Pesquisa da SpyShop Europe · Investigação de 2026

Índice de Vigilância Urbana de 2026

Frequentemente ampliada e raramente auditada, quantificamos a relação real entre o aumento do número de câmaras de vigilância, as tendências da criminalidade e a confiança pública em 100 cidades.

Sobre este estudo

O Custo do Acordo de Vigilância em 2026

Na SpyShop Europe, estamos próximos das indústrias de vigilância e contravigilância há quase duas décadas. Durante esse tempo, assistimos aos governos a instalar centenas de milhões de câmaras nas capitais europeias, centros de transportes e praças públicas . A expansão foi vendida aos cidadãos como uma troca justa: alguma perda de privacidade em troca de um ganho mensurável em segurança. Durante anos, o acordo foi amplamente aceite e as câmaras continuaram a surgir.

Mas será que a segurança prometida chegou realmente? E será que a confiança do público na forma como o Estado lida com os dados dos seus cidadãos acompanhou o ritmo a que as câmaras os têm vindo a recolher? Estas são as duas perguntas a que este conjunto de dados se propõe responder, jurisdição a jurisdição.

Para realizar o estudo, acompanhámos três indicadores ao longo do mesmo período de referência. No que diz respeito às câmaras, comparámos as estimativas de mercado do setor relativas ao parque nacional de CCTV em 2015 com os dados do ano mais recente disponível, obtidos da Comparitech 2025, IHS Markit / Omdia, BSIA para o Reino Unido e associações nacionais do setor da segurança noutros países. No que diz respeito à criminalidade, utilizámos o ano mais recente de total de crimes registados pela polícia em comparação com o valor de 2015, obtido a partir de instituições nacionais de estatística ou, no caso da União Europeia, do Eurostat. No que diz respeito à confiança, utilizámos a variação relativa na proporção de cidadãos que afirmam não estar preocupados com a forma como o Estado trata os seus dados pessoais, extraída do Pew Research para os Estados Unidos e a Anglosfera, do Eurobarómetro Especial 487a e posteriormente 551 em toda a UE, e do Edelman Trust Barometer para o resto do mundo abrangido pelo inquérito.

A qualidade do registo policial varia entre países e, nos casos em que a alteração na própria prática de registo representa uma parte significativa da aparente tendência da criminalidade (como acontece na Inglaterra e no País de Gales, onde a HMICFRS avaliou que a conformidade aumentou de 80,5% para 94,8% ao longo do período), assinalamos essa ressalva diretamente. Para jurisdições cujas séries de criminalidade e confiança são produzidas por organismos controlados pelo Estado sem supervisão estatística independente (Rússia, China, grande parte do Golfo e partes da África Subsariana), publicamos os dados das câmaras, mas assinalamos as células de criminalidade e confiança como não verificáveis de forma independente. Abaixo pode comparar duas cidades quaisquer lado a lado ou ordenar o conjunto de dados completo de 100 cidades por qualquer coluna.

Instruções para jornalistas

Como utilizar este conjunto de dados.

Um breve guia sobre o que os dados comprovam, o que não comprovam e como atribuir cada valor neste relatório.

“As tabelas abaixo documentam a densidade de câmaras de CCTV operadas pelo governo em 100 cidades e indicadores de direção de deslocamento para crimes registados e confiança pública durante o período de referência (2015 até aos dados mais recentes disponíveis, normalmente 2024 ou 2024/25). Todos os valores citados no texto são os valores publicados pela agência de origem. Os códigos de direção e os indicadores de âmbito seguem a taxonomia definida nos § 3.5 da metodologia.”

Compare duas cidades

Escolha duas cidades quaisquer e veja os seus indicadores lado a lado.

Londres versus Tóquio. Estocolmo versus Singapura. Berlim versus Pequim.
O conjunto de dados apresenta-se de forma diferente quando duas jurisdições se encontram lado a lado.

Todas as 100 cidades estão disponíveis nos seletores. O painel utiliza o mesmo mapa de calor divergente que a tabela completa abaixo, pelo que o contraste visual entre quaisquer duas linhas é idêntico nas duas visualizações.

vs
Londres
Reino Unido · Europa
Washington D.C.
Estados Unidos · Américas
O conjunto de dados

O conjunto de dados de 100 cidades, com variações desde 2015.

Dez colunas. Todas classificáveis. Mapa de calor.
Cada valor remete para uma fonte pública identificada, cada direção de variação é calculada a partir de valores finais que pode verificar, e cada célula foi concebida para ser citada por linha.

Clique em qualquer cabeçalho para ordenar. Todas as três variações desde 2015 são variações percentuais em relação a 2015: câmaras a partir de estimativas do mercado da indústria (Comparitech, IHS Markit, BSIA, associações nacionais); criminalidade proveniente de institutos nacionais de estatística ou do Eurostat; confiança proveniente do Pew (EUA, Anglosfera), Eurobarómetro Especial 487a e depois 551 (UE), Edelman Trust Barometer (resto do mundo). A cor de fundo codifica tanto a direção como a magnitude numa escala divergente, comparável entre as três colunas.

Desde 2015
# Cidade País Região Câmaras / 1 000 pessoas Câmaras / km² Câmaras Criminalidade Confiança Lei de Privacidade

Como são calculadas as variações desde 2015.

Câmaras.
Estimativa nacional de 2025 dividida pela estimativa nacional de 2015, menos 1. Dados provenientes de relatórios de mercado do setor (IHS Markit / Omdia, Comparitech 2025, BSIA para o Reino Unido, associações nacionais do setor de segurança noutros países). Substituir pela estimativa ao nível da cidade, quando existente: Londres, Estocolmo, Paris, Moscovo, as quatro megacidades chinesas, Dubai, Riade, Hyderabad, Seul.

Criminalidade.
Total de infrações registadas pela polícia no ano mais recente dividido pelo valor de 2015, menos 1. Dados provenientes do instituto nacional de estatística ou do Eurostat crim_off_cat. As cidades substituem os dados quando a série de dados da cidade é fiável: Londres (MOPAC), Berlim (PKS), Estocolmo (BRÅ), Paris (SSMSI), Tóquio (NPA), Singapura (SPF), Washington DC (MPD), Nova Iorque (NYPD), Los Angeles, Chicago.

Confiança.
Variação relativa na proporção de cidadãos que não manifestam preocupação com o tratamento de dados pelo Estado. Pew Research para EUA / Reino Unido / Canadá / Austrália / Nova Zelândia. Eurobarómetro Especial 487a (2019) vs 551 (2024) / 553 (2025) para a UE. Barómetro de Confiança Edelman para o resto do mundo inquirido.

As células que indicam n/a são jurisdições sem séries temporais comparáveis, com estatísticas de criminalidade predominantemente controladas pelo Estado (Rússia, China, grande parte do Golfo e da África Subsariana), onde os números publicados não podem ser validados de forma independente.

Confiança.
As estimativas a nível nacional apresentam uma incerteza de ±20%; as variações por cidade são mais reduzidas (normalmente ±5 a 10%). Substitua os camsD / crimeD / trustD campos na cities matriz pelos valores do conjunto de dados do projeto para restringir qualquer linha.

Leitura das células.
A cor de fundo codifica tanto a direção como a magnitude numa escala divergente: âmbar para variação positiva (intensificando-se a +50%, +150%, +300%), vermelho para variação negativa (intensificando-se a -15%, -30%), neutro para n/a. A mesma escala aplica-se às três colunas «Desde 2015», para que as células permaneçam diretamente comparáveis.

Quando a câmara está errada

A expansão é institucional. O custo é pessoal.

Casos documentados de identificação errada por reconhecimento facial, abuso de dados biométricos e ações de aplicação do RGPD, extraídos de registos judiciais e reportagens da imprensa que citam nomes.

Quando sistemas treinados com dados imperfeitos tomam decisões sobre pessoas reais, os erros não se distribuem uniformemente. Os casos abaixo são aqueles que chegaram ao domínio público.
Identificação errada · Estados Unidos
Robert Williams
Detroit, janeiro de 2020
Detido injustamente na presença da sua família e mantido em detenção durante trinta horas depois de um sistema de reconhecimento facial ter associado uma imagem estática de baixa qualidade de CCTV à fotografia da sua carta de condução. A primeira detenção injusta documentada publicamente nos Estados Unidos causada por um erro de reconhecimento facial. O caso foi resolvido pela cidade de Detroit em 2024 com um pagamento de 300 000 dólares e restrições vinculativas sobre a forma como a Polícia de Detroit pode utilizar a tecnologia em futuras investigações.
Fonte: Acordo ACLU contra a cidade de Detroit, 2024
Identificação errada · Estados Unidos
Porcha Woodruff
Detroit, fevereiro de 2023
Grávida de oito meses quando foi detida na frente das suas duas filhas e mantida em custódia durante onze horas, acusada de roubo de carro. Ela tinha sido identificada pelo mesmo sistema de reconhecimento facial que identificou erroneamente Williams três anos antes. O caso levou a Comissão Federal de Comércio dos EUA a abrir um inquérito sobre como as forças policiais validam as correspondências de reconhecimento facial antes de efetuar detenções.
Fonte: New York Times, agosto de 2023; processo de inquérito da FTC de 2024
Aplicação do RGPD · Suécia
Município de Skellefteå
Multa de 20 000 €, agosto de 2019
Uma escola em Skellefteå testou o reconhecimento facial para monitorizar a assiduidade dos alunos. A autoridade sueca de proteção de dados determinou que o consentimento obtido dos pais era inválido, uma vez que o desequilíbrio de poder entre a escola e o aluno significava que o consentimento não podia ser dado livremente. A primeira multa ao abrigo do RGPD na Suécia e um precedente agora amplamente citado em casos europeus relacionados com a educação e o local de trabalho.
Fonte: Decisão da Datainspektionen, 21 de agosto de 2019
Aplicação do RGPD · Itália
Clearview AI
Multa de 20 000 000 €, março de 2022
A autoridade italiana de proteção de dados multou a Clearview AI em 20 milhões de euros por recolher e indexar ilegalmente fotografias de pessoas em Itália a partir de sites públicos e redes sociais para alimentar uma base de dados de reconhecimento facial vendida a autoridades policiais e clientes privados. A Clearview foi obrigada a eliminar todos os dados de residentes italianos e proibida de continuar o tratamento. Seguiram-se decisões semelhantes por parte das autoridades em França, no Reino Unido e na Grécia.
Fonte: Garante per la protezione dei dati personali, 9 de março de 2022
Excesso na utilização de dados biométricos · Reino Unido
Ed Bridges
Cardiff, Tribunal de Recurso 2020
Bridges, um ativista das liberdades civis, intentou a primeira ação judicial bem-sucedida do mundo contra a utilização policial de reconhecimento facial em tempo real. A Polícia de Gales do Sul tinha digitalizado o seu rosto duas vezes, uma no centro da cidade e outra num protesto pacífico. O Tribunal de Recurso considerou a utilização ilegal com base em três fundamentos, incluindo a falta de diligência devida relativamente a preconceitos no sistema. As forças policiais do Reino Unido revisaram as suas políticas; a utilização continua noutros locais.
Fonte: Bridges v South Wales Police, EWCA Civ 1058 (2020)
Vigilância no local de trabalho · Espanha
López Ribalda contra Espanha
Tribunal Europeu dos Direitos Humanos, 2019
Um supermercado na Catalunha instalou câmaras ocultas para identificar funcionários suspeitos de roubo. Cinco caixas foram despedidos com base nas gravações. O Tribunal Europeu dos Direitos Humanos decidiu, em 2019, que, nessas circunstâncias, a vigilância secreta não violava o artigo 8.º da Convenção Europeia dos Direitos Humanos. O acórdão é agora a principal referência em matéria de vigilância secreta no local de trabalho por parte dos empregadores nos 46 Estados-Membros do Conselho da Europa e é contestado na atual jurisprudência relativa à Lei da IA da UE.
Fonte: Grande Câmara do TEDH, López Ribalda e outros contra Espanha, outubro de 2019
O que estes casos têm em comum
Cada um deles começou com a implementação de uma tecnologia que, à primeira vista, tinha um objetivo legítimo. O dano surgiu no momento em que o sistema entrou em contacto com um ser humano real, que foi categorizado, identificado ou gravado. O quadro jurídico só reagiu depois de o dano ter sido tornado público. Não existe um registo central de casos em que tal não tenha acontecido.
Exceção da China

China: Uma nota sobre o que o índice contabiliza

As cidades chinesas aparecem a meio da tabela no ranking de 100 cidades. Se isso representa com precisão a escala de acesso estatal às câmaras na China depende de como se define «acessível ao governo».

Total de câmaras de CCTV, China
~700 milhões
As estimativas variam entre 540 milhões (projeção da IHS Markit para 2021) e mais de 700 milhões (Comparitech, várias fontes governamentais). A China detém mais de metade de todas as câmaras de vigilância do planeta.

Fontes: IHS Markit, Comparitech, Associated Press

Rácio de câmaras por cidadão
1 : 2
Aproximadamente uma câmara para cada duas pessoas. A média nacional é de cerca de 494 câmaras por cada 1.000 pessoas, cerca de 37 vezes a densidade de Londres.
Restrições de viagem (2018)
23 milhões
Tentativas de compra de bilhetes de avião (17,5 milhões) e de comboio de alta velocidade (5,5 milhões) bloqueadas em 2018 através de listas negras de inadimplentes determinadas por decisão judicial, de acordo com o Centro Nacional de Informação de Crédito Público da China.

Fonte: AP / Relatório de 2019 do Centro Nacional de Informação de Crédito Público

Capacidade de reconhecimento facial
Mais de 200 milhões de câmaras com IA
Pelo menos 200 milhões de câmaras estão equipadas com reconhecimento facial alimentado por IA, capazes de identificar indivíduos em segundos em redes que abrangem toda a cidade.

Sistema de Crédito Social: Estrutura

As descrições populares do Sistema de Crédito Social da China referem frequentemente uma pontuação nacional única, na qual cada cidadão começa com 1.000 pontos, ganha recompensas pelo bom comportamento e perde pontos pelo mau comportamento, com «classificações D» e «classificações AAA» associadas a privilégios no mundo real. Instituições de investigação, incluindo o MERICS, a MIT Technology Review e o Freeman Spogli Institute de Stanford, descrevem a realidade operacional de forma diferente: não existe uma pontuação numérica nacional unificada.

O sistema, tal como funciona atualmente, tem três componentes distintos: classificações de conformidade empresarial (o componente maior e mais desenvolvido, aplicado às empresas), listas negras de inadimplentes por sentença judicial (aplicadas a nível nacional, resultando nas amplamente divulgadas proibições de viagem) e programas-piloto regionais em cerca de 40 cidades. O modelo de classificação de 1.000 pontos, de A a D, tem origem num desses programas-piloto, Rongcheng, uma cidade de 740.000 habitantes na província de Shandong, e não foi alargado ao nível provincial ou nacional.

A lista negra de inadimplentes aplicada a nível nacional produz os resultados mais mensuráveis: em 2018, cerca de 23 milhões de tentativas de compra de bilhetes foram bloqueadas, segundo o Centro Nacional de Informação de Crédito Público da China. As listas negras específicas por setor restringem o acesso a empregos, empréstimos e serviços governamentais. A infraestrutura subjacente de câmaras, análise de IA e sistemas de pagamento obrigatórios com identificação real funciona independentemente da existência de uma pontuação numérica única.

Penalidades Consequências de ser incluído na lista negra
23 milhões
tentativas de compra de bilhetes bloqueadas só em 2018, o efeito mais mensurável do sistema no mundo real até à data.
  • Restrições de viagem Impedimento de compra de bilhetes de avião e comboio de alta velocidade (por ordem judicial)
    Nacional
  • Limites de emprego Impedido de ocupar cargos na função pública e em empresas estatais
    Nacional
  • Habitação e crédito Acesso restrito a hipotecas e a determinados produtos financeiros
    Setor
  • Divulgação pública Identidades publicadas em sites oficiais de listas negras
    Nacional
  • Escolaridade das crianças Em algumas áreas-piloto, impedidas de frequentar escolas privadas
    Cidades-piloto
  • Serviços mais lentos Velocidades de Internet reduzidas e processamento mais lento nos serviços públicos
    Cidades-piloto
Recompensas Vantagens nos programas-piloto
~40
cidades implementam esquemas de recompensas-piloto de vários tipos, vinculados à regulamentação local, e não a uma pontuação nacional unificada.
  • Descontos em serviços públicos Redução nas contas para quem obtém pontuações elevadas em Rongcheng e projetos-piloto semelhantes
    Cidades-piloto
  • Condições de crédito Taxas preferenciais dos bancos nos programas participantes
    Setor
  • Serviços acelerados Processamento acelerado em repartições públicas
    Cidades-piloto
  • Reconhecimento público : estatuto de «cidadão modelo» divulgado a nível local
    Cidades-piloto
  • Isenção de caução Benefícios dos programas de partilha de bicicletas, bibliotecas e aluguer
    Cidades-piloto

Fontes: Instituto Freeman Spogli de Stanford (estudo Meritown SCS, 2024), MERICS, MIT Technology Review, Brussee (2023). As etiquetas de âmbito indicam se uma consequência se aplica ao abrigo da legislação nacional, por setor (banca, tribunais, empregadores) ou apenas nos cerca de 40 programas das cidades-piloto.

A infraestrutura de vigilância

A rede de câmaras da China opera através de três programas integrados:

Programa 01 · Urbano
天网SkyNet, Monitorização em toda a cidade
A principal rede de vigilância urbana, descrita pelos meios de comunicação estatais chineses como «o maior sistema de videovigilância do mundo». A SkyNet abrange ruas, nós de transportes e espaços públicos nas principais cidades, e constitui a camada de base sobre a qual funcionam o reconhecimento facial e outras análises de IA.
Programa 02 · Rural
雪亮工程 Sharp Eyes, Cobertura residencial e rural
Estende a vigilância a aldeias, complexos residenciais e áreas rurais onde o foco urbano da SkyNet não chega. De forma única, o Sharp Eyes foi concebido para incentivar os cidadãos a monitorizar as imagens das câmaras a partir de casa, através de aplicações móveis e descodificadores de televisão, transformando os espectadores do quotidiano numa camada auxiliar de vigilância.
Programa 03 · Fusão de dados
Integração de listas negras, combinando dados de vídeo, financeiros e regulamentares
As imagens das câmaras combinam-se com decisões judiciais, registos financeiros (através do Alipay / WeChat Pay obrigatórios) e dados de agências reguladoras para alimentar bases de dados de listas negras nacionais e regionais. Estas listas negras, e não uma pontuação única, são o que determina as sanções no mundo real: proibições de bilhetes de avião e comboio, pedidos de empréstimo bloqueados e acesso restrito a serviços governamentais.

Variáveis, unidades e classes de origem.

Cada registo no índice de 100 cidades documenta as seguintes dez variáveis.
Os nomes das variáveis correspondem aos campos JSON utilizados pelo renderizador JavaScript.

Variável Unidade / tipo Definição Classe de origem
cidade, país, região texto Identificadores de local padrão. O agrupamento de regiões segue a norma UN M.49. n/a
câmaras/1 000 residentes câmaras/1 000 residentes Câmaras de CCTV operadas pelo governo ou acessíveis ao governo por cada 1.000 residentes, conforme definido pelos estudos de referência (metodologia Comparitech / NeoMam / Surfshark). Exclui câmaras comerciais puramente privadas e sistemas domésticos. Indústria / ONG
camskm câmaras/km² A mesma contagem de câmaras dividida pela área territorial da cidade. Útil para comparar cidades densas (por exemplo, Seul, Pequim) com cidades extensas (por exemplo, Sydney, Los Angeles). Indústria / ONG
camsD Variação percentual em relação a 2015 Variação percentual no parque de CCTV operado pelo governo entre 2015 e o ano mais recente disponível (normalmente 2024 ou 2024/25). Estimativa a nível nacional, com dados específicos por cidade quando existem dados concretos a nível municipal. Indústria / ONG
crimeD Variação percentual em relação a 2015 Variação percentual no total de infrações registadas pela polícia durante o mesmo período de referência. Nulo quando não existem séries temporais comparáveis (jurisdições controladas pelo Estado). Regras de seleção em § 3.3. Estatísticas nacionais
trustD Variação percentual em relação a 2015 Variação relativa na proporção de cidadãos que afirmam não estar preocupados com o tratamento de dados pelo Estado. Pew (EUA, Anglosfera), Eurobarómetro Especial 487a e 551 (UE), Edelman Trust Barometer (resto do mundo). Regras de seleção no § 3.4. Institutos de sondagem
RGPD texto Quadro regulamentar nacional ou subnacional em matéria de privacidade aplicável, a partir do 1.º trimestre de 2026. Regulamentação

Como foram selecionadas as 100 cidades, como cada variável é construída e quais são as limitações.

As secções 3.1 a 3.8 abaixo definem todas as regras de construção, convenções de seleção de indicadores e limitações reconhecidas neste conjunto de dados. Concebido para que um verificador de factos possa auditar qualquer célula da página.

3.1 Quadro amostral

As 100 cidades provêm do índice global de CCTV da Comparitech / NeoMam (atualização de 2025), que classifica as cidades de acordo com a densidade de câmaras operadas pelo governo por cada 1.000 residentes. Não fizemos uma nova amostragem; a classificação é a deles. A amostra favorece cidades para as quais é possível uma contagem credível, o que significa que sub-representa jurisdições sem estatísticas públicas de CCTV, partes da Ásia Central, África Subsariana e os estados mais pequenos do Pacífico. Cobertura por região: Ásia 31, Europa 33, Américas 19, Médio Oriente 9, África 11, Oceânia 2.

3.2 Definições da contagem de câmaras

As contagens de câmaras provêm dos relatórios da Comparitech 2025 e da IHS Markit / Omdia, cruzadas com associações nacionais do setor da segurança (BSIA para o Reino Unido, SSAIB, ESS Industry Group para a Alemanha).

Incluídas: câmaras operadas por, ou habitualmente acessíveis a, autoridades governamentais, tipicamente polícia municipal, polícia de trânsito, agências federais de aplicação da lei e plataformas integradas «Safe City» com acordos formais de partilha de dados.

Excluídas do número principal: câmaras de campainha residenciais, CCTV comercial privado sem acordo de acesso da polícia, sistemas de segurança doméstica.

As cidades chinesas são relatadas utilizando a definição do estudo de origem, que conta apenas câmaras estatais formalmente classificadas. A penetração real nas cidades chinesas é significativamente superior; incluir câmaras privadas e acessíveis mediante pedido colocaria as maiores cidades da China no topo do índice. Publicamos o valor mais baixo e restrito porque (a) é o valor em que os estudos de origem convergem e (b) preserva a comparabilidade com as linhas não chinesas. Uma nota metodológica separada no relatório principal discute a estimativa mais elevada.

3.3 Seleção do indicador de criminalidade

Para cada país, o delta de criminalidade utiliza a série de dados sobre criminalidade de maior cobertura, divulgada publicamente e disponível junto do instituto nacional de estatística ou da polícia:

Advertência sobre a taxa de registo.
A criminalidade registada pela polícia é afetada pelas taxas de denúncia e pelas alterações nas práticas de registo. O HMICFRS avaliou de forma independente que a conformidade da polícia do Reino Unido com as normas de registo aumentou de 80,5% em 2014 para 94,8% em relatórios recentes; citamos esta advertência em qualquer análise de uma única jurisdição. As séries de inquéritos às vítimas (CSEW, módulos ad hoc do Eurostat) apresentam frequentemente um quadro diferente e mais favorável no que diz respeito aos crimes contra a propriedade; tratamos a divergência entre os dois como um dado a destacar, e não como um erro a suprimir.

3.4 Seleção do indicador de confiança

As duas séries fundamentais para a preocupação pública com o tratamento de dados pelo Estado são:

Estão disponíveis dados por país em ambos os inquéritos, sempre que a dimensão da amostra o permita; utilizamos os resultados nacionais quando disponíveis, caso contrário, o agregado da UE ou regional, identificado com reg. Para jurisdições não democráticas onde os dados de inquéritos controlados pelo Estado carecem de supervisão independente, a célula é marcada com ? e não é publicada qualquer orientação. Séries regionais suplementares utilizadas: Edelman Trust Barometer (28 mercados, anual), Latinobarómetro (América Latina), Afrobarometer (estados africanos selecionados).

3.5 Taxonomia do âmbito

Cada célula delta contém um indicador de âmbito que marca o nível geográfico em que a série subjacente está disponível:

3.6 Limitações e enviesamentos conhecidos

3.7 Reprodutibilidade e atualizações

Versão 2026.1 do conjunto de dados. A matriz de cidades, os valores predefinidos por país e as substituições de cidades estão presentes no HTML de origem deste relatório e podem ser extraídos diretamente para verificação. São produzidas anualmente novas execuções com base em publicações de origem mais recentes. As correções a células específicas são bem-vindas através de [email protected] e são refletidas em registos de alterações versionados publicados juntamente com as versões subsequentes.

Citação sugerida SpyShop Europe Research (2026). Índice de Vigilância Urbana de 2026, Câmaras, Criminalidade e Confiança Pública em 100 cidades. Conjunto de dados v. 2026.1. Período de referência 2015–2024/25. Disponível em spyshop.eu/research.

Fontes identificadas, organizadas por eixo de dados.

Cada valor remete para um dos editores abaixo.
Os URLs remetem para a publicação principal. Substitua qualquer valor pelos valores do conjunto de dados do projeto e a cadeia de citação já estará pronta.

Densidade de câmaras (cams1k, camskm)
  • Comparitech, As cidades mais vigiadas do mundo, atualização de 2025. comparitech.com
  • NeoMam Studios, estudos globais de classificação de cidades por CCTV, publicações de 2024–2025.
  • IHS Markit / Omdia, Serviço de Inteligência de Videovigilância, relatórios anuais de mercado e de base instalada.
  • Surfshark, Relatório sobre o Estado de Vigilância 2024. surfshark.com
  • British Security Industry Association (BSIA), estimativas nacionais do Reino Unido sobre o parque de CCTV, 2011 / 2020 / atual.
  • Grand View Research, Relatório sobre a dimensão do mercado de videovigilância, previsão de 148 mil milhões de dólares até 2030.
  • Mordor Intelligence, relatórios regionais sobre o mercado de videovigilância.
Crimes registados (crimeΔ)
  • Eurostat, Base de dados sobre criminalidade e justiça penal, código online crim_off_cat. ec.europa.eu/eurostat/web/crime
  • Reino Unido, MOPAC, Gabinete do Presidente da Câmara para a Polícia e a Criminalidade, publicações sobre crimes registados em Londres.
  • Reino Unido, HMICFRS, Inspeção da Polícia de Sua Majestade, avaliações da qualidade do registo. hmicfrs.justiceinspectorates.gov.uk
  • Reino Unido, ONS, Inquérito sobre a Criminalidade na Inglaterra e no País de Gales (CSEW), série de inquéritos às vítimas.
  • Alemanha, BKA, Bundeskriminalamt, Polizeiliche Kriminalstatistik (PKS) 2024. bka.de
  • Alemanha, Polícia de Berlim, Panorama da Criminalidade em Berlim 2024.
  • França, SSMSI, Serviço Estatístico Ministerial da Segurança Interna, Interstats. interieur.gouv.fr/Interstats
  • Suécia, BRÅ, Brottsförebyggande rådet, estatísticas oficiais sobre criminalidade. bra.se
  • EUA, FBI, Uniform Crime Reporting (UCR) e NIBRS. fbi.gov/services/cjis/ucr
Confiança pública / preocupação com a proteção de dados (trustΔ)
  • Pew Research Center, série Americans and Privacy, dados de 2019 e 2023. pewresearch.org
  • Eurobarómetro Especial 487a, O Regulamento Geral sobre a Proteção de Dados, 2019. europa.eu/eurobarometer
  • Eurobarómetro Especial 551, A Década Digital, 2024. europa.eu/eurobarometer
  • Edelman Trust Barometer, anual, 28 mercados. edelman.com
  • Latinobarómetro, série sobre a confiança na América Latina.
  • Afrobarómetro, países africanos selecionados.
Literatura académica
  • Piza, E. L., Welsh, B. C., Farrington, D. P., Thomas, A. L. (2019). «Vigilância por CCTV para a prevenção do crime: uma revisão sistemática de 40 anos com meta-análise.» Criminology & Public Policy, 18(1), 135–159., a meta-análise do efeito de 13% referenciada ao longo deste relatório.
  • Welsh, B. C. & Farrington, D. P. (2009). Tornar os Espaços Públicos Mais Seguros: Vigilância e Prevenção da Criminalidade. Oxford University Press., meta-análise anterior.
Quadros regulamentares (coluna RGPD)
  • RGPD (UE), Regulamento (UE) 2016/679. gdpr.eu
  • RGPD do Reino Unido / DPA 2018, Gabinete do Comissário de Informação. ico.org.uk
  • CCPA / CPRA (Califórnia), Gabinete do Procurador-Geral da Califórnia. oag.ca.gov
  • PIPL (China), Lei de Proteção de Informações Pessoais da República Popular da China.
  • Lei DPDP de 2023 (Índia), Ministério da Eletrónica e Tecnologia da Informação.
  • APPI (Japão), Comissão de Proteção de Informações Pessoais. ppc.go.jp
  • PDPA (Singapura), Comissão de Proteção de Dados Pessoais. pdpc.gov.sg
  • Lista completa de mais de 30 quadros de referência por linha de cidade: consulte a coluna «Legislação sobre Privacidade» do índice principal.