In recent years, technologies of indoor crowd positioning and movement data analysis have received widespread attention in the fields of reliability management, indoor navigation, and crowd behavior monitoring. However, only a few indoor crowd movement trajectory datasets are available to the public, thus restricting the development of related research and application. This paper contributes a new benchmark dataset of indoor crowd movement trajectories. This dataset records the movements of over 5000 participants at a three day large academic conference in a two story indoor venue. The conference comprises varied activities, such as academic seminars, business exhibitions, a hacking contest, interviews, tea breaks, and a banquet. The participants are divided into seven types according to participation permission to the activities. Some of them are involved in anomalous events, such as loss of items, unauthorized accesses, and equipment failures, forming a variety of spatial temporal movement patterns. In this paper, we first introduce the scenario design, entity and behavior modeling, and data generator of the dataset. Then, a detailed ground truth of the dataset is presented. Finally, we describe the process and experience of applying the dataset to the contest of ChinaVis Data Challenge 2019. Evaluation results of the 75 contest entries and the feedback from 359 contestants demonstrate that the dataset has satisfactory completeness, and usability, and can effectively identify the performance of methods, technologies, and systems for indoor trajectory analysis.

中文翻译：

---

室内人群运动轨迹基准数据集

近年来，室内人群定位和运动数据分析技术在可靠性管理、室内导航、人群行为监测等领域受到广泛关注。然而，可供公众使用的室内人群运动轨迹数据集很少，限制了相关研究和应用的发展。本文提供了一个新的室内人群运动轨迹基准数据集。该数据集记录了在一个两层楼的室内场地举行的为期三天的大型学术会议上超过 5000 名参与者的运动。会议内容丰富，包括学术研讨会、商业展览、黑客大赛、访谈、茶歇、宴会等。参与者根据活动的参与权限分为七类。其中一些涉及异常事件，例如物品丢失、未经授权的访问和设备故障，形成了多种时空运动模式。在本文中，我们首先介绍了数据集的场景设计、实体和行为建模以及数据生成器。然后，提供了数据集的详细基本事实。最后，我们描述了将数据集应用于 2019 ChinaVis 数据挑战赛的过程和经验。 75 个参赛作品的评估结果和 359 名参赛者的反馈表明数据集具有令人满意的完整性和可用性，可以有效识别用于室内轨迹分析的方法、技术和系统的性能。形成多种时空运动模式。在本文中，我们首先介绍了数据集的场景设计、实体和行为建模以及数据生成器。然后，提供了数据集的详细基本事实。最后，我们描述了将数据集应用于2019年ChinaVis数据挑战赛的过程和经验。 75个参赛作品的评估结果和359名参赛者的反馈表明数据集具有令人满意的完整性和可用性，可以有效识别用于室内轨迹分析的方法、技术和系统的性能。形成多种时空运动模式。在本文中，我们首先介绍了数据集的场景设计、实体和行为建模以及数据生成器。然后，提供了数据集的详细基本事实。最后，我们描述了将数据集应用于 2019 ChinaVis 数据挑战赛的过程和经验。 75 个参赛作品的评估结果和 359 名参赛者的反馈表明数据集具有令人满意的完整性和可用性，可以有效识别用于室内轨迹分析的方法、技术和系统的性能。