1.一种基于人工智能的交通大数据预测系统，其特征在于，所述系统包括：

第一解析机构，用于获取设定铁路车次的各项行程数据，所述设定铁路车次的各项行程数据包括所述设定铁路车次的单程里程数、停车车站数量以及平均停车时长；

第二解析机构，用于获取设定铁路车次在当天之前设定数量的各天分别对应的各份乘车信息，设定铁路车次每一天对应的单份乘车信息为所述设定铁路车次在该天的始发站的乘客数量；

多层重构机构，用于对BP神经网络执行多次学习以获得智能预测体，所述BP神经网络执行的学习的次数与所述设定铁路车次的单程里程数成正比；

预测执行设备，分别与所述第一解析机构、所述第二解析机构以及所述多层重构机构连接，用于基于智能预测体采用设定铁路车次的各项行程数据以及设定铁路车次在当天之前设定数量的各天分别对应的各份乘车信息智能预测设定铁路车次在当天的始发站的乘客数量的预测值；

动态控制设备，与所述预测执行设备连接，用于基于智能预测的设定铁路车次在当天的始发站的乘客数量的预测值确定设定铁路车次需要配置的车厢数目；

其中，基于智能预测的设定铁路车次在当天的始发站的乘客数量的预测值确定设定铁路车次需要配置的车厢数目包括：智能预测的设定铁路车次在当天的始发站的乘客数量的预测值越少，确定的设定铁路车次需要配置的车厢数目越少；

其中，对BP神经网络执行多次学习以获得智能预测体，所述BP神经网络执行的学习的次数与所述设定铁路车次的单程里程数成正比包括：将已知的设定铁路车次在过往某一天的始发站的乘客数量作为所述BP神经网络的输出内容，将设定铁路车次的各项行程数据以及设定铁路车次在所述过往某一天之前设定数量的各天分别对应的各份乘车信息作为所述BP神经网络的各项输入内容，完成对所述BP神经网络的单次学习操作；

其中，采用数值仿真模式实现将已知的设定铁路车次在过往某一天的始发站的乘客数量作为所述BP神经网络的输出内容，将设定铁路车次的各项行程数据以及设定铁路车次在所述过往某一天之前设定数量的各天分别对应的各份乘车信息作为所述BP神经网络的各项输入内容，完成对所述BP神经网络的单次学习操作的模拟和测试；

其中，所述BP神经网络的各次学习操作分别对应所述设定铁路车次在过往各天分别对应的各份关联数据；其中，所述BP神经网络的各次学习操作分别对应所述设定铁路车次在过往各天分别对应的各份关联数据包括：所述设定铁路车次在过往某一天对应的关联数据为在所述过往某一天之前设定数量的各天分别对应的各份乘车信息；获取设定铁路车次的各项行程数据，所述设定铁路车次的各项行程数据包括所述设定铁路车次的单程里程数、停车车站数量以及平均停车时长包括：获取设定铁路车次在各个停车车站分别对应的各份停车时长，对所述各份停车时长进行算术平均值计算以获得所述设定铁路车次的平均停车时长；

其中，基于智能预测体采用设定铁路车次的各项行程数据以及设定铁路车次在当天之前设定数量的各天分别对应的各份乘车信息智能预测设定铁路车次在当天的始发站的乘客数量的预测值包括：将设定铁路车次的各项行程数据以及设定铁路车次在当天之前设定数量的各天分别对应的各份乘车信息同步输入到所述智能预测体，并运行所述智能预测体，以获得所述智能预测体输出的设定铁路车次在当天的始发站的乘客数量的预测值。

2.如权利要求1所述的基于人工智能的交通大数据预测系统，其特征在于，所述系统还包括：

体积检测部件，分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，用于分别测量所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值；

其中，体积检测部件，分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，用于分别测量所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值包括：所述体积检测部件包括多个体积测量单元，用于分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，以完成对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值的分别测量。

3.如权利要求2所述的基于人工智能的交通大数据预测系统，其特征在于：

所述体积检测部件包括多个体积测量单元，用于分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，以完成对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值的分别测量包括：所述多个体积测量单元为多个视觉检测器，用于分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，以完成对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值的分别测量。

4.如权利要求3所述的基于人工智能的交通大数据预测系统，其特征在于：

所述多个体积测量单元为多个视觉检测器，用于分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，以完成对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值的分别测量包括：所述多个视觉检测器的结构相同。

5.如权利要求4所述的基于人工智能的交通大数据预测系统，其特征在于：

所述多个体积测量单元为多个视觉检测器，用于分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备连接，以完成对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备各自的当前实时体积数值的分别测量还包括：所述多个视觉检测器中的每一个包括立体摄像机。

6.如权利要求1‑5任一所述的基于人工智能的交通大数据预测系统，其特征在于，所述系统还包括：

同步操作机构，分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备的多个体积测量单元连接，用于执行对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备两两之间的同步操作。

7.如权利要求6所述的基于人工智能的交通大数据预测系统，其特征在于：

同步操作机构，分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备的多个体积测量单元连接，用于执行对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备两两之间的同步操作包括：所述同步操作机构基于方波波形执行对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备两两之间的同步操作。

8.如权利要求6所述的基于人工智能的交通大数据预测系统，其特征在于：

同步操作机构，分别与所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备的多个体积测量单元连接，用于执行对所述第一解析机构、所述第二解析机构、所述多层重构机构以及所述预测执行设备两两之间的同步操作包括：采用ASIC芯片来实现所述同步操作机构。