Assessment of the readiness of highway infrastructures for autonomous driving systems

As vehicles become increasingly automated and their presence on highways continues to grow, assessing whether existing infrastructure can adequately support automation has become a crucial challenge for road operators. This thesis develops a quantitative methodology to define and evaluate the Highway Readiness Index (HRI) of highway infrastructure to support the different SAE levels of driving automation. The approach begins with the static infrastructure conditions defined within the Operational Design Domain (ODD), which outline the operational boundaries within which Automated Vehicles (AVs) are intended to function, and translates these conditions into measurable road attributes. Each attribute is then assigned a relative weight through an expert survey, enabling their integration into the HRI model designed to assess how well a highway segment can support various levels of automation. Once defined, the methodology is applied to a real highway corridor, demonstrating how HRI scores can be extracted, interpreted, and used to evaluate how closely existing road conditions align with the operational needs of AVs. This case application also helps identify the main infrastructural gaps that may hinder higher levels of automation, offering targeted insights into which improvements should be prioritized. Finally, the thesis shows how these indicators can be embedded in a standardized Cooperative Intelligent Transport System (C-ITS) message, by proposing the integration into an Infrastructure-to-Vehicle Information Message (IVIM), to communicate the recommended automation level to connected vehicles along each road segment, contributing to international efforts to enable safer, more interoperable, and progressively higher levels of automated mobility on highways.

In un contesto in cui i veicoli stanno diventando sempre più automatizzati e la loro presenza sulle autostrade continua a crescere, comprendere se e in che misura le infrastrutture esistenti possano supportare l'automazione è diventata una sfida cruciale per gli operatori stradali. Questa tesi sviluppa una metodologia quantitativa in grado di valutare la prontezza delle autostrade a sostenere i diversi livelli di automazione SAE. L'approccio comincia dalle condizioni statiche dell'infrastruttura, definite all'interno dell'Operational Design Domain (ODD), che delineano i limiti operativi infrastrutturali entro cui i veicoli automatizzati sono progettati per funzionare, traducendole poi in attributi infrastrutturali misurabili. A ciascuno di essi viene successivamente assegnato un peso, ottenuto tramite un sondaggio rivolto ad esperti del settore, allo scopo di integrarli in un modello di valutazione della prontezza infrastrutturale. Una volta definita la metodologia, il modello viene applicato a un tratto autostradale reale, illustrando concretamente come gli indicatori ottenuti possano essere estratti, interpretati e utilizzati per valutare quanto le condizioni stradali esistenti siano in linea con le esigenze operative dei veicoli autonomi. Questa caso applicativo permette inoltre di evidenziare le principali carenze dell'infrastruttura attuale, fornendo indicazioni mirate sulle priorità di intervento per agevolare la transizione verso livelli più elevati di automazione. Infine, viene proposto come tali indicatori possano essere integrati all'interno di un messaggio standardizzato del Cooperative Intelligent Transport System (C-ITS), in particolare l'Infrastructure-to-Vehicle Information Message (IVIM), così da comunicare ai veicoli connessi il livello di automazione raccomandato lungo i segmenti autostradali analizzati, contribuendo così anche agli sforzi internazionali verso una mobilità sempre piu connessa e automatizzata.