AI als leidraad bij het ontwerpen van aangename steden

“Stedenbouwkundigen nemen beslissingen vaak op basis van regelgeving, technische vereisten of langdurige gewoontes. Ik wilde dat perspectief omdraaien: in plaats van te vragen hoe de stad eruit zou móéten zien, wilde ik weten hoe bewoners haar ervaren en hoe zij zouden willen dat straten eruitzien.” Met die zinnen introduceert Francisco Garrido‑Valenzuela zijn onderzoek bij het City AI Lab van de TU Delft, waarin hij bestudeert hoe mensen hun buurt visueel ervaren en hoe kunstmatige intelligentie steden kan helpen om plekken te ontwerpen waar bewoners echt van genieten.

De wetenschapper begon zijn onderzoek met het verzamelen van enorme aantallen straatbeelden. In totaal analyseerde hij met behulp van AI miljoenen afbeeldingen, variërend van rustige, met bomen omzoomde lanen tot drukke winkelstraten. Vervolgens vroeg hij in twee verschillende studies meer dan 3.000 mensen uit een representatieve steekproef van de Nederlandse bevolking om op deze beelden te reageren. In het eerste experiment, waar hij vorig jaar een paper over publiceerde, kozen deelnemers uit drie alternatieven welke buurt volgens hen het meest onderscheidend was. “Dit dwong mensen om na te denken over die plekken en over de kenmerken die een locatie bijzonder maken. Met deze studie naar ‘gelijkenis’ kan je informatie vastleggen over de mentale voorstellingen die mensen van stedelijke ruimtes hebben.”

Uitruilen

In een tweede onderzoek, dat onlangs verscheen in samenwerking met Sander van Cranenburgh, kozen deelnemers uit duo’s in welke van deze twee buurten zij liever zouden wonen. Uitgangspunt van deze keuze was dat de respondenten verplicht moesten verhuizen naar de buurt van hun keuze, terwijl hun woning verder niet veranderde. De onderzoekers voegden soms nog extra afwegingen aan de keuze toe: hogere huur, kortere reistijd naar het werk, meer of minder groen. “Dit stelde ons niet alleen in staat voorkeuren vast te leggen, maar ook in hoeverre mensen bereid zijn deze kenmerken tegen elkaar uit te ruilen. Bijvoorbeeld hoeveel meer reistijd mensen bereid zijn te accepteren voor een groener straatbeeld.”

Volgens Garrido‑Valenzuela bleek uit het onderzoek dat in stedelijke centra waar de ruimte schaars is, bewoners consequent de voorkeur gaven aan uitzichten met meer groen en open lucht boven grijze, door auto’s gedomineerde straten. Opvallend genoeg, stelt hij, geldt dit ook voor plekken waar mensen veel tijd doorbrengen, zoals stadscentra, die vaak juist het minst groen zijn.

AI leren denken

Zodra de responsen van mensen waren verzameld, begon de volgende uitdaging voor de onderzoekers: het trainen van AI-modellen om te “denken” als de Nederlandse bevolking zodat de modellen konden voorspellen welk beeld iemand kiest en welke kenmerken voor die keuze belangrijk waren. Door de training waren de modellen in staat zelfstandig nieuwe beelden te beoordelen en te schatten hoe ze mentaal worden ingedeeld of hoe aantrekkelijk mensen een bepaalde straat zouden vinden.

Garrido‑Valenzuela gebruikte de stad Rotterdam als proeftuin om het model aan de ‘echte’ situatie te koppelen. “Toen het AI‑model het stadscentrum beoordeelde, scoorden veel gebieden laag. Niet omdat ze onveilig of onaangenaam waren, maar simpelweg vanwege een gebrek aan groen. Buitenwijken met meer bomen en open ruimtes scoorden daarentegen veel hoger. Voor gemeenten is deze informatie enorm waardevol: het laat niet alleen zien waar verbeteringen nodig zijn, maar ook waarom.”

Van onderzoek naar praktijk

De echte waarde van het onderzoek zit volgens de onderzoekers in het beter kunnen helpen van steden om slimmere, meer mensgerichte beslissingen te nemen. Gemeenten investeren belastinggeld in parken, straatrenovaties, vervoersroutes en onderhoud. Maar zonder inzicht in wat bewoners daadwerkelijk belangrijk vinden, kunnen die beslissingen hun doel gemakkelijk missen. “We kunnen beleid beter afstemmen op wat mensen willen,” legt Garrido‑Valenzuela uit. “Het is te duur om dat apart aan ieder individu te vragen, maar AI helpt ons om deze voorkeuren en percepties op grote schaal te begrijpen.”

Het AI-model kan zelfs aanwijzen waarom een buurt slecht scoort. Is het er te grijs? Zijn er te veel auto’s? Is er te weinig groen? Het AI‑model kan steden sturen naar gerichte ingrepen: meer groen, gebouwrenovaties, of zelfs simpelweg het verwijderen van graffiti. Het zijn ingrepen die daadwerkelijk verbeteringen brengen in hoe bewoners hun omgeving ervaren. Daarbij was het wel lastig om te voorkomen dat het AI-model bevooroordeeld raakte door herkenbare locaties of aannames. “Ik wilde niet dat mensen een afbeelding kozen alleen omdat ze de supermarkt om de hoek herkenden,” zegt Garrido‑Valenzuela. Daarom filterde hij bekende of iconische locaties uit de analyses en richtte hij zich uitsluitend op visuele elementen die algemene voorkeuren beïnvloeden.

Overal toepasbaar

De twee onderzoeken laten zien dat steden met de juiste data kunnen begrijpen wat mensen waarderen en straten, parken en openbare ruimtes kunnen ontwerpen die plezier, comfort en een gevoel van verbondenheid brengen. Of het nu gaat om het toevoegen van een rij bomen, het herontwerpen van een plein of het bepalen in welke gebieden het eerste moet worden geïnvesteerd: AI-modellen kunnen gemeenten helpen steden te bouwen waar mensen graag in wonen. Of, zoals Garrido‑Valenzuela het zelf verwoordt op de site van de TU Delft: “Uiteindelijk draait het erom de stad niet van bovenaf te bekijken, maar vanaf de grond, door de ogen van de mensen die er wonen.”