Future of traffic enforcement in transition time to autonomous vehicles

Abstract

In the urban environment, traffic congestion has become a significant concern. Congestion negatively affects the economy, the environment, and quality of life in general. Unfortunately, traditional traffic control systems fail to control traffic effectively due to inadequate human resource management and the limits of current infrastructure, resulting in increased traffic congestion and frequent infractions. The promising developments in the realm of vehicle connectivity and autonomy will exert substantial societal and economic influence on mobility systems and entire cities. Intelligent transport systems (ITS) will allow for more efficient management of road traffic using technology to alleviate the recurring traffic congestion problems worldwide. This dissertation studies the future of traffic enforcement in the transition to autonomous vehicles from different perspectives (safety, mobility, and environmental impact). In addition, this study investigates the possibilities of implementing a next-generation traffic control and management approach. By doing so, this dissertation offers several contributions to the field of traffic management and the implementation of ITS-based technologies. The research presented in this dissertation does not explicitly focus on evaluating the effects of a connected and autonomous vehicle on traffic enforcement. Instead, it focuses on developing and testing a theoretical framework for the Smart Traffic Enforcement and Prediction (STEP) system. STEP can integrate a traffic enforcement system, traffic information release system, traffic flow collection and prediction system, and traffic management command dispatch center. Our research combines an overview of the literature, interviews with stakeholders in traffic management studies, and strategies to improve the traffic enforcement system in the context of a case study. The literature review provides a theoretical basis for examining the effects of CAVs on the transportation system in terms of safety, mobility, and environmental impact, using microsimulation models. A series of scenarios have been constructed based on various situations and environments, involving different vehicle travel speeds, vehicle types, and driving behaviors. Micro-simulation models have proven to be powerful tools for testing transportation-related solutions and designs prior to implementation. Simulation analysis and evaluation have focused on the societal influence of mobility, environment, and safety. Measurements and indicators related to these influences have been reviewed and selected for use in this dissertation. The traffic microsimulation software package PTV Vissim 11, one of the leading softwares in the field, served as the traffic microsimulation platform. To evaluate highway facilities’ traffic operations performance, we used the indicators of travel time, speed, delay, queue, number of stops, and density. To evaluate the traffic safety of CAVs, our study proposes a new approach called the “surrogate safety assessment model” (SSAM). In addition to evaluating traffic enforcement under different traffic enforcement strategies in our study, we used the atmospheric emissions inventory toolkit EMIT. The potential traffic data sources considered in this research included data from VITRONIC Machine Vision Middle East LLC, Dubai Police, and Abu Dhabi Police. We collected data on regular days and in normal weather conditions during morning and evening peak hours, and heavy vehicles made up 2% of the traffic flow. This study focused on part of the Sheikh Zayed Road and Mohammed Bin Zayed Road, each section of which has six lanes in each direction. Consequently, we propose that the Smart Traffic Enforcement and Prediction (STEP) framework can assist traffic management agencies in improving road safety, reducing congestion, responding to emergencies more effectively, and making predictions on future traffic situations based on real-time data. To achieve that objective, a comprehensive literature review on traffic management and enforcement systems, including the modern technologies employed in developing a smart traffic management and enforcement system, was carried out. This literature review supported the use of the STEP Dashboard, which employs key technologies: internet of things, radio frequency identification (RFID), wireless sensor networks (WSNs), GNSS, cloud computing, agent-based solutions, and other advanced technologies to collect, store, manage, and monitor traffic information. The STEP system detects license plates (and hence, vehicles) in the camera FOV and stores them in the database along with other information. Through this information, it generates various “events,” such as automatic number plate recognition (ANPR), red-light violation detection (RLVD), and wrong-way movement. The STEP Dashboard is an intelligent, automated system that controls traffic by sensing a situation automatically, making instant decisions, and helping decision-makers to make choices regarding the various situations that occur on the road. By taking advantage of various technologies, STEP will create more intelligent transportation systems. The solutions it provides will eliminate or minimize traffic congestion, environmental pollution, lesser accidents, and violations. This dissertation carried out four studies, each centered on one of two stages of the research process. The research outcomes are presented in six chapters (comprising the introduction, a chapter on each of the four studies, and conclusion), each addressing specific aspects of the research objectives and questions. The first stage, discussed in chapters 2–5, evaluates the safety, mobility, and environmental impact of autonomous vehicles in a connected vehicle environment. Chapter 2 explores the safety performance of CAVs in a freeway case study by assessing the number of potential conflicts, based on time to collision (TTC) and post-encroachment time (PET). Then, Chapter 3 focuses on measuring the efficiency of the dynamic traffic control strategy and comparing it with an uncontrolled case, considering various performance indicators such as total travel time, average delay time per vehicle, and average number of stops per vehicle. Chapter 4 explains traffic management schemes that have been carried out recently by many countries to reduce emissions and improve air quality. Further, this chapter outlines the framework for implementing EMIT that recently aided local authorities in developing air quality action plans by estimating the emissions consequences of traffic management schemes. It also discusses the factors affecting the implementation of these schemes. The second stage, in Chapter 5, presents a smart traffic management system dashboard that assimilates and analyzes real-time traffic information along with historical data to support decision-making on traffic management strategies. The artificial intelligence traffic controllers included in our proposal can adapt to local data from different sources to perform continuous optimization of the signal timing plan for intersections in a network to minimize traffic congestion, using real-time traffic data and historical data. Chapter 6 provides a general discussion and conclusions of the dissertation, sharing the limitations of this study and directions for further research. Our study investigated the possibilities of implementing a next-generation traffic control and management approach. As a result, we developed an intelligent traffic management system dashboard to meet the numerous requirements of present-day traffic enforcement and significantly optimize their operation and management within the CAV environment. Finally, this study’s results will help transportation agencies and governmental organizations make individual and/or collaborative informed and optimized decisions on the best traffic management strategies in the new era of smart cities.

In de stedelijke omgeving is verkeerscongestie een belangrijk punt van zorg geworden. Congestie heeft een negatieve invloed op de economie, het milieu en de kwaliteit van leven in het algemeen. Helaas slagen traditionele verkeersregelsystemen er niet in om het verkeer effectief te regelen vanwege onvoldoende personeelsbeheer en de beperkingen van de huidige infrastructuur, wat resulteert in meer verkeersopstoppingen en frequente overtredingen. De veelbelovende ontwikkelingen op het gebied van voertuigconnectiviteit en - autonomie zullen een grote maatschappelijke en economische invloed uitoefenen op mobiliteitssystemen en hele steden. Intelligente transportsystemen (ITS) zullen een efficiënter beheer van het wegverkeer mogelijk maken met behulp van technologie om de terugkerende verkeerscongestieproblemen wereldwijd te verlichten. Dit proefschrift bestudeert de toekomst van verkeershandhaving in de transitie naar zelfrijdende voertuigen vanuit verschillende perspectieven (veiligheid, mobiliteit en milieu-impact). Daarnaast onderzoekt deze studie de mogelijkheden om een next-generation verkeersregel- en beheeraanpak te implementeren. Hierdoor biedt dit proefschrift verschillende bijdragen op het gebied van verkeersmanagement en de implementatie van op ITS gebaseerde technologieën. Het onderzoek dat in dit proefschrift wordt gepresenteerd, richt zich niet expliciet op het evalueren van de effecten van een geconnecteerd en autonoom voertuig op de verkeershandhaving. In plaats daarvan richt het zich op het ontwikkelen en testen van een theoretisch kader voor het Smart Traffic Enforcement and Prediction (STEP) systeem. STEP kan een verkeershandhavingssysteem, een systeem voor het vrijgeven van verkeersinformatie, een systeem voor het verzamelen en voorspellen van verkeersstromen en een meldcentrum voor verkeersbeheer integreren . Ons onderzoek combineert een overzicht van de literatuur, interviews met belanghebbenden in verkeersmanagementstudies en strategieën om het verkeershandhavingssysteem te verbeteren in de context van een case study. Het literatuuronderzoek biedt een theoretische basis voor het onderzoeken van de effecten van CAV's op het transportsysteem in termen van veiligheid, mobiliteit en milieu-impact, met behulp van microsimulatiemodellen. Er is een reeks scenario's geconstrueerd op basis van verschillende situaties en omgevingen, met verschillende rijsnelheden, voertuigtypen en rijgedrag van voertuigen . Microsimulatiemodellen hebben bewezen krachtige hulpmiddelen te zijn voor het testen van transportgerelateerde oplossingen en ontwerpen voorafgaand aan implementatie. Analyse en evaluatie van simulaties hebben zich gericht op de maatschappelijke invloed van mobiliteit, milieu en veiligheid. Metingen en indicatoren met betrekking tot deze invloeden zijn beoordeeld en geselecteerd voor gebruik in dit proefschrift. Het verkeersmicrosimulatiesoftwarepakket PTV Vissim 11, een van de toonaangevende softwares in het veld, diende als het verkeersmicrosimulatieplatform. Om de verkeersprestaties van snelwegfaciliteiten te evalueren, hebben we de indicatoren van reistijd, snelheid, vertraging, wachtrij, aantal stops en dichtheid gebruikt. Om de verkeersveiligheid van CAV's te evalueren, stelt onze studie een nieuwe benadering voor, het "surrogaat veiligheidsbeoordelingsmodel" (SSAM). Naast het evalueren van verkeershandhaving onder verschillende verkeershandhavingsstrategieën in onze studie, hebben we de toolkit EMIT voor de inventarisatie van atmosferische emissies gebruikt. De potentiële verkeersgegevensbronnen die in dit onderzoek in aanmerking werden genomen, omvatten gegevens van VITRONIC Machine Vision Middle East LLC, de politie van Dubai en de politie van Abu Dhabi. We verzamelden gegevens op reguliere dagen en onder normale weersomstandigheden tijdens de ochtenden avondspits, en zware voertuigen vormden 2% van de verkeersstroom. Dit onderzoek richtte zich op een deel van de Sheikh Zayed Road en Mohammed Bin Zayed Road, die elk zes rijstroken in elke richting hebben. Daarom stellen we voor dat het kader voor Smart Traffic Enforcement and Prediction (STEP) verkeersbeheerinstanties kan helpen bij het verbeteren van de verkeersveiligheid, het verminderen van congestie, het effectiever reageren op noodsituaties en het maken van voorspellingen over toekomstige verkeerssituaties op basis van realtime gegevens. Om dat doel te bereiken, is een uitgebreide literatuurstudie uitgevoerd over verkeersmanagement- en handhavingssystemen, inclusief de moderne technologieën die worden gebruikt bij het ontwikkelen van een slim verkeersmanagement- en handhavingssysteem. Dit literatuuronderzoek ondersteunde het gebruik van het STEP-dashboard, dat gebruikmaakt van sleuteltechnologieën: internet of things, radiofrequentieidentificatie (RFID), draadloze sensornetwerken (WSN's), GNSS, cloud computing, op agenten gebaseerde oplossingen en andere geavanceerde technologieën om gegevens te verzamelen. , opslaan, beheren en bewaken van verkeersinformatie. Het STEP-systeem detecteert kentekenplaten (en dus voertuigen) in de camera FOV en slaat ze samen met andere informatie op in de database. Via deze informatie genereert het verschillende 'gebeurtenissen', zoals automatische kentekenherkenning (ANPR), detectie van roodlichtovertredingen (RLVD) en spookverplaatsing. Het STEP Dashboard is een intelligent, geautomatiseerd systeem dat het verkeer regelt door een situatie automatisch te detecteren, direct beslissingen te nemen en besluitvormers te helpen keuzes te maken met betrekking tot de verschillende situaties die zich op de weg voordoen. Door gebruik te maken van verschillende technologieën zal STEP intelligentere transportsystemen creëren. De oplossingen die het biedt, zullen verkeersopstoppingen, milieuvervuiling, minder ongevallen en overtredingen elimineren of minimaliseren. In dit proefschrift zijn vier onderzoeken uitgevoerd, elk gericht op een van de twee fasen van het onderzoeksproces. De onderzoeksresultaten worden gepresenteerd in zes hoofdstukken (bestaande uit de inleiding, een hoofdstuk over elk van de vier onderzoeken en conclusie), die elk specifieke aspecten van de onderzoeksdoelstellingen en -vragen behandelen. De eerste fase, besproken in de hoofdstukken 2-5, evalueert de veiligheid, mobiliteit en milieu-impact van autonome voertuigen in een geconnecteerde voertuigomgeving. Hoofdstuk 2 onderzoekt de veiligheidsprestaties van CAV's in een case study over snelwegen door het aantal potentiële conflicten te beoordelen, gebaseerd op de tijd tot aanrijding (TTC) en de tijd na het binnendringen (PET). Hoofdstuk 3 richt zich vervolgens op het meten van de efficiëntie van de dynamische verkeersregelstrategie en deze te vergelijken met een ongecontroleerde casus, waarbij verschillende prestatie-indicatoren zoals totale reistijd, gemiddelde vertragingstijd per voertuig en gemiddeld aantal stops per voertuig in aanmerking worden genomen. Hoofdstuk 4 beschrijft verkeersbeheerschema's die recentelijk door veel landen zijn uitgevoerd om de emissies te verminderen en de luchtkwaliteit te verbeteren. Verder schetst dit hoofdstuk het kader voor de implementatie van EMIT, dat onlangs lokale autoriteiten heeft geholpen bij het ontwikkelen van actieplannen voor luchtkwaliteit door de emissie-gevolgen van verkeersbeheerschema's in te schatten. Ook wordt ingegaan op de factoren die van invloed zijn op de uitvoering van deze regelingen. De tweede fase, in hoofdstuk 5, presenteert een slim dashboard voor verkeersbeheersysteem dat realtime verkeersinformatie samen met historische gegevens assimileert en analyseert om de besluitvorming over verkeersbeheerstrategieën te ondersteunen. De kunstmatigeintelligentieverkeersleiders die in ons voorstel zijn opgenomen, kunnen zich aanpassen aan lokale gegevens uit verschillende bronnen om continue optimalisatie van het signaaltimingplan voor kruispunten in een netwerk uit te voeren om verkeersopstoppingen te minimaliseren, met behulp van realtime verkeersgegevens en historische gegevens. Hoofdstuk 6 geeft een algemene discussie en conclusies van het proefschrift, waarbij de beperkingen van deze studie en aanwijzingen voor verder onderzoek worden gedeeld. In ons onderzoek zijn de mogelijkheden onderzocht om een next-generation verkeersregel- en beheeraanpak te implementeren. Als resultaat hebben we een intelligent dashboard voor verkeersmanagementsysteem ontwikkeld om te voldoen aan de vele eisen van de huidige verkeershandhaving en om de werking en het beheer ervan binnen de CAV-omgeving aanzienlijk te optimaliseren. Ten slotte zullen de resultaten van deze studie vervoersagentschappen en overheidsorganisaties helpen om individuele en/of collaboratieve geïnformeerde en geoptimaliseerde beslissingen te nemen over de beste strategieën voor verkeersbeheer in het nieuwe tijdperk van slimme steden.