El estudio presenta un marco integral para la gestión dinámica del riesgo en vehículos inteligentes conectados (ICVs) en entornos urbanos complejos, clave para el avance seguro de la conducción autónoma. Primero, desarrolla un sistema de indicadores de riesgo basado en ponderación por entropía, capaz de extraer 13 dimensiones de comportamiento anómalo, como velocidad, aceleración y posición con el objetivo de mejorar la seguridad y eficiencia operativa. Luego, introduce un método multidimensional de cuantificación del riesgo, validado en modos individual y en pelotón mediante una co-simulación CARLA-SUMO con una precisión superior al 98%. Además, propone una estrategia de cloud takeover que vincula directamente la evaluación del riesgo con el control vehicular en tiempo real. El análisis de más de 56.000 datos mostró una reducción del 32% en riesgos. Aunque el enfoque demuestra alta eficacia, los autores resaltan que se requieren validaciones en escenarios más complejos, optimización bajo comunicaciones inestables y actualización dinámica de indicadores mediante federated learning.