cidade inteligente: modelo organizacional e tecnologias...
TRANSCRIPT
Universidade Estadual de CampinasFaculdade de Engenharia Eletrica e de Computacao
Maury Vanessa Tumbajoy Navia
CIDADE INTELIGENTE: Modelo organizacional etecnologias a partir de uma perspectiva de dados
urbanos.
Campinas2016
Universidade Estadual de CampinasFaculdade de Engenharia Eletrica e de Computacao
Maury Vanessa Tumbajoy Navia
CIDADE INTELIGENTE: Modelo organizacional e tecnologias a partirde uma perspectiva de dados urbanos.
Dissertacao de mestrado apresentada a Faculdadede Engenharia Eletrica e de Computacao comoparte dos requisitos exigidos para a obtencao dotıtulo de Mestra em Engenharia Eletrica. Area deconcentracao: Telecomunicacoes e Telematica.
Orientador: Prof. Dr. Leonardo de Souza Mendes.
Este exemplar corresponde a versaofinal da dissertacao defendida pela alunaMaury Vanessa Tumbajoy Navia, eorientada pelo Prof. Dr. Leonardo deSouza Mendes.
Campinas2016
COMISSAO JULGADORA - DISSERTACAO DE MESTRADO
Candidato: Maury Vanessa Tumbajoy Navia RA: 144407Data da Defesa: 19 de fevereiro de 2016
Tıtulo da Tese: ”Cidade Inteligente: modelo organizacional e tecnologias a partir deuma perspectiva de dados urbanos”.
Prof. Dr. Leonardo de Souza Mendes (Presidente, FEEC/UNICAMP)Prof. Dr. Rodolfo Miranda de Barros (UEL)Dr. Gean Davis Breda (FEEC/UNICAMP)
A ata de defesa, com as respectivas assinaturas dos membros da Comissao julgadora,encontra-se no processo de vida academica do aluno.
Aos meus pais, Esther Na-via e Juan Tumbajoy, aminha sobrinha, meu ir-mao e ao meu querido na-morado e amigo JohannEduardo Baader.
Agradecimentos
Agradeco,
Aos meus pais, Esther Navia e Juan Tumbajoy, por seu apoio e seu amor incondicional.
Ao orientador Professor Leonardo Mendes, por propor, discutir e questionar as ideias paraa realizacao deste trabalho.
A Johann Eduardo Baader, meu namorado e revisor, por me apoiar, por compartilhar,por ouvir, por cuidar e me ajudar durante todas as etapas deste trabalho.
Aos professores da FEEC (Faculdade de Engenharia Eletrica e de Computacao) pelasexcelentes disciplinas ministradas.
A CAPES (Coordenacao de Aperfeicoamento de Pessoal de Nıvel Superior) pelo apoiofinanceiro.
A Universidade Estadual de Campinas pelo acolhimento e pela disposicao de inumerosservicos.
Obrigada a todos que, de alguma forma, colaboraram com este trabalho.
“So ha duas maneiras de viver a vida:a primeira e vive-la como se os mila-gres nao existissem. A segunda e vive-la como se tudo fosse um milagre”.
Albert Einstein
Resumo
O conceito de cidade inteligente (CI) e amplo e abrange o uso das tecnolo-
gias de informacao e comunicacao (TICs), tanto as existentes quanto as ainda
emergentes, na criacao de um ambiente urbano eficiente e sustentavel com
alta qualidade de vida. O conceito de CI visa viabilizar formas adequadas de
implementacao das acoes de gerenciamento e controle para as cidades, com
a implementacao de novos e melhores servicos publicos. Para isso, se faz ne-
cessario entender as caracterısticas proprias de demanda e funcionamento dos
servicos prestados no ambiente urbano, a partir da analise dos dados gerados e
coletados pelas TICs em tempo real a medida que os cidadaos usam os diferen-
tes servicos, publicos ou privados, associados as cidades. Diferentes tecnicas
de analise de dados urbanos sao estudadas na literatura de CI, as quais pro-
cessam os dados e entregam as informacoes relevantes que ajudam a inferir as
necessidades dos atores sociais (cidadaos, governo, universidades e empresas),
a causa real dos problemas e a melhor solucao. Este trabalho tem como ob-
jetivo o estudo dos conceitos que definem e determinam a CI na perspectiva
urbana moderna. Estes conceitos sao uteis para definir o modelo organizaci-
onal da CI e entender integralmente o conceito focado no processamento dos
dados urbanos. Primeiro, inicia-se com o estudo do estado da arte da ciencia
e da tecnologia das Cidades Inteligentes. Segue-se com o entendimento dos
diversos tipos de dados disponıveis no ambiente urbano e as tecnologias en-
volvidas no sensoriamento, gestao e analise dos dados coletados. Finalmente
descrevem-se as solucoes e os servicos que estao sendo desenvolvidos a partir
das informacoes obtidas do processo de analise.
Palavras-chave: Cidade Inteligente; Dados Urbanos; Computacao urbana; Mo-
delo organizacional; Extracao de conhecimento; Seguranca de dados; Servicos
inteligentes.
Abstract
The Smart City concept is wide and covers the use of existing and emerging
Information and Communication Technologies (TICs) to turn the urban space
more efficient and sustainable with high quality of life. The concept aims to
enable adequate forms of control and management actions for the city, with
the implementation of new and better public services. It is really important to
understand the demand for service profiles and operation in the urban space in
real time, from the analysis of data collected and generated by TICs while the
people use the different city service, public and private. Different urban data
analysis techniques are studied in the literature of smart city. The techniques
process the urban dates and deliver relevant information that helps to infer the
necessity of the stakeholders (citizen, government, universities and industry),
the real cause of the problems and the best solution. The aim of this work is
study the concepts that define and determine Smart City in the urban modern
perspective. These concepts are useful to define the organizational model for
the smart city and to understand fully the concept focus no processing of urban
dates. First, this paper begins with the review of the state of the art. Later,
we study the types of data available in the urban space and the technologies
used for sensing, management and analyze the data collected. Finally, we
describe the solutions and services that are being developed from information
obtained at the analysis process.
Key-words: Smart City; Urban data; Urban computing; Organizational model;
Knowledge discovery process; Data security; Intelligent service.
Lista de Figuras
2.1 Caracterısticas e fatores habilitadores. . . . . . . . . . . . . . . . . . . . . 24
2.2 Sensoriamento urbano. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Arquitetura baseada na IoT para Cidade Inteligente (Jin et al. 2014). . . . 36
2.4 Comparativo entre a arquitetura da computacao urbana e da Cidade Inte-
ligente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5 Arquitetura de Cidade Inteligente baseada na IoT (adaptada de Jin et al.
(2014) e Jalali et al. (2015)). . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1 Arquitetura geral da computacao urbana (adaptada de Zheng et al. (2014)). 41
3.2 Modelo organizacional das tecnologias de Cidade Inteligente (adaptada de
Zheng et al. (2014)). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3 Fonte de dados e dados dinamicos (adaptada de Cosgrave et al. (2013)). . . 69
3.4 Representacao de um tensor como uma estrutura tridimensional de indexacao. 70
3.5 Padrao de uso do SCB (Etienne & Latifa 2014). . . . . . . . . . . . . . . . 71
3.6 Redes de sensoriamento participativo (Bao et al. 2015). . . . . . . . . . . . 72
3.7 Grafo bipartido completo (Ying et al. 2014). . . . . . . . . . . . . . . . . . 72
4.1 Servicos para Cidade Inteligente adaptada de (Cosgrave et al. 2013). . . . . 76
4.2 Interfaz dos servicos de sensoriamento participativo: (a) interfaz de usua-
rio do aplicativo desenvolvido pela IBM Brasil; (b) interfaz de usuario do
aplicativo CrowdOut implementado em Grand Nancy. . . . . . . . . . . . . 84
Lista de Tabelas
2.1 Tecnologias da camada de enlace de dados (adaptada de Hancke et al. (2012)). 28
2.2 Classificacao das tecnologias da camada de enlace de dados. . . . . . . . . 30
2.3 Servicos associados a Cidade Inteligente (adaptada de Zanella et al. (2014)). 30
2.4 Arquiteturas para Cidade Inteligente (adaptada de Anthopoulos & Fitsilis
(2014)). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5 Arquitetura baseada na IoT para Cidade Inteligente (Jin et al. 2014). . . . 35
3.1 Sensoriamento urbano: vantagens e desvantagens (Zheng et al. 2014). . . . 46
3.2 Campos de um registro de dados do GPS (Castro et al. 2013). . . . . . . . 47
3.3 Caracterısticas de Big Data (Gupta & Siddiqui 2014) e (Katal et al. 2013). 51
3.4 Registro de checkins. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Exemplo de uma matriz usuario-item com as classificacoes de 4 usuarios
para 5 itens. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6 Classificacoes inferidas pela similaridade entre usuarios (destacadas com *). 54
3.7 Caracterısticas e faixa de valores para o servico de recomendacao de pacotes
de viagem (Tan et al. 2014). . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.1 Servicos no campo da computacao urbana. . . . . . . . . . . . . . . . . . . 75
4.2 Boas praticas da rede Portuguesa de cidades inteligentes. . . . . . . . . . . 85
Lista de Abreviaturas
AMOLED Active-Matrix Organic Light-Emitting DiodeBI Business IntelligenceBLE Bluetooth Low EnergyCI Cidade InteligenteDBMS DataBase Management SystemDSMS Data Stream Management SystemDW Data WarehouseETL Extract, Transform and LoadFAN Field Area NetworkFEEC Faculdade de Engenharia Eletrica e ComputacaoFP7 Seventh Framework ProgrammeGFSK Gaussian Frequency Shift KeyingGPS Global Positioning SystemGPRS General Packet Radio ServiceGSM Global System for Mobile CommunicationsHAN Home Area NetworkHSPA High Speed Packet AccessHTTP HyperText Transfer ProtocolIaaS Infrastructure as a ServiceIBM International Business MachinesIEC International Electrotechnical CommissionIEEE Institute of Electrical and Electronics EngineersIETF Internet Engineering Task ForceiOS Mobile Operating SystemIoT Internet of ThingsIPV6 Internet Protocol Version 6IP Internet ProtocolIS Intencao SocialISM Industrial, Scientific and MedicalISO International Standards OrganizationLAN Local Area NetworkLaRCom Laboratorio de Redes de ComunicacoesLCD Liquid Crystal DisplayLED Light Emitting DiodeLDI Lugares de InteresseLTE Long Term EvolutionM2M Machine to MachineNFC Near Field CommunicationOS Operating SystemPA Proporcao AbsolutaPaaS Platform as a ServicePEC Processo de Extracao de ConhecimentoPLC Power Line Communication
PR Popularidade RelativaQoS Quality of ServiceREST Representational State TransferRFID Radio Frequency IdentificationRSA Rivest-Shamir-AdlemanRSBL Redes de Sensoriamento Baseado em LocalizacaoRSSF Redes de Sensores Sem FioRSP Redes de Sensoriamento ParticipativoRMAA Rede Metropolitana de Acesso AbertoSaaS Software as a ServiceSCB Servico de Compartilhamento de BicicletasSDN Software Defined NetworkSIGM Sistema Integrado de Governanca MunicipalSVD Singular Value DecompositionTCP Transmission Control ProtocolTI Touch InterfaceTIC Tecnologia de Informacao e ComunicacaoUNICAMP Universidade Estadual de CampinasUMTS Universal Mobile Telecommunications SystemWi-Fi Wireless FidelityWAN Wide Area NetworkWiMAX Worldwide Interoperability for Microwave AccessWIRP Variant of the Rabins encryption scheme6LoWPAN IPv6 over Low Power Wireless Personal Area Networks3G Third Generation4G Fourth Generation3GPP Third Generation Partnership Project
Sumario
1 INTRODUCAO 16
1.1 Objetivos e contribuicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Organizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 FUNDAMENTACAO TEORICA 19
2.1 Definicoes de Cidade Inteligente . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Caracterısticas de Cidade Inteligente . . . . . . . . . . . . . . . . . . . . . 23
2.3 Fatores Habilitadores de Cidade Inteligente . . . . . . . . . . . . . . . . . . 24
2.3.1 Sensores e sistemas de aquisicao de dados . . . . . . . . . . . . . . 24
2.3.2 Redes de comunicacao . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.2.1 Dash7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.2.2 IEEE 802.15.4/ZigBee . . . . . . . . . . . . . . . . . . . . 28
2.3.2.3 LTE e 3G . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2.4 NFC e RFID . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2.5 IEEE 802.15.1/Bluetooth Low Energy . . . . . . . . . . . . 29
2.3.3 Tecnicas de analise de dados . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Arquiteturas de Cidade Inteligente . . . . . . . . . . . . . . . . . . . . . . 32
2.5 Computacao Urbana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3 TECNOLOGIAS NA COMPUTACAO URBANA 40
3.1 Dados Urbanos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 Sensoriamento Urbano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3 Gestao de Dados Urbanos . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.1 Fluxo de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.2 Dados de trajetoria . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.3 Dados de grafo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4 Analise de Dados Urbanos . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.1 Tecnicas de fusao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4.2 Tecnicas para analises de dados de trajetorias . . . . . . . . . . . . 50
3.4.3 Tecnicas para analise de dados esparsos . . . . . . . . . . . . . . . . 52
3.4.3.1 Tecnica de filtragem colaborativa . . . . . . . . . . . . . . 52
3.4.3.2 Decomposicao tensorial . . . . . . . . . . . . . . . . . . . 57
3.4.4 Metodos estatısticos . . . . . . . . . . . . . . . . . . . . . . . . . . 57
14
3.4.4.1 Padrao de mobilidade . . . . . . . . . . . . . . . . . . . . 58
3.4.4.2 Padrao de comportamento social . . . . . . . . . . . . . . 59
3.5 Seguranca de Dados Urbanos . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.5.1 Seguranca no sensoriamento de dados urbanos . . . . . . . . . . . . 64
3.5.2 Seguranca na gestao de dados . . . . . . . . . . . . . . . . . . . . . 65
3.5.3 Seguranca na analise de dados . . . . . . . . . . . . . . . . . . . . . 66
3.5.4 Seguranca na prestacao de servicos . . . . . . . . . . . . . . . . . . 67
3.5.4.1 Servicos inteligentes e algoritmos de otimizacao . . . . . . 67
3.5.4.2 Aplicativos . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.5.4.3 Paineis informativos . . . . . . . . . . . . . . . . . . . . . 68
4 SERVICOS PARA CIDADES INTELIGENTES 73
4.1 Planejamento Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2 Educacao Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.3 Transporte Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.4 Ambiente Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.5 Saude Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.6 Seguranca Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.7 Energia Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.8 Agua Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.9 Casa Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.10 Comercio Inteligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.11 Sensoriamento Participativo . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.12 Laboratorios para criacao de servicos em Cidades Inteligentes . . . . . . . 83
5 Conclusoes 86
5.1 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Bibliografia 89
16
Capıtulo 1INTRODUCAO
Atualmente, mais de 50% da populacao mundial vive em areas urbanas e espera-se
que em 2050 esse valor atinja 70% (Jin et al. 2014). Essa alta concentracao populacional
cria grandes centros de consumo de recursos, afetando areas como seguranca, transporte
publico, energia eletrica, agua, saude e meio ambiente. Consequentemente, a populacao
enfrenta inumeros problemas como o caos urbano, a poluicao do ambiente, os engarra-
famentos, a falta de agua e a reducao da qualidade na prestacao dos servicos publicos
(Wenge et al. 2014).
Por outro lado, os avancos tecnologicos em redes de sensores, identificacao por
radio frequencia (RFID), computacao em nuvem, redes sem fio, redes sociais e aplicativos
aumentam as trocas de informacoes e as interacoes humanas com e atraves dos sistemas
de informacao, levando a um crescimento de processos inovativos. Estes avancos se de-
vem, sobretudo, a evolucao da tecnologia em termos de capacidade de processamento da
informacao. Esta evolucao esta permitindo registrar digitalmente, em tempo real e de
forma massiva, as atividades que os atores sociais globais (cidadaos, governo, universida-
des e empresas) desenvolvem em seu dia a dia. Alem disso, a tecnologia moderna tambem
possibilita o monitoramento constante de certos aspectos das cidades, como o estado do
ambiente urbano (parques, ruas, pontes, edifıcios e casas), as atividades dentro da cidade
(eventos, movimentos das pessoas, lugares visitados e localizacao) e o uso dos servicos
publicos (rede de agua, energia eletrica e transporte publico) (Yue et al. 2014).
Nesse contexto, as tecnologias de informacao e comunicacao (TICs) transformam
os habitos pessoais em dados urbanos tangıveis e manejaveis no mundo virtual, uma
vez que monitoram, armazenam, transmitem e analisam estes dados. Assim, e possıvel
modelar o comportamento humano, entender a dinamica da cidade, detectar os eventos
de mudanca do comportamento coletivo ou individual, interpretar as rotinas dos cidadaos
e, portanto, conhecer as necessidades da populacao em um espaco e tempo determinados
(Silva et al. 2014).
A analise dos dados urbanos e util para aperfeicoar a atuacao da sociedade no
ambiente urbano, adaptando as operacoes dos sistemas urbanos, otimizando a prestacao
dos servicos publicos e desenvolvendo sistemas de tomada de decisao ou recomendacao
que viabilizem um ambiente eficiente, sustentavel e com alta qualidade de vida. Como
resultado, e possıvel diminuir o impacto do crescimento populacional sobre a infraestrutura
17
da cidade, os servicos publicos, o consumo dos recursos naturais e o meio ambiente.
Isso revela um novo ambiente urbano, a Cidade Inteligente, uma cidade com a
capacidade de coletar, processar e analisar os dados das interacoes, comunicacoes ou
transacoes digitais disponıveis, a fim de adaptar e otimizar as operacoes da cidade de
forma preditiva, ou para ajudar na tomada de decisoes imediatas dos atores sociais que
compoem a cidade.
Dentro do cenario apresentado, as TICs desempenham um papel fundamental na
inovacao ao potencializar a criacao da Cidade Inteligente capaz de sentir, gerir e responder
eficientemente aos desafios decorrentes do processo acelerado de urbanizacao. Sendo a
computacao urbana o conceito que descreve e conecta as tecnologias usadas em todas as
etapas de processamento dos dados urbanos, este trabalho abordara tal conceito como o
modelo organizacional da Cidade Inteligente (Zheng et al. 2014).
No Brasil, o Laboratorio de Redes de Comunicacoes (LaRCom) da Faculdade de
Engenharia Eletrica e Computacao (FEEC) da Universidade Estadual de Campinas (Uni-
camp) atua no desenvolvimento ou criacao de Cidades Inteligentes. Em relacao a coleta de
informacoes o trabalho de Morbach (2014) propoe uma arquitetura para monitoramento
e gerenciamento de redes sensoras em redes metropolitanas de acesso aberto (RMAA).
Panhan (2011) foca na proposta de uma arquitetura generica para cidades digitais. Junior
(2012) centra seu trabalho na construcao de um processo de extracao de conhecimento
(PEC) usando a tecnica Mapas Auto-Organizaveis na mineracao dos dados coletados pelo
modulo de gestao social do sistema integrado de governanca municipal (SIGM). Alem de
outros trabalhos interessantes produzidos no LaRCom.
1.1 Objetivos e contribuicoes
O objetivo deste trabalho consiste em compreender o conceito de Cidade Inteli-
gente por meio da arquitetura de Zheng et al. (2014), aprofundando em cada uma das
tecnologias modernas usadas no processamento e na analise dos dados urbanos para en-
tender vantagens e os desafios de cada. Para tal, primeiro sera apresentado o conceito de
Cidade Inteligente de acordo com a literatura especializada, objetivando enquadrar uma
definicao apropriada ao contexto. Na sequencia, sera estudado o conceito de computa-
cao urbana, focado principalmente no estudo dos dados obtidos da operacao dos sistemas
e servicos publicos das cidades que podem ser coletados e modelados com tecnicas de
extracao de informacoes ou conhecimento em tempo real.
Em relacao as contribuicoes, este trabalho de pesquisa:
• Apresenta o estado da arte do conceito de Cidade Inteligente com respeito as defi-
nicoes, caracterısticas, fatores habilitadores e arquiteturas propostas na literatura;
• Aborda o estado da arte do conceito de computacao urbana com respeito ao estudo
dos dados urbanos disponıveis e das tecnologias usadas nas etapas de sensoriamento,
gestao e analise dos dados urbanos;
• Relaciona de forma comparativa os conceitos de Cidade Inteligente e computacao
urbana;
18
• Estende a arquitetura da computacao urbana (abordada neste trabalho como o
modelo organizacional para Cidade Inteligente), focando na seguranca dos dados
urbanos em todas as camadas do modelo;
• Apresenta os servicos que poderiam ser desenvolvidos a partir das informacoes ob-
tidas do processo de analise dos dados urbanos.
1.2 Organizacao
O desenvolvimento deste trabalho inicia no Capıtulo 2 com o estado da arte do
conceito de Cidade Inteligente, as definicoes, as caracterısticas, as diferentes arquiteturas
propostas para desenvolver o conceito e finalmente uma breve introducao ao conceito
de computacao urbana. No Capıtulo 3 se descrevem os tipos de dados disponıveis na
cidade, o modelo organizacional, as tecnologias usadas em cada camada da arquitetura de
computacao urbana e as questoes de seguranca dos dados urbanos. O Capıtulo 4 aborda os
servicos que poderao contribuir para melhorar a eficiencia no desempenho das operacoes
das cidades no contexto de Cidade Inteligente, tais como o planejamento inteligente, a
educacao inteligente, o transporte inteligente, o ambiente inteligente, a saude inteligente,
a seguranca inteligente, a energia inteligente, a agua inteligente, a casa inteligente, o
comercio inteligente, o sensoriamento participativo e os laboratorios ’vivos’, capazes de
auxiliar na tomada de decisao e no desenvolvimento das atividades do dia a dia dos
atores sociais. Finalmente, as principais conclusoes e propostas de trabalhos futuros sao
discutidas no Capıtulo 5.
19
Capıtulo 2FUNDAMENTACAO TEORICA
A cidade e um ambiente vivo, dinamico. Ela esta em constante movimento, muda
e evolui a cada instante, tratando-se, portanto, de um sistema complexo cuja gestao
demanda a introducao de um conceito abrangente e multidisciplinar de Cidade Inteligente.
Para da Silva et al. (2013) o conceito de Cidade Inteligente surge da necessidade de gerir,
automatizar, otimizar e explorar todos os aspetos que poderiam ser melhorados em uma
cidade.
Chourabi et al. (2012) apresentam oito pontos a serem considerados no desenvol-
vimento do conceito de Cidade Inteligente e dos projetos em diferentes areas, os quais
ajudam a entender alguns dos requerimentos necessarios na implementacao do conceito.
Estes pontos sao:
• Gestao e organizacao: Os projetos a serem desenvolvidos na cidade precisam de
gestao e organizacao, planejando equipes responsaveis, os custos do projeto, as me-
tas a serem alcancadas, a comunicacao entre as equipes, assim como as formas de
quantificar os resultados, a fim de garantir o sucesso dos projetos se centrando na
qualidade de vida dos cidadaos.
• Tecnologia: As iniciativas de Cidade Inteligente dependem das tecnologias, ou seja,
hardware, software e tecnologias de rede integradas e aplicadas a infraestrutura e
servicos da cidade, a fim de fornecer aos sistemas de informacao uma consciencia
do mundo real fısico em tempo real e analises avancadas para ajudar as pessoas na
tomada de decisoes.
• Governo: A gestao de projetos de Cidade Inteligente depende de uma infraestrutura
de governanca inteligente, a qual permita a participacao do cidadao, o desenvolvi-
mento das parcerias publico/privadas, o acesso as informacoes importantes da ci-
dade, a colaboracao entre as areas ou pessoas responsaveis, o intercambio de dados,
a integracao de servicos e as comunicacoes.
• Contexto polıtico: Refere-se a criacao das condicoes que permitam o desenvolvi-
mento e a modernizacao dos ambientes urbanos identificando os aspetos legais, re-
gulatorios, institucionais e ambientais das iniciativas, alem do uso adequado das
TICs.
20
• Pessoas e comunidades: Engajar os cidadaos e as comunidades nos projetos da cidade
e importante para promover cidadaos mais informados, educados e participativos,
transformando-se em usuarios ativos na gestao e governanca da cidade, influenciando
no sucesso dos projetos de Cidade Inteligente.
• Economia: Os projetos de Cidade Inteligente visam criar empresas e empregos fo-
cando no desenvolvimento da forca de trabalho e melhorando a produtividade da
cidade com sistemas que prestam servicos inteligentes, cidadaos que agem de forma
inteligente, sistemas de empresas com controle inteligente de producao, sistema de
transporte inteligente, sistemas de comunicacao inteligente, sistemas de agua inteli-
gente e sistemas de energia inteligente.
• Infraestrutura: A implementacao de infraestrutura das TICs e importante para o
desenvolvimento dos projetos de Cidade Inteligente, sendo relevante a sua disponibi-
lidade e desempenho. O uso adequado das TICs determina a qualidade da seguranca
e da privacidade dos dados e pode influenciar grandemente nos custos de instalacao,
operacao e manutencao dos sistemas de informacao. A infraestrutura normalmente
inclui redes sem fio Wi-Fi, redes de fibra otica e sistemas de informacao orienta-
dos a servicos, mas pode ser implementada de maneira alternativa e com vantagens
usando a computacao em nuvem e as redes definidas por software (SDN), alem de
outras tecnologias emergentes.
• Cidade Sustentavel: Um dos objetivos da Cidade Inteligente e a sustentabilidade
ambiental, usando a tecnologia para melhorar a gestao dos recursos naturais, consi-
derando questoes como o curso da agua, a gestao do esgoto e dos espacos verdes.
Na sequencia, serao apresentadas algumas das definicoes, as principais caracte-
rısticas, os fatores habilitadores e as diferentes arquiteturas propostas para desenvolver
a Cidade Inteligente. Finalmente e apresentada uma breve introducao ao conceito de
computacao urbana.
2.1 Definicoes de Cidade Inteligente
A partir do inıcio deste seculo o conceito de CI tem sido amplamente discutido
em diversos foruns globais, tanto academicos quanto empresariais, destacando-se princi-
palmente os problemas enfrentados pelas cidades neste seculo, o crescimento populacional
nos centros urbanos e o envelhecimento das infraestruturas urbanas, e enfatizando nas
tecnologias modernas que poderiam auxiliar na resolucao destes problemas.
No entanto, tem sido difıcil se estabelecer um consenso na definicao do conceito de
CI, que geralmente e focado em diferentes aspectos como cidadao, tecnologias, solucoes e
administracao publica. Assim, torna-se adequado apresentar algumas das definicoes pro-
postas pelos principais autores interessados neste tema, nos ultimos anos, com o objetivo
de se abstrair o ponto central do conceito a partir de uma perspectiva global.
Harrison et al. (2010) definem Cidade Inteligente como as areas urbanas que explo-
ram os dados operacionais, tais como os que resultam do congestionamento de trafego, das
21
estatısticas de consumo de energia e dos eventos de seguranca publica, a fim de otimizar
a operacao dos servicos da cidade.
Naphade et al. (2011) concentram sua definicao como o conceito que promete
ajudar nos processos de planejamento, gestao e operacao das cidades modernas.
Chourabi et al. (2012) detalham que a nova inteligencia da cidade reside na com-
binacao cada vez mais eficaz de redes de comunicacao digitais (os nervos), a inteligencia
ubıqua incorporada (cerebro), os sensores e as etiquetas (os orgaos sensoriais) e o software
(o conhecimento e a competencia cognitiva).
Pellicer et al. (2013) ressaltam que o alvo final da Cidade Inteligente e alcancar uma
gestao eficiente em todas as areas da cidade, satisfazendo as necessidades dos cidadaos e
da cidade e respeitando o desenvolvimento sustentavel, sendo as TICs a chave para atingir
todos os objetivos.
Pan et al. (2013) definem a Cidade Inteligente como o meio que poderia aliviar
muitos problemas crıticos atuais, como o congestionamento, a poluicao do ambiente e a
insuficiencia dos recursos naturais.
Jara et al. (2013) discutem que a Cidade Inteligente desenvolve ambientes com a
capacidade de sentir os movimentos, as acoes e a evolucao do ecossistema.
Cenedese et al. (2014) destacam que para a realizacao pratica do conceito de Cidade
Inteligente e importante o desenvolvimento de uma infraestrutura de comunicacao capaz
de coletar dados de uma ampla variedade de dispositivos de um modo uniforme e sem
interrupcoes usando a Internet das Coisas (IoT).
Para Wang, David & Chalon (2014) o conceito de Cidade Inteligente surge para
descrever como os investimentos em capital humano e social, em modernas infraestruturas
das TICs e em servicos eletronicos estimulam o crescimento sustentavel e a qualidade de
vida, habilitada sob uma gestao adequada dos recursos naturais e dos processos partici-
pativos de governanca.
Aubry et al. (2014) descrevem que a Cidade Inteligente e a cidade na qual cada
edifıcio ou parte da cidade e capaz de transmitir informacoes para ajudar na gestao da
infraestrutura da cidade.
Jara et al. (2014) ressaltam que a Cidade Inteligente e a nova tecnologia capaz de
modelar e monitorar a cidade.
Panhan et al. (2016) afirmam que a Cidade Inteligente e um conceito que nao e
definido por nenhuma tecnologia inovadora, mais sim pela utilizacao de novas e velhas tec-
nologias para a redefinicao e construcao de uma nova cidade, aquela que priorize qualidade
de vida e sustentabilidade, em vez de fatores simplesmente economicos.
Para outros autores, a Cidade Inteligente e aquela centrada na gestao dos dados.
Desse modo, Paradells et al. (2014) enfatizam que a Cidade Inteligente prioriza a coleta, a
transmissao, o armazenamento e o processamento dos dados, utilizados para desenvolver
servicos personalizados e sistemas inteligentes adequados as necessidades dos cidadaos e
da cidade, considerando o contexto (tempo, localizacao, identidade e atividade das pessoas
o das maquina) para desencadear algum tipo de acao. Pode-se dizer entao que a Cidade
Inteligente ’da vida aos dados’, pois permite enriquece-los com informacoes do contexto,
possibilitando a integracao, a interacao e a agregacao dos dados por diferentes metodos
(Xiong et al. 2014).
22
Enfatizando na tecnologia, o conceito de Cidade Inteligente pode ser abordado
como a cidade que esta construıda sobre as tecnologias de sensoriamento inteligente, as
plataformas de decisao caracterizadas pela IoT e a computacao em nuvem, promovendo
o progresso economico e social da cidade (Liu & Peng 2014).
O conceito de CI tambem pode ser entendido como o ambiente que interatua com
os atores sociais, sejam estes cidadaos, governo, universidades ou empresas, inserindo
inteligencia na infraestrutura e nos servicos da cidade para atender as necessidades e
solucionar os problemas que afetam estes atores (Pellicer et al. 2013). Pellicer et al.
(2013)tambem afirma que a CI visa garantir uma prestacao de servicos publicos de alta
qualidade e o aprimoramento das atividades que estao sendo desempenhadas em todas
as esferas da vida. Isso e um ambiente urbano consciente e adaptavel que se ajusta
as mudancas do entorno, realizando, por exemplo, a configuracao de semaforos para o
fechamento de vias danificadas ou congestionadas a fim de evitar a perda de tempo dos
cidadaos nas vias da cidade.
Diversos autores usam termos como cidade sustentavel, cidade digital, cidade do
futuro, eco cidade, cidade inovadora, cidade baseada no conhecimento, cidade criativa,
cidade consciente e cidade competitiva, como sinonimos de Cidade Inteligente.
A cidade sustentavel e aquela que se preocupa em usar a tecnologia para enfrentar
os problemas do meio ambiente (poluicao, aquecimento global, falta de agua e energia ele-
trica e falta de recursos naturais) implementando servicos de transporte publico sofisticado
ou encorajando o uso de servicos de transporte nao motorizado (servicos de compartilha-
mento de bicicletas, por exemplo) com o objetivo de reduzir as emissoes responsaveis pelo
efeito estufa (Pellicer et al. 2013).
A cidade digital faz uso da infraestrutura de telecomunicacoes, por exemplo das
redes de sensores de coleta de dados, para transmitir seus dados ate os sistemas de pro-
cessamento de informacao.
A cidade consciente, termo introduzido por Koch et al. (2013), e aquela com a
capacidade de recordar, correlacionar e antecipar situacoes.
As discussoes anteriores mostram que nao existe um conceito unico, claro e uni-
versalmente aceito entre os profissionais e a academia na definicao do que e uma Cidade
Inteligente (Chourabi et al. 2012). No entanto, estas diversas definicoes convergem no que
concerne ao uso das TICs como fator habilitador dessas iniciativas, sendo as TICs a base
para a comunicacao, a interconexao e a integracao entre os diferentes servicos e setores
da cidade.
No mundo, mais do que 150 cidades sao consideradas cidades inteligentes e ou-
tras cidades sao classificadas segundo o nıvel de desenvolvimento nas TICs (Anthopoulos
& Fitsilis 2014). Yuan & Liu (2014) listam Nova Iorque, Londres, Paris, Tokyo, Seoul
e Singapura. Estas cidades sao consideradas como aquelas que tem acelerado o desen-
volvimento tecnologico para melhorar a sua competitividade e solucionar os problemas
urbanos, visando a transformacao das cidades em ambientes eficientes com crescimento
sustentavel e com alta qualidade de vida.
Tais cidades fomentam o desenvolvimento de melhores servicos para os cidadaos,
empresas e administracao publica nas areas como educacao, moradia, transporte, segu-
ranca, economia e saude (Anthopoulos & Fitsilis 2014), oferecendo processos para gerir
23
incidentes, incrementar o desempenho na prestacao dos servicos publicos, melhorar a expe-
riencia dos usuarios, viabilizar a comunicacao de forma multidireccional entre os setores
a fim de criar negocios mais eficazes e eficientes. Alem de empreender os projetos em
domotica, automacao industrial, assistencia medica remota, saude movel, assistencia ao
idoso, gestao e controle inteligente de agua e energia eletrica, monitoramento e gestao
do trafego, coleta de lixo, estacionamento, manutencao de areas publicas, previsao de
catastrofes naturais e gestao das decisoes a serem tomadas para minimizar os impactos
do processo de urbanizacao (Zanella et al. 2014).
Dado que o ponto central do conceito converge ao uso das TICs como base para o
aprimoramento das operacoes da cidade, neste trabalho a definicao do conceito de Cidade
Inteligente sera:
’A Cidade Inteligente e a cidade consciente que coleta, processa e analisa os dados
das interacoes, comunicacoes ou transacoes digitais disponıveis, para adaptar e otimizar
as operacoes dos servicos da cidade de forma preditiva, com a capacidade de recomendar
ou ajudar na tomada de decisoes imediatas dos atores sociais que compoem a cidade’.
Frente a esta definicao a Cidade Inteligente potencializa a inovacao na busca da eficiencia
do ambiente urbano.
A seguir, na Secao 2.2 serao apresentadas as caracterısticas e na Secao 2.3 os fatores
habilitadores que compoe o conceito de CI, nomeando as TICs como o fator essencial na
construcao da infraestrutura base da Cidade Inteligente.
2.2 Caracterısticas de Cidade Inteligente
Para Harrison et al. (2010), as tres caracterısticas essenciais que constroem o con-
ceito de Cidade Inteligente sao: uma cidade instrumentada, interconectada e inteligente,
que tem como objetivo o aprimoramento social, o crescimento economico e a sustentabili-
dade ambiental, atraves de um uso adequado dos recursos publicos, focados a incrementar
a qualidade dos servicos oferecidos aos cidadaos e reduzir os custos de operacao da admi-
nistracao publica (Zanella et al. 2014).
A Figura 2.1 relaciona cada caracterıstica aos fatores tecnologicos habilitadores das
iniciativas de Cidade Inteligente abordados por Harrison et al. (2010). A cidade instru-
mentada foca na colecao de dados dos sensores, das cameras de vıdeo, dos identificadores
de radio frequencia e do sistema de posicionamento global, dentre outros. A cidade inter-
conectada permite conectar os sistemas fısicos de colecao de dados e os sistemas software
das empresas que geram as operacoes dos servicos da cidade. A Cidade Inteligente analisa,
modela, otimiza e visualiza a operacao dos servicos e sistemas da cidade, interpretando
os dados coletados.
2.3 Fatores Habilitadores de Cidade Inteligente
O aumento das capacidades tecnologicas 1 em termos de potencia de processa-
mento, miniaturizacao de dispositivos, reducao de custos e desenvolvimento de software
1Pellicer et al. (2013) destacam que o avanco nas TICs provocou a revolucao tecnologica.
24
Figura 2.1: Caracterısticas e fatores habilitadores.
inteligente (Khan et al. 2013), tanto em infraestruturas TICs e tecnologias pessoais quanto
em armazenamento e processamento de grandes volumes de dados heterogeneos gerados
em ambientes urbanos sao alguns dos fatores habilitadores no desenvolvimento das inici-
ativas de Cidade Inteligente. A tecnologia aplicada a cidade muda a forma de interacao
com os sistemas, servicos e pessoas no ambiente urbano (Cosgrave et al. 2013).
2.3.1 Sensores e sistemas de aquisicao de dados
A cidade instrumentada aumenta a capacidade de monitoramento constante e em
tempo real do estado do ambiente urbano. A expansao das tecnologias de sensoriamento
nas cidades contribuem na coleta dos dados do mundo real. Essas tecnologias incluem
as redes de sensores sem fio (RSSF), o sistema de posicionamento global (GPS), as redes
de telefonia movel celular, as etiquetas de identificacao por radio frequencia, as redes
de sensoriamento participativo (RSP), os dispositivos pessoais portateis, os dispositivos
medicos implantados, os sites web e as redes sociais (Chourabi et al. 2012), conforme
ilustra a Figura 2.2.
Jin et al. (2014) apresentam tres tipos de sensoriamento: identificacao por radio
frequencia (RFID), RSSF e RSP. O sistema RFID esta composto por leitores e etiquetas.
As etiquetas estao anexadas a cada objeto junto com um identificador unico e com suas
proprias informacoes armazenadas, as quais respondem automaticamente as consultas
ou aos sinais enviados pelos leitores para informar sua presenca e transmitir as suas
informacoes. Entre as aplicacoes os sistemas RFID podem ser usados para supervisar o
estado dos objetos em tempo real em areas como a industria, o comercio, o transporte e
25
Figura 2.2: Sensoriamento urbano.
o controle de acesso (Wang, David & Chalon 2014).
As RSSF sao um conjunto de nos sensores sem fio de baixo consumo de potencia
e de baixo custo, que podem ser implementados em qualquer ambiente para pesquisa e
desenvolvimento de aplicacoes. Os nos da rede sao equipados com processador, interface de
radio, conversor analogico-digital, varios tipos de sensores, memoria e fonte de alimentacao
(Hancke et al. 2012), habilitando as redes de sensores para coletar as informacoes de
diferentes ambientes em tempo real dentro de um contexto especıfico.
As aplicacoes desenvolvidas podem ser cientes do contexto (Doukas & Antonelli
2014), ou seja, as aplicacoes consideram as informacoes de localizacao, movimento, ati-
vidades e temperatura dos usuarios ou dos objetos, para adaptar suas funcionalidades e
entregar os servicos segundo o contexto atual, como as aplicacoes de previsao do tempo,
as esportivas, as de comercializacao e os servicos de recomendacao para turistas.
As RSSF podem ser implementadas de tres formas diferentes segundo a necessidade
e as capacidades: o sensoriamento periodico no qual o sensor amostra o ambiente durante
intervalos regulares de tempo, os armazena e envia ate a estacao base; a deteccao de
eventos na qual os dados sao enviados no caso em que determinadas condicoes sejam
cumpridas; e o armazenamento de dados na qual todos os dados sao guardados localmente
no no receptor (Kulkarni et al. 2011).
A RSP e definida como o processo no qual uma multidao de pessoas compartilham
dados atraves de dispositivos moveis, como a localizacao atual, comentarios, ideias e fotos
(Aubry et al. 2014). A RSP se centra nas informacoes ou contribuicoes dos cidadaos na
gestao urbana, apoiando-se nas redes ou mıdia social, na adocao massiva de tecnologias
de comunicacao moveis e no avanco dos telefones inteligentes (Jin et al. 2014).
Silva et al. (2014) definem as redes de sensores sociais como sendo as pessoas
com dispositivos portateis, as quais fornecem ou compartilham dados voluntariamente de
qualquer lugar a qualquer momento nas mıdias sociai s como Foursquare, Waze, Instagram
ou Facebook.
A tecnologia da IoT e a computacao em nuvem sao plataformas emergentes que
contribuem com o sensoriamento em tempo real das operacoes urbanas, estendendo o
conceito da infraestrutura fısica da cidade para uma infraestrutura virtual capaz de coletar,
integrar e analisar as informacoes operacionais da cidade (Harrison et al. 2010).
A plataforma de sensoriamento da IoT cria a comunicacao entre os objetos (objeto
26
a objeto) ou entre as pessoas e os objetos sem a intervencao humana, equipando-lhes com
microcontroladores, transceptores e uma pilha de protocolos adequada para a comunicacao
(Zanella et al. 2014), o que aumenta as capacidades para interatuar inteligentemente
com o ambiente, com outros objetos e com os usuarios (Doukas & Antonelli 2014). Na
tecnologia da IoT os objetos sao equipados com sensores capazes de detectar mudancas
fısicas como, a temperatura e a iluminacao do ambiente, interligando-se com esquemas
de enderecamento unicos (IPv6, 6LoWPAN) para interagir uns com outros e cooperar
como os vizinhos para alcancar objetivos comuns, estimulando um sistema totalmente
integrado capaz de se adaptar e de agir autonomamente (Wang, David & Chalon 2014).
No protocolo de internet versao 6 (IPv6) existem aproximadamente 3, 4x1038 enderecos
IP uteis para acessar quaisquer objeto (Panhan et al. 2016)
O protocolo IPv6 over Low Power Wireless Personal Area Networks (6LoWPAN)
da Internet Engineering Task Force (IETF) se baseia no protocolo IPv6 para ser usado
na norma IEEE 802.15.4 em comunicacoes sem fio com baixo consumo de energia. O
protocolo 6LoWPAN mantem o IPv6 sendo uma questao importante a compressao dos
cabecalhos IPv6, liberando espaco no campo de dados o qual pode variar de 65 ate 75
bytes de dados. Desta forma, a transmissao de uma determinada quantidade de dados
usa menos campos e consequentemente, menos energia (Gonnot & Saniie 2014).
Alem disso, a IoT possibilita o fluxo confiavel das informacoes coletadas dos objetos
do mundo real ate os sistemas inteligentes de controle de alto nıvel no qual os dados sao
processados (Corici et al. 2014) e transmitidos atraves de redes Wi-Fi, servico de radio de
pacote geral (GPRS), sistema universal de telecomunicacoes moveis (UMTS), evolucao de
longo prazo (LTE), internet ou fibra otica para redefinir as operacoes urbanas de gestao
e controle (Jara et al. 2013), permitindo aos objetos em ambientes tanto estaticos quanto
dinamicos se comunicar e atualizar o estado atual da cidade (Wang, David & Chalon
2014).
A plataforma de computacao em nuvem e definida como uma colecao de platafor-
mas e infraestruturas disponıveis na internet com capacidade de armazenar, processar e
analisar grandes volumes de dados (Hancke et al. 2012). A computacao em nuvem se clas-
sifica em diferentes modelos de servicos: Infraestrutura como servico (IaaS), plataforma
como servico (PaaS) e software como servico (Saas).
COMPOSE e um exemplo de PaaS, projeto apoiado pela 7th Framework Pro-
gramme (FP7). A plataforma COMPOSE e uma solucao integral de ponta a ponta de
codigo aberto que fornece aos desenvolvedores de solucoes de Cidade Inteligente um con-
junto de ferramentas e metodos para o desenho, implementacao e desenvolvimento de
aplicacoes e servicos cientes do contexto, com a capacidade de se comunicar com outros
objetos (sensores, atuadores e telefones inteligentes) e com fontes externas de informacao
(Doukas & Antonelli 2013).
A computacao ubıqua tambem faz parte da plataforma de captura de dados do
ambiente movel dos usuarios dentro de um contexto real. A computacao ubıqua e con-
siderada como uma tecnologia pervasiva a qual integra as tecnologias da computacao no
entorno das pessoas sem ser percebidas como um computador. As tecnologias pervasivas
redefinem a interacao humano-maquina, desenhando inovadoras interfaces naturais para
os usuarios, sendo possıvel a captura do contexto e teriam sempre a capacidade de ligacao
27
a servidores ou a internet.
2.3.2 Redes de comunicacao
As redes de comunicacao com e sem fio suportam a integracao dos dados coletados
em uma plataforma de comunicacao, assim como a comunicacao das informacoes entre os
diferentes servicos e predios da cidade (Harrison et al. 2010).
Panhan et al. (2016) descrevem as tecnologias que constroem o nucleo da rede,
a rede de distribuicao e a rede de acesso de uma Rede Metropolitana de Acesso Aberto
(RMAA). Para os autores uma RMAA e uma rede multimıdia convergente que disponibi-
liza acesso digital aos predios e ambientes publicos. A fibra optica e o meio de transmissao
usado no nucleo de uma RMAA, levando em conta alta demanda de trafego, redundancia
e disponibilidade. Uma vez que o nucleo da RMAA ira suportar a interconexao e co-
municacao dos maiores geradores de trafego da cidade como os bancos de dados publico
e privados, universidades, escolas, hospitais, centros de saude, etc. As tecnologias que
podem ser utilizadas na rede de distribuicao e acesso sao: fibra optica multımodo, redes
Wi-Fi, cabo coaxial, cabos de fio par trancado, dentre outros. Sendo tecnologias de baixo
custo e com boa taxa de transmissao.
Hancke et al. (2012) classificam diferentes tecnologias de comunicacao sem fio
existentes no contexto de Cidade Inteligente, em redes de area local ou domesticas (LAN
ou HAN), redes de longa distancia (WAN) e redes de area de campo (FAN), segundo a
localizacao e a cobertura, as quais sao apresentadas na Tabela 2.1.
Tabela 2.1: Tecnologias da camada de enlace de dados (adaptada de Hancke et al. (2012)).LAN WAN FAN Padrao Frequencia
(MHz)Cobertura(Km)
Taxa dedados
Dash7 X ISO/IEC18007-7
433 1 200 Kbps
Zigbee X IEEE802.15.4
868/ 915/2400
0,5 250 Kbps
LTE X 3GPP-LTE 700-2600 Varios 100 Mbps3G X Varios 700-2600 Varios 3.6- 21
MbpsNFC X ISO/IEC
1809213.56 0,0001 106-424
KbpsBluetooth X IEEE
802.15.12450 0,01 1 Mbps
2.3.2.1 Dash7
O padrao Dash7 desenvolvido pela Organizacao Internacional para Padronizacao
(ISO), opera na banda de 433 MHz, permitindo um alcance maior do que a frequencia
de 2.4 GHz. Dash7 possui alcance maximo de 1 km e uma taxa de dados de 200 Kbps.
O padrao e desenvolvido para redes de sensores sem fio de longa distancia, usado em
aplicacoes de monitoramento de baixo consumo de energia. Algumas das aplicacoes sao
28
de logıstica e automacao de predios. A cobertura e da ordem de quilometros, sendo menos
afetado pela interferencia de outras redes em areas urbanas como o Wi-Fi e o Bluetooth,
dado que nao compartilham a mesma banda em 2.4 GHz (Hancke et al. 2012).
2.3.2.2 IEEE 802.15.4/ZigBee
O ZigBee e um protocolo baseado na norma IEEE 802.15.4 que se enquadra em uma
especificacao de redes de area pessoal sem fio, ou seja, e um protocolo de comunicacao sem
fio de baixa taxa de dados entre dispositivos de baixo custo, que permite a conectividade
de aplicacoes que apresentam baixo consumo de energia e baixos requisitos de rendimento
(IEEE-Standard 2011). O ZigBee opera na frequencia industrial, cientıfica e medica (ISM),
868 MHz (1 canal), 915 MHz (10 canais) e 2,4 GHz (16 canais), dispensadas da licenca
de funcionamento. O baixo custo para a utilizacao da especificacao ZigBee permite que
a tecnologia seja altamente empregada em aplicacoes de controle e monitoramento sem
fio. Entre as aplicacoes estao o monitoramento de seguranca, controle e acompanhamento
industrial, o monitoramento ambiental, controle e monitoramento de trafego de veıculos,
assistencia medica, praticas militares e automacao domestica.
O baixo consumo de energia limita a cobertura, ou seja, para a implementacao de
aplicacoes como o monitoramento de trafego em larga escala (cidade) uma rede de sensores
composta de um grande numero de nos densamente implantados se faz necessario (Akyildiz
et al. 2002). Assim, o esquema de enderecamento teria que suportar bilhoes de nos. Para
isso 6LoWPAN define mecanismos de transmissao de pacotes IPv6 sobre as redes IEEE
802.15.4 (Hancke et al. 2012). O IPv6 aumenta o espaco de enderecamento para 1038
nos, garantindo a ligacao dos nos com enderecos unicos, o que permite que os objetos
sejam controlados remotamente e identificados individualmente. Isso resolve as questoes
de escalabilidade e desempenho caso ocorra a expansao da rede de monitoramento da
cidade (Jalali et al. 2015).
2.3.2.3 LTE e 3G
O padrao de Evolucao de Longo Prazo (LTE) e um padrao de redes de comu-
nicacoes moveis com infraestrutura de rede que oferece uma velocidade de acesso entre
100 Mbps em situacoes de alta mobilidade e 1 Gbps em baixa mobilidade. A rede esta
baseada totalmente no Protocolo de Internet (IP), que prioriza o trafego de dados em vez
do trafego de voz, possibilitando uma rede de dados rapida e estavel. As tecnologias 3G
e LTE de radio sao voltadas para conectividade de banda larga, sendo projetadas para
comunicacoes de longo alcance e com pouca preocupacao quanto ao consumo de energia
(Hancke et al. 2012).
2.3.2.4 NFC e RFID
A tecnologia de Comunicacao por Campo de Proximidade (NFC) e uma tecno-
logia de comunicacao sem fio, atraves da qual a troca de informacoes sem fio pode ser
habilitada de forma segura dada a proximidade entre dois dispositivos compatıveis. Alem
de nao precisar de configuracoes previas como digitar uma senha, clicar em botoes ou
29
a realizacao de outra acao para estabelecer a conexao, sendo feita de maneira automa-
tica. Os dispositivos podem ser telefones celulares, tablets, crachas, cartoes de bilhetes
eletronicos e qualquer outro dispositivo que tenha um chip de comunicacao por campo
de proximidade. Os campos de aplicacao sao compra de passagens, cinema, pagamentos,
estacionamentos e identificacao.
RFID e uma tecnologia utilizada para identificar, rastrear e gerenciar tanto pro-
dutos e documentos como animais e indivıduos, sem contato e sem a necessidade de um
campo visual. A tecnologia permite a comunicacao de dois aparelhos a longa distancia
por meio de radiofrequencia, sendo um metodo de identificacao automatico atraves de
sinais de radio, recuperando e armazenando dados remotamente atraves de dispositivos
denominados etiquetas RFID. O RFID habilita diversas aplicacoes em Cidade Inteligente,
como a localizacao de pessoas e rastreamento de objetos, aplicacoes de saude, gestao de
ativos e estacionamento inteligente (Hancke et al. 2012).
2.3.2.5 IEEE 802.15.1/Bluetooth Low Energy
O Bluetooth de baixo consumo de energia (BLE) opera na faixa de frequencia
ISM de 2.4 GHz utilizando o esquema de salto em frequencia adaptativas para evitar
a interferencia e o desvanecimento gerado pelo multipercurso. BLE usa 40 canais com
frequencia central de 2402 MHz a 2480 MHz com separacao de 2 MHz um do outro, dos
quais 37 sao canais de dados. A modulacao Gaussiana por chaveamento de frequencia
(GFSK) e o esquema de modulacao usado, a taxa de sımbolo e a taxa de bit de 1Mbps.
A potencia de transmissao do dispositivo BLE esta entre -20 dBm e 10 dBm (Lin et al.
2015).
Zanella et al. (2014) classificam algumas das tecnologia da Tabela 2.1 em irrestritas
e restritas de acordo com o consumo de energia e a taxa de transferencia de dados, como
mostra a Tabela 2.2. Basicamente, as tecnologias irrestritas sao caracterizadas pela alta
confiabilidade, a baixa latencia e a alta transferencia de dados. E as tecnologias restritas
pelo baixo consumo de energia e a baixa taxa de transferencia de dados tipicamente menor
que 1 Mbps.
A Tabela 2.3 apresentada por Zanella et al. (2014) relacionam os servicos associados
a Cidade Inteligente e o tipo de rede na qual podem ser desenvolvidos. Da Tabela 2.3 se
observa que nao existe uma infraestrutura de comunicacao especifica implementada para
desenvolver os servicos associados a Cidade Inteligente.
Tabela 2.2: Classificacao das tecnologias da camada de enlace de dados.Irrestrito RestritoEthernet IEEE 802.15.4
Wi-Fi Bluetooth e Bluetooth baixa potenciaFibra optica IEEE 802.11 baixa potencia
CELULAR: UMTS, LTE NFCPLC RFID
30
Tabela 2.3: Servicos associados a Cidade Inteligente (adaptada de Zanella et al. (2014)).Servicos Tipo de Redes
Gestao de resıduos Wi-Fi; 3G e 4GMonitoramento da qualidade do ar 802.15.4; Bluetooth e Wi-Fi
Monitoramento do ruıdo 802.15.4 e EthernetCongestionamento do trafego 802.15.4; Bluetooth; Wi-Fi e Ethernet
Medida inteligente do consumo de energia PLC, NFC e EthernetEstacionamento inteligente 802.15.4, RFID, NFC e Ethernet
Iluminacao inteligente 802.15.4; Wi-Fi e EthernetLocalizacao e rastreamento de objetos RFID
Solucoes de cuidados da saude RFID, IoT
2.3.3 Tecnicas de analise de dados
A disponibilidade massiva de dados coletados pelas plataformas de sensoriamento
juntamente com a modelagem de dados e uma analise apropriada abrem a possibilidade
de transformar estes dados em informacoes relevantes ou conhecimento. A informacao
e usadas para criar servicos inovadores em areas como assistencia medica remota, saude
movel, assistencia ao idoso, gestao inteligente de agua e energia eletrica, gestao do tra-
fego, coleta de lixo inteligente, estacionamento, manutencao de areas publicas, seguranca,
educacao e habitacao. Alem disso, as informacoes advindas deste processo de analise per-
mitem apoiar a tomada de decisao das pessoas, governo, empresas e comunidades, assim
como melhorar a operacao dos sistemas, servicos e aplicacoes (Chourabi et al. 2012).
Nesse contexto, as TICs sao as ferramentas que melhoram os processos operaci-
onais da cidade, estudando e analisando os dados coletados para adaptar os servicos as
necessidades reais dos cidadaos. Uma vez que os dados coletados sao processados por tec-
nicas de descoberta de conhecimento e o padrao de uso do servico publico e identificado,
se faz visıvel o momento no qual se precisa a alteracao na prestacao dos servicos publicos
(Wang, Zhu, Shan, Xia & Liu 2014).
Considerando que a partir de um conjunto de dados foi possıvel identificar o padrao
de uso de um servico dentro de um contexto especıfico entao esse padrao vai mostrar quais
medidas ajudariam no controle e gerenciamento da cidade (Jara et al. 2014).
Nesse sentido, o padrao obtido dos dados sustenta a melhora na prestacao dos
servicos publicos ou a criacao de novos servicos, pois identifica o problema e a causa
real do mesmo. Por exemplo, e possıvel sugerir rotas alternativas de deslocamento caso
seja detectado possıveis pontos de congestionamento ao observar mudancas no padrao
de mobilidade estabelecido (Doukas & Antonelli 2014). O que finalmente viabiliza uma
Cidade Inteligente consciente, capaz de gerir os dados de forma adequada, permitindo
atuar de forma proativa e nao reativa em variadas situacoes.
A mineracao de dados e uma das tecnicas uteis na extracao de conhecimento ou
relacao entre os dados coletados da cidade. Porem, os metodos tradicionais de agrupa-
mento nao sao usados na analise de uma grande quantidade de dados heterogeneos, sendo
necessarias novas extensoes de algoritmos de agrupamento capazes de analisar e processar
dados em paralelo para a deteccao de padrao em Big Data. Arora & Chana (2014) apre-
31
sentam um estudo detalhado e comparativo entre os algoritmos de agrupamento recentes
utilizados para a mineracao de Big Data, concluindo que ainda novas metodologias sao
requeridas na analise de Big Data, pois as tecnicas estudadas nao se mostraram eficientes
na analise de fluxo de dados on-line em tempo real.
Junior (2012) analisou 1621 registros de atendimentos sociais coletados pelo sis-
tema integrado de governanca municipal (SIGM), encontrando cinco grupos com pouca
similaridade entre eles. A compreensao das relacoes entre os agrupamentos foi mais bem
representada usando uma estrutura tipo arvore. Segundo o autor o estudo de caso mos-
tra que os pontos de atendimento social da regiao leste devem prover acessibilidade a
deficientes.
Outros trabalhos na literatura estudam a extracao do padrao de dados por metodos
diferentes, sejam matematicos ou estatısticos. Alguns desses metodos serao estudados no
Capitulo 3.
Enfim e segundo o anterior a Cidade Inteligente possibilita o estudo, desenvolvi-
mento e implementacao de variados casos de uso ou projetos inteligentes, tais como:
• O sistema inteligente que reajusta automaticamente o tempo de temporalizacao
das redes de semaforos segundo os eventos que estejam acontecendo na cidade ou
segundo o fluxo de trafego;
• O controle na alocacao dinamica de faixas de trafego, permitindo o fluxo continuo
de veıculos;
• O projeto de otimizacao das rotas de recolhimento de resıduos urbanos atraves do
uso de recipientes com tecnologia de sensores de enchimento;
• A sincronizacao das atividades de remodelacao das infraestruturas como vias, pon-
tes ou edifıcios da cidade, melhorando o desempenho das obras de reconstrucao
em termos de mobilidade, consumo de agua e energia, impacto ambiental, social e
economico;
• A prevencao das condicoes futuras na prestacao dos servicos publicos, identificando
os momentos de alta e baixa demanda dos servicos.
Para Jara et al. (2014) a implementacao do projeto de Cidade Inteligente se reflete
em uma cidade eficiente sem interrupcoes de energia, sem atrasos nos voos, sem conges-
tionamentos do trafego, pois a cidade esta habilitada para diminuir o alto consumo de
agua e energia eletrica, o tempo de viagem entre dois pontos, o tempo de inatividade dos
espacos publicos e melhorar a prestacao dos servicos publicos.
Resgatando a analise de Jara et al. (2014) se poderia concluir que o fato de nao
entender como todas as variaveis da cidade estao interconectadas faz acreditar que os
problemas sociais sao de natureza aleatoria. No entanto, atualmente a interconexao das
pessoas, dos sistemas, servicos e infraestrutura no contexto de Cidade Inteligente susten-
tada nas tecnologias de sensoriamento, informacao e comunicacao ajudam a responder
as perguntas de como, quando e porque acontecem os problemas, explorando os dados
urbanos para entender as causas e auxiliar nas solucoes.
32
2.4 Arquiteturas de Cidade Inteligente
Variadas arquiteturas de Cidade Inteligente tem sido desenvolvidas para enfrentar
muitos dos atuais problemas das cidades. Porem, cada arquitetura e focada em atender
separadamente algum deles. Portanto, uma arquitetura geral nao e suficiente para atender
os requerimentos tecnologicos de cada cidade, uma vez que cada cidade esta inserida em
um contexto socioeconomico proprio.
da Silva et al. (2013) apresentam os principais requerimentos na implementacao
de uma arquitetura para Cidade Inteligente, listados a seguir:
• Interoperabilidade de objetos;
• Polıticas de sustentabilidade ambiental;
• Monitoramento em tempo real;
• Armazenamento e consulta eficiente de dados historicos;
• Colecao de dados do ambiente atraves de tecnologias de comunicacoes moveis;
• Infraestrutura altamente disponıvel;
• Polıticas de privacidade de colecao e uso dos dados;
• Processamento e sensoriamento distribuıdo;
• Gestao urbana integrada e da composicao de servicos;
• Aspectos sociais e a qualidade de vida dos cidadaos;
• Flexibilidade para alteracoes, adaptacoes e extensoes;
• Negocios de fornecimento de servicos e infraestrutura.
Nesse sentido, da Silva et al. (2013) argumentam que nao existe uma arquitetura
de referencia que possa ser considerada como efetiva, dado que as arquitetura sao desenha-
das com propositos especıficos, adequados para resolver problemas particulares. Assim e
segundo os autores, nenhuma das 17 arquiteturas analisadas satisfazem os requerimentos
supramencionados na implementacao de uma arquitetura para Cidade Inteligente.
Gea et al. (2013) discutem nesse contexto o problema de falta de padroes ampla-
mente aceitos na construcao de Cidade Inteligente, abordando o conceito desde as tecno-
logias que geram dados e habilitam a interacao. Os autores recomendam usar na rede de
transporte os protocolos TCP/IP (IPV6) sobre as tecnologias Wi-Fi, WiMAX e Ethernet,
uma ponte de ligacao para suportar a conectividade de multiplas redes de sensores sem fio
(802.15.4e+6LoWPAN, ZigBee), as interfaces como Ethernet, Wi-Fi, WiMAX e as redes
celular (GPRS, 3G e HSPA) na conexao da ponte de ligacao ate a Internet e o modelo
de Transferencia de Estado Representacional (REST) usando o protocolo HTTP para
conectar a ponte de ligacao com um armazem de dados e com os servicos ou aplicacoes.
33
Panhan et al. (2016) apresentam uma arquitetura para cidades inteligentes esca-
lavel e flexıvel. O modelo esta composto de cinco camadas: a camada de sensoriamento,
a camada de infraestrutura, a camada de interoperabilidade, a camada de interface e a
camada de servicos.
Jalali et al. (2015) destacam diferentes arquiteturas na implementacao de apli-
cacoes e servicos especıficos para Cidade Inteligente, argumentando que desenhar uma
arquitetura geral que possa ser amplamente difundida e uma tarefa difıcil dada a di-
versidade de dispositivos, tecnologias e servicos que podem estar associados ao sistema.
Os autores propoem uma arquitetura de tres camadas: sensoriamento, rede e controle.
Alem de mencionar outras arquitetura disponıveis na implementacao do conceito de Ci-
dade Inteligente como a arquitetura maquina a maquina (M2M), a arquitetura baseada
na computacao em nuvem e a arquitetura da IoT.
Liu & Peng (2014) apresentam uma arquitetura de quatro camadas: sensoriamento,
transmissao, processamento e aplicacao, adotada pelas cidades inteligentes da China, as
quais sustentam o desenvolvimento das solucoes que atuam segundo o contexto das pessoas
ou das maquinas.
Filipponi et al. (2010) descrevem uma arquitetura orientada a eventos para a gestao
e integracao de sensores heterogeneos no monitoramento de espacos publicos baseados em
eventos, melhorando a deteccao de eventos anormais e os processos de comunicacao com
as pessoas em caso de emergencia.
Anthopoulos & Fitsilis (2014) investigam diferentes arquiteturas usadas pelas cida-
des que implementaram diversos servicos no contexto de Cidade Inteligente, sendo relevan-
tes a arquitetura orientada a servicos, a arquitetura de multiplas camadas e a arquitetura
orientada a eventos. Os autores destacam que a selecao da arquitetura e independente do
enfoque tecnologico, do tipo de organizacao da Cidade Inteligente (publica, parcerias pu-
blico/privadas ou privada) e do modelo de negocios. Na Tabela 2.4 se apresenta o tipo de
arquitetura de Cidade Inteligente desenvolvida em diferentes cidades, sendo a arquitetura
de multiplas camadas a mais usual.
Xiong et al. (2014) discutem que a arquitetura orientada a servicos basicos nao e
considerada uma arquitetura adequada pelo fato de nao abordar alguns problemas como a
gestao e coordenacao de dados complexos e heterogeneos, sendo proposta uma arquitetura
orientada a servicos estendida, a qual permite o processamento de dados heterogeneos de
forma independente com alta escalabilidade e flexibilidade.
A arquitetura proposta organiza os dados e suas operacoes em blocos ou celulas.
A celula esta orientada a servico de dados. As operacoes que as celulas de dados po-
dem realizar sao absorver, digerir, comunicar e evoluir dados, formando um sistema com
capacidade de expandir novas funcoes (escalabilidade) e de implementar novos pedidos
de consultas em larga escala (flexibilidade). Os autores identificam outras arquiteturas
propostas no contexto de Cidade Inteligente como a arquitetura orientada a eventos e a
computacao em nuvem.
No domınio de Cidade Inteligente Jin et al. (2014) apresentam a arquitetura base-
ada na IoT a partir de tres perspectivas diferentes: centrada em rede, centrada na nuvem
e centrada em dados. A perspectiva de rede descreve a pilha de protocolos de comuni-
cacao em cinco camadas: a camada fısica, a camada de enlace de dados, a camada de
34
Tabela 2.4: Arquiteturas para Cidade Inteligente (adaptada de Anthopoulos & Fitsilis(2014)).Cidades ArquiteturaCidades InteligentesEuropeias
Sistema inteligente de medidas urbanas.
Cidades na Holanda Arquitetura orientada a servicos.Espanha, Korea, Ma-laga, Polonia, entreoutras
Arquitetura de multiplas camadas: Rede, conteudo, inteligencia eservicos online.
Helsinki, Kyoto Arquitetura de multiplas camadas: Informacao, interface, intera-cao.
Dubai Arquitetura de multiplas camadas: Infraestrutura, dados, aplica-cao.
Barcelona Arquitetura de multiplas camadas: codigos, nos, infraestrutura eambiente.
Blacksburg electronicVillage
Arquitetura de multiplas camadas: infraestrutura, conteudo, comu-nidade.
Amsterdam Arquitetura de multiplas camadas.Singapura Arquitetura de multiplas camadas: infraestrutura TICs, infraestru-
tura cognitiva, servicos e clientes.Santander Arquitetura de multiplas camadas: Conteudo, IoT, benefıcios.Uniao Europeia Arquitetura orientada a eventos.
rede, a camada de transporte e a camada de aplicacao. A perspectiva centrada em nu-
vem acrescenta o conceito de computacao em nuvem a fim de integrar as aplicacoes de
Cidade Inteligente com as redes de sensoriamento (RFID, RSSF e RSP). E finalmente, a
perspectiva centrada em dados se foca na colecao, processamento, gestao e interpretacao
dos dados. A Tabela 2.5 resume as tecnologias utilizadas no desenvolvimento de cada
perspectiva da arquitetura. E a Figura 2.3 apresenta a arquitetura de Jin et al. (2014).
Khan et al. (2013) apresentam o desenho da arquitetura de computacao em nuvem
baseada na analise de Big Data. Os autores apresentam diversas ferramentas para o
desenvolvimento da arquitetura.
Em suma, a arquitetura de Cidade Inteligente e adaptada segundo o tipo de ser-
vicos, tecnologias e dispositivos focados na solucao de distintas necessidades em cada
cidade, nao existindo um padrao ou norma geral. Entretanto, o uso adequado dos dados
e o ponto central de grande parte dos trabalhos contidos na literatura especializada, dada
a importancia de prever e atuar em tempo real no ambiente urbano, monitorando, in-
tegrando e processando corretamente os dados. Para finalmente atender as necessidades
dos atores sociais atraves dos servicos de recomendacoes ou de tomada de decisao uteis
no desempenho das atividades do dia a dia.
35
Tabela 2.5: Arquitetura baseada na IoT para Cidade Inteligente (Jin et al. 2014).Camadas IoT Tecnologias
Rede
Plataformas de sensoriamento RFID, RSSF, RSP.Esquema de enderecamento IPv6.Modelo de conectividade IP baseado em redes de sensores.Mecanismos QoS Trafego elastico; Trafego inelastico.
Nuvem
Armazenamento Armazenamento na Nuvem.Computacao Mineracao de dados, aprendizado de
maquina.Analises Software de analises.
Dados
Colecao Sensoriamento heterogeneo: RFID,RSSF, RSP.
Processamento e gestao Inteligencia computacional: Algoritmogenetico, algoritmos evolutivos, redesneurais.
Interpretacao e Visualizacao Display de cristal lıquido LCD, diodoemissor de luz LED, interface tactil deusuario TUI.
2.5 Computacao Urbana
O conceito de Cidade Inteligente e amplo e abrange o monitoramento da cidade,
a integracao de dados, o desenho de melhores servicos, a predicao do comportamento
humano, a visualizacao do nıvel de atividade da cidade e ate o controle das operacoes
de todos os setores que compoem o ambiente urbano, quando se centra na extracao do
conhecimento dos dados gerados massivamente nas cidades.
Considerando o enfoque supracitado, vislumbra-se milhoes de oportunidades e de-
safios computacionais e de infraestrutura, desde a implementacao das redes de senso-
riamento, as redes de comunicacao, o desenvolvimento das plataformas para gestao e
armazenamento de dados, os metodos ou tecnicas de colecao e de processamento de da-
dos, as tecnicas de analise de dados e as formas de visualizacao ou de representacao das
informacoes.
Na arquitetura proposta por Jin et al. (2014), a perspectiva de rede suporta os
requerimentos de comunicacao, a perspectiva centrada em nuvem atende os requerimentos
de integracao de dados e a perspectiva centrada em dados sustenta os requerimentos de
colecao, processamento, gestao e interpretacao de dados.
A perspectiva centrada em dados de Jin et al. (2014) e explorada por Zheng et al.
(2014) desde o conceito de computacao urbana descrito como o processo de coletar, inte-
grar e analisar uma grande quantidade de dados heterogeneos, gerados de diversa fontes
no ambiente urbano que, sendo analisados, auxilia na resolucao dos desafios atuais das ci-
dades. O conceito de computacao urbana e descrito em quatro camadas: o sensoriamento
urbano, a gestao de dados urbanos, a extracao de conhecimento de dados heterogeneos
e a prestacao dos servicos urbanos. A Figura 2.4 relaciona de forma comparativa as
duas arquiteturas de Cidade Inteligente e de computacao urbana, abordando como tema
relevante a utilizacao adequada dos dados urbanos.
36
Figura 2.3: Arquitetura baseada na IoT para Cidade Inteligente (Jin et al. 2014).
A Figura 2.5 apresenta a arquitetura de Cidade Inteligente baseada na arquitetura
IoT de Jin et al. (2014), na arquitetura de Jalali et al. (2015) e na ideia de sensoriamento
virtual de Silva et al. (2014). A perspectiva de dados esta baseada na arquitetura geral
para computacao urbana de Zheng et al. (2014).
Dado que as quatro camadas da computacao urbana descrevem e conectam as
tecnologias usadas em todas as etapas de processamento de dados urbanos, sera abordada
neste trabalho como a proposta do modelo organizacional das tecnologias para a Cidade
Inteligente a partir de uma perspectiva de dados urbanos. No Capitulo 3 se aborda com
mais detalhe as tematicas de colecao, gestao, analise e prestacao de servicos.
37
Figura 2.4: Comparativo entre a arquitetura da computacao urbana e da Cidade Inteli-gente.
38
Figura 2.5: Arquitetura de Cidade Inteligente baseada na IoT (adaptada de Jin et al.(2014) e Jalali et al. (2015)).
39
Capıtulo 3TECNOLOGIAS NA COMPUTACAOURBANA
A computacao urbana e um campo interdisciplinar que une a ciencia da compu-
tacao aos espacos urbanos para resolver os problemas, por exemplo, de congestionamento
e de poluicao do ar (Zheng et al. 2014). Isso mostra que a computacao urbana e uma
abordagem mais proxima a realidade de transformar a cidade em Cidade Inteligente, pois
os dados sao a forma de representar o mundo real em um ambiente virtual, dada a mas-
siva adocao e o monitoramento onipresente das TICs no desenvolvimento das atividades
humanas, possibilitando encontrar a causa real e a melhor solucao dos problemas sociais
enfrentados atualmente pelas cidades.
A Computacao Urbana da prioridade a modelagem dos dados gerados e registra-
dos pelas TICs, seguindo a arquitetura geral da Figura 3.1 apresentada por Zheng et al.
(2014), a qual esta composta por quatro camadas. A primeira camada analisa as fontes
para coletar de forma massiva os dados urbanos e estuda os desafios de sensoriamento
em larga escala. A segunda camada estuda as tecnicas e metodologias de gestao e pro-
cessamento dos dados urbanos usando uma estrutura eficiente de indexacao ou rotulacao
espaco-temporal. A terceira camada explora as tecnicas de analise de dados. A quarta
e ultima camada desenvolve os sistemas de tomada de decisao e os servicos de recomen-
dacao apropriados ao tempo e lugar no qual e necessario atender aos cidadaos, usando o
conhecimento obtido do processo de analise para identificar as situacoes anormais.
Uma vez que as tecnologias de sensoriamento fısicas e virtuais coletam os dados,
as redes de comunicacao os transmitem para o mundo virtual no qual sao processados e
integrados com outros dados na nuvem. Assim, torna-se indispensavel o uso de tecnologias
de gestao de dados heterogeneos para o armazenamento, processamento e analise, alem
de tecnicas e modelos para extracao de conhecimento. Estas informacoes serao usadas no
desenvolvimento e aperfeicoamento dos servicos e sistemas.
Nesse contexto, a computacao urbana une o mundo fısico ao mundo virtual, aju-
dando a transformar a cidade em Cidade Inteligente, ou seja, uma cidade que cria um
ambiente urbano com a capacidade de aproveitar as tecnologias acessıveis para ser cons-
ciente da sua natureza dinamica. Trata-se da cidade consciente que coleta, processa e
analisa os dados das interacoes, comunicacoes ou transacoes digitais disponıveis, a fim de
adaptar e otimizar as operacoes da cidade de forma preditiva, com a capacidade de re-
40
Figura 3.1: Arquitetura geral da computacao urbana (adaptada de Zheng et al. (2014)).
comendar ou ajudar na tomada de decisoes imediatas dos atores sociais. Tal abordagem
permitiria reagir antecipadamente diante de casos de emergencia, entregando de forma
eficiente os servicos no momento e lugar adequado (Silva et al. 2014).
A Figura 3.2 apresenta o modelo organizacional das tecnologias de CI focado na
seguranca dos dados urbanos, segundo o conceito de computacao urbana abordado por
Zheng et al. (2014). Os diferentes servicos de seguranca aplicados de acordo com a camada
do modelo organizacional serao explanados na Secao 4.6.
O modelo organizacional da Cidade Inteligente organiza as tecnologias usadas no
sensoriamento, na gestao e na analise dos dados urbanos uteis no desenvolvimento de novos
servicos, a fim de contribuir com o processo de transformacao da cidade. O modelo permite
visualizar a abordagem bottom-up iterativa no processamento dos dados urbano, uma vez
que os servicos desenvolvidos irao gerar novos dados que permitirao desenvolver novos
servicos. Alem disso, o modelo possibilita entender de forma integral as caracterısticas
dos dados em cada camada.
Antes de entrar em detalhe na tematica de tecnologias usadas na computacao ur-
bana e importante entender o tipo de dado disponıvel no ambiente urbano. Este tema sera
o ponto central da Secao 3.1, na qual serao destacados os dados que poderiam representar
as atividades do cotidiano da populacao.
3.1 Dados Urbanos
Zheng et al. (2014) mencionam algumas das fontes de dados tipicamente usadas no
desenvolvimento das aplicacoes no campo da computacao urbana: os sensores instalados
em uma rodovia, as redes veiculares, os servicos de rede social baseados em localizacao
Foursquare, Waze, Instagram, Facebook, etc. Os servicos e as tecnologias implementadas
nas cidades para atender as necessidades de comunicacao e de mobilidade das pessoas
tambem sao considerados como fontes de dados, ja que interatuam com as pessoas no de-
senvolvimento das atividades do dia a dia. Como exemplo, cita-se o servico de transporte
41
Figura 3.2: Modelo organizacional das tecnologias de Cidade Inteligente (adaptada deZheng et al. (2014)).
massivo de passageiros, as redes de telefonia celular, o sistema de posicionamento global
e os respectivos dispositivos portateis (cartoes, telefones inteligentes e tablets).
Entre os dados que poderiam ser usados para estudar em larga escala as possıveis
solucoes que melhorariam o desempenho da cidade estao
• Os registros das chamadas telefonicas das redes de telefonia movel celular;
• Os registros dos percursos dos usuarios do sistema de posicionamento global;
• Os dados de latitude e longitude dos usuarios dos servicos de compartilhamento de
localizacao disponibilizados em Foursquare ou Instagram;
• As informacoes de perfil, preferencias e interesses dos usuarios nos servicos de rede
social como Facebook;
• Os dados das transacoes feitas usando os cartoes de credito;
• Os dados de entrada e saıda aos onibus gerados nas viagens das pessoas que usam
os cartoes de transporte urbano equipados com chips RFID;
• Os dados da quantidade de carros em uma rodovia coletados das cameras de vigi-
lancia instaladas em semaforos, parques ou predios;
• Os dados dos sistemas de monitoramento ambiental;
• Os dados do consumo de energia das casas; e
42
• os dados gerados pelos dispositivos desenvolvidos para os cuidados de saude dos
habitantes.
Yamamoto et al. (2012) descrevem dois tipos de dados: estaticos e dinamicos. Os
dados estaticos sao aqueles que permanecem fixos na cidade como o nome da cidade, o
nome das ruas e avenidas, o endereco das casas, a identificacao dos aparelhos, o tipo e
nome dos aparelhos e as informacoes das pessoas que moram dentro da casa. Para este
tipo de dado, as questoes de seguranca e privacidade sao de grande relevancia, uma vez
que eles contem informacoes sensıveis ou importantes. Por sua vez, os dados dinamicos
sao aqueles que mudam seu valor ao longo do tempo, como o consumo de agua e energia,
estado de operacao dos aparelhos e temperatura do ambiente.
Outros exemplos de dados dinamicos sao apresentados na Figura 3.3. Estes da-
dos sao gerados massivamente1 por dispositivos e aparelhos de diversos fabricantes, sendo
considerados dados heterogeneos que precisam de plataformas escalaveis para seu arma-
zenamento e processamento.
A seguir, na Secao 3.2 serao abordadas e estudadas as tecnologias de sensoriamento
urbano. Na Secao 3.3 os metodos de gestao dos dados. E por ultimo na Secao 3.4 as
tecnicas de analise de dados.
3.2 Sensoriamento Urbano
O monitoramento da cidade se baseia na aquisicao das informacoes de estado do
ambiente urbano em tempo real (Corici et al. 2014), que pode ser feita instrumentando
a cidade com sensores e atuadores inteligentes e acessıveis, ou extraindo os dados, como
fotos, vıdeos e texto em tempo real dos servicos de rede social, dos servicos de comparti-
lhamento de localizacao ou dos motores de pesquisa Facebook, Twitter, Instagram, Google
e Foursquare. Nesse sentido, Pan et al. (2013) classificam em quatro categorias as formas
de coletar os dados de acordo com os sensores e dispositivos instalados ao redor da cidade:
• Dispositivos moveis: Telefones inteligentes, tablets e ipads equipados com GPS, Wi-
Fi, GSM e Bluetooth, os quais fornecem dados de localizacao dos usuarios, alem do
ruıdo captado pelo microfone do telefone movel;
• Veıculos: Veıculos equipados com GPS providenciam dados da trajetoria do carro
e dos condutores e passageiros, representando o padrao de mobilidade humana em
larga escala;
• Cartoes inteligentes: Cartoes bancarios e de transporte entregam dados de localiza-
cao, que ajudam tambem a modelar a mobilidade humana em larga escala;
• Sensores: Objetos equipados com RFID reportam as rotas ou os movimentos dos
objetos.
1Yamamoto et al. (2012) calculam que os dados dinamicos gerados diariamente por uma cidade pe-quena com 25000 casa excedem 1 bilhao de registros.
43
Figura 3.3: Fonte de dados e dados dinamicos (adaptada de Cosgrave et al. (2013)).
Numa outra perspectiva, Zheng et al. (2014) categorizam as tecnologias de senso-
riamento em tres formas:
44
• Instalacao de sensores destinados para algum servico ou aplicacao especifica;
• Sensoriamento passivo;
• Sensoriamento participativo.
O sensoriamento passivo usa os dados do sistema de telecomunicacoes, tais como
os registros das chamadas telefonicas das redes de celulares sem fio, desenhadas com o
proposito principal de comunicacao das pessoas, como meio para detectar a dinamica
da cidade sem o conhecimento explicito dos usuarios. Por sua vez, no sensoriamento
participativo os usuarios sao cientes das informacoes coletadas, enviadas, reportadas e
compartilhadas. Em outras palavras, a diferenca principal entre as duas abordagens e o
grau de consciencia dos usuarios das informacoes que estao sendo analisadas e processadas.
Silva et al. (2014) argumentam que as RSPs (como os servicos de compartilhamento
de localizacao Foursquare), sao uma nova fonte de dados emergentes, com caracterısticas
de sensoriamento em tempo real e em larga escala. Esses dados proporcionam acesso as ca-
racterısticas importantes do comportamento social urbano, como o padrao de mobilidade
das pessoas.
Para o autor, nas RSPs os sensores sao os usuarios junto com o dispositivo portatil.
Por exemplo, as fotos compartilhadas pelos usuarios sao uma representacao grafica do
lugar especifico de localizacao do usuario, pois contem informacoes da longitude e latitude
do lugar onde as fotos foram obtidas, alem da hora e outras informacoes pessoais. A
abordagem de sensoriamento participativo esta sendo considerada uma opcao atraente,
pois diminui os custos de instalacao, manutencao, substituicao de baterias ou reparacao
dos nos associados as redes de sensores. Isso ocorre porque nao existem restricoes de
energia e de mobilidade, dado que as RSP usam os dispositivos moveis do usuario.
E importante ressaltar que novos problemas sao encontrados na abordagem de
RSP. Alguns exemplos sao os dados incertos obtidos dos dispositivos GPS, a perda de
valores nos campos de dados por mau funcionamento dos nos sensores e a dependencia da
participacao dos usuarios para a obtencao de dados de localizacao, o que provoca a falta
e a dispersao de dados, ja que os usuarios nao compartilham dados constantemente nem
em intervalos definidos. Segundo Silva et al. (2014) o sensoriamento pode sofrer longos
perıodos de inatividade sendo mais representativos em momentos especıficos (almoco ou
janta) de acordo com o dia da semana.
Pela revisao bibliografica realizada, e possıvel concluir que o sensoriamento urbano
em larga escala e viavel quando sao usadas multiplas formas de sensoriamento, tais como,
instalacao de redes sensores, sensoriamento participativo e sensoriamento passivo, criando
o problema de dados heterogeneos. A Tabela 3.1 resume as vantagens e desvantagens de
cada forma de sensoriamento (Zheng et al. 2014).
3.3 Gestao de Dados Urbanos
.
A gestao de dados urbanos ou pre-processamento de dados e uma etapa que orga-
niza, filtra, combina e preenche valores vazios dos dados, permitindo um processamento
45
Tabela 3.1: Sensoriamento urbano: vantagens e desvantagens (Zheng et al. 2014).Redes Vantagens Desvantagens
RSSF
• Controle na quanti-dade de dados coleta-dos;
• Dados em formato es-truturado.
• Alto custo de manutencao;
• Restricoes no tempo de vida dasbaterias;
• Monitoramento a pequena escala;
• Dados incompletos.
RSP
• Monitoramento emlarga escala;
• Sem restricoes deenergia.
• Sem controle na quantidade dedados coletados;
• Problema de dispersao de dados;
• Dados sem formato definido(texto, imagem, vıdeo);
• Dados heterogeneos, dada a di-versidade de dispositivos.
GPS • Monitoramento emlarga escala.
• Incerteza nos dados coletados.
rapido e uma extracao adequada de conhecimentos na etapa seguinte de analise de dados
(Chen et al. 2015). Zheng et al. (2014) apresentam tres estruturas de dados, apresen-
tadas nas secoes 3.3.1, 3.3.2 e 3.3.3, juntamente com tecnicas para gerir cada uma das
abordagens discutidas.
A Tabela 3.2 apresenta um exemplo descrito por Castro et al. (2013) dos campos
de uma amostra registrada pelo GPS. A tabela 3.2 representa a primeira parte do pre-
processamento da base de dados usada pelos pesquisadores na area de mineracao de dados
das rotas tracadas pelo GPS dos taxis.
3.3.1 Fluxo de dados
Zheng et al. (2014) citam a temperatura, o consumo de energia eletrica e o vıdeo
das cameras de vigilancia como exemplos de fluxo de dados. Wu et al. (2014) mencio-
nam quatro caracterısticas para o fluxo de dados dinamicos: continuidade, variabilidade,
rapidez e infinidade. Wu (2014) destaca que a caracterıstica de infinidade faz inviavel
o processo de armazenamento para analise posterior dos dados, o que leva a extrair o
conhecimento dos dados na medida em que os dados sao lidos.
46
Tabela 3.2: Campos de um registro de dados do GPS (Castro et al. 2013).ID Taxi 1024
Longitude 120.2141Latitude 30.2128
Velocidade Km/h 70.38Rolamento 240.00Ocupado 1
Ano 2010Mes 2Dia 7
Hora 17Min 40Seg 46
Tradicionalmente, um sistema gerenciador de banco de dados (DBMS) armazena
um conjunto de informacoes antes que seja realizada uma consulta. Os DBMS sao pro-
jetados para gerir grandes volumes de dados estaticos, sendo uteis, por exemplo, para
ordenacao, comparacao e sumarizacao destes. Entretanto, aplicacoes mais recentes, como
a analises de trafego rodoviario e redes de sensoriamento, requerem buscas contınuas no
fluxo constante de dados, o que exige tecnologias de gerenciamento mais sofisticadas. Ao
contrario dos DBMS, um sistema gerenciador de fluxo de dados DSMS executa buscas
contınuas aos fluxos de dados que entram e saem do sistema em tempo real, isto e, de da-
dos que sao armazenados somente para o processamento. Devido ao volume e diversidade
de dados que chegam, um dos grandes desafios para os DSMS e lidar com as limitacoes
de memoria e desempenho dos sistemas. Zheng et al. (2014) mencionam duas tratativas
para esse problema: a tecnica de encapsulamento, que visa parcelar o conjunto completo
de dados, e a tecnica de compressao, que busca obter um conjunto resumido da sequencia
completa. Ambas sao utilizadas, basicamente, para dados na forma de series temporais,
isto e, as informacoes de interesse sao indexadas pelo tempo.
3.3.2 Dados de trajetoria
Os dados de trajetoria sao ordenados de forma cronologica, isto e, eles contem
um par ordenado de coordenadas espaciais (x, y) em um tempo especifico t. Os dados
de trajetoria podem ser obtidos a partir de diversas fontes, como das rotas tracadas
pelo GPS instalados em veıculos, do checkins dos usuarios compartilhados nas redes de
sensoriamento baseadas em localizacao (RSBL), dos registros das chamadas telefonicas
das redes de telefonia movel celular e ate dos registros das transacoes feitas usando os
cartoes de credito ou de transporte publico (Zheng et al. 2014). Bao et al. (2015) definem
checkins como os registro de localizacao compartilhado nas RSBL.
O movimento contınuo de objetos tambem gera dados espaco-temporais que de-
vem ser registrados discretamente. Uma alta taxa de amostragem (intervalo curto de
tempo entre amostras) torna mais exato o registro da trajetoria, gerando, entretanto, um
volume de dados que pode ser inadequado em termos de armazenamento, comunicacao
47
e processamento. Consequentemente, se faz necessario o uso de tecnicas que realizem a
compressao das informacoes de forma adequada, assegurando que o erro dessa reducao
mantenha a representacao da trajetoria real para os propositos desejados.
Em alguns casos, o percurso de um objeto entre dois instantes de tempo muito
distantes pode ser realizado de multiplas formas, sendo, portanto incerto. Por exemplo,
transacoes comerciais realizadas com cartao de credito possuem informacoes do lugar e
hora de operacao. Entretanto, a predicao de trajetoria de um usuario somente com base
nessas informacoes sera altamente incerta, ja que cada amostra de localizacao pode ser
obtida em intervalos de algumas horas, uma vez que os usuarios de cartao de credito
realizam poucas transacoes comerciais ao longo do dia. Predizer trajetorias discretizadas
em baixas taxas de amostragem (intervalo longo de tempo entre amostras), ainda e um dos
grandes desafios das tecnicas que lidam com a incerteza das trajetorias. Wei et al. (2012)
propoem uma solucao para essa problematica, baseada na combinacao das amostras de
mais de um usuario para determinar a trajetoria mais provavel do grupo. Xue et al.
(2013) abordam o uso da trajetoria parcial percorrida pelo usuario para predizer o seu
destino. Informacoes adicionais, como historico de trajetorias do proprio usuario e de
outras pessoas, tambem sao utilizados como informacoes para predicao das trajetorias.
Quando uma trajetoria e definida pelo sistema de posicionamento global, as in-
formacoes advindas desse procedimento estao contaminadas com ruıdos, devido princi-
palmente as limitacoes tecnologicas como perda do sinal de GPS ou falha do dispositivo.
Pode ocorrer tambem a existencia de pontos extremos nos dados de posicionamento ou-
tliers. Por estes e por outros motivos, e comum o pre-processamento dos dados atraves
da aplicacao de filtros. Um outliers representa uma variacao abrupta no posicionamento,
isto e, uma componente de alta frequencia das amostras de localizacao, sendo comum a
aplicacao de filtros do tipo passa-baixa. Zheng et al. (2014) tambem mencionam o filtro
de Kalman e o filtro de partıculas para as etapas de pre-processamento.
3.3.3 Dados de grafo
Os grafos espaco-temporais sao um formato dinamico de representacao dos dados
urbanos, sendo sensıveis ao contexto da cidade em tempo real, uma vez que esses dados
sao coletados a partir de diferentes sistemas em atividade dentro da cidade. Trata-se de
uma ferramenta util na deteccao do padrao de mobilidade e comportamento social, bem
como de ocorrencias de eventos dentro da cidade. Por exemplo, os dados obtidos do GPS
dos carros permitem criar grafos espaco-temporais que podem ser projetados na rede de
trafego da cidade, contendo assim informacoes dinamicas. A partir dessa informacao,
o fechamento de uma via poderia ser entao identificado observando-se que o fluxo de
trafego entre dois pontos do grafo e cessado. Xu et al. (2014) mencionam que as redes
sociais podem ser modeladas como um grafo, no qual os vertices (pontos) representam
uma entidade e as arestas a relacao entre duas entidades.
Nesse sentido, a Cidade Inteligente deveria ser capaz nao so de utilizar as informa-
coes dos grafos espaco-temporais para atuar dinamicamente no controle da cidade, mas
tambem de correlacionar diversos tipos de dados, integrando-os em um modelo hıbrido
de indexacao. A operacionalidade de certos servicos como a mudanca dinamica do tempo
48
de atuacao dos semaforos e alocacao dinamica de faixas de trafego ira depender do uso
simultaneo de dados distintos.
Panhan et al. (2016) destacam a importancia de padronizar os diversos tipos de
dados coletados. Uma vez que a cidade utiliza diversos metodos de coleta e armazena
diferentes classes de dados, a comparacao e a implementacao dos servicos inteligentes
dependera do uso simultaneo de distintos tipos de dados.
3.4 Analise de Dados Urbanos
Um dos principais objetivos da Cidade Inteligente e gerir adequadamente a cidade,
desenvolvendo sistemas, servicos e aplicacoes de alto desempenho a partir do conhecimento
extraıdo desde diversos conjuntos de dados complexos e heterogeneos, gerados massiva-
mente nas cidades a grande velocidade e de forma nao estruturada, precisando, por tanto,
de tecnicas avancadas de analise como mineracao de dados e Big Data.
Junior (2012) apresenta a Inteligencia empresarial (BI) como sendo um conjunto de
tecnicas que permitem identificar tendencias de comportamento e auxiliar na tomada de
decisao de um negocio. Extracao, transformacao e carga (ETL), Data Warehouse (DW)
e as ferramentas de apoio e suporte a decisao compoem o ambiente BI. A identificacao de
agrupamentos de dados e a classificacao das informacoes desconhecidas sao feitas usando
um tipo de rede neural artificial de aprendizado nao supervisionado os mapas Auto-
Organizaveis.
A mineracao de dados (ou descoberta de conhecimento) e o processo que revela
automaticamente o conhecimento de um conjunto de dados relacionados, permitindo a
extracao de padroes, a exploracao e a analises das informacoes num formato adequado
para suportar a tomada de decisoes dos atores sociais. Duas etapas compreendem a fase
de pre-processamento em mineracao de dados: a limpeza e integracao de dados, uteis
para melhorar a eficiencia do processo de mineracao. As tarefas de mineracao de dados
podem ser classificadas em deteccao de anomalias, regras de associacao, agrupamento,
classificacao e regressao (Refonaa et al. 2015).
• A deteccao de anomalias refere-se ao problema de encontrar padroes de dados que
nao refletem um comportamento normal esperado, detectando comportamentos atı-
picos ou mudancas no padrao de comportamento. A questao chave abordada pelas
tecnicas de deteccao de anomalias e definir a regiao que representa um comporta-
mento normal e notificar qualquer descoberta nos dados que nao pertence aquela
regiao (normal) como uma observacao anormal (Chandola et al. 2009).
• As regras de associacao e agrupamento procuram padroes e propriedades presentes
nos dados. As regras de associacao descrevem padroes de relacionamento entre itens
de uma base de dados que ocorrem frequentemente juntos, identificando elementos
que implicam a presenca de outros elementos. Uma regra de associacao se apresenta
da seguinte forma: SE atributo X ENTAO atributo Y , por exemplo, SE idade =
jovem AND estudante=sim ENTAO compra computadores = sim (Camilo & Silva
2009). O agrupamento e uma tecnica considerada como nao supervisionada, pois
49
nao precisa de uma pre-categorizacao dos registros para definir grupos que contem
elementos similares em alguma caracterıstica, porem diferentes dos registros perten-
centes a outro grupo.
• A classificacao e a regressao sao responsaveis pela construcao de modelos para pre-
dizer o comportamento dos dados, sendo tecnicas de aprendizagem supervisionadas.
A classificacao e o processo de encontrar funcoes que distinguem classes dos dados
para categorizar os registros em relacao a uma variavel alvo pre-definida. Ou seja, os
metodos aprendem como classificar os registros na categoria a qual o item pertence
a partir de um conjunto de dados previamente classificados.
Big Data e uma colecao de base de dados composta de dados massivos estrutu-
rados, semiestruturados e nao estruturados (Kuang et al. 2014). Big Data consiste no
processamento distribuıdo de grandes volumes de dados de diferentes fontes a uma velo-
cidade consideravel, aproveitando o avanco na computacao em nuvem, com a capacidade
de extrair conhecimento em tempo quase real de forma distribuıda. Wu et al. (2014)
descrevem as caracterısticas de Big Data como sendo uma grande quantidade de fontes de
dados heterogeneas, com armazenamento de dados distribuıdo em larga escala, na qual
cada fonte pode gerar e coletar dados sem necessidade de um controle centralizado, a fim
de explorar as relacoes complexas e evolutivas entre os dados para fornecer servicos de alta
qualidade atraves do conhecimento nao trivial extraıdo. Na etapa de pre-processamento
as tecnicas de fusao sao usadas para tratar dados heterogeneos, sendo pre-requisito para
a reducao de dimensionalidade dos dados. Logo, para o processamento dos dados em
paralelo Google propos um modelo de programacao chamado MapReduce. O Map exe-
cuta filtragem e classificacao e o Reduce gera resumos (Chakraborty & Gonnade 2014).
A Tabela 3.3 resume as caracterısticas de Big Data mencionadas por Gupta & Siddiqui
(2014) e Katal et al. (2013).
3.4.1 Tecnicas de fusao
Os conjuntos de dados heterogeneos devem ser tratados de forma agregada, atraves
de alguma tecnica de fusao. As abordagens mais comuns mencionadas na literatura estao
baseadas na etapa na qual os dados sao mesclados (antes ou depois da analise), sendo
igualmente comum uma tratativa hıbrida (uma parcela dos dados e unida antes da analise
e outra parcela depois da analise) (Faria et al. 2014).
Rodriguez Ruiz (2014) apresenta um metodo de localizacao de veıculos terrestres
baseado no uso de dados de sensores, de mapas digitais, de reconhecimento de objetos
chaves e de informacoes do sistema GPS a fim de melhorar o desempenho de um sistema
de localizacao hıbrido para navegacao autonoma de veıculos terrestres em ambiente simu-
lado. A fusao do conjunto de informacoes dos diferentes sistemas e realizada atraves da
implementacao do Filtro de Kalman Estendido.
Wang, Zhu, Shan, Xia & Liu (2014) descrevem o metodo de fusao de informacoes
de trafego heterogeneos usadas para melhorar a estimativa do estado de trafego em tempo
real, garantindo assim a qualidade dos dados.
50
Tabela 3.3: Caracterısticas de Big Data (Gupta & Siddiqui 2014) e (Katal et al. 2013).Caracterısticas Big Data
Variedade de dados
• Dados nao estruturados, Semi-estruturados e estruturados;
• Formato de texto, audio, dados de sensores e vıdeo;
• Dados das interacoes nas redes sociais.
Volume de dados • 100 Terabytes, Pentabytes e Exabytes.
Velocidade• Fluxo infinito de dados de entrada ao sistema em forma pe-
riodica, em tempo real ou em lotes (Chakraborty & Gonnade2014).
Variabilidade • Picos de carga de dados.
Complexidade • Relacionar, limpar, transformar, correlacionar e conectar da-dos de varias fontes.
Valor
• Analises de dados em tempo real;
• Visualizacao de dados em tempo real;
• Graficos interativos para representacao dos dados em temporeal.
3.4.2 Tecnicas para analises de dados de trajetorias
Pan et al. (2013) apresentam os dados de trajetoria como uma forma de amostra-
gem da cidade, fornecendo informacoes sobre a mobilidade dos objetos e o comportamento
das pessoas, uteis para entender o padrao de mobilidade e inferir a funcao de cada regiao
da cidade. Alem disso, permite encontrar o padrao de comportamento das comunidades
para estudar as atividades, as relacoes humanas e os eventos sociais.
O autor divide as tecnicas para extracao de conhecimento dos dados de trajetoria
em cinco classes: o agrupamento, a classificacao, a qualificacao, a regressao e a modelagem
estatıstica.
• O agrupamento ajuda a encontrar pontos da cidade com muita atividade, o padrao
51
de mobilidade e os objetos com rotas similares. Cada grupo contem os objetos mais
proximos ou com similaridade alta, a qual pode ser calculada usando a distancia
Euclidiana, a similaridade do cosseno e a correlacao de Pearson;
• A classificacao e util para o reconhecimento das atividades individuais, eventos
sociais e funcionalidade das regioes da cidade. O modelo aprende com amostras de
rotas ja classificadas dentro de uma classe de atividade previamente rotulada e desta
forma o modelo pode classificar um novo registro de rota na classe de atividade
na qual pertence. Na literatura o processamento de classificacao distribuıdo, o
processamento paralelo e metodos de aprendizado incremental sao estudados para
resolver a questao de classificacao instantanea (Wu 2014);
• Do conhecimento de dados de trajetoria, a qualificacao permite criar servicos de
recomendacao, por exemplo, dos lugares mais populares, de rotas alternativas e de
atividades;
• Tambem a partir dos dados de trajetoria, os metodos de regressao procuram ajustar
as informacoes disponıveis atraves de uma funcao matematica, visando compreender
as relacoes sociais e ajustar um padrao de mobilidade. Basicamente, uma tecnica
de regressao busca definir a melhor funcao contınua que relacione uma variavel de-
pendente com uma ou mais variaveis independentes. O criterio comumente utilizado
para encontrar tal funcao e a minimizacao da discrepancia entre o valor predito e o
valor real. Na literatura, essa quantidade e conhecida como funcao de perda;
• A modelagem estatıstica procura descrever leis fısicas ou padroes de mobilidade
humana a partir do conjunto de dados estatıstico disponıveis. Por exemplo, descre-
ver precisamente a frequencia de visitas em uma localidade turıstica ao longo do ano
para cada mes por meio de uma lei fısica poderia ser uma tarefa quase impossıvel,
dada as inumeras variaveis envolvidas. Por outro lado, um modelo estatıstico defi-
nido a partir de alguns poucos anos de observacao poderia descrever com confianca
razoavel o comportamento sazonal das visitas ao ponto turıstico.
3.4.3 Tecnicas para analise de dados esparsos
Zheng et al. (2014) mencionam algumas tecnicas para tratar os dados esparsos,
dentre elas: a filtragem colaborativa, a fatoracao de matrizes esparsas e a decomposicao
tensorial. A tecnica de filtragem colaborativa e a fatoracao de matrizes sao exemplificadas
na Secao 3.4.3.1 e a decomposicao tensorial e brevemente explicada na Secao 3.4.3.2.
3.4.3.1 Tecnica de filtragem colaborativa
Nas RSBL os usuarios podem compartilhar as suas coordenadas de geolocalizacao
com seus amigos. A localizacao entao surge como uma nova informacao de contexto, util
no desenvolvimento e aperfeicoamento de diversos tipos de servicos de recomendacao de
atividade, de lugar e ate de amigos. O registro de localizacao compartilhado nas RSBL e
definido como checkin, segundo .
52
Os checkins registrados num lugar e num tempo especıfico junto com os outros
dados armazenados historicamente nas RSBL permitem a analise do comportamento e
dos interesses dos habitantes em uma cidade. E comum indexar esse tipo de dado em
uma matriz, cuja linha representa o cidadao e a coluna o lugar visitado. Esse formato de
armazenamento de dados tambem viabiliza o estudo da frequencia de visita de um usuario
a um lugar determinado, o estudo da popularidade do lugar e o total de lugares visitados
pelos usuarios. A Tabela 3.4 ilustra um exemplo de registros de checkins por meio de uma
matriz, cujas informacoes sao indexadas para cada usuario e para cada lugar.
Tabela 3.4: Registro de checkins.Lugar 1 Lugar 2 Lugar 3 Lugar 4 Lugar 5 TOTAL(VisUsu)
Usuario 1 3 0 7 0 0 10Usuario 2 0 9 3 0 1 13Usuario 3 0 0 5 0 0 5Usuario 4 1 0 0 2 0 3
TOTAL (PopLugar) 4 9 15 2 1
Dentro do contexto de sistemas de recomendacao, e possıvel estender essa repre-
sentacao matricial nao somente para a preferencia de usuarios por lugares (assumindo que
frequencia de checkins reflete diretamente a propensao do usuario por certos ambientes),
mas tambem para qualquer tipo de produto ou atividade. As preferencia do usuario po-
deriam ser entao definidas por indicacoes explıcitas, como uma nota de 0 a 10, ou por
indicacoes implıcitas, como numero de compras ou ate mesmo de checkins. Neste caso, a
mesma estrutura de representacao apresentada na Tabela 3.4 permanece igualmente util,
constituindo uma base de dados de preferencia entre usuarios e itens. Essa representacao
e comumente denominada de matriz usuario-item.
A tecnica de filtragem colaborativa utiliza uma base de dados de preferencia
usuario-item para predizer o interesse de determinados usuarios por determinados itens,
seguindo basicamente tres passos: selecionar os candidatos, inferir as similaridades de
item ou de usuario e calcular ou predizer a avaliacao da recomendacao. Este procedimento
permite preencher os elementos desconhecidos da matriz, considerando que usuarios seme-
lhantes apresentarao preferencias por itens semelhantes (Cazella et al. 2010). Assim, uma
vez determinada a similaridade entre os usuarios, usando os dados historicos, a predicao
da preferencia do item pode ser feita.
A Tabela 3.5 apresenta um exemplo das avaliacoes feitas por diferentes usuarios
para uma lista de itens. Os itens utilizados podem representar filmes, lugares, produtos,
etc, classificados implicitamente pela aprovacao (AP) ou reprovacao (REP) do usuario. Os
itens cuja avaliacao esta designada como X representam aqueles que nao foram avaliados
ou que sao desconhecidos.
A predicao das classificacoes desconhecidas pode ser realizada atraves da tecnica
de filtragem colaborativa, permitindo criar um servico de recomendacao. Atraves de uma
analise cuidadosa, e possıvel identificar dois grupos de usuarios altamente similares no
exemplo mencionado, no caso, Usuarios 1-4 e Usuarios 2-3. Com base nessa observacao,
a avaliacao dos itens desconhecidos para os usuarios 1 e 3 seriam inferidos a partir dos
53
Tabela 3.5: Exemplo de uma matriz usuario-item com as classificacoes de 4 usuarios para5 itens.
Item 1 Item 2 Item 3 Item 4 Item 5Usuario 1 AP REP X AP XUsuario 2 REP AP AP AP REPUsuario 3 X AP AP X REPUsuario 4 AP REP REP AP AP
usuarios similares, 4 e 2, respectivamente. Os resultados deste procedimento sao mostra-
dos na Tabela 3.6, e justificam o motivo pelo qual os itens 5 e 4 seriam recomendados
para os usuarios 1 e 3, respectivamente.
Tabela 3.6: Classificacoes inferidas pela similaridade entre usuarios (destacadas com *).Item 1 Item 2 Item 3 Item 4 Item 5
Usuario 1 AP REP REP* AP AP*Usuario 2 REP AP AP AP REPUsuario 3 REP* AP AP AP* REPUsuario 4 AP REP REP AP AP
Dentro do contexto da tecnica de filtragem colaborativa, Tan et al. (2014) estudam
a recomendacao de pacotes de viagem, adicionando informacoes de contexto ao servico.
Essa representacao personaliza o processo de recomendacao, pois consideram atributos
pessoais do turista (idade, genero, etc), atributos da viagem (destino, os dias de perma-
nencia, preco do pacote de viagem) e atributos dos registros historicos de viagem dos
usuarios (ano e a estacao do ano de viagens anteriores, dentre outros). Na Tabela 3.7 e
apresentada a representacao das informacoes de contexto com a faixa de valores segundo
os autores.
Tabela 3.7: Caracterısticas e faixa de valores para o servico de recomendacao de pacotesde viagem (Tan et al. 2014).
Caracterıstica ValorIdade Crianca, Jovem, Idoso.
Genero Feminino, Masculino.Destino Cidades no mundo.Preco Muito baixo, baixo, medio, alto, muito alto.Dias 1, 2, 3, 4, 5, 6, ...., 12.
Estacao Inverno, verao, primavera, outono.Ano 2004, 2005, 2006, ..., 2010.
Dado os inumeros atributos envolvidos neste processo, a recomendacao de pacotes
de viagem pode ser visto como um processo complexo, dado que a identificacao de grupos
similares neste caso e igualmente complexa. O agrupamento inicial de similaridade e feita
segundo o historico das viagens realizadas pelos usuarios em um determinado ano. Apos
essa etapa, os demais atributos sao considerados a fim de se determinar a similaridade.
54
De forma geral, os algoritmos de filtragem colaborativa necessitam lidar com uma
serie de desafios. E muito comum que as bases de dados de preferencia sejam extensas,
tanto em numero de usuarios como de itens. Isso significa que a matriz usuario-item sera
esparsa, isto e, ira conter muitos elementos nulos. Quando um novo usuario ou item e
inserido na base de dados, torna-se difıcil enquadra-lo dentro de um grupo similar, ja
que a linha ou coluna correspondente da matriz usuario-item nao apresentara informa-
coes suficientes. Esta questao, alem de reforcar a problematica da esparsidade da matriz
usuario-item, se relaciona com o problema da escalabilidade dos sistemas de recomen-
dacao, isto e, do crescimento acelerado de usuarios e itens, o que obriga os sistemas de
recomendacao a reduzir o tempo de processamento computacional (Su & Khoshgoftaar
2009).
Grande parte dos algoritmos de Filtragem Colaborativa esta atrelada com tecnicas
de decomposicao matricial, em especial, da decomposicao em valores singulares (SVD).
Isso ocorre, principalmente, porque a SVD viabiliza a reducao dimensional de matrizes,
amenizando assim tanto o problema da esparsidade como da escalabilidade da matriz
usuario-item.
Dada a matriz X, sua SVD e dada em termos matematicos por:
X = UΣV T (3.1)
onde:
• U e uma matriz de vetores singulares a esquerda;
• Σ = diag(σ1, σ2, ..., σk, 0, ..., 0) e uma matriz diagonal que contem os k valores sin-
gulares nao nulos de X, expressos em ordem crescente, isto e, σ1≥σ2≥...≥σk > 0;
• V T e uma matriz de vetores singulares a direita.
Uma das propriedades da SVD e que o numero de valores singulares nao nulos
contidos em Σ e igual ao posto2 de X. Para matrizes esparsas, e bastante comum o uso
da Aproximacao por Matriz de Baixo Posto, baseada no teorema de Eckart-Young (Eckart
& Young 1936). Considerando que o posto de X seja k, essa aproximacao consiste em
descrever X como uma matriz X de posto r, tal que r < k. Segundo o teorema, a melhor
aproximacao, considerando como criterio minimizar a norma de Frobenius3 da diferenca
X − X, e dada por:
X = UΣV T (3.2)
onde Σ = diag(σ1, σ2, ..., σr, 0, ..., 0), isto e, os r primeiros valores singulares de
X. Como r < k, Σ e obtida simplesmente zerando todos os elementos de Σ menores
que σr. Da propriedade mencionada, a aproximacao X possui dimensao (posto) reduzida
de k para r. Outra vantagem e que os valores singulares pequenos estao associados com
perturbacoes dos dados. A eliminacao destes ruıdos mantem, sobretudo, as informacoes
2Posto matricial corresponde ao numero de linhas ou colunas linearmente independentes da matriz.3Norma de Frobenius de uma matriz e uma quantidade escalar positiva definida como a raiz quadrada
da soma dos quadrados de todos os elementos da matriz.
55
mais relevantes, o que e fundamental para um sistema de recomendacao de alta qualidade
(Ekstrand et al. 2011).
No caso dos dados esparsos, uma boa aproximacao consiste em escolher os maiores
valores singulares cuja soma seja maior que 90% da soma total dos valores singulares.
Para ilustrar a aproximacao descrita, seja X a matriz de registros de checkins da Tabela
3.4.
X =
3 0 7 0 00 9 3 0 10 0 5 0 01 0 0 2 0
A SVD de X e:
X =
0, 5272 0, 6637 0, 2214 −0, 48220, 7759 −0, 6305 0, 0189 −0, 01070, 3460 0, 4009 −0, 4174 0, 73850, 0148 0, 0366 0, 8811 0, 4712
·
10, 5811 0 0 0 00 7, 7043 0 0 00 0 2, 3987 0 00 0 0 1, 3893 0
·
0, 1509 0, 2632 0, 6443 −0, 7020 00, 6600 −0, 7365 0, 0709 −0, 0692 −0, 11040, 7323 0, 6177 −0, 2002 0, 2052 00, 0028 0, 0095 0, 7347 0, 6783 00, 0733 −0, 0818 0, 0079 −0, 0077 0, 9939
T
E interessante observar que o fato de Σ conter os quatro valores singulares nao
nulos de X revela o posto de X, no caso, k = 4. A soma total dos valores singulares
resulta em 22,0734, e 90% desse valor e alcancado considerando os tres maiores valores
singulares, isto e, r = 3. Assim:
Σ =
10, 5811 0 0 0 0
0 7, 7043 0 0 00 0 2, 3987 0 00 0 0 0 0
Aplicando a Equacao 3.2:
X =
2, 5297 −0, 0463 7, 1375 0, 4544 −0, 0051−0, 0104 8, 9990 3, 0030 0, 0101 0, 99990, 7203 0, 0710 4, 7895 −0, 6959 0, 00791, 4596 0, 0453 −0, 1343 1, 5559 0, 0050
Os valores de X sao relativamente proximos de X, e como ja era esperado, o posto
de X e r = 3. Somando isso ao fato de que X possui quatro linhas, qualquer uma das
linhas pode ser escrita como uma combinacao linear das demais.
3.4.3.2 Decomposicao tensorial
Uma generalizacao do conceito de matriz como uma estrutura numerica de inde-
xacao bidimensional (ou seja, uma tabela) e o tensor. De forma simplificada, um tensor
56
e uma estrutura de indexacao tridimensional de valores, podendo ser entendido tambem
como um conjunto de matrizes indexadas por uma terceira dimensao. A Figura 3.4 ilustra
a definicao de tensor apresentada.
Figura 3.4: Representacao de um tensor como uma estrutura tridimensional de indexacao.
A representacao da Tabela 3.4 do numero de checkins feitos por um usuario em
um determinado lugar poderia ser indexada tambem em funcao do intervalo de uma hora,
considerando um dia completo. Assim, um tensor de dimensoes 4 (usuarios) x 5 (lugares)
x 24 (intervalos de tempo) poderia ser construıdo. Inumeras aplicacoes deste tipo de
representacao sao encontrados na literatura. Zheng et al. (2014) utilizam o GPS de taxis
para registrar o numero de taxis que abastecem em um posto de combustıvel, em um
dia e hora da semana. Zheng (2015) tambem estima o tempo de viagens atraves de um
modelo de condicoes de trafego, no qual os dados sao registrados em um tensor cujas
dimensoes denotam avenida, condutor e perıodo do dia. Etienne & Latifa (2014), criam
um modelo estatıstico com os dados de entrada e saıda de um sistema de compartilhamento
de bicicletas. O numero de entradas (ou saıdas) de bicicletas, perıodo da semana (dia de
semana e final de semana) e horario do dia sao as informacoes registradas e organizadas
por meio de um tensor (vide Secao 3.4.4.1).
Como ocorre com a matriz usuario-item apresentada na Secao 3.4.3.1, o problema
da esparsidade de dados tambem esta presente na representacao tensorial de dados. Zheng
et al. (2014) apresentam a decomposicao tensorial, em especial, utilizando a tecnica co-
nhecida como PARAFAC (Koutra et al. 2012). Visando aumentar a qualidade da decom-
posicao tensorial de tensores esparsos, e comum agregar ao processo de decomposicao as
chamadas informacoes de contexto, que sao obtidas a partir de outras fontes de dados
disponıveis.
57
3.4.4 Metodos estatısticos
Na literatura, usar metodos estatısticos e comum nos trabalhos referentes a Com-
putacao Urbana para a descoberta do padrao de mobilidade ou de comportamento dos
cidadaos. Os metodos estatısticos para mineracao de dados podem ser categorizados em
agrupamento, classificacao e regressao (Riedel et al. 2015). Exemplos de agrupamento se-
rao descritos nas secoes 3.4.4.1 e 3.4.4.2, respectivamente. Os autores usam como fonte de
dados os registros dos cartoes do servico de compartilhamento de bicicletas e os checkins
compartilhados pelos usuarios da RSBL.
3.4.4.1 Padrao de mobilidade
Etienne & Latifa (2014) apresentam as questoes relacionadas ao estudo de otimi-
zacao do servico de compartilhamento de bicicletas (SCB), feito atraves da descoberta do
padrao de uso do servico. Um primeiro fato de uso e a distancia curta (0 − 2, 5km) das
viagens percorridas pelos usuarios do servico. Somando esse fato ao resultado encontrado
por Cho et al. (2011) segundo o qual as viagens de curta duracao explicam entre o 50%
ate 70% dos movimentos humanos, entao o padrao de uso do servico pode ser considerado
como o padrao de mobilidade dos habitantes de uma cidade.
O modelo estatıstico esta baseado no agrupamento de series temporais para a
formacao dos grupos das estacoes de SCB com base no perfil de utilizacao, visando extrair
caracterısticas mais peculiares do sistema. Segundo o modelo proposto, o conjunto de
todos os dados coletados pode ser sumarizado em um tensor X de dimensao NXDXT ,
onde cada elemento (s, d, t) de X representa o numero de entradas (ou saıdas) na estacao
s, no dia d no intervalo de hora entre t− 1 e t. A partir desse conjunto de informacoes, as
estacoes sao agrupadas. A separacao de cada uma das N estacoes em K agrupamentos
e a estimativa dos parametros do modelo sao determinados atraves da aplicacao iterativa
do metodo de maxima verossimilhanca (Algoritmo EM) sobre o tensor X, considerando
que as variaveis observadas possuem distribuicao de Poisson. Matematicamente:
X(s, d, t) ≈ P [α(s) · λ(k, l, t)] (3.3)
onde P (λ) e a distribuicao de Poisson de parametro λ, α(s) e um fator de escala
especificado para cada estacao s e λ(k, l, t) e a variacao temporal de entradas e saıdas,
sendo especifico para cada agrupamento k, para o perıodo da semana l (dia de semana
ou final de semana) e do intervalo de tempo entre t − 1 e t correspondente. Em outras
palavras, os autores utilizam uma derivacao do algoritmo EM aplicado sobre o tensor X
de atividades observadas para determinar, com base no modelo proposto:
• O numero de agrupamentos de K;
• A classificacao de cada um das N estacoes em um dos K agrupamentos; e
• A determinacao dos parametros α(s) e λ(k, l, t).
A base de dados utilizada pelos autores foi coletada na cidade de Paris durante
o mes de Abril do ano de 2011. Ao todo, para cada uma das 1185 estacoes de SCB
58
monitoradas foram contabilizadas todas as atividades de entrada/saıda em intervalos de
1 hora (para cada dia e estacao sao 24 amostras de entrada e 24 amostras de saıda,
totalizando 48 amostras por dia por estacao), durante o perıodo de 30 dias.
De acordo com os estudos fornecidos pelos autores, todas as estacoes foram dividi-
das em 8 agrupamentos4. A primeira forma de avaliar as caracterısticas de cada um dos
agrupamentos e atraves dos parametros do modelo. A Figura 3.5 apresentam as taxas de
entrada e saıda λ(k, l, t) para 3 diferentes agrupamentos, cujas estacoes e as proporcoes
dos seus respectivos fatores de escala α(s) sao identificadas no mapa da cidade.
Zheng et al. (2014) discutem que o padrao de mobilidade pode identificar a funcao
da regiao. Por exemplo, as pessoas deixam as areas residenciais de manha e retornam a
noite. Nesse sentido, o nome de cada agrupamento e baseado no padrao de mobilidade
de cada regiao, identificando o tipo de atividade (trabalho, lar e lazer, por exemplo) das
pessoas durante os dias da semana e o final de semana.
O padrao de mobilidade encontrado no grupo ’Parques’ reflete uma atividade ou
comportamento tıpico dos cidadaos em momentos de lazer, mostrando um alto uso do
SCB durante o final da semana tanto de partida e chegada de bicicletas as estacoes pro-
ximas aos parques, enquanto o padrao de mobilidade do grupo ’Habitacao’ apresenta
um comportamento da rotina tıpica de uma regiao residencial. E por ultimo o grupo
’Empresas’ apresenta um comportamento especıfico de uma regiao onde os cidadaos de-
senvolvem rotinas de trabalho. A analise do padrao encontrado auxilia na compreensao
de determinadas necessidades, como a instalacao de novas estacoes ou a disponibilidade
de mais bicicletas em funcao da demanda do lugar, otimizando o servico, pois permite
aumentar a disponibilidade de bicicletas e diminuir a falta de vagas de estacionamento
nas estacoes durante os horarios de maior uso. Alem disso, permite criar recomendacoes
para os lugares com maior numero de visitantes no final de semana, o que possibilitaria o
desenvolvimento de novos negocios proximos aos lugares identificados.
3.4.4.2 Padrao de comportamento social
O desenvolvimento de sistemas de recomendacao e um tema importante em cidades
inteligentes, uma vez que ajudam a tomar melhores decisoes no desempenho das atividades
do dia a dia dos cidadaos. Isso reflete na reducao do tempo de busca para a realizacao de
determinadas atividades.
Zheng et al. (2014) descrevem as RSBL como exemplo de grafos espaco-temporais.
Bao et al. (2015) referem-se aos dados de localizacao como a ponte entre o mundo fısico
e o mundo digital. Segundo essa premissa, a localizacao e uma representacao digital das
relacoes sociais no mundo real, podendo representar as conexoes humanas entre grupos
de pessoas, bem como os interesses, preferencias e comportamentos individuais.
A Figura 3.6 mostra os diferentes graficos contidos na RSBL. O grafo usuario-
localizacao mostra o historico de viagens dos usuarios ou o numero de vezes que o usuario
visitou um lugar, sendo ponderado pelo peso do arco que interliga ambos objetos. O grafo
usuario-usuario representa a similaridade entre os usuarios, dada a distancia fısica entre
eles ou segundo os seus interesses para lugares rotulados com a mesma categoria. Por fim,
4Seguindo a formulacao matematica do modelo, N = 1185, D = 30, T = 48 e K = 8.
59
Figura 3.5: Padrao de uso do SCB (Etienne & Latifa 2014).
o grafo localizacao-localizacao pode indicar a distancia fısica entre os lugares da cidade
ou a similaridade entre as categorias dos lugares (Bao et al. 2015).
Ying et al. (2014) apresentam uma nova abordagem para recomendacao de lugares
de interesse (LDI) no espaco urbano, baseando-se no comportamento de checkins. O artigo
separa as intencoes de checkins em tres classes:
• Intencao Social (IS): denota o interesse de um usuario realizar checkin em um LDI
com base na frequencia com que o cırculo social do usuario visitou o mesmo lugar;
60
Figura 3.6: Redes de sensoriamento participativo (Bao et al. 2015).
• Intencao de Preferencia Pessoal (IPreP): denota o interesse de um usuario realizar
checkin em um LDI com base nas suas preferencia pessoais;
• Intencao pela Popularidade (IPop): denota o interesse de um usuario realizar checkin
em um LDI devido a popularidade do lugar.
Dado um conjunto U de usuarios e um conjunto P de LDIs, o problema da reco-
mendacao pode ser equacionado como um problema de predicao do grau de interesse para
um par usuario-LDI. Em outras palavras, dado um usuario u∈U e um LDI p∈P , deseja-se
predizer a probabilidade vup do usuario u visitar o LDI p, isto e:
f(u, p) = vup v ∈ [0, 1] (3.4)
Para tal, primeiramente cada uma das tres intencoes de checkins e explorada vi-
sando construir um grafo bipartido completo relacionando todos os usuarios e LDIs dis-
ponıveis como mostra a Figura 3.7. Os pesos de cada arco que interliga o usuario u e o
LDI p sao determinados em funcao das caracterısticas extraıdas de cada intencao.
• Caracterısticas das Intencoes Sociais
As caracterısticas extraıdas das intencoes sociais sao formuladas como:
IS(u, p) =∑
f∈F (u)
[checkins(f, p)∑
p′∈P checkins(f, p′)x similaridade(f, u)
](3.5)
onde F (u) e o conjunto de amigos do usuario u. Os autores propoem duas maneiras
de determinar a similaridade entre um amigo f e o usuario u:
61
Figura 3.7: Grafo bipartido completo (Ying et al. 2014).
1. Similaridade pelos Checkins em comum (SimCheck): Conhecido o vetor de checkins
vu e vf (o k-esimo elemento deste vetor corresponde ao numero de checkins no LDI
k) de dois usuarios u e f , a similaridade entre ambos e calculada pelo cosseno do
angulo entre os vetores θuf , isto e:
SimCheck(u, f) =
{cos θuf =
vu·vf|vu|·|vf |
, se u e f sao amigos
0, caso contrario(3.6)
2. Similaridade pela Distancia Relativa (SimDis): Outra forma de determinar a simi-
laridade entre usuarios e baseada na distancia entre as areas que os usuarios mais
frequentam. O ponto central destas areas e definido como ponto-base. A abordagem
matematica utilizada pelos autores e descrita na Equacao 3.7.
SimDis(u, f) =
{1− Distncia(u,f)
maxf ′∈F (u)[Distncia(u,f ′)′], se u e f sao amigos
0, caso contrario(3.7)
onde Distncia(u, f) e a distancia euclidiana entre os pontos-base dos usuarios u e f
e F (u) e o conjunto de amigos do usuario u.
• Caracterısticas das Intencoes de Preferencia Pessoal
As caracterısticas extraıdas das intencoes de preferencia pessoal sao formuladas
como:
IPreP (u, p) =∑
T∈T (p)
[contagem(t, p)∑
t′∈T (p) contagem(f, p′)x preferencias pessoais(u, t)
](3.8)
onde t e uma etiqueta aplicada no LDI p (cafe, pizza, sorvete, etc), o operador
contagem(t, p) conta o numero de vezes que a etiqueta t foi utilizada no LDI p e T (p) e o
62
conjunto de etiquetas de p. Duas propostas sao fornecidas pelos autores para determinar
as preferencias pessoais:
1. Preferencias por Categoria (PrefC): A primeira delas e baseada na normalizacao
da quantidade de checkins realizados pelo usuario com a etiqueta t em relacao ao
numero total de checkins realizados pelo mesmo usuario. Em termos matematicos:
PrefC(u, t) =
∑r∈C(t) checkins(u, r)
#total de checkins de u(3.9)
onde C(t) indica o conjunto de LDIs que possuem a etiqueta t.
2. Preferencia por Lugares em Destaque (PrefD): Outra forma de avaliar a preferen-
cia pessoal e atraves da normalizacao do numero total de checkins realizados pelo
usuario u em lugares com a etiqueta t em relacao a todos os checkins realizados pelo
mesmo usuario para todas as etiquetas. Matematicamente:
PrefD(u, t) =
∑r∈d(t) checkins(u, r)∑
∀t′∈H∑
r∈d(t′) checkins(u, r)(3.10)
onde d(t) e o conjunto de LDIs com a etiqueta t e H e o conjunto de todas as
etiquetas.
• Caracterısticas das Intencoes pela Popularidade
Os autores abordam duas tratativas para avaliar as caracterısticas extraıdas dos
checkins motivados pela popularidade do lugar. Uma delas e atraves da proporcao abso-
luta (PA) de checkins num determinado LDI, calculada atraves de:
IPop(p) = PA(p) =#checkins em p∑
p′∈P #checkins em p′(3.11)
Dado um conjunto de etiquetas T (p) do LDI p e um conjunto de LDIs C(t) com
a etiqueta t, a segunda forma de determinar as caracterısticas baseadas na popularidade
do lugar e com base na popularidade relativa (PR), dada por:
IPop(p) = PR(p) = P [p|t∈T (P )] =#checkins em p∑
p′∈C(t) #checkins em p′(3.12)
onde P [p|t∈T (p)] designa uma operacao de probabilidade condicional.
A partir do conjunto de equacoes (3.5) a (3.12), os pesos de cada arco do grafo
bipartido completo sao definidos de duas formas: grafo usuario-LDI com ponderacao
pelas intencoes de preferencia pessoal (IPreP) e grafo usuario-LDI com ponderacao pelas
intencoes sociais (IS), conforme apresenta as equacoes (3.13) e (3.14), respectivamente:
wIPreP (u, p) =
{IPreP (u, p), se o usuario u fez checkin no LDI p
IPop(p), caso contrario(3.13)
63
wIS(u, p) =
{IS(u, p), se o usuario u fez checkin no LDI p
IPop(p), caso contrario(3.14)
Supondo a existencia de m usuarios e n LDIs, e possıvel construir uma matriz de
dimensao m× n tal que o elemento da i-esima linha e da j-esima coluna e:
Mij = wij (3.15)
onde i = 1, 2, ...,m; j = 1, 2, ..., n e wij e o peso do arco que interliga o usuario i
com o LDI j. Uma vez que existem duas formas diferentes de determinar os valores de
IPreP (PrefC e PrefD), duas para os valores de IS (SimCheck e SimDis) e duas para
os valores de IPop (PA e PR), existem oito maneiras diferentes de definir os pesos dos
arcos do grafo usuario-LDI de acordo com as equacoes (3.13) e (3.14). Para determinar
a relevancia vup entre um usuario u e um LDI p (Equacao (3.4)), os autores utilizam um
algoritmo iterativo baseado no Passeio Aleatorio (Random Walk), conforme a descricao a
seguir.
Para um determinado usuario u, a relevancia vup e calculada por meio k iteracoes,
sendo armazenada em um vetor xkLDI de dimensao n× 1, cujos elementos representam a
relevancia do usuario u para cada LDI. Para cada iteracao e selecionado aleatoriamente
um dos oito grafos possıveis, e o valor de xkLDI e determinado iterativamente por meio de:{xkLDI = [εMT
lin + (1− ε)δ1]xk−1us
xkus = [εMcol + (1− ε)δ2]xkLDI
(3.16)
onde δ1 e uma matriz n × m cujos elementos sao todos iguais a 1/n; δ2 e uma
matriz m × n cujos elementos sao todos iguais a 1/m; xus e o vetor de relevancia entre
usuario de dimensao m × 1; para o usuario u, x0us possui o valor 1 na u-esima linha e o
valor zero nos demais elementos; Mcol e Mlin correspondem a matriz M normalizada pelas
colunas e linhas, respectivamente, isto e, cada elemento de Mcol corresponde ao mesmo
elemento de M dividido pela soma de todos os elementos da coluna correspondente e cada
elemento de Mlin corresponde ao mesmo elemento de M dividido pela soma de todos os
elementos da linha correspondente. Para fins ilustrativos, se:
M =
[1 20 4
]
Mcol =
[1/1 2/60/1 4/6
]=
[1 1/30 2/3
], Mlin =
[1/3 2/30/4 4/4
]=
[1/3 2/30 1
]Por fim, ε e um parametro entre 0 e 1 que define um peso para M e para um
viajante aleatorio no calculo de xkLDI e xkus. Quando ε = 1, a probabilidade de um usuario
ir para LDI depende somente de M ; se ε = 0, todos os elementos do vetor xkLDI sao iguais
a 1/n (independente de k), isto e, a chance de qualquer usuario conhecer um determinado
LDI e equiprovavel em relacao a todos os n LDIs, o que justifica o uso da expressao acima
’viajante aleatorio’.
64
Apos k iteracoes, o vetor xkLDI e armazenado na u-esima linha da chamada matriz
de relevancias. Realizado o procedimento descrito acima para todos os usuarios, essa
matriz deve, portanto, conter a relevancia entre todos os usuarios e LDIs disponıveis.
Na etapa de recomendacao de LDIs, sao selecionados os 10 pontos mais proximos
da localizacao atual do usuario. Esses pontos sao entao ordenados conforme a relevan-
cia entre o usuario em questao e os LDIs selecionados, concedendo assim uma lista de
recomendacoes.
As secoes 3.4.4.1 e 3.4.4.2 apresentaram uma analise de dos tipos de dados urbanos.
Essa analise permitiu extrair conhecimento tanto do padrao de mobilidade dos habitantes
da cidade da Franca quanto o padrao de comportamento dos usuarios das RSBL. Com
os resultados obtidos na analise feita na Secao 3.4.4.1 se faz viavel melhorar a prestacao
do servico de compartilhamento de bicicletas. Isso permite adaptar a prestacao dos ser-
vicos publicos a demanda real da cidade num determinado momento, alem de predizer a
demanda futura usando o padrao obtido. E os resultados obtidos na Secao 3.4.4.2 foram
uteis para aperfeicoar os servicos de recomendacao, considerando o contexto do usuario
e suas preferencias. Em suma, o conhecimento obtido da analise dos dados urbanos re-
vela a realidade da cidade e de seus habitantes, mostrando, por exemplo, o padrao de
mobilidade, as interacoes sociais, a popularidade de lugares, o padrao de uso dos servicos
publicos, dentre outras possibilidades.
3.5 Seguranca de Dados Urbanos
A Cidade Inteligente intensifica a troca de informacoes sensıveis e aumenta as
interacoes entre as pessoas, entre os objetos e entre as pessoas e os objetos, tornando a
seguranca dos dados uma questao relevante. Essas comunicacoes precisam ser protegidas,
garantindo a autenticacao, o controle de acesso, a confidencialidade, a integridade, a
disponibilidade e irretratabilidade (Stallings & Vieira 2008). Aplicando-se os servicos de
seguranca em todas as camadas do modelo organizacional da cidade inteligente, desde a
coleta dos dados ate a prestacao de servicos (Wenge et al. 2014) (vide Figura 3.2).
Xu et al. (2014) investigam os aspectos de privacidade em todo o processo de
descoberta de conhecimento da mineracao de dados. O processo de descoberta de conhe-
cimento envolve a colecao de dados, o pre-processamento dos dados, a mineracao de dados
e apresentacao dos resultados da analise.
3.5.1 Seguranca no sensoriamento de dados urbanos
O sistema RFID e o centro da IoT e esta presente em diversas aplicacoes de
Cidade Inteligente, estando inserido em ambientes residenciais e corporativos tanto para
controle de acesso quanto para o monitoramento e rastreamento de objetos, pessoas e
animais. As capacidades de leitura e escritura permitem que as etiquetas do sistema
RFID armazenem dados pessoais ou industriais. A vulnerabilidade das etiquetas se da
pelo fato de responderem as consultas dos leitores sem alertar aos usuarios ou portadores,
sendo, portanto, vulneraveis a ataques de privacidade, como a extracao de informacoes e
copia.
65
Juels (2006) aborda o estudo dos problemas de privacidade e seguridade do RFID
considerando as capacidades de processamento das etiquetas e das faixas de leitura. Stal-
lings & Vieira (2008) detalham os ataques que comprometem a seguranca da informacao
na transmissao das informacoes em um sistema de comunicacao como sendo:
• Liberacao de conteudo da mensagem: ataque que libera as informacoes transmiti-
das na comunicacao entre as etiquetas e o leitor autorizado, usando um leitor nao
autorizado. O ataque permite ler o conteudo das transmissoes;
• Analise de trafego: O ataque permite observar o padrao das mensagens, mesmo
com protecao por criptografia. O padrao observado poderia ser util para descobrir
a frequencia e o tamanho das mensagens;
• Disfarce: ataque que envia dados corruptos de um leitor nao autorizado ao leitor
autorizado parecendo que os dados sao legıtimos ou nao alterados;
• Repeticao: captura passiva de uma unidade de dados e sua subsequente retransmis-
sao para produzir um efeito nao autorizado;
• Modificacao de mensagens: A mensagem legıtima poderia ser alterada, adiada ou
reordenada a fim de produzir um efeito nao autorizado;
• Negacao de servico: ataque de bloqueio da transmissao de ondas de radio entre os
leitores e as etiquetas, impedindo o acesso ao sistema;
• Rastreamento clandestino: ataque que rastreia as etiquetas instalando leitores nao
autorizados para obter informacoes;
• Cloning: ataque de clonagem das etiquetas atraves de um escaneamento;
• RFID exploits: ataque que explora as vulnerabilidades dos componentes do sistema;
Entre as medidas de seguranca para proteger o RFID estao criptografar a comu-
nicacao entre os leitores e as etiquetas. Autenticar e autorizar as etiquetas para acessar
os servicos dos leitores.
A criptografia garante a confidencialidade, integridade e autenticacao, sendo uti-
lizada a criptografia assimetrica WIPR pelas etiquetas com maiores capacidades de pro-
cessamento (Arbit et al. 2014).
A criptografia de curva elıptica para protecao de sensores sem fio e uma alternativa
promissora, dado que requer tamanho de chave menor em comparacao com o criptossis-
tema de chave publica RSA (Rivest-Shamir-Adleman), garantindo a mesma seguranca (He
& Zeadally 2015). As redes de sensores sem fio podem ser vulneraveis ao ataque de ne-
gacao de servico, sendo necessario considerar as questoes de disponibilidade na seguranca
da rede (Granjal et al. 2015). Para redes de sensores distribuıdos, Eschenauer & Gligor
(2002) apresentam um esquema de gerenciamento de chaves que satisfaz os requerimentos
de operacao e seguranca do sistema.
66
3.5.2 Seguranca na gestao de dados
A Cidade Inteligente processa grandes volumes de dados pessoais, governamentais
e empresariais obtidos de distintas fontes, sendo necessaria a reducao da dimensionalidade
para a analise adequada dos dados, assegurando integridade (Nie et al. 2011).
Para garantir a integridade dos dados, Wenge et al. (2014) expoem a tecnica de
monitoramento do historico dos dados e a tecnica de insercao de informacoes ocultas. No
historico se preserva a fonte e as caracterısticas especıficas dos dados. Enquanto inserir
informacoes ocultas e util para identificar algum tipo de alteracao nos dados. Xu et al.
(2014) abordam as tecnicas de proveniencia ou fonte de dados com o objetivo de julgar a
credibilidade dos dados, determinando a qualidade e a confiabilidade.
Xu et al. (2014) propoem a modificacao dos dados antes da etapa de analise. Tal
proposta tenta esconder os dados pessoais sensıveis sem afetar a extracao de informacao
relevante no processo de mineracao. A analise das redes sociais e interessante para a des-
coberta dos padroes sociais, mas a descoberta de relacoes individuais pode trazer riscos
potenciais para os usuarios do servico. Os dados de localizacao, por exemplo, sao uteis
para desenvolver os servicos de recomendacao como o servico de recomendacao de rotas
alternativas, porem os riscos de privacidade sao elevados. Tais riscos podem ser dimi-
nuıdos usando tecnicas de anonimizacao de dados, evitando que a localizacao possa ser
vinculada com um individuo especıfico. A anonimizacao e usada como uma alternativa
para evitar que, baseado em diferentes subconjuntos de atributos pessoais, um indivıduo
seja identificado.
3.5.3 Seguranca na analise de dados
A seguranca na analise de dados diz respeito a protecao dos dados na computa-
cao em nuvem e a protecao das informacoes sensıvel depois do processo de analise. Na
computacao em nuvem e Big Data verificar a integridade dos dados e importante para os
usuarios e garantir a protecao dos dados e importante para o provedor do servico (Liu &
Peng 2014) (Shuang et al. 2014).
Na computacao em nuvem os requerimentos de seguranca sao (Tirthani & Ganesan
2014):
• Disponibilidade: Os dados devem estar sempre disponıveis para o usuario indepen-
dente da localizacao do usuario. Para garantir tal requerimento, o sistema deve ser
tolerante a falhas, fornecer seguranca na rede e metodos de autenticacao;
• Confidencialidade: Os dados nao devem ser expostos a usuarios nao autorizados,
usando protocolos de seguridade, servicos de autenticacao e servicos de criptografia
de dados;
• Integridade: Os dados armazenados devem ser os mesmos que foram enviados,
usando tecnicas de deteccao de intruso e firewalls.
Surya et al. (2013) mencionam os requerimentos de seguranca na computacao em
nuvem como sendo a autenticacao e autorizacao dos usuarios, a confidencialidade dos
67
dados, a irretratabilidade e a disponibilidade dos dados. Alem disso, descreve os ataques
nas camadas de hardware, virtualizacao, infraestrutura, plataforma, software e rede.
Zissis & Lekkas (2012) listam ameacas segundo os modelos de servico IaaS, PaaS
e SaaS:
• Em IaaS podem ocorrer ataques a rede, ataques de negacao de servico, interrupcao
de hardware, roubo de hardware, modificacao de hardware, desvios de infraestrutura
e desastres naturais;
• Em PaaS se encontram as falhas de programacao, modificacao do software, inter-
rupcao do uso do software, roubo de identidade, sequestro de sessao, analise do
fluxo de trafego, exposicao na rede, ataques de negacao de servico e comunicacoes
interrompidas;
• Em SaaS as ameacas listadas sao: intercepcao, modificacao dos dados armazenados
ou em transito, interrupcao de dados, violacao de privacidade, roubo de identidade,
sequestro de sessao, analise do fluxo de trafego e exposicao na rede.
Singh & Kumar (2015) propoem a criptografia de curva elıptica para fornecer aos
usuarios dos servicos de computacao em nuvem seguranca no acesso e armazenamento
dos dados privados. No armazenamento se aplica a criptografia antes dos dados serem
enviados ate a nuvem, realizando-se a descriptografia depois de descarregar os dados.
Tirthani & Ganesan (2014) consideram a criptografia de curva elıptica adequada
para os requerimentos de seguranca, eficiencia e velocidade no acesso aos dados armaze-
nados na computacao em nuvem, ja que essa abordagem usa tamanho de chaves menores
no processo de criptografia.
Xu et al. (2014) estudam as regras para preservar a privacidade dos dados depois
de usar as tecnicas de mineracao por associacao, classificacao e agrupamento. Os autores
propoem modificar os dados originais para gerar o conhecimento sem informacoes sensıveis,
pois a divulgacao do padrao de mobilidade pode causar maiores problemas do que o dado
de localizacao original.
3.5.4 Seguranca na prestacao de servicos
Dentro do contexto de Cidade Inteligente a cidade e capaz de atender os atores
sociais com novos servicos, auxiliando na tomada de decisao e no desenvolvimento das
atividades do dia a dia. Nesse sentido, as questoes de seguranca na prestacao de servicos
inteligentes, algoritmos de otimizacao, aplicativos e paineis informativos desenvolvidos
deveriam ser consideradas. A seguir serao discutidas algumas das questoes.
3.5.4.1 Servicos inteligentes e algoritmos de otimizacao
O objetivo da mineracao de dados e fornecer informacoes uteis que possam me-
lhorar o desempenho da cidade e ajudar na tomada de decisao das pessoas, sistemas ou
governo, atraves do desenvolvimento de melhores servicos e novos sistemas. Portanto, e
relevante proteger a informacao obtida do processo de analise, pois as informacoes passam
68
a ter consequencias imediatas e significativas no mundo fısico, ja que os usuarios finais
das informacoes executam ou mudam seu comportamento em funcao destas informacoes.
Assim, os servicos inteligentes e os algoritmos de otimizacao deveriam executar as acoes
depois de verificar sua integridade, caso as informacoes obtidas do processo de mineracao
fossem recebidas de um terceiro e nao diretamente do fornecedor do servico de mineracao
(Xu et al. 2014).
3.5.4.2 Aplicativos
Os dispositivos inteligentes portateis como cartoes, telefones inteligentes e tablets
estao equipados com inumeros sensores, alem das capacidades computacionais e de co-
nexao a internet e a outras redes de comunicacao sem fio. Tais capacidades habilitam
a possibilidade de instalar aplicativos os quais aumentam os problemas de seguridade e
privacidade dos dados ao facilitar a instalacao de software malicioso capaz de coletar as
informacoes pessoais e os dados de sensoriamento (movimentos, localizacao, atividades
fısicas, texto, fotos e vıdeos).
Suarez-Tangil et al. (2014) discutem os modelos de seguranca e as medidas de
protecao propostas entre 2010 e 2013 para detectar software malicioso nos telefones inte-
ligentes com sistemas operacionais IOS e Android OS. Os autores apresentam a revisao
e assinatura do aplicativo como uma das formas de prevenir a instalacao do software
malicioso.
3.5.4.3 Paineis informativos
Outros aspectos de seguranca nao tecnicos como regulacoes devem ser propos-
tas para o cuidado dos paineis informativos que poderiam ser espalhados pela cidade a
fim de apresentar as informacoes de uma forma mais abrangente dentro de um formato
personalizado e de facil compreensao. Esses aspectos devem considerar tanto as prote-
coes relacionadas com as condicoes climaticas da cidade (sol, chuva, vento, temperatura)
quanto as condicoes sociais do lugar onde vai ser instalado o painel, evitando o mau
funcionamento e roubo dos equipamentos instalados.
O Capıtulo 2 apresentou o estado da arte do conceito de Cidade Inteligente, com
o objetivo de entender a diversidade de temas relacionados ao conceito. No Capıtulo
3, integraram-se as tecnologias modernas atraves do modelo organizacional para Cidade
Inteligente. O modelo organizacional permite ter uma visao integral das tecnologias usadas
no processamento dos dados urbanos, alem de descrever o fluxo iterativo desses dados. A
seguir, no Capıtulo 4 serao apresentados os servicos no contexto de Cidade Inteligente e
computacao urbana.
69
Capıtulo 4SERVICOS PARA CIDADESINTELIGENTES
As iniciativas de Cidade Inteligente estao relacionadas com o desenvolvimento de
projetos em diversos campos tematicos, por exemplo, cidades focadas em solucoes de
planejamento inteligente, saude inteligente, governo inteligente, educacao inteligente, mo-
bilidade inteligente etc. (Giffinger et al. 2007).
Propostas rotuladas como solucoes inteligentes consideram os dados que envolvem
o contexto ao redor do usuario, para criar os servicos de Cidade Inteligente como aplica-
tivos, paineis informativos e algoritmos de otimizacao (Cosgrave et al. 2013). Assim, os
projetos devem levar em conta as informacoes do tempo, da localizacao, da identidade e
das atividades das pessoas ou das maquinas para desencadear algum tipo de acao (Koch
et al. 2013). Nesse sentido, (Doukas & Antonelli 2013) apresentam tres formas de operacao
dos sistemas inteligentes:
• Os sistemas que apresentam as informacoes relevantes ou as recomendacoes aos
usuarios para que sejam eles que tomem as decisoes, considerando as informacoes
proporcionadas;
• Os sistemas que executam algum tipo de acao, desencadeando um comando para
reconfigurar automaticamente o sistema caso mude o contexto; e
• Os sistemas que anexam uma etiqueta de informacoes de contexto para ser usado
posteriormente.
Algumas propostas de servicos referentes ao contexto de Cidade Inteligente e com-
putacao urbana sao resumidos na Tabela 4.1 Os trabalhos propoem servicos de monitora-
mento da poluicao do ar e os parametros de ruıdo, o desenvolvimento de servicos moveis
uteis para reportar os problemas da cidade e para atualizar os usuarios sobre os aconte-
cimentos da cidade, a localizacao apropriada de instalacao das estacoes de carregamento
para os veıculos eletricos, o aperfeicoamento dos servicos de recomendacao de lugares e
de pacotes de viagem.
O objetivo principal dos servicos inteligentes e contribuir com o melhoramento
da qualidade de vida dos cidadaos nas cidades. Isso pode ocorrer quando se otimiza o
70
desempenho na prestacao dos servicos publicos; detecta os momentos de alta demanda;
otimiza as atividades realizadas no dia a dia dos cidadaos; ajuda na tomada das deci-
soes; detectam situacoes de risco ou de irregularidade; analisa o padrao de mobilidade ou
de comportamento da populacao; estudam os dados de uso e de prestacao dos servicos
publicos.
Tabela 4.1: Servicos no campo da computacao urbana.Artigos ResumoCidade Inteligentecomo uma aplica-cao da internet dascoisas
Os autores apresentam as etapas de colecao, analise e processa-mento dos dados do projeto ’Barcelona Cidade Inteligente’. O pro-jeto permite um controle melhorado da cidade usando os dadoscoletados dos sensores instalados para identificar padroes e even-tos relevantes capazes de identificar problemas potenciais, alem decriar os servicos de monitoramento da poluicao do ar e parametrosde ruıdo (Gea et al. 2013).
Servico movel par-ticipativo para a se-guranca rodoviariaem cidades digitais
O trabalho apresenta o servico movel CrowdOut, no qual os usuariospodem reportar massivamente os problemas da cidade como falhasem semaforos, carros mal estacionados, estradas danificadas e viascongestionadas (Aubry et al. 2014).
Projeto da infraes-trutura para carre-gamento e armaze-namento dos veıcu-los eletricos
Os autores usam os dados do registro de consumo de energia ele-trica, a trajetoria e a distancia das viagens das pessoas para estudara localizacao mais apropriada na instalacao das estacoes de carre-gamento dos veıculos eletricos (Momtazpour et al. 2014).
Extracao do com-portamento decheckins dos usua-rios usando atecnica de passeiosaleatorios pararecomendacoes delugares de interesseurbano
Os autores propoem um sistema de recomendacao, calculando aprobabilidade de um usuario visitar um lugar. Os autores analisamos registros de checkins dos usuarios para extrair as informacoesde contexto social, das preferencias pessoais e da popularidade dolugar a fim de realizar recomendacoes adequadas (Ying et al. 2014).
Recomendacao depacotes de viagemorientada a objetos
Desenvolver pacotes de viagem personalizados para os turistasajuda a melhorar a qualidade dos servicos de viagem. O artigopropoe um quadro (framework) aberto para considerar as informa-coes disponıveis do contexto, a fim de personalizar os pacotes deviagem, usando um sistema de recomendacao orientado a objetos(Tan et al. 2014).
Medida e reco-mendacao de rotassensıveis ao tempousando os da-dos baseados emlocalizacao
O trabalho propoe desenvolver um sistema de recomendacao de ro-tas sensıveis ao tempo, que permitem aos usuarios planejar melhoro tempo e os lugares que desejam conhecer durante uma viagem.Para tal, se faz importante conhecer o melhor horario para visitarum lugar, os lugares mais populares e o tempo de viagem entre doispontos (Hsieh et al. 2014).
Alem disso, outros inumeros servicos potenciais em diversas areas sao propostos
71
no contexto de Cidade Inteligente, aproveitando o avanco das capacidades tecnologicas
(TICs, sistemas de informacao geografica, sensores, tecnologias pessoais, armazenamento
e processamento de dados) e de analises de Big Data. As sesoes 4.1, 4.3, 4.5, 4.6, 4.7, 4.8,
4.10 e a Figura 4.1 mostram alguns dos servicos que podem ser desenvolvidos depois da
etapa de extracao de conhecimento.
Figura 4.1: Servicos para Cidade Inteligente adaptada de (Cosgrave et al. 2013).
72
4.1 Planejamento Inteligente
A analise das trajetorias de GPS, dos registros de chamadas ou mensagens permi-
tem inferir ou encontrar o padrao de mobilidade humana e os lugares mais visitados, que
por sua vez ajudam a identificar ou dividir as regioes da cidade pela sua funcionalidade em
areas educacionais, areas comerciais, areas residenciais, areas cientificas ou areas de tra-
balho. Essas informacoes possibilitam melhorar o planejamento e a distribuicao de novas
infraestruturas segundo a regiao; detectar a frequencia de uso de espacos como parque e
ciclovias; identificar as zonas com maiores necessidades de infraestrutura e de servicos de
transporte multimodal. Alem disso, permite a identificacao de zonas da cidade adequadas
para a instalacao de novos negocios e aperfeicoamento de servicos (Zheng et al. 2014).
4.2 Educacao Inteligente
As TICs permitem o desenvolvimento de novos e iterativos espacos educacionais
ou plataformas educativas. Alem disso, a internet facilita o acesso a diversas informacoes
e opinioes sobre varios assuntos. O que define novas formas de aprender em distintos
contextos e cenarios, estendendo o aprendizado a qualquer momento e em qualquer lugar,
sendo necessarias ferramentas que ajudem na avaliacao dos novos conhecimentos adquiri-
dos pelos usuarios dos espacos educativos. Arias (2012), avalia de forma multidimensional
o desempenho dos alunos durante a utilizacao dos modulos educacionais do sistema Cone-
xao do Saber. O sistema e uma metodologia de ensino mediado por computador (EMC)
que visa melhorar a qualidade do processo ensino-aprendizagem. Para a analise da medida
do desempenho dos alunos Arias (2012) coletou o tempo gasto e os acertos nas atividades
propostas nos modulos do sistema Conexao do Saber, concluindo que a melhor forma
de avaliar o desempenho dos alunos e usando diversos criterios sem isolar os alunos em
pequenos grupos.
Nesse sentido, as ferramentas educativas permitem entender de forma individual os
estudantes, com isso se viabiliza a personalizacao dos conteudos, focando em aumentar os
potenciais e diminuir as fraquezas dos usuarios de forma colaborativa. Isso e identificando
grupos sem dificuldade na aquisicao do conhecimento que possam colaborar e resolver as
questoes particulares dos estudantes com maiores dificuldades.
4.3 Transporte Inteligente
Estimar e predizer o trafego de uma cidade e uma das maiores areas de pesquisa
em Cidade Inteligente (Ahn et al. 2014). Os veıculos equipados com GPS servem como
dispositivos sensores do estado do trafego, dos acidentes de transito, dos movimentos e
das atividades das pessoas, coletando dados que processados constituem a informacao
principal de servicos como:
• Monitoramento de veıculos, deteccao de velocidade, contagem de veıculos;
• Mudanca dinamica do tempo de atuacao dos semaforos;
73
• Monitoramento e informacao do trafego em tempo real;
• Predicao das condiciones de trafego num futuro proximo;
• Construcao de mapas rodoviarios dinamicos digitais;
• Criacao de indicadores de trafego em tempo real;
• Estimacao do tempo de viagem entre dois pontos;
• Personalizacao da rota de viagem;
• Previsao de potenciais engarrafamentos; e
• Descoberta de acidentes de transito.
Na literatura sao citados outros servicos na area de transporte inteligente:
• Recomendacao das melhores rotas de viagem considerando a economia em tempo
de deslocamento ou a diminuicao no gasto de combustıvel;
• Despacho dinamico de recursos de transporte publico, disponibilizando diferentes
meios de transporte para equilibrar a demanda e a oferta do servico de transporte
segundo as necessidades de mobilidade da regiao;
• Criacao de rotas flexıveis para a prestacao do servico de onibus segundo a demanda;
• Viagem contextualizada com notificacao de aviso previo das estacoes de onibus fe-
chadas ou do fechamento de rodovias devido a acidentes.
A combinacao de dados como os registros de chamadas, as mensagens nas redes
sociais com as rotas de trajetoria do GPS e com os registros de sensores instalados nas
rodovias da cidade suportam o desenvolvimento de servico como:
• Predicao do fluxo de mobilidade dos cidadaos considerando o dia, a hora, o mes, os
eventos e o clima da cidade;
• Predicao da rotina da populacao;
• Analise de mobilidade em multidao durante eventos especiais;
• Deteccao da ocorrencia de eventos anormais; e
• Predicao do comportamento humano.
Os dados dos taxis equipados com GPS ajudam a criar servicos para os motoristas
e usuarios do servico, usando a sua localizacao, a hora e o dia da semana, tais como:
• Despacho de taxis em tempo real;
• Recomendacao da sequencia dos melhores pontos para encontrar passageiros;
74
• Recomendacao para encontrar taxis livres;
• Estacionamento inteligente, detectando as vagas livres proximas ao usuario segundo
a sua localizacao;
• Compartilhamento de taxi, considerando a rota e o tempo de deslocamento para
cada usuario, a capacidade do taxi e custo do servico; e
• Deteccao automatica de rotas atıpicas percorridas pelo taxi para chegar ate um
destino determinado, tendo como objetivo assegurar a integridade tanto dos usuarios
como dos indivıduos que prestam o servico (Castro et al. 2013).
O servico de estacionamento inteligente inicia com a colecao de dados das vagas
disponıveis. O monitoramento das vagas pode ser feita instalando sensores no estaciona-
mento ou usando o sensoriamento participativo dos usuarios do servico, no qual os usuarios
usam os telefones inteligentes para publicar o numero de vagas livres no estacionamento
em um momento e lugar especıfico.
Wang, David & Chalon (2014) centram no gerenciamento dinamico de rodovias ou
avenidas, usando servicos baseados em localizacao e IoT. Os autores focam em resolver
o problema da gestao do trafego evitando congestionamentos atraves de uma melhor
alocacao de faixas de trafego. O sistema e projetado para compartilhar faixas de circulacao
de trafego de forma dinamica e adequada entre o transporte publico e o transporte pessoal
no contexto de baixa frequencia de trafego de onibus, para diminuir o tempo de inatividade
das faixas.
A disponibilidade das informacoes relevantes num formato adequado de visuali-
zacao tambem ajuda na criacao de sistemas de tomada de decisao para os atores sociais
atraves de dispositivos moveis ou de paineis comunitarios apresentando, por exemplo, os
indicadores da condicao ou estado de trafego na cidade em tempo real e o desempenho do
servico de transporte publico.
4.4 Ambiente Inteligente
O monitoramento das variaveis ambientais como a temperatura, a qualidade do
ar, da agua e o nıvel de ruıdo em cada regiao da cidade permite detectar areas perigosas
de visitar, identificando a necessidade de implementar medidas de controle da poluicao
e do ruıdo, alem de suportar o desenvolvimento de servicos de recomendacao de rotas
alternativas evitando as rotas com areas contaminadas.
4.5 Saude Inteligente
O monitoramento do comportamento dos pacientes e a analise das condicoes de
saude podem ajudar no desenvolvimento de servicos de recomendacao de atividades fısicas
e de diagnostico remoto (GANG et al., 2013).
Panhan et al. (2016) discutem o servico de monitoramento de idosos a distancia,
monitorando variaveis como pressao arterial, batimentos cardıacos e nıveis de acucar
75
no sangue, atuando caso os sensores reportem leituras de limites proximos aos limites
anormais de glicose.
Piro et al. (2014) propoem o servico de agendamento medico digital e a assistencia
remota de pacientes. Outro trabalhos recomendam a implementacao de uma plataforma
integrada para o agendamento de servicos medicos, armazenamento e digitalizacao dos
resultados de exames medicos.
Outras solucoes inteligentes sao as relacionadas com a tecnologia assistiva para de-
ficientes visuais. Tais tecnologias contribuem dando autonomia aos usuarios, por exemplo,
na leitura de livros ou no contato com o mundo digital.
4.6 Seguranca Inteligente
Aumentar a tranquilidade nas ruas e em geral na cidade e relevante no aprimora-
mento da qualidade de vida dos cidadaos. Nesse sentido, o monitoramento em tempo real
da mobilidade das pessoas junto com o padrao tıpico de mobilidade da cidade permitem
desenvolver servicos como:
• Deteccao de ocorrencia de eventos;
• Mudancas do comportamento tıpico da populacao; e
• Predicao de rotas de pessoas desaparecidas ou perdidas.
Os servicos de sensoriamento participativo tem sido implementados em diversas
cidades, nos quais os cidadaos reportam os problemas, como carros estacionados em lu-
gares proibidos ou acidentes rodoviarios (GANG et al., 2013). A correlacao de diversos
dados coletados ou enviados pelos cidadaos usando as plataformas de sensoriamento par-
ticipativo ajuda na gestao da seguranca dos espacos publicos da cidade.
4.7 Energia Inteligente
Esta area de pesquisa abrange diferentes servicos inteligentes:
• O servico de controle remoto de iluminacao publica;
• Os servicos de gestao do consumo de energia eletrica nas casas e edifıcios, com
acesso as informacoes de consumo, permitindo aos usuarios otimizar ou controlar a
demanda de energia, o que permite reduzir o consumo em horas pico (Corici et al.
2014);
• Os servicos de predicao dinamica da demanda de energia em um futuro proximo;
• Os mecanismos de resposta inteligente a demanda em tempo real;
• A ativacao automatica dos aparelhos eletronicos domesticos previamente programa-
dos para recarregar a bateria nos perıodos de menor tarifa de energia eletrica;
76
• Os servicos de redes eletricas inteligentes (Smart Grid);
Zheng et al. (2014) discutem os benefıcios dos mecanismos de resposta inteligente
a demanda, com a analise das informacoes de monitoramento em tempo real da demanda
atual comparadas com o desvio da demanda prevista. Entre os benefıcios mencionados se
destacam o aumento da eficiencia no uso da energia eletrica, controle e resposta adequada
as alteracoes em perıodos de baixo e alto consumo de energia eletrica.
Corici et al. (2014) explicam o funcionamento da rede de distribuicao inteligente
de energia para veıculos eletricos, ressaltando os servicos que deveria prestar como calculo
do tempo maximo de recarga, calculo do total de energia necessario para chegar ate o
destino programado. Alem de avaliar a distancia que o carro pode percorrer com uma
bateria completa e o tempo para alcancar o proximo ponto, considerando as condicoes
atuais de trafego.
Hernandez et al. (2012) verificam a alta correlacao que existe entre as variaveis
climaticas de temperatura, radiacao solar global, umidade com o consumo de energia para
diferentes momentos do dia, localizacao fısica e estacoes do ano, permitindo o aprimora-
mento na previsao da demanda de energia eletrica.
Albino et al. (n.d.) e Carli et al. (2014) apresentam o centro de controle ur-
bano como uma ferramenta desenhada para melhorar a eficiencia energetica da cidade
e a sustentabilidade ambiental. O centro de controle coleta e integra diversas variaveis
ou informacoes de distintos setores, fontes e subsistemas urbanos, para mostrar o estado
energetico da cidade em tempo real. A ferramenta suporta a tomada de decisoes dos funci-
onarios municipais, enviando notificacoes caso ocorram eventos fora de contexto e entrega
as recomendacoes para o gerenciamento da situacao. A ferramenta permite tambem a co-
lecao e a gestao de dados, alem de representar-lhos em formato de facil interpretacao como
tabelas, grafos ou inseridos no mapa da cidade, mostrando uma visao ampla e imediata
da area da cidade que se deseja analisar ou controlar. A ferramenta tambem usa a ana-
lise de dados para detectar os padroes, as associacoes e as tendencias automaticamente,
mostrando as alertas que estimulam as acoes corretivas.
4.8 Agua Inteligente
A escassez de agua causada pelo aquecimento global e pela falta de gestao e pla-
nejamento do consumo e distribuicao dos recursos hıdricos esta sendo um problema de
grande impacto na qualidade de vida dos cidadaos. Nesse sentido, as solucoes de Cidade
Inteligente habilitam o monitoramento e controle dos sistemas de distribuicao de agua,
melhorando a gestao dos recursos hıdricos, a manutencao antecipada dos sistemas e a
deteccao rapida de falhas nos equipamentos, causadas por possıveis acidentes.
Entre algumas das solucoes estao:
• O modelo inteligente de gestao de agua (Robles et al. 2014);
• O monitoramento do sistema de distribuicao de agua (Hancke et al. 2012);
• O controle do consumo de agua dos cidadaos;
77
• O monitoramento do fluxo de agua dos rios; e
• O monitoramento da qualidade de agua.
O modelo inteligente de gestao de agua integrado com a tecnologia de IoT incre-
menta a produtividade e a eficiencia dos modelos de negocios, monitorando e controlando
o consumo de agua em tempo real (Robles et al. 2014).
O monitoramento do sistema de distribuicao de agua reduz os custos de inspecoes
nao programadas e permite o rapido controle das fugas, diminuindo o tempo na deteccao
de falhas e a quantidade de agua desperdicada. Para o monitoramento de variaveis, como
a vibracao, a pressao, o som e o fluxo da agua se faz necessario a implementacao de
sensores. Os dados coletados pelos sensores poderiam servir para isolar algum tipo de
falha enviando um sinal de ativacao de algum dispositivo como um atuador (Hancke et al.
2012).
O monitoramento do fluxo de agua dos rios e o monitoramento da qualidade da
agua ajudam a identificar possıveis enchentes e a poluicao dos rios, garantindo a qualidade
de agua segura para o consumo humano (Liu & Peng 2014).
O servico inteligente de jardinagem remoto desenvolvido na cidade de Barcelona1 otimiza o uso dos recursos hıdricos considerando as chuvas, o vento, a necessidade de
agua das plantas, a umidade e a evaporacao, entre outras variaveis para aportar a agua
estritamente necessaria no cuidado dos parques da cidade.
4.9 Casa Inteligente
A casa inteligente deve ser consciente, por exemplo, da correlacao entre o consumo
de energia eletrica, o estado do ambiente externo e o estado do ambiente interno, a fim
de adaptar a demanda de energia eletrica as distintas variaveis de contexto, visando
otimizar o consumo de energia em todo momento do dia. De fato, as solucoes de casas
inteligentes incrementam as funcionalidades ou as capacidades das casas, interconectados
tres plataformas: casa, servicos na nuvem e analise de dados.
De forma geral, a rede de sensores sem fio e a IoT permitem o monitoramento do
estado dos diferentes espacos da casa e a transmissao dos dados ate a plataforma de analise,
na qual e possıvel detectar mudancas no padrao normal dos dados para ativar as acoes
correspondentes a cada notificacao a fim de atuar sob um determinado acontecimento. Por
exemplo, fechamento automaticamente das janelas caso uma tempestade esteja proxima
a ocorrer, ativacao automatica de alarmes de fogo caso nıveis altos de fumaca sejam
detectados e ativacao de alarmes de emergencia ou desligamento dos aparelhos eletricos
(Liu & Peng 2014).
4.10 Comercio Inteligente
Para Zheng et al. (2014) os servicos das redes sociais e das RSBL sao a ponte entre
o comportamento real e digital, permitindo entender os padroes de mobilidade individual,
1Barcelona Cidade Inteligente, web site: http://smartcity.bcn.cat/en/telemanaging-irrigation.html
78
a dinamica da cidade e os padroes de comportamento, ao integrar os dados como: fotos,
vıdeo, texto e checkins com outros dados de contexto, como dia e hora. Essa nova fonte de
dados e as informacoes permitem impulsionar a criacao de novos mercados e servicos, como
os servicos de recomendacao de rotas personalizadas e de lugares de interesse, servicos
de recomendacao de encontro com pessoas com interesses semelhantes e ate servicos de
melhoramento de vendas.
Bao et al. (2015) estudam os servicos de recomendacao segundo tres perspectivas: a
fonte de dados usada, a metodologia empregada para o desenvolvimento da recomendacao
e o objetivo a ser alcancado pelo sistema.
As fontes de dados estao centradas no perfil do usuario, o numero de checkins e
o historico de localizacoes. As metodologias para o desenvolvimento da recomendacao
sao: a metodologia baseada em conteudo, a metodologia baseada na analise de relacoes,
a metodologia baseada em filtragem colaborativa.
A metodologia baseada em conteudo aproveita os dados do perfil de usuario, como
idade, genero, preferencias de comida e os lugares de interesse para fazer as recomendacoes.
A metodologia baseada na analise de relacoes ou conexoes entre os nos de uma rede serve
para encontrar os locais interessantes e usuarios experientes em lugares e viagens. A
metodologia baseada em filtragem colaborativa ajuda a inferir as preferencias dos usuarios
usando os registros de comportamentos historicos de um grupo de pessoas, para encontrar
pessoas com interesses similares e assim recomendar o lugar que o usuario ainda nao
conhece. Os objetivos da recomendacao dos sistemas de recomendacao sao: oferecer
diferentes servicos como sugerir visitar um lugar ou percorrer uma rota de lugares de
interesse mais populares, ou recomendar usuarios, expertos do lugar ou de um topico,
recomendar amigos potenciais ou comunidades segundo as similaridades e preferencias,
atividades ou interesses, ou recomendar atividades segundo o lugar atual de localizacao
ou recomendar mıdias sociais como web sites ou blogs.
4.11 Sensoriamento Participativo
A participacao da populacao e importante para as solucoes de Cidade Inteligente.
Alguns dos servicos precisam dos usuarios para monitorar o ambiente urbano. Um exem-
plo sao os servicos de sensoriamento participativo. Esses servicos podem ser instalados
no telefone inteligente. Os usuarios podem reportar o congestionamento das vias, os se-
maforos, iluminacao publica ou estradas danificadas e os carros estacionados ilegalmente,
trocando fotos e comentarios com outros usuarios ou com as entidades responsaveis. Longe
de simplesmente coletar dados do ambiente o sensoriamento participativo possibilita obter
informacoes relevantes da sociedade, analisando os dados coletados com tecnicas apropri-
adas.
Os servicos de sensoriamento participativo podem ser implementados no campo de
seguranca publica, transporte, iluminacao publica e gestao dos espacos urbanos a fim de
detectar e resolver os problemas urbanos rapidamente (Cardone et al. 2014).
Cardone et al. (2014) propoem uma arquitetura que oferece aos desenvolvedores de
aplicativos um conjunto de utilidades e funcionalidades uteis para implementar de forma
rapida e simples os aplicativos baseados em sensoriamento. A arquitetura disponibiliza
79
as ferramentas para detectar a atividade dos usuarios (correr ou caminhar) e identificar
a regiao geografica de localizacao do usuario, uteis para o entendimento do contexto dos
usuarios.
O aplicativo Colab.re2 e uma ferramenta de monitoramento que conecta a prefei-
tura com o cidadao, permitindo fiscalizar problemas, propor projetos e avaliar os orgaos
publicos em tempo real, enviando fotos e recebendo respostas as reclamacoes reportadas.
A IBM dentro do projeto de Planeta Inteligente desenvolveu a solucao rotaacessi-
vel3 para o mapeamento das ruas, proporcionando os instrumentos necessarios para ajudar
a reportar os problemas locais.
A Figura 4.2 (a) mostra a interfaz de usuario do aplicativo desenvolvido pelo
laboratorio de pesquisa da IBM Brasil e a Figura 4.2 (b) apresenta a interfaz de usuario
do aplicativo CrowdOut implementado em Grand Nancy na Franca.
(a) Rota Acessıvel. (b) CrowdOut.
Figura 4.2: Interfaz dos servicos de sensoriamento participativo: (a) interfaz de usuario doaplicativo desenvolvido pela IBM Brasil; (b) interfaz de usuario do aplicativo CrowdOutimplementado em Grand Nancy.
4.12 Laboratorios para criacao de servicos em Cida-
des Inteligentes
Algumas cidades criam cenarios para a exploracao, avaliacao e experimentacao de
novas ideias, conceitos e servicos relacionados a Cidade Inteligente, como os laboratorios
vivos Living Labs (Cosgrave et al. 2013). Assim, os projetos antes de serem implementados
em larga escala podem ser testados em bairros ou parques da cidade a fim de estudar a
viabilidade do projeto. Os laboratorios ajudam a entender os impactos tanto economicos
quanto de bem-estar e de qualidade de vida, alem de diminuir o risco de grandes inves-
timentos. Isso permite acelerar o desenvolvimento dos servicos e descobrir os impactos
para a cidade e para a populacao, pois fornecem acesso a avaliacao e analise dos diferentes
recursos seja humanos, metodologicos ou tecnologicos (Schaffers et al. 2011).
2Site web: http://www.colab.re/3Site web: http://rotaacessivel.com/
80
Para Haukipuro et al. (2014) os laboratorios vivos estao sendo os cenarios funda-
mentais na exploracao de valor do desenvolvimento e da implementacao de novos servicos
num ambiente real com usuarios reais.
As principais caracterısticas dos laboratorios sao:
• O desenvolvimento do servico em condicoes controladas;
• A implementacao da infraestrutura tecnologica apropriada a pequena escala;
• A viabilidade de coleta de dados de forma distribuıda ou centralizada;
• A analise dos dados coletados;
• As caracterısticas do lugar estudado e;
• A publicacao de resultados ou de recomendacoes (Schaffers et al. 2011).
As vantagens que poderiam ser citadas do uso dos laboratorios vivos sao o com-
partilhamento das experiencias de sucesso, os conhecimentos adquiridos e os resultados
obtidos dos diversos projetos testados.
A Tabela 4.2 apresenta as boas praticas de algumas cidades portuguesas nas areas
de governanca, energia, meio ambiente e predios, mobilidade urbana, sociedade e qualidade
de vida, economia e inovacao, implementadas na RENER Living Lab, a Rede Portuguesa
de Cidades Inteligentes, que integra 43 municıpios, os quais atuam como laboratorios de
experimentacao de solucoes urbanas inovadoras em contexto real.
81
Tabela 4.2: Boas praticas da rede Portuguesa de cidades inteligentes.Cidade/Regiao Projetos
AGUEDA/CENTRO• Aplicativo movel para pagamento de estaci-
onamento;
• Plataforma de controle de sistema de ilumi-nacao publica inteligente.
ALMADA/LISBOA• Sistema de telegestao da iluminacao publica
de Almada (semaforizacao 100% LED);
• Sistema de mobilidade inclusiva.
BAIAO/NORTE• Orcamento participativo do municıpio de
Baiao;
• Unidades moveis de saude.
CASCAIS/LISBOA• Bicicletas eletricas em Cascais;
• Monitorizacao remota de consumo de edifı-cios municipais;
• Sistema de gestao de resıduos e sensores deenchimento.
GUIMARAES/NORTE • Reguladores de fluxo luminoso.
LOURES/LISBOA • Aplicativo movel para pagamento de estaci-onamento;
82
Capıtulo 5Conclusoes
Sendo o estado da arte um passo importante na criacao do conhecimento, este tra-
balho abordou diferentes campos de pesquisa a fim de entender o conceito e as iniciativas
de Cidade Inteligente. No andamento do trabalho diferentes definicoes foram apresenta-
das, abstraindo o ponto central das iniciativas que converge ao uso das TICs como base
para o aperfeicoamento das operacoes da cidade.
A onipresenca das tecnologias modernas esta possibilitando o monitoramento cons-
tante das atividades do dia a dia dos cidadaos, convertendo as tecnologias da comunicacao
na ponte entre o mundo real e o mundo virtual ao promover as interacoes e as transacoes
digitais. No trabalho se apresentou as tecnologias modernas usadas em cada camada do
modelo organizacional para a Cidade Inteligente que contribuem com o processamento
adequado do fluxo de dados urbanos. Alem disso, o modelo organizacional para Cidade
Inteligente destacou a importancia, as caracterısticas, os desafios e as oportunidades de
entender e usar adequadamente cada tipo de dado urbano.
A transformacao da cidade em Cidade Inteligente pode ser entendida como um
processo iterativo ou cıclico, entendido a partir da abordagem bottom-up. Isso e, a cidade
coleta e processa os dados disponıveis do ambiente urbano por meio das tecnologias de
sensoriamento, gestao e analise para o aperfeicoamento dos servicos ja desenvolvidos e
cria novos servicos que irao gerar mais dados.
Esse processo iterativo junto com as tecnologias modernas apresentadas no modelo
organizacional produzem informacoes relevantes e uteis no desenvolvimento de servicos de
valor agregado no ambiente urbano. O modelo organizacional facilita o entendimento de
uso e aplicacao dos dados urbanos, mostrando que depois do processamento e analise e
possıvel identificar os desafios e problemas frequentes que precisam ser resolvidos com
novos servicos que supram as necessidades detectadas e sejam uteis para a populacao,
com maior consciencia do contexto atual da cidade.
Atualmente as iniciativas de Cidade Inteligente sao desenvolvidas isoladamente,
por exemplo, na area de energia os sensores servem para um proposito especıfico como
medir e transmitir o consumo de energia eletrica da casa para a empresa fornecedora
do servico. No entanto, as iniciativas visam combinar e correlacionar dados coletados
de diversos tipos de sensores para produzir novas informacoes e negocios digitais, por
83
exemplo, na area de transporte inteligente o aplicativo Waze1 oferece um servico que
combina a geolocalizacao dos usuarios com as informacoes compartilhadas por outros
usuarios como o fluxo atual das vias e os problemas de transito. Informacoes que sao
usadas para recomendar rotas alternativas.
Este processo de inovacao e de busca pela eficiencia do ambiente urbano, limitados
somente pela criatividade humana, e o que esta permitindo a inovacao na area de servicos
inteligentes. Consequentemente, esses novos servicos irao gerar novos dados que permiti-
rao desenvolver outros servicos. Frente a esta revolucao da era digital, se pode vislumbrar
que distintos tipos de ambientes de interacao e tecnologias vao surgir.
Com enfase nas tecnologias de analise, foram abordadas as tecnicas de mineracao
de dados, o Big Data e os metodos estatısticos na transformacao dos dados em conhe-
cimento. Quanto aos metodos estatısticos, estes foram destacados como uma forma de
modelar matematicamente as atividades humanas. Por exemplo, os dados coletados do sis-
tema de compartilhamento de bicicletas caracterizaram o padrao de mobilidade da cidade
de Paris, o que permitiu encontrar o padrao de mobilidade e o entendimento aprofundado
da dinamica da cidade para diferentes regioes, horas e dias da semana.
A tecnologia impacta de forma rapida a sociedade, uma vez que as tecnologias
se incorporam de forma massiva na cidade, transformando e aumentando as interacoes
com o ambiente. Esta mudanca impacta os negocios, a educacao, a seguranca, a saude,
o trabalho, o transporte tanto de forma positiva quanto de forma negativa. O que torna
importante o papel da sociedade na construcao, governanca e transformacao das cidades
em Cidades Inteligentes. Acrescentando uma governanca social que promove a comuni-
cacao, a inteligencia, a colaboracao e o compartilhamento dos recursos fısicos e naturais
para o desenvolvimento sustentavel das cidades com alta qualidade de vida para as novas
geracoes.
5.1 Trabalhos Futuros
Alem da criacao dos servicos capazes de melhorar a qualidade de vida da populacao
e primordial avaliar continuamente o beneficio ou valor de implementar as solucoes de
Cidade Inteligente nas areas com maiores dificuldades.
As ferramentas quantitativas de medida como os indicadores de desempenho dina-
mico poderao ser a ferramenta util no processo de medida da Cidade Inteligente, sendo
o indicador um formato adequado de visualizacao, de facil compreensao e interpreta-
cao para apresentar os resultados obtidos do desenvolvimento dos servicos ou solucoes
inteligentes. Tais ferramentas de medida podem acompanhar ao longo do tempo o es-
tado do setor em tempo real. Nesse sentido, sera importante uma adequada pesquisa
dos possıveis indicadores que permitiriam medir o aprimoramento da dinamica da cidade
atraves do uso de indicadores de desempenho dinamicos na avaliacao da Cidade Inteli-
gente. Precisando-se entao o desenvolvimento de trabalhos de pesquisa voltados a propor
os indicadores de desempenho dinamico que poderiam servir como as ferramentas para
justificar o investimento nas solucoes de Cidade Inteligente, pois revelariam o aprimora-
1https://www.waze.com/
84
mento no desempenho da cidade e, consequentemente, o melhoramento na qualidade de
vida dos cidadaos.
Bibliografia
Ahn, J., Ko, E. & Kim, E. Y. (2014), Real-time highway traffic flow estimation based
on 3d markov random field, in ‘Intelligent Transportation Systems (ITSC), 2014 IEEE
17th International Conference on’, IEEE, pp. 308–313.
URL: http://ieeexplore.ieee.org
Akyildiz, I. F., Su, W., Sankarasubramaniam, Y. & Cayirci, E. (2002), ‘A survey on sensor
networks’, Communications magazine, IEEE 40(8), 102–114.
Albino, V., Carli, R., Caponio, G., Cavone, G., Costantino, N., Dangelico, R. M., Dotoli,
M., Falagario, M., Mossa, G., Mummolo, G. et al. (n.d.), ‘Findings from the res novae
project: a dashboard and decision support tool for the energy governance of smart
cities’, Cemec.Poliba.It pp. 1–10.
Anthopoulos, L. & Fitsilis, P. (2014), Exploring architectural and organizational features
in smart cities, in ‘Advanced Communication Technology (ICACT), 2014 16th Interna-
tional Conference on’, IEEE, pp. 190–195.
Arbit, A., Oren, Y. & Wool, A. (2014), ‘A secure supply-chain rfid system that respects
your privacy’, Pervasive Computing, IEEE 13(2), 52–60.
URL: http://ieeexplore.ieee.org
Arias, R. A. (2012), Avaliacao multidimensional baseada em logica difusa para educacao
mediada por computador, Master’s thesis, Universidade Estadual de Campinas.
Arora, S. & Chana, I. (2014), A survey of clustering techniques for big data analysis, in
‘Confluence The Next Generation Information Technology Summit (Confluence), 2014
5th International Conference-’, IEEE, pp. 59–65.
Aubry, E., Silverston, T., Lahmadi, A. & Festor, O. (2014), Crowdout: A mobile crowd-
sourcing service for road safety in digital cities, in ‘Pervasive Computing and Commu-
nications Workshops (PERCOM Workshops), 2014 IEEE International Conference on’,
IEEE, pp. 86–91.
Bao, J., Zheng, Y., Wilkie, D. & Mokbel, M. (2015), ‘Recommendations in location-based
social networks: a survey’, GeoInformatica 19(3), 525–565.
URL: http://link.springer.com
85
86
Camilo, C. O. & Silva, J. C. d. (2009), ‘Mineracao de dados: Conceitos, tarefas, metodos
e ferramentas’.
Cardone, G., Cirri, A., Corradi, A., Foschini, L., Ianniello, R. & Montanari, R. (2014),
‘Crowdsensing in urban areas for city-scale mass gathering management: Geofencing
and activity recognition’, Sensors Journal, IEEE 14(12), 4185–4195.
URL: http://ieeexplore.ieee.org
Carli, R., Deidda, P., Dotoli, M. & Pellegrino, R. (2014), An urban control center for the
energy governance of a smart city, in ‘Emerging Technology and Factory Automation
(ETFA), 2014 IEEE’, IEEE, pp. 1–7.
URL: http://ieeexplore.ieee.org
Castro, P. S., Zhang, D., Chen, C., Li, S. & Pan, G. (2013), ‘From taxi gps traces to social
and community dynamics: A survey’, ACM Computing Surveys (CSUR) 46(2), 17.
Cazella, S. C., Nunes, M. & Reategui, E. B. (2010), A ciencia da opiniao: Estado da arte
em sistemas de recomendacao, in ‘XXX Congresso da SBC Jornada de Atualizacao da
Informatica’.
Cenedese, A., Zanella, A., Vangelista, L. & Zorzi, M. (2014), ‘Padova smart city: an urban
internet of things experimentation’, Proceeding of IEEE International Symposium on a
World of Wireless, Mobile and Multimedia Networks 2014, WoWMoM 2014 pp. 1–6.
Chakraborty, N. & Gonnade, S. (2014), ‘Big data and big data mining: Study of approa-
ches, issues and future scope’, 18(5), 221–223.
URL: http://www.ijettjournal.org
Chandola, V., Banerjee, A. & Kumar, V. (2009), ‘Anomaly detection: A survey’, ACM
computing surveys (CSUR) 41(3), 15.
URL: http://dl.acm.org
Chen, K.-C., Huang, S.-L., Zheng, L. & Poor, H. V. (2015), ‘Communication theoretic
data analytics’, Selected Areas in Communications, IEEE Journal on 33(4), 663–675.
Cho, E., Myers, S. A. & Leskovec, J. (2011), Friendship and mobility: user movement in
location-based social networks, in ‘Proceedings of the 17th ACM SIGKDD international
conference on Knowledge discovery and data mining’, ACM, pp. 1082–1090.
URL: http://dl.acm.org
Chourabi, H., Nam, T., Walker, S., Gil-Garcia, J. R., Mellouli, S., Nahon, K., Pardo,
T. A. & Scholl, H. J. (2012), Understanding smart cities: An integrative framework,
in ‘System Science (HICSS), 2012 45th Hawaii International Conference on’, IEEE,
pp. 2289–2297.
Corici, A., Elmangoush, A., Steinke, R., Magedanz, T., Mwangama, J. & Ventura, N.
(2014), Utilizing m2m technologies for building reliable smart cities, in ‘New Techno-
logies, Mobility and Security (NTMS), 2014 6th International Conference on’, IEEE,
pp. 1–5.
87
Cosgrave, E., Arbuthnot, K. & Tryfonas, T. (2013), ‘Living labs, innovation districts and
information marketplaces: A systems approach for smart cities’, Procedia Computer
Science 16, 668–677.
da Silva, W. M., Alvaro, A., Tomas, G. H., Afonso, R. A., Dias, K. L. & Garcia, V. C.
(2013), Smart cities software architectures: a survey, in ‘Proceedings of the 28th Annual
ACM Symposium on Applied Computing’, ACM, pp. 1722–1727.
Doukas, C. & Antonelli, F. (2013), Compose: Building smart & context-aware mobile
applications utilizing iot technologies, in ‘5th IEEE Global Information Infrastructure
& Networking Symposium’, pp. 1–6.
URL: http://ieeexplore.ieee.org
Doukas, C. & Antonelli, F. (2014), A full end-to-end platform as a service for smart city
applications, in ‘Wireless and Mobile Computing, Networking and Communications
(WiMob), 2014 IEEE 10th International Conference on’, IEEE, pp. 181–186.
Eckart, C. & Young, G. (1936), ‘The approximation of one matrix by another of lower
rank’, Psychometrika 1(3), 211–218.
URL: http://link.springer.com
Ekstrand, M. D., Riedl, J. T. & Konstan, J. A. (2011), ‘Collaborative filtering recommen-
der systems’, Foundations and Trends in Human-Computer Interaction 4(2), 81–173.
URL: http://dl.acm.org
Eschenauer, L. & Gligor, V. D. (2002), A key-management scheme for distributed sensor
networks, in ‘Proceedings of the 9th ACM conference on Computer and communications
security’, ACM, pp. 41–47.
URL: http://dl.acm.org
Etienne, C. & Latifa, O. (2014), ‘Model-based count series clustering for bike sharing
system usage mining: A case study with the vA c©libsystem of paris’, ACM Transactions
on Intelligent Systems and Technology (TIST) 5(3), 39.
URL: http://dl.acm.org
Faria, F., Pedronette, D. C., dos Santos, J., Rocha, A., Torres, R. d. S. et al. (2014), ‘Rank
aggregation for pattern classifier selection in remote sensing images’, Selected Topics in
Applied Earth Observations and Remote Sensing, IEEE Journal of 7(4), 1103–1115.
URL: http://ieeexplore.ieee.org
Filipponi, L., Vitaletti, A., Landi, G., Memeo, V., Laura, G. & Pucci, P. (2010), Smart
city: An event driven architecture for monitoring public spaces with heterogeneous
sensors, in ‘Sensor Technologies and Applications (SENSORCOMM), 2010 Fourth In-
ternational Conference on’, IEEE, pp. 281–286.
Gea, T., Paradells, J., Lamarca, M. & Roldan, D. (2013), Smart cities as an application
of internet of things: experiences and lessons learnt in barcelona, in ‘Innovative Mobile
and Internet Services in Ubiquitous Computing (IMIS), 2013 Seventh International
Conference on’, IEEE, pp. 552–557.
88
Giffinger, R., Fertner, C., Kramar, H., Kalasek, R., Pichler-Milanovic, N. & Meijers,
E. (2007), ‘Smart cities: Ranking of european medium-sized cities’, Vienna, Austria:
Centre of Regional Science (SRF), Vienna University of Technology .
URL: http://www.smart-cities.eu
Gonnot, T. & Saniie, J. (2014), User defined interactions between devices on a 6lowpan
network for home automation, in ‘Technology Management Conference (ITMC), 2014
IEEE International’, IEEE, pp. 1–4.
Granjal, J., Monteiro, E. & Silva, J. (2015), ‘Security for the internet of things: A survey
of existing protocols and open research issues’, IEEE Communications Surveys and
Tutorials 17(3), 1294–1312.
URL: http://ieeexplore.ieee.org
Gupta, D. & Siddiqui, S. (2014), Big data implementation and visualization, in ‘Advances
in Engineering and Technology Research (ICAETR), 2014 International Conference on’,
IEEE, pp. 1–10.
URL: http://ieeexplore.ieee.org
Hancke, G. P., Hancke Jr, G. P. et al. (2012), ‘The role of advanced sensing in smart
cities’, Sensors 13(1), 393–425.
Harrison, C., Eckman, B., Hamilton, R., Hartswick, P., Kalagnanam, J., Paraszczak, J.
& Williams, P. (2010), ‘Foundations for smarter cities’, IBM Journal of Research and
Development 54(4), 1–16.
Haukipuro, L., Vainamo, S. & Arhippainen, L. (2014), Citizen and employee involvement
in public service development through user-driven methods, in ‘Engineering, Technology
and Innovation (ICE), 2014 International ICE Conference on’, IEEE, pp. 1–9.
URL: http://ieeexplore.ieee.org
He, D. & Zeadally, S. (2015), ‘An analysis of rfid authentication schemes for internet of
things in healthcare environment using elliptic curve cryptography’, Internet of Things
Journal, IEEE 2(1), 72–83.
URL: http://ieeexplore.ieee.org
Hernandez, L., Baladron, C., Aguiar, J. M., Calavia, L., Carro, B., Sanchez-Esguevillas,
A., Cook, D. J., Chinarro, D. & Gomez, J. (2012), ‘A study of the relationship between
weather variables and electric power demand inside a smart grid/smart world fra-
mework’, Sensors (Switzerland) 12(9), 11571–11591.
URL: http://www.mdpi.com
Hsieh, H.-P., Li, C.-T. & Lin, S.-D. (2014), ‘Measuring and recommending time-sensitive
routes from location-based data’, ACM Transactions on Intelligent Systems and Tech-
nology (TIST) 5(3), 45.
URL: http://dl.acm.org
89
Jalali, R., El-khatib, K. & McGregor, C. (2015), Smart city architecture for community le-
vel services through the internet of things, in ‘Intelligence in Next Generation Networks
(ICIN), 2015 18th International Conference on’, IEEE, pp. 108–113.
Jara, A. J., Bocchi, Y. & Genoud, D. (2013), ‘Determining human dynamics through the
internet of things’, Proceedings - 2013 IEEE/WIC/ACM International Joint Conference
on Web Intelligence and Intelligent Agent Technology - Workshops, WI-IATW 2013
3, 109–113.
Jara, A. J., Genoud, D. & Bocchi, Y. (2014), Big data in smart cities: From poisson to
human dynamics, in ‘Advanced Information Networking and Applications Workshops
(WAINA), 2014 28th International Conference on’, IEEE, pp. 785–790.
Jin, J., Gubbi, J., Marusic, S. & Palaniswami, M. (2014), ‘An information framework
for creating a smart city through internet of things’, IEEE Internet of Things Journal
1(2), 112–121.
URL: http://ieeexplore.ieee.org
Juels, A. (2006), ‘Rfid security and privacy: A research survey’, Selected Areas in Com-
munications, IEEE Journal on 24(2), 381–394.
URL: http://ieeexplore.ieee.org
Junior, E. L. d. A. G. (2012), Mapas auto-organizaveis aplicados em governo eletronico,
Master’s thesis, Universidade Estadual de Campinas.
Katal, A., Wazid, M. & Goudar, R. (2013), Big data: Issues, challenges, tools and good
practices, in ‘Contemporary Computing (IC3), 2013 Sixth International Conference on’,
IEEE, pp. 404–409.
URL: http://ieeexplore.ieee.org
Khan, Z., Anjum, A. & Kiani, S. L. (2013), Cloud based big data analytics for smart
future cities, in ‘Proceedings of the 2013 IEEE/ACM 6th International Conference on
Utility and Cloud Computing’, IEEE Computer Society, pp. 381–386.
Koch, F., Cardonha, C., Gentil, J. M. & Borger, S. (2013), ‘A platform for citizen sensing
in sentient cities’, Lecture Notes in Computer Science (including subseries Lecture Notes
in Artificial Intelligence and Lecture Notes in Bioinformatics) 7685 LNAI, 57–66.
Koutra, D., Papalexakis, E. E. & Faloutsos, C. (2012), Tensorsplat: Spotting latent
anomalies in time, in ‘Informatics (PCI), 2012 16th Panhellenic Conference on’, IEEE,
pp. 144–149.
URL: http://ieeexplore.ieee.org
Kuang, L., Hao, F., Yang, L. T., Lin, M., Luo, C. & Min, G. (2014), ‘A tensor-based
approach for big data representation and dimensionality reduction’, Emerging Topics
in Computing, IEEE Transactions on 2(3), 280–291.
URL: http://ieeexplore.ieee.org
90
Kulkarni, R. V., Forster, A. & Venayagamoorthy, G. K. (2011), ‘Computational intelli-
gence in wireless sensor networks: A survey’, Communications Surveys & Tutorials,
IEEE 13(1), 68–96.
Lin, J.-R., Talty, T. & Tonguz, O. (2015), ‘On the potential of bluetooth low energy
technology for vehicular applications’, Communications Magazine, IEEE 53(1), 267–
275.
URL: http://ieeexplore.ieee.org
Liu, P. & Peng, Z. (2014), ‘China’s smart city pilots: A progress report’, Computer
47(10), 72–81.
Momtazpour, M., Butler, P., Ramakrishnan, N., Hossain, M. S., Bozchalui, M. C. &
Sharma, R. (2014), ‘Charging and storage infrastructure design for electric vehicles’,
ACM Transactions on Intelligent Systems and Technology (TIST) 5(3), 42.
URL: http://dl.acm.org
Morbach, R. A. (2014), Proposal of an architecture for sensor networks monitoring in
open access metropolitan area networks, Master’s thesis, Universidade Estadual de
Campinas.
Naphade, M., Banavar, G., Harrison, C., Paraszczak, J. & Morris, R. (2011), ‘Smarter
cities and their innovation challenges’, Computer 44(6), 32–39.
Nie, F., Xu, D., Li, X. & Xiang, S. (2011), ‘Semisupervised dimensionality reduction and
classification through virtual label regression’, Systems, Man, and Cybernetics, Part B:
Cybernetics, IEEE Transactions on 41(3), 675–685.
URL: http://ieeexplore.ieee.org
Pan, G., Qi, G., Zhang, W., Li, S., Wu, Z. & Yang, L. (2013), ‘Trace analysis and mining
for smart cities: issues, methods, and applications’, IEEE Communications Magazine
51(6), 120–126.
Panhan, A. M. (2011), Proposta de uma arquitetura para cidades digitais baseada em um
middleware peer-to-peer, PhD thesis, Universidade Estadual de Campinas.
Panhan, A. M., Mendes, L. d. S. & Breda, G. D. (2016), Construindo Cidades Inteligentes,
Appris.
Paradells, J., Gomez, C., Demirkol, I., Oller, J. & Catalan, M. (2014), Infrastructure-
less smart cities. use cases and performance, in ‘Smart Communications in Network
Technologies (SaCoNeT), 2014 International Conference on’, IEEE, pp. 1–6.
Pellicer, S., Santa, G., Bleda, A. L., Maestre, R., Jara, A. J. & Skarmeta, A. G. (2013),
‘A global perspective of smart cities: A survey’, Proceedings - 7th International Confe-
rence on Innovative Mobile and Internet Services in Ubiquitous Computing, IMIS 2013
pp. 439–444.
URL: http://ieeexplore.ieee.org
91
Piro, G., Cianci, I., Grieco, L. A., Boggia, G. & Camarda, P. (2014), ‘Information centric
services in smart cities’, Journal of Systems and Software 88, 169–188.
URL: http://www.sciencedirect.com
Refonaa, J., Lakshmi, M. & Vivek, V. (2015), Analysis and prediction of natural disaster
using spatial data mining technique, in ‘Circuit, Power and Computing Technologies
(ICCPCT), 2015 International Conference on’, IEEE, pp. 1–6.
URL: http://ieeexplore.ieee.org
Riedel, M., Goetz, M., Richerzhagen, M., Glock, P., Bodenstein, C., Memon, A. & Memon,
M. (2015), Scalable and parallel machine learning algorithms for statistical data mining-
practice & experience, in ‘Information and Communication Technology, Electronics and
Microelectronics (MIPRO), 2015 38th International Convention on’, IEEE, pp. 204–209.
URL: http://ieeexplore.ieee.org
Robles, T., Alcarria, R., Martın, D., Morales, A., Navarro, M., Calero, R., Iglesias, S. &
Lopez, M. (2014), An internet of things-based model for smart water management, in
‘Advanced Information Networking and Applications Workshops (WAINA), 2014 28th
International Conference on’, Vol. 1, IEEE, pp. 821–826.
URL: http://ieeexplore.ieee.org
Rodriguez Ruiz, M. F. (2014), Desenvolvimento de um sistema de localizacao hıbrido
para navegacao autonoma de veıculos terrestres em ambiente simulado, Master’s thesis,
Universidade Estadual de Campinas.
Schaffers, H., Sallstrom, A., Pallot, M., Hernandez-Munoz, J. M., Santoro, R. & Trousse,
B. (2011), Integrating living labs with future internet experimental platforms for co-
creating services within smart cities, in ‘Concurrent Enterprising (ICE), 2011 17th
International Conference on’, IEEE, pp. 1–11.
URL: http://ieeexplore.ieee.org
Shuang, T., Lin, T., Xiaoling, L. & Yan, J. (2014), ‘An efficient method for checking the
integrity of data in the cloud’, Communications, China 11(9), 68–81.
URL: http://ieeexplore.ieee.org
Silva, T. H., Vaz De Melo, P., Almeida, J. M. & Loureiro, A. A. (2014), ‘Large-scale
study of city dynamics and urban social behavior using participatory sensing’, Wireless
Communications, IEEE 21(1), 42–51.
URL: http://ieeexplore.ieee.org
Singh, S. & Kumar, V. (2015), Secured user’s authentication and private data storage-
access scheme in cloud computing using elliptic curve cryptography, in ‘Computing for
Sustainable Global Development (INDIACom), 2015 2nd International Conference on’,
IEEE, pp. 791–795.
URL: http://ieeexplore.ieee.org
Stallings, W. & Vieira, D. (2008), Criptografia e seguranca de redes: princıpios e praticas,
Pearson Prentice Hall.
92
Su, X. & Khoshgoftaar, T. M. (2009), ‘A survey of collaborative filtering techniques’,
Advances in artificial intelligence 2009, 4.
URL: http://dl.acm.org
Suarez-Tangil, G., Tapiador, J. E., Peris-Lopez, P. & Ribagorda, A. (2014), ‘Evolution,
detection and analysis of malware for smart devices’, Communications Surveys & Tu-
torials, IEEE 16(2), 961–987.
URL: http://ieeexplore.ieee.org
Surya, K., Nivedithaa, M., Uma, S. & Valliyammai, C. (2013), Security issues and chal-
lenges in cloud, in ‘Green Computing, Communication and Conservation of Energy
(ICGCE), 2013 International Conference on’, IEEE, pp. 889–893.
URL: http://ieeexplore.ieee.org
Tan, C., Liu, Q., Chen, E., Xiong, H. & Wu, X. (2014), ‘Object-oriented travel package
recommendation’, ACM Transactions on Intelligent Systems and Technology (TIST)
5(3), 43.
URL: http://dl.acm.org
Tirthani, N. & Ganesan, R. (2014), ‘Data security in cloud architecture based on diffie
hellman and elliptical curve cryptography’, IACR Cryptology ePrint Archive 2014, 49.
URL: https://eprint.iacr.org
Wang, C., David, B. & Chalon, R. (2014), Dynamic road lane management: A smart
city application, in ‘Advanced Logistics and Transport (ICALT), 2014 International
Conference on’, IEEE, pp. 72–77.
Wang, C., Zhu, Q., Shan, Z., Xia, Y. & Liu, Y. (2014), Fusing heterogeneous traffic data
by kalman filters and gaussian mixture models, in ‘Intelligent Transportation Systems
(ITSC), 2014 IEEE 17th International Conference on’, IEEE, pp. 276–281.
Wei, L.-Y., Zheng, Y. & Peng, W.-C. (2012), Constructing popular routes from uncertain
trajectories, in ‘Proceedings of the 18th ACM SIGKDD international conference on
Knowledge discovery and data mining’, ACM, pp. 195–203.
Wenge, R., Zhang, X., Dave, C., Chao, L. & Hao, S. (2014), ‘Smart city architecture: A
technology guide for implementation and design challenges’, Communications, China
11(3), 56–69.
URL: http://ieeexplore.ieee.org
Wu, X., Zhu, X., Wu, G.-Q. & Ding, W. (2014), ‘Data mining with big data’, Knowledge
and Data Engineering, IEEE Transactions on 26(1), 97–107.
Wu, Y. (2014), ‘Network big data: A literature survey on stream data mining’, Journal
of Software 9(9), 2427–2434.
93
Xiong, Z., Zheng, Y. & Li, C. (2014), Data vitalization’s perspective towards smart city: A
reference model for data service oriented architecture, in ‘Cluster, Cloud and Grid Com-
puting (CCGrid), 2014 14th IEEE/ACM International Symposium on’, IEEE, pp. 865–
874.
Xu, L., Jiang, C., Wang, J., Yuan, J. & Ren, Y. (2014), ‘Information security in big data:
Privacy and data mining’, Access, IEEE 2, 1149–1176.
URL: http://ieeexplore.ieee.org
Xue, A. Y., Zhang, R., Zheng, Y., Xie, X., Huang, J. & Xu, Z. (2013), Destination
prediction by sub-trajectory synthesis and privacy protection against such prediction,
in ‘Data Engineering (ICDE), 2013 IEEE 29th International Conference on’, IEEE,
pp. 254–265.
URL: http://ieeexplore.ieee.org
Yamamoto, S., Matsumoto, S. & Nakamura, M. (2012), Using cloud technologies for
large-scale house data in smart city, in ‘Cloud Computing Technology and Science
(CloudCom), 2012 IEEE 4th International Conference on’, pp. 141–148.
Ying, J. J.-C., Kuo, W.-N., Tseng, V. S. & Lu, E. H.-C. (2014), ‘Mining user check-
in behavior with a random walk for urban point-of-interest recommendations’, ACM
Transactions on Intelligent Systems and Technology (TIST) 5(3), 40.
URL: http://dl.acm.org
Yuan, Y. & Liu, T. (2014), Evaluation model and indicator system of informationiza-
tion applications and services in smart cities, in ‘Intelligent Environments (IE), 2014
International Conference on’, IEEE, pp. 95–101.
Yue, H., Guo, L., Li, R., Asaeda, H. & Fang, Y. (2014), ‘Dataclouds: Enabling community-
based data-centric services over the internet of things’, Internet of Things Journal,
IEEE 1(5), 472–482.
URL: http://ieeexplore.ieee.org
Zanella, A., Bui, N., Castellani, A., Vangelista, L. & Zorzi, M. (2014), ‘Internet of things
for smart cities’, Internet of Things Journal, IEEE 1(1), 22–32.
Zheng, Y. (2015), ‘Trajectory data mining: an overview’, ACM Transactions on Intelligent
Systems and Technology (TIST) 6(3), 29.
URL: http://dl.acm.org
Zheng, Y., Capra, L., Wolfson, O. & Yang, H. (2014), ‘Urban computing: concepts,
methodologies, and applications’, ACM Transactions on Intelligent Systems and Tech-
nology (TIST) 5(3), 38.
URL: http://dl.acm.org/
Zissis, D. & Lekkas, D. (2012), ‘Addressing cloud computing security issues’, Future Ge-
neration computer systems 28(3), 583–592.
URL: http://www.sciencedirect.com