Een methode voor het plannen van fietsroutes in aaneengesloten gebieden met traditionele dorpen met behulp van Wi-Fi-probegebaseerde aantrekkelijkheidsevaluatie

Waarom fietsroutes in dorpen ertoe doen

Wereldwijd proberen historische dorpen levendig te blijven nu mensen zich naar grote steden begeven. Een veelbelovende strategie is bezoekers uit te nodigen om te vertragen en deze plaatsen per fiets te verkennen. Maar als fietsroutes alleen op papier worden getekend, zonder te begrijpen waar mensen daadwerkelijk graag lopen en fietsen, blijven veel van die paden leeg. Deze studie uit Tonglu County in oostelijk China laat zien hoe eenvoudige draadloze sensoren echte bewegingspatronen in en rond traditionele dorpen kunnen onthullen, en gebruikt die informatie om dorpsfietsroutes te ontwerpen die mensen ook daadwerkelijk zullen gebruiken.

Oude dorpen, nieuwe druk

Traditionele dorpen bewaren historische gebouwen, agrarische landschappen en lang bestaande levenswijzen. In China zijn veel van dergelijke dorpen verdwenen tijdens snelle verstedelijking, en nationale beleidslijnen moedigen nu aan niet alleen individuele dorpen te beschermen, maar hele gordels daarvan. Fietsen wordt gezien als een zachte manier om deze plaatsen te verbinden, bewoners, bezoekers en lokale bedrijven aan elkaar te koppelen. Beroemde Europese voorbeelden tonen dat goed ontworpen fietsroutes plattelandsgebieden nieuw leven kunnen inblazen. Toch zijn in veel Chinese dorpen de bestaande fietspaden slecht verbonden met dorpskernen en historische straten, zodat toeristen vaak doorrijden in plaats van te stoppen en activiteit in tijd en ruimte verspreid is.

Van papieren kaarten naar levende beweging

De meeste fietsplannen richten zich op vaste kenmerken: wegbreedte, helling en de aanwezigheid van winkels of toeristische locaties. Die zijn belangrijk, maar ze laten niet zien hoe mensen uur voor uur bewegen. Met ideeën uit de tijd-geografie betogen de auteurs dat een goede route twee kwaliteiten moet combineren: ze moet veel mensen aantrekken en die aantrekkingskracht gedurende de dag redelijk constant houden. Om deze patronen vast te leggen in een landelijke omgeving waar telefoondata te grof zijn, gebruikten ze Wi‑Fi-probes — kleine apparaten die anonieme signalen van nabijgelegen mobiele telefoons opvangen. In tegenstelling tot GPS-apps hoeven Wi‑Fi-probes gebruikers niet te laten inloggen of een app open te houden, en ze kunnen bewegingen met hoge tijd- en ruimtelijke nauwkeurigheid volgen.

Luisteren naar de paden die mensen al kiezen

In twee naburige historische dorpen, Xufan en Huanxi, filterde het team eerst straten met eenvoudige fysieke regels: alleen paden die breed en zacht genoeg zijn om te fietsen, en geen doodlopende stegen of straten met hoge erfgoedbescherming. Vervolgens identificeerden ze “potentiële routes” die van nature dorpsingangen, bushaltes, parkeervoorzieningen, historische gebouwen en clusters van openbare diensten zoals horeca, overnachting en vervoer met elkaar verbinden. Daarna installeerden ze 50 Wi‑Fi-probes op belangrijke kruisingen en langs langere straten en volgden de bewegingen gedurende vier zomerse dagen van ’s ochtends tot laat in de middag. Door unieke apparaten te tellen die tussen probes bewogen, berekenden ze hoeveel mensen elk uur een straat gebruikten en hoe vaak dat gebruik boven het dorpsbrede gemiddelde bleef.

Metingen omzetten in betere fietsroutes

Voor elk straatsegment in het voorlopige netwerk combineerden de onderzoekers twee scores: “retentie-intensiteit” (hoeveel mensen per meter straat per uur passeerden) en “retentie-stabiliteit” (hoeveel uren het drukker bleef dan gemiddeld). Na normalisatie en middelen werden straten in vijf niveaus van aantrekkelijkheid gegroepeerd. Vervolgens bouwden ze een definitief fietsnetwerk door de aantrekkelijkste straten te combineren met de eerder geïdentificeerde potentiële routes die historische locaties en voorzieningen bedienen. Het resultaat was een netwerk van 57 segmenten in een lusachtig patroon: dunner in het noorden, dichter in het zuiden, met sterkere verbindingen tussen dorpspoorten, rivieroevers en clusters van oude gebouwen.

Helpen slimmere routes echt?

Om de methode te testen vergeleken de auteurs hun voorgestelde netwerk met het officiële fietsplan uit een eerder erfgoedbeschermingsdocument. Met behulp van standaardmaatstaven voor hoe gemakkelijk fietsers alle delen van het netwerk kunnen bereiken, hoeveel historische sites verbonden zijn en hoeveel openbare voorzieningen worden bediend, presteerde het nieuwe netwerk op alle punten beter. De algehele toegankelijkheid steeg licht, terwijl de verbindingen met historische attracties en openbare diensten elk met ongeveer 12 procent verbeterden. Tegelijkertijd toonde de studie aan dat slechts ongeveer een kwart van de bestaande straten een middelmatige of hogere aantrekkelijkheid had, en dat de drukste stukken zich nabij dorpsingangen, rivieren en historische clusters bevonden — nuttige aanwijzingen voor toekomstige verbeteringen.

Wat dit betekent voor dorpen en bezoekers

Voor niet-specialisten is de kernboodschap helder: de beste fietsroutes vertrekken vanuit het echte gedrag van mensen, niet alleen vanuit mooie kaarten. Door stilletjes te meten hoe bezoekers en bewoners zich al verplaatsen en die kennis vervolgens te verweven met historische locaties en alledaagse voorzieningen, kunnen planners fietsnetwerken ontwerpen die fietsers uitnodigen te vertragen, te blijven hangen en meer tijd (en geld) in traditionele dorpen door te brengen. Hoewel de methode nog langere-termijntesten en aanpassing aan verschillende landschappen nodig heeft, biedt ze een praktische, goedkope manier om levend erfgoed te ondersteunen — en zo oude dorpen vitaal te houden in een snel veranderende wereld.

Bronvermelding: Liu, S., Wang, S., Gao, Y. et al. A method for planning cycling networks in traditional village contiguous areas using Wi-Fi probe-based attractiveness evaluation. Sci Rep 16, 5787 (2026). https://doi.org/10.1038/s41598-026-36085-1

Trefwoorden: plattelandsfietsen, traditionele dorpen, Wi-Fi-detectie, cultuurtoerisme, planning van actief vervoer