Check op kencijfers (VK6/2014)

Jarno Brouwer en Hugo Kampen, BonoTraffics bv

Rinse Wilmink, Universiteit Twente

We verplaatsen ons dagelijks met de auto. We gaan ermee naar ons werk, weer naar huis en daarnaast gebruiken we de auto voor tal van andere activiteiten. Maar hoe vaak maken we nu dagelijks gebruik van dit vervoermiddel? Om de verkeersgeneratie van een woning of woonwijk te bepalen, zijn kencijfers van het CROW beschikbaar. Uit eigen tellingen blijkt echter dat deze kencijfers het aantal autoverplaatsingen overschatten. Een onderzoeksverslag.

Verkeersintensiteiten vormen veelal de basis van verkeersontwerpen, die op hun beurt weer impact hebben op onder andere de beschikbare ruimte en de daarmee gepaard gaande kosten van aanleg en onderhoud. Verwachte verkeersintensiteiten worden daarnaast vaak gebruikt als input voor geluidsberekeningen, met mogelijk vergaande ruimtelijke gevolgen. Het is daarom van groot belang dat het vermoedelijk aantal verkeersbewegingen, bijvoorbeeld van een nieuwe woonwijk, een goede afspiegeling geeft van de werkelijkheid.

In Nederland gebruiken we voor het bepalen van het aantal autoverplaatsingen van woningen veelal de kencijfers van CROW-publicatie 317; kencijfers parkeren en verkeersgeneratie. Om tot nauwkeuriger kengetallen te komen, wordt binnen deze kencijfers onderscheid gemaakt naar woningtype: vrijstaand, tweekapper, of bijvoorbeeld tussenwoning. Het woningtype geeft namelijk indirect een indicatie van het inkomen van een huishouden, en dat heeft weer invloed op het autobezit en daarmee op het aantal autoverplaatsingen.

Schijnzekerheid

Voor een verdere nauwkeurigheid wordt binnen een woningtype onderscheid gemaakt in stedelijkheidsgraad en de stedelijke zone: centrum, schil, rest bebouwde kom en buitengebied. Het aanbod en de kwaliteit van andere vervoerswijzen heeft immers ook invloed op het autobezit en het aantal autoverplaatsingen. Ondanks een toegepaste bandbreedte lijkt het door deze specifieke input, alsof het verkregen aantal autoverplaatsingen een bepaalde zekerheid met zich mee brengt. Toch blijkt er een mate van onzekerheid door het ontbreken van de achtergrond bij deze cijfers. Deze onzekerheid staat in contrast met de schijnzekerheid die de specifieke input genereert.

Veldwerkgegevens

Bij de totstandkoming van de kencijfers van CROW is gebruik gemaakt van oude en recente veldwerkgegevens uit diverse rapporten. Deze gegevens hebben in de basis geleid tot een vuistregel voor wonen, die stelt dat het aantal autoverplaatsingen per woning, per werkdagetmaal, verkregen kan worden door het aantal auto’s per woning met 6,1 te vermenigvuldigen. Hierbij wordt verondersteld dat er een lineair verband is tussen autobezit en het aantal autoverplaatsingen. Een autobezit van 2,0 zou volgens deze veronderstelling 12,2 autoverplaatsingen per werkdagetmaal tot gevolg hebben.

Uit de beschikbare veldwerkgegevens [7(11,13,14)] hebben wij geconstateerd dat het aantal autoverplaatsingen boven de 1,3 auto’s per woning minder snel stijgt, dan verondersteld wordt. De relatie autobezit en autoverplaatsingen lijkt af te vlakken naar een bepaalde maximumwaarde (wiskundig; asymptotisch). Dit geeft aan dat tussen autobezit en autoverplaatsingen geen lineair verband aanwezig is. Het bezit van een tweede auto, betekent bijvoorbeeld dat met deze tweede auto een veel lager aantal autoverplaatsingen per dag wordt gemaakt dan met de eerste auto.

Nu bekend is dat boven een autobezit van 1,3 auto’s sprake is van een overschatting van het aantal autoverplaatsingen, is een alternatief gewenst voor deze overschatting. Wij hebben dit gevonden in statistische gegevens van het MON (Mobiliteitsonderzoek Nederland) en OViN (Onderzoek Verplaatsingen in Nederland). Het CBS en Rijkswaterstaat (Dienst Verkeer en Scheepvaart) doen al jaren onderzoek naar de mobiliteit van personen in Nederland. Vanaf 1978 gebeurde dit onder de naam Onderzoek Verplaatsingsgedrag (OVG), uitgevoerd door het Centraal Bureau voor de Statistiek (CBS). Rijkswaterstaat nam deze taak in 2004 over en veranderde de naam in Mobiliteitsonderzoek Nederland (MON). Deze naam bestond tot 2010, tot CBS de taak van het mobiliteitsonderzoek weer op zich nam. Dit keer onder de naam Onderzoek Verplaatsingen in Nederland (OViN). Het doel van het jaarlijkse MON en OViN onderzoek, is om informatie te verschaffen over de dagelijkse mobiliteit van personen in Nederland. De verkregen gegevens worden gecontroleerd op plausibiliteit en in een databestand verwerkt. De informatie uit het MON en OViN wordt onder andere toegepast bij het ontwikkelen en toetsen van het verkeers- en vervoerbeleid in Nederland. De onderzoeken van het MON en OViN leveren brede databases op voor het vergelijken en combineren van verschillende variabelen, met daarbij een statistische onderbouwing door gebruik te maken van een grote respons. Een groot aantal cijfers uit het MON- en OViN-onderzoek wordt gepubliceerd op de online database van het CBS; Statline.

Aan de hand van gegevens uit het MON en OViN, hebben wij het aantal autoverplaatsingen per huishouden gekalibreerd, voor het aantal autoverplaatsingen bij het bezit van 1 auto. Rondom het autobezit van 1 auto per woning, geeft de verhouding van 6,1 autoverplaatsingen een goede weerspiegeling van het aantal autoverplaatsingen, een getal dat ook veelvuldig in de literatuur beschikbaar is. Deze gekalibreerde factor hebben wij vervolgens vermenigvuldigd voor de andere aantallen van autobezit. De verhouding tussen autobezit en de verplaatsingen uit het OViN blijft hiermee in stand. Het nieuw berekende verband kan gekarakteriseerd worden door een hogere machtsfunctie of een trendbreuk. Deze trendbreuk is schematisch weergegeven. Klik hier voor deze afbeelding.

In de literatuur over ritgeneratie wordt vaak gebruik gemaakt van een algemene formule, zoals een weging, vermenigvuldigd met een kengetal/eenheidsgetal voor een bepaalde functie. Uit ons onderzoek komt naar voren dat in de meeste gevallen wordt gekozen voor een regressieanalyse of een categorieanalyse voor het bepalen van verkeersgeneratiecijfers. Een van de belangrijkste kenmerken is hierbij het autobezit. In een recent onderzoek naar de dynamiek van mobiliteit [17] blijkt dat autobezit, rijbewijs en inkomen de meest verklaarbare factoren zijn van verkeersgeneratie. Hierbij wordt geconcludeerd dat het bezitten van een rijbewijs het autobezit het meest beïnvloedt. Inkomen beïnvloedt het maken van autoverplaatsingen. Ook wordt in dit onderzoek berekend dat het bezit van een tweede auto, niet leidt tot twee keer zoveel autoverplaatsingen. Dit bevestigt eveneens de overschatting van CROW bij een hoger autobezit.

Er zijn verschillende mogelijkheden om de verkeersgeneratie voor de functie wonen te bepalen. Op basis van beschikbare gegevens van het CBS, is bepaald dat inkomen en autobezit een grotere samenhang (sterkere correlatie) hebben dan stedelijkheidsgraad en autobezit. Om deze reden zijn de variabelen ‘inkomen’ en ‘autobezit’ gebruikt om de verkeersgeneratie van woningen te berekenen. Daarnaast is inkomen meer locatiespecifiek, dan een stedelijkheidsgraad van de gemeente. Ook heeft inkomen een sterkere relatie met autobezit, dan bijvoorbeeld het type woning, zoals CROW dat hanteert.

Voor de bepaling van verkeersgeneratie voor de functie wonen, zou rechtstreeks gebruik kunnen worden gemaakt van het gemiddelde autobezit van een woonwijk. Deze cijfers zijn algemeen beschikbaar in de kerncijfers wijken en buurten (KWB) van het CBS. De jaarlijkse kerncijfers wijken en buurten van het CBS bevatten informatie over allerlei variabelen op buurt- en wijkniveau. Deze informatie kan ook direct per thema op een interactieve kaart worden geraadpleegd via www.cbsinuwbuurt.nl of via een plug-in op Google Earth.

Echter, het gemiddelde autobezitcijfer zegt niets over de verdeling van het aantal huishoudens met 1, 2 of meer auto’s. Een gemiddeld autobezit van bijvoorbeeld 1,0 auto kan betekenen dat 1 huishouden 4 auto’s heeft en 3 huishoudens geen auto hebben. Het kan ook inhouden, dat 4 huishoudens elk 1 auto hebben. Met het gegeven dat het aantal auto’s per huishouden het aantal autoverplaatsingen bepaalt èn dat er geen lineair verband is tussen het aantal autoverplaatsingen en het autobezit, zal een gemiddeld autobezitcijfer leiden tot een vertekend beeld van het aantal autoverplaatsingen.

Webtool 

Ons onderzoek heeft zich dan ook gericht op een betrouwbare verhouding tussen inkomen, autobezit en het aantal autoverplaatsingen. Aan de hand van CBS-gegevens hebben wij uit het inkomen het autobezit (in hele eenheden) afgeleid. Nu het autobezit bekend is, kan het aantal autoverplaatsingen worden bepaald. Aan de hand van een (gratis) webtool. Deze webtool vraagt alleen om het aantal woningen en inkomen en geeft daarna het aantal autoverplaatsingen van die woningen weer. Het gemiddelde inkomen van een buurt is verkrijgbaar via de website van CBS www.cbsinuwbuurt.nl. Deze website biedt de meest recente cijfers op dit gebied en is erg transparant. Ook wordt het jaar van vermelde meting gegeven. Daarnaast is ook inzichtelijk wat onder de bepaalde wijk/buurt wordt verstaan. Dit is ingekaderd in een blauwe polygoon op de kaart. Een groot voordeel, omdat het de mogelijkheid biedt - wanneer de situatie hierom vraagt - beargumenteerd af te wijken van de cijfers.

De resultaten van deze methode sluiten, met name voor gebieden met een hoog autobezit, beter aan bij de werkelijkheid. Zo blijkt uit onze veldwerkgegevens dat daar waar gerekend werd met de kencijfers binnen de aangegeven bandbreedtes van CROW, de aantallen autoverplaatsingen meer dan 50 tot bijna 70 procent hoger liggen dan in werkelijkheid is gemeten. Zelfs bij het hanteren van de minimumkengetallen in de bandbreedte liggen de theoretische waarden meer dan 50 procent hoger dan de werkelijkheid. De nieuwe methode, die wij in dit artikel beschrijven, laat veel lagere waarden dan de CROW-uitkomsten zien (gemiddeld 25 procent lager). Ook met deze nieuwe rekenmethode volgens de webtool komen nog hogere aantallen autoverplaatsingen voor dan de veldwerkgegevens laten zien, in sommige gevallen 25 procent hoger, maar toch geeft dit nog steeds aan dat deze benadering beter aansluit bij de werkelijkheid.

Een van de mogelijke oorzaken waardoor ook bij de nieuwe methode nog steeds sprake is van een overschatting, is dat gebruik wordt gemaakt van autobezitcijfers uit de KWB (CBS). De KWB rekent in dit autobezit geen leaseauto’s en bedrijfsauto’s mee. Dit betekent dat wanneer lease- en bedrijfsauto’s worden meegeteld bij het autobezit, gemiddeld minder autoverplaatsingen per auto eenheid worden gemaakt (gelijkblijvend aantal autoverplaatsingen met meer voertuigen). Dit zal leiden tot lagere kengetallen voor het aantal autoverplaatsingen per eenheid autobezit.

Het bepalen van verkeersgeneratiecijfers voor de functie wonen, is afhankelijk van vele factoren. Over de exacte invloed van al deze factoren is tot op heden niet veel duidelijk. Samenvattend kan worden gesteld dat de huidige breed geaccepteerde methode om de verkeersgeneratie voor woningen te bepalen, overschat wordt voor meervoudig autobezit door een aangenomen lineair verband tussen autobezit en autoverplaatsingen. In dit onderzoek is aangetoond dat dit niet correct is bij meervoudig autobezit. De alternatieve methode blijkt, op basis van vergelijkingen met tellingen, een goede inschatting te geven van het aantal autoverplaatsingen voor de functie wonen. De transparantie in de berekening en de herkomst van de cijfers, maken deze nieuwe methode op dit moment een goed alternatief om verkeersgeneratie voor woningen te bepalen.

Toekomstige ontwikkelingen

Tegenwoordig hebben steeds meer mensen een smartphone. Deze verzenden en ontvangen constant signalen naar en van telefoonmasten in de buurt. Het gebruik van de smartphone om data te verzamelen, zet zich voort in het bepalen van het aantal verplaatsingen per modaliteit. Zo is onlangs een initiatief gestart waarbij smartphones worden gebruikt om onder andere verplaatsingen, vertrek en aankomstlocatie en de modaliteit automatisch te registreren, een longitudinaal onderzoek. Dit ‘Mobiele Mobiliteitspanel’ of ‘Dutch Mobile Mobility Panel’ registreert van een vooraf geselecteerd panel de dagelijkse mobiliteit gedurende 2 tot 4 weken, 3 jaren achtereen. Op deze manier ontstaat er veel meer data (meerdere dagen per persoon) en kan de verkregen data verbanden aantonen over de verandering in mobiliteit van personen door het meerjarige registreren.

Een ander nieuw longitudinaal onderzoek naar de verandering van mobiliteit (en wat mogelijk dus iets kan verklaren over de toekomstige mobiliteit van bijvoorbeeld een woonwijk) is het Mobiliteitspanel Nederland (MPN). Het MPN is erop gericht de dynamiek van mobiliteit in kaart te brengen; welke oorzaken liggen ten gronde aan de veranderingen in mobiliteit van personen?

Mogelijk dat dergelijke onderzoeken ons in de nabije toekomst nog meer duidelijkheid kunnen verschaffen over het verplaatsingsgedrag en daarmee het aantal autoverplaatsingen per woning, om zo een nog betere inschatting te kunnen maken van toekomstige verkeersintensiteiten.

Literatuurlijst

• Centraal Bureau voor de Statistiek. (2013). Onderzoek Verplaatsingen in Nederland 2012 – Onderzoeksbeschrijving. Den Haag/Heerlen: Centraal Bureau voor de Statistiek (CBS).
• Centraal Bureau voor de Statistiek. (2008, 07 16). Hoeveel auto’s staan er in uw buurt. Opgehaald van Centraal Bureau voor de Statistiek (CBS): http://www.cbs.nl/nl-NL/menu/themas/dossier/nederland-regionaal/publicaties/artikelen/archief/2008/2008-2504-wm.htm
• Centraal Bureau voor de Statistiek. (2008). Kerncijfers Wijken en Buurten. Den Haag/Heerlen: Centraal Bureau voor de Statistiek
• Centraal Bureau voor de Statistiek. (2012). Onderzoek Verplaatsingen in Nederland. Den Haag/Heerlen: CBS
• Centraal Bureau voor de Statistiek. (2012). Personenautobezit van huishoudens en personen. Sociaaleconomische trends, 1e kwartaal 2012. Den Haag/Heerlen: Centraal Bureau voor de Statistiek.
• Centraal Bureau voor de Statistiek. (2014, 1 6). Aantal gemeenten opnieuw gedaald. Opgehaald van Centraal Bureau voor de Statistiek: http://www.cbs.nl/nl-NL/menu/themas/dossiers/nederland-regionaal/publicaties/artikelen/archief/2014/2014-3932-wm.htm
• CROW. (2007). Publicatie 256: Verkeersgeneratie woon- en werkgebieden. Vuistregels en kengetallen gemotoriseerd verkeer. Ede: CROW.
• CROW. (2012). Publicatie 317: Kencijfers parkeren en verkeersgeneratie. Ede: DeltaHage bv.
• de Ben, L., & Immers, L. (1990). Bevolkingsgroepen met een homogeen verplaatsingsgedrag. Delft: Technische Universiteit Delft, Faculteit der Civiele Techniek, Vakgroep Verkeer.
• Dios Ortuzar, J. & Willumsen, L. (2011). Modelling Transport. West Sussex: John Wiley & Sons Ltd.
• Fledderus, W. (1982). Het aantal autoritten van en naar woongebieden. Den Haag: Verkeerskunde 12.
• Friso, K., & de Kruijf, J. (sd). Vergrijzing en mobiliteit Hoe gedraagt de toekomstige oudere zich in het verkeer? Onderzoek naar een bredere toepassing van verkeersmodellen. Bijdrage aan het Colloquium Vervoersplanologisch Speurwerk. Roermond, 25 en 26 November 2010.
• Haakman., C. (1998). Verkeersproductie en parkeernormen van woonwijken. Rotterdam: RBOI.
• Hoogeland, G. (1982). Verkeersproductie en –attractie van woongebieden. Den Haag: Verkeerskunde 1.
• Hoogendoorn – Lanser, S., Schaap, N., & Olde Kalter, M. (2013). Het Mobiliteitspanel Nederland: een oude bekende in een nieuw jasje. Bijdrage aan het Colloquium Vervoersplanologisch Speurwerk. Rotterdam.
• Kennisinstituut voor Mobiliteitsbeleid (KiM). (2012). Mobiliteitsbalans 2012. Den Haag: Ministerie voor Infrastructuur en Milieu.
• Kitamura, R. (2009). A dynamic model system of household car ownership, trip generation , and modal split: model development and simulation experiment. Transportation. Vol.36, Pag. 711 – 732. DOI 10.1007/s11116-009-9241-9.
• Liebens, J. (2010). Een traditioneel vierstapsmodel voor Vlaanderen. Hasselt: Universiteit Hasselt.
• RWS DVS. (2010). Mobiliteitsonderzoek Nederland 2009. Rotterdam: RWS DVS.
• Sociaal en Cultureel Planbureau (SCP). (2005). De sociale staat van Nederland 2005. Den Haag: Sociaal en Cultureel Planbureau.
• Thomas, T., Bijlsma, M., & Geurs, K. (2013). Hoe mobiel zijn we nu eigenlijk? Eerste inzichten uit het Mobiele Mobiliteitspanel. Op: Website Colloquium Vervoersplanologisch Speurwerk.
• Turpijn, B. (2005). Ritgeneratie van woonbuurten. Enschede: Universiteit Twente.
• van Minnen, J., & Krabbenbos, J. (2002). Praktijkonderzoek ontsluitingsstructuren van woongebieden. Leidschendam: Stichting Wetenschappelijk Onderzoek Verkeersveiligheid SWOV.