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.

 

  • Quasimolecular electronic structure of the trimer iridate Ba\($_\mathbf4$\)NbIr\($_\mathbf3$\)O\($_\mathbf12$\). Magnaterra, M.; Sandberg, A.; Schilling, H.; Warzanowski, P.; Pätzold, L.; Bergamasco, E.; Sahle, Ch. J.; Detlefs, B.; Ruotsalainen, K.; Moretti Sala, M.; Monaco, G.; Becker, P.; Faure, Q.; Thakur, G. S.; Songvilay, M.; Felser, C.; van Loosdrecht, P. H. M.; van den Brink, J.; Hermanns, M.; Grüninger, M. (2025). 111(8) 085122.
  • Datavzrd: Rapid programming- and maintenance-free interactive visualization and communication of tabular data. Wiegand, Felix; Lähnemann, David; Mölder, Felix; Uzuner, Hamdiye; Prinz, Adrian; Schramm, Alexander; Köster, Johannes (2025).
  • Comparative Analysis of POX and RYU SDN Controllers in Scalable Networks. Chandimal Jayawardena, Jay Chen; Bu, Lin (N. Meghanathan, ed.) (2025, March).
  • Comprehensive Privacy Prеsеrvation for Imagеs and Vidеos using Machinе Learning and Encryption. Halakate; Tanaji, Abhishek; Shambhavi; Ayushma; Dule; Suryabhan, Chhaya (2025). 31(3) 365–375.
  • Architectural Aspect-Aware Design for IoT Applications: Conceptual Proposal. AlSobeh, Anas M. R.; Magableh, Aws A. (2025). 31(3) 365–375.
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Reversible doping and fine-tuning of the Dirac point position in the topological crystalline insulator Pb\($_\mathbf1−x$\)Sn\($_\mathbfx$\)Se via sputtering and annealing process. Odobesko, Artem; Jung, Johannes; Szczerbakow, Andrzej; Korczak, Jędrzej; Story, Tomasz; Bode, Matthias (2025). 7(7) 1885–1891.
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • Submersible touchless interactivity in conformable textiles enabled by highly selective overbraided magnetoresistive sensors. Lugoda, Pasindu; Oliveros-Mata, Eduardo Sergio; Marasinghe, Kalana; Bhaumik, Rahul; Pretto, Niccolò; Oliveira, Carlos; Dias, Tilak; Hughes-Riley, Theodore; Haller, Michael; Münzenrieder, Niko; Makarov, Denys (2025). 4(1) 33.
  • Digitaler Kolonialismus: Wie Tech-Konzerne und Großmächte die Welt unter sich aufteilen Dachwitz, Ingo; Hilbig, Sven (2025). (2. Aufl. ) C.H. Beck, München.
  • IXAII: An Interactive Explainable Artificial Intelligence Interface for Decision Support Systems. Speckmann, Pauline; Nadj, Mario; Janiesch, Christian (2025).
  • Unterstützung für die Bewertung von Windenergieflächen. Fichter, Carsten; Peters-Erjawetz, Sandra; Gritzner, Daniel; Ostermann, Jörn (2025). 3 30–34.
  • Multi-Flow: Multi-View-Enriched Normalizing Flows for Industrial Anomaly Detection. Kruse, Mathis; Rosenhahn, Bodo (2025).
  • From mechanoecology to sensory physiology to olfactory navigation: the Editors’ and Readers’ Choice Awards 2025. Zupanc, Günther K.H.; Rössler, Wolfgang; Warrant, Eric J.; Homberg, Uwe; Arikawa, Kentaro; Helfrich-Förster, Charlotte; Simmons, Andrea Megela (2025).
  • Feld- und Methodenbericht der IEA Hamburg zur NEPS-Teilstudie A104 Hellrung, Miriam; Hillen, Peter; Hugk, Nina; Meyer-Everdt, Maren; Sievers, Ulrich; Tusch, Stephan (2025). Hamburg, Germany: IEA.
  • Evaluating SinergiAPS, an intervention based on patient feedback to improve patient safety in primary care: a cluster randomized trial. Fiol deRoque, Maria Antònia; Valderas, José María; Serrano-Ripoll, María Jesús; Gens-Barbarà, Montserrat; Martín-Luján, Francisco; Sánchez-Freire, Encarna; Montaño, Juan José; Mira-Martínez, Sofía; Pastor-Moreno, Guadalupe; Zamanillo-Campos, Rocío; Riera-Serra, Pau; Ricci-Cabello, Ignacio (2025). 23(1) 202–202.
  • Relationship between diabesity and elevated values of metabolic-associated steatotic liver disease risk scales in Spanish workers using body mass index and the body adiposity estimator criteria of Clínica de Navarra. Martínez-Almoyna Rifá, Emilio; López González, Ángel Arturo; Tárraga López, Pedro Juan; Paublini, Hernán; Vallejos, Daniela; Ramírez Manent, José Ignacio (2025). 10.20960/nh.05441-.
  • Matrix Calculus (for Machine Learning and Beyond). Bright, Paige; Edelman, Alan; Johnson, Steven G. (2025).
  • NEPS Technical Report for Reading: Scaling Results of Starting Cohort 8 for Grade 5. Technical Report (NEPS Survey Paper No. 117), Gnambs, Timo (2025).
  • NEPS Technical Report for Reading: Scaling Results of Starting Cohort 8 for Grade 5 in Special Schools. Technical Report (NEPS Survey Paper No. 118), Gnambs, Timo (2025).
  • NEPS Technical Report for Verbal and Nonverbal Reasoning: Scaling Results of Starting Cohort 8 for Grade 5 in Special Schools. Technical Report (NEPS Survey Paper No. 119), Gnambs, Timo (2025).
  • NEPS Technical Report: Implementation of the ISCED‐2011, CASMIN and Years of Education Classification Schemes in SUF Starting Cohort 8 Pelz, Sven in NEPS Research Data Documentation Series (2025). Leibniz Institute for Educational Trajectories, National Educational Panel Study, Bamberg, Germany.
  • LLMs can’t stop making up software dependencies and sabotaging everything. Claburn, Thomas (2025).
  • Computational and Experimental Study of Effective Chemical Time-Scale for Flame Wrinkling in Hydrogen Engines. Bose, S.; Ye, P.; Chu, H.; Böhm, B.; Pitsch, H. (2025).
  • Telling Fortunes? Evaluation of Traffic Forecasting Models using Traffic and Context Features. Hadry, Marius; Bauer, André; Leppich, Robert; Lesch, Veronika; Kounev, Samuel (2025).
  • An Explorative Diary Study of AI-Generated Podcasts in University Education: Benefits, Challenges, and Future Directions. Benner, Dennis; Rauch, Jannik; Janson, Andreas; Leimeister, Jan Marco (2025).
  • Dynamic bismuth clusters in an ionic conducting copper iodide matrix. Carrillo-Aravena, Eduardo; Romaka, Vitaliy; Ruck, Michael (2025). n/a(n/a) 2500027.
  • Towards complexity of primary-deformed Virasoro circuits. Erdmenger, Johanna; Kastikainen, Jani; Schuhmann, Tim (2025). 2025(3) 127.
  • Impact of temporal correlations, coherence, and postselection on two-photon interference. Cardoso, Fernando Redivo; Lee, Jaewon; Checchinato, Riccardo; Littmann, Jan-Heinrich; De Gregorio, Marco; Höfling, Sven; Schneider, Christian; Villas-Boas, Celso J.; Predojević, Ana (2025). 7(1) 013190.
  • Krylov space approach to singular value decomposition in non-Hermitian systems. Nandy, Pratik; Pathak, Tanay; Xian, Zhuo-Yu; Erdmenger, Johanna (2025). 111(6) 064203.
  • Paradigm for finding d-electron heavy fermions: The case of Cr-doped CsFe\($_\mathbf2$\)As\($_\mathbf2$\). Crispino, Matteo; Arribi, Pablo Villar; Shukla, Anmol; Hardy, Frédéric; Haghighirad, Amir-Abbas; Wolf, Thomas; Heid, Rolf; Merz, Michael; Meingast, Christoph; Gorni, Tommaso; Avella, Adolfo; de’ Medici, Luca (2025). 134(7) 076504.
  • Exciton diffusion in two-dimentional chiral perovskites. Terres, Sophia; Scalon, Lucas; Brunner, Julius; Horneber, Dominik; Düreth, Johannes; Huang, Shiyu; Taniguchi, Takashi; Watanabe, Kenji; Nogueira, Ana Flávia; Höfling, Sven; Klembt, Sebastian; Vaynzof, Yana; Chernikov, Alexey (2025). 13(11) 2402606.
  • Chirality in the kagome metal CsV\($_\mathbf3$\)Sb\($_\mathbf5$\). Elmers, H. J.; Tkach, O.; Lytvynenko, Y.; Yogi, P.; Schmitt, M.; Biswas, D.; Liu, J.; Chernov, S. V.; Nguyen, Quynh; Hoesch, M.; Kutnyakhov, D.; Wind, N.; Wenthaus, L.; Scholz, M.; Rossnagel, K.; Gloskovskii, A.; Schlueter, C.; Winkelmann, A.; Haghighirad, A.-A.; Lee, T.-L.; Sing, M.; Claessen, R.; Le Tacon, M.; Demsar, J.; Schönhense, G.; Fedchenko, O. (2025). 134(9) 096401.
  • Effect of the Hubbard interaction on the quantum metric. Sukhachov, Pavlo; Aase, Niels Henrik; Mæland, Kristian; Sudbø, Asle (2025). 111(8) 085143.
  • Phase-dependent supercurrent and microwave dissipation of HgTe quantum well Josephson junctions. Liu, Wei; Piatrusha, Stanislau U.; Fürst, Lena; Lunczer, Lukas; Borzenko, Tatiana; Stehno, Martin P.; Molenkamp, Laurens W. (2025). 111(10) 104503.
  • Second-order nonlinear piezo-optic properties of single crystal lithium niobate thin films. Pionteck, Mike N.; Roeper, Matthias; Koppitz, Boris; Seddon, Samuel D.; Rüsing, Michael; Padberg, Laura; Eigner, Christof; Silberhorn, Christine; Sanna, Simone; Eng, Lukas M. (2025). 111(6) 064109.
  • Inner non-Hermitian skin effect on the Bethe lattice. Sun, Junsong; Li, Chang-An; Li, Peilin; Feng, Shiping; Guo, Huaiming (2025). 111(7) 075120.
  • 2-form U(1) spin liquids: A classical model and quantum aspects. Chung, Kristian Tyn Kai; Gingras, Michel J. P. (2025). 111(6) 064417.
  • Observation of the spiral spin liquid in a triangular-lattice material. Andriushin, N. D.; Nikitin, S. E.; Fjellvåg, Ø. S.; White, J. S.; Podlesnyak, A.; Inosov, D. S.; Rahn, M. C.; Schmidt, M.; Baenitz, M.; Sukhanov, A. S. (2025). 16(1) 2619.
  • Continuum of magnetic excitations in the Kitaev honeycomb iridate D\($_\mathbf3$\)LiIr\($_\mathbf2$\)O\($_\mathbf6$\). Halloran, Thomas; Wang, Yishu; Plumb, K. W.; Stone, M. B.; Winn, Barry; Graves-Brook, M. K.; Rodriguez-Rivera, J. A.; Qiu, Yiming; Chauhan, Prashant; Knolle, Johannes; Moessner, Roderich; Armitage, N. P.; Takayama, Tomohiro; Takagi, Hidenori; Broholm, Collin (2025). 10(1) 35.
  • Bulk and surface electron scattering in disordered Bi\($_\mathbf2$\)Te\($_\mathbf3$\) probed by quasiparticle interference. Nagorkin, V.; Schimmel, S.; Gebauer, P.; Isaeva, A.; Baumann, D.; Koitzsch, A.; Büchner, B.; Hess, C. (2025). 111(11) 115111.
  • Chaos and integrability in triangular billiards. Balasubramanian, Vijay; Nath Das, Rathindra; Erdmenger, Johanna; Xian, Zhuo-Yu (2025). 2025(3) 033202.
  • Field dependence of the spin Hall effect in organic polymers from polaron transport. Zhang, X. B.; Wang, C.; Ma, H.; Zhang, H. Q.; Ren, J. F.; Timm, C.; Hu, G. C. (2025). 111(10) 104305.
  • Emergent chiral metal near a Kondo breakdown quantum phase transition. Drechsler, Tom; Vojta, Matthias (2025). 134(10) 106503.
  • Strain-induced enhancement of the charge density wave in the kagome metal ScV\($_\mathbf6$\)Sn\($_\mathbf6$\). Tuniz, Manuel; Consiglio, Armando; Pokharel, Ganesh; Parmigiani, Fulvio; Neupert, Titus; Thomale, Ronny; Chaluvadi, Sandeep Kumar; Orgiani, Pasquale; Sangiovanni, Giorgio; Wilson, Stephen D.; Vobornik, Ivana; Salvador, Federico; Cilento, Federico; Di Sante, Domenico; Mazzola, Federico (2025). 134(6) 066501.
  • Large Nernst effect in Te-based van der Waals materials. Behnami, M.; Gillig, M.; Moghaddam, A. G.; Efremov, D. V.; Shipunov, G.; Piening, B. R.; Morozov, I. V.; Aswartham, S.; Dufouleur, J.; Ochkan, K.; Zemen, J.; Kocsis, V.; Hess, C.; Putti, M.; Büchner, B.; Caglieris, F.; Reichlova, H. (2025). 7(2) 023009.
  • Period-doubling in the phase dynamics of a shunted HgTe quantum well Josephson junction. Liu, Wei; Piatrusha, Stanislau U.; Liang, Xianhu; Upadhyay, Sandeep; Fürst, Lena; Gould, Charles; Kleinlein, Johannes; Buhmann, Hartmut; Stehno, Martin P.; Molenkamp, Laurens W. (2025). 16(1) 3068.
  • Van Hove tuning of Fermi surface instabilities through compensated metallicity. Hohmann, Hendrik; Dürrnagel, Matteo; Bunney, Matthew; Enzner, Stefan; Schwemmer, Tilman; Neupert, Titus; Sangiovanni, Giorgio; Rachel, Stephan; Thomale, Ronny (2025). 111(12) L121105.
  • Monopole magnetohydrodynamics on a plane: Magnetosonic waves and dynamo instability. Banerjee, Debarghya; Moessner, Roderich; Surówka, Piotr (2025). 111(16) 165104.
  • Context-aware and Style-related Incremental Decoding Framework for Discourse-Level Literary Translation. Luo, Yuanchang; Guo, Jiaxin; Wei, Daimeng; Shang, Hengchao; Li, Zongyao; Wu, Zhanglin; Rao, Zhiqiang; Li, Shaojun; Yang, Jinlong; Yang, Hao B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 973–979.
  • Machine Translation Advancements of Low-Resource Indian Languages by Transfer Learning. Wei, Bin; Zheng, Jiawei; Li, Zongyao; Wu, Zhanglin; Guo, Jiaxin; Wei, Daimeng; Rao, Zhiqiang; Li, Shaojun; Luo, Yuanchang; Shang, Hengchao; Yang, Jinlong; Xie, Yuhao; Yang, Hao B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 775–780.
  • Choose the Final Translation from NMT and LLM Hypotheses Using MBR Decoding: HW-TSC’s Submission to the WMT24 General MT Shared Task. Wu, Zhanglin; Wei, Daimeng; Li, Zongyao; Shang, Hengchao; Guo, Jiaxin; Li, Shaojun; Rao, Zhiqiang; Luo, Yuanchang; Xie, Ning; Yang, Hao B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 155–164.
  • Improving Context Usage for Translating Bilingual Customer Support Chat with Large Language Models. Pombal, José; Agrawal, Sweta; Martins, André F. T. B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 993–1003.
  • Leveraging LLM Reasoning Enhances Personalized Recommender Systems. Tsai, Alicia Y.; Kraft, Adam; Jin, Long; Cai, Chenwei; Hosseini, Anahita; Xu, Taibai; Zhang, Zemin; Hong, Lichan; Chi, Ed H.; Yi, Xinyang (2024).
  • Multilingual Transfer and Domain Adaptation for Low-Resource Languages of Spain. Luo, Yuanchang; Wu, Zhanglin; Wei, Daimeng; Shang, Hengchao; Li, Zongyao; Guo, Jiaxin; Rao, Zhiqiang; Li, Shaojun; Yang, Jinlong; Xie, Yuhao; Zheng, Jiawei; Wei, Bin; Yang, Hao B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 949–954.
  • Tower v2: Unbabel-IST 2024 Submission for the General MT Shared Task. Rei, Ricardo; Pombal, José; Guerreiro, Nuno Miguel; Alves, João; Martins, Pedro Henrique; Fernandes, Patrick; Wu, Helena; Vaz, Tânia; Alves, Duarte M.; Farajian, M. Amin; Agrawal, Sweta; Farinhas, António; de Souza, José Guilherme Camargo; Martins, André F. T. B. Haddow, T. Kocmi, P. Koehn, C. Monz (eds.) (2024). 185–204.
  • Regression Aware Inference with LLMs. Lukasik, Michal; Narasimhan, Harikrishna; Menon, Aditya Krishna; Yu, Felix X.; Kumar, Sanjiv Y. Al-Onaizan, M. Bansal, Y.-N. Chen (eds.) (2024). 13667–13678.
  • xTower: A Multilingual LLM for Explaining and Correcting Translation Errors. Treviso, Marcos V.; Guerreiro, Nuno Miguel; Agrawal, Sweta; Rei, Ricardo; Pombal, José; Vaz, Tânia; Wu, Helena; Silva, Beatriz; van Stigt, Daan; Martins, André F. T. Y. Al-Onaizan, M. Bansal, Y.-N. Chen (eds.) (2024). 15222–15239.
  • A Saturation-Free 3.6V/1.8V DM/CM Input Range 46.6mV/μs Artifacts Recovery Sensor Interface using CT Track-and-Zoom. Cai, Qiao; Xu, Xinzi; Suo, Yanxing; Qian, Guanghua; Li, Yongfu; Wang, Guoxing; Lian, Yong; Zhao, Yang (2024). 1–2.
  • The TESCREAL bundle: Eugenics and the promise of utopia through artificial general intelligence. Gebru, Timnit; Torres, Émile P. (2024). 29(4)
  • A ResNet-Based DVFS Regulator for Heterogeneous Multi-Core Mobile Processors. Hu, Shibo; Xu, Xinzi; Chen, Yuze; Qin, Muyun; Lian, Yong; Zhao, Yang (2024). 1274–1277.
  • Unveiling Challenges and Opportunities in Low Code Development Platforms: A StackOverflow Analysis. Elshan, Edona; Bruhin, Olivia; Schmidt, Niklas; Simeon, Dominik; Kedziora, Damian (2024).
  • Feld- und Methodenbericht. NEPS-Startkohorte 1 – Haupterhebung 2023, Teilstudie B156 Müller, Theresa (2023). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • The Development of Real-Time Energy Consumption Monitoring using IoT. Pagaduan, Lyndel Jean L. (2023).
  • A 12-Lead ECG Delineation Algorithm based on a Quantized CNN-BiLSTM Auto-encoder with 1-12 Mapping. Xu, Xinzi; Cai, Qiao; Wang, Hongqian; Suo, Yanxing; Zhao, Yang; Wan, Tianwei; Wang, Guoxing; Lian, Yong (2023). 1–5.
  • Feld- und Methodenbericht. NEPS-Startkohorte 4 (Schulabgänger und individuell nachverfolgte Schüler) – Haupterhebung 2022/2023, Teilstudie B158 Malina, Aneta; Wefelmeyer, Dina Magdalena; Ruland, Michael; Aust, Folkert (2023). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • Feld- und Methodenbericht. NEPS-Startkohorte 5 – 12. Haupterhebung CATI/CAWI, Sommer/Herbst 2022, Teilstudie B162 Weiß, Thomas; Feseker, Tabea (2023). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • The acronym behind our wildest AI dreams and nightmares. Torres, Émile P. (2023).
  • Feld- und Methodenbericht. NEPS-Startkohorte 6 (Erwachsene) – Haupterhebung 2022/2023, Teilstudie B158 Malina, Aneta; Wefelmeyer, Dina Magdalena; Ruland, Michael; Aust, Folkert (2023). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • Survey on Imbalanced Data, Representation Learning and SEP Forecasting. Moukpe, Josias (2023).
  • NEPS Technical Report: Implementation of the ISCED‐97, CASMIN and Years of Education Classification Schemes in SUF Starting Cohort 4 Pelz, Sven in NEPS Research Data Documentation Series (2023). Leibniz Institute for Educational Trajectories, National Educational Panel Study, Bamberg, Germany.
  • NEPS Technical Report: Implementation of the ISCED‐97, CASMIN and Years of Education Classification Schemes in SUF Starting Cohort 1 Pelz, Sven in NEPS Research Data Documentation Series (2023). Leibniz Institute for Educational Trajectories, National Educational Panel Study, Bamberg, Germany.
  • Die Messung von Bildung bei Migrantinnen und Migranten in Umfragen Schneider, Silke; Chincarini, Elena; Liebau, Elisabeth; Ortmanns, Verena; Pagel, Lisa; Schönmoser, Carina (2023).
  • A 2.67GΩ 454nVrms 14.9μW Dry-Electrode Enabled ECG-on-Chip with Arrhythmia Detection. Xu, Xinzi; Suo, Yanxing; Zhou, Peiyi; Han, Xiao; Cai, Qiao; Wang, Guoxing; Lian, Yong; Zhao, Yang (2023). 1–2.
  • Feld- und Methodenbericht. NEPS-Startkohorte 2 – Haupterhebung in Jahrgangsstufe 9, Sommer 2021, Teilstudie B131_B Prussog-Wagner, Angela; von der Burg, Julian; Malina, Aneta; Aust, Folkert; Eggs, Johannes (2022). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • Feld- und Methodenbericht. NEPS-Startkohorte 3 (Schulabgänger und individuell nachverfolgte Schüler) – Haupterhebung 2021, Teilstudie B157 Malina, Aneta; Link, Sebastian; Ruland, Michael; Aust, Folkert (2022). Bonn, Germany: infas Institut für angewandte Sozialwissenschaft GmbH.
  • Ideal Words: A Vector-Based Formalisation of Semantic Competence. Herbelot, Aurélie; Copestake, Ann A. (2021). 35(3) 271–290.
  • A Peripheral Tactile Feedback System for Lateral Epicondilytus Rehabilitation Exercise. Ferguson, Jamie Iona; Paul, Lorna; Brewster, Stephen A. Y. Kitamura, A. Quigley, K. Isbister, T. Igarashi (eds.) (2021). 263:1–263:6.
  • A Computationally Efficient, Hardware Re-configurable Architecture for QRS Detection and ECG authentication. Yan, Weihong; Ji, Yuxin; Ma, Ce; Hu, Lining; Zhao, Yang; Li, Yongfu; Wang, Guoxing; Lian, Yong (2021). 1–2.
  • Der ewige Faschismus Eco, Umberto (2020). Carl Hanser Verlag, München.
  • Towards Developing Trust-Supporting Design Features for AI-based Chatbots in Customer Service. Zierau, Naim; Hausch, Michael; Bruhin, Olivia; Söllner, Matthias (2020).
  • Modulating Personal Audio to Convey Information. Ferguson, Jamie Iona; Brewster, Stephen A. R. L. Mandryk, S. A. Brewster, M. Hancock, G. Fitzpatrick, A. L. Cox, V. Kostakos, M. Perry (eds.) (2019).
  • The art of statistics learning from data Spiegelhalter, David J. (2019). Pelican, UK.
  • Auto Generation of High-Performance Fixed-Point Multiplier for Artificial Neural Networks. Zhao, Yang; Shang, Zhongxia; Lian, Yong (2019). 1–5.
  • Classification of Cardiac Arrhythmias Based on Artificial Neural Networks and Continuous-in-Time Discrete-in-Amplitude Signal Flow. Zhao, Yang; Lin, Simon; Shang, Zhongxia; Lian, Yong (2019). 175–178.
  • Bridging Data Silos Using Big Data Integration. Patel, Jayesh (2019). 11(3) 01–09.
  • Investigating Perceptual Congruence between Data and Display Dimensions in Sonification. Ferguson, Jamie Iona; Brewster, Stephen A. R. L. Mandryk, M. Hancock, M. Perry, A. L. Cox (eds.) (2018). 611.
  • Heuristic Active Learning for the Prediction of Epileptic Seizures Using Single EEG Channel. Marques, Joao M. C.; Cerdeira, Hilda A.; Tanaka, Edgar; de Vitor, Conrado; Gómez, Paula H. J. Zheng, Z. Callejas, D. Griol, H. Wang, X. Hu, H. H. H. W. Schmidt, J. Baumbach, J. Dickerson, L. Zhang (eds.) (2018). 2628–2634.
  • Exodus: die Revolution der Alten Welt Assmann, Jan (2015). C.H. Beck, München.
  • Beowulf : a translation and commentary, together with Sellic spell Tolkien, J. R. R.; Tolkien, Christopher (2014). HarperCollinsPublishers, London.
  • Akira. Book four Ōtomo Katsuhiro; Umezawa, Yoko; Duffy, Jo (2010). (Vol. 4) Kodansha Comics, New York.
  • Ur-Fascism. Eco, Umberto (1995).
  • Travels with my aunt Greene, Graham in Vintage classics (1969). (Vol. 05) Vintage, London.
  • Du développement à l’évolution au XIXe siècle Canguilhem, Georges (1962). Presses Universitaires de France, Paris.
  • Systematic Packing of Spheres: With Particular Relation to Porosity and Permeability. Graton, L. C.; Fraser, H. J. (1935). 43(8, Part 1) 785–909.

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