本发明属于数据处理技术领域，特别是涉及一种基于加油站端的石油数据处理方法、装置及存储介质。
背景技术：
传统的加油站加油服务，程序复杂，过程冗余缓慢，通常需要用户将车开入加油站后，再选取加油油号、加油金额等，待加油完毕，还需要通过现金支付，现金找零等方式来进行结算，造成了大量的时间浪费。若加油站客流量过大，还会造成后面车辆的拥堵，降低加油效率，给加油站的运营带来负面影响。
基于上述情况，现在出现很多加油站对应的app客户端服务，用来给加油站提供网上下单加油的服务。
但是现有的网上加油服务，比较局限，加油站端都是根据销量以及地理位置为车辆用户进行加油推荐，但是这些推荐往往不符合车主或者车辆的加油需求，这样就会影响加油站的石油商品推广。
技术实现要素：
鉴于上述问题，本发明提出了一种基于加油站端的石油数据处理方法、装置及存储介质，以便克服现有的网上加油服务，比较局限，加油站端都是根据销量以及地理位置为车辆用户进行加油推荐，但是这些推荐往往不符合车主或者车辆的加油需求，影响加油站的石油商品推广的技术问题。
根据本发明的第一方面，提出了一种基于加油站端的石油数据处理方法，步骤包括：
登录预先建立的加油站账号，其中，所述加油站账号对应设有入驻用户数据库，所述入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息；
从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型；
从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型相匹配的第一目标石油商品；
在所述第一目标石油商品的相关信息中添加对应入驻用户的标识，将所述第一目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第一目标石油商品的相关信息发送至所述标识对应的终端进行展示。
进一步地，入驻用户在对应的加油站账号中购买的石油产品的相关石油订单数据会存储在对应的入驻用户数据库中，则所述方法还包括：
从所述入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据所述石油订单数据确定第二待推石油类型；
将所述第一待推石油类型与所述第二待推石油类型进行结合，从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型和/或所述第二待推石油类型相匹配的第二目标石油商品；
在所述第二目标石油商品的相关信息中添加对应入驻用户的标识，将所述第二目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第二目标石油商品的相关信息发送至所述标识对应的终端进行展示。
进一步地，所述登录预先建立的加油站账号，具体包括：
接收账号信息和账号密码，将所述账号信息和所述账号密码进行打包；
将打包后的数据发送至服务器进行认证，其中，服务器将打包后的数据与预先建立的加油站账号信息进行认证，认证成功之后，获取token签名，将token签名与打包后的数据进行结合生成token数据，并根据token数据生成jwt数据；
接收到所述服务器返回的jwt数据后，将所述jwt数据中的token数据存储在cookie存储库中；
根据jwt数据通过get或post生成资源访问请求；
根据所述资源访问请求，在cookie存储库中查找对应token数据，若找到token数据，调取配置文件中的签名信息和加密密钥，利用加密密钥对资源访问请求进行解码，并利用签名信息对token数据进行签名验证；
解码成功并且签名验证成功后，获取对应的角色权限信息，将所述角色权限信息发送至所述服务器，以供所述服务器根据所述角色权限信息获取对应的展示信息；
接收所述服务器反馈的展示信息并在显示屏进行显示。
进一步地，在从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型之前，所述方法还包括：
获取预定数量的信息样本数据，并为每个信息样本数据添加对应的石油类型标签，其中，所述信息样本数据包括：车主样本信息和/或车辆样本信息，所述石油类型标签的数量为一个或多个；
预先构建信息识别初始神经网络，其中，所述信息识别初始神经网络包括：信息识别输入层、n个信息识别隐层、信息识别输出层；
将所述信息样本数据从信息识别输入层中输入，通过所述n个信息识别隐层对所述信息样本数据进行处理，其中，第一个信息识别隐层的接收的是来自信息识别输入层输出的数据内容，剩余的信息识别隐层的数据都是上一个信息识别隐层处理后输出的数据内容；
最后一个信息识别隐层将处理结果数据输出至信息识别输出层，以供所述信息识别输出层根据处理结果数据确定对应的石油类型；
判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个信息样本数据进行训练，若不同，则对各个信息识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
将信息样本数据全部训练完成之后的信息识别初始神经网络作为信息识别神经网络模型。
进一步地，在从所述入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据所述石油订单数据确定第二待推石油类型之前，所述方法还包括：
获取预定数量的石油订单样本数据，并为每个石油订单样本数据添加对应的石油类型标签，其中，所述石油类型标签的数量为一个或多个；
预先构建订单识别初始神经网络，其中，所述订单识别初始神经网络包括：订单识别输入层、m个订单识别隐层、订单识别输出层；
将所述石油订单样本数据从订单识别输入层中输入，通过所述m个订单识别隐层对所述石油订单样本数据进行处理，其中，第一个订单识别隐层的接收的是来自订单识别输入层输出的数据内容，剩余的订单识别隐层的接收数据都是上一个订单识别隐层处理后输出的数据内容；
最后一个订单识别隐层将处理结果数据输出至订单识别输出层，以供所述订单识别输出层根据处理结果数据确定对应的石油类型；
判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个石油订单样本数据进行训练，若不同，则根据输出的石油类型与对应的石油类型标签计算订单损失函数，根据订单损失函数对对订单识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
将石油订单样本数据全部训练完成之后的订单识别初始神经网络作为订单识别神经网络模型。
进一步地，所述方法还包括：
接收服务器发来的用户加油下单信息，其中，加油下单信息中包括目标石油商品、用户端的位置信息和加油时间段；
提取所述用户加油下单信息中的用户端的位置信息，并根据加油站端的位置信息计算车程耗时；
若当前时间 车程耗时≤所述加油时间段的最晚时间点，则获取所述加油站账号在所述加油时间段内的所述目标石油商品是否有剩余出油口，若有，则对所述用户加油下单信息进行确认接收，并生成确认接收指令通过服务器发送至用户端，否则，对所述用户加油下单信息进行拒绝接收，并生成拒绝接收指令通过服务器发送至用户端；
若当前时间 车程耗时＞所述加油时间段的最晚时间点，则对所述用户加油下单信息进行拒绝接收，并生成重新确认加油时间段指令通过服务器发送至用户端。
进一步地，所述方法还包括：
将接收到的所述服务器发来的发票请求指令；
根据所述发票请求指令获取对应的石油订单信息，以及所述对应的石油订单信息的开票记录；
若所述开票记录为空，则获取石油订单信息的金额数据，以及提取所述发票请求指令中的开票账户信息，并对应生成电子发票信息，将所述电子发票信息发送至所述用户端，若所述开票记录中有对应的电子发票信息，则生成拒绝开票指令，通过所述服务器发送至用户端。
根据本发明的第二方面，提出了一种基于加油站端的石油数据处理装置，包括：
登录模块，用于登录预先建立的加油站账号，其中，所述加油站账号对应设有入驻用户数据库，所述入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息；
信息识别模块，用于从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型；
匹配模块，用于从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型相匹配的第一目标石油商品；
发送模块，用于在所述第一目标石油商品的相关信息中添加对应入驻用户的标识，将所述第一目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第一目标石油商品的相关信息发送至所述标识对应的终端进行展示。
根据本发明的第三方面，提出了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的基于加油站端的石油数据处理方法的步骤。
根据本发明的第四方面，提出了一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面所述的基于加油站端的石油数据处理方法的步骤。
本发明实施例提供的基于加油站端的石油数据处理方法、装置及存储介质，具有如下有益效果：
通过本发明的技术方案，利用预先构建的信息识别神经网络模型能够根据加油站的入驻用户的车主信息以及车辆信息确定出需要推荐的第一待推石油类型，可以根据第一待推石油类型从加油站的石油商品中筛选出符合用户需求的第一目标石油商品，并将第一目标石油商品的相关信息通过服务器发送至用户端进行展示。这样，可以根据加油站的各个入驻用户的车主信息以及车辆信息智能的筛选出符合用户需求的石油商品，并推荐给对应的入驻用户，使得用户接收到的石油推荐更加准确，无需加油站的工作人员人工推荐，简单方便。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明实施例的基于加油站端的石油数据处理方法的流程图；
图2为本发明实施例的基于加油站端的石油数据处理装置的结构框图；
图3为本发明实施例的电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，绝不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
如图1所示，本实施例提出了一种基于加油站端的石油数据处理方法，适用于加油站端，加油站端可以是手机、平板、笔记本电脑、台式电脑等智能终端，在加油站端上安装对应的app以及即时通讯上嵌入的小程序，通过app或小程序进行执行下述过程。
步骤包括：
步骤101，登录预先建立的加油站账号，其中，加油站账号对应设有入驻用户数据库，入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息。
其中，加油站想要在本申请的平台上建立对应的加油站账号，需要预先在加油站端上下载安装对应的app和/或即时通讯上嵌入的小程序，第一次打开加油站端上对应的app或者小程序时，先建立加油站账号。首先触发新建账号按键，然后弹出角色选择窗口，窗口中显示有两个角色“个人用户”和“加油站”，选择“加油站”角色之后，就会弹出账号注册的界面。输入加油站账号名称和密码，并将加油站账号名称、密码以及选择的加油站角色打包发送至服务器中，服务器根据加油站角色匹配对应的加油站界面，并为对应的加油站账号建立对应的存储数据库，以供存储该加油站账号的数据信息。
创建完成之后，可以将加油站的各种加油服务以及对应的石油商品信息添加至该加油站账号中。
然后，接收用户端通过服务器发来的入驻请求信息，对入驻请求信息进行验证，验证通过后将用户端作为入驻用户端。获取入驻请求信息中的车主信息和/或车辆信息，将车主信息和/或车辆信息与入驻用户端进行关联并添加至入驻用户数据库中。
具体的，入驻用户端的入驻过程为：
步骤s1，入驻用户端向服务器发送入驻加油站命令，服务器根据入驻加油站命令，获取入驻用户端的位置信息。
步骤s2，入驻用户端将位置信息发送至服务器，服务器根据位置信息确定出与位置信息的距离小于等于距离阈值的加油站的信息。
步骤s3，服务器将确定后的加油站的信息发送至入驻用户端并在显示屏上进行展示，以供入驻用户选择。
步骤s4，入驻用户端接收选择的目标入驻加油站信息，并将目标入驻加油站信息发送至服务器；
步骤s5，服务器调取目标入驻加油站的相关数据，并形成入驻指令发送至加油站端，以及将目标入驻加油站的相关数据发送至入驻用户端。
步骤s6，入驻用户端接收目标入驻加油站的相关数据并在显示屏上进行展示，将目标入驻加油站的相关数据保存至入驻缓存库中。
步骤s7，加油站端接收到入驻指令，与入驻用户端建立连接，并将入驻用户的相关信息添加至加油站端中对应加油站账号的存储数据库中。
在上述方案中，用户可以根据自己的实际需要以及地理位置，从常住地附近选择一个加油站作为入驻加油站，这样就可以将该入驻加油站保存至用户的入驻缓存库中。各个加油站还可以对每个入驻的用户采用优惠或者打折，具体优惠或者打折措施根据每个加油站的实际情况进行选定。用户可以通过app或者小程序进入加油站的主页，在主页中查看到对应的优惠信息。用户可以根据各个加油站对应公布的优惠信息以及自己的实际位置进行入驻加油站的选择。
用户选择的入驻加油站可以为一个或者多个，这样如果对应的入驻加油站发布新的石油信息，会在对应的显示屏的信息推荐栏中进行展示。
加油站端还会在对应的入驻加油站栏中进行陈列，陈列的顺序可以根据与用户当前位置的距离、选择入驻时间、访问量、订单量等进行顺序排列，用户可以根据自己的实际需要选择对应的排列方式。
通过上述方案，能够给用户提供选择入驻加油站的功能，这样方便用户能够及时查看对应入驻加油站发布的一些石油信息，以及一些优惠信息，给用户提供便利。
步骤102，从加油站账号对应的入驻用户数据库中获取入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据车主信息和/或车辆信息确定第一待推石油类型。
在该步骤中，信息识别神经网络模型是利用大量的带有具体需要的石油类型的车主信息和/或车辆信息，通过神经网络进行学习训练得到的，能够对车主信息和/或车辆信息进行处理，得到对应用户需要的第一待推石油类型。该第一待推石油类型即符合入驻用户需求的石油类型。另外得到的第一待推石油类型中可以包含一个或多个石油类型，这里不作具体限定。
车主信息包括：姓名、年龄、性别、个人喜好、体重等，车辆信息包括：车型、品牌、排量、车辆型号、颜色等信息。
其中，对应的信息识别神经网络模型的信息识别输入层中包括两类输入口具体为：车主信息输入口，和车辆信息输入口，将接收到的车主信息和/或车辆信息从对应的输入口输入，经过信息识别输入层进行数据处理之后，将文字数据转换成代码数据以便信息识别神经网络模型的信息识别隐层根据这些数据进行进一步地信息处理，最终得到对应的第一待推石油类型。
步骤103，从加油站账号对应的石油商品信息中查找与第一待推石油类型相匹配的第一目标石油商品。
在该步骤中，在向加油站账号录入对应的石油商品信息时，就为每个石油商品标注对应的石油类型。这样，当得出第一待推石油类型之后，就可以从石油商品信息中查找与第一待推石油类型相匹配的第一目标石油商品。其中，对应查找到的第一目标石油商品包括一个或多个石油商品。
若从加油站账号的石油商品信息中查找不到与第一待推石油类型相匹配的石油商品，则生成对应的提示信息。提示加油站添加该第一待推石油类型的石油商品以供入驻用户进行选择。同时，从加油站的石油商品信息中查找出与第一待推石油类型相似的石油商品作为第一目标石油商品。
步骤104，在第一目标石油商品的相关信息中添加对应入驻用户的标识，将第一目标石油商品的相关信息发送至服务器，以供服务器根据标识将第一目标石油商品的相关信息发送至标识对应的终端进行展示。
在该步骤中，若得到的第一目标石油商品有多个，可以按照加油金额、加油量或者好评率对多个第一目标石油商品进行排序。这样就可以按照对应的排序将第一目标石油商品的信息推荐至入驻用户的终端进行展示，以供入驻用户能够根据推荐的石油商品进行快速选择。
通过上述方案，利用预先构建的信息识别神经网络模型能够根据加油站的入驻用户的车主信息以及车辆信息确定出需要推荐的第一待推石油类型，可以根据第一待推石油类型从加油站的石油商品中筛选出符合用户需求的第一目标石油商品，并将第一目标石油商品的相关信息通过服务器发送至用户端进行展示。这样，可以根据加油站的各个入驻用户的车主信息以及车辆信息智能的筛选出符合用户需求的石油商品，并推荐给对应的入驻用户，使得用户接收到的石油推荐更加准确，无需加油站的工作人员人工推荐，简单方便。
在具体实施例中，入驻用户在对应的加油站账号中购买的石油产品的相关石油订单数据会存储在对应的入驻用户数据库中，则方法还包括：
步骤105，从入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据石油订单数据确定第二待推石油类型。
在该步骤中，在该步骤中，石油订单数据为对应入驻用户的历史订单数据，该订单数据包括：加油站的位置、加油的型号、加油量、加油时间等信息。
其中，订单识别神经网络模型是根据多组石油订单数据作为样本对神经网络进行学习训练得到的，每组石油订单为同一个用户的多个订单数据。
订单识别神经网络模型的订单识别输入层，包括多个输入口，每个输入口都可以输入一个订单数据。输入口的数量大于等于最大订单数据数量。用来保证多个订单数据能够同时进行输入处理。订单识别输入层将订单数据进行数据转换处理，转成成代码数据，以便订单识别神经网络模型的订单识别隐层能够根据这些代码数据进行处理，最终得到对应的第二待推石油类型。
步骤106，将第一待推石油类型与第二待推石油类型进行结合，从加油站账号对应的石油商品信息中查找与第一待推石油类型和/或第二待推石油类型相匹配的第二目标石油商品。
在该步骤中，可以预先为每个石油商品标注多个石油类型，例如，为石油商品a标注低杂质石油类和高稠石油类。
这样，优选同时符合第一待推石油类型和第二待推石油类型的石油商品为第二目标石油商品。其次，选择符合第一待推石油类型的石油商品为第二目标石油商品，再次，选择符合第二待推石油类型的石油商品为第二目标石油商品。
若第一待推石油类型或第二待推石油类型都没有符合的石油商品，则生成对应的提示信息。提示加油站添加符合第一待推石油类型和第二待推石油类型的石油商品以供入驻用户进行选择。
步骤107，在第二目标石油商品的相关信息中添加对应入驻用户的标识，将第二目标石油商品的相关信息发送至服务器，以供服务器根据标识将第二目标石油商品的相关信息发送至标识对应的终端进行展示。
在该步骤中，若得到的第二目标石油商品有多个，可以按照加油金额、加油量或者好评率对多个第二目标石油商品进行排序。这样就可以按照对应的排序将第二目标石油商品的信息推荐至入驻用户的终端进行展示，以供入驻用户能够根据推荐的石油商品进行快速选择。
通过上述方案，加油站能够将信息识别神经网络模型识别得到的第一待推石油类型，与利用预先构建的订单识别神经网络模型根据入驻用户下单的石油订单数据来确定出需要推荐的第二待推石油类型进行结合，这样确定出的第二目标石油商品更加符合入驻用户的需求，无需加油站进行任何操作即可完成智能推荐，方便加油站的使用，以及对加油站的石油商品的推广，同时还能给入驻用户提供便利。
在具体实施例中，步骤101具体包括：
步骤1011，接收账号信息和账号密码，将账号信息和账号密码进行打包。
在该步骤中，加油站的工作人员或负责人想要登录自己的账号，需要在加油站端的app或者嵌入小程序中输入对应的账号信息和账号密码，加油站端将账号信息和账号密码进行映射关联后进而实现了打包的过程。
步骤1012，将打包后的数据发送至服务器进行认证，其中，服务器将打包后的数据与预先建立的加油站账号信息进行认证，认证成功之后，获取token签名，将token签名与打包后的数据进行结合生成token数据，并根据token数据生成jwt数据。
其中，token(令牌，标记)，jwt(jsonwebtoken，网络数据标记规范)。
在该步骤中，服务器接收到打包后的数据之后，先提取打包后的数据中的账号信息，根据账号信息查找对应的存储数据库，然后提取账号密码，将该账号密码与存储数据库中存储的密码进行比对，比对成功，即为认证成功，服务器的存储数据库中有属于该账号的唯一token签名数据，将该token签名与打包后的数据整合在一起之后生成token数据。
根据token数据生成jwt数据，具体为：jwt数据包括头部、载荷和签名，其中头部为对应的文件类型、载荷为数据对象(例如，用户的石油订单数据信息)等，签名为token数据，整理作为jwt数据。然后将jwt数据发送至对应的加油站端。
步骤1013，接收到服务器返回的jwt数据后，将jwt数据中的token数据存储在cookie存储库中。
在上述步骤中，加油站端中的app或小程序接收到jwt数据之后，提取其中的token数据，将其存储在加油站端中的cookie存储库中。其中，cookie存储库为储存在加油站本地终端上的数据库。
步骤1014，根据jwt数据通过get或post生成资源访问请求。
在该步骤中，其中get或post为http请求的两种基本请求命令，可以选用这两种命令中的任意一种来生成资源访问请求。该资源访问请求中包括：个人信息访问、个人位置信息访问、历史订单信息访问以及其他的能够呈现在app或者小程序对应的界面中信息对应的信息访问请求，全部集中在资源访问请求中。
步骤1015，根据资源访问请求，在cookie存储库中查找对应token数据，若找到token数据，调取配置文件中的签名信息和加密密钥，利用加密密钥对资源访问请求进行解码，并利用签名信息对token数据进行签名验证。
在该步骤中，资源访问请求中包含有相应的token数据。并且在生成资源访问请求后，为了保证该资源访问请求的保密性，需要预先对该资源访问请求进行加密，其中加密时会将token数据不加密，以供后期进行调取查找。
提取资源访问请求中的token数据查找cookie存储库中是否有相匹配的token数据，若有，证明匹配成功，直接调取存储在本地的配置文件，从配置文件中获取该token数据对应的签名信息和加密密钥，利用加密密钥对资源访问请求进行解码，同时将签名信息与token数据进行签名验证。
步骤1016，解码成功并且签名验证成功后，获取对应的角色权限信息，将角色权限信息发送至服务器，以供服务器根据角色权限信息获取对应的展示信息。
在该步骤中，只有这两个全部成功之后，才能获取对应的角色权限信息，并发送至服务器中，服务器会根据角色权限信息获取对应的展示信息。例如，加油站端针对的加油站需要的一些展示内容，以及该加油站账户对应的数据库中的存储的内容一并合并到展示信息中，发送给加油站端。
步骤1017，接收服务器反馈的展示信息并在显示屏进行显示。
在该步骤中，加油站端的app或小程序接收到展示信息后，就会在app或小程序的展示界面中显示。
通过上述技术方案，能够在保证加油站信息的保密性以外，还能加快整个数据传输的过程，保证效率。
在具体实施例中，在步骤102之前，方法还包括：
步骤a1，获取预定数量的信息样本数据，并为每个信息样本数据添加对应的石油类型标签，其中，信息样本数据包括：车主样本信息和/或车辆样本信息，石油类型标签的数量为一个或多个。
步骤a2，预先构建信息识别初始神经网络，其中，信息识别初始神经网络包括：信息识别输入层、n个信息识别隐层、信息识别输出层。
步骤a3，将信息样本数据从信息识别输入层中输入，通过n个信息识别隐层对信息样本数据进行处理，其中，第一个信息识别隐层的接收的是来自信息识别输入层输出的数据内容，剩余的信息识别隐层的数据都是上一个信息识别隐层处理后输出的数据内容。
步骤a4，最后一个信息识别隐层将处理结果数据输出至信息识别输出层，以供信息识别输出层根据处理结果数据确定对应的石油类型。
步骤a5，判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个信息样本数据进行训练，若不同，则对各个信息识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同。
步骤a6，将信息样本数据全部训练完成之后的信息识别初始神经网络作为信息识别神经网络模型。
在上述方案中，信息识别输入层包括两类输入口，具体为：车主信息输入口，和车辆信息输入口，将信息样本数据中的车主信息和/或车辆信息从对应的输入口输入，经过信息识别输入层进行数据处理之后，将文字数据转换成代码数据以便信息识别隐层根据这些数据进行进一步地信息处理。
信息识别隐层的数量可以根据车主样本信息或车辆样本信息中的信息类别数量进行设置，一个信息识别隐层对应处理一类样本信息，然后将处理结果传送至下一个信息识别隐层进行处理，下一个信息识别隐层会将上一个信息识别隐层的处理结果与该信息识别隐层对应类别的样本信息的处理结果进行结合后，再传送至下一个信息识别隐层，以此类推，直至最后一个信息识别隐层将最终的处理结果发送至信息识别输出层，信息识别输出层将处理结果转换成对应的石油类型的文字信息并输出。
若输出的石油类型与对应的石油类型标签相同，则不进行处理直接对下一个信息样本数据进行处理，如果不同，证明信息识别初始神经网络的输出结果不正确，需要对信息识别初始神经网络进行调整，可以根据经验进行人工调整各个信息识别隐层的参数，直至输出结果与石油类型标签相同。或者根据输出的石油类型与石油类型标签，计算相应的损失函数，根据损失函数对各个信息识别隐层进行自动调整，然后利用调整后的信息识别初始神经网络对该信息样本数据进行再次处理，直至输出结果与石油类型标签一致。
所有的信息样本数据全部训练完成后，还需要利用预定数量的检测样本数据对训练后的信息识别初始神经网络进行检测，判断识别结果的准确率，若准确率超过对应阈值，证明该训练后的信息识别初始神经网络符合标准可以作为信息识别神经网络模型，若准确率小于对应阈值，则需要重新选择信息样本数据，对该信息识别初始神经网络进行再次训练，直至得到的信息识别初始神经网络的准确率超过对应阈值。
通过上述方案，能够利用信息识别神经网络模型对车主信息和/或车辆信息进行识别判断，确定对应的第一待推石油类型，以供加油站端根据该第一待推石油类型进行石油商品的推荐。
在具体实施例中，在步骤105之前，方法还包括：
步骤b1，获取预定数量的石油订单样本数据，并为每个石油订单样本数据添加对应的石油类型标签，其中，石油类型标签的数量为一个或多个。
步骤b2，预先构建订单识别初始神经网络，其中，订单识别初始神经网络包括：订单识别输入层、m个订单识别隐层、订单识别输出层。
步骤b3，将石油订单样本数据从订单识别输入层中输入，通过m个订单识别隐层对石油订单样本数据进行处理，其中，第一个订单识别隐层的接收的是来自订单识别输入层输出的数据内容，剩余的订单识别隐层的接收数据都是上一个订单识别隐层处理后输出的数据内容。
步骤b4，最后一个订单识别隐层将处理结果数据输出至订单识别输出层，以供订单识别输出层根据处理结果数据确定对应的石油类型。
步骤b5，判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个石油订单样本数据进行训练，若不同，则根据输出的石油类型与对应的石油类型标签计算订单损失函数，根据订单损失函数对对订单识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同。
步骤b6，将石油订单样本数据全部训练完成之后的订单识别初始神经网络作为订单识别神经网络模型。
在上述方案中，包括多个输入口，每个输入口都可以输入一个订单数据。输入口的数量大于等于最大订单数据数量。用来保证多个订单数据能够同时进行输入处理。订单识别输入层将订单样本数据进行数据转换处理，转成成代码数据，以便订单识别隐层能够根据这些代码数据进行处理。
订单样本数据中包括多个订单数据组，每个订单数据组即为同一用户的订单数据，每个订单数据组中可以包含一个或多个订单数据，输入口的数量以订单数据组中最大订单数量作为输入口的设置数量。或者高于该最大订单数量预定值(例如，5个)作为输入口的设置数量，以便在实际情况中能够保证输入口的数量符合需求。
订单识别隐层的数量与输入口的数量一致，每个订单是被隐层对应处理一个订单数据，然后将处理结果传送至下一个订单识别隐层进行处理，下一个订单识别隐层会将上一个订单识别隐层的处理结果与该订单识别隐层对应订单数据的处理结果进行结合后，再传送至下一个订单识别隐层，以此类推，直至最后一个订单识别隐层将最终的处理结果发送至订单识别输出层，订单识别输出层将处理结果转换成对应的石油类型的文字信息并输出。
若输出的石油类型与对应的石油类型标签相同，则不进行处理直接对下一个信息样本数据进行处理，如果不同，证明订单识别初始神经网络的输出结果不正确，需要对订单识别初始神经网络进行调整，可以根据经验进行人工调整各个订单识别隐层的参数，直至输出结果与石油类型标签相同。或者根据输出的石油类型与石油类型标签，计算相应的损失函数，根据损失函数对各个订单识别隐层进行自动调整，然后利用调整后的订单识别初始神经网络对该订单样本数据进行再次处理，直至输出结果与石油类型标签一致。
所有的订单样本数据全部训练完成后，还需要利用预定数量的检测样本数据对训练后的订单识别初始神经网络进行检测，判断识别结果的准确率，若准确率超过对应阈值，证明该训练后的订单识别初始神经网络符合标准可以作为订单识别神经网络模型，若准确率小于对应阈值，则需要重新选择信息样本数据，对该订单识别初始神经网络进行再次训练，直至得到的订单识别初始神经网络的准确率超过对应阈值。将训练后的订单识别初始神经网络作为订单识别神经网络模型。
通过上述方案，能够利用订单识别神经网络模型对用户的石油订单数据进行识别判断，确定对应的第二待推石油类型，以供加油站端根据该第一待推石油类型和第二待推石油类型进行结合向入驻用户端推荐符合需求的石油商品。
另外，本发明得到的信息识别神经网络模型和订单识别神经网络模型都具有再学习的功能，能够不断的根据实际使用和实际需要按照上述训练过程进行调整，进而不断提高识别准确率。
在具体实施例中，方法还包括：
步骤1081，接收服务器发来的用户加油下单信息，其中，加油下单信息中包括目标石油商品、用户端的位置信息和加油时间段。
其中，如果用户的车辆需要加油，可以触发用户端上app或者小程序中对应的加油按键或者语音触发对应的加油服务，进而形成用户加油下单信息。
步骤1082，提取用户加油下单信息中的用户端的位置信息，并根据加油站端的位置信息计算车程耗时。
其中，根据用户端的位置信息与加油站端的位置信息在地图中进行标记，计算从用户端的位置到达加油站端的位置的路线，进而根据该路线以及各个车辆通过该路线的平均时间计算车程耗时。
步骤1083，若当前时间 车程耗时≤加油时间段的最晚时间点，则获取加油站账号在加油时间段内的目标石油商品是否有剩余出油口，若有，则对用户加油下单信息进行确认接收，并生成确认接收指令通过服务器发送至用户端，否则，对用户加油下单信息进行拒绝接收，并生成拒绝接收指令通过服务器发送至用户端。
其中，如果计算得到的车程耗时加上当前时间≤加油时间段的最晚时间点，证明用户能够在加油时间段内到达加油站进行加油。此情况下，如果加油站在该加油时间段内对应的目标石油商品的接单量已经达到了最大接单量，证明该加油时间段，即使用户到达加油站也无法进行加油。则对应生成拒绝接收指令，其中拒绝接收指令中包含有该目标石油商品的其他可以接单的时间段。这样用户端接收到决绝接收指令后，用户就可以根据加油站的实际情况重新选择其他的时间段进行加油。或者用户也可以选择其他的加油站进行加油，具体根据用户的实际需要进行选择确定。
步骤1084，若当前时间 车程耗时＞加油时间段的最晚时间点，则对用户加油下单信息进行拒绝接收，并生成重新确认加油时间段指令通过服务器发送至用户端。
其中，若当前时间 车程耗时＞加油时间段的最晚时间点，证明用户无法在加油时间段内到达加油站，这样加油站端就会自动拒绝接收该加油下单信息，并将加油站该目标石油商品的其他可以接单的时间段添加至重新确认加油时间段指令中，发送给用户端，以供用户根据加油站的实际情况重新选择其他的时间段进行加油。或者用户也可以选择其他的加油站进行加油，具体根据用户的实际需要进行选择确定。
通过上述方案，能够方便加油站进行智能接单，减少因用户无法到达而给用户造成不便的情况，提升用户体验。
在具体实施例中，方法还包括：
步骤1091，将接收到的服务器发来的发票请求指令。
步骤1092，根据发票请求指令获取对应的石油订单信息，以及对应的石油订单信息的开票记录。
步骤1093，若开票记录为空，则获取石油订单信息的金额数据，以及提取发票请求指令中的开票账户信息，并对应生成电子发票信息，将电子发票信息发送至用户端，若开票记录中有对应的电子发票信息，则生成拒绝开票指令，通过服务器发送至用户端。
在上述方案中，如果用户想要开发票，用户可以选择通过用户端的app或者小程序向加油站端发送发票请求指令，开具对应的电子发票。具体为：
用户通过用户端触发app或者小程序中交易成功后的石油商品中的发票开具按键，就会形成发票请求指令，将发票请求指令发送至服务器，其中发票请求指令中包含有对应加油站的信息，服务器根据加油站的信息查找对应的加油站，将发票请求指令发送给加油站端；
加油站端确认对应交易存在并且成功之后，查看该交易是否已经开具发票信息，若没有则根据交易金额以及对应发票请求指令中携带的开票信息，开具相应的发票信息，并将该发票信息通过服务器转发至用户端，进行展示。
通过上述技术方案，为用户提供开具发票的功能、以及统计各种数据信息的功能，这样能够更加方便用户的使用。
基于上述图1对应的实施例，本实施例提出了一种基于加油站端的石油数据处理装置，如图2所示，包括：
登录模块21，用于登录预先建立的加油站账号，其中，加油站账号对应设有入驻用户数据库，入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息。
信息识别模块22，用于从加油站账号对应的入驻用户数据库中获取入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据车主信息和/或车辆信息确定第一待推石油类型。
匹配模块23，用于从加油站账号对应的石油商品信息中查找与第一待推石油类型相匹配的第一目标石油商品。
发送模块24，用于在第一目标石油商品的相关信息中添加对应入驻用户的标识，将第一目标石油商品的相关信息发送至服务器，以供服务器根据标识将第一目标石油商品的相关信息发送至标识对应的终端进行展示。
在具体实施例中，入驻用户在对应的加油站账号中购买的石油产品的相关石油订单数据会存储在对应的入驻用户数据库中，则装置还包括：
订单识别模块，用于从入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据石油订单数据确定第二待推石油类型；
结合匹配模块23，用于将第一待推石油类型与第二待推石油类型进行结合，从加油站账号对应的石油商品信息中查找与第一待推石油类型和/或第二待推石油类型相匹配的第二目标石油商品；
发送模块24，还用于在第二目标石油商品的相关信息中添加对应入驻用户的标识，将第二目标石油商品的相关信息发送至服务器，以供服务器根据标识将第二目标石油商品的相关信息发送至标识对应的终端进行展示。
在具体实施例中，登录模块21具体包括：
打包单元，用于接收账号信息和账号密码，将账号信息和账号密码进行打包；
认证单元，用于将打包后的数据发送至服务器进行认证，其中，服务器将打包后的数据与预先建立的加油站账号信息进行认证，认证成功之后，获取token签名，将token签名与打包后的数据进行结合生成token数据，并根据token数据生成jwt数据；
存储单元，用于接收到服务器返回的jwt数据后，将jwt数据中的token数据存储在cookie存储库中；
生成单元，用于根据jwt数据通过get或post生成资源访问请求；
查找单元，用于根据资源访问请求，在cookie存储库中查找对应token数据，若找到token数据，调取配置文件中的签名信息和加密密钥，利用加密密钥对资源访问请求进行解码，并利用签名信息对token数据进行签名验证；
获取单元，用于解码成功并且签名验证成功后，获取对应的角色权限信息，将角色权限信息发送至服务器，以供服务器根据角色权限信息获取对应的展示信息；
显示单元，用于接收服务器反馈的展示信息并在显示屏进行显示。
在具体实施例中，装置还包括：
样本获取模块，用于获取预定数量的信息样本数据，并为每个信息样本数据添加对应的石油类型标签，其中，信息样本数据包括：车主样本信息和/或车辆样本信息，石油类型标签的数量为一个或多个；
网络构建模块，用于预先构建信息识别初始神经网络，其中，信息识别初始神经网络包括：信息识别输入层、n个信息识别隐层、信息识别输出层；
处理模块，用于将信息样本数据从信息识别输入层中输入，通过n个信息识别隐层对信息样本数据进行处理，其中，第一个信息识别隐层的接收的是来自信息识别输入层输出的数据内容，剩余的信息识别隐层的数据都是上一个信息识别隐层处理后输出的数据内容；
输出模块，用于最后一个信息识别隐层将处理结果数据输出至信息识别输出层，以供信息识别输出层根据处理结果数据确定对应的石油类型；
判断模块，用于判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个信息样本数据进行训练，若不同，则对各个信息识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
模型确定模块，用于将信息样本数据全部训练完成之后的信息识别初始神经网络作为信息识别神经网络模型。
在具体实施例中：
样本获取模块，还用于获取预定数量的石油订单样本数据，并为每个石油订单样本数据添加对应的石油类型标签，其中，石油类型标签的数量为一个或多个；
网络构建模块，还用于预先构建订单识别初始神经网络，其中，订单识别初始神经网络包括：订单识别输入层、m个订单识别隐层、订单识别输出层；
处理模块，还用于将石油订单样本数据从订单识别输入层中输入，通过m个订单识别隐层对石油订单样本数据进行处理，其中，第一个订单识别隐层的接收的是来自订单识别输入层输出的数据内容，剩余的订单识别隐层的接收数据都是上一个订单识别隐层处理后输出的数据内容；
输出模块，还用于最后一个订单识别隐层将处理结果数据输出至订单识别输出层，以供订单识别输出层根据处理结果数据确定对应的石油类型；
判断模块，还用于判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个石油订单样本数据进行训练，若不同，则根据输出的石油类型与对应的石油类型标签计算订单损失函数，根据订单损失函数对对订单识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
模型确定模块，还用于将石油订单样本数据全部训练完成之后的订单识别初始神经网络作为订单识别神经网络模型。
在具体实施例中，装置还包括：
下单接收模块，用于接收服务器发来的用户加油下单信息，其中，加油下单信息中包括目标石油商品、用户端的位置信息和加油时间段；提取用户加油下单信息中的用户端的位置信息，并根据加油站端的位置信息计算车程耗时；若当前时间 车程耗时≤加油时间段的最晚时间点，则获取加油站账号在加油时间段内的目标石油商品是否有剩余出油口，若有，则对用户加油下单信息进行确认接收，并生成确认接收指令通过服务器发送至用户端，否则，对用户加油下单信息进行拒绝接收，并生成拒绝接收指令通过服务器发送至用户端；若当前时间 车程耗时＞加油时间段的最晚时间点，则对用户加油下单信息进行拒绝接收，并生成重新确认加油时间段指令通过服务器发送至用户端。
在具体实施例中，装置还包括：电子开票模块，用于将接收到的服务器发来的发票请求指令；根据发票请求指令获取对应的石油订单信息，以及对应的石油订单信息的开票记录；若开票记录为空，则获取石油订单信息的金额数据，以及提取发票请求指令中的开票账户信息，并对应生成电子发票信息，将电子发票信息发送至用户端，若开票记录中有对应的电子发票信息，则生成拒绝开票指令，通过服务器发送至用户端。
基于上述图1所示方法和图2所示装置的实施例，为了实现上述目的，本申请实施例还提供了一种电子设备，如图3所示，包括存储器32和处理器31，其中存储器32和处理器31均设置在总线33上存储器32存储有计算机程序，处理器31执行计算机程序时实现图1所示的基于加油站端的石油数据处理方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储器(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
可选地，该设备还可以连接用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、wi-fi接口)等。
本领域技术人员可以理解，本实施例提供的一种电子设备的结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
基于上述如图1所示方法和图2所示装置的实施例，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1所示的基于加油站端的石油数据处理方法。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理电子设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与电子设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。
通过应用本申请的技术方案，利用预先构建的信息识别神经网络模型能够根据加油站的入驻用户的车主信息以及车辆信息确定出需要推荐的第一待推石油类型，可以根据第一待推石油类型从加油站的石油商品中筛选出符合用户需求的第一目标石油商品，并将第一目标石油商品的相关信息通过服务器发送至用户端进行展示。这样，可以根据加油站的各个入驻用户的车主信息以及车辆信息智能的筛选出符合用户需求的石油商品，并推荐给对应的入驻用户，使得用户接收到的石油推荐更加准确，无需加油站的工作人员人工推荐，简单方便。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
1.一种基于加油站端的石油数据处理方法，其特征在于，步骤包括：
登录预先建立的加油站账号，其中，所述加油站账号对应设有入驻用户数据库，所述入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息；
从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型；
从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型相匹配的第一目标石油商品；
在所述第一目标石油商品的相关信息中添加对应入驻用户的标识，将所述第一目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第一目标石油商品的相关信息发送至所述标识对应的终端进行展示。
2.根据权利要求1所述的基于加油站端的石油数据处理方法，其特征在于，入驻用户在对应的加油站账号中购买的石油产品的相关石油订单数据会存储在对应的入驻用户数据库中，则所述方法还包括：
从所述入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据所述石油订单数据确定第二待推石油类型；
将所述第一待推石油类型与所述第二待推石油类型进行结合，从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型和/或所述第二待推石油类型相匹配的第二目标石油商品；
在所述第二目标石油商品的相关信息中添加对应入驻用户的标识，将所述第二目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第二目标石油商品的相关信息发送至所述标识对应的终端进行展示。
3.根据权利要求1所述的基于加油站端的石油数据处理方法，其特征在于，所述登录预先建立的加油站账号，具体包括：
接收账号信息和账号密码，将所述账号信息和所述账号密码进行打包；
将打包后的数据发送至服务器进行认证，其中，服务器将打包后的数据与预先建立的加油站账号信息进行认证，认证成功之后，获取token签名，将token签名与打包后的数据进行结合生成token数据，并根据token数据生成jwt数据；
接收到所述服务器返回的jwt数据后，将所述jwt数据中的token数据存储在cookie存储库中；
根据jwt数据通过get或post生成资源访问请求；
根据所述资源访问请求，在cookie存储库中查找对应token数据，若找到token数据，调取配置文件中的签名信息和加密密钥，利用加密密钥对资源访问请求进行解码，并利用签名信息对token数据进行签名验证；
解码成功并且签名验证成功后，获取对应的角色权限信息，将所述角色权限信息发送至所述服务器，以供所述服务器根据所述角色权限信息获取对应的展示信息；
接收所述服务器反馈的展示信息并在显示屏进行显示。
4.根据权利要求1所述的基于加油站端的石油数据处理方法，其特征在于，在从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型之前，所述方法还包括：
获取预定数量的信息样本数据，并为每个信息样本数据添加对应的石油类型标签，其中，所述信息样本数据包括：车主样本信息和/或车辆样本信息，所述石油类型标签的数量为一个或多个；
预先构建信息识别初始神经网络，其中，所述信息识别初始神经网络包括：信息识别输入层、n个信息识别隐层、信息识别输出层；
将所述信息样本数据从信息识别输入层中输入，通过所述n个信息识别隐层对所述信息样本数据进行处理，其中，第一个信息识别隐层的接收的是来自信息识别输入层输出的数据内容，剩余的信息识别隐层的数据都是上一个信息识别隐层处理后输出的数据内容；
最后一个信息识别隐层将处理结果数据输出至信息识别输出层，以供所述信息识别输出层根据处理结果数据确定对应的石油类型；
判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个信息样本数据进行训练，若不同，则对各个信息识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
将信息样本数据全部训练完成之后的信息识别初始神经网络作为信息识别神经网络模型。
5.根据权利要求2所述的基于加油站端的石油数据处理方法，其特征在于，在从所述入驻用户数据库查找入驻用户对应的石油订单数据，利用预先构建的订单识别神经网络模型根据所述石油订单数据确定第二待推石油类型之前，所述方法还包括：
获取预定数量的石油订单样本数据，并为每个石油订单样本数据添加对应的石油类型标签，其中，所述石油类型标签的数量为一个或多个；
预先构建订单识别初始神经网络，其中，所述订单识别初始神经网络包括：订单识别输入层、m个订单识别隐层、订单识别输出层；
将所述石油订单样本数据从订单识别输入层中输入，通过所述m个订单识别隐层对所述石油订单样本数据进行处理，其中，第一个订单识别隐层的接收的是来自订单识别输入层输出的数据内容，剩余的订单识别隐层的接收数据都是上一个订单识别隐层处理后输出的数据内容；
最后一个订单识别隐层将处理结果数据输出至订单识别输出层，以供所述订单识别输出层根据处理结果数据确定对应的石油类型；
判断输出石油类型与对应的石油类型标签是否相同，若相同，则对下一个石油订单样本数据进行训练，若不同，则根据输出的石油类型与对应的石油类型标签计算订单损失函数，根据订单损失函数对对订单识别隐层的参数进行调整使得输出的石油类型与对应的石油类型标签相同；
将石油订单样本数据全部训练完成之后的订单识别初始神经网络作为订单识别神经网络模型。
6.根据权利要求1所述的基于加油站端的石油数据处理方法，其特征在于，所述方法还包括：
接收服务器发来的用户加油下单信息，其中，加油下单信息中包括目标石油商品、用户端的位置信息和加油时间段；
提取所述用户加油下单信息中的用户端的位置信息，并根据加油站端的位置信息计算车程耗时；
若当前时间 车程耗时≤所述加油时间段的最晚时间点，则获取所述加油站账号在所述加油时间段内的所述目标石油商品是否有剩余出油口，若有，则对所述用户加油下单信息进行确认接收，并生成确认接收指令通过服务器发送至用户端，否则，对所述用户加油下单信息进行拒绝接收，并生成拒绝接收指令通过服务器发送至用户端；
若当前时间 车程耗时＞所述加油时间段的最晚时间点，则对所述用户加油下单信息进行拒绝接收，并生成重新确认加油时间段指令通过服务器发送至用户端。
7.根据权利要求1所述的基于加油站端的石油数据处理方法，其特征在于，所述方法还包括：
将接收到的所述服务器发来的发票请求指令；
根据所述发票请求指令获取对应的石油订单信息，以及所述对应的石油订单信息的开票记录；
若所述开票记录为空，则获取石油订单信息的金额数据，以及提取所述发票请求指令中的开票账户信息，并对应生成电子发票信息，将所述电子发票信息发送至所述用户端，若所述开票记录中有对应的电子发票信息，则生成拒绝开票指令，通过所述服务器发送至用户端。
8.一种基于加油站端的石油数据处理装置，其特征在于，包括：
登录模块，用于登录预先建立的加油站账号，其中，所述加油站账号对应设有入驻用户数据库，所述入驻用户数据库中存储各个入驻用户对应的车主信息和/或车辆信息；
信息识别模块，用于从所述加油站账号对应的入驻用户数据库中获取所述入驻用户的车主信息和/或车辆信息，利用预先构建的信息识别神经网络模型根据所述车主信息和/或所述车辆信息确定第一待推石油类型；
匹配模块，用于从所述加油站账号对应的石油商品信息中查找与所述第一待推石油类型相匹配的第一目标石油商品；
发送模块，用于在所述第一目标石油商品的相关信息中添加对应入驻用户的标识，将所述第一目标石油商品的相关信息发送至服务器，以供所述服务器根据所述标识将所述第一目标石油商品的相关信息发送至所述标识对应的终端进行展示。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于加油站端的石油数据处理方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于加油站端的石油数据处理方法的步骤。
技术总结