Entropic Value-at-Risk for Inter-Vehicle Collision in Platoons: Network- and Delay-Induced Bounds on Risk Due to Extreme Events

Riepilogo Tecnico: Valore a Rischio Entropico per Collisioni Interveicolari in Convogli

Enunciato del Problema
I convogli di veicoli connessi offrono miglioramenti nel flusso del traffico e nell'efficienza del carburante, ma operano in presenza di incertezze intrinseche, incluse perturbazioni stocastiche (rumore di rilevamento, effetti ambientali) e dinamiche di comunicazione con ritardo temporale. Sebbene le strategie di controllo esistenti si concentrino spesso sulla stabilità e sulle prestazioni, potrebbero non riuscire a quantificare adeguatamente la probabilità di eventi rari ma catastrofici, in particolare le collisioni interveicolari. Questi eventi estremi sono difficili da analizzare perché la loro probabilità dipende dall'interazione congiunta della topologia di rete, dei ritardi di comunicazione e delle perturbazioni stocastiche. Inoltre, le metriche di rischio convenzionali come il Value-at-Risk (VaR) e il Conditional Value-at-Risk (CVaR) potrebbero sottostimare il rischio di coda nei sistemi critici per la sicurezza, poiché il VaR cattura solo un quantile e il CVaR media la coda, potenzialmente trascurando la gravità delle deviazioni estreme.

Metodologia
Gli autori propongono un quadro rigoroso per quantificare il rischio di collisione utilizzando il Valore a Rischio Entropico (EVaR), una misura di rischio conservativa che fornisce il limite superiore più stretto basato sul bound di Chernoff sulle probabilità di coda. La metodologia procede come segue:

1. Modellazione del Sistema: Il convoglio è modellato come un sistema di $n$ veicoli con dinamiche del secondo ordine soggette a perturbazioni di moto browniano. La legge di controllo utilizza un feedback ritardato basato su posizioni e velocità relative, governato da un grafo di comunicazione $G$. Le dinamiche in anello chiuso sono formulate come un'equazione differenziale stocastica con ritardo (SDDE).
2. Analisi dello Stato Stazionario: Assumendo che il sistema soddisfi le condizioni di stabilità deterministica, gli autori derivano le statistiche dello stato stazionario delle distanze interveicolari. Utilizzando la decomposizione spettrale della matrice Laplaciana del grafo $L$, le dinamiche vengono disaccoppiate. Si dimostra che il vettore delle distanze interveicolari allo stato stazionario segue una distribuzione gaussiana multivariata, dove le varianze marginali sono espresse esplicitamente come funzioni degli autovalori della Laplaciana, del ritardo temporale $\tau$ e dell'intensità della perturbazione.
3. Formulazione del Rischio: Il documento definisce un "evento estremo" come l'avvicinamento della distanza interveicolare a zero (collisione). Per quantificare il rischio di questo evento, gli autori adattano le misure di rischio (VaR, CVaR ed EVaR) affinché siano funzioni decrescenti della distanza.
   • Derivazione dell'EVaR: Utilizzando la Funzione Generatrice dei Momenti (MGF) della distanza interveicolare gaussiana, gli autori derivano un'espressione in forma chiusa per l'EVaR. Questa misura è interpretata tramite la formula variazionale di Donsker–Varadhan come un'aspettativa nel caso peggiore robusta rispetto alla distribuzione su un insieme di distribuzioni di probabilità definite da una sfera di divergenza di Kullback–Leibler (KL).
4. Limiti Spettrali: Gli autori derivano limiti espliciti sull'EVaR basati sulle proprietà spettrali della rete di comunicazione. Stabiliscono che il rischio è governato dagli autovalori della Laplaciana: la connettività algebrica (il secondo autovalore più piccolo, $\lambda_2$) detta il rischio nel caso peggiore, mentre il più grande autovalore ($\lambda_n$) detta il rischio intrinseco minimo.

Contributi Chiave

• Quantificazione del Rischio Basata su EVaR: Il documento introduce l'EVaR come una metrica teoricamente solida e conservativa per il rischio di collisione interveicolare, superiore a VaR e CVaR per la cattura di eventi di coda estremi nelle dinamiche stocastiche dei convogli.
• Formula del Rischio in Forma Chiusa: Viene derivata una formula esplicita per l'EVaR utilizzando le funzioni generatrici dei momenti e i bound di Chernoff, collegando il rischio direttamente alla distanza media interveicolare e alla sua deviazione standard.
• Limiti Dipendenti da Rete e Ritardo: Lo studio fornisce limiti espliciti sia sul rischio intrinseco minimo che sul rischio di collisione nel caso peggiore. Dimostra che la connettività algebrica ($\lambda_2$) governa l'EVaR massimo, mentre il più grande autovalore della Laplaciana ($\lambda_n$) determina il rischio minimo.
• Suggerimenti Progettuali: Il quadro rivela un compromesso fondamentale in cui il rischio è determinato da un parametro di pendenza adimensionale ($\kappa_\epsilon$) dipendente dalla distanza media e dalla varianza. Ciò consente ai progettisti di controllare il rischio regolando la topologia di rete o la spaziatura del convoglio.

Risultati
Sono state condotte simulazioni numeriche su varie topologie di grafi (grafi completi, grafi ciclici) con pesi degli archi sia uniformi che casuali:

• Confronto delle Misure di Rischio: L'EVaR ha costantemente prodotto valori più elevati rispetto a VaR e CVaR, confermando il suo ruolo di limite superiore conservativo. Tutte e tre le misure sono diminuite all'aumentare della connettività di rete.
• Sensibilità Topologica: Alcune topologie, come il grafo percorso e il grafo 2-ciclo, hanno portato a valori di EVaR infiniti. Ciò si verifica perché gli autovalori della Laplaciana per queste strutture portano a un parametro $\kappa_\epsilon \leq 1$, indicando che il rischio intrinseco è illimitato e il sistema è insicuro sotto i parametri dati.
• Sensibilità ai Parametri: Le simulazioni hanno mostrato che, al diminuire del parametro di confidenza $\epsilon$ (richiedendo una maggiore sicurezza), l'EVaR aumenta significativamente. Ciò riflette la natura robusta rispetto alla distribuzione dell'EVaR, in cui un $\epsilon$ più piccolo espande la sfera di divergenza KL, valutando il rischio su un insieme più ampio di distribuzioni potenziali.

Significato e Affermazioni
Il documento afferma che il suo significato principale risiede nel fornire un metodo principiato per quantificare e limitare conservativamente il rischio di collisione nei sistemi veicolari in rete in condizioni di incertezza. Adottando l'EVaR, gli autori offrono una metrica che tiene rigorosamente conto degli eventi estremi, affrontando le limitazioni delle misure di rischio tradizionali nelle applicazioni critiche per la sicurezza.

I limiti spettrali derivati forniscono indicazioni attuabili per la progettazione sicura dei convogli veicolari. Nello specifico, i risultati indicano che la topologia di rete non è meramente un vincolo di comunicazione, ma un determinante fondamentale dei limiti di sicurezza. La connettività algebrica funge da parametro di progettazione critico per minimizzare il rischio nel caso peggiore, mentre il più grande autovalore stabilisce un limite inferiore al rischio che non può essere eliminato indipendentemente dalla sintonizzazione del controllo. Gli autori concludono che il lavoro futuro dovrebbe concentrarsi sulla progettazione di topologie di rete e strategie di controllo che minimizzino esplicitamente il rischio di collisione basato sull'EVaR.