Header

Hur kommer huspriserna påverkas av självkörande bilar?

14 juni 2019

Våren 2017 träffade jag forskaren Mattias Rost på ett kafé i Göteborg. Vi skulle se om det fanns möjlighet att börja jobba ihop. Mattias berättade att han hade flyttat tillbaka till Sverige efter att ha bott i Skottland i ett antal år. Istället för att köpa en lägenhet i stan bestämde sig Mattias och hans familj att leta efter hus så långt bort från kollektivtrafiken som möjligt. Motiveringen? Självkörande bilar.

Mattias berättade att han tror att huspriserna kommer sjunka i innerstan i Göteborg och Stockholm och omvänd effekt uppstå i närområdet. Jag blev fascinerad över slutsatsen och bestämde mig både för att anställa Mattias och att försöka se om man kunde testa den här hypotesen.

Några månader senare var det dags för GBG Startup Hack i ett cirkustält i Majorna i Göteborg. Vi ställde upp med två team från Iteam och mitt team bestämde sig för att testa Mattias hypotes genom att visualisera alla bostadsannonser från Hemnet och sedan testa hur lång tid det tar att åka från den adressen med kollektivtrafik och jämföra med en simulering av självkörande bilar och jämföra tiderna.D

AI-forskaren Amir Rahmana, Simon Lundell och jag började bygga lösningen i cirkustältet på GBG Startuphack

Om det går snabbt att pendla till jobbet med kollektivtrafiken borde det innebära att kvadratmeterpriset skulle vara högre där. Om det tar lång tid eller inte ens möjligt att åka kollektivt till jobbet - då borde kvadratmeterpriset vara lägre.

c;a 20 000 kr dyrare per kvadratmeter för bostäder upp till 45 minuters pendlingsavstånd. Bild: Rebla AB

Vi började med att läsa in alla bostadsannonser via Booli och kopplat ihop dessa med Samtrafikens API för kollektivtrafiken. Det visade sig mycket riktigt finnas en korrelation mellan pendlingsavstånd och kvadratmeterpris på bostaden. Upp till ett pendlingsavstånd på c:a 45 minuter är pendlingstiden med kollektivtrafik en bidragande orsak på priset. Därefter minskar korrelationen och andra faktorer påverkar bostadspriset mer.

När vi väl hade hittat korrelationen kunde vi börja visualisera annonserna på en karta. Vi valde att visa varje enskild bostadsannons och markera med olika färger beroende på hur bra kollektivtrafiken är just till den aktuella adressen och jämför restiden med restiden med en självkörande bil. Disclaimer: det finns såklart många områden dit man pendlar - inte bara ett. Labben skulle gå att utveckla enormt mycket men den ger ändå en fingervisning och startar förhoppningsvis igång lite tankar?

Grönt betyder hög potential till förbättring med självkörande bilar. Rött betyder risk för prissänkning när färre betalar premie för att bo nära kollektivtrafik. Se kartan interaktiv 

Fördjupa dig mer?

Kolla in intervjun av Rebecca Lagerkvist på Rebla AB som intervjuade mig om metoden och där visar jag även lite av verktygen som ligger bakom:

Om du är intresserad av att utveckla Potentialkartan med fler orter eller andra dimensioner? Kontakta mig så berättar jag gärna mer!

Christian Landgren

VD och grundare av Iteam
Iteam Göteborg
Järntorgsgatan 12-14
413 01 Göteborg
073-402 91 12
ORG: 556551-6928
Iteam Stockholm
Östermalmsgatan 26A
114 26 Stockholm
08-26 70 90
ORG: 556551-6928
Följ oss