Banlieues régénérées
La conception algorithmique par données géospatiales comme démarche architecturale permettant de favoriser un développement écologique des zones suburbaines en Amérique du Nord
Bibliographic Data
| ID | 6142014 |
|---|---|
| Authors | Gabriel Payant (Université Laval, corresponding author) |
| Year | 2022 |
| Issue | 5 |
| Pages | 132-162 |
| Publication date | 2022-06-16 |
| Open Access | Yes |
| Type | ARTICLE |
| Venue | Cygne noir (JOURNAL) |
| Journal identifiers | ISSN: 1929-0896 • E-ISSN: 1929-090X |
| Publisher | Consortium Erudit (PUBLISHER • CA) |
| DOI | 10.7202/1089941ar |
| OpenAlex | W4312590075 |
| Language | FR |
| Citations received | 1 |
| References cited | 2 |
Cet article décrit et évalue la pertinence d’une méthode de conception architecturale : la conception algorithmique par données géospatiales (CADG). Cette méthode est ici proposée comme réponse au problème d’étalement urbain corrélatif au développement immobilier en Amérique du Nord. Les caractéristiques qualitatives, temporelles et organisationnelles de ce développement, telles que décrites par Sanford Kwinter, Daniela Fabricius, Lars Lerup et Rem Koolhaas, permettent de mieux comprendre les causes de l’étalement urbain. L’identification de ces causes ne rend cependant pas plus aisée la mise en place d’interventions architecturales capables de réduire leurs effets. Afin de définir les conditions de telles interventions efficaces, différents outils de conception numérique inhérents à la CADG sont présentés. Deux cas d’étude servent à illustrer leur fonctionnement : Local Code: San Francisco Case Study de Nicholas de Monchaux et À louer : tous les centres commerciaux du boulevard Taschereau par l’auteur de cet article. L’objectif, à travers cette étude, est de faire valoir la pertinence de la CADG pour optimiser l’utilisation de l’espace urbanisé en tenant compte des phénomènes et dynamiques propres au développement de celui-ci
Art · Humanities · Land Use and Ecosystem Services · Urban Design and Spatial Analysis
| Citations per year | 0.25 |
|---|---|
| Citation span | 2022 - 2022 (1) |
| Highly cited | No |