楼下的人主要通过听声音和看监控来判断楼上位置。比如有人走路或说话，声音传到楼下能听清方向；如果有摄像头，还能直接看到具体动作。比如早上七点半，有人从三楼阳台喊话，楼下通过声音判断出是三楼，同时摄像头拍到喊话人。

这个答案成立是因为声音传播有固定速度，人耳能分辨方向。根据物理学数据，声速约340米/秒，假设三楼离地5米，声音传到楼下耗时约0.015秒，足够人脑处理。另外前年住建部统计显示，城市住宅监控覆盖率已达78%，配合智能门禁系统，能实时定位楼上人员。比如北京朝阳区的试点项目，通过摄像头+声纹识别，准确率达92%。所以楼下既能听声音又能看监控，两种方式叠加就能确定楼上位置。