人物经历

吴海山博士现就职于百度BDL（Big Data Lab，即百度研究院大数据实验室，系百度研究院下设的三大实验室之一。）

研究成果

时空数据研究

吴海山以百度的最新的商业选址Demo为例，对比过去的“调研-属性-画像-选址”模式，百度的模式则从分析用户搜索记录出发。“例如为海底捞的分店进行选址时，我们就主要分析在百度和地图上搜索过海底捞的用户的时空分布，这就能够刻画出他们的需求分布，再结合优化模型就能做出一些候选的地点，如果这里没有海底捞的分店，但是需求又很旺盛，我们的系统就会建议在这里增加一个分店。”吴海山补充道，“相对于传统的选址方法，百度直接反应用户的需求，因此更胜一筹。”

BDL的另一个Demo“用户O2O行为预测”是根据用户的百度搜索数据和定位数据来做用户的出行行为预测，这样就可以提前为用户推送目的地路况和出行建议。比如当用户搜索了一个饭店的名字，百度就通过行为分析，预测用户可能会在两小时内到达，这样就会替用户进行预约、排队、安排停车场等事宜。

中国鬼城量化研究

中国鬼城量化研究的项目负责人是百度大数据实验室的数据科学家吴海山博士，他带领其团队来自北京大学刘瑜教授实验室的实习生迟光华，首次使用定位数据来进行精细的鬼城检测。在提出这一算法之前，对于鬼城的判断多数是基于不可靠的测量，比如在夜间进行住宅建筑灯光的简单计数。这种测量方法忽略了旅游业的季节性变化。许多城市或区域的人口密度与旅游息息相关。而此次百度提出的这一算法相比以往的估算更加有效，首先是基于百度地图的用户数据分析可以判断出人流的方向、起点和终点，从而更精确地了解到某个区域内的常住人口。其次，这一算法还可以根据季节和旅游淡旺季区统计某个区域内的人口变化，从而更科学地判断特定区域的人口密度。该监测方法将有助于当地政府在未来做出更好的规划决策，而非盲目的加大投入，造成资源浪费。

该项目被美国权威杂志《麻省理工科技评论》评为2015年度最佳研究之一。