Con el uso de datos de los móviles de los usuarios del transporte público, recolectar información de trayectos (nunca información sensible de usuario) para alimentar la BD que será explotada para conocer la acumulación y demanda de los usuarios y entonces enviar inteligentemente al predecir la cantidad de unidades de transporte necesarias para cubrir el volumen de acuerdo al horario y rutas. El envío de las unidades podrían ser incluso de otras rutas que en ese momento no tengan mucha demanda. Se tendría la capacidad en el sistema central para anticipar eventos masivos que puedan cambiar la predicción de demanda, mismos eventos que también serán aprendidos por el modelo predictivo. También podrán programarse mantenimiento de unidades en baja demanda. También ayudará a balancear el servicio entre los operadores y evitar la competencia que en ocasiones resulta en accidentes.Beneficios:CoberturaReducción de accidentes.Mantenimiento programadoEntre otros.