CÓMO INNOVAMOS
En Aretian, estamos construyendo una nueva teoría científica de las ciudades. Reunimos técnicas de vanguardia en el campo del análisis de datos, la ciencia de la complejidad y el aprendizaje automático basado en la teoría de redes para producir modelos digitales de ciudades de alta resolución. Estos modelos nos permiten estudiar las ciudades más de cerca que nunca, y compartir nuevos conocimientos con los líderes de la comunidad que están planificando, diseñando y desarrollando las ciudades del mañana.
​
Creemos en el poder de los métodos analíticos para revelar nuevos conocimientos sobre cómo funcionan las ciudades. Sin embargo, las ciudades son espacios sociales donde las personas viven y trabajan y donde la política y las empresas privadas impulsan el cambio. Para capturar esta riqueza, cultivamos un equipo con perspectivas amplias, que van desde la ingeniería, la ciencia de la información y la arquitectura hasta la antropología, las políticas públicas y la planificación urbana.
​
TECNOLOGÍA
Las soluciones tecnológicas que diseñamos en Aretian se encuentran en la frontera del conocimiento en lo que respecta al análisis y diseño urbano. Partiendo de la aplicación de metodologías de la ciencia de los datos enraizadas en el corazón de cada proyecto, las soluciones tecnológicas de Aretian nos permiten revelar patrones de relaciones entre variables que los métodos tradicionales no alcanzan a ver.
​
Nuestra tecnología combina marcos teóricos de cinco disciplinas:
​
​
LA CIENCIA DE LA COMPLEJIDAD
La ciencia de la complejidad proporciona un método científico riguroso que permite estudiar las dinámicas que rigen el desarrollo de sistemas complejos. Nos ayuda a comprender las relaciones entre numerosos componentes en el marco de un sistema de mayor jerarquía, así como el determinar cómo la combinación de ingentes acciones individuales pueden inducir o prever el comportamiento colectivo de todo el sistema, así como el comprender las relaciones del sistema con su entorno físico.
​
LA TEORÍA DE REDES
La teoría de la red define las observaciones de datos como interrelaciones de nodos y conexiones, con el objecto de visualizar y comprender la estructura y dinámicas de sistemas complejos. Mediante la aplicación de técnicas como la optimización combinatoria y el análisis estadístico, esta teoría puede identificar características valiosas de un sistema, como la ubicación óptima de un componente, la naturaleza de las relaciones entre las partes y cuán robusta (o frágil) es una red.
​
EL APRENDIZAJE AUTOMÁTICO
El aprendizaje automático es un método de diseño de algoritmos que aprenden a predecir los resultados de un sistema mediante el procesamiento iterativo de datos. Al comparar las condiciones de referencia en diferentes ciudades, este tipo de modelado nos permite identificar y estimar de manera fiable los resultados esperados de una intervención de diseño y acelerar nuestra comprensión de los sistemas urbanos.
​
EL MODELADO DE SIMULACIÓN BASADO EN AGENTES
El modelado basado en agentes es un tipo de análisis de bottom-up que describe cómo los patrones de comportamiento a nivel individual de diferentes agentes pueden arrojar luz sobre la compleja dinámica de la evolución de un sistema. En el contexto de un diseño antropocéntrico, centrado en el ser humano, el modelado basado en agentes nos permite descubrir la naturaleza de las interdependencias entre los componentes de un sistema y construir las ecuaciones que rigen patrones globales.
LA DINÁMICA DE SISTEMAS
El modelado de la dinámica de sistemas utiliza ecuaciones matemáticas para modelar los flujos de comportamiento de un sistema. Este tipo de modelado nos permite probar los límites prácticos de la dinámica que gobierna un sistema y nos ayuda a comprender los efectos no lineales de la retroalimentación que pueden equilibrar o desestabilizar todo el sistema. Utilizamos este tipo de análisis de escenarios para probar las soluciones potenciales.