如今,大型城市综合体越来越受欢迎,尤其是在中国和印度等发展中国家。根据相关统计显示,近年来大型商场在我国正在迅速地发展,其中有超过1000个城市综合性商场的面积超过了 30000平方米。城市居民更倾向选择这类城市综合体度过闲暇时间,因此在城市综合体内会聚集大量的人群,尤其是在节假日。例如,2018年12月31日,有174094多人聚集在中国最大的城市综合体之一苏州中心。为了实现客户安全、应急响应以及精确的营销等目的,商场管理者迫切需要实时的人群位置信息。目前最先进的解决方案主要是通过蓝牙或WiFi的传感器来收集这些信息,但这两种解决方案都需要客户提前配置智能手机,对用户本身的行为会造成一定程度上的干扰。此外还有RFID室内定位技术。虽然RFID技术能够获得精度很高的定位,但是由于在定位过程中需要读取目标RFID标签的特征信息,这使得其实际应用应用中产生了一些局限性。本文结合现有的室内定位技术,主要对数据获取、噪声去除以及人群估计阶段进行了改进,实现了非侵入式的区域人群估计算法。我们通过对Wi-Fi网络活动中探测请求数据包的抓取,实现对商场中用户的无干扰式检测。此外我们结合了机器学习的方法,设计了一个有效的滤波器来区分客户的移动设备和非客户的移动设备,从而使定位结果更加准确。在定位阶段,我们采用了确认误差区域的方法,在误差区域内进行最优路径匹配,从而减少定位过程中的计算开销,使我们的算法更加高效。最后,我们结合大量历史数据,得到区域人群的真实数量与我们定位人数之间的关系常量,从而实现城市综合体内区域的人群估计。我们的实验在16.7万平方米的苏州中心城市综合体内进行,实验区域面积约为2250平方米。实验结果表明,我们的方法在实验区域内的人群估计结果平均达到了91%的准确度。