Visible light communication for intelligent transportation systems: A review of the latest technologies
Notice bibliographique
Résumé
In seeking to improve traffic congestion and safety on roads and highways, there has been an increased interest in intelligent transportation systems (ITS). The emerging visible light communication (VLC) technology is a new candidate to enable wireless access in ITS. The purpose of this study is to present a comprehensive review of the current studies related to VLC. Since VLC facilitates illumination and data communication simultaneously, it reduces energy consumption significantly. Additionally, VLC is immune to electromagnetic interference, provides high data security, and utilizes unregulated visible light spectrum, showing promise as a potentially cheaper alternative to existing radio frequency (RF) based technology. Moreover, recent advances in semiconductor materials and solid-state technologies have enabled the development of efficient light-emitting diodes (LEDs) and laser diodes (LDs) which are used as transmitters in a VLC system. Although 10 s of Gbits/s data rate has been demonstrated in indoor VLC links, successful implementation of it in outdoor environments requires further research to overcome the challenges presented by environmental factors, unwanted lights, non-line of sight communication, directional radiation pattern, frequent fragmentation, and so on. Besides, in recent years, semiconductor LDs have been garnering more attention since they can transmit more data over longer distances due to their high quantum efficiency and modulation bandwidth compared to LEDs. As a result, urban planners, policy-makers, transportation engineers, and vehicle manufacturers are considering LD-based VLC to facilitate vehicle-to-vehicle and vehicle-to-infrastructure communication. Thus, this paper reviews and compares the most recent developments in VLC technologies, identifies their benefits and potential use in ITS applications, discusses the probable barriers for their implementation in our existing transportation infrastructure, and suggests future research directions and recommendations to overcome these challenges.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».