RvT VerDuS, Den Haag, 10 december 2012

Presentatie over: "RvT VerDuS, Den Haag, 10 december 2012"— Transcript van de presentatie:

1 RvT VerDuS, Den Haag, 10 december 2012
HELP Higher Educated Location Preferences (Locatievoorkeuren van kenniswerkers en gebiedsontwikkeling in de regio’s Amsterdam en Eindhoven) Sako Musterd Onderzoeksteam Sako Musterd Jan Rouwendal Marco Bontje Jasper Dekkers Willem Boterman Wouter van Gent Piet Rietveld Bart Sleutjes Mark van Duijn Jan Möhlmann RvT VerDuS, Den Haag, 10 december 2012

2 Doel project Maatschappelijke vraag: de veranderende economische structuur van steden genereert andere beroepscategorieën; welke woonpreferenties hebben deze? Hoe kunnen die worden geaccommodeerd? Specifieke aandacht voor werknemers in verschillende economische sectoren en voor verschillende herkomstcategorieën (nationaal, internationaal) Doel 1: begrijpen en beschrijven van de woonpreferenties. Doel 2: constructie van een model voor de locatiekeuze van huishoudens in stedelijke omgevingen (brownfields, greenfields) Doel 3: optimaliseren van stedelijk/ruimtelijk/grond beleid

3 Resultaten project Wetenschappelijk: een geïntegreerd model voor de woning en woonmilieu-oriëntatie van kenniswerkers in Nederland en in het bijzonder in het metropolitane gebied van Amsterdam en Eindhoven (met referentiesteden Helsinki en Copenhagen). Maatschappelijk: een optimalisering van het grondgebruik en aanpassing van woning- en woonmilieuplanning aan veranderde economische contexten. Voor Gebiedsontwikkeling 2.0 betekent het te verkrijgen inzicht dat meer adequate plannen kunnen worden ontwikkeld (met betere matching van vraag en aanbod) waarmee alternatieve ontwikkelingsscenario’s beter kunnen worden getoetst.

4 Onderzoeksopzet Meta-analyse: faciliteren van nationale en transnationale kenniswerkers bij stedelijke ontwikkeling: literatuursurvey Stated choice: woonvoorkeuren van hooggeschoolde (potentiële) werknemers: survey interviews (A’dam, Eindhoven; Helsinki referentie) Een model voor de analyse van werkelijk keuzegedrag van deze werknemers, waarbij stated choice wordt geïntegreerd. WoON data en SSB register analyse (gehele land en regio’s A’dam en Eindhoven; Copenhagen als referentie) Modelgebruik bij doorrekenen van consequenties van diverse beleidsscenarios Koppeling met GIS (Land Use Scanner) en gebruik van het model als decision support system voor gebiedsontwikkeling

5 Aansluiting op de praktijk
Profijt van de onderzoeksresultaten? Overheden op verschillende schaalniveaus; ontwikkelaars; woningcorporaties; kenniswerkers; andere ruimtegebruikers Betrokken in het consortium: publieke en private partijen, zoals gemeenten, regio’s, ontwikkelingsmaatschappijen, planbureaus, expatcenter, netwerk kennissteden (zij reageren op opzet, essentiële onderzoekskeuzen, onderzoeksuitkomsten en uitvoeringsvraagstukken Kennisuitwisseling: via seminars, workshops, conferenties, deels zelf te organiseren (of samen met instanties als Platform 31, VERDUS, URD partners, e.d.).

6 Consortium (extern) Rudi Stroink (TCN)
Jeroen Slot (gemeente Amsterdam; O+S) Eva Olde Monnikhof (Amsterdam Innovation Motor) Kees Dignum (Dienst Wonen Amsterdam) Paul Tholenaars (Woonbedrijf Eindhoven) Linco Nieuwenhuyzen (Brainport Development) Eric van der Kooij (Amsterdam; DRO) Otto Raspe (PBL) Mari Vaattoovaara (Helsinki) Kaisa Kepsu (Helsinki) Ismir Mulalic (Copenhagen)

7 Toegevoegde waarde VerDuS
Verbindingen met andere URD- en VerDuS-projecten en hun bijdrage aan het succes van dit project: diverse andere URD projecten besteden aandacht aan bereikbaarheid en duurzame ontwikkeling; de ontwikkeling van optimale woonmilieus raakt sterk aan deze projecten; confrontatie tussen deze projecten kan meerwaarde opleveren. Directie en staf van VerDuS kunnen bijdragen aan het succes van dit project door reflectie op het onderzoek, in het bijzonder vanuit hun visie op de relatie wetenschap-praktijk

8 Stand van zaken Literatuurstudie (1e concept gereed 21 dec. 2012)
Statistische data verzameld Werkafspraken met Helsinki en Copenhagen; gesprekken met sleutelpersonen vanaf jan 2013 Besluit gebiedsafbakening: Stadsregio Eindhoven en Metropoolregio Amsterdam Besluit sectoren: reclamebureaus (creatief) en high-tech industrie (kennisintensief; mogelijk i.h.b. ASML en Shell, anders ICT) Conceptueel schema Concept vragenlijst surveys (ook internationale kenniswerkers) Inventarisatie meten van stated preference (DPN, Q-method) Eerste bevindingen Sorting Models Eerste modellen stedelijk ruimtegebruik o.b.v. WoOn

9 Literatuurstudie, inhoudelijke inzichten (Sleutjes)
Ontwikkeling kennissteden in Europese context Typologie naar structurele kenmerken kenniseconomie: kennis, economische structuur, voorzieningen, QoL, bereikbaarheid, diversiteit, omvang, sociale gelijkheid Amsterdam (en Helsinki en Kopenhagen): stars: hoge score op alle indicatoren (zwak: Amsterdam: woningmarkt; duur en te weinig middensegment; Helsinki eenzijdige economie) Eindhoven: star-niche-player: gespecialiseerd in high-tech, design, beta; sterke triple helix (zwak: stedelijk imago; weinig stedelijke appartementen) Woonvoorkeuren kenniswerkers: stadskeuze verbonden met arbeidsmarkt, werkgelegenheid, carrièreperspectieven; niet met woonmilieu of andere ‘soft’ conditions; die zijn wel belangrijk om te blijven (als men werk heeft). Woonvoorkeuren verschillen met levensfase en leefstijl (jonge kenniswerkers aangetrokken om te blijven in grote steden; gesettlede kenniswerkers sterker aangetrokken door kleinere steden).

10 Literatuurstudie, implicaties
In interviews met sleutelpersonen ingaan op hoe men sterke punten denkt uit te kunnen bouwen en zwakke punten denkt te verbeteren, passend bij de samenstelling van kenniswerkers. Reactie op crisis? Meer accent op culturele en historische kenmerken? Woonvoorkeuren richten op zachte factoren die helpen om mensen te binden aan de stad (cultureel, historisch), controlerend voor woongeschiedenis, levensfase en leefstijl. Vestigingsredenen vaststellen.

11 Survey (Boterman)

12 Sorting Models (Rouwendal en Möhlmann) Eerste bevindingen
Modellen op basis van revealed preference en kenmerken van de regio’s (zoals toegang tot banen, amenities, woonkosten) Literatuur Urban amenities zijn belangrijk Groepen die het meest belang hechten aan stedelijke voorzieningen zijn soms bereid genoegen te nemen met lagere lonen

13 Eerste bevindingen (2) Schattingen(WoOn data): binnen de regio Amsterdam is sprake van duidelijke sortering naar sociaal-economisch niveau en land van herkomst Hoge inkomens wonen in elkaars omgeving Net als lage inkomens en etnische minderheden

14 Eerste bevindingen (3) Hoog opgeleiden (en i.h.b. hoog opgeleide stellen - power couples) zijn oververtegenwoordigd op de locaties (in gemeenten) met de beste bereikbaarheid, in het bijzonder nabij de arbeidsmarkt (hechten meer waarde aan bereikbaarheid dan anderen; en hebben veel koopkracht)

15 Urban intensification (Dekkers, Koomen en Broitman, HELP en AESUS)
Verdichting (gemeten als percentage netto toevoeging aan de woningvoorraad binnen het stedelijk gebied in 2000) verschilt behoorlijk per COROP regio: Hoge waarden in het zuiden en noordoosten, lage waarden (<30 procent) vooral in stedelijke gebieden in de Randstad. Lage verdichting in al sterk verstedelijkt gebied duidt doorgaans op ruimtegebrek. In deze gebieden wordt in uitleggebieden dan ook juist een hoog aantal woningen per hectare waargenomen. Beleidsambities in het algemeen hoger dan geobserveerde verdichting. Empirische analyse en modeltoepassing toont dat de huidige beleidsambitie gehandhaafd moet worden om te voorkomen dat teveel open ruimte verloren gaat.

16 Huishoudens en woningen bij Global Economy en Regional Community Scenario CPB et al. 2006

17 Km2 stedelijk gebied, waargenomen en projectie bij verschillende scenario’s

18 Stedelijk gebied, 2008 en 2020 beleids- ambities en trends, twee scenario’s. Global Economy: substantiële bevolkingsgroei en sterke economische groei Regional Community: stabiele bevolking en bescheiden economische groei

19 Te doen Literatuursurvey completeren Interviews sleutelinformanten
Surveys uitvoeren (ook transnationale migranten) Revealed preference in twee stedelijke regio’s en verfijnen met SSB en EBB data Modelbouw t.b.v. doorrekenen scenario’s Idem met Land use scanner Relaties tussen internationale studenten en stedelijke regio na de studie Model van lokatiekeuze van internationale migranten bij diverse scenario’s Lokatiegedrag bij verhuizingen van migranten na vestiging in de regio