随着大数据技术和新型网络技术的发展,无线网络发生了巨大变化,呈现出密集性、复杂性、灵活性和动态性等特点,并且所提供的业务种类越来越多样化,要求的服务质量逐渐提高,因此,面对复杂的无线网络如何进行分析和规划是一项重要的研究任务。然而,传统的网络规划方法在准确性和效率方面都存在欠佳的问题,无法满足各种新型网络规划的高质量需求。因此,本文结合大数据的分析方法,深入研究了智能化的无线网络规划方法。本文在介绍现有的网络规划方法基础上,主要开展了以下三个方面的工作:(1)提出了一种基于时空分析的基站人流量预测模型。该方法从时间、空间角度出发,以基站覆盖为单元区域,研究基站人流分布与基站间人流转移的关系,并全面分析了基站人流分布的时空特征和人流在基站间的交互特征,从而提出了基站人流量预测方法。仿真表明,该方法改善了传统预测方法的缺陷,提高了人流量预测的准确度,为后期的网络规划提供有效的指导。(2)针对RPMA低功耗广域网基站密度大、业务分布不均匀等特点,提出了一种基于数据挖掘的网络规划方法。首先,利用提升回归树算法建立了信号质量预测模型,用于提取网络的覆盖分布空间模式。然后,针对覆盖分布空间模式,采用加权K-centroids分簇算法得到适应当前模式的最优基站部署。最后,根据总目标函数判定得到最终的基站拓扑。通过实际数据集的仿真实验结果表明,与传统的网络规划方法相比,所提的方法很好地提升低功耗广域网网络的覆盖质量。(3)设计并实现了基于大数据的网络规划系统演示平台。该平台基于Jupter Notebook搭建,主要利用scikit-learn、pandas等Python库实现了网络数据的预处理、信号质量模型的训练与预测,以及基站位置的聚类调整过程。该部分详细介绍了整个平台的搭建和核心规划算法的实现,以此为基础验证所提网络规划方法的有效性。