请求和多个充电站的状况数据，确定与所述对象匹配的至少一个目标充电站；

展示模块，用于展示所述至少一个目标充电站。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述充电站处理方法。

10.一种计算机设备，其特征在于，包括：存储器和处理器，

所述存储器存储有计算机程序；

所述处理器，用于执行所述存储器中存储的计算机程序，其中，所述计算机程序运行时执行权利要求1至6中任意一项所述充电站处理方法。

Images