top of page

NOS INNOVATIONS

Chez Aretian, nous avons construit une nouvelle théorie scientifique des villes. Nous réunissons des techniques de pointe dans les domaines de l'analyse de données, de la science de la complexité et des algorithmes d’apprentissage automatique basé sur la théorie des réseaux afin de produire des modèles numériques de villes en haute résolution. Ces modèles nous permettent d’étudier les villes avec une précision nouvelle et de partager de nouvelles notions avec les leaders des communautés qui planifient, organisent, conçoivent et développent les villes de demain.

​

Nous croyons au pouvoir des méthodes analytiques pour révéler en détails comment les villes fonctionnent et s’organisent. Pourtant les villes sont des espaces sociaux où les gens travaillent et vivent et où les politiciens et les businessmans provoquent le changement. Pour capturer cette richesse, nous cultivons une équipe aux perspectives larges allant de

l’ingénierie, science des données, et architecture jusqu’à l’anthropologie, la politique publique et la planification urbaine.

OUR INNOVATIONS
Technology

TECHNOLOGIE

Les technologies analytiques d’Aretian sont des outils de pointe pour la planification et le design urbain. Avec l’aide de la science des données au coeur de chque projet, la technologie d’Aretian révèle des patrons que les méthodes traditionelles ne peuvent pas discerner.

​

​

LA SCIENCE DE LA COMPLEXITÉ (COMPLEXITY SCIENCE)

La science de la complexité fournit une méthode scientifique pour l’étude de systèmes dynamiques complexes. Elle nous aide à comprendre à quel point les minuscules composantes d’un système large interagissent entre eux, à quel point les actions d’acteurs individuels peuvent aboutir à une comportement systémique et global dans une société, et comment cette société peut dépendre et influencer son environnement.

​

LA THÉORIE DES RÉSEAUX (NETWORK THEORY)

La théorie des réseaux définie les données comme des noeuds et des connections pour visualiser la structure d’un système complexe. Quand appliquée, grâce à des techniques mathématiques comme l’optimisation combinatoire et l’analyse statistiqu, cette théorie peut identifier des caractéristiques précieuse dans un système, comme par exemple la localisation optimale d’un composant, la nature de relations entre corps, et la solidité d’un réseau.

​

L'APPRENTISSAGE AUTOMATIQUE (MACHINE LEARNING)

L’apprentissage automatique est une manière de coder un algorithme pour qu’il apprenne à préduire les résultats d’un système à travers une répétition d’exercices et de calculs. En comparant des conditions de base dans plusieurs villes différentes, ce type de modèle nosu permet d’identifier avec précision les résultats anticipés d’une intervention architecturale et d’accélerer notre compréhension des système urbains. 

​

LE MODÈLE AGENCÉ (AGENT BASED MODELING)

Le modèle agencé est un type de d’analyse ascendante qui modélise les comportements au niveau individuel pour mettre en lumière la complexité des systèmes dynamiques qui émergent avec le temps. Dans notre travail basé sur l’humanisme, le modèle agencé nous permet de de découvrir la nature des co-dépendances entre les êtres humains et les composantes d’un système, et d’identifier les équations régissantes pouvant décrire des modèles et structures globales.
 

MODÉLISATION DYNAMIQUE DES SYSTÈMES (SYSTEM DYNAMICS MODELING)

 La Modélisation dynamique de système utilise des équations mathématiques pour modéliser le flot des comportements dans un  système. Ce genre de de modèle nous permet de tester les limites pratiques des dynamiques qui gouvernent et contrôlent un système et nous permet de comprendre les effets non linéaires des boucles de rétroaction qui peuvent soit balancer, soit déstabiliser un système. Nous utilisons ce genre d’analyse de scénario afin d’aboutir à de potentielle solutions.

bottom of page