了解人們的長短途旅行模式可為經濟發展以及天災人禍，甚至是為疫情對策提供資訊。波士頓兒童醫院(BCH)和牛津大學(University of Oxford)研究開發新的全球製圖方法，以更高的解析度估算人類的全球活動。

據eHealthNews.eu報導，BCH和牛津大學博士Mhilitz Kraemer及計算流行病學實驗室(Computational Epidemiology Lab)負責人John Brownstein博士領導資料科學家，匯集Google位置數據中人類每週移動數據。

數據來自幾乎涵蓋所有國家，共3億名手機用戶。團隊估計，捕捉到的數據量涵括65%地面居住地，共約29億人口，較以往人口流動研究更多。

Brownstein表示，取自Google的數據集有助了解到人口流動有了驚人的飛躍。正如應對疫情所顯示，量化人口活動量可以強化追蹤疫情、預測高危險群，以及評估人為介入是否有效等能力。

結合統計學、機器學習技術，再根據各國地理、基礎設施、都市化程度和收入等因素，提升數據結果的粒度，便能夠清晰比較各國的人口移動模式。如此一來，可望改善人們對社會經濟變遷的應對能力。

數據還顯示出許多模式，例如假期、智慧型手機使用頻率、氣候、戰亂等，都與人類遷移模式息息相關。在低收入環境中，活動範圍傾向於集中在個人住所週邊，且與高收入族群相比，長途活動頻率低了許多。

Kraemer表示，希望團隊研究發現能幫助理解為什麼某些地區的疾病傳播速度可能比其他地區更快，並最終成為預測疾病傳播的基準。

此外，團隊也承認研究上的侷限。例如，團隊只能取用2016年以來的數據，雖然手機無所不在，但手機服務訂閱卻因收入和地理位置而異。團隊正在擴大採樣範圍，以利繪製疫情期間人口流動的即時變化地圖。