4G技术的出现,使得移动通信进入一个更快的时代。LTE通信系统基于IP的数据传输改变了原来的通信方式,其中包含了诸如OFDM、MIMO、智能天线等先进的技术,使得LTE系统有更好的兼容性,更广的覆盖范围,更便宜的资费和更强的接收信号。截止2016年5月的统计数据表明,全国的4G用户已经达到5.3亿,占整个移动通信市场的41%,李克强总理在2017年两会政府工作报告中指出,2016年4G用户净增长3.4亿。在不到4年的时间,4G通信在移动通信中已经占据了主导地位,由于出现的时间短,人们对4G数据挖掘的研究还处于未完全深入的阶段,所以对4G技术及其衍生领域进行分析研究是很有必要的。本文正是建立在这些优势之上,分析用户的出行行为和群体聚集行为。文中我们使用了基于RSSI和质心定位算法对用户位置进行定位,并使用了改进的聚类算法从个体和群体两个角度分别研究用户的行为。首先我们对系统需求、系统总体架构和数据库做了详细的分析和设计,并介绍了LTE通信系统的结构和运行原理,分析了EPC的主要网元和提取源数据的关键接口协议,分析出本文所需要的4G运维数据来源,然后对解析结果做预处理,筛选出用户位置、时间、使用业务等系统所必须的源数据。其次按照分析内容对运维数据再次进行针对性处理,排除孤立基站,本文中我们结合RSSI定位和质心定位两种算法,总结出R-质心定位算法,通过这种定位算法中利用定位点的顺序跟踪用户的出行轨迹。然后通过分析个体用户的出行特征对个体行为进行分析,提出了出行特征指数,分析个体用户出行中的出行次数,出行距离和速度等指数,对个体用户采用聚类算法提取对用户停留点;在群体用户分析中,使用了基于停留点K-means与层次结合的时空聚类算法,用户行为相似度分析对群体聚集点进行分析,更精确地分析了用户的聚集行为和聚集目的。结合4G中获得App业务信息的方便性,为算法结果提供参考,使预警结果更准确。最后详细阐述了本系统设计和实现,结合系统功能的测试,对结果正确性进行分析,验证了该系统能够实用于行为分析,有较高的准确性。