
Prognose der Verkehrslage in der Region Hannover
Die primäre Anforderung der Verkehrsteilnehmer im Bereich des Straßenverkehrs ist die Kenntnis der aktuellen Verkehrslage. Diese basiert in der Regel auf der wirklich benötigten Reisezeit von sehr vielen Verkehrsteilnehmern, deren Daten häufig im Kontext von Routingdiensten abgegriffen werden.
Im Rahmen von Data4UrbanMobility wurden Werkzeuge entwickelt um eine ganglineinbasierte Prognose der Verkehrslage zu ermöglichen. Die folgende Abbildung zeigt eine Oberfläche auf der typische Ganglinienverläufe und Ausreißer visualisiert werden.
Die Prognose der Verkehrslage kann dann mittels einer Karte für den Endnutzer visualisert werden:
Erste Version der MIC-App bereitgestellt
Eine erste Version der MIC-App (Move in the City) konnte allen Partnerinnen und Partnern des Projekts und einer geschützten Nutzer*innengruppe der Öffentlichkeit zur Verfügung gestellt werden. Die mobile App MiC ist ein Instrument zur Datenerhebung.
Dabei verknüpft MiC – eine Entwicklung des Institute for Sustainable Urbanism ISU der TU Braunschweig und Projektionisten GmbH Hannover – das wachsende Bewusstsein und die Notwendigkeit für digitale Bürger*innenrechte mit den Potentialen mittels der Auswertung großer Datenmengen neue Formen der menschzentrierten Entwicklung von Stadt und Mobilität zu ermöglichen stellt eine Möglichkeit dar, sich aktiv als Bürgerwissenschaftlerin und Bürgerwissenschaftler an der Forschung und Entwicklung der Mobilität für alle in der Stadt der Zukunft zu beteiligen.
MiC erhebt – durch die Nutzerinnen und Nutzer gesteuert – Daten zu Strecken und Art der Fortbewegung. Diese Daten werden pseudonymisiert, so dass ein Rückschluss auf die jeweilige Person nicht mehr möglich ist. Wichtig ist die Vielzahl der Nutzerinnen und Nutzer – nicht die einzelne Bewegung. Die Stadt der Zukunft zeichnet sich aus durch den barrierearmen Zugang zu Mobilität und Erreichbarkeit für alle. Der holistische Ansatz der Forscherinnen und Forscher des Institute for Sustainable Urbanism ISU (TU Braunschweig) sowie der Projektbeteiligten betrachtet Stadt dabei auf verschiedenen Maßstabsebenen und bringt intelligente Planungen – wie z.B. die 5-Minuten Stadt –, Städtebau und innovative Technologien zusammen. Für ein umfassendes Verständnis individueller Mobilität und darauf aufbauende neue Methoden und Werkzeuge für integrierte Verkehrs- und Stadtplanung werden mittels der MiC-App uns umfangreiche und detaillierte Daten darüber geliefert, wie und auf welchem Wege wir uns in der Stadt fortbewegen.
Entwicklungsstand:
In der ersten Version ermöglicht das Stadtforschungstool MiC den Nutzer*innen durch eine einfach Handhabung das Starten und Beenden der „Tracking-Time“ (Bild 1). Wichtig ist, die Nutzer*innen entscheidet selber über den Zeitraum. Als erstes Ergebnis für die Nutzer*innen steht eine Zusammenfassung ihrer bisher aufgezeichneten Routen (Bild2). In den Einstellung (Bild 3) kann der Nutzer sich aktiv an Feedback beteiligen (Bild 4) sowie seinen Account und somit seiner zur Verfügung gestellten Daten löschen (Bild 5).
von links nach recht: Bild1-5 MIC App Interface – Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
Die aktuelle Weiterentwicklung sieht eine Visualisierung der Routen für den jeweiligen Nutzer vor.
Um Teil der Testgruppe zu werden ist zur Zeit noch eine Anmeldung unter: www.mic-app.org notwendig. Die Anwendung ist nicht frei im App Store / GooglePlay Store zu erhalten.
Auf der Internetseite www.mic-app.org wird zusätzlich detailliert auf häufige Fragen (FAQ) zur Anwendung sowie über Entwicklungen und Neuheiten informiert
D4UM Plattform und Dashboard V2
Die neue Version der Plattform inklusive des Dashboards gibt noch detailliertere Auskünfte über die Verkehrssituation
Die farblich unterschiedlichen Label lassen eine schnelle Unterscheidung zwischen den verschiedenen Event typen zu. Durch das klicken auf eines der Events wird der typically affected subgraph angezeigt für diesen Eventtyp.
Beispiele: Visualisierungen eines Konzerts und eines Fußballspiels
Zusätzlich gibt der Graph in der oberen rechten Ecke Auskunft über die Verkehrssituation vor und nach dem Eventstart.
{API}
Es wurden die API Endpunkte mit zusätzlichen Information erweitert.
Diese werden mittels der als Teil der Forschung entwickelten Modellen erstellt.
Erste Version der D4UM-App bereitgestellt
Eine erste Version der D4UM-App konnte allen Partnern des Projekts zur Verfügung gestellt werden. Die App stellt eine Möglichkeit dar, sich Fahrtauskünfte mit dem öffentlichen Personennahverkehr in Niedersachsen und Bremen (Datengrundlage: EFA – elektronische Fahrplanauskunft für Niedersachsen und Bremen) ausgeben zu lassen. Im Fokus stand hierbei, dass der Nutzer schnell und einfach an die für ihn wichtigen Informationen gelangen kann, um so seine Reise möglichst simpel planen zu können.
Folgende Funktionen dienen dabei in der ersten Version der schnellen Auskunft:
Abfahrten und Verbindungen
Über die Funktion Abfahrten lassen sich Abfahrtszeiten an einer bestimmten oder an nahegelegenen Haltestellen ermitteln. Unter Verbindungen können hingegen Fahrtvorschläge von einem Startpunkt (Adresse oder Haltestelle) zu einem Zielpunkt gesucht werden. Zeiten stehen dabei auch in Echtzeit zur Verfügung, sodass auch Verspätungen direkt von dem Nutzer erkannt werden können.
Karte
Über die Karte sind alle Haltestellen zu finden, sodass sich der Nutzer einen Überblick über die nähere Umgebung oder auch den Weg zur Haltestelle oder einem Ziel verschaffen kann.
Wird auf der Karte auf ein Haltestellensymbol oder den zugehörigen Haltestellennamen geklickt, öffnet sich der Abfahrtsmonitor zu dieser Haltestelle. Die nächsten Abfahrten können somit auch über diesen Weg aufgerufen werden.
Darüber hinaus kann sich der Nutzer auch den Verlauf seiner Fahrt anzeigen lassen.
Menü/Einstellungen
Weitere Funktionen und Einstellungen finden sich ergänzend im Menü der App.
Der Nutzer bekommt hier zum einen die Möglichkeit, dass erweiterte Einstellungen zu den Suchanfragen bei Verbindungen oder Abfahrten vorgenommen werden können, und zum anderen, dass er weitere Features verwenden kann. Darunter befindet sich zum Beispiel das Feedbackformular. Hierüber kann unkompliziert Kontakt mit den Entwicklern der D4UM-App per Mail aufgenommen werden. Icons ermöglichen es, dass ein Eindruck zu der App übermittelt werden kann. Ein weiteres Feld für Freitext bietet zudem Platz für individuelle Kritik und einer Meinung zu der App. So kann in Zukunft kundennah an der App weiterentwickelt und einfach auf Wünsche und Meinungen reagiert werden.
Quantifizierungen und Vorhersage von Auswirkungen von Veranstaltungen
Neue Data4UrbanMobility-Forschungsergebnisse ermöglichen es, die räumlichen Auswirkungen von Veranstaltungen zu quantifizieren und vorherzusagen. Dazu werden zusammenhängende, betroffene Straßenabschnitte in der Nähe von Veranstaltungen identifiziert. Auf dieser Grundlage kann dann die räumliche Auswirkung quantifiziert werden. Das Verfahren ist in der folgenden Grafik dargestellt.
(Karte von https://www.openstreetmap.org)
Hier in Gelb markiert ist eine Veranstaltung, in Rot betroffene Straßenabschnitte und in Dunkelblau die gemessene Auswirkung. Weiterhin wurden Verfahren des Maschinellen Lernens angewandt, um diese Auswirkungen zu prognostizieren. Dabei konnte der Fehler gegenüber bestehenden state-of-the-art Ansätzen um bis zu 40% verringert werden.
D4UM – Plattform V1 fertiggestellt
Die erste Version der Data4UrbanMobility Plattform wurde fertiggestellt. Dazu wurde zunächst eine 3-Schichten Architektur der Plattform konzipiert und implementiert. Die Plattform bietet RESTfull Webservices für Mobilitätsapplikationen wie Dashboard-Anwendungen oder Apps an. Als erste Beispielanwendung wurde dazu eine interaktive Karte entwickelt, die die Auswirkungen von Veranstaltungen visualisiert. Ein Ausschnitt aus der Anwendung ist im folgenden Screenshot zu sehen.
Zu sehen sind 4 Veranstaltungen in Hannover. Die Farben entsprechen dabei unterschiedlichen Veranstaltungsarten (etwa Konzerte, Messen, Fußballspiele). Die Kreise visualisieren die räumlichen Auswirkungen, die diese Veranstaltungen auf den Verkehr hatten.
Umfangreicher Anforderungskatalog
Die Data4UrbanMobility Anforderungsanalyse umfasst die Erfassung der Anforderungen der Anwendungspartner Region Hannover (RH) und Wolfsburg AG (WAG), sowie der nicht-funktionalen Anforderungen. Aus den Anforderungen der AnwendungspartnerInnen (RH und WAG), die von MOMA erhoben wurden, sind von L3S Forschungsfragen für die Datenanalyse abgeleitet worden, die sich speziell auf die Informationsbedürfnisse der AnwenderInnen beziehen und im weiteren Projektverlauf adressiert werden.
Die aktuelle Forschungsfragen adressieren insbesondere:
- Automatische Verifikation von Verkehrswarnmeldungen und Prognose von deren Auswirkungen.
- Identifikation von Veranstaltungen und Prognose verkehrsrelevanter Auswirkungen.
- Korrelation von IV-Reiseflussdaten, EFA-Querylogs, Warnmeldungen und Twitterfeeds.
- Bestimmung von optimalen Reisezeitpunkte.
Wachsende Datensammlung
Das ISU hat einen umfassende Datenmatrix mit potentiellen Quellen für mobilitätsrelevante Daten erstellt. Das von L3S entwickelte Data4UrbanMobility Datenmodell beschreibt alle projektrelevanten Daten und setzt diese in Verbindung um die Daten sowohl für die Analyse als auch für die Anwendungen und Apps einheitlich zur Verfügung zu stellen. Die ausgewählten Datenquellen sind von L3S in das Data4UrbanMobility Datenmodell überführt. Einige der Datenquellen wie EFA-logs, und IV-Daten sind dabei auf deren Qualität geprüft worden.
Um die Datenintegration zu ermöglichen sind Werkzeuge zur Extraktion der relevanten Daten aus Mobilitätsrelevanten Datenquellen entwickelt worden:
- Straßen- und Graphextraktion aus OpenStreetMap
- EFA-Anfragen Bulkloader für die Extraktion der ÖPNV Anfragen aus EFA Logs
- Integration von Daten aus dem Zentralen Haltestellen Verzeichnis (ZHV) inklusive Verknüpfung der Daten mit den EFA-Anfragen
Die aktuelle Datensammlung (Stand: 12 Dezember 2017) umfasst:
EFA-Logs: 17 Mio. Suchanfragen
IV-Daten: 174 Tsd. Straßen, alle 15 Minuten
GTFS-Daten: 90 Tsd. Haltestellen, 2,6 Tsd. Routen
Wetter: Radolan Regenraster
Twitter: 2,5 Mio. Tweets ab Juni 2017
OSM: 440 Tsd. Straßen
Events: 21 Tsd. Veranstaltungen (14.08.2016-17.07.2018)
Warnmeldungen: 13 Tsd. Warnmeldungen (ab 06.2017)
Visualisierungen der ÖPNV Informationen
Zur intuitiven Analyse von mobilitätsrelevanten Informationen, insbesondere von ÖPNV Informationen, wurde von den PROJEKTIONISTEN (PROJ) eine Dashboard-Webapplikation konzipiert. Erste Prototypen visualisieren Anfragen an das regionale Fahrplanauskunftsystem EFA (www.efa.de) und dienen als Ausgangsbasis für explorative Analysen und die Implementierung der produktiven Version des Dashboards. Im Folgenden ist eine im Dashboard integrierte Visualisierung der häufigsten Start- und Ziel-punkte zu sehen.
Analysen der EFA-Logs
Als erste Forschungsfrage wird aktuell die Analyse der Auswirkungen der Veranstaltungen auf dem ÖPNV mit Methoden des Maschinellen Lernens analysiert. Hierzu wurden in explorativen Datenanalysen der Einfluss von großen Veranstaltungen wie z.B. Fussballspielen und mittelgroßen Veranstaltungen, etwa Konzerte, auf Anfragen an den ÖPNV betrachtet. Als Grundlage für umfassende Analysen wurden mit Hilfe visueller Methoden exemplarisch Korrelation zwischen ÖPNV-Nachfrage und Veranstaltungszeiträumen detektiert.
Dabei zeichnen sich z.B. für Hannovers Innenstadt klare, sternförmige Muster ab, die zentrale Mobilitätsknoten identifizieren.
Das Bild stellt die Luftlinie zwischen Start- und Ziel-Ort der Anfragen dar. Dabei entsprechen dunklere Farben häufigeren Strecken. Hier werden deutlich Hannover Hauptbahnhof und Hannover Kröpcke (die zentrale U-Bahn Station) als Mobilitätsknoten identifiziert.
Analysen der Nachfrage für einzelne Stationen lassen wochentagspezifische Muster erkennen.
Hier dargestellt sind die durchschnittliche Anzahl der Anfragen mit der Ziel-Haltestelle “Hannover Stadionbrücke”. Zu erkennen sind vor allem Unterschiede zwischen Werktagen und dem Wochenende.
Auch der Einfluss von Veranstaltungen kann mit Hilfe der Anfragen visualisiert werden:
Dargestellt sind die Anzahl der Anfragen mit Ziel “Hannover Stadionbrücke” für Mittwoch, den 26.04.2017 (Orange) sowie die durchschnittlichen Anzahl von Anfragen, die mittwochs mit gleichem Ziel gestellt wird (Blau).
An diesem Tag fand in einer nahe gelegenen Konzerthalle ein Konzert statt, das um 20 Uhr begann. Die signifikante Abweichung zwischen 17 und 19 Uhr wurde sehr wahrscheinlich von den anreisenden Gästen verursacht wurde. Dies illustriert, dass Anfragen an den ÖPNV eine wertvolle Informationsquelle sein können, um Prognosen über die Auswirkung von Veranstaltungen auf Mobilität zu erstellen.
- Fostering Pre-service Teachers’ Media Education Competence: A Pedagogical Concept for Initial Teacher Education. Hahn, Jannis; Tiede, Jennifer; Grafe, Silke (2025).
- Auto-Regressive Moving Diffusion Models for Time Series Forecasting. Gao, Jiaxin; Cao, Qinglong; Chen, Yuntian (2025). 39(16) 16727–16735.
- MEGA-Bench: Scaling Multimodal Evaluation to over 500 Real-World Tasks. Chen, Jiacheng; Liang, Tianhao; Siu, Sherman; Wang, Zhengqing; Wang, Kai; Wang, Yubo; Ni, Yuansheng; Jiang, Ziyan; Zhu, Wang; Lyu, Bohan; Jiang, Dongfu; He, Xuan; Liu, Yuan; Hu, Hexiang; Yue, Xiang; Chen, Wenhu (2025).
- Gap Preserving Distillation by Building Bidirectional Mappings with A Dynamic Teacher. Guo, Yong; Zhang, Shulian; Pan, Haolin; Liu, Jing; Zhang, Yulun; Chen, Jian (2025).
- Diffusion Feedback Helps CLIP See Better. Wang, Wenxuan; Sun, Quan; Zhang, Fan; Tang, Yepeng; Liu, Jing; Wang, Xinlong (2025).
- An Optimal Discriminator Weighted Imitation Perspective for Reinforcement Learning. Xu, Haoran; Li, Shuozhe; Sikchi, Harshit; Niekum, Scott; Zhang, Amy (2025).
- A Graph-Based Laser Path Solver Algorithm for Virtual Reality Laboratory Simulations. Müller, Andreas; Mueller, Stefan; Brixner, Tobias; von Mammen, Sebastian (2025).
- femtoPro: Teaching and Training of Ultrafast Optics in Virtual Reality. Müller, S.; Müller, A.; Truman, S.; Buhl, T.; von Mammen, S.; Brixner, T. (2025). 1–4.
- femtoPro: Real-time linear and nonlinear optics simulations. Brixner, Tobias; Mueller, Stefan; Müller, Andreas; von Mammen, Sebastian (2025).
- Assessing Sequential Databases for Spontaneous and Posed Facial Expression Recognition. Gebele, Jens; Brune, Philipp; Schwab, Frank; von Mammen, Sebastian (2025). 546–555.
- Assessing Sequential Databases for Spontaneous and Posed Facial Expression Recognition. Gebele, Jens; Brune, Philipp; Schwab, Frank; von Mammen, Sebastian (2025). 546–555.
- Longitudinal associations between melancholic depression and executive function in adult patients with major depressive disorder: a 12-month follow-up study. Navarra-Ventura, Guillem; Riera-Serra, Pau; Castro, Adoración; Montaño, Juan José; Roca, Miquel; Gili, Margalida (2025). 351 116636–116636.
- ShortcutsBench: A Large-Scale Real-world Benchmark for API-based Agents. Shen, Haiyang; Li, Yue; Meng, Desong; Cai, Dongqi; Qi, Sheng; Zhang, Li; Xu, Mengwei; Ma, Yun (2025).
- ZeroDiff: Solidified Visual-semantic Correlation in Zero-Shot Learning. Ye, Zihan; Gowda, Shreyank N.; Chen, Shiming; Huang, Xiaowei; Xu, Haotian; Khan, Fahad Shahbaz; Jin, Yaochu; Huang, Kaizhu; Jin, Xiaobo (2025).
- CamLopa: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis. Zhang, Xiang; Zhang, Jie; Ma, Zehua; Huang, Jinyang; Li, Meng; Yan, Huan; Zhao, Peng; Zhang, Zijian; Liu, Bin; Guo, Qing; Zhang, Tianwei; Yu, Nenghai M. Blanton, W. Enck, C. Nita-Rotaru (eds.) (2025). 3653–3671.
- Analyzing the impact of bounded degree constraints on computational complexity of argumentation frameworks. Elaroussi, Mohammed (2025). 16(1) 108–129.
- Continent-wide differentiation of fitness traits and patterns of climate adaptation among European populations of Drosophila melanogaster. Durmaz Mitchell, Esra; Kerdaffrec, Envel; Harney, Ewan; Paulo, Tânia F; Veselinovic, Marija Savic; Tanaskovic, Marija; Tyukmaeva, Venera; de Arcaya, Teresa Abaurrea Fernandez; Aksoy, Cansu; Argyridou, Eliza; Bailly, Tiphaine P M; Can, Dogus; Cobanoglu, Ezgi; Cook, Nicola; Coşkun, Seda; Davidovic, Slobodan; Demir, Ekin; Dias, Tânia; Rasouli-Dogaheh, Somayeh; Duque, Pedro; Eric, Katarina; Eric, Pavle; Erickson, Priscilla; Filipovski, Filip; Fishman, Bettina; Glaser-Schmitt, Amanda; Goldfischer, August; Green, Llewellyn; Janillon, Sonia; Jelic, Mihailo; Kostic, Hristina; Kreiman, Lucas E; Kremer, Natacha; Lyrakis, Manolis; Maistrenko, Oleksandr M; Marti, Sapho-Lou; McGunnigle, Megan; Merenciano, Miriam; Mira, Mário S; Montbel, Vincent; Mouton, Laurence; Mukha, Dmitry V; Murali, Siddharth; Patenkovic, Aleksandra; Protsenko, Oleksandra; Putero, Florencia A; Reis, Micael; Roshina, Natalia V; Rybina, Olga Y; Schou, Mads F; Schowing, Thibault; Senkal, Senel Selin; Serga, Svitlana; Trieu, Virginie; Symonenko, Alexander V; Trostnikov, Mikhail V; Tsybul’ko, Evgenia A; van den Heuvel, Joost; van Waarde, David; Veselkina, Ekaterina R; Vieira, Cristina P; Wang, Xiaocui; Zandveld, Jelle; Abbott, Jessica; Billeter, Jean-Christophe; Colinet, Hervé; Ebrahimi, Mehregan; Gibert, Patricia; Hrcek, Jan; Kankare, Maaria; Kozeretska, Iryna; Loeschcke, Volker; Mensch, Julián; Onder, Banu Sebnem; Parsch, John; Pasyukova, Elena G; Stamenkovic-Radak, Marina; Tauber, Eran; Vieira, Cristina; Wegener, Christian; Hoedjes, Katja M; Zwaan, Bas J; Betancourt, Andrea J; Fricke, Claudia; Grath, Sonja; Posnien, Nico; Vieira, Jorge; Kapun, Martin; Schlötterer, Christian; Schmidt, Paul; Sucena, Élio; González, Josefa; Bergland, Alan; Ritchie, Michael G; Flatt, Thomas (2025). qraf014.
- DRAMPower 5: An Open-Source Power Simulator for Current Generation DRAM Standards. Steiner, Lukas; Psota, Thomas; Mörz, Marco; Christ, Derek; Jung, Matthias; Norbert, Wehn in RAPIDO ’25 (2025). 8–16.
- DRAMPower 5: An Open-Source Power Simulator for Current Generation DRAM Standards. Steiner, Lukas; Psota, Thomas; Mörz, Marco; Christ, Derek; Jung, Matthias; Norbert, Wehn in RAPIDO ’25 (2025). 8–16.
- Meshless Shape Optimization Using Neural Networks and Partial Differential Equations on Graphs. Martinet, Eloi; Bungert, Leon (2025). 285–297.
- Digital Futures between Domination and Participation Schulz, Markus S.; da Costa, Isabel in Studies in media and communications (2025). Emerald, Leeds.
- Comment on "Discovery and Preliminary Characterization of a Third Interstellar Object: 3I/ATLAS" [arXiv:2507.02757]. Loeb, Abraham (2025).
- m(6)A in the coding sequence: linking deposition, translation, and decay. Ćorović, Miona; Hoch-Kraft, Peter; Zhou, You; Hallstein, Sarah; König, Julian; Zarnack, Kathi (2025). S0168–9525(25)00132.
- From a Different Star: 3I/ATLAS in the context of the =Otautahi-Oxford interstellar object population model. Hopkins, Matthew J.; Dorsey, Rosemary C.; Forbes, John C.; Bannister, Michele T.; Lintott, Chris J.; Leicester, Brayden (2025).
- Teaching Study on "Algorithm Design and Analysis": Innovation Teaching Method Reform Based on Practice. Wang, Lei; Chen, Tao; Li, Zhijun in Lecture Notes in Computer Science, Y. Chen, X. Gao, X. Sun, A. Zhang (eds.) (2024). (Vol. 15163) 76–81.
- Adversarial Attacks on Parts of Speech: An Empirical Study in Text-to-Image Generation. Shahariar, G. M.; Chen, Jia; Li, Jiachen; Dong, Yue Y. Al-Onaizan, M. Bansal, Y.-N. Chen (eds.) (2024). 12874–12890.
- Position: What Can Large Language Models Tell Us about Time Series Analysis. Jin, Ming; Zhang, Yifan; Chen, Wei; Zhang, Kexin; Liang, Yuxuan; Yang, Bin; Wang, Jindong; Pan, Shirui; Wen, Qingsong (2024).
- Rotated Orthographic Projection for Self-supervised 3D Human Pose Estimation. Yao, Yao; Pan, Yixuan; Shi, Wenjun; Zhu, Dongchen; Wang, Lei; Li, Jiamao in Lecture Notes in Computer Science, A. Leonardis, E. Ricci, S. Roth, O. Russakovsky, T. Sattler, G. Varol (eds.) (2024). (Vol. 15127) 422–439.
- BCNet: Binocular Cooperative Network for Gaze Estimation. Zhu, Dongchen; Lin, Minjing; Che, Hekuangyi; Shi, Wenjun; Zhang, Guanghui; Li, Hang; Wang, Lei; Li, Jiamao in Lecture Notes in Computer Science, A. Antonacopoulos, S. Chaudhuri, R. Chellappa, C.-L. Liu, S. Bhattacharya, U. Pal (eds.) (2024). (Vol. 15328) 415–430.
- IPHGaze: Image Pyramid Gaze Estimation with Head Pose Guidance. Che, Hekuangyi; Zhu, Dongchen; Shi, Wenjun; Zhang, Guanghui; Li, Hang; Wang, Lei; Li, Jiamao in Lecture Notes in Computer Science, A. Antonacopoulos, S. Chaudhuri, R. Chellappa, C.-L. Liu, S. Bhattacharya, U. Pal (eds.) (2024). (Vol. 15328) 399–414.
- MemoFlow: Modifying Explicit Motion of Inconsistency in Optical Flow. Wang, Mengfei; Shi, Wenjun; Zhu, Dongchen; Wang, Lei; Li, Jiamao in Lecture Notes in Computer Science, A. Antonacopoulos, S. Chaudhuri, R. Chellappa, C.-L. Liu, S. Bhattacharya, U. Pal (eds.) (2024). (Vol. 15330) 219–234.
- Parrot: Efficient Serving of LLM-based Applications with Semantic Variable. Lin, Chaofan; Han, Zhenhua; Zhang, Chengruidong; Yang, Yuqing; Yang, Fan; Chen, Chen; Qiu, Lili A. Gavrilovska, D. B. Terry (eds.) (2024). 929–945.
- The Aesthetic Influences of War: A Phenomenology of Tim Hetherington’s ‘Feedback Loop’. Gilks, Mark (2024). 17(1) 7–27.
- Retrogressive Document Manipulation of US Federal Environmental Websites. Frew, Lesley; Nelson, Michael L.; Weigle, Michele C. E. Serra, F. Spezzano (eds.) (2024). 3762–3766.
- A comparative study of the blue comets C/1908 R1 (Morehouse) and C/2016 R2 (Pan-STARRS). Anderson, S.E.; Rousselot, P.; Jehin, E.; Noyelles, B.; Manfroid, J.; Hardy, P.; Robert, V. (2024).
- Non-autoregressive conditional diffusion models for time series prediction. Shen, Lifeng; Kwok, James T. in ICML’23 (2023).
- Right HTML, Wrong JSON: Challenges in Replaying Archived Webpages Built with Client-Side Rendering. Weigle, Michele C.; Nelson, Michael L.; Alam, Sawood; Graham, Mark (2023). 82–92.
- Making Changes in Webpages Discoverable: A Change-Text Search Interface for Web Archives. Frew, Lesley; Nelson, Michael L.; Weigle, Michele C. (2023). 71–81.
- The Memento Tracer Toolset for Human-Guided Focused Crawling of Dynamic Web. Balakireva, Lyudmila; Escamilla, Emily; Cooper, Talya; Nelson, Michael L.; Weigle, Michele C. (2023). 265–266.
- Generative Table Pre-training Empowers Models for Tabular Prediction. Zhang, Tianping; Wang, Shaowen; Yan, Shuicheng; Jian, Li; Liu, Qian H. Bouamor, J. Pino, K. Bali (eds.) (2023). 14836–14854.
- TrendMachine: A Temporal Webpage Resilience Portal. Alam, Sawood; Garg, Kritika; Weigle, Michele C.; Nelson, Michael L.; Graham, Mark; Ayala, Dietrich (2023). 93–97.
- EffiSyn: Efficient Logic Synthesis with Dynamic Scoring and Pruning. Li, Xing; Chen, Lei; Zhang, Jiantang; Wen, Shuang; Sheng, Weihua; Huang, Yu; Yuan, Mingxuan (2023). 1–9.
- STAIR: Learning Sparse Text and Image Representation in Grounded Tokens. Chen, Chen; Zhang, Bowen; Cao, Liangliang; Shen, Jiguang; Gunter, Tom; Jose, Albin Madappally; Toshev, Alexander; Zheng, Yantao; Shlens, Jonathon; Pang, Ruoming; Yang, Yinfei H. Bouamor, J. Pino, K. Bali (eds.) (2023). 15079–15094.
- Less than 4% of Archived Instagram Account Pages for the Disinformation Dozen are Replayable. Bragg, Haley; Jayanetti, Himarsha R.; Nelson, Michael L.; Weigle, Michele C. (2023). 102–106.
- KBioXLM: A Knowledge-anchored Biomedical Multilingual Pretrained Language Model. Geng, Lei; Yan, Xu; Cao, Ziqiang; Li, Juntao; Li, Wenjie; Li, Sujian; Zhou, Xinjie; Yang, Yang; Zhang, Jun H. Bouamor, J. Pino, K. Bali (eds.) (2023). 11239–11250.
- TrackFormer: Multi-Object Tracking with Transformers. Meinhardt, Tim; Kirillov, Alexander; Leal-Taixé, Laura; Feichtenhofer, Christoph (2022). 8834–8844.
- Crowd Behavior Intervention Based on Emotional Contagion. Li, Guodong; Wang, Lei; Wu, Minzhong (2022). 1–6.
- Size and albedo of the largest detected Oort-cloud object: comet C/2014 UN 271 (Bernardinelli-Bernstein). Lellouch, E.; Moreno, R.; Bockelée-Morvan, D.; Biver, N.; Santos-Sanz, P. (2022).
- Research on Pedestrian Interaction Based on AgentNet. Li, Kang; Li, Zining; Wang, Lei (2022). 142–147.
- Emotion-Based Crowd Model Evaluation Method Based on Features Distribution Distance. Huang, Zhi; Li, Lei; Wang, Lei (2022). 231–236.
- Memento validator: a toolset for memento compliance testing. Mahanama, Bhanuka; Balakireva, Lyudmila; Jayarathna, Sampath; Nelson, Michael L.; Klein, Martin A. Aizawa, T. Mandl, Z. Carevic, A. Hinze, P. Mayr, P. Schaer (eds.) (2022). 43.
- D-lib magazine pioneered web-based scholarly communication. Nelson, Michael L.; de Sompel, Herbert Van A. Aizawa, T. Mandl, Z. Carevic, A. Hinze, P. Mayr, P. Schaer (eds.) (2022). 2.
- Crowd Emotion Recognition Based on Causal Spatiotemporal Structure. Wu, Minzhong; Wang, Lei; Li, Guodong (2022). 368–374.
- Hypercane: Intelligent Sampling for Web Archive Collections. Jones, Shawn M.; Weigle, Michele C.; Klein, Martin; Nelson, Michael L. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 316–317.
- Profiling Web Archival Voids for Memento Routing. Alam, Sawood; Weigle, Michele C.; Nelson, Michael L. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 150–159.
- It’s All About The Cards: Sharing on Social Media Encouraged HTML Metadata Growth. Jones, Shawn M.; Neblitt-Jones, Valentina; Weigle, Michele C.; Klein, Martin; Nelson, Michael L. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 110–119.
- Replaying Archived Twitter: When your bird is broken, will it bring you down?. Garg, Kritika; Jayanetti, Himarsha R.; Alam, Sawood; Weigle, Michele C.; Nelson, Michael L. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 160–169.
- Garbage, Glitter, or Gold: Assigning Multi-Dimensional Quality Scores to Social Media Seeds for Web Archive Collections. Nwala, Alexander C.; Weigle, Michele C.; Nelson, Michael L. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 80–89.
- What Did It Look Like: A service for creating website timelapses using the Memento framework. Patel, Dhruv; Weigle, Michele C.; Nelson, Michael L.; Nwala, Alexander C. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 340–341.
- Narrating Being through Phenomena: The Phenomenological and Sociological Insights of Harry Parker’s Anatomy of a Soldier. Gilks, Mark (2021). 35(5) 490–501.
- Extending Chromium: Memento-Aware Browser. Mabe, Abigail; Nelson, Michael L.; Weigle, Michele C. J. S. Downie, D. McKay, H. Suleman, D. M. Nichols, F. Poursardar (eds.) (2021). 310–311.
- End-to-End Object Detection with Transformers. Carion, Nicolas; Massa, Francisco; Synnaeve, Gabriel; Usunier, Nicolas; Kirillov, Alexander; Zagoruyko, Sergey (2020). 213–229.
- Social Cards Probably Provide For Better Understanding Of Web Archive Collections. Jones, Shawn M.; Weigle, Michele C.; Nelson, Michael L. W. Zhu, D. Tao, X. Cheng, P. Cui, E. A. Rundensteiner, D. Carmel, Q. He, J. X. Yu (eds.) (2019). 2023–2032.
- Automatic Exploit Generation for Buffer Overflow Vulnerabilities. Xu, Luhang; Jia, Weixi; Dong, Wei; Li, Yongjun (2018). 463–468.
- Transaction-aware SSD Cache Allocation for the Virtualization Environment. Tang, Zhen; Wu, Heng; Sun, Lei; Ren, Zhongshan; Wang, Wei; Zhou, Wei; Yang, Liang (2018). 174–179.
- Investigation on the amplitude coupling effect of random telegraph noise (RTN) in nanoscale FinFETs. Guo, Shaofeng; Lin, Zhenghan; Wang, Runsheng; Zhang, Zexuan; Zhang, Zhe; Wang, Yangyuan; Huang, Ru (2018). 6–1.
- Interstellar Interlopers: Number Density and Origin of ‘Oumuamua-like Objects. Do, Aaron; Tucker, Michael A.; Tonry, John (2018). 855(1) L10.
- Scraping SERPs for Archival Seeds: It Matters When You Start. Nwala, Alexander C.; Weigle, Michele C.; Nelson, Michael L. J. Chen, M. A. Gonçalves, J. M. Allen, E. A. Fox, M.-Y. Kan, V. Petras (eds.) (2018). 263–272.
- Unobtrusive and Extensible Archival Replay Banners Using Custom Elements. Alam, Sawood; Kelly, Mat; Weigle, Michele C.; Nelson, Michael L. J. Chen, M. A. Gonçalves, J. M. Allen, E. A. Fox, M.-Y. Kan, V. Petras (eds.) (2018). 319–320.
- CILI: the Collaborative Interlingual Index. Bond, Francis; Vossen, Piek; McCrae, John P.; Fellbaum, Christiane C. Fellbaum, P. Vossen, V. B. Mititelu, C. Forascu (eds.) (2016). 50–57.
- Defect trigger model: Analysis method of mobile application defect. Lei, Dian; Liu, Yang; Li, Chengze; Gu, Jieming; Li, Qi (2016). 72–76.
- Thumbnail Summarization Techniques for Web Archives. Alsum, Ahmed; Nelson, Michael L. in Lecture Notes in Computer Science, M. de Rijke, T. Kenter, A. P. de Vries, C. Zhai, F. de Jong, K. Radinsky, K. Hofmann (eds.) (2014). (Vol. 8416) 299–310.
- Effects of peer feedback on contribution: a field experiment in Wikipedia. Zhu, Haiyi; Zhang, Amy; He, Jiping; Kraut, Robert E.; Kittur, Aniket W. E. Mackay, S. A. Brewster, S. Bødker (eds.) (2013). 2253–2262.
- Correlation of Term Count and Document Frequency for Google N-Grams. Klein, Martin; Nelson, Michael L. in Lecture Notes in Computer Science, M. Boughanem, C. Berrut, J. Mothe, C. Soulé-Dupuy (eds.) (2009). (Vol. 5478) 620–627.
- Correlation of music charts and search engine rankings. Klein, Martin; Hunsicker, Olena; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 415–416.
- Inter-search engine lexical signature performance. Klein, Martin; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 413–414.
- A framework for describing web repositories. McCown, Frank; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 341–344.
- Unsupervised creation of small world networks for the preservation of digital objects. Cartledge, Charles L.; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 349–352.
- Using timed-release cryptography to mitigate the preservation risk of embargo periods. Haq, Rabia; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 183–192.
- What happens when facebook is gone?. McCown, Frank; Nelson, Michael L. F. Heath, M. L. Rice-Lively, R. Furuta (eds.) (2009). 251–254.
- Self-arranging preservation networks. Cartledge, Charles L.; Nelson, Michael L. R. L. Larsen, A. Paepcke, J. Borbinha, M. Naaman (eds.) (2008). 445.
- Recovering a website’s server components from the web infrastructure. McCown, Frank; Nelson, Michael L. R. L. Larsen, A. Paepcke, J. Borbinha, M. Naaman (eds.) (2008). 124–133.
- Usage analysis of a public website reconstruction tool. McCown, Frank; Nelson, Michael L. R. L. Larsen, A. Paepcke, J. Borbinha, M. Naaman (eds.) (2008). 371–374.
- Augmenting OAI-PMH repository holdings using search engine APIs. Klein, Martin; Nelson, Michael L.; Pao, Juliet Z. E. M. Rasmussen, R. R. Larson, E. G. Toms, S. Sugimoto (eds.) (2007). 486.
- Factors affecting website reconstruction from the web infrastructure. McCown, Frank; Diawara, Norou; Nelson, Michael L. E. M. Rasmussen, R. R. Larson, E. G. Toms, S. Sugimoto (eds.) (2007). 39–48.
- Generating best-effort preservation metadata for web resources at time of dissemination. Smith, Joan A.; Nelson, Michael L. E. M. Rasmussen, R. R. Larson, E. G. Toms, S. Sugimoto (eds.) (2007). 51–52.
- Agreeing to disagree: search engines and their public interfaces. McCown, Frank; Nelson, Michael L. E. M. Rasmussen, R. R. Larson, E. G. Toms, S. Sugimoto (eds.) (2007). 309–318.
- Video recommendations for the open video project. Bollen, Johan; Nelson, Michael L.; Araujo, Raquel; Geisler, Gary M. Marlino, T. Sumner, F. M. S. III (eds.) (2005). 369.
- If you harvest arXiv.org, will they come?. Nelson, Michael L.; Bollen, Johan M. Marlino, T. Sumner, F. M. S. III (eds.) (2005). 393.
- Light-weight communal digital libraries. Maly, Kurt; Nelson, Michael L.; Zubair, Mohammad; Amrou, Ashraf; Kothasama, S.; Wang, Lan; Luce, Richard H. Chen, H. D. Wactlar, C. chih Chen, E.-P. Lim, M. G. Christel (eds.) (2004). 237–238.
- The OAI-PMH NASA technical report server. Nelson, Michael L.; Calhoun, JoAnne R.; Mackey, Calvin E. H. Chen, H. D. Wactlar, C. chih Chen, E.-P. Lim, M. G. Christel (eds.) (2004). 400.
- Toolkits for visualizing co-authorship graph. Liu, Xiaoming; Bollen, Johan; Nelson, Michael L.; de Sompel, Herbert Van; Hussell, Jeremy A. T.; Luce, Richard; Marks, Linn H. Chen, H. D. Wactlar, C. chih Chen, E.-P. Lim, M. G. Christel (eds.) (2004). 404.
- The Dienst-OAI Gateway. Harrison, Terry L.; Nelson, Michael L.; Zubair, Mohammad (2003). 309–311.
- Repository Synchronization in the OAI Framework. Liu, Xiaoming; Maly, Kurt; Zubair, Mohammad; Nelson, Michael L. (2003). 191–198.
- Archon - A Digital Library that Federates Physics Collections. Maly, Kurt; Zubair, Mohammad; Nelson, Michael L.; Liu, Xiaoming; Anan, Hesham; Gao, Jinsong; Tang, Jianfeng; Yang, Zhao (2002). 27–34.
- Preservation and transition of NCSTRL using an OAI-based architecture. Anan, Hesham; Liu, Xiaoming; Maly, Kurt; Nelson, Michael L.; Zubair, Mohammad; French, James C.; Fox, Edward A.; Shivakumar, P. (2002). 181–182.
- Advanced overview of version 2.0 of the open archives initiative protocol for metadata harvesting. Nelson, Michael L.; de Sompel, Herbert Van; Warner, Simeon (2002). 418.
- DP9: an OAI gateway service for web crawlers. Liu, Xiaoming; Maly, Kurt; Zubair, Mohammad; Nelson, Michael L. (2002). 283–284.
- Arc: an OAI service provider for cross-archive searching. Liu, Xiaoming; Maly, Kurt; Zubair, Mohammad; Nelson, Michael L. (2001). 65–66.
- A bucket architecture for the open video project. Nelson, Michael L.; Marchionini, Gary; Geisler, Gary; Yang, Meng (2001). 310–311.