The state of urban air quality has emerged as a substantial concern in cities globally. This concern is prominently emphasized in Goal 11, which aims to reduce the per capita environmental impact of cities by 2030. That goal highlights the importance of focused efforts toward enhancing urban air quality and effective municipal and other waste management. Additionally, the World Health Organization (WHO) global air quality guidelines have highlighted the direct and acute impact of harmful anthropogenic emissions on humans’ health. Monitoring emissions, especially in the context of urban air pollution, has become a critical issue. Urban air quality is significantly impacted by emissions from road transportation, making it a crucial area for improvement. However, most existing studies primarily focus on monitoring and predicting road transport emissions, lacking a comprehensive administrative framework to address this issue holistically. This research aims to fill this gap by proposing a proactive approach to emission measurement and the decarbonization of road transport through a comprehensive systemlevel strategy. To achieve this, the study introduces a demonstrative framework composed of two key components: an emission estimation model and administrative measures. The first step involves collecting data from traffic detectors to compile a dataset that describes traffic conditions in the target urban area. Given the challenges of real-world emission data collection, the study operates with limited information—relying solely on traffic flow and average speed data. Using hybrid analytical techniques, the study identifies data trends in a selected case study, focusing on Lilla Essingen, a district in Stockholm, Sweden. Emission estimations are conducted for different data patterns, such as weekday vs. weekend and working day vs. non-working day. Assumptions regarding the fleet composition in Stockholm are made to convert the raw data, in forms of traffic flow and average speed, into emission metrics. By incorporating the discovered data patterns, the model's performance improved by 3% to 8% in terms of MAPE (%) and by 0.06 to 0.1 in terms of the R2 value for traffic flow data. For average speed data, the improvement ranged from 0.5% to 3% in terms of MAPE (%) and from 0.05 to 0.1 in terms of the R2 value. These findings underscore the importance of considering periodic data patterns to enhance predictive accuracy. The estimation results of the case study serve as a basis for a system-level approach, designed to address the urban air quality issue with emission estimation methods and administrative measures. Central to this approach is the involvement of the traffic agencies and drivers. Drivers are encouraged to take necessary actions through the introduction of a variable pricing mechanism, exemplified by the congestion tax, set by the traffic agencies. This study contributes in two significant ways. Firstly, it provides a demonstrative framework for estimating and quantifying pollutants under limited information, enabling better understanding and management of urban air quality issues. Secondly, it introduces the system analysis for implementing variable pricing mechanisms, fostering sustainable solutions to mitigate the impact of road transport emissions. By implementing such an approach, stakeholders —including drivers and traffic agencies— can proactively address the challenges posed by road transport emissions. Ultimately, the goal is to improve urban air quality through comprehensive road traffic monitoring systems, accurate emission estimation models, and effective administrative measures.

Inom ramen för de globala målen för hållbar utveckling (SDG) som fastställts av Förenta nationerna har stadsområdens luftkvalitet framträtt som en betydande oro. Detta bekymmer betonas tydligt i mål 11, som syftar till att minska städers miljöpåverkan per capita fram till 2030. Målet understryker vikten av fokuserade insatser för att förbättra den urbana luftkvaliteten och effektiv avfallshantering på kommunal nivå och andra nivåer. Dessutom har Världshälsoorganisationens (WHO) globala riktlinjer för luftkvalitet lyft fram den direkta och akuta påverkan av skadliga antropogena utsläpp på människors hälsa. Att övervaka utsläpp, särskilt i samband med stadsföroreningar, har blivit en kritisk fråga. Luftkvaliteten i städer påverkas avsevärt av utsläpp från vägtransporter, vilket gör detta till ett viktigt område för förbättring. De flesta befintliga studier fokuserar dock främst på att övervaka och förutsäga utsläpp från vägtransporter, men saknar ett omfattande administrativt ramverk för att ta itu med denna fråga på ett holistiskt sätt. Denna forskning syftar till att fylla denna lucka genom att föreslå ett proaktivt tillvägagångssätt för utsläppsmätning och avkarbonisering av vägtransporter genom en heltäckande systemstrategi. För att uppnå detta introducerar studien ett demonstrativt ramverk bestående av två centrala komponenter: en modell för utsläppsberäkning och administrativa åtgärder. Det första steget innebär insamling av data från trafikdetektorer för att sammanställa en dataset som beskriver trafikförhållandena i det målområde som studeras. Med tanke på de utmaningar som finns vid insamling av utsläppsdata i verkligheten arbetar studien med begränsad information – och förlitar sig endast på trafikflödes- och genomsnittlig hastighetsdata. Genom att använda hybridanalytiska tekniker identifierar studien datatrender i en utvald fallstudie med fokus på Lilla Essingen, en stadsdel i Stockholm, Sverige. Utsläppsberäkningar görs för olika dataprofiler, såsom vardag jämfört med helg och arbetsdag jämfört med icke-arbetsdag. Antaganden om fordonsflottans sammansättning i Stockholm görs för att omvandla rådata, i form av trafikflöde och genomsnittlig hastighet, till utsläppsmått. Genom att inkludera de upptäckta datamönstren förbättrades modellens prestanda med 3% till 8% i termer av MAPE (%) och med 0,06 till 0,1 i termer av R2-värdet för trafikflödesdata. För genomsnittlig hastighetsdata var förbättringen mellan 0,5% och 3% i termer av MAPE (%) och mellan 0,05 och 0,1 i termer av R2-värdet. Dessa resultat understryker vikten av att beakta periodiska datamönster för att förbättra den prediktiva noggrannheten. Resultaten av fallstudien fungerar som en grund för ett systeminriktat tillvägagångssätt, utformat för att ta itu med problemet med luftkvaliteten i städer genom metoder för utsläppsberäkning och administrativa åtgärder. En central del i detta tillvägagångssätt är att involvera trafikmyndigheterna och bilförarna. Förare uppmuntras att vidta nödvändiga åtgärder genom införandet av en variabel prissättningsmekanism, exemplifierad av trängselskatten, som fastställs av trafikmyndigheterna. Denna studie bidrar på två betydande sätt. För det första tillhandahåller den ett demonstrativt ramverk för att uppskatta och kvantifiera föroreningar under begränsad information, vilket möjliggör en bättre förståelse och hantering av urbana luftkvalitetsfrågor. För det andra introducerar den systemanalysen för implementeringen av variabla prissättningsmekanismer och främjar hållbara lösningar för att mildra effekten av utsläpp från vägtransporter. Genom att implementera ett sådant tillvägagångssätt kan intressenter – inklusive förare och trafikmyndigheter – proaktivt ta itu med de utmaningar som vägtransportutsläpp innebär. Slutligen är målet att förbättra luftkvaliteten i städer genom omfattande övervakningssystem för vägtrafik, exakta utsläppsberäkningsmodeller och effektiva administrativa åtgärder.