De fietser beter in beeld (VK 1/2015)

Willem Scheper / Edgar Siemerink, Keypoint

Joost de Kruijf / Dirk Bussche, NHTV

Er wordt nergens zoveel gefietst als in Nederland. Desondanks weten we er nog maar weinig van en worden beleids- en investeringsbeslissingen genomen op een smalle basis. Doordat de fietsprojecten steeds complexer worden en de kosten toenemen, neemt ook de behoefte aan een degelijke onderbouwing toe. Alleen roepen dat nieuwe fietsinfrastructuur aanleggen goed is voor het gebruik, is niet meer voldoende. Met de opkomst van nieuwe technieken ontstaan er meer mogelijkheden om het gedrag en netwerk voor de fietser beter in beeld te krijgen. De zoektocht is nu hoe er een impuls kan worden gegeven aan het genereren van meer fietsdata. Een van de belangrijke aandachtspunten die tijdens het fiets& data-congres in september 2014 naar voren is gekomen is de vraag: ‘Is het een taak van de overheid of laten we het aan de markt over?’ In dit artikel gaan we in op de behoefte aan fietsdata in relatie tot toepassingsmogelijkheden en verschillende inwintechnieken. We gaan ook in op de in onze ogen cruciale aanjaagrol van de Rijksoverheid om initiatieven uit de markt verder te helpen.

De fiets wint aan interesse

Nederland staat internationaal bekend als het fietsland bij uitstek. De beleidsambities ten aanzien van het fietsverkeer blijven onverminderd hoog. De (elektrische) fiets wordt (inter)nationaal gezien als het duurzame alternatief in het dagelijkse verplaatsingsgedrag en vormt een belangrijke schakel in het voortransport naar het openbaar vervoer.

Vanuit verschillende overheidslagen wordt ingezet op een verdere stimulering van het fietsgebruik. Het fietsbeleid van gemeenten en provincies is met name gericht op fysieke ingrepen in het fietsnetwerk en -voorzieningen en het stimuleren van het individu om te gaan en te blijven fietsen (Goevorden & Godefrooij, 2010; Borgman et. Al., 2010). Naast de aanleg van nieuwe (hoogwaardige) fietsinfrastructuur wordt tevens geïnvesteerd in fietsparkeren bij stations en in lokale en regionale fietsstimuleringsprogramma’s.

Maar veel overheden worstelen met de vraag in hoeverre deze fietsmaatregelen effectief zijn. Op welk type maatregel en op welke locaties kan het beste worden ingezet? Op dit moment baseren beleidsmakers zich vaak op fietstellingen, ad-hoc onderzoeken naar de fietskwaliteit, algemene mobiliteitsonderzoeken en informatie van belangengroepen zoals de Fietsersbond (Borgman et. al.,2010; Fietsersbond, 2011). Ook worden de (potentiële) effecten van fysieke maatregelen of campagnes maar zelden diepgaand geanalyseerd en geëvalueerd. De maatregelenpakketen Fiets worden steeds groter, complexer en daarmee duurder waardoor de noodzaak voor cijfermatige onderbouwing toeneemt.

Uit de onderzoeken komt naar voren dat er een algeheel gebrek is aan objectieve informatie rondom de fietser. Dit speelt ten eerste bij de planvorming en ten tweede bij de monitoring en evaluatie van het fietsbeleid.

Bij de planvorming vallen beleidsmedewerkers vaak terug op mobiliteitsonderzoeken zoals het OViN, feedback van belangengroeperingen en onderzoeken op specifieke locaties zoals fietstellingen. Met mobiliteitsonderzoeken wordt meestal een algemeen beeld verkregen van het verplaatsingsgedrag, inclusief het fietsgebruik en (soms) de algemene waardering van fietsvoorzieningen. De wijze waarop deze onderzoeken worden ingezet verschilt per gemeente. Soms worden ze op ad hoc basis eenmalig uitgevoerd maar er zijn ook gemeenten waar ze periodiek worden afgenomen. De feedback van fietsers zelf (vaak via belangenverenigingen als de Fietsersbond) vormt ook waardevolle input voor het fietsbeleid. Onder meer de locatie-specifieke kennis omtrent knelpunten in het netwerk en de wensen van fietsers zijn van belang bij het opstellen van effectief fietsbeleid. Er zijn wegbeheerders die periodiek tellingen verrichten om de fietsintensiteiten in beeld te brengen. Dit bijvoorbeeld met het doel om de ontwikkelingen van de fietsintensiteiten in de tijd te monitoren of om een beeld te krijgen van het gebruik van (nieuwe) fietsinfrastructuur.

Overkoepelend en objectief inzicht ontbreekt

Alhoewel de voorgaande bronnen waardevolle informatie opleveren, ontbreekt een overkoepeld en objectief inzicht in het fietsgedrag, de gebruikskwaliteit van het fietsnetwerk en de fietsbereikbaarheid. Het is nagenoeg onmogelijk om het huidige gebruik van de totale fietsinfrastructuur en voorzieningen in beeld te brengen en te beschrijven. Tellingen geven zicht op intensiteiten op een specifiek punt, maar geven niet de verdeling van fietsintensiteiten over het hele fietsnetwerk weer. Daarnaast is er weinig bekend over de herkomst-bestemmingsrelaties tussen gebieden en de precieze routes die fietsers gebruiken tussen hun herkomst en bestemming. Welke plekken hebben nu het meeste impact op het functioneren van het fietsnetwerk als geheel? Waar lopen fietsers relatief veel vertraging op? Waar zitten de belangrijkste missing links? En hoe is het gesteld met de fietsbereikbaarheid van het centrum?

Er is behoefte aan inzicht in schommelingen in het fietsgebruik in de tijd, veroorzaakt bijvoorbeeld door seizoensinvloeden. Daarnaast is er behoefte aan een instrument dat de effecten van fietscampagnes, infrastructuurverbeteringen of ruimtelijke ingrepen kan evalueren zowel voorafgaand (ex-ante) als na (ex post) de implementatie van de betreffende maatregel.

Fietsdata, informatie en advies

Het inwinnen van (fiets)data is nooit een doel op zich. Het is gekoppeld aan een of meerdere beleidsvragen. Zoals eerder vermeld gaat het bij fietsbeleid vaak om het bevorderen van het fietsgebruik. Op basis van de beleidsvraag kan een onderzoeksopzet worden gemaakt. De ingewonnen fietsdata kan vervolgens vertaald worden naar informatie om uiteindelijk een (beleids)advies te kunnen geven over de te nemen fietsmaatregelen. Met de nieuwe technieken wordt monitoring en evaluatie van fietsverkeer steeds toegankelijker.

Figuur 1: de beleidscyclus

Nieuwe inwintechnieken

Om data van fietsers en fietsen te verzamelen, zijn diverse methoden en technieken beschikbaar. Al jarenlang toegepast zijn bijvoorbeeld de tellingen. Steeds vaker wordt er gebruikgemaakt van slimme camera’s, hoewel vaak wordt volstaan met slangtellingen of radartellers. Maar wat meten we hier nu mee? En is dat wat we meten ook waar we naar op zoek zijn? Telslangen en radartellers zijn uitermate geschikt voor het tellen van aantallen fietsers op wegvakken, waarbij het onderscheid tussen twee richtingen wordt bepaald. Radartellers zijn daarnaast in staat snelheden te bepalen. Met visuele tellingen zijn ook aantallen fietsers en richtingen te bepalen, met als toevoeging dat dit ook op kruispuntniveau mogelijk is.

Naast de fietstellers zijn er inmiddels andere inwintechnieken in opkomst zoals Wifi-tracking, RFID en GPS-tracking. Elk met hun specifieke toepassingsgebied en praktische voor- en nadelen. In tabel 1 hieronder, is een overzicht weergegeven van verschillende technieken om fietsdata in te winnen, gekoppeld aan de vraag. 

Tabel 1: overzicht inwintechnieken data voor de fiets

Uit tabel 1 blijkt dat door nieuwe inwintechnieken er mogelijkheden ontstaan om inzicht te krijgen in snelheid, herkomst-bestemmingsrelaties en gekozen fietsroutes. Het geeft daarmee invulling aan de vragen, zoals we die eerder hebben geformuleerd. We gaan hierna kort in op de mogelijkheden van de drie ‘nieuwe’ technieken. We beginnen met een korte uitleg van de techniek.

Wifi (Wireless Fidelety)

Wifi is een standaard voor draadloze netwerken waarmee verbinding met het internet tot stand kan komen. Het detecteert MAC-adressen van mobiele apparaten, zoals smartphones, tablets en laptops, en kan deze toegang bieden tot het netwerk. Het doel van Wifi-tracking komt overeen met Bluetooth-tracking en is geschikter omdat fietsers en voetgangers Bluetooth vaker uit hebben staan dan automobilisten. Op de meeste apparaten zijn de MAC-adressen uniek (uitzondering IOS8 en Android met een app zoals Pry-Fi) en kunnen op andere plaatsen eveneens worden gedetecteerd. Zo kunnen reistijd en route worden achterhaald. Het Wifi-meetpunt slaat de ontvangen MAC-adressen van de passerende apparaten op en stuurt die vervolgens, samen met het tijdstip van passeren, naar een centrale server. In een dergelijk verplaatsingsonderzoek komt de privacy niet in het geding, aangezien de onderzoeksgegevens niet worden gekoppeld aan persoonsgegevens. Met de kennis dat meer dan 70 procent van de Nederlanders een smartphone in bezit heeft met de zoekfunctie naar Wifi-netwerken, zijn er kansen om fietsers te volgen door middel van Wifi.

Wifi-pilot in Lochem
In april 2014 heeft Keypoint in samenwerking met de NHTV een pilot uitgevoerd in Lochem. De gemeente Lochem wilde graag meer inzicht in het gebruik van haar primaire fietsroutes om daarmee gefundeerd een hoofdfietsroute, de zogenaamde ‘fietsruggengraat’ te kiezen. Op vijf locaties zijn daarom Wifi-meetpunten geplaatst. Er is gedurende drie dagen een meting uitgevoerd.
Het resultaat van de meting en de met de fietsrouteplanner verrijkte data is weergegeven in
figuur 2.

Figuur 2: resultaten pilot Wifi-tracking Lochem (onder de verrijkte data)

Vanuit de pilot blijkt de techniek toepasbaar voor fietsers als het gaat om inzichtelijk maken van herkomst-bestemmingsrelaties, bijvoorbeeld voor de relatieve verdeling over verschillende fietsroutes. Het grote voordeel van Wifi-tracking in vergelijking met GPS-tracking is dat je niet afhankelijk bent van de bereidheid van mensen om deel te nemen. De steekproef is daarmee groter en mogelijk ook representatiever.

Met behulp van een Wifi-tracking kan op een relatief eenvoudige manier in beeld gebracht worden:

• tussen welke locaties fietsers zich verplaatsen,
• wat de belangrijkste HB-relaties zijn,
• hoe de netwerkverdeling van fietsers in een gebied er uitziet.

De uitdaging bij Wifi-tracking ligt in het identificeren van de fietser in vergelijking met de automobilist en openbaarvervoerreiziger. Vanuit de pilot blijkt het cruciaal om te kijken naar de locatie van de antenne. Deze wordt bij voorkeur geplaatst op een solitair fietspad, zodat het merendeel van de passanten fietser is.

RFID (Radio frequency identification)

RFID is een technologie om van een afstand informatie op te slaan in, en af te lezen van zogenoemde RFID-tags die op of in de fiets zitten. Vervolgens kan met behulp van een antenne of een handheld worden uitgelezen waar de fiets zich bevindt. De RFID-tags kunnen actief, semi-actief of passief zijn. Actieve RFID-tags hebben een batterij en kunnen worden gelezen en geschreven met een lezer die met een antenne radiogolven zendt en ontvangt. Ze kunnen met een interval een signaal over een grotere afstand (van zo'n 100 meter tot zelfs een paar kilometer) uitzenden. Semi-actieve tags hebben ook een batterij maar zenden alleen als antwoord op een ontvangen signaal. Passieve tags hebben geen eigen energiebron: ze benutten het elektromagnetische veld van een lezer om een stroom te induceren in een spoel, waarmee de chip wordt gevoed. Hierdoor gaat het antwoordsignaal tot een afstand van ongeveer vijf meter. De RFID-techniek wordt nu bijvoorbeeld ingezet bij beloningsprogramma’s van werkgevers. Mensen die met hun fiets naar het werk komen worden bij de stalling gesignaleerd. Door op verschillende locaties antennes te plaatsen is het mogelijk om een beeld te krijgen van het verplaatsingsgedrag (herkomsten en bestemmingen).

De resultaten en mogelijkheden van de (passieve) RFID zijn vergelijkbaar met de Wifi-tracking. Echter is het potentieel aan deelnemers lager, aangezien mensen een tag op hun fiets moeten plaatsen. De standaard-anti-diefstalchips die in veel sloten en duurdere fietsen verbouwd zijn zijn hiervoor niet geschikt, omdat deze een veel kleiner bereik hebben. In de huidige situatie is daarom het aantal geschikte RFID-tags nog beperkt. Het standaard uitrusten van een fiets met RFID geeft een scala aan mogelijkheden om enerzijds meer fietsdata te genereren, en levert anderzijds ook meerwaarde op voor de gebruiker. Denk aan toegang bij fietsenstallingen en het terugvinden van je gestolen fiets.

GPS-tracking (Global Positioning System)

GPS gebruikt 32 verschillende satellieten die elk in een van de zes banen op 20.200 km hoogte cirkelen. Deze banen zijn zodanig samengesteld dat vanaf elke plaats op aarde altijd minstens vier satellieten waarneembaar zijn. Het meetprincipe van het Global Positioning System is gebaseerd op de afstandsmeting tussen satelliet en ontvanger en het bekend zijn van de positie van de satelliet. De afstanden tussen de satelliet en de ontvanger worden uit de gemeten looptijden van radiogolven afgeleid. Veel GPS-trackers maken gebruik van de smartphone. Via een app worden vervolgens de fietsritten geregistreerd. Voor de vertaling van GPS-data (en andere beschikbare techniek in de smartphone) naar fietsritten zijn slimme algoritmes bedacht, die met grote nauwkeurigheid de fietsritten eruit kunnen filteren. De data geeft inzicht in de afgelegde routes, herkomsten, bestemmingen, het aantal kilometers en de werkelijke fietssnelheid.

Verschillen tussen Wifi, RFID en GPS liggen met name in het aantal deelnemers, de nauwkeurigheid van de data en de toepassingsmogelijkheden. Met Wifi is het aantal deelnemers groot. Alle smartphones, die Wifi geactiveerd hebben, worden – of men wil of niet – gedetecteerd. Bij RFID en GPS is het vereist dat deelnemers zich aanmelden, een chip op de fiets plaatsen of een app downloaden. Dit vormt een drempel voor deelname. De nauwkeurigheid van de data is bij Wifi en RFID (passief) afhankelijk van het aantal en de locatie van antennes/inwinpunten. De nauwkeurigheid neemt toe, als het aantal inwinpunten toeneemt. De data van de GPS-tracking is altijd nauwkeuriger. Dat vergroot ook de toepassingsmogelijkheden, denk bijvoorbeeld aan de route-informatie. Hierna wordt ingegaan op de mogelijkheden om de data zoals verkregen vanuit verschillende bronnen tot relevante informatie te verwerken. 

Visualisatie fietsinformatie

Op het vlak van visualisaties zijn in de afgelopen jaren wel ontwikkelingen geweest. Het ontbrak echter voornamelijk aan een instrument dat deze data kon omzetten in beleidsrelevante fietsinformatie. NHTV heeft daarvoor Bike PRINT ontwikkeld. Bike PRINT zet in op de cumulatie van de GPS-data, het bewerken van de data, het visualiseren van de uitkomsten en het kunnen analyseren hiervan. De output kan globaal worden ingedeeld naar vier aspecten

• het beschrijven van het fietsgebruik,
• het analyseren van de fietsnetwerkkwaliteit,
• het bepalen van de potentie (bereikbaarheid) van de fiets van en naar bepaalde gebieden,
• het voorspellen van het effect van maatregelen voor de fietser.

In dit artikel gaan we specifiek in op de netwerkkwaliteit en het voorspellen van effecten van maatregelen.

Analyseren van de netwerkkwaliteit

Met behulp van de GPS-data kunnen de fietssnelheden en vertragingen op de afzonderlijke fietsverbindingen en knooppunten in beeld worden gebracht. Dit biedt inzicht op welke delen van het netwerk relatief veel vertragingen optreden voor de fietser. Relevante knelpunten in het netwerk zijn zo objectief te identificeren (). In het verleden werd deze informatie vaak verzameld door fietsers rond te laten rijden en tijden te registreren, waardoor er een selectief beeld ontstaat. Met de GPS-data – uitgaande van voldoende deelnemers – wordt het totale fietsnetwerk inzichtelijk gemaakt.

Het is slechts een aanname dat fietsers altijd de kortste route fietsen tussen de herkomst en de bestemming. Bike PRINT kan het feitelijke verschil tussen de feitelijk afgelegde routes uit het GPS-onderzoek in relatie tot de kortst mogelijke route voor deze verplaatsing tonen. Zo wordt inzichtelijk gemaakt op welke plekken fietsers omrijden en kan er door de beleidsmaker worden bepaald of er sprake is van een ontbrekende schakel in het fietsnetwerk of dat er verdiepend onderzoek nodig is naar de redenen hierachter.

Naast snelheidshinder ervaren fietsers ook andere vormen van weerstand: comfort, verharding, subjectieve en objectieve veiligheid, verlichting of herkenbaarheid van een route. Naast enquêtes zijn deze voorkeuren goed te meten met de routekeuze van de fietsers, en wel juist routes waar fietsers niet voor de kortste verbinding kiezen. De veronderstelling is dan, dat attractieve routes deze fietsers aantrekken, en als indicatormaat dient het verschil tussen een toedeling van waargenomen ritten op kortste routes met dezelfde ritten op de waargenomen routes.

Een andere aanname is dat de gemiddelde fietssnelheid 15 km/uur is. Analyse van fietssnelheden is echter meer dan de gemiddelde snelheid te berekenen. Op hetzelfde fietspad fietst een sportieve racefietser 36 km/uur, een gehaaste forens 24 km/uur en een groep kletsende scholieren 12 km/uur. Daarom meten wij naast absolute snelheden ook variatie in snelheid (kan iedereen zijn wenssnelheid aanhouden) en wachttijden – natuurlijk inclusief de tijd voor afremmen en weer optrekken.

De analyses van de netwerkkwaliteit bieden concrete aanwijzingen voor locaties waar verbeteringen in de fietsinfrastructuur wenselijk zijn. Verdiepend onderzoek op deze locaties kan vervolgens meer inzicht bieden in de aard van de problematiek en eventuele oplossingsrichtingen.

Voorspellen van de effecten van maatregelen

Door de GPS-data aan te vullen met modelgegevens zoals de sociaal economische data (bijvoorbeeld vanuit een regionaal verkeersmodel) ontstaat de mogelijkheid om effecten van nieuwe infrastructuur te voorspellen. Bike PRINT stelt de gebruiker in staat om zelf de effecten van ingrepen te bepalen door hogere fietssnelheden, minder vertragingen op knooppunten en de aanleg van nieuwe infrastructuur te simuleren. Zo kunnen meerdere scenario’s worden geschetst. De effecten op de netwerkkwaliteit worden vervolgens inzichtelijk gemaakt door kaartbeelden weer te geven van de situatie voor en na het invoeren van de maatregel. Hiermee worden afwegingen omtrent de inzet van maatregelen gebaseerd op objectieve data en vanuit een netwerkbreed perspectief. Uit een pilot die NHTV medio 2014 in samenwerking met de provincie Noord-Brabant heeft uitgevoerd, blijkt dat het doorrekenen van een provinciaal snelfietsroutenetwerk door toepassing van Bike PRINT tot een objectief getoetst totaalbeeld leidt van de potentie van alle afzonderlijke snelfietsroutes.  

Naar een impuls voor meer en betere fietsdata

Met de nieuwe technieken (Wifi, RFID, GPS) en de mogelijkheden die te visualiseren en analyseren ontstaat een scala aan mogelijkheden om fietsbeleid beter cijfermatig te onderbouwen. Een mogelijke valkuil voor het fietsbeleid is het overcompenseren van de situatie waarbij er minder kwantitatieve analyses werden uitgevoerd. Niet alle situaties lenen zich ervoor om cijfermatig te onderbouwen en kan een expert judgement ook toereikend zijn. Nederland heeft een rijke historie als het gaat om fietskennis die in binnen- en buitenland wordt ingezet. Het zou dan ook mooi zijn als de werelden van kwantitatief en kwalitatief onderzoek elkaar de komende tijd gaan vinden.

Tussenstand

Dit artikel is slechts een tussenstand. De technische ontwikkelingen op het gebied van data-inwinning gaan door. Ook de ontwikkeling van beleidsinstrumenten blijft in beweging, waarbij nieuwe samenwerkingsvormen ontstaan. Ook de werelden van utilitair en recreatief fietsgebruik komen dichter bij elkaar omdat met name in het recreatieve fietsverkeer het gebruik van GPS-ontvangers al vele jaren gewoongoed is. Daarnaast is het delen van deze data op een platforms zoals Strava populair onder de gebruikers. NHTV is op dit moment ook deze cross-over aan het verkennen om wellicht ook op dit vlak kennisinnovatie te kunnen initiëren.

Een impuls vanuit de Rijksoverheid

Tijdens het Nationaal Fietscongres 2014 is de publicatie NL Fietsland gelanceerd. NL Fietsland is een onderzoek dat zich richt zich op de bijdrage die de fiets kan leveren aan Rijksdoelstellingen zoals geformuleerd in de Structuurvisie Infrastructuur en Ruimte. Uit dit onderzoek blijkt dat die bijdrage aan een economisch concurrerend, bereikbaar, leefbaar en gezond Nederland, substantieel kan zijn. Ook blijkt dat er veel ruimte voor verbetering is en dat Nederland niet meer voorop loopt als het om innovatie, fiets en stad gaat. De Rijksadviseur ziet een rol voor het Rijk weggelegd om de nationale waarde van de fiets te benadrukken. Het initiatief richt zich op: kennis opbouwen, partijen bij elkaar brengen en experimenten starten. Samen met decentrale overheden, marktpartijen en andere stakeholders kan het Rijk de reputatie van Nederland als Fietsland versterken.

Initiatieven vanuit de markt: De Nationale FietsTelweek en nationaal fietsdata platform

Om in een efficiënte slag bruikbare GPS-fietsdata in Nederland te verzamelen, is het initiatief van de Nationale Fietstelweek gelanceerd door de Fietsersbond, Keypoint, Mobidot, NHTV en Beaumont. De eerste Nationale FietsTelweek vindt plaats in de derde week van september 2015 en wordt een jaarlijks terugkerend fenomeen. De FietsTelweek is geïnspireerd op de Nationale Tuinvogeltelling, zoals die wordt georganiseerd door de Vogelbescherming. De focus ligt op het tellen en registreren van alle fietsverplaatsingen in Nederland gedurende een week. Deelnemers worden uitgedaagd om zoveel mogelijk fietskilometers te maken. Met als resultaat: meer mensen op de fiets én meer inzicht in het gebruik van het fietsnetwerk.

Wie trekt de kar?

De zoektocht is nu hoe een impuls kan worden gegeven aan het genereren van meer en betere fietsdata. Vanuit de markt ontstaan initiatieven. Om de initiatieven kansrijk te laten zijn, is de aanjaagrol van de Rijksoverheid cruciaal. Met het verschijnen van de publicatie NL Fietsland laat de overheid ook zien de komende jaren een actievere rol te willen spelen om de reputatie van Nederland Fietsland verder te versterken. Samen met de kracht van de (fiets)regio’s van Nederland moet het mogelijk zijn om meer en betere fietsdata te genereren.

Het model van de toekomst

Dit is volgens ons ook het model van de toekomst waarbij verschillende partijen initiatieven nemen om de kennis op een hoger plan te brengen. Het voortbouwen op reeds ontwikkelde kennis (ook uit andere vakgebieden) leidt er toe dat Nederland Fietsland blijft op het gebied van gebruik, maar zeker ook als het gaat om fietskennis en fietsonderzoek. 

Bibliografie 

1. Borgman, F., Kamminga, J., Zeegers, T., & Fietsersbond (2010) ‘Meer fietsen met minder risico, de belangrijkste thema’s voor het lokale fietsbeleid voor de komende jaren’, Gepubliceerd door: Fietsersbond.

2. Coevering, PP van de (2013), ‘De invloed van temporele dynamiek op de relaties tussen attitudes, de gebouwde omgeving en verplaatsingsgedrag’. In: Bijdragen Colloquium Vervoersplanologisch Speurwerk gehouden te Rotterdam.

3. Department of Defense (2008), GLOBAL POSITIONING SYSTEM STANDARD POSITIONING SERVICE PERFORMANCE STANDARD. Washington,  USA.

4. Duppen, van J. & Spierings, B. (2013) ‘Retracing trajectories: the embodied experience of cycling, urban sensescapes and the commute between ‘neighbourhood’ and ‘city’ in Utrecht, NL’, In: Journal of Transport Geography, 30, pp. 234-243

5. Geurs, K. & T. Thomas (2012), ‘The Dutch Mobile Mobility Panel’. NWO research project by Centre for Transport Studies Twente University, Mobidot and CentERdata. NWO, Den Haag.

6. Goevorden, K. & Godefrooij, T. (2010) ‘Ontwikkeling fietsbeleid en - gebruik in Nederland’ in: Colloquium Vervoersplanologisch Speurwerk, pp. 1-15.

7. Google (2013) Our Mobile Planet: Nederland. Inzicht in de mobiele consument

8. Koopman. J. (2014) De reis is belangrijker dan de eindbestemming. Een onderzoek naar het in kaart brengen van fietsroutes met wifi-tracking. Afstudeeronderzoek NHTV Breda opleiding Mobiliteit. Keypoint Utrecht

9. Kuijten, R-J, (2014) ‘Van GPS data naar beleidsinformatie; Hoe praktisch is Bike PRINT?’. Afstudeerscriptie NHTV Breda opleiding Mobiliteit. SRE, Eindhoven.

10. Leeuw, de G. (2014) ‘De fietser op de fiets in en door de stad’: Masterthesis Stadsgeografie Universiteit Utrecht. Gemeente Eindhoven, Eindhoven.

11. Meinders, T. (2014), ‘Duurzaam Spitsmijden met de SLIM app’. Afstudeerscriptie NHTV Breda opleiding Mobiliteit. ARS, Den Haag.

12. Rijn, B.W. van, (2014), ‘Van detectiepulsen naar fietsintensiteiten’. Afstudeerscriptie opleiding Mobiliteit NHTV. IT&T, Elst.

13. Scheper, W. & E. Klok (2014) De toepassing van wifi in verplaatsingsonderzoek langzaam verkeer. Bijdrage Nationaal verkeerskundecongres , Keypoint Consultancy

14. Spek S., van der, van Schaick J., de Bois P., de Haan R. ‘Sensing Human Activity: GPS Tracking.’ Sensors. 2009; 9(4):3033-3055.

15. Stopher, P., Clifford E. , Swann, N., Zhang, Y. (2009), ‘Evaluating voluntary travel behavior change: Suggested guidelines and casestudies.’ Transport Policy 16: 315–324.

16. Verkeersnet (2012) Positive Drive app gelanceerd. Geraadpleegd op 30 juni 2014. http://www.verkeersnet.nl/8033/positive-drive-app-gelanceerd/.

 
Auteur: Margriet Verhoog