1.本技术涉及换电站技术领域，对象对象更具体而言，获取获涉及一种对象获取方法、装置对象获取装置、计算机设介质计算机设备和非易失性计算机可读存储介质。备及
背景技术：
2.换电站是存储给使用电池作为动力的新能源汽车的电池充电或者更换电池的场所，换电站的流程经营需要寻找客户来购买新能源汽车或者给新能源汽车进行充换电。
3.目前换电站等能源交通行业的对象对象企业为了寻找购买新能源汽车或给新能源汽车充换电的客户，通常是获取获采用搜索引擎、媒体广告、装置企业官网、计算机设介质陌生拜访、备及电话营销、存储电子邮件、流程线下活动等方式来获取客户，对象对象然而通过这些方式获取客户的效率较低。
技术实现要素：
4.本技术实施方式提供一种对象获取方法、充电控制装置、计算机设备和非易失性计算机可读存储介质。
5.本技术实施方式的对象获取方法包括根据车辆信息生成车辆热力图；根据所述车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取所述目标区域内的目标对象的信息；输入所述目标对象的信息到预设的机器学习模型，以确定所述目标对象的分类，并输出预设分类的所述目标对象。
6.本技术实施方式的充电控制装置包括生成模块、获取模块何输出模块，生成模块用于根据车辆信息生成车辆热力图；获取模块用于根据所述车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取所述目标区域内的目标对象的信息；输出模块用于输入所述目标对象的信息到预设的机器学习模型，以确定所述目标对象的分类，并输出预设分类的所述目标对象。
7.本技术实施方式的计算机设备包括处理器，所述处理器用于根据车辆信息生成车辆热力图；根据所述车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取所述目标区域内的目标对象的信息；输入所述目标对象的信息到预设的机器学习模型，以确定所述目标对象的分类，并输出预设分类的所述目标对象。
8.本技术实施方式的包含计算机程序的非易失性计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的对象获取方法。所述的对象获取方法包括根据车辆信息生成车辆热力图；根据所述车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取所述目标区域内的目标对象的信息；输入所述目标对象的信息到预设的机器学习模型，以确定所述目标对象的分类，并输出预设分类的所述目标对象。
9.本技术的一种对象获取方法、充电控制装置、计算机设备和非易失性计算机可读存储介质通过根据车辆信息生成车辆热力图，然后根据车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取目标区域内的目标对象的信息，最后输入目标对象的信息到预
设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象。如此，相较于通过搜索引擎、媒体广告、官网、陌生拜访、电话营销、电子邮件、线下活动等方式来获取目标对象，本技术可以提高企业的目标对象的获取效率，例如，对于换电站而言，可以提高目标对象(如存在换电需求或更换新能源车辆需求的目标客户)的获取效率。
10.本技术的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实施方式的实践了解到。
附图说明
11.本技术的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
12.图1是本技术某些实施方式的对象获取方法的流程示意图；
13.图2是本技术某些实施方式的对象获取方法的流程示意图；
14.图3是本技术某些实施方式的对象获取方法的流程示意图；
15.图4是本技术某些实施方式的对象获取方法的流程示意图；
16.图5是本技术某些实施方式的对象获取方法的流程示意图；
17.图6是本技术某些实施方式的对象获取方法的流程示意图；
18.图7是本技术某些实施方式的对象获取装置的模块示意图；
19.图8是本技术某些实施方式的计算机设备的平面示意图；
20.图9是本技术某些实施方式的非易失性计算机可读存储介质和处理器的连接状态示意图。
具体实施方式
21.下面详细描述本技术的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是可选地，仅用于解释本技术的实施方式，而不能理解为对本技术的实施方式的限制。
22.请参阅图1，本技术实施方式提供一种对象获取方法，对象获取方法包括：
23.步骤011：根据车辆信息生成车辆热力图。
24.其中，车辆信息可以包括车辆的属性信息、车辆行为的行为信息等，例如，车辆的属性信息包括车辆的车型、车辆的标识码和车辆的品牌等，车辆的行为信息包括车辆的运输路线、运输频率等。
25.热力图是一种通过对色块着色来显示数据的统计图表。绘图时，需指定颜色映射的规则，例如，热力图较大的值由较深的颜色表示，较小的值由较浅的颜色表示；或者较大的值由偏暖的颜色表示，较小的值由较冷的颜色表示，等等。
26.具体地，对象获取方法可以根据车辆的信息来生成车辆热力图，针对车辆热力图可以直观地获取车辆分布的相关信息，例如，通过获取一个城市的车辆信息，可以用来生成指示该城市的车辆分布情况的车辆热力图。
27.步骤012：根据车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取目标区域内的目标对象的信息。
28.其中，在车辆热力图中，车辆密集度越高的区域，所标识的颜色越深。一个区域的车辆密集度可以是该区域在预设时段(如一天、一周、一个月等)内经过的车辆数目；预设阈值可以是根据经验值预设的车辆数目的数值；目标对象可以是企业、公司等。
29.具体地，车辆密集度大于预设阈值(如100辆、200辆等)的目标区域可以是在车辆热力图中，颜色为预设颜色的区域，例如，在车辆热力图使用红色进行表示，根据预设阈值确定车辆密集度大于预设阈值的目标区域的颜色为深红色，则可在车辆热力图中找到深红色以及比深红色更深的颜色的区域，用来作为目标区域。
30.在确定目标区域之后，即可获取目标区域内的目标对象的信息。例如，获取企业位置位于目标区域内的企业、公司等，如对于换电站而言，目标对象可以是企业位置位于目标区域内且具有车辆的企业和公司。
31.步骤013：输入目标对象的信息到预设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象。
32.其中，机器学习模型可以是一种算法的表达，它通过梳理海量数据来查找模式或进行预测，由数据助力，是人工智能的数学引擎。例如，适用于计算机视觉的机器学习(machine learning，ml)模型能够在实时视频中识别汽车和行人、适用于自然语言处理的机器学习模型则能够翻译单词和句子。
33.目标对象的分类可以基于目标对象的信息评估对每个目标对象的需求程度进行分级，例如，目标对象的分类可以基于目标对象的注册资本信息、规模信息、车龄信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度中至少一种，对换电站而言对每个目标对象关于换电需求和/或更换新能源车辆需求的需求程度进行分级，如可以分成一级、二级、三级和四级。
34.预设分类的目标对象可以是一级和二级的目标对象，如对换电站而言，具有换电需求和/或更换新能源车辆需求的目标对象为预设分类的目标对象。
35.具体地，将获取目标区域内的目标对象的信息输入到预设的机器学习模型(机器学习模型可以是逻辑回归模型、决策树模型等)中，然后根据机器学习模型可对目标对象进行分类，最后将符合预设分类的目标对象进行输出。
36.通过根据车辆信息生成车辆热力图，然后根据车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取目标区域内的目标对象的信息，最后输入目标对象的信息到预设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象。如此，相较于通过搜索引擎、媒体广告、官网、陌生拜访、电话营销、电子邮件、线下活动等方式来获取目标对象，本技术可以提高企业的目标对象的获取效率，例如，对于换电站而言，可以提高目标对象(如存在换电需求或更换新能源车辆需求的目标客户)的获取效率。
37.请参阅图2，在某些实施方式中，车辆信息包括车辆的属性信息、运输路线和运输频率中至少一种，步骤011：根据车辆信息生成车辆热力图包括：
38.步骤0111：根据车辆的属性信息、运输路线和运输频率中的至少一种，生成车辆热力图，车辆热力图用于指示车辆在不同区域活动的密集度。
39.其中，车辆的属性信息可以为车辆的类型、车辆的标识码、车辆的品牌等；车辆的运输路线可以是车辆根据公司订单行驶的路线，车辆的运输频率可以是一定时长(如一个月内)车辆在同一运输路线上运输的次数。
40.具体地，车辆的信息可以从数据平台中获取，例如，数据平台可以是中交兴路数据平台；对象获取方法可以根据车辆信息、运输路线和运输频率中的至少一种，生成车辆热力图。例如，根据车辆的类型、运输路线和运输频率来确定车辆热力图。如分布的运输路线越多的区域，车辆密集度越大，因此根据获取的运输路线和每个运输路线的运输频率，即可确定不同区域的运输路线的数量，从而可以确定车辆热力图在不同区域的车辆密集度，即可生成车辆热力图。
41.其中，不同类型的车辆，可以生成不同类型的车辆热力图，如新能源车辆的车辆热力图可以指示新能源车辆在不同区域的车辆密集度，燃油车辆的车辆热力图则可以指示燃油车辆在不同区域的车辆密集度。
42.通过根据车辆的属性信息、运输路线和运输频率中的至少一种，生成车辆热力图，如此能够根据车辆热力图来找到车辆密集度高的区域，从而可以确定目标区域。
43.请参阅图3，在某些实施方式中，步骤012：获取目标区域内的目标对象的信息包括：
44.步骤0121：通过网络爬虫技术，获取目标区域内的目标对象的信息；及
45.步骤0122：通过预设的数据平台，对已获取的目标对象的信息进行信息补充。
46.其中，网络爬虫技术指的是一种用来自动浏览万维网的网络机器人。网络爬虫又称为网页蜘蛛，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本；数据平台可以是用来存储数据的数据库。
47.具体地，对象获取方法需要获取目标区域内的目标对象的信息则需要采用网络爬虫技术，网络爬虫技术又分为通用网络爬虫技术和聚焦网络爬虫技术，通用网络爬虫技术又称为全网爬虫技术，这类网络爬虫技术的爬行范围和数量巨大，对于爬行速度和存储空间要求较高，对于爬行页面的顺序要求相对较低，同时由于待刷新的页面太多，通常采用并行工作方式，但需要较长时间才能刷新一次页面。聚焦网络爬虫技术又称为主题网络爬虫技术，这类网络爬虫技术能够选择性地爬行那些与预先定义好的主题相关页面的网络爬虫，和通用网络爬虫相比，聚焦爬虫只需要爬行与主题相关的页面，极大地节省了硬件和网络资源，保存的页面也由于数量少而更新快，还可以很好地满足一些特定人群对特定领域信息的需求。这里采用聚焦网络爬虫技术，爬取目标对象的信息，也就是企业、公司等相关的信息，例如，企业的网站、企业的名称、企业的规模、企业负责人的联系信息、企业的注册资本、企业的人员规模、企业的经营范围、企业的地址等等。
48.由于网络爬虫技术获取的目标对象的信息可能存在缺漏，这时则需要根据预设的数据平台来对已经获取的目标对象的信息进行补充，例如，预设的数据平台可以是企查查、天眼查、工商公示系统等数据平台，在这些数据平台中输入网络爬虫技术爬出的企业名称，然后对企业的信息进行补充，补充的企业的信息可以是企业的网站、企业的名称、企业的规模、企业负责人的联系信息、企业的注册资本、企业的人员规模、企业的经营范围、企业的地址等等，最后将重复的目标对象的信息进行合并并删除多余的目标对象信息，例如，多个目标对象出现重复可以是多个目标对象分别为同一公司的不同子公司，或者多个目标对象分别为总公司和子公司等。
49.通过网络爬虫技术获取目标区域内的目标对象的信息，并且通过预设的数据平台对目标区域内的目标对象的信息进行补充，如此能够提高目标区域内的目标对象的信息的
完整度，从而提高机器学习模型中预设分类的目标对象的准确性。
50.请参阅图4，在某些实施方式中，目标对象的信息包括联系信息，对象获取方法还包括：
51.步骤014：根据联系信息绑定的平台信息，以确定目标对象的信息的有效性；
52.步骤015：删除无效的目标对象的信息。
53.具体地，对象获取方法还需要将获取的目标对象的信息进行验证，以确保目标对象的信息的准确性，并且需要将无效的目标对象的信息从中进行删除，例如，联系信息绑定的平台可以是微信、支付宝、抖音等平台，验证企业负责人的联系电话看是否进行了微信、支付宝、抖音等其中至少一种的注册或者绑定，如果企业负责人的联系电话注册或者绑定了相关平台，则说明目标对象的信息具有有效性，如果企业负责人的联系电话没有注册相关平台则说明目标对象的信息不具有有效性，需要将相关的目标对象的信息进行删除。
54.通过对目标对象的联系信息进行有效性确定，以删除无效的目标对象的信息，如此能够提高输入机器学习模型中数据的准确性，从而提高机器学习模型的分类准确性，进而提高预设分类目标对象的转化率。
55.请参阅图5，在某些实施方式中，目标对象的信息包括注册资本信息、规模信息、车龄信息、盈利信息、和目标对象的信息的来源的可信度中至少一种，步骤013：输入目标对象的信息到预设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象，包括：
56.步骤0131：基于机器学习模型，根据注册资本信息、规模信息、车龄信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度，确定目标对象的评分；
57.步骤0132：根据评分对目标对象进行分类，并输出预设分类的目标对象。
58.具体地，目标对象的信息包括注册资本信息、规模信息、车龄信息、盈利信息、和目标对象的信息的来源的可信度中至少一种。注册资本信息指的是企业在注册事的资本情况；规模信息指的是企业拥有车辆的总数和燃油车的数量；车龄信息指的是企业拥有的车辆从购买到现在多少时间的情况；盈利信息指的是企业的经营情况；目标对象的信息的来源的可信度指的是企业的信息数据是从哪些途径获取的情况。
59.首先将目标对象的注册资本信息、规模信息、车龄信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度输入机器学习模型中，其次机器学习模型会根据这些目标对象的信息最终得出目标对象的评分情况，然后根据目标对象的评分情况对目标对象进行分类，而目标对象的分类可以是将目标对象分为四级，例如，目标对象的分类可以基于目标对象的注册资本信息、规模信息、车龄信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度中至少一种，将机器学习模型对目标对象的输出评分大于或等于90分的设置为一级，将评分在大于或等于70小于90分的设置为二级，将评分大于或等于50分小于70分的设置为三级，将小于50分的设置为四级。预设分类的目标对象可以是机器学习模型将评分大于或等于70分的目标对象，即处于一级和二级的目标对象，最后机器学习模型将预设分类的目标对象输出。
60.通过机器学习模型确定目标对象的评分，并且通过评分对目标对象进行分类，在机器学习模型中输出预设分类的目标对象，如此能够确定每个目标对象关于换电需求和/或更换新能源车辆需求的需求程度。
61.在某些实施方式中，规模信息包括车辆总数和燃油车的数量，车辆总数、燃油车的数量、车龄信息、注册资本信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度均与目标对象的评分呈正相关关系。
62.具体地，目标对象的规模信息包括车辆总数和燃油车的数量，车辆总数、燃油车的数量、车龄信息、注册资本信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度均与目标对象的评分呈正相关关系，例如，目标对象的车辆总数越大，去换电站进行充电和换电的需求就越大，机器学习模型对目标对象的评分也就越高；目标对象的燃油车的数量越多，更换新能源车的需求就越大，机器学习模型对目标对象的评分也就越高；车辆的车龄越大，更换新能源车的需求就越大，机器学习模型对目标对象的评分也就越高；目标对象的注册资本越雄厚，购买新能源车的可能性越高，机器学习模型对目标对象的评分也就越高；目标对象的盈利程度越高，购买新能源车的可能性越高，机器学习模型对目标对象的评分也就越高；目标对象的信息的来源的可信度越高，说明目标对象的信息的准确性就越高，机器学习模型对目标对象的评分也就越高；目标对象的信息的完整度越高，机器学习模型对目标对象的评分也就越高。
63.请参阅图6，在某些实施方式中，对象获取方法还包括：
64.步骤016：获取预设分类的目标对象的转化率；及
65.步骤017：根据转换率，调整机器学习模型。
66.具体地，对象获取方法需要获取预设分类的目标对象的转化率，例如，预设分类的目标对象的转化率可以是预设分类的目标对象的数量和成功转化为目标对象的数量的比值。根据预设分类的目标对象的转化率可以用来调整、优化机器学习模型。例如，预设分类的目标对象的转化率低，可能是评分的算法不够准确，因此需要基于转化率评分的算法进行优化，以不断提高预设分类的目标对象的转化率。或者，预设分类的目标对象的转化率低还可能是获取目标对象的信息的算法不够准确，因此可以基于转化率来调整获取目标对象的信息的算法，以不断提高预设分类的目标对象的转化率。
67.通过获取预设分类的目标对象的转化率，并且根据转换率来调整机器学习模型及获取目标对象的信息的算法，如此能够提高获取预设分类的目标对象的准确度。
68.请参阅图7，为便于更好的实施本技术实施方式的对象获取方法，本技术实施方式还提供一种对象获取装置10。该对象获取装置10包括生成模块11、第一获取模块12和第一确定模块13。生成模块11用于根据车辆信息生成车辆热力图；第一获取模块12用于根据车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取目标区域内的目标对象的信息；第一确定模块13用于输入目标对象的信息到预设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象。
69.生成模块11具体用于根据车辆的属性信息、运输路线和运输频率中的至少一种，生成车辆热力图，车辆热力图用于指示车辆在不同区域活动的密集度。
70.第一获取模块12具体用于通过网络爬虫技术，获取目标区域内的目标对象的信息；及通过预设的数据平台，对已获取的目标对象的信息进行信息补充。
71.对象获取装置10还包括第二确定模块14和删除模块15，第二确定模块14具体用于根据联系信息绑定的平台信息，以确定目标对象的信息的有效性；删除模块15具体用于删除无效的目标对象的信息。
72.第一确定模块13具体用于基于机器学习模型，根据注册资本信息、规模信息、车龄信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度，确定目标对象的评分；根据评分对目标对象进行分类，并输出预设分类的目标对象。规模信息包括车辆总数和燃油车的数量，车辆总数、燃油车的数量、车龄信息、注册资本信息、盈利信息、目标对象的信息的来源的可信度和目标对象的信息的完整度均与目标对象的评分呈正相关关系。
73.对象获取装置10还包括第二获取模块16和调整模块17，第二获取模块16具体用于获取预设分类的目标对象的转化率。调整模块17具体用于根据转换率，调整机器学习模型。
74.请参阅图8，本技术实施方式还提供了一种计算机设备100，计算机设备100包括处理器20。处理器20用于根据车辆信息生成车辆热力图；根据车辆热力图确定车辆密集度大于预设阈值的目标区域，并获取目标区域内的目标对象的信息；输入目标对象的信息到预设的机器学习模型，以确定目标对象的分类，并输出预设分类的目标对象。
75.计算机设备100可以是云服务器、换电站的服务器等。云服务器可以是独立的物理云服务器，也可以是多个物理云服务器构成的云服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。计算机设备100还可以是移动终端、电脑等。
76.可选地，处理器20还可执行上述任一实施方式的对象获取方法，为了简洁，在此不再赘述。
77.请参阅图9，本技术实施方式还提供了一种计算机可读存储介质300，其上存储有计算机程序310，计算机程序310被处理器20执行的情况下，实现上述任意一种实施方式的对象获取方法的步骤，为了简洁，在此不再赘述。
78.在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
79.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
80.尽管上面已经示出和描述了本技术的实施方式，可以理解的是，上述实施方式是可选地，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施方式进行变化、修改、替换和变型。