Mediante el uso de datos disponibles en fuentes abiertas, sistemas internos y sensores IoT para la elaboración de algoritmos de predicción, de aprendizaje, de optimización de operaciones y de negociación, así como de adaptación a incidentes de manera automática. Estos algoritmos servirán para generar servicios basados en cuadros de mando en tiempo real para dar soporte a decisiones logísticas.

Además de coordinar el proyecto, se implementa el sistema de optimización global basado en optimización metaheuristica y multiobjetivo, Large Neighbor Search y constrained optimization. Dicho sistema recoge toda la demanda de distribución de los operadores, así como datos referentes a restricciones, tales como ventanas de tiempo, preferencias de los clientes o características especiales de la carga, y será capaz de generar planes de operación óptimos. Por otra parte, dicha planificación se realiza de una manera colaborativa entre diferentes operadores, con el fin de realizar un mejor aprovechamiento de los recursos de transporte, reduciendo así costes y emisiones, así como aumentando la eficiencia del uso de los recursos.