విజ్ఞాన, సాంకేతిక రంగాల అభివృద్ధితో, ఇంటర్నెట్ ఆఫ్ థింగ్స్ (IoT) ప్రస్తుతం అత్యంత ప్రాధాన్యత కలిగిన నూతన సాంకేతికతగా మారింది. ఇది శరవేగంగా విస్తరిస్తూ, ప్రపంచంలోని ప్రతిదాన్ని మరింత దగ్గరగా అనుసంధానించడానికి మరియు మరింత సులభంగా సంభాషించడానికి వీలు కల్పిస్తోంది. IoT అంశాలు ప్రతిచోటా ఉన్నాయి. ప్రజలు జీవించే, పనిచేసే, ఆడుకునే మరియు ప్రయాణించే విధానాన్ని మార్చివేయడానికి సిద్ధంగా ఉన్నందున, ఇంటర్నెట్ ఆఫ్ థింగ్స్‌ను చాలా కాలంగా "తదుపరి పారిశ్రామిక విప్లవం"గా పరిగణిస్తున్నారు.

దీని నుండి, ఇంటర్నెట్ ఆఫ్ థింగ్స్ విప్లవం నిశ్శబ్దంగా ప్రారంభమైందని మనం చూడవచ్చు. కేవలం భావన దశలో ఉండి, సైన్స్ ఫిక్షన్ సినిమాలలో మాత్రమే కనిపించిన ఎన్నో విషయాలు నిజ జీవితంలో ఆవిర్భవిస్తున్నాయి, బహుశా మీరు ఇప్పుడు దానిని అనుభూతి చెందవచ్చు.

మీరు ఆఫీసులో మీ ఫోన్ నుండే మీ ఇంటి లైట్లు మరియు ఎయిర్ కండిషనింగ్‌ను రిమోట్‌గా నియంత్రించవచ్చు, అలాగే సెక్యూరిటీ కెమెరాల ద్వారా మీ ఇంటిని పర్యవేక్షించవచ్చు.
వేల మైళ్ల దూరంలో. మరియు ఇంటర్నెట్ ఆఫ్ థింగ్స్ యొక్క సామర్థ్యం అంతకు మించి విస్తరించి ఉంది. భవిష్యత్ మానవ స్మార్ట్ సిటీ భావన, మరింత స్మార్ట్ జీవన వాతావరణాన్ని సృష్టించడానికి సెమీకండక్టర్, ఆరోగ్య నిర్వహణ, నెట్‌వర్క్, సాఫ్ట్‌వేర్, క్లౌడ్ కంప్యూటింగ్ మరియు బిగ్ డేటా సాంకేతికతలను ఏకీకృతం చేస్తుంది. ఇంటర్నెట్ ఆఫ్ థింగ్స్‌లో ఒక ముఖ్యమైన అనుసంధానమైన పొజిషనింగ్ టెక్నాలజీ లేకుండా అటువంటి స్మార్ట్ సిటీని నిర్మించడం సాధ్యం కాదు. ప్రస్తుతం, ఇండోర్ పొజిషనింగ్, అవుట్‌డోర్ పొజిషనింగ్ మరియు ఇతర పొజిషనింగ్ టెక్నాలజీలు తీవ్రమైన పోటీలో ఉన్నాయి.

ప్రస్తుతం, బహిరంగ ప్రదేశాలలో లొకేషన్ సేవల కోసం వినియోగదారుల అవసరాలను జీపీఎస్ మరియు బేస్ స్టేషన్ పొజిషనింగ్ టెక్నాలజీ ప్రాథమికంగా తీరుస్తున్నాయి. అయితే, ఒక వ్యక్తి తన జీవితంలో 80% సమయాన్ని ఇళ్ల లోపలే గడుపుతాడు, మరియు సొరంగాలు, తక్కువ ఎత్తు ఉన్న వంతెనలు, ఎత్తైన వీధులు మరియు దట్టమైన వృక్షసంపద వంటి బాగా నీడ ఉన్న కొన్ని ప్రదేశాలలో శాటిలైట్ పొజిషనింగ్ టెక్నాలజీతో లొకేషన్‌ను గుర్తించడం కష్టం.

ఈ దృశ్యాలను గుర్తించడం కోసం, ఒక పరిశోధన బృందం UHF RFID ఆధారిత ఒక కొత్త రకం రియల్-టైమ్ వాహన పథకాన్ని ప్రతిపాదించింది. బహుళ ఫ్రీక్వెన్సీ సిగ్నల్ ఫేజ్ డిఫరెన్స్ పొజిషనింగ్ పద్ధతి ఆధారంగా ప్రతిపాదించబడిన ఇది, గుర్తించడానికి సింగిల్ ఫ్రీక్వెన్సీ సిగ్నల్ వల్ల కలిగే ఫేజ్ అస్పష్టత సమస్యను పరిష్కరిస్తుంది.
చైనీస్ రిమైండర్ సిద్ధాంతాన్ని అంచనా వేయడానికి గరిష్ట సంభావ్యత స్థానీకరణ అల్గోరిథంపై, లక్ష్య స్థానం యొక్క నిరూపకాలను ఆప్టిమైజ్ చేయడానికి లెవెన్‌బర్గ్-మార్క్వార్డ్ (LM) అల్గోరిథం ఉపయోగించబడుతుంది. ప్రయోగాత్మక ఫలితాలు ప్రతిపాదిత పథకం 90% సంభావ్యతలో 27 సెం.మీ కంటే తక్కువ లోపంతో వాహన స్థానాన్ని ట్రాక్ చేయగలదని చూపిస్తున్నాయి.

వాహన స్థాన నిర్ధారణ వ్యవస్థలో రోడ్డు పక్కన ఉంచిన ఒక UHF-RFID ట్యాగ్, వాహనం పైభాగంలో అమర్చిన యాంటెనాతో కూడిన ఒక RFID రీడర్ ఉంటాయని చెప్పబడింది.
మరియు ఒక ఆన్-బోర్డ్ కంప్యూటర్. వాహనం అటువంటి రహదారిపై ప్రయాణిస్తున్నప్పుడు, RFID రీడర్ నిజ సమయంలో బహుళ ట్యాగ్‌ల నుండి వెనుకకు చెదరిన సిగ్నల్ యొక్క దశను, అలాగే ప్రతి ట్యాగ్‌లో నిల్వ చేయబడిన స్థాన సమాచారాన్ని పొందగలదు. రీడర్ బహుళ-ఫ్రీక్వెన్సీ సిగ్నల్‌లను విడుదల చేస్తుంది కాబట్టి, RFID రీడర్ ప్రతి ట్యాగ్ యొక్క విభిన్న ఫ్రీక్వెన్సీలకు అనుగుణంగా బహుళ దశలను పొందగలదు. ఈ దశ మరియు స్థాన సమాచారాన్ని ఆన్-బోర్డ్ కంప్యూటర్, యాంటెన్నా నుండి ప్రతి RFID ట్యాగ్‌కు ఉన్న దూరాన్ని లెక్కించడానికి మరియు ఆపై వాహనం యొక్క కోఆర్డినేట్‌లను నిర్ధారించడానికి ఉపయోగిస్తుంది.