对出租车根据需求和目的地预测来进行调度现在学术上一般用什么方法

学术上对出租车根据需求和目的地预测来进行调度，常用的方法包括：

1. 基于数据挖掘技术的预测方法，如基于历史数据的回归分析、时间序列分析、聚类分析等方法，可以预测出租车的需求和目的地，从而优化出租车的调度。

2. 基于机器学习的预测方法，如深度神经网络、支持向量机、决策树等方法，可以自动地从大量的历史数据中学习出租车的需求和目的地的规律，从而实现更加准确的预测和调度。

3. 基于智能算法的预测方法，如遗传算法、粒子群算法、蚁群算法等方法，可以模拟出租车调度过程中的优化过程，从而实现更加智能化的调度。

4. 基于半监督学习的预测方法，如半监督聚类、半监督分类等方法，可以利用少量的有标记数据和大量的无标记数据进行预测和调度，从而节省成本和提高效率。