فهرست مطالب
- 1. مقدمه
- 2. معماری سیستم OCC و مبانی
- 3. استانداردسازی و مشخصهسازی کانال
- 4. تکنیکهای مدولاسیون و کدگذاری
- 5. همزمانی و پردازش سیگنال
- 6. مکانیابی و ناوبری مبتنی بر OCC
- 7. OCC برای ضبط حرکت و حملونقل هوشمند
- 8. چالشها و روندهای آینده
- 9. تحلیل اصلی
- 10. جزئیات فنی و فرمولبندی ریاضی
- 11. نتایج تجربی و نمودارها
- 12. نمونه چارچوب تحلیلی
- 13. کاربردهای آینده و چشمانداز
- 14. مراجع
1. مقدمه
ارتباطات دوربین نوری (OCC) یک فناوری نوظهور در ارتباطات نوری بیسیم (OWC) است که از حسگرهای تصویر (دوربینها) به عنوان گیرنده و از دیودهای نورافشان (LED) به عنوان فرستنده استفاده میکند. برخلاف سیستمهای OWC مبتنی بر فوتودیود سنتی، OCC از فراگیری دوربینها در گوشیهای هوشمند، خودروها و دستگاههای اینترنت اشیا بهره میبرد و ارتباطی کمهزینه و با پیچیدگی پایین و با حداقل تغییرات در زیرساخت ممکن میسازد. تقاضا برای دادههای سیار سالانه ۴۲٪ رشد میکند و انتظار میرود ترافیک جهانی سیار ماهانه تا سال ۲۰۲۳ از ۱۰۰ اگزابایت فراتر رود. OCC با بهرهگیری از طیف نوری عظیم بدون مجوز (۳۵۰ نانومتر تا ۱۵۵۰ نانومتر) راهحلی امیدوارکننده برای ارتباطات با بازده انرژی بالا، امن و مقاوم در برابر تداخل ارائه میدهد. این مقاله مروری جامع بر تکنیکهای OCC، تلاشهای استانداردسازی، مشخصسازی کانال، طرحهای مدولاسیون، روشهای همگامسازی و کاربردهای متنوع از جمله مکانیابی، ناوبری، ضبط حرکت و سیستمهای حملونقل هوشمند (ITS) ارائه میکند.
2. معماری سیستم OCC و مبانی
سیستمهای OCC معمولاً از یک فرستنده LED و یک گیرنده دوربین تشکیل شدهاند. فرستنده شدت نور LED را برای جاسازی دادهها مدوله میکند، در حالی که دوربین تغییرات نور را در طول زمان ثبت میکند. اصل اساسی مبتنی بر اثر شاتر غلتان است، که در آن حسگر دوربین ردیفهای پیکسل را به صورت متوالی ثبت میکند و امکان انتقال داده با سرعت بالا حتی با دوربینهای نرخ فریم پایین را فراهم میآورد. سیستم را میتوان به دو نوع اصلی دستهبندی کرد: (1) OCC مبتنی بر ارتباطات نور مرئی (VLC)که از LEDهای مرئی استفاده میکند، و (۲) OCC مبتنی بر فروسرخ (IR)که از LEDهای فروسرخ برای ارتباطات پنهان یا شبانه استفاده میکند. مزیت کلیدی OCC نسبت به VLC مبتنی بر آشکارساز نوری (PD) سنتی، توانایی آن در جداسازی فضایی چندین فرستنده است که امکان ارتباط چندورودی-چندخروجی (MIMO) و مکانیابی و ارتباط همزمان را فراهم میکند.
3. استانداردسازی و مشخصهسازی کانال
استاندارد IEEE 802.15.7-2018، OCC را به عنوان یک فناوری لایه فیزیکی کلیدی برای ارتباطات نوری بیسیم تعریف میکند. این استاندارد طرحهای مدولاسیون، ساختارهای فریم و نرخهای داده را برای OCC مشخص میکند. مشخصسازی کانال برای OCC شامل مدلسازی تلفات مسیر نوری، نویز نور محیط و ویژگیهای پاسخ دوربین است. مدل کانال را میتوان به صورت زیر بیان کرد:
$P_{rx} = P_{tx} \cdot H(0) + n(t)$
که در آن $P_{rx}$ توان نوری دریافتی، $P_{tx}$ توان ارسالی، $H(0)$ بهره کانال DC و $n(t)$ نویز افزایشی (شامل نویز شات، نویز حرارتی و تداخل نور محیط) است. بهره کانال برای یک پیوند خط دید (LOS) به صورت زیر داده میشود:
$H(0) = \frac{(m+1)A}{2\pi d^2} \cos^m(\phi) \cos(\psi) \cdot \text{rect}(\psi/\Psi_c)$
که در آن $m$ مرتبه گسیل لمبرتی، $A$ مساحت آشکارساز، $d$ فاصله، $\phi$ زاویه تابش، $\psi$ زاویه برخورد، و $\Psi_c$ میدان دید دوربین است.
4. تکنیکهای مدولاسیون و کدگذاری
OCC از تکنیکهای مدولاسیون مختلفی برای رمزگذاری دادهها در تغییرات شدت نور استفاده میکند. طرحهای رایج عبارتند از:
- کلیدزنی روشن-خاموش (OOK): مدولاسیون باینری ساده که در آن LED برای بیت '1' روشن و برای بیت '0' خاموش میشود.
- مدولاسیون عرض پالس (PWM): دادهها در عرض پالس نوری کدگذاری میشوند.
- کلیدزنی تغییر رنگ (CSK): از رنگهای مختلف (LEDهای RGB) برای نمایش نمادها استفاده میکند و نرخ داده را افزایش میدهد.
- کلیدزنی روشن-خاموش با تغییر فرکانس نمونهبرداری نشده (UFSOOK): طراحی شده برای دوربینهای با نرخ فریم پایین، که دادهها را در فرکانس چشمکزدن نور کدگذاری میکند.
- مدولاسیون شاتر غلتان: با بهرهگیری از اثر شاتر غلتان، دادهها را در الگوی نوارهای روشن و تیره ثبتشده توسط دوربین کدگذاری کرده و به نرخهای داده بالا (تا چند کیلوبیت بر ثانیه) دست مییابد.
کدهای تصحیح خطای پیشرو (FEC)، مانند Reed-Solomon و کدهای کانولوشنال، برای بهبود قابلیت اطمینان استفاده میشوند. نرخ داده $R$ برای یک سیستم OCC با شاتر غلتان را میتوان به صورت زیر تقریب زد:
$R = \frac{N_{rows} \cdot f_{frame}}{N_{bits\_per\_row}}$
که در آن $N_{rows}$ تعداد ردیفهای حسگر تصویر، $f_{frame}$ نرخ فریم، و $N_{bits\_per\_row}$ تعداد بیتهای رمزگذاری شده در هر ردیف است.
5. همزمانی و پردازش سیگنال
همگامسازی در OCC برای بازیابی قابل اعتماد دادهها حیاتی است. تکنیکها عبارتند از:
- همگامسازی مبتنی بر فریم: استفاده از دنبالههای شروع و توقف از پیش تعریفشده (مانند یک الگوی منحصربهفرد از پالسهای نوری) برای مشخص کردن آغاز و پایان یک قاب داده.
- بازیابی ساعت: استخراج سیگنال ساعت از جریان دادههای دریافتی با استفاده از حلقههای قفل فاز (PLL) یا الگوریتمهای پردازش سیگنال دیجیتال.
- پردازش تصویر: تکنیکهایی مانند تشخیص ناحیه مورد نظر (ROI)، تشخیص لبه و تشخیص الگو برای مکانیابی فرستنده در میدان دید دوربین و استخراج سیگنال نوری مدولهشده استفاده میشوند.
مراحل پردازش سیگنال شامل: (1) دریافت تصویر، (2) تشخیص و ردیابی LED، (3) استخراج شدت از ROI، (4) دمدولاسیون و (5) رمزگشایی است. نسبت سیگنال به نویز دریافتی (SNR) یک معیار عملکرد کلیدی است که به صورت زیر تعریف میشود:
$SNR = \frac{(R \cdot P_{rx})^2}{\sigma_{shot}^2 + \sigma_{thermal}^2 + \sigma_{ambient}^2}$
که در آن $R$ پاسخدهی حسگر دوربین است و عبارتهای $\sigma^2$ به ترتیب نشاندهنده واریانس نویز شات، نویز حرارتی و نویز نور محیط هستند.
6. مکانیابی و ناوبری مبتنی بر OCC
OCC با استفاده از چراغهای LED به عنوان نقاط مرجع، مکانیابی دقیق داخلی را امکانپذیر میکند. دوربین شناسهها یا موقعیتهای چندین LED را ضبط کرده و موقعیت گیرنده با استفاده از تکنیکهایی مانند موارد زیر تخمین زده میشود:
- زاویه ورود (AoA): تخمین جهت نور ورودی از چندین LED برای مثلثسازی موقعیت.
- قدرت سیگنال دریافتی (RSS): استفاده از توان نوری دریافتی از موقعیتهای شناخته شده LED برای تخمین فاصله از طریق مدل کانال.
- زمان پرواز (ToF): اندازهگیری تأخیر زمانی پالسهای نوری برای محاسبه فاصله (نیازمند دوربینهای پرسرعت).
- روشهای مبتنی بر تصویر: استفاده از هندسه شناخته شده آرایه LED و تصویر آن بر روی حسگر دوربین برای حل موقعیت و جهت (مسئله Perspective-n-Point).
دقت مکانیابی در شرایط ایدهآل میتواند به سطح سانتیمتر (مثلاً ۵-۱۰ سانتیمتر) برسد. سیستمهای ناوبری OCC را با حسگرهای اینرسی (IMU) برای موقعیتیابی یکپارچه در داخل و خارج از ساختمان ادغام میکنند.
7. OCC برای ضبط حرکت و حملونقل هوشمند
OCC برای ضبط حرکت با ردیابی موقعیت چندین نشانگر LED متصل به یک جسم متحرک استفاده میشود. دوربین موقعیت نشانگرها را در طول زمان ثبت کرده و بازسازی سهبعدی حرکت را ممکن میسازد. در سیستمهای حمل و نقل هوشمند (ITS)، OCC ارتباط خودرو-به-خودرو (V2V) و خودرو-به-زیرساخت (V2I) را با استفاده از چراغهای جلوی خودرو و چراغهای راهنمایی به عنوان فرستنده امکانپذیر میکند. کاربردها عبارتند از:
- جلوگیری از برخورد: تبادل اطلاعات سرعت، ترمز و فرمان.
- مدیریت ترافیک: دریافت اطلاعات فاز و زمانبندی سیگنال ترافیک (SPaT).
- حرکت دستهجمعی (Platooning): هماهنگی چندین خودرو برای رانندگی نزدیک به یکدیگر.
نرخ داده در OCC خودرویی میتواند به چندین کیلوبیت بر ثانیه برسد که برای پیامهای حیاتی ایمنی کافی است.
8. چالشها و روندهای آینده
چالشهای کلیدی پیش روی OCC عبارتند از:
- نرخ داده محدود: در مقایسه با VLC مبتنی بر PD (گیگابیت بر ثانیه)، OCC معمولاً تنها به کیلوبیت یا مگابیت بر ثانیه به دلیل محدودیت نرخ فریم دوربین دست مییابد.
- تداخل نور محیط: نور خورشید و سایر منابع نوری میتوانند عملکرد را کاهش دهند.
- تحرک و انتقال: حفظ یک پیوند پایدار هنگامی که فرستنده یا گیرنده در حال حرکت است.
- شکافهای استانداردسازی: فقدان استانداردهای یکپارچه برای پروتکلهای لایه بالاتر و قابلیت همعملیاتی.
- مصرف انرژی: پردازش مداوم تصویر بر روی دستگاههای همراه میتواند انرژیبر باشد.
روندهای آینده شامل موارد زیر است:
- ادغام با هوش مصنوعی: استفاده از یادگیری عمیق برای بهبود تشخیص، ردیابی و دمدولاسیون LED.
- سیستمهای ترکیبی: ترکیب OCC با RF (به عنوان مثال، Wi-Fi، 5G) برای اتصال پایدار و پرسرعت.
- دوربینهای پرسرعت: بهرهگیری از دوربینهای مبتنی بر رویداد و حسگرهای با نرخ فریم بالا برای افزایش نرخ داده.
- OCC زیر آب: گسترش OCC به محیطهای زیر آب برای ارتباط و مکانیابی.
- OCC کوانتومی: بررسی توزیع کلید کوانتومی (QKD) از طریق پیوندهای OCC برای ارتباط امن.
9. تحلیل اصلی
بینش اصلی: این بررسی، OCC را به عنوان پلی عملی و کمهزینه بین دنیای نوری و دیجیتال معرفی میکند، اما ارزش واقعی آن نه در رقابت با VLC یا RF پرسرعت، بلکه در ایجاد ارتباط همهجا حاضر و آگاه از مکان در سناریوهایی است که گیرندههای سنتی (مانند نور محیط بالا، تحرک، محیطهای چند فرستنده) شکست میخورند. قدرت مقاله در پوشش جامع آن از لایه فیزیکی تا کاربردها است، اما فاقد مقایسه کمی انتقادی عملکرد OCC با سایر فناوریهای OWC در شرایط واقعی است.
جریان منطقی: مقاله به طور منطقی از مبانی (معماری، کانال) به تکنیکهای توانمندساز (مدولاسیون، کدگذاری، همگامسازی) و سپس به کاربردها (مکانیابی، ITS، ضبط حرکت) پیش میرود. این ساختار برای یک بررسی مؤثر است، اما انتقال بین بخشها میتوانست روانتر باشد و عمق مطالب به طور قابل توجهی متفاوت است (به عنوان مثال، مدولاسیون با جزئیات است، در حالی که پردازش سیگنال سطحی است).
Strengths & Flaws: قدرت اصلی، طبقهبندی جامع تکنیکها و کاربردهای OCC است که آن را به یک مرجع ارزشمند تبدیل میکند. با این حال، مقاله از فقدان تحلیل انتقادی محدودیتهای عملی رنج میبرد. برای مثال، به اثر شاتر غلتان اشاره میکند اما مبادله بین نرخ داده و نرخ فریم را در شرایط نوری مختلف کمی نمیکند. علاوه بر این، بحث در مورد استانداردسازی (IEEE 802.15.7) مختصر است و به پذیرش کند OCC در محصولات تجاری نمیپردازد. مقاله همچنین چالش قابل توجه مصرف انرژی در گیرندههای OCC سیار را نادیده میگیرد که مانعی حیاتی برای برنامههای مبتنی بر تلفن هوشمند است. همانطور که نویسندگان مقاله CycleGAN (Zhu et al., 2017) اشاره کردهاند، تطبیق دامنه برای استقرار در دنیای واقعی بسیار مهم است و سیستمهای OCC نیز به دادههای آموزشی قوی برای دمودولاسیون مبتنی بر هوش مصنوعی در محیطهای متنوع نیاز دارند.
بینشهای عملی: برای محققان، مقاله بر نیاز به (1) چارچوبهای معیار استاندارد برای مقایسه سیستمهای OCC در شرایط یکسان، (2) الگوریتمهای پردازش سیگنال کممصرف برای پلتفرمهای سیار، و (3) پروتکلهای ترکیبی OCC-RF که از آگاهی مکانی OCC و نرخ داده بالای RF بهره میبرند، تأکید میکند. برای صنعت، امیدوارکنندهترین کاربرد کوتاهمدت، مکانیابی داخلی برای خردهفروشی و لجستیک است، جایی که OCC میتواند راهحلهای موجود Wi-Fi و BLE را با دقت بالاتر (زیر 10 سانتیمتر) با هزینه کم تکمیل کند. بحث مقاله در مورد ITS نیز به موقع است، اما نرخ داده پایین (kbps) آن را به پیامهای ایمنی محدود میکند، نه سرگرمی. کارهای آینده باید بر ادغام OCC با لینک جانبی 5G برای ادراک مشارکتی متمرکز شود.
10. جزئیات فنی و فرمولبندی ریاضی
عملکرد یک سیستم OCC اساساً توسط نرخ فریم دوربین و طرح مدولاسیون محدود میشود. برای یک دوربین با شاتر غلتان، نرخ داده قابل دستیابی $R$ را میتوان به صورت زیر بیان کرد:
$R = \frac{N_{rows} \cdot f_{frame}}{N_{bits\_per\_row}}$
به عنوان مثال، با یک دوربین 1080p (1920x1080 پیکسل) که با 30 فریم در ثانیه کار میکند و 1 بیت در هر ردیف کدگذاری میکند، نرخ داده برابر $1080 \times 30 = 32.4$ کیلوبیت بر ثانیه است. استفاده از مدولاسیون چندسطحی (مثلاً 4-PAM) میتواند این نرخ را به 64.8 کیلوبیت بر ثانیه دو برابر کند. با این حال، نرخ مؤثر با سربار همگامسازی و تصحیح خطا کاهش مییابد.
ظرفیت کانال $C$ برای یک پیوند OCC تحت شرایط محدود به نویز شات به صورت زیر ارائه میشود:
$C = B \cdot \log_2(1 + SNR)$
که در آن $B$ پهنای باند دوربین است (معمولاً توسط نرخ فریم محدود میشود، مثلاً 30 هرتز). این امر ظرفیت بسیار پایینی را به همراه دارد (مثلاً $C \approx 30 \cdot \log_2(1+100) \approx 200$ bps)، به همین دلیل OCC برای کاربردهای با نرخ داده بالا مناسب نیست. با این حال، با استفاده از مالتیپلکسسازی فضایی (MIMO) با چندین LED، ظرفیت میتواند به صورت خطی با تعداد فرستندهها افزایش یابد.
11. نتایج تجربی و نمودارها
این بررسی به چندین مطالعه تجربی اشاره دارد. به عنوان مثال، یک بستر آزمایشی معمولی OCC شامل یک آرایه LED (مثلاً 4×4 LEDهای RGB) و یک دوربین گوشی هوشمند (مثلاً 30 فریم بر ثانیه، 1080p) است. نتایج تجربی نشان میدهد:
- نرخ داده: تا 1 کیلوبیت بر ثانیه با استفاده از OOK با یک LED تکی، و تا 10 کیلوبیت بر ثانیه با استفاده از مدولاسیون شاتر غلتان با یک آرایه 4×4 LED.
- دقت موقعیتیابی: میانگین خطای 5 سانتیمتر در یک اتاق 5 متر در 5 متر با استفاده از 4 لنگر LED و تخمین زاویه ورود (AoA).
- برد خودرویی: تا ۵۰ متر برای ارتباط V2V با استفاده از چراغهای جلوی خودرو با نرخ ۳۰ فریم در ثانیه.
یک نمودار معمولی (که در اینجا نشان داده نشده است) معماری سیستم OCC را نشان میدهد: یک فرستنده LED که توسط یک منبع داده مدوله میشود، یک کانال نوری (شامل نور محیط)، یک گیرنده دوربین با لنز و حسگر تصویر، و یک بلوک پردازش سیگنال که دادههای رمزگشایی شده را خروجی میدهد. نمودار دیگری اثر شاتر غلتان را نشان میدهد: یک سری نوارهای افقی روشن و تیره روی تصویر گرفته شده، که عرض هر نوار مدت زمان بیت را رمزگذاری میکند.
12. نمونه چارچوب تحلیلی
یک سیستم مکانیابی داخلی ساده مبتنی بر OCC را در نظر بگیرید. این چارچوب شامل مراحل زیر است:
- راهاندازی: چهار چراغ LED در موقعیتهای مشخص $(x_i, y_i, z_i)$ برای $i=1,2,3,4$ نصب شده است. هر LED یک شناسه منحصر به فرد را با استفاده از مدولاسیون OOK با نرخ ۱ کیلوبیت بر ثانیه ارسال میکند.
- جمعآوری داده: یک دوربین گوشی هوشمند ویدیویی با نرخ ۳۰ فریم در ثانیه ضبط میکند. الگوریتم پردازش تصویر، چهار LED را در هر فریم شناسایی کرده و شناسهها و مختصات پیکسلی $(u_i, v_i)$ آنها را استخراج میکند.
- تخمین زاویه: با استفاده از پارامترهای ذاتی دوربین (فاصله کانونی $f$، نقطه اصلی $(c_x, c_y)$)، زوایای ورود $\theta_i$ و $\phi_i$ محاسبه میشوند:
$\theta_i = \arctan\left(\frac{u_i - c_x}{f}\right)$، $\phi_i = \arctan\left(\frac{v_i - c_y}{f}\right)$
- تخمین موقعیت: با استفاده از موقعیتهای شناخته شده LEDها و زوایای تخمینزده شده، موقعیت گیرنده $(x_r, y_r, z_r)$ از طریق مثلثسازی (به عنوان مثال، کمینهسازی مربعات خطا) حل میشود.
- خروجی: موقعیت تخمینزده شده با دقت ±۱۰ سانتیمتر بر روی صفحه نمایش گوشی هوشمند نمایش داده میشود.
این چارچوب یکپارچهسازی ارتباط (دریافت شناسه) و حسگری (مکانیابی) را در یک سیستم OCC واحد نشان میدهد.
13. کاربردهای آینده و چشمانداز
OCC آماده است تا در چندین حوزه نوظهور نقش کلیدی ایفا کند:
- خردهفروشی هوشمند: چراغهای LED مجهز به OCC میتوانند اطلاعات محصول و پیشنهادات تبلیغاتی را به تلفنهای هوشمند خریداران ارسال کنند و تجربههای شخصیسازیشده در فروشگاه را فراهم آورند.
- واقعیت افزوده (AR): OCC میتواند لنگرهای فضایی دقیقی برای محتوای AR فراهم کند و اشیاء مجازی را با نشانگرهای LED دنیای واقعی همتراز نماید.
- مراقبتهای بهداشتی: OCC میتواند برای پایش غیرتهاجمی بیماران استفاده شود، بهعنوان مثال، ردیابی حرکت نشانگرهای LED روی بدن بیمار برای توانبخشی.
- رباتیک زیرآبی: OCC یک جایگزین کمهزینه برای ارتباطات صوتی در ارتباطات و مکانیابی کوتاهبرد ربات به ربات زیرآبی ارائه میدهد.
- شهرهای هوشمند: ادغام OCC در چراغهای خیابانی برای ارائه خدمات شبیه Wi-Fi عمومی، مدیریت ترافیک و پایش محیطی.
- ارتباطات فضایی: OCC میتواند برای ارتباطات بین ماهوارهای یا پیوندهای مریخنورد به فرودگر روی ماه یا مریخ استفاده شود، با بهرهگیری از فراگیری دوربینها در مأموریتهای فضایی.
همگرایی OCC با هوش مصنوعی، 5G/6G و محاسبات لبه قابلیتهای جدیدی را باز خواهد کرد و آن را به سنگ بنای شبکههای نوری بیسیم آینده تبدیل میکند.
14. مراجع
- N. Saeed, S. Guo, K.-H. Park, T. Y. Al-Naffouri, and M.-S. Alouini, "Optical Camera Communications: Survey, Use Cases, Challenges, and Future Trends," ارتباطات فیزیکی, جلد 37، 2019.
- J.-Y. Kim, S.-Y. Jung, and K.-D. Kim, "Rolling Shutter Camera Communication Using LED Array," مجله فوتونیک IEEE, جلد 10، شماره 2، 2018.
- P. H. Pathak, X. Feng, P. Hu, and P. Mohapatra, "ارتباطات نوری مرئی، شبکهسازی و حسگری: یک مرور، پتانسیل و چالشها،" IEEE Communications Surveys & Tutorials، جلد ۱۷، شماره ۴، ۲۰۱۵.
- Z. Zhu, T. Park, P. Isola, and A. A. Efros, "ترجمه تصویر به تصویر جفتنشده با استفاده از شبکههای متخاصم سازگار با چرخه،" در Proc. IEEE ICCV، ۲۰۱۷.
- استاندارد IEEE برای شبکههای محلی و شهری–بخش ۱۵.۷: ارتباطات نوری بیسیم برد کوتاه، IEEE Std 802.15.7-2018.
- T. Komine and M. Nakagawa, "تحلیل بنیادی برای سیستم ارتباطات نوری مرئی با استفاده از چراغهای LED،" IEEE Transactions on Consumer Electronics, جلد 50، شماره 1، 2004.
- Y. Goto, I. Takai, T. Yamazato, H. Okada, T. Fujii, S. Kawahito, S. Arai, T. Yendo, and K. Kamakura, "یک سیستم جدید VLC خودرویی با استفاده از سنسور تصویر ارتباطات نوری،" مجله فوتونیک IEEE, جلد 8، شماره 3، 2016.
- M. S. Islim, S. Videv, M. Safari, E. Xie, J. J. D. McKendry, J. Herrnsdorf, E. Gu, M. D. Dawson, and H. Haas, "تأثیر تابش خورشیدی بر ارتباطات نور مرئی،" Journal of Lightwave Technology, جلد 36، شماره 12، 2018.