目前5G站址规划方法主要基于人工规划或者简单的密度聚类算法输出，人工规划方法虽然准确度较高，但是需投入大量人力资源，较大程度依赖规划设计人员的经验和学识等，耗时长且过程繁琐。因此人工规划方法只能适用于小范围（补点）的站址规划，无法适用于5G大范围及全网的站址规划。针对上述问题，本文提出一种基于栅格密度的连续聚类算法，通过5G仿真结果作为数据源输入，对弱覆盖栅格进行前置处理，经过首次DBSCAN密度聚类输出初步有效栅格数据，再次引用K-Means聚类算法输出5G规划站址，最后再使用K-Value等于3的K-Means聚类算法完成初始工参规划，较好提升5G站址和工参等规划的精准性及高效性。