Pesquisa e aplicação em crowdsensing para cidades inteligentes: o caso ParticipAct
DOI:
https://doi.org/10.5007/2175-8077.2025.e103258Palavras-chave:
Cidades Inteligentes, crowdsensing, aplicativos, ParticipAct ProjectResumo
Contexto: As iniciativas que envolvem tecnologia e inovação avançam a cada dia. Nesse contexto, as cidades inteligentes vêm se beneficiando do uso de mobile crowdsensing em seus gadgets, tais como tablets e smartphones. Tal tecnologia permite o compartilhamento de dados de forma ativa por indivíduos, com intuito do bem comum como sociedade.
Objetivo: Este estudo objetiva apresentar o caso do projeto acadêmico e aplicativo ParticipAct, surgido na Itália e posteriormente ampliado para o Brasil, bem como mapear os estudos que citam e trabalham com o mesmo. Ainda, apresenta uma agenda de pesquisa no tema, de modo a apoiar novos estudos no campo.
Método: Como método, adotou-se uma revisão sistemática de literatura com base no Modelo Prisma, com busca na base de dados do Google Acadêmico e Periódicos Capes. A busca considerou artigos em língua inglesa e portuguesa publicados nos últimos doze anos (2013-2024), utilizando como filtros as palavras “participact” e “smart cities”. Baseado na pesquisa, identificou-se 295 artigos, que foram filtrados para maior aderência aos objetivos do estudo, sendo reduzidos a 34 publicações em periódicos.
Resultados: Os achados da pesquisa oferecem aportes para pesquisadores do campo e gestores públicos que buscam conhecimentos acerca de cidades inteligentes para aplicação prática.
Referências
Al Jawarneh, I. M., Foschini, L., & Paolo Bellavista. (2023). Efficient Integration of Heterogeneous Mobility-Pollution Big Data for Joint Analytics at Scale with QoS Guarantees. Future Internet, 15(8), 263–263. https://doi.org/10.3390/fi15080263
Alsabt, R., Adenle, Y. A., & Alshuwaikhat, H. M. (2024). Exploring the Roles, Future Impacts, and Strategic Integration of Artificial Intelligence in the Optimization of Smart City—From Systematic Literature Review to Conceptual Model. Sustainability, 16(8), 3389–3389. https://doi.org/10.3390/su16083389
Arya, D & Maeda, H & Sekimoto, Y. (2024). From global challenges to local solutions: A review of cross-country collaborations and winning strategies in road damage detection. Advanced Engineering Informatics. 60. 102388. https://doi.org/10.1016/j.aei.2024.102388
Bárcia, L. C., de Oliveira, C. T. F., & Gouveia, T. A. (2024). Destinos turísticos inteligentes: uma análise da governança turística de Búzios. Diálogo com a Economia Criativa, 9(25). https://doi.org/10.22398/2525-2828.925151-167
Bastos, D., Fernández-Caballero, A., Pereira, A., & Rocha, N. P. (2022). Smart City Applications to Promote Citizen Participation in City Management and Governance: A Systematic Review. Informatics, 9(4), 89. https://doi.org/10.3390/informatics9040089
Bellavista, P., Corradi, A., Foschini, L., & Ianniello, R. (2015). Scalable and Cost-Effective Assignment of Mobile Crowdsensing Tasks Based on Profiling Trends and Prediction: The ParticipAct Living Lab Experience. Sensors, 15(8), 18613–18640. https://doi.org/10.3390/s150818613
Bellavista, P., Chessa, S., Foschini, L., Gioia, L., & Girolami, M. (2018). Human-enabled edge computing: Exploiting the crowd as a dynamic extension of mobile edge computing. IEEE Communications Magazine, 56(1), 145-155. https://doi.org/10.1109/MCOM.2017.1700385
Bellavista, P., Belli, D., Chessa, S., & Foschini, L. (2019). A Social-Driven Edge Computing Architecture for Mobile Crowd Sensing Management. IEEE Communications Magazine, 57(4), 68–73. https://doi.org/10.1109/mcom.2019.1800637
Bellavista, P., Corradi, A., Foschini, L., Gomes, E. H., Lamberti, E., Klein, G., ... & Torello, M. (2020). Virtual environments as enablers of civic awareness and engagement. International Journal of Urban Planning and Smart Cities (IJUPSC), 1(1), 22-34. https://doi.org/10.4018/IJUPSC.2020010102
Bellavista, P., Torello, M., Corradi, A., & Foschini, L. (2021). Smart Management of Healthcare Professionals Involved in COVID-19 Contrast With SWAPS. Frontiers in Sustainable Cities, 3. https://doi.org/10.3389/frsc.2021.638743
Belli, D., Chessa, S., Corradi, A., Foschini, L., & Girolami, M. (2020). Optimization strategies for the selection of mobile edges in hybrid crowdsensing architectures. Computer Communications, 157, 132–142. https://doi.org/10.1016/j.comcom.2020.04.006
Belli, D., Chessa, S., Foschini, L., & Girolami, M. (2020). The rhythm of the crowd: Properties of evolutionary community detection algorithms for mobile edge selection. Pervasive and Mobile Computing, 67, 101231. https://doi.org/10.1016/j.pmcj.2020.101231
Benita, F., Virupaksha, D., Wilhelm, E., & Tunçer, B. (2021). A smart learning ecosystem design for delivering Data-driven Thinking in STEM education. Smart Learning Environments, 8(1). https://doi.org/10.1186/s40561-021-00153-y
Cardone, G., Foschini, L., Bellavista, P., Corradi, A., Borcea, C., Talasila, M., & Curtmola, R. (2013). Fostering participaction in smart cities: a geo-social crowdsensing platform. IEEE Communications Magazine, 51(6), 112–119. https://doi.org/10.1109/mcom.2013.6525603
Cardone, G., Cirri, A., Corradi, A., & Foschini, L. (2014). The participact mobile crowd sensing living lab: The testbed for smart cities. IEEE Communications Magazine, 52(10), 78–85. https://doi.org/10.1109/mcom.2014.6917406
Cardone, G., Corradi, A., Foschini, L., & Ianniello, R. (2016). ParticipAct: A large-scale crowdsensing platform. IEEE Transactions on Emerging Topics in Computing, 4(1), 21–32. https://doi.org/10.1109/TETC.2015.2433835
Cecilia, J. M., Cano, J. C., Hernández-Orallo, C., Calafate, T., & Manzoni, P. (2020). Mobile crowdsensing approaches to address the COVID-19 pandemic in Spain. IET Smart Cities, 2(2), 58-63. https://doi.org/10.1049/iet-smc.2020.0037
Chessa, S., Corradi, A., Foschini, L., & Girolami, M. (2016). Empowering mobile crowdsensing through social and ad hoc networking. IEEE Communications Magazine, 54(7), 108-114. https://doi.org/10.1109/MCOM.2016.7509387
Chessa, S., Girolami, M., Foschini, L., Ianniello, R., Corradi, A., & Bellavista, P. (2017). Mobile crowd sensing management with the ParticipAct living lab. Pervasive and Mobile Computing, 38, 200–214. https://doi.org/10.1016/j.pmcj.2016.09.005
Cortellazzi, R., Foschini, L., De Rolt Corradi, A., Neto, C. A. A., & Alperstedt, G. (2016). Crowdsensing and proximity services for impaired mobility. In 2016 IEEE Symposium on Computers and Communication (ISCC) (pp. 44-49). Messina, Italy. https://doi.org/10.1109/ISCC.2016.7543712
Darolt, D. L., Rolt, C. R. D., & Sabbioni, A. (2020). Machine Learning to Estimate the Floating Population in Florianopolis. International Journal of Computer Applications, 175(27), 1–6. https://doi.org/10.5120/ijca2020920812
De Almeida Buosi, M., Cilloni, M., Corradi, A., De Rolt, C. R., da Silva Dias, J., Foschini, L., ... & Zito, P. (2018). A crowdsensing campaign and data analytics for assisting urban mobility pattern determination. In 2018 IEEE Symposium on Computers and Communications (ISCC) (pp. 224–229). IEEE. https://doi.org/10.1109/ISCC.2018.8538483
De Camargo Barros, A., & Botelho Mager, G. (2023). Informações da qualidade do ambiente nas rotas dos aplicativos de navegação digital para pedestres: estudo de caso em Florianópolis. Design E Tecnologia, 13(26), 62–79. https://doi.org/10.23972/det2023iss26pp62-79
De Rolt, C. R., Dias, J. D. S., Gomes, E. H. A., & Buosi, M. (2021). Crowdsensing campaigns management in smart cities. International Journal of Grid and Utility Computing, 12(2), 192. https://doi.org/10.1504/ijguc.2021.114818
Fatecha Burian, M., Fauvety, P., Aquino, N., Magalí González, Romero, D., Luca Cernuzzi, Paniagua, J., & Chenú-Abente, R. (2020). Design of SmartMoving, an Application for Pedestrians with Reduced Mobility. https://doi.org/10.1109/clei52000.2020.00049
Foschini, L., & Girolami, M. (2017). Human-enabled edge computing: When mobile crowd-sensing meets mobile edge computing. MMTC Communications-Frontiers. https://doi.org/10.1109/MCOM.2017.1700385
Foschini, L., Martuscelli, G., Montanari, R., et al. (2021). Edge-enabled mobile crowdsensing to support effective rewarding for data collection in pandemic events. Journal of Grid Computing, 19, Article 28. https://doi.org/10.1007/s10723-021-09569-9
Girolami, M., Chessa, S., Foschini, L., Ianiello, R., & Corradi, A. (2015). Social amplification factor for mobile crowd sensing: The ParticipAct experience. 2015 IEEE Symposium on Computers and Communication (ISCC). https://doi.org/10.1109/ISCC.2015.7405544
Girolami, M., Belli, D., Chessa, S., & Foschini, L. (2021). How mobility and sociality reshape the context: A decade of experience in mobile crowdsensing. Sensors, 21(19), 6397. https://doi.org/10.3390/s21196397
Girolami, M., Vitello, P., Capponi, A., Fiandrino, C., Foschini, L., & Bellavista, P. (2022). A mobility-based deployment strategy for edge data centers. Journal of Parallel and Distributed Computing, 164, 133–141. https://doi.org/10.1016/j.jpdc.2022.03.007
Gokulraj, P., & Dhivakar, B. (2019). Smart device based security, user privacy protection and allocating task to motivate crowd sensing networks. South Asian Journal of Engineering and Technology, 8(1), 122-126. https://sajet.in/index.php/journal/article/view/38
Gomes, E., Dantas, M. A. R. D., de Macedo, D. D. J., De Rolt, C., Brocardo, M. L., & Foschini, L. (2016). Towards an infrastructure to support big data for a smart city project. In 2016 IEEE 25th International Conference on Enabling Technologies: Infrastructure for Collaborative
Enterprises (WETICE) (pp. 107–112). IEEE. https://doi.org/10.1109/WETICE.2016.31
Gomes, E. H. A., Foschini, L., Dias, J., Dantas, M. A. R., De Rolt, C. R., & De Macedo, D. D. J. (2018). An infrastructure model for smart cities based on big data. International Journal of Grid and Utility Computing, 9(4), 322. https://doi.org/10.1504/ijguc.2018.10016122
Gomes, E. H. A., Plentz, P. D. M., Rolt, C. R. D., & Dantas, M. A. R. (2019). A survey on data stream, big data and real-time. International Journal of Networking and Virtual Organisations, 20(2), 143. https://doi.org/10.1504/ijnvo.2019.097631
Gottardi, L., & Cristina, A. (2024). Índice De Pobreza Multidimensional: Um Indicador Para Cidades Inteligentes. Hygeia - Revista Brasileira de Geografia Médica E Da Saúde, 20, 2026. https://doi.org/10.14393/hygeia2069587
Gracias, J. S., Parnell, G. S., Specking, E., Pohl, E. A., & Buchanan, R. (2023). Smart Cities—A Structured Literature Review. Smart Cities, 6(4), 1719–1743. https://doi.org/10.3390/smartcities6040080
Jia, B., Zhou, T., Li, W., Liu, Z., & Zhang, J. (2018). A Blockchain-Based Location Privacy Protection Incentive Mechanism in Crowd Sensing Networks. Sensors, 18(11), 3894. https://doi.org/10.3390/s18113894
Jiang, H., Geertman, S., & Witte, P. (2022). The contextualization of smart city technologies: An international comparison. Journal of Urban Management. https://doi.org/10.1016/j.jum.2022.09.001
Joo, Y.-M. (2021). Developmentalist smart cities? the cases of Singapore and Seoul. International Journal of Urban Sciences, 1–19. https://doi.org/10.1080/12265934.2021.1925143
Liu, Y., Kong, L., & Chen, G. (2019). Data-Oriented Mobile Crowdsensing: A Comprehensive Survey. IEEE Communications Surveys & Tutorials, 21(3), 2849–2885. https://doi.org/10.1109/comst.2019.2910855
Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & The PRISMA Group. (2015). Principais itens para relatar revisões sistemáticas e meta-análises: A recomendação PRISMA. Epidemiologia e Serviços de Saúde, 24(2), 355-342. https://doi.org/10.5123/S1679-49742015000200017
Miranda, R., Alves, C., Sousa, R., Chaves, A., Montenegro, L., Peixoto, H., Durães, D., Machado, R., Abelha, A., & Novais, P. (2024). Revolutionising the quality of life: The role of real-time sensing in smart cities. Electronics, 13(3), 550. https://doi.org/10.3390/electronics13030550
Myeong, S., Park, J., & Lee, M. (2022). Research models and methodologies on the smart city: A systematic literature review. Sustainability, 14(3), Article 1687. https://doi.org/10.3390/su14031687
Ogie, R. (2016). Adopting incentive mechanisms for large-scale participation in mobile crowdsensing: From literature review to a conceptual framework. Human-Centric Computing and Information Sciences, 6, Article 10. https://doi.org/10.1186/s13673-016-0080-3
Owoh, N. P., Mahinderjit Singh, M., & Zaaba, Z. (2018). Automatic Annotation of Unlabeled Data from Smartphone-Based Motion and Location Sensors. Sensors, 18(7), 2134. https://doi.org/10.3390/s18072134
Peng, X., Heng, X., Li, Q., Li, J., & Yu, K. (2022). From sponge cities to sponge watersheds: Enhancing flood resilience in the Sishui River Basin in Zhengzhou, China. Water, 14(19), Article 3084. https://doi.org/10.3390/w14193084
Putra, Z. D. W., & van der Knaap, W. (2018). Urban innovation system and the role of an open web-based platform: The case of Amsterdam Smart City. Journal Riset Kebijakan, 29, 234–249. https://doi.org/10.5614/jrcp.2018.29.3.4.
Ribeiro, F. R., Silva, A., & Barbosa, F. (2018). Mobile applications for accessible tourism: Overview, challenges and a proposed platform. Information Technology & Tourism, 19, 29-59. https://doi.org/10.1007/s40558-018-0110-2
Rizzo, G., Liu, Z., Sokhn, M., Bocchi, Y., & Jara, A. (2018). When smart comes to town: A mobile platform for smart district services. In 2018 15th IEEE Annual Consumer Communications & Networking Conference (CCNC),1–2. IEEE. https://doi.org/10.1109/CCNC.2018.8319316
Soares, A. P. G., De Rolt, C. R., & Da Silva, R. B. (2024). Requisitos básicos de um sistema para colaboração no estudo de problemas urbanos. Contribuciones a las Ciencias Sociales, 17(3), 5606. https://doi.org/10.55905/revconv.17n.3-028
Sha, K., Taeihagh, A., & Jong, W. M. (2024). Governing disruptive technologies for inclusive development in cities: A systematic literature review. Technological Forecasting and Social Change, 203, Article 123382. https://doi.org/10.1016/j.techfore.2024.123382
Sharifi, A., Allam, Z., & Khavarian-Garmsir, A. R. (2024). Smart cities and sustainable development goals (SDGs): A systematic literature review of co-benefits and trade-offs. Cities, 146, Article 104659. https://doi.org/10.1016/j.cities.2023.104659
Smith, H., Medero, G. M., Crane De Narváez, S., et al. (2023). Exploring the relevance of ‘smart city’ approaches to low-income communities in Medellín, Colombia. GeoJournal, 88, 17–38. https://doi.org/10.1007/s10708-022-10574-y
Tezza, R., Hochsteiner, P., & Kieling, A. P. (2024). ANÁLISE DE INDICADORES PARA CIDADES INTELIGENTES: uma revisão sistemática e proposta de agenda de pesquisa. P2P E INOVAÇÃO, 10(2), e-6879. https://doi.org/10.21728/p2p.2024v10n2e-6879
Ulya, A., Susanto, T. D., Dharmawan, Y. S., & Subriadi, A. P. (2024). Major dimensions of smart city: A systematic literature review. Procedia Computer Science, 234, 996–1003. https://doi.org/10.1016/j.procs.2024.03.089
Wang, J., Wang, F., Wang, Y., Zhang, D., Wang, L., & Qiu, Z. (2018). Social-network-assisted worker recruitment in mobile crowd sensing. IEEE Transactions on Mobile Computing, 18(7), 1661-1673. https://doi.org/10.1109/TMC.2018.2865355
Xie, J., Tang, H., Huang, T., Yu, F. R., Xie, R., Liu, J., & Liu, Y. (2019). A Survey of Blockchain Technology Applied to Smart Cities: Research Issues and Challenges. IEEE Communications Surveys & Tutorials, 21(3), 2794–2830. https://doi.org/10.1109/comst.2019.2899617
Zambonelli, F., Omicini, A., & Scerri, P. (2016). Coordination in Large-Scale Socio-Technical Systems: Introduction to the Special Section. IEEE Transactions on Emerging Tops in Computing, 4(1), 5–8. https://doi.org/10.1109/tetc.2015.2505498
Zeng, F., Pang, C., & Tang, H. (2024). Sensors on Internet of Things systems for the sustainable development of smart cities: A systematic literature review. Sensors, 24(7), Article 2074. https://doi.org/10.3390/s24072074
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Ana Paula Kieling, Monique Aparecida Zanquet, Rafael Tezza, Pedro Hochsteiner
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
O autor deve garantir:
- que haja um consenso completo de todos os coautores em aprovar a versão final do documento e sua submissão para publicação.
- que seu trabalho é original, e se o trabalho e/ou palavras de outras pessoas foram utilizados, estas foram devidamente reconhecidas.
Plágio em todas as suas formas constituem um comportamento antiético de publicação e é inaceitável. RCA reserva-se o direito de usar software ou quaisquer outros métodos de detecção de plágio.
Todas as submissões recebidas para avaliação na revista RCA passam por identificação de plágio e autoplágio. Plágios identificados em manuscritos durante o processo de avaliação acarretarão no arquivamento da submissão. No caso de identificação de plágio em um manuscrito publicado na revista, o Editor Chefe conduzirá uma investigação preliminar e, caso necessário, fará a retratação.
Os autores cedem à RCA os direitos exclusivos de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons (CC BY) 4.0 Internacional.
Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional, em site pessoal, publicar uma tradução, ou como capítulo de livro), com reconhecimento de autoria e publicação inicial neste periódico.
Esta licença permite que qualquer usuário tenha direito de:
Compartilhar – copiar, baixar, imprimir ou redistribuir o material em qualquer suporte ou formato.
Adaptar – remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
De acordo com os seguintes termos:
Atribuição – Você deve dar o crédito apropriado (citar e referenciar), prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de maneira alguma que sugira ao licenciante apoiar você ou o seu uso.
Sem restrições adicionais – Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
