Secure Coordination for Vertiport Sequencing in Advanced Air Mobility

Sintesi Tecnica: Coordinamento Sicuro per la Sequenziazione dei Vertiporti nella Mobilità Aerea Avanzata

Enunciato del Problema
Le operazioni di Mobilità Aerea Avanzata (AAM) nelle vicinanze dei vertiporti richiedono meccanismi di coordinamento affidabili per gestire il traffico denso in condizioni di capacità di atterraggio limitata e tempi di arrivo incerti. L'attuale coordinamento si basa in larga misura su dati auto-dichiarati, come l'ID Remoto (Remote-ID), che forniscono l'identità e la posizione del veicolo. Tuttavia, questa dipendenza crea una vulnerabilità: veicoli con interessi personali potrebbero dichiarare strategicamente in modo errato il proprio tempo stimato di arrivo (ETA) per assicurarsi slot di atterraggio favorevoli, mentre attori malevoli potrebbero falsificare i dati per interrompere la sequenziazione o indurre congestione.

Sebbene il confronto tra dati auto-dichiarati e sorveglianza esterna (ad esempio, radar o tracciamento ottico) offra una difesa, le stime della sorveglianza sono intrinsecamente incerte a causa del rumore di misura e degli errori di stima. Di conseguenza, le dichiarazioni false che rimangono coerenti con la regione di incertezza della sorveglianza non possono essere immediatamente rifiutate. Ciò crea un problema di coordinamento strategico in cui il coordinatore deve assegnare programmi di arrivo compatibili con la separazione nonostante la possibilità di dichiarazioni false non rilevabili, ma potenzialmente dannose.

Metodologia
Il documento propone un quadro per la sequenziazione sicura dei vertiporti che distingue tra due fonti distinte di informazioni false e formula regole di sequenziazione robuste per contrastarle.

1. Modello di Sistema:

   • Il sistema coinvolge $N$ veicoli che si avvicinano a un vertiporto condiviso.
   • Ogni veicolo $i$ ha un vero ETA ($\tau_i$) e dichiara un ETA ($\hat{\tau}_i = \tau_i + \delta_i$), dove $\delta_i$ è la deviazione di dichiarazione.
   • Un coordinatore utilizza un sistema di sorveglianza attivo per inferire una stima indipendente dell'ETA. A causa dell'incertezza sensoriale, le deviazioni $\delta_i$ sono vincolate a un insieme coerente con l'incertezza $\mathcal{U}_i$ (ad esempio, un intervallo $[-\varepsilon_i, \varepsilon_i]$). Le dichiarazioni al di fuori di questo insieme vengono rifiutate; quelle all'interno sono trattate come potenzialmente false ma indistinguibili da quelle veritiere.
   • L'obiettivo è minimizzare il costo di sequenziazione a livello di sistema, definito come la somma dei quadrati degli aggiustamenti tra i tempi di arrivo assegnati ($a_i$) e i veri ETA ($\tau_i$), soggetto a vincoli di separazione temporale minima ($s_{min}$).

2. Formulazioni Robuste:
   Il documento modella l'interazione tra il coordinatore e le entità dichiaranti utilizzando due approcci di ottimizzazione robusta:

   • Dichiarazione Errata con Interessi Personali (Deviazione Strategica): Modellata come un gioco di Stackelberg. I veicoli con interessi personali osservano il parametro di robustificazione del coordinatore ($\theta$) e selezionano una deviazione $\delta_i \in \mathcal{U}_i$ per minimizzare il proprio costo di aggiustamento del programma. Il coordinatore anticipa questo comportamento di risposta ottima e seleziona $\theta$ per minimizzare il costo di sistema risultante.
   • Falsificazione Malevola (Disturbo Avversario): Modellata come un problema min-max. Un attaccante esterno inietta dichiarazioni false per un sottoinsieme di veicoli ($\mathcal{M}$) per massimizzare il costo di sequenziazione a livello di sistema (ad esempio, causando congestione o ritardi). Il coordinatore seleziona $\theta$ per minimizzare il costo di sistema nel caso peggiore indotto da queste deviazioni avversarie.

3. Regola di Sequenziazione:
   Il coordinatore impiega una regola di sequenziazione parametrizzata $S_\theta$ che mappa i tempi di arrivo dichiarati a un programma assegnato. Il parametro $\theta$ rappresenta misure di robustificazione, come soglie di confidenza o regole di riduzione dell'incertezza, progettate per rendere l'esito della sequenziazione meno sensibile alle dichiarazioni all'interno dell'insieme di incertezza.

Contributi Chiave e Risultati Pianificati
Come abstract esteso, questo documento stabilisce principalmente il quadro teorico e delinea studi numerici pianificati, piuttosto che presentare risultati sperimentali definitivi. I suoi contributi includono:

• Distinzione Formale dei Modelli di Minaccia: Il documento differenzia esplicitamente tra dichiarazione errata strategica (mirata al guadagno individuale) e falsificazione malevola (mirata al degrado del sistema), proponendo formulazioni robuste distinte per ciascuna.
• Progettazione Robusta in Condizioni di Incertezza Sensoriale: Formula la sequenziazione dei vertiporti come un problema di progettazione robusta su insiemi di incertezza coerenti con la sorveglianza, riconoscendo che il rilevamento perfetto è impossibile a causa del rumore dei sensori.
• Strategia di Valutazione Pianificata: Gli autori propongono un ampio studio numerico per valutare le regole proposte. Lo studio prevede di confrontare:
  • Sequenziazione di Base: Utilizzando direttamente i tempi dichiarati.
  • Sequenziazione Robusta contro Interessi Personali: Ottimizzata contro le deviazioni strategiche.
  • Sequenziazione Robusta contro Falsificazioni Malevole: Ottimizzata contro i disturbi avversari.
• Metriche di Valutazione: Gli esperimenti pianificati mirano a quantificare:
  • La perdita di efficienza della robustezza (confrontando le prestazioni robuste rispetto a quelle di base in caso di dichiarazioni veritiere).
  • Il vantaggio di sicurezza della robustezza (confrontando le prestazioni in caso di dichiarazioni false con e senza regole robuste).
  • La sensibilità alla densità del traffico, ai requisiti di separazione, al rumore della sorveglianza e alla dimensione dell'insieme di veicoli potenzialmente non attendibili ($\mathcal{M}$).

Significato
Il documento sostiene che, all'aumentare della densità del traffico AAM e al restringimento dei margini di sequenziazione, l'impatto operativo delle informazioni false diventerà più pronunciato rispetto alla gestione del traffico aereo convenzionale. Integrando i dati di sorveglianza con le informazioni auto-dichiarate attraverso l'ottimizzazione robusta, il quadro proposto mira a preservare l'affidabilità dei meccanismi di sequenziazione. Si prefigge di proteggere sia dalla "tragedia dei beni comuni" (dove i singoli veicoli manipolano il sistema) sia dagli attacchi avversari attivi, garantendo che le operazioni dei vertiporti rimangano sicure ed efficienti anche quando le capacità di rilevamento sono imperfette.

Gli autori notano che il lavoro futuro estenderà questo quadro per includere l'allocazione delle risorse di sorveglianza, in cui il coordinatore alloca dinamicamente risorse sensoriali (ad esempio, risoluzione o potenza) per ridurre l'incertezza per veicoli specifici, rafforzando così le decisioni di sequenziazione contro le probabili fonti di informazioni false.