Promotie: Toekomstverkenning van het Stedelijke Exposoom: Vooruitgang in Ruimtelijke Agent-Based Scenario Modellering voor Milieugezondheidsbeleid

Samenvatting proefschrift

Steden brengen gezondheidsrisico’s met zich mee, zoals luchtvervuiling, geluidsoverlast en een tekort aan groenvoorzieningen. Deze spelen een grote rol in het ontstaan van ongelijkheden in gezondheid tussen buurten en sociale groepen. Tegelijkertijd bieden steden ook kansen voor duurzame en gezondheidsgerichte verbeteringen. Het is belangrijk om bij het analyseren van mogelijke stedelijke verbeteringen rekening te houden met waar mensen wonen, hoe ze zich gedragen en hoe ze omgaan met hun omgeving.

Dit proefschrift stelt een nieuw raamwerk voor dat gebruikmaakt van een simulatiemethode, “agent-based modeling” (ABM), om te onderzoeken hoe hypothetische ingrepen in de stedelijke omgeving de gezondheid kunnen beïnvloeden. ABM simuleert individuele mensen, hun gedrag en interactie met elkaar en hun omgeving binnen een geografische context. Hierdoor kan de blootstelling aan schadelijke stoffen en gezondheid bevorderende factoren beter worden gemodelleerd op basis van dagelijkse activiteiten en reispatronen, in plaats van enkel de gemiddelde woonadresomstandigheden. Deze methode maakt het ook mogelijk om zowel de bedoelde als onbedoelde effecten van stedelijke ingrepen over tijd, ruimte en verschillende bevolkingsgroepen te bestuderen.

Om het ABM-raamwerk te implementeren, zijn verschillende innovaties ontwikkeld:

• Een methode om realistische, geogerefereerde virtuele stadsbevolkingen te creëren op basis van gesynthetiseerde gedetailleerde demografische gegevens.
• Een manier om gedragspredictiemodellen te construeren en valideren met AI, door bewijs uit eerder onderzoek te halen.
• Een nieuw luchtvervuilingsmodel dat snel de impact van verkeersveranderingen schat, terwijl het rekening houdt met de invloed van de stedelijke bebouwde omgeving en het weer.

Het nieuwe ABM-raamwerk simuleert de bevolking, hun dagelijkse activiteiten, reisgedrag, resulterende luchtvervuiling, blootstelling aan luchtvervuiling, transportgerelateerde beweging en de gezondheidseffecten. We hebben dit model toegepast en gevalideerd voor Amsterdam om verschillende transportgerelateerde stedelijke ingrepen te testen. Door de parkeertariefverhoging in 2019 te simuleren en te vergelijken met geobserveerde veranderingen in transportkeuzes, konden we aantonen dat ons model de veranderingen in transportgedrag van de bevolking correct voorspelt. Onze scenarioanalyse laat zien dat emissievrije zone de luchtkwaliteit sterk verbetert en fysieke activiteit stimuleert, maar ook nadelige effecten kan hebben, zoals langere reistijden vooral voor bewoners met lagere inkomens die aan de rand van de stad wonen. Het “15-minutenstad”-concept bleek in een fietsvriendelijke stad als Amsterdam de uitstoot van luchtvervuiling wel te verminderen, maar verrassend genoeg ook de fysieke activiteit te verlagen doordat mensen kortere afstanden fietsen.

Dit onderzoek laat zien dat ABM empirisch onderbouwd en gevalideerd kan worden en zowel positieve effecten als negatieve bijwerkingen van stedelijk beleid kan voorspellen. Dit biedt waardevolle inzichten die steden kunnen helpen bij het creëren van een gezondere en rechtvaardigere stedelijke planning.

LET OP: Als een kandidaat een lekenpraatje houdt, start de livestream een kwartier eerder