随着LTE的快速建设部署,移动无线网络多制式、多网元、多层次的网络拓扑构架已经成型,网络质量优化工作的挑战前所未有,体现在4G网络的多频段协同分析,海量的参数、性能、信令、日志、测量等数据关联分析。为了实现海量运维数据的快速处理与分析,网络质量情况的快速精准把控,以及以机器替代人工的资源优化,建立一套基于网络自有大数据的LTE网络覆盖智能分析系统势在必行。本文基于Hadoop架构通过MapReduce实现海量信令、工参等大数据的精准解析,并与手机周期性测量报告(MRO)数据进行多维度联合关联分析,进而精确定位用户实际感知的位置无线质量数据。实现基于用户实际感知的室内覆盖与虚拟路测、网络结构的智能化、自动化分析。本文首先介绍了当前的大数据技术的发展现状,课题研究的主要任务及相应关键技术,同时对Hadoop及其相关组件进行详细介绍,重点对HDFS,YARN,Mapreduce,Hive,HBase的工作原理进行的介绍,描述了大数据分析时运用hadoop技术的优势并完成大数据集群的搭建,为LTE网络覆盖智能分析系统的设计和实现打下基础。其次,详细分析了LTE网络覆盖智能分析系统的功能和非功能性需求,并对系统的总体架构、数据表结构等进行详细设计与实现,对系统性能进行测试,HDFS读写速度、MapReduce计算速度、界面并发速度与图层加载时延均达到系统设计要求。紧接着,对室内覆盖与虚拟路测功能、网络结构分析功能展开详细设计,通过数据挖掘、关联分析、空间聚合等技术,实现全省任意经纬度、楼宇、道路及其他场景的真实覆盖呈现,改变原有人工优化的工作模式,以机器自动化分析替代人工,节约人力成本、提升用户感知、精确定位问题。最后对全文进行总结,并提出后续的工作展望。