注：指标基于100=2020年3月上半月，以7天为中心的移动平均线。
来源：Appel、Facebook、Google、Orange、Insee 计算。
需要注意的是，构建 Google 移动性指标的方法是未知的，但除了这个“小”细节之外，用户文档做得非常好，而且非常细致：
“这些数据代表了我们的用户样本。因此，它们不一定反映更大群体的确切行为。 “（事实上我们不知道数据是否被纠正，如果被纠正了，又是如何纠正的）。
“避免跨多个地区比较位置。不同地区的数据可 IG 数据 能存在局部差异，这可能会产生误导。我们不建议使用这些数据来比较国家之间的变量。”
对于 Apple 的移动趋势，数据是从 Apple 地图应用程序中进行的路线搜索生成的。夏季汽车使用量的急剧增加是不寻常的。这里也没有详细说明方法，但文档同样谨慎：
“由于 Apple Maps 不收集用户的人口统计数据，因此无法判断应用程序中的数据是否代表了整个人口。 »
Facebook 对其方法进行了更详细的介绍，但提供了类似的免责声明（仅限英文）：
。”不同的数据源将产生移动性估计，反映设备所有者的人口统计和地理覆盖范围。我们预计这些因素在不同地区和不同人口群体中会存在偏差，因此必须在特定的社会、经济和政治背景下进行解读。 »
就印度国家统计局 (INSEE) 而言，它暂时可以访问有关 Orange 中继天线激活情况的汇总数据，并且能够根据上下班通勤最频繁的早上时段的行驶距离构建移动指标。不幸的是，这些数据并未延续到 5 月底封锁放松的第一阶段之后，因为 Orange 不希望将 INSEE 数据的免费访问权限延长到该阶段。