Lectori Salutem: Big data en gedragsonderzoek in dienst van ontwikkelaars en architecten

Editie: 26

Gepubliceerd op: 10 juni 2019

“People, not structures, really determine a city’s success.” ― Amerikaanse stedelijke econoom Edward L. Glaeser in zijn boek ‘Triumph of the City’

“Een stad die goed is ingericht voor mensen die zorg nodig hebben is een betere stad voor iedereen” ― Rijksbouwmeester Floris Alkemade over de prijsvraag ‘Who cares’


Steden bestaan uit mensen en stenen, de interactie tussen beide is cruciaal. Nieuwe bevolkingsgroepen – zoals bijvoorbeeld ouderen die langer thuis blijven wonen – stellen nieuwe eisen aan de stad. Architecten, stedenbouwkundigen, overheden en ontwikkelaars willen deze uitdagingen graag het hoofd bieden. Maar hoe kom je te weten wat specifieke groepen zoals ouderen echt waarderen in de gebouwde omgeving en waar mogelijke risico’s schuilen? In dit Lectori Salutem laat ik zien hoe gedragsonderzoek met big data hierin kan helpen.

Sociale wetenschappers – economen, psychologen en sociologen – hebben een lange traditie in het bestuderen van menselijk gedrag in de gebouwde omgeving (zie bijv. Jacobs, 1961). Tegenwoordig kan men gebruik maken van steeds meer data en slimme technologieën. Met een redelijk beperkte inspanning levert dit een schat aan bruikbare informatie voor ontwikkelaars en architecten. Laten we naar concrete voorbeelden kijken, gebaseerd op recente projecten van de leerstoel Real Estate Management and Development van de Technische Universiteit Eindhoven.

Wat zijn de beste woonconcepten voor senioren die hen in staat stellen om zo lang mogelijk thuis te wonen? Waarschijnlijk zijn er meerdere goede antwoorden op deze vraag. Elke woning is een pakketje van eigenschappen, inclusief grootte en type van het huis, aanwezigheid van een parkeergelegenheid, nabijheid van faciliteiten, samenstelling van de buurt, etc. Mensen zijn vaak bereid om het ontbreken van één van de kwaliteiten voor lief te nemen als dit wordt gecompenseerd met iets anders. Bijvoorbeeld: als men ervoor kiest om in de stad te wonen in de nabijheid van alle voorzieningen, neemt men meestal genoegen met een kleinere woninggrootte.

Data over de woningkeuzes die mensen maken, kunnen inzicht verschaffen in deze afwegingen. Met behulp van statistische en econometrische modellen is het daarnaast mogelijk om een ‘prijskaartje’ te hangen aan de menselijke beleving van verschillende woningkwaliteiten. In een recent onderzoek (Ossokina et al., 2018) hebben we bijvoorbeeld de waarde voor senioren van veiligheid, sociale cohesie, nabijheid van voorzieningen uit de data kunnen berekenen. Om twee voorbeelden te noemen, beide voor appartementencomplexen: Een woning verliest 15 procent van zijn waarde voor senioren als deze een ingang via een buitengalerij heeft en niet via een overdekt atrium. En een klein woongebouw met maximaal 20 buren voegt daarentegen 20 procent aan de woningwaarde toe, in vergelijking met een groter pand. Enzovoorts.

De voorbeelden hiervoor suggereren al de mogelijke toepassing van kwantitatieve inzichten in woonvoorkeuren. Met dergelijke handvatten kunnen architecten en ontwikkelaars eenvoudig beste woonconcepten samenstellen die locatie- en situatiespecifiek zijn en tegelijk een maximale waarde voor inwoners hebben. Stel dat voor een bepaald project een galerij-ingang een voorwaarde is, bijvoorbeeld vanwege financiële overwegingen. Dan kan men zoeken welke kwaliteiten dit verlies in woningwaarde voor senioren kunnen compenseren. Een kleinere pandgrootte of aanwezigheid van gedeelde faciliteiten in het gebouw komen bijvoorbeeld in aanmerking.

De figuur hieronder illustreert twee architectonische ontwerpen voor senioren die op deze manier door onze partners – architecten van de Technische Universiteit Delft – zijn gemaakt. De ontwerpen verschillen van elkaar, maar het totaal aan kwaliteiten die ze aan senioren leveren, is van vergelijkbare waarde. In een stedelijke omgeving moet bijvoorbeeld worden ingeleverd op kleinschaligheid, maar krijgt men er een ondergrondse parkeerplaats en nabijheid van voorzieningen voor terug. In een suburbane omgeving is het mogelijk om kleinschalig en in lagere dichtheid te bouwen en kunnen tegelijkertijd kosten worden bespaard door de parkeerplaats bovengronds aan te leggen. Beide ontwerpen bevatten een gezamenlijke ontmoetingsruimte en gezamenlijk groen naast het pand, de kwaliteiten die door senioren hoog gewaardeerd worden.

Kortom, kwantitatieve op big data gebaseerde inzichten in woongedrag en woonvoorkeuren van specifieke groepen blijken erg nuttig te zijn voor de ontwikkeling van ontwerpen en woonconcepten op maat. De inzichten kunnen ook breder worden gebruikt, bijvoorbeeld om bestaande woningen en woonmilieus te verbeteren. Ook makelaars kunnen er hun voordeel mee doen door de inzichten te verwerken in de zoeksystemen op listing sites zoals Funda en Jaap, om zodoende de zoeksystemen voor bepaalde doelgroepen zoals senioren gebruiksvriendelijker te maken.

Figuur 1: Beste woonconcepten voor senioren, gebaseerd op gedragsonderzoek met big data

Bronvermelding

Jacobs, J., 1961. The Death and Life of Great American Cities. Random House, New York

Ossokina, I.V., Arentze, T.A., Van Gameren, D.E. and D. van den Heuvel, 2018. Best living concepts for elderly homeowners. Combining a stated choice experiment with architectural design. Netspar Discussion paper DP 06/2018-033.

Mail de redactie