基于空间位置的服务在个人安全、旅游、医疗、运输、公安、通信等领域应用广泛,极大程度满足了人们对信息消费的需求。人们在享受这种便捷性的同时,也对定位系统的精确度提出了新的要求。机器学习作为人工智能的核心,被越来越多的运用在定位技术中。目前统计人流量主要依靠基站定位,定位精度低导致人流量统计误差大,不能很好的支撑精细化的园区管理。实时定位系统的建立,将初步用于精细化网优分析以及景区人流量分析与公共安全预警中,势必具有广泛的应用价值和现实意义。本文通过对比分析国内外关于定位技术的研究成果及现状,选出了本系统适用的位置指纹定位技术。进而研究系统特点与用户特征,对主要功能模块做详细分析,给出用例说明。结合机器学习在此领域的运用,设计了基于机器学习的实时智能定位系统的架构与定位流程,并对系统进行数据库设计、接口设计,提供系统解决方案。接着,对系统的主要模块进行类设计并描述其逻辑实现的同时,按功能模块对影响定位性能的关键因素进行分析,比如指纹特征选取、指纹间隔、模型超参数、匹配规则、平滑噪音数据等。根据定位精确度、算法实时性、系统稳定性和系统扩展性四个方面对算法模型进行选取。并提出了根据ECI的指纹搜索技术,避免全局指纹数据库的搜索,缩短在线指纹匹配时间。通过局部聚类取最小对定位结果进行降噪,以及对近邻进行不同权重的赋予等。在模型算法开发阶段,采用redis集群、kafka集群以及多进程机制实现系统的实时高并发。通过在实际环境中对系统功能以及性能的验证,表明其平均定位数据处理量可达到1M/s,定位精确平均可达60米80%,基本满足系统定位要求。