为了评估人类流动性的变化将如何改变新型冠状病毒的传播，斯坦福大学(Stanford University JureLeskovec)及其同事使用来自美国的移动电话数据(从2020年3月1日至5月2日)绘制了当地不同社区数以百万计的人的移动轨迹。他们将这些数据与一种新型冠状病毒传播模式结合起来，以确定潜在的高危地区和高危人群。

他们的模型准确地预测了芝加哥、纽约市和旧金山等10个最大大都市地区每天确诊病例的数量。移动数据的精细性让研究人员能够模拟人们经常访问的20个类别的近553000个不同地点的每小时感染情况--也被称为"感兴趣点"。作者的模型预测，这些地点中的少数地方，比如提供全套服务的餐馆，造成了大多数感染。例如，在芝加哥大都会地区，10%的感兴趣点贡献了85%的预计感染人数。

当地时间11月6日，英国政府在利物浦进行了一次大规模的全城范围的新型冠状病毒测试，有2000名军事人员协助这项工作。

该模式还预计，低收入群体更容易受到感染，因为他们无法大幅减少流动性，他们会去更小、更拥挤的地方，这也增加了感染的风险。例如，低收入群体经常光顾的便利店数量比高收入群体高出59%，而平均住在这里的顾客人数比高收入群体多17%。

通过模拟哪些人易受感染，以及在哪里，作者还评估了不同重新开放策略的有效性，认为他们的模型可以为重新开放政策的制定提供参考。例如，预测显示，将入住率保持在其最大容量的20%，可以减少80%以上的新感染，但到达的顾客总数只会减少42%。