Ergebnisse

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:

  1.  Automatische Verifikation von Verkehrswarnmeldungen und Prognose von deren Auswirkungen.
  2.  Identifikation von Veranstaltungen und Prognose verkehrsrelevanter Auswirkungen.
  3. Korrelation von IV-Reiseflussdaten, EFA-Querylogs, Warnmeldungen und Twitterfeeds.
  4. 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.

 

  • Inductive biases in deep learning models for weather prediction. Thuemmel, Jannik; Karlbauer, Matthias; Otte, Sebastian; Zarfl, Christiane; Martius, Georg; Ludwig, Nicole; Scholten, Thomas; Friedrich, Ulrich; Wulfmeyer, Volker; Goswami, Bedartha; Butz, Martin V. (2024).
  • Aardvark Weather: end-to-end data-driven weather forecasting Vaughan, Anna; Markou, Stratis; Tebbutt, Will; Requeima, James; Bruinsma, Wessel P.; Andersson, Tom R.; Herzog, Michael; Lane, Nicholas D.; Hosking, J. Scott; Turner, Richard E. (2024).
  • How does pedestrian permeability vary in and across cities? A fine-grained assessment for all large cities in Germany. Droin, Ariane; Wurm, Michael; Weigand, Matthias; Gawlas, Carsten; Köberl, Manuel; Taubenböck, Hannes (2024). 110 102115.
  • Spectral Asymmetry Induces a Re‐Entrant Quantum Hall Effect in a Topological Insulator. Wang, Li‐Xian; Beugeling, Wouter; Schmitt, Fabian; Lunczer, Lukas; Mayer, Julian‐Benedikt; Buhmann, Hartmut; Hankiewicz, Ewelina M.; Molenkamp, Laurens W. (2024).
  • Understanding Google’s Perspective on 503 Status Codes. w3era (w3era, ed.) (2024).
  • Advanced Privacy Scheme to Improve Road Safety in Smart Transportation Systems. Fadhil, Ali Muayed (2024). 16(2)
  • Hiding Behind Algorithms: People Analytics and Perceived Fairness Violation in Managerial Decisions. Klöpper, Miriam; Messer, Uwe (2024).
  • Inductive biases in deep learning models for weather prediction. Thuemmel, Jannik; Karlbauer, Matthias; Otte, Sebastian; Zarfl, Christiane; Martius, Georg; Ludwig, Nicole; Scholten, Thomas; Friedrich, Ulrich; Wulfmeyer, Volker; Goswami, Bedartha; Butz, Martin V. (2024).
  • Generative Diffusion-based Downscaling for Climate. Watt, Robbie A.; Mansfield, Laura A. (2024).
  • Machine learning for climate physics and simulations. Lai, Ching-Yao; Hassanzadeh, Pedram; Sheshadri, Aditi; Sonnewald, Maike; Ferrari, Raffaele; Balaji, Venkatramani (2024).
  • ClimODE: Climate and Weather Forecasting with Physics-informed Neural ODEs. Verma, Yogesh; Heinonen, Markus; Garg, Vikas (2024).
  • DiffObs: Generative Diffusion for Global Forecasting of Satellite Observations. Stock, Jason; Pathak, Jaideep; Cohen, Yair; Pritchard, Mike; Garg, Piyush; Durran, Dale; Mardani, Morteza; Brenowitz, Noah (2024).
  • Causality for Earth Science -- A Review on Time-series and Spatiotemporal Causality Methods Ali, Sahara; Hasan, Uzma; Li, Xingyan; Faruque, Omar; Sampath, Akila; Huang, Yiyi; Gani, Md Osman; Wang, Jianwu (2024).
  • A data-driven framework for dimensionality reduction and causal inference in climate fields Falasca, Fabrizio; Perezhogin, Pavel; Zanna, Laure (2024).
  • Interpretable Machine Learning for Weather and Climate Prediction: A Survey Yang, Ruyi; Hu, Jingyu; Li, Zihao; Mu, Jianli; Yu, Tingzhao; Xia, Jiangjiang; Li, Xuhong; Dasgupta, Aritra; Xiong, Haoyi (2024).
  • Spatial-Temporal Attention Graph Neural Network with Uncertainty Estimation for Remaining Useful Life Prediction. Huang, Zhixin; Nivarthi, Chandana Priya; Gruhl, Christian; Sick, Bernhard (2024).
  • An ensemble of data-driven weather prediction models for operational sub-seasonal forecasting Weyn, Jonathan A.; Kumar, Divya; Berman, Jeremy; Kazmi, Najeeb; Klocek, Sylwester; Luferenko, Pete; Thambiratnam, Kit (2024).
  • Generative ensemble deep learning severe weather prediction from a deterministic convection-allowing model Sha, Yingkai; Sobash, Ryan A.; au2, David John Gagne II (2024).
  • Conditional diffusion models for downscaling & bias correction of Earth system model precipitation. Aich, Michael; Hess, Philipp; Pan, Baoxiang; Bathiany, Sebastian; Huang, Yu; Boers, Niklas (2024).
  • Evidential Deep Learning: Enhancing Predictive Uncertainty Estimation for Earth System Science Applications. Schreck, John S.; au2, David John Gagne II; Becker, Charlie; Chapman, William E.; Elmore, Kim; Fan, Da; Gantos, Gabrielle; Kim, Eliot; Kimpara, Dhamma; Martin, Thomas; Molina, Maria J.; Pryzbylo, Vanessa M.; Radford, Jacob; Saavedra, Belen; Willson, Justin; Wirz, Christopher (2024).
  • Evidential Deep Learning: Enhancing Predictive Uncertainty Estimation for Earth System Science Applications. Schreck, John S.; au2, David John Gagne II; Becker, Charlie; Chapman, William E.; Elmore, Kim; Fan, Da; Gantos, Gabrielle; Kim, Eliot; Kimpara, Dhamma; Martin, Thomas; Molina, Maria J.; Pryzbylo, Vanessa M.; Radford, Jacob; Saavedra, Belen; Willson, Justin; Wirz, Christopher (2024).
  • Optimal Number and Positioning of Inertial Measurement Units in Spherical Robots. Bösch, C.; Zevering, J.; Nüchter, A. in Lecture Notes in Networks and Systems (2024). (Vol. 2) 509–520.
  • Sora for Smart Mining: Towards Sustainability With Imaginative Intelligence and Parallel Intelligence. Xie, Yuting; Wang, Cong; Liu, Kunhua; Xuanyuan, Zhe; He, Yuhang; Cheng, Hui; Nüchter, A.; Li, Lingxi; Huai, Rouxing; Tang, Shuming; Ma, Siji; Chen, Long (2024). 1–2.
  • Virtual Body Swapping: A VR-Based Approach to Embodied Third-Person Self-Processing in Mind-Body Therapy. Döllinger, Nina; Mal, David; Keppler, Sebastian; Wolf, Erik; Botsch, Mario; Israel, Johann Habakuk; Latoschik, Marc Erich; Wienrich, Carolin (2024). 1–18.
  • Towards an Altered Body Image Through the Exposure to a Modulated Self in Virtual Reality. Wolf, Erik; Wienrich, Carolin; Latoschik, Marc Erich (2024). 857–858.
  • Conceptual Mapping of Controversies. Draude, Claude; Dürrschnabel, Dominik; Hirth, Johannes; Horn, Viktoria; Kropf, Jonathan; Lamla, Jörn; Stumme, Gerd; Uhlmann, Markus (2024).
  • Invariant Grassmannians and a K3 surface with an action of order 192*2. Muller, Stevell (2024).
  • Amalgams of matroids, fibre products and tropical graph correspondences. Mineev, Dmitry (2024).
  • Gorakhpur to Nepal Tour Package. Akash, Yadav (2024).
  • Multi-Task Representation Learning with Temporal Attention for Zero-Shot Time Series Anomaly Detection. Nivarthi, Chandana Priya; Huang, Zhixin; Gruhl, Christian; Sick, Bernhard (2024).
  • How Cluster RCTs Work. Li, Suellen; Hardin, C. Corey; Fralick, Michael; Muller, Daniel; Koscal, Natalie; Normand, Sharon-Lise; Sacks, Chana A. (2024). 3(5)
  • #Best Site to Buy Verified PayPal Accounts. Us), 24 Hours Reply/(Contact; bestsmmsolution@gmail.com, Email :; @bestsmmsolution0, Telegram :; +1(530)5636354, WhatsApp :; BestSMMSolution, Skype : (https://bestsmmsolution.com/product/buy-verified-paypal accounts/, ed.) (2024).
  • IGLU 2021. Skalenhandbuch zur Dokumentation der Erhebungsinstrumente und Arbeit mit den Datensätzen Schaufelberger, Rahim; Kleinkorres, Ruben; Becher, Laura; Ludewig, Ulrich; Lorenz, Ramona; McElvany, Nele (R. Schaufelberger; R. Kleinkorres; L. Becher; U. Ludewig; R. Lorenz; N. McElvany, eds.) (2024).
  • Generative Inpainting for Shapley-Value-Based Anomaly Explanation. Tritscher, Julian; Lissmann, Philip; Wolf, Maximilian; Krause, Anna; Hotho, Andreas; Schlör, Daniel (2024).
  • Human paraneoplastic antigen Ma2 (PNMA2) forms icosahedral capsids that can be engineered for mRNA delivery. Madigan, Victoria; Zhang, Yugang; Raghavan, Rumya; Wilkinson, Max E.; Faure, Guilhem; Puccio, Elena; Segel, Michael; Lash, Blake; Macrae, Rhiannon K.; Zhang, Feng (2024). 121(11)
  • Librarians’ attitudes toward library’s roles in environmental sustainability. Ren, Xiaoai; Lu, Jia (2024). 19(2)
  • Anomalous diffusion analysis reveals cooperative locomotion of adult parasitic nematodes in sex-mixed groups. Leben, Ruth; Rausch, Sebastian; Elomaa, Laura; Hauser, Anja E.; Weinhart, Marie; Fischer, Sabine C.; Stark, Holger; Hartmann, Susanne; Niesner, Raluca A. (2024).
  • Structures of AT8 and PHF1 phosphomimetic tau: Insights into the posttranslational modification code of tau aggregation. El Mammeri, Nadia; Dregni, Aurelio; Duan, Pu; Hong, Mei (2024). 121(10)
  • Distinct negative elongation factor conformations regulate RNA polymerase II promoter-proximal pausing. Su, Bonnie G.; Vos, Seychelle M. (2024). 84(7) 1243–1256.e5.
  • Effect of Data Degradation on Motion Re-Identification. Nair, Vivek; Miller, Mark Roman; Wang, Rui; Huang, Brandon; Rack, Christian; Latoschik, Marc Erich; O’Brien, James (2024).
  • A multi-talented datacube: integrating, processing and presenting big geodata for the agricultural end user. Friedrich, Christoph; Löw, Johannes; Otte, Insa; Hill, Steven; Förtsch, Sebastian; Schwalb-Willmann, Jakob; Gessner, Ursula; Schierghofer, Christoph; Truckenbrodt, Sina; Schonert, Eric; Piernicke, Thomas; Assmann, Denise; Conrad, Christopher; Thiel, Michael (2024).
  • Generative Inpainting for Shapley-Value-Based Anomaly Explanation. Tritscher, Julian; Lissmann, Philip; Wolf, Maximilian; Krause, Anna; Hotho, Andreas; Schlör, Daniel (2024).
  • “If It’s Not Me It Doesn’t Make a Difference” – The Impact of Avatar Personalization on User Experience and Body Awareness in Virtual Reality. Döllinger, Nina; Beck, Matthias; Wolf, Erik; Mal, David; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2023). 483–492.
  • Dynamics of spherical telescopic linear driven rotation robots. Zevering, J.; Borrmann, D.; Nüchter, A. (2023).
  • Are Embodied Avatars Harmful to our Self-Experience? The Impact of Virtual Embodiment on Body Awareness. Döllinger, Nina; Wolf, Erik; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2023). 1–14.
  • The Impact of Avatar and Environment Congruence on Plausibility, Embodiment, Presence, and the Proteus Effect in Virtual Reality. Mal, David; Wolf, Erik; Döllinger, Nina; Wienrich, Carolin; Latoschik, Marc Erich (2023). 29(5) 2358–2368.
  • Embodiment and Personalization for Self-Identification with Virtual Humans. Fiedler, Marie Luisa; Wolf, Erik; Döllinger, Nina; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2023). 799–800.
  • Holographic Augmented Reality Mirrors for Daily Self-Reflection on the Own Body Image. Fiedler, Marie Luisa; Wolf, Erik; Wienrich, Carolin; Latoschik, Marc Erich (2023). 1–4.
  • Auswirkung von (virtuellen) Körperbildübungen auf das Ernährungsverhalten von Personen mit Adipositas – Ergebnisse der ViTraS-Pilotstudie. Gemesi, Kathrin; Döllinger, Nina; Weinberger, Natascha-Alexandra; Wolf, Erik; Mal, David; Wienrich, Carolin; Luck-Sikorski, Claudia; Bader, Erik; Holzapfel, Christina (2023). 17(03) S10–05.
  • Food Security in the Middle East and North Africa: Perception, Response and Cooperation Strategies. Technical Report (23), Kim, Kangsuk; Han, Saerom; Choi, Dooyoung (S. Lee, ed.) (2023).
  • De l’expérience du cancer à l’activité de patiente-partenaire : travailler (avec) les émotions dans l’accompagnement des patientes en cancérologie. Delaunay, Marine; Jacques, Béatrice (2023). 25(1)
  • Computer und Gesellschaft: Roboter und KI als soziale Herausforderung Funk, Michael in Grundlagen der Technikethik (2023). Springer Fachmedien, Wiesbaden.
  • Variational Reasoning over Incomplete Knowledge Graphs for Conversational Recommendation. Zhang, Xiaoyu; Xin, Xin; Li, Dongdong; Liu, Wenxuan; Ren, Pengjie; Chen, Zhumin; Ma, Jun; Ren, Zhaochun in WSDM ’23 (2023). 231–239.
  • Biblioteca ecologica ed ecologia della biblioteca. Morgese, Waldemaro (2023). 41(4) 63–71.
  • SOEP-Core – 2021: Jugend (16-17 Jahre), Stichproben A-L3, M1-M2 + N-Q.. Technical Report (1205), infas (2022).
  • Does Distance Matter? Embodiment and Perception of Personalized Avatars in Relation to the Self-Observation Distance in Virtual Reality. Wolf, Erik; Döllinger, Nina; Mal, David; Wenninger, Stephan; Bartl, Andrea; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2022). 3
  • Sostenibilità: quali opportunità per la valutazione delle biblioteche. Bilotta, Anna (2022). 40(6) 9–18.
  • Resize Me! Exploring the User Experience of Embodied Realistic Modulatable Avatars for Body Image Intervention in Virtual Reality. Döllinger, Nina; Wolf, Erik; Mal, David; Wenninger, Stephan; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2022). 3
  • Virtual Reality for Mind and Body: Does the Sense of Embodiment Towards a Virtual Body Affect Physical Body Awareness?. Döllinger, Nina; Wolf, Erik; Mal, David; Erdmannsdörfer, Nico; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2022). 1–8.
  • Plausibility and Perception of Personalized Virtual Humans between Virtual and Augmented Reality. Wolf, Erik; Mal, David; Frohnapfel, Viktor; Döllinger, Nina; Wenninger, Stephan; Botsch, Mario; Latoschik, Marc Erich; Wienrich, Carolin (2022). 489–498.
  • Artificial Intelligence-Based Early Detection Of Acute Kidney Injury After Cardiac Surgery. Kalisnik, Jurij Matija; Bauer, André; Vogt, Ferdinand Aurel; Stickl, Franziska Josephine; Zibert, Janez; Fittkau, Matthias; Bertsch, Thomas; Kounev, Samuel; Fischlein, Theodor (2022).
  • Analyzing Eye Tracking Data in Mirror Exposure. Döllinger, Nina; Göttfert, Christopher; Wolf, Erik; Mal, David; Latoschik, Marc Erich; Wienrich, Carolin (2022). 513–517.
  • Virtual Human Coherence and Plausibility – Towards a Validated Scale. Mal, David; Wolf, Erik; Döllinger, Nina; Botsch, Mario; Wienrich, Carolin; Latoschik, Marc Erich (2022). 788–789.
  • Exploring Presence, Avatar Embodiment, and Body Perception with a Holographic Augmented Reality Mirror. Wolf, Erik; Fiedler, Marie Luisa; Döllinger, Nina; Wienrich, Carolin; Latoschik, Marc Erich (2022). 350–359.
  • Sampling Multiple Nodes in Large Networks: Beyond Random Walks. Ben-Eliezer, Omri; Eden, Talya; Oren, Joel; Fotakis, Dimitris in WSDM ’22 (2022). 37–47.
  • Graph Collaborative Reasoning. Chen, Hanxiong; Li, Yunqi; Shi, Shaoyun; Liu, Shuchang; Zhu, He; Zhang, Yongfeng in WSDM ’22 (2022). 75–84.
  • Modeling Scale-free Graphs with Hyperbolic Geometry for Knowledge-aware Recommendation. Chen, Yankai; Yang, Menglin; Zhang, Yingxue; Zhao, Mengchen; Meng, Ziqiao; Hao, Jianye; King, Irwin in WSDM ’22 (2022). 94–102.
  • A low rank tensor representation of linear transport and nonlinear Vlasov solutions and their associated flow maps. Guo, Wei; Qiu, Jing-Mei (2022). 458 111089.
  • Affordable But Not Cheap: A Case Study of the Effects of Two 3D-Reconstruction Methods of Virtual Humans. Bartl, Andrea; Wenninger, Stephan; Wolf, Erik; Botsch, Mario; Latoschik, Marc Erich (2021). 2
  • Ayurved Life. GIri, Ankit (A. Giri, ed.) (2021).
  • The multi-dimensional Hermite-discontinuous Galerkin method for the Vlasov–Maxwell equations. Koshkarov, O.; Manzini, G.; Delzanno, G.L.; Pagliantini, C.; Roytershteyn, V. (2021). 264 107866.
  • Self-Avatars in Virtual Reality: A Study Protocol for Investigating the Impact of the Deliberateness of Choice and the Context-Match. Bartl, Andrea; Jung, Sungchul; Kullmann, Peter; Wenninger, Stephan; Achenbach, Jascha; Wolf, Erik; Schell, Christian; Lindeman, Robert W.; Botsch, Mario; Latoschik, Marc Erich (2021). 565–566.
  • The Embodiment of Photorealistic Avatars Influences Female Body Weight Perception in Virtual Reality. Wolf, Erik; Merdan, Nathalie; Döllinger, Nina; Mal, David; Wienrich, Carolin; Botsch, Mario; Latoschik, Marc Erich (2021). 65–74.
  • Per una biblioteca sostenibile. Di Domenico, Giovanni (2021). 7(2) 19–27.
  • Libraries for a sustainable future. Five pilot projects for the 2030 Agenda. Bernabè, Anna (2021). 11(3) 7–107.
  • Ancora dagli aperitivi in biblioteca: L’Agenda 2030. Maddaluno, Paola (2020). (4 Giugno)
  • H-Verse Group OF Companies-Tiles Company In Lahore. Random (2020).
  • Verso l’Agenda 2030: Biblioteche pubbliche e sviluppo economico sostenibile. Solidoro, Adriano (2020). 38(gennaio-febbraio) 9–15.
  • Guide d’annotation pour les polices de caractères Typannot dans le cadre du projet Typannot Graphé (financement DGLFLF 2018). Chevrefils, Léa; Chloé, Thomas.; Bianchini, Claudia S.; Danet, Claire; Doan, Patrick; Rébulard, Morgane; Contesse, Adrien; Boutet, Dominique (2018).
  • Conservative fourth-order finite-volume Vlasov–Poisson solver for axisymmetric plasmas in cylindrical (r,v,v) phase space coordinates. Vogman, G.V.; Shumlak, U.; Colella, P. (2018). 373 877–899.
  • Ultrafast Imaging of Carrier Cooling in Metal Halide Perovskite Thin Films. https://usa5starit.com/product/buy-verified-cashapp accounts/ (24 24-hour Reply/Contact; ✅Email: usa5starit@gmail.com; ✅Skype: @usa5starit; ✅Telegram: @usa5starit1; ✅whatsapp:+1(716)5011667, eds.) (2018).
  • A dynamical adaptive tensor method for the Vlasov–Poisson system. Ehrlacher, Virginie; Lombardi, Damiano (2017). 339 285–306.
  • Spectral Solver for Multi-scale Plasma Physics Simulations with Dynamically Adaptive Number of Moments. Vencels, Juris; Delzanno, Gian Luca; Johnson, Alec; Peng, Ivy Bo; Laure, Erwin; Markidis, Stefano (2015). 51 1148–1157.
  • MEP Coordination Services - ASC Technology Solutions Technology, ASC (2014).
  • A practical introduction to tensor networks: Matrix product states and projected entangled pair states. Orús, Román (2014). 349 117–158.
  • Identifying Implicit Relationships. https://usa5starit.com/product/buy-verified-binance accounts/ (24 24-hour Reply/Contact; ✅Email: usa5starit@gmail.com; ✅Skype: @usa5starit; ✅Telegram: @usa5starit1; ✅whatsapp:+1(716)5011667, eds.) (2012). 56(3/4) 12:1–12:10.
  • Identifying Implicit Relationships. https://usa5starit.com/product/buy-verified-cashapp accounts/ (24 24-hour Reply/Contact; ✅Email: usa5starit@gmail.com; ✅Skype: @usa5starit; ✅Telegram: @usa5starit1; ✅whatsapp:+1(716)5011667, eds.) (2012). 56(3/4) 12:1–12:10.
  • Identifying Implicit Relationships. Chu-Carroll, Jennifer; Brown, Eric W.; Lally, Adam; Murdock, J. William (2012). 56(3/4) 12:1–12:10.
  • Tensor-Train Decomposition. Oseledets, I. V. (2011). 33(5) 2295–2317.
  • PXpathV: Preventing XPath Injection Vulnerabilities in Web Applications. V.Shanmughaneethi; R.Ravichandran; S.Swamynathan (2011). 2(3) 57–64.
  • Effects of the low‐latitude ionospheric boundary condition on the global magnetosphere. Merkin, V. G.; Lyon, J. G. (2010). 115(A10)
  • Dalla modalità faccia a faccia ad una lingua scritta emergente: nuove prospettive su trascrizione e scrittura della Lingua dei Segni italiana (LIS). Gianfreda, Gabriele; Petitta, Giulia; Bianchini, Claudia S.; Di Renzo, Alessio; Rossini, Paolo; Lucioli, Tommaso; Pennacchi, Barbara; Lamano, Luca (2009). 413–437.
  • Psi u trgovištu Aralica, Ivan (2004). Večernji list, Zagreb.
  • Puž Aralica, Ivan (2004). Naklada Pavičić, Zagreb.
  • Minds, brains, and programs. Searle, John R. (1980). 3(3) 417–424.
  • Buy Verified Paxful Accounts 100% Safe US & UK. Technical Report (PhD dissertation), Mengs, Ulrich (1974).
  • Villette Brontë Charlotte in Regent Classics (1957). Thames, London.
  • Ontology Feibleman, James K. (1951). The Johns Hopkins University Press, Baltimore.
  • Hrvatska smotra: nacionalni, socijalni i knijvzevni mjesevcnik. Šegvić, Kerubin (1933).
  • Buy Verified Cash App Account. Account, Buy Verified Cash App (angel, ed.)

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close