Πρόκειται για τέσσερις άξονες με επίκεντρο το self-learning control, τα διασυνδεδεμένα οχήματα, τα αυτόνομα οχήματα και τα ηλεκτρικά οχήματα.
Περιγράφοντας τη δομή μιας Flow AI εφαρμογής, που έχει ως στόχο τη βελτιστοποίηση της κυκλοφοριακής ροής με τη χρήση της τεχνητής νοημοσύνης (AI), ο κ. Σαπίδης εξήγησε ότι αρχικά «φτιάχνεις ένα σηματοδοτικό πρόγραμμα που να αφήνει χώρο στο ΑΙ να το βελτιστοποιήσει» προσθέτοντας ότι, εν συνεχεία, πραγματοποιείται λήψη δεδομένων για την κυκλοφορία από αισθητήρες, τα οποία, με τη σειρά τους, τροφοδοτούν το μοντέλο AI.
«Ακολούθως, τροποποιούνται συγκεκριμένες παράμετροι, επενεργούμενες από την κυκλοφορία και τελικά λαμβάνεις feedback από την κυκλοφοριακή κατάσταση», συμπλήρωσε ο κ. Σαπίδης.
Συνέχισε την παρουσίασή του εξηγώντας τη λειτουργία ενός «έξυπνου δρόμου» και τον τρόπο που αυτή η ψηφιακή υποδομή μπορεί να λειτουργήσει υποστηρικτικά προς τα αυτόνομα οχήματα, καθώς και τη λειτουργία των ηλεκτρικών λεωφορείων για τη μετάβαση σε ενεργειακά αποδοτικές αστικές μεταφορές.
