預測車廂擁擠度: 車廂擁擠度可能隨著天氣、大型事件 (如球賽或演唱會)、假日或寒暑假等因素而有不同，為了有效的管理擁擠，事前了解車廂擁擠程度將有助於需求管理系統事先採取必要的策略。近年來， 車廂擁擠評估技術逐漸應用在大眾運輸系統上，有助於提升車廂擁擠評估的可靠性。
決定需求轉移策略: 此系統將動態交通量指派技術應用於大眾運輸系統需求指派上，以車廂擁擠預測結果為基礎，根據旅運者過去的旅運行為 (起訖點、出發時間等) ，並以整體大眾運輸系統服務水準及營運績效最佳化為目標，計算每位乘客需要調整的出發時間。
計算旅運行為轉移獎勵: 應用美創INDUCE旅運行為分析引擎，根據各種不同類型的使用者特性，建議客製化的運輸服務及獎勵機制。演算法根據過去旅運行為分析行為樣態，並利用APP內之推播問卷調查的使用者特性。透過美創人工智慧技術將用戶依旅運行為及特性建立使用者特性 (persona characteristics) 分群，針對各種特性之用戶計算其行為改變之係數，當係數越高，表示其越容易接受系統建議之旅運方案 (出發時間改變或改變路徑)，反之，則越不容易改變其行為。藉由上述的分析，將用戶根據使用者特性分群，加上與各種替選方案之交互分析，計算出最佳獎勵點數或是其他吸引其改變行為之誘因。
投放轉移獎勵點數: 美創應用INDUCE 及行動服務方案探索及互動模組(Mobility Options Discovery and Engagement, MODE) 根據各種組合產生不同情境之互動事件，各項互動事件透過大眾運輸擁擠管理平台將個人化之資訊磚推播給用戶。
觀察旅運轉移行為: 美創運用 MODE建構一個循環性的架構，藉由此架構逐步的增加改變行為誘因的強度或獎勵的幅度。以逐步的調整獎勵幅度改變旅運行為，並觀察旅運者行為之改變，移轉旅運者之出發時間或旅運行為。此外，藉由INDUCE分析平台，驗證使用者是否有遵循建議，如果通勤者遵循建議，系統會自動發放獎勵點數至用戶帳戶，用戶可於手機應用程式內查看新增的獎勵點數。