據(jù)介紹，研究者在試圖摸清地圖數(shù)據(jù)與經(jīng)濟復蘇情況的關聯(lián)時，發(fā)現(xiàn)了兩個關鍵因子——地圖用戶到店數(shù)量（Volumes of Visits to Venues，簡稱V³）與商戶新開設的地理位置點數(shù)量（New Venues Created，簡稱NVC）。V³可以反映用戶的活躍程度，NVC則反映商戶的活躍程度。

于是，研究者將這兩個數(shù)據(jù)的走勢與GDP走勢做成可視化圖表，結果發(fā)現(xiàn)，NVC、V³與GDP的走勢，呈現(xiàn)強烈的正相關，也就是說，地圖用戶到店的情況與商戶新開設的地理位置點情況，可以反映經(jīng)濟活動的強弱。

圖1：從2018年第一季度到2020年第一季度，每個季度的國內(nèi)GDP與百度地圖用戶到店數(shù)量，新開設的地理位置點數(shù)量，呈現(xiàn)強烈正相關。（注：分析所用的數(shù)據(jù)皆為脫敏數(shù)據(jù)，所有處理環(huán)節(jié)均不涉及個體隱私。下同。）

那么，這一發(fā)現(xiàn)，除了作為經(jīng)濟活動的晴雨表，還有什么作用呢？

研究人員又做出了進一步的分析。他們對各個行業(yè)、各個地區(qū)省份的經(jīng)濟活躍程度進行了細致分析，結果發(fā)現(xiàn)，不同行業(yè)、不同地區(qū)之間，經(jīng)濟復蘇情況呈現(xiàn)巨大差異，主要分為以下三類——L型、勾型、V型。

先來看L型。這一曲線顯示復蘇緩慢，說明受疫情影響大，下圖分別是機場、火車站、教育培訓機構、酒店的用戶到店情況。可以看到，代表今年情況的紅色V³曲線，呈現(xiàn)“L”形狀，依舊在低谷搖擺。

圖2：上圖為機場、火車站、教育培訓機構、酒店的用戶到店情況（V³）和新開設的地理位置點情況（NVC）

再來看勾型。雖遭受疫情影響，但是疫情緩和之后，能夠恢復到2018年與2019年同期之間的經(jīng)濟水平。餐飲酒吧、休閑娛樂、公園景點等是典型的行業(yè)代表。這一復蘇情況在V³的可視化圖表里很像一個反寫的“對勾”。

圖3：勾型：疫情緩和之后，餐館酒吧、娛樂設施、旅游景點等行業(yè)能夠恢復到2018年與2019年同期之間的經(jīng)濟水平

最后看V型。盡管疫情的影響嚴重，但是一旦疫情緩和之后，能夠快速觸底反彈，恢復到2019年同期水平，甚至比那時情況更好。代表行業(yè)有工作居住的地點、商超、醫(yī)院藥店等。

圖4：V型：疫情緩和之后，工作居住地點、商超、醫(yī)院藥店等景氣程度快速反彈，走勢看上去像字母V

此外，大數(shù)據(jù)還發(fā)現(xiàn)了人口出行情況、搜索情況與疫情防控之間的緊密關聯(lián)。可以看出，中國內(nèi)地除湖北外主要城市確診感染人數(shù)與該城市人均搜索COVID-19相關關鍵詞的次數(shù)存在顯著正相關。由此得出結論，可能是由于感染情況引發(fā)的恐慌心理，人們更愿意搜索相關信息。

研究還發(fā)現(xiàn)，全國除湖北外主要城市的出行恢復率與當?shù)厝送ㄟ^搜索COVID-19次數(shù)呈現(xiàn)顯著的負相關。也就是說，人均通過搜索COVID-19關鍵字較多的城市，人們出行意愿更低、或是當?shù)匾咔楣芸卮胧└鼮閲栏?/font>(在排除了其他潛在因素的偏相關性分析后，此關聯(lián)依然顯著)。