సైన్స్ అండ్ టెక్నాలజీ అభివృద్ధితో, ఇంటర్నెట్ ఆఫ్ థింగ్స్ (ఐఓటీ) ప్రస్తుతం అత్యంత ఆందోళన కలిగించే కొత్త టెక్నాలజీగా మారింది. ఇది వేగంగా అభివృద్ధి చెందుతోంది, ప్రపంచంలోని ప్రతిదానినీ మరింత దగ్గరగా అనుసంధానించడానికి మరియు మరింత సులభంగా కమ్యూనికేట్ చేయడానికి వీలు కల్పిస్తుంది. ఐఓటీ యొక్క అంశాలు ప్రతిచోటా ఉన్నాయి. ఇంటర్నెట్ ఆఫ్ థింగ్స్ చాలా కాలంగా "తదుపరి పారిశ్రామిక విప్లవం"గా పరిగణించబడుతుంది ఎందుకంటే ఇది ప్రజలు జీవించే, పనిచేసే, ఆడే మరియు ప్రయాణించే విధానాన్ని మార్చడానికి సిద్ధంగా ఉంది.

దీన్ని బట్టి, ఇంటర్నెట్ ఆఫ్ థింగ్స్ విప్లవం నిశ్శబ్దంగా ప్రారంభమైందని మనం చూడవచ్చు. కాన్సెప్ట్‌లో ఉండి, సైన్స్ ఫిక్షన్ సినిమాల్లో మాత్రమే కనిపించే చాలా విషయాలు నిజ జీవితంలో ఉద్భవిస్తున్నాయి, బహుశా మీరు ఇప్పుడు దానిని అనుభవించవచ్చు.

మీరు ఆఫీసులోని మీ ఫోన్ నుండి మీ ఇంటి లైట్లు మరియు ఎయిర్ కండిషనింగ్‌ను రిమోట్‌గా నియంత్రించవచ్చు మరియు భద్రతా కెమెరాల ద్వారా మీ ఇంటిని చూడవచ్చు
వేల మైళ్ల దూరంలో ఉంది. మరియు ఇంటర్నెట్ ఆఫ్ థింగ్స్ యొక్క సామర్థ్యం దానికంటే చాలా ఎక్కువగా ఉంది. భవిష్యత్ మానవ స్మార్ట్ సిటీ భావన సెమీకండక్టర్, హెల్త్ మేనేజ్‌మెంట్, నెట్‌వర్క్, సాఫ్ట్‌వేర్, క్లౌడ్ కంప్యూటింగ్ మరియు బిగ్ డేటా టెక్నాలజీలను అనుసంధానించి స్మార్ట్ లి వాతావరణాన్ని సృష్టిస్తుంది. అటువంటి స్మార్ట్ సిటీని నిర్మించడం అనేది ఇంటర్నెట్ ఆఫ్ థింగ్స్ యొక్క ముఖ్యమైన లింక్ అయిన పొజిషనింగ్ టెక్నాలజీ లేకుండా చేయలేము. ప్రస్తుతం, ఇండోర్ పొజిషనింగ్, అవుట్‌డోర్ పొజిషనింగ్ మరియు ఇతర పొజిషనింగ్ టెక్నాలజీలు తీవ్ర పోటీలో ఉన్నాయి.

ప్రస్తుతం, GPS మరియు బేస్ స్టేషన్ పొజిషనింగ్ టెక్నాలజీ ప్రాథమికంగా బహిరంగ దృశ్యాలలో స్థాన సేవల కోసం వినియోగదారుల అవసరాలను తీరుస్తాయి. అయితే, ఒక వ్యక్తి జీవితంలో 80% ఇంటి లోపల గడుపుతారు మరియు సొరంగాలు, తక్కువ వంతెనలు, ఎత్తైన వీధులు మరియు దట్టమైన వృక్షసంపద వంటి కొన్ని భారీగా నీడ ఉన్న ప్రాంతాలను ఉపగ్రహ స్థాన సాంకేతికతతో సాధించడం కష్టం.

ఈ దృశ్యాలను గుర్తించడం కోసం, ఒక పరిశోధనా బృందం UHF RFID ఆధారంగా కొత్త రకం రియల్-టైమ్ వాహనం యొక్క పథకాన్ని ముందుకు తెచ్చింది, ఇది బహుళ పౌనఃపున్య సిగ్నల్ దశ వ్యత్యాస స్థాన పద్ధతి ఆధారంగా ప్రతిపాదించబడింది, సింగిల్ ఫ్రీక్వెన్సీ సిగ్నల్ వల్ల కలిగే దశ అస్పష్టత సమస్యను పరిష్కరిస్తుంది, మొదట ప్రతిపాదించబడింది ఆధారంగా
చైనీస్ శేష సిద్ధాంతాన్ని అంచనా వేయడానికి గరిష్ట సంభావ్యత స్థానికీకరణ అల్గోరిథంపై, లక్ష్య స్థానం యొక్క కోఆర్డినేట్‌లను ఆప్టిమైజ్ చేయడానికి లెవెన్‌బర్గ్-మార్క్వార్డ్ (LM) అల్గోరిథం ఉపయోగించబడుతుంది. ప్రతిపాదిత పథకం 90% సంభావ్యతలో 27 సెం.మీ కంటే తక్కువ లోపంతో వాహన స్థానాన్ని ట్రాక్ చేయగలదని ప్రయోగాత్మక ఫలితాలు చూపిస్తున్నాయి.

వాహన స్థాన వ్యవస్థ రోడ్డు పక్కన ఉంచబడిన UHF-RFID ట్యాగ్, వాహనం పైభాగంలో అమర్చబడిన యాంటెన్నాతో కూడిన RFID రీడర్‌ను కలిగి ఉంటుందని చెబుతారు,
మరియు ఆన్-బోర్డ్ కంప్యూటర్. వాహనం అటువంటి రోడ్డుపై ప్రయాణిస్తున్నప్పుడు, RFID రీడర్ బహుళ ట్యాగ్‌ల నుండి బ్యాక్‌స్కాటర్డ్ సిగ్నల్ యొక్క దశను నిజ సమయంలో పొందవచ్చు అలాగే ప్రతి ట్యాగ్‌లో నిల్వ చేయబడిన స్థాన సమాచారాన్ని పొందవచ్చు. రీడర్ బహుళ-ఫ్రీక్వెన్సీ సంకేతాలను విడుదల చేస్తుంది కాబట్టి, RFID రీడర్ ప్రతి ట్యాగ్ యొక్క విభిన్న పౌనఃపున్యాలకు అనుగుణంగా బహుళ దశలను పొందవచ్చు. ఈ దశ మరియు స్థాన సమాచారాన్ని ఆన్-బోర్డ్ కంప్యూటర్ యాంటెన్నా నుండి ప్రతి RFID ట్యాగ్‌కు దూరాన్ని లెక్కించడానికి మరియు వాహనం యొక్క కోఆర్డినేట్‌లను నిర్ణయించడానికి ఉపయోగిస్తుంది.