1.一种宏观区域实时人流保有量预测方法，其特征在于：包括按照物理空间部署在宏观区域范围内的多个检测子网络和远端的后台服务器，所述检测子网络包括若干个分机，以及与所述分机数据连接的的一个主机；所述分机通过无线被动感知的模式，采集分机覆盖范围内移动终端设备基于WIFI协议随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将手机到的数据进行统一存储和打上时间标签，并上传至远端的后台服务器中存储，并对数据按照以下步骤进行分析：步骤1：通过分机采集完整时间段(T-Δkt)的数据D，将该数据段以时间差Δt作为周期切分成k段，得到每段完整数据Dk，其中，Dij表示第j个子网第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；

步骤2：对数据Dk进行切片，并提取待分析局部区域S及时间段(T-Δkt)的数据Ds'，时间距t＝Δt，式中，Dis′为第s子网下编号为i的分机所采集到的数据；

步骤3：对部署的子网络与对应局部区域S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；

步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；

步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数c进行分类：将仅在一个数据矩阵Tower中出现的ID记为IDc＝1并单独提取进行分析，将在两个以上数据矩阵Tower中出现的ID数据归为IDc＞1；

步骤6：对于在时间段Δt内仅出现在一个数据矩阵Tower中出现的ID数据进行分析，若在Δt时间段内，未发现该ID数据在该数据矩阵Tower中重复出现的，则遍历该局部区域S周围相邻的子网查找是否出现相同的ID数据，如果未出现，则将该ID数据归为IDc＝1，若果在其他子网中出现，则将该ID数据打上标识归为IDc＞1；

步骤7：重复步骤4～6直到数据处理完毕；

步骤8：将步骤5和6处理得到的数据进行归纳合并，形成两类数据IDc＝1和IDc＞1；

步骤9：在T-Δet时刻(e＝1,2,…k)的Δt时间段内，区域内人流保有量为VT-Δet，VT-Δet＝DT-Δet{ID}，然后采用以下方法对实时区域人流保有量进行评估：(1)将IDc＞1中数据经过数据唯一化处理后计入有效数据；

(2)将IDc＝1中数据通过FT-Δt(·)近似拟合函数近似拟合处理，拟合过程中设置偏置参考系S，以(ST-Δt-(Vc＞1)T-Δt)/(Vc＝1)T-Δt作为反馈判断条件，当1-θ≤(ST-Δt-(Vc＞1)T-Δt)(Vc＝1)T-Δt≤1+θ，完成拟合得到IDc＝1的有效数据，式中，θ为系统设置的允许误差；

(3)然后，通过下式对IDc＞1和IDc＝1的有效数据进行求和得到区域人流保有量数据VT-Δt，(4)接着，根据Δkt时间段内区域人流保有量数列{VT-Δet}，采用数据拟合算法生成区域流出量近似函数f(x)；

(5)最后，将时间数据带入步骤(4)得到的近似函数f(x)，计算得到T+Δt时间区域人流保有量，完成。

2.根据权利要求1所述宏观区域实时人流保有量预测方法，其特征在于：所述偏置参考系S为区域视频计数或进出口闸门计数。