1.一种交通事故通畅时长预测系统，其特征在于，所述系统包括：

类型鉴别器件，用于针对设定交通路段，鉴别在所述设定交通路段发生的每一起交通事故对应的事故类型；

时刻记录器件，用于针对设定交通路段，鉴别在所述设定交通路段发生的每一起交通事故的起始时刻以及所述设定交通路段在发生该起交通事故后路段通畅时刻；

数据分析器件，与所述时刻记录器件连接，用于基于所述时刻记录器件记录的时刻数据分析并记录在所述设定交通路段发生的每一起交通事故的堵塞持续时长；

时长预测机构，分别与所述类型鉴别器件以及所述数据分析器件连接，用于针对在所述设定交通路段发生的当前交通事故，基于所述当前交通事故对应的事故类型从所述数据分析器件处搜索事故类型相同且最近发生的固定数量的多起历史交通事故，根据所述设定交通路段的车道数量、所述设定交通路段的路段长度、与所述设定交通路段交汇的其他交通路段的数量以及所述多起历史交通事故分别对应的多个堵塞持续时长智能预测在所述设定交通路段发生的当前交通事故的预测堵塞持续时长；

其中，根据所述设定交通路段的车道数量、所述设定交通路段的路段长度、与所述设定交通路段交汇的其他交通路段的数量以及所述多起历史交通事故分别对应的多个堵塞持续时长采用循环神经网络智能预测在所述设定交通路段发生的当前交通事故的预测堵塞持续时长；

其中，将所述设定交通路段的车道数量、所述设定交通路段的路段长度、与所述设定交通路段交汇的其他交通路段的数量以及所述多起历史交通事故分别对应的多个堵塞持续时长作为所述循环神经网络的多项输入内容；

其中，将在所述设定交通路段发生的当前交通事故的预测堵塞持续时长作为所述循环神经网络的输出内容；

其中，所述设定交通路段的车道数量、所述设定交通路段的路段长度、与所述设定交通路段交汇的其他交通路段的数量以及所述多起历史交通事故分别对应的多个堵塞持续时长在输入循环神经网络之前被执行归一化处理；

其中，所述设定交通路段的车道数量、所述设定交通路段的路段长度、与所述设定交通路段交汇的其他交通路段的数量以及所述多起历史交通事故分别对应的多个堵塞持续时长在输入循环神经网络之前被执行二进制转换的归一化处理以获得多项二进制表述形式的输入内容；

分配执行机构，与所述时长预测机构连接，用于在所述设定交通路段发生的当前交通事故的预测堵塞持续时长超过或者等于预设时长阈值时，发出现场疏通请求以请求调配交管人员到所述设定交通路段进行现场疏通拥堵操作；

其中，基于所述时刻记录器件记录的时刻数据分析并记录在所述设定交通路段发生的每一起交通事故的堵塞持续时长包括：针对在所述设定交通路段发生的每一起交通事故，将所述设定交通路段在发生该起交通事故后路段通畅时刻减去在所述设定交通路段发生的所述交通事故的起始时刻，获取所述交通事故的堵塞持续时长。

2.如权利要求1所述的交通事故通畅时长预测系统，其特征在于，所述系统还包括：

大数据服务器，分别与所述类型鉴别器件、所述时刻记录器件以及所述数据分析器件连接，用于存储所述类型鉴别器件、所述时刻记录器件以及所述数据分析器件的输出数据。

3.如权利要求1所述的交通事故通畅时长预测系统，其特征在于，所述系统还包括：

串行服务接口，分别与所述类型鉴别器件、所述时刻记录器件以及所述数据分析器件连接，用于实现对所述类型鉴别器件、所述时刻记录器件以及所述数据分析器件各自工作参数的分时配置。

4.如权利要求1‑3任一所述的交通事故通畅时长预测系统，其特征在于：

所述分配执行机构还用于在所述设定交通路段发生的当前交通事故的预测堵塞持续时长小于所述预设时长阈值时，发出自行疏通指令以暂缓请求调配交管人员到所述设定交通路段进行现场疏通拥堵操作。

5.如权利要求1‑3任一所述的交通事故通畅时长预测系统，其特征在于：

所述类型鉴别器件、所述时刻记录器件以及所述数据分析器件均设置在城市交通管理服务端。

6.如权利要求1‑3任一所述的交通事故通畅时长预测系统，其特征在于：

鉴别在所述设定交通路段发生的每一起交通事故对应的事故类型包括：事故类型包括单车事故、双车事故、多车事故以及车辆撞人事故；

其中，鉴别在所述设定交通路段发生的每一起交通事故的起始时刻以及所述设定交通路段在发生该起交通事故后路段通畅时刻包括：所述设定交通路段在发生该起交通事故后路段通畅时刻为所述设定交通路段在发生该起交通事故后路段通畅的起始时刻。