Document details

The integration of Connected and Automated Vehicles (CAVs) into urban transportation systems is constrained by the current condition of physical and digital road infrastructure. Traditional transportation asset management systems are generally not designed to accommodate the perceptual and communicative needs of CAVs. Existing methods for assessing infrastructure readiness present a distinct scale mismatch. These assessments typically rely on highly aggregated national indices that mask intra-urban heterogeneity or on segment-level asset inventories that treat road networks as disconnected components. This thesis introduces a data-driven framework to characterize and quantify the readiness of urban road networks for automated mobility, transitioning the focus from isolated asset inventories to continuous navigable systems.The research begins by constructing a theoretical model that maps the interdependencies across physical infrastructure, digital infrastructure, public sector policy, and urban planning. Building upon this foundation, the study operationalizes the framework using crowdsourced geospatial data from OpenStreetMap and Mapillary. The research extracts infrastructural features, including lane geometry, traffic signage, and signalization, for more than seven million road segments across 100 socio-economically diverse cities. An unsupervised machine learning approach, utilizing the k-Prototypes algorithm for mixed-type datasets, is then applied to generate an empirical typology of urban road environments.The segment-level clustering analysis indicates that approximately 87% of the analyzed global urban road network falls under a Minimal Infrastructure profile. This profile lacks the explicit regulatory and geometric features necessary to support structured automated driving. Consequently, the results suggest that near-term CAV deployment will depend heavily on advanced vehicle-centric perception and proprietary high-definition mapping rather than environmental guidance provided by existing physical infrastructure.Because automated mobility services require contiguous routing, the study advances the analytical framework from isolated segment inventories to system-level topological assessments using graph theory. The methodology introduces two core metrics: the Proportion of Supportive Roads (PSR), which measures the aggregate length of high-quality infrastructure, and the Core Network Readiness Index (CNRI), which evaluates the internal cohesion of that infrastructure by analyzing the largest connected component of the supportive network. Application of these metrics identifies a systemic global condition defined as the Archipelago Effect. With a global median CNRI of 0.14, the quantitative analysis demonstrates that CAV-supportive infrastructure predominantly exists as isolated fragments rather than integrated operational corridors, a phenomenon observed even in well-resourced, high-income cities.Evaluating the relationship between asset quantity and network connectivity results in a diagnostic city typology. This classification system segments municipalities into distinct strategic profiles, such as Fragmented Excellence and Holistically Ready. Mixed-methods case studies validate these quantitative findings, demonstrating that infrastructure readiness does not scale linearly with economic development. Instead, connectivity and asset distribution are affected by historical urban morphology, topographical constraints, and specific urban planning philosophies. This thesis contributes a scalable methodological framework that transitions the focus of infrastructure assessment from isolated asset counting to functional network integration. The resulting analysis measures the exact disparity between theoretical CAV requirements and existing physical fragmentation. In doing so, the research supplies policymakers, urban planners, and transportation agencies with a diagnostic baseline to prioritize targeted investments and manage the transition toward automated urban mobility.

A integração de veículos conectados e automatizados (CAVs) nos sistemas de transporte urbano é limitada pelas condições atuais das infraestruturas rodoviárias físicas e digitais. Os sistemas tradicionais de gestão de ativos de transportes não estão, de um modo geral, concebidos para acomodar as exigências percetivas e de comunicação dos CAVs. Os métodos existentes para avaliar o nível de preparação das infraestruturas apresentam um desfasamento de escala acentuado. Estas avaliações baseiam-se frequentemente em índices nacionais altamente agregados, que mascaram a heterogeneidade intraurbana, ou em inventários de ativos ao nível do segmento, que tratam as redes rodoviárias como componentes desconexos. Esta tese apresenta um quadro de referência orientado por dados para caracterizar e quantificar o nível de preparação das redes rodoviárias urbanas para a mobilidade automatizada, deslocando o foco da simples inventariação de ativos isolados para sistemas navegáveis contínuos.A investigação tem início com a construção de um modelo teórico que mapeia as interdependências entre as infraestruturas físicas, as infraestruturas digitais, as políticas do setor público e o planeamento urbano. Com base nestas premissas, o estudo operacionaliza este quadro metodológico recorrendo a dados geoespaciais recolhidos de forma colaborativa a partir do OpenStreetMap e do Mapillary. A investigação extrai características infraestruturais, incluindo a geometria das vias de trânsito e a sinalização, para mais de sete milhões de segmentos rodoviários em 100 cidades socioeconomicamente diversas. É, de seguida, aplicada uma abordagem de aprendizagem automática não supervisionada (machine learning), recorrendo ao algoritmo k-Prototypes para conjuntos de dados de tipologia mista, de modo a gerar uma tipologia empírica dos ambientes rodoviários urbanos.A análise de clusterização ao nível do segmento indica que aproximadamente 87% da rede rodoviária urbana global analisada se enquadra num perfil de Infraestrutura Mínima. Este perfil carece das características regulamentares e geométricas explícitas necessárias para suportar a condução automatizada estruturada. Consequentemente, os resultados sugerem que a implementação de CAVs a curto prazo dependerá fortemente da perceção avançada centrada no veículo e de cartografia proprietária de alta-definição, em detrimento do suporte fornecido pelas infraestruturas físicas existentes.Dado que os serviços de mobilidade automatizada exigem rotas contíguas, o estudo faz evoluir o quadro analítico, passando dos inventários de segmentos isolados para avaliações topológicas a nível do sistema, com recurso à teoria de grafos. A metodologia introduz duas métricas principais: a Proporção de Vias de Suporte (PSR), que mede a extensão agregada de infraestruturas de elevada qualidade, e o Índice de Preparação da Rede Central (CNRI), que avalia a coesão interna destas infraestruturas através da análise do maior componente conexo da rede de suporte. A aplicação destas métricas identifica uma condição global sistémica aqui definida como Efeito Arquipélago. Com uma mediana global de CNRI de 0,14, a análise quantitativa demonstra que as infraestruturas de suporte aos CAVs existem predominantemente como fragmentos isolados em vez de corredores operacionais integrados, um fenómeno observado mesmo em cidades com recursos abundantes e de rendimentos elevados.A avaliação da relação entre a quantidade de ativos e a conectividade da rede resulta numa tipologia de diagnóstico urbano. Este sistema de classificação segmenta as cidades em perfis estratégicos distintos, tais como Excelência Fragmentada e Holisticamente Preparadas. A realização de estudos de caso baseados em métodos mistos valida estas conclusões quantitativas, demonstrando que o nível de preparação das infraestruturas não escala linearmente com o desenvolvimento económico. Pelo contrário, a conectividade e a distribuição dos ativos são moldadas pela morfologia urbana histórica, por restrições topográficas e por filosofias específicas de planeamento urbano. Esta tese contribui com um quadro metodológico escalável que reorienta o foco da avaliação de infraestruturas: da mera contagem isolada de ativos para a integração funcional da rede. A análise resultante avalia a disparidade exata entre os requisitos teóricos dos CAVs e a fragmentação física existente na rede. Deste modo, a investigação dota os decisores políticos, planeadores urbanos e autoridades de transportes com uma ferramenta de diagnóstico para priorizar investimentos direcionados e gerir uma transição fundamentada rumo à mobilidade urbana automatizada.