Este documento propone un sistema de posicionamiento de luz visible vehicular en 2-D (VLP) utilizando farolas existentes y receptores de diversidad. Debido a la disposición lineal de las farolas, las técnicas de posicionamiento tradicionales basadas en la triangulación o algoritmos similares fallan. Por lo tanto, en este trabajo proponemos un receptor de diversidad espacial y angular con técnicas de aprendizaje automático (ML) para VLP. Se muestra que una red neuronal de múltiples capas (NN) con el esquema de receptor propuesto supera a otros algoritmos de ML y puede ofrecer una alta precisión con un error cuadrático medio (RMS) de m y m durante el día y la noche, respectivamente. Además, la NN muestra robustez en VLP en diferentes condiciones climáticas y escenarios viales. Los resultados muestran que solo la niebla densa deteriora el rendimiento del sistema debido a la visibilidad reducida a lo largo de la carretera.