Självkörande bilar 🚗🛵 – hur påverkar de Stockholms bostadspriser?

Självkörande bilar 🚗🛵 – hur påverkar de Stockholms bostadspriser?
Rebla

Reblas VD – Rebecca Lagerkvist – träffar Christian Landgren – VD och grundare Iteam på deras kontor i gamla arkitekturhögskolan på Östermalm i Stockholm. Christian har drivit sitt företag Iteam i mer än 20 år! Iteam gör mycket frivilliga experiment – deliberate practice – i syfte att lära. I filmen handlar det om ett sådant experiment som simulerar hur bostadspriserna kan komma att förändras den dag självkörande bilar är standard. 

Potentialkartan.se är en simulering över hur bostadspriserna i Stockholm kan komma att förändras den dagen då självkörande bilar är standard!

Potentialkartan.se är öppen för alla. Prickarna på kartan representerar bostadsannonser färgerna visar förhållandet mellan transporttiden för kollektivtrafiken och en självkörande bil. Tiden mäts mellan pricken och Iteams kontor. Färgerna grönt, gult, orange och rött visar om bostaden är över- eller undervärderad i förhållande till den dag självkörande bilar är standard.

En lägenhet i Årsta i Stockholm har bevisligen mycket att tjäna på transport med autonom bil därmed är den pricken grön – lägenheten är undervärderad. Områden såsom Årsta i Stockholm – där kollektivtrafiken är relativt outvecklad – har stor framtidspotential om självkörande bilar blir standard. Exempel på ett övervärderat område är Kungsklippan – Kungsholmen – Stockholm. Här är skillnaden mellan kollektivtrafik och självkörande bil inte lika stor. Lägenheten är idag väldigt dyr och troligen övervärderad i en framtid.

Detta är bara ett experiment och därför antas att alla vill åka till Iteams kontor. Om detta skulle göras ordentligt skulle man simulera de vanligaste färdvägarna.

Kanske sätta it- centret kista som en datapunkt  dit 50 000 personer färdas varje dag. Kapitalstarka it- personer som gärna tar till sig ny teknik. Kan självkörande bilar köra dem till Kista kommer bostadspriserna att förändras.

Den här typen av simulering kan också användas av t.e.x en större arbetsgivare när de ska planera vart de vill lägga sitt kontor. Det går att räkna på hur man minimerar pendlingstiden för alla anställda både med kollektivtrafik och autonom bil. Tekniken här är inte särskilt komplicerad men ger bra underlag för eftertanke och föder rätt frågor.

Under huven på  potentialkartan visas de som säljer bostäderna som visas i potentialkartan. I graferna visas pendlingsavstånd i korrelation till pris på bostaden. Det är tydligt att priset beror på pendlingsavståndet för en pendling mellan 0 och 45 minuter. Desto kortare pendlingstid – desto högre premie betalar man för sin närhet. Hur många bostäder säljs idag med denna premie? Och vad händer när kriterierna för denna premie förändras? Det är det som är potentialen i potentialkartan.

Kommer bostadspriserna förändras på det sättet som köparna idag förutspår när självkörande bilar blir ett faktum? Områden som idag är underutvecklade när det gäller kollektiva transporter kan komma att öka i pris när självkörande bilar får genomslag.

Med bilar menar man inte det som en bil är idag. Utan elbilar, samåkningsbilar eyc…  Det är viktigt att inte jämföra med hur det ser ut idag. En självkörande bil är säkert inte en stor bil 🚘 utan kanske en liten moppe med tak 🛵💨 som hämtar dig där du är och tar dig dit du ska. En självkörande bil är kanske en autonom minibuss för samåkning 🚐

Vi kommer se större variation i hur vi tar oss fram det här är otroligt spännande! Alla som arbetar med fastigheter borde också tycka det!

Det viktigaste att ta med sig från detta samtal är världen kommer att förändras och vi kan faktiskt försöka leka oss till hur genom att göra experiment likt potentialkartan.

Potentialkartan vill inspirera till nya tankar inte hävda att den har sanningen om framtiden och bostadspriserna.

Världen är komplex och svaren om framtiden kommer i den sökande processen. Vilka datakällor skulle vi kunna kombinera för att få fler insikter? Datakällor som bostadspriser, kollektivtraffik, luftkvalitet och solljus.

När man börjar tänka datadrivet och innovation då kommer man till spännande platser!