Fietsdata als tool om de potentie en het belang van de fiets te onderbouwen

Het Fietsdata Panel bestaat uit een deel van de Raad van Advies van het Nationaal Fiets Congres: Divera Twisk (coördinator fietsonderzoek SWOV), Herbert Tiemens (senior beleidsmedewerker fietsverkeer provincie Utrecht) en Eug?ne van de Poel (VNG). Een eerste vraag is waarom de data-inwinning voor de fiets nog zo in de kinderschoenen staat. Tiemens: “De fiets is goedkoop: de ingrepen ten behoeve van de fiets zijn dusdanig kleinschalig dat je er beperkt onderzoek naar hoeft te doen. De aanleg van een fietspad kost misschien een half miljoen. Leg je een busbaan aan dan kost dat 50 miljoen. Omdat dit grote investeringen zijn moet je dit uitgebreider verantwoorden en heb je een groter onderzoeksbudget, in tegenstelling tot de fiets.”

Fietsveiligheid

En daarmee laat je kansen en belangrijke informatie liggen, vindt Divera Twisk. “Vanuit verkeersveiligheidsperspectief wil de SWOV graag aantallen weten. Hoe vaak raakt een fietser gewond of hoe vaak komt een fietser om? Daarnaast willen we weten op welke plekken dat gebeurt, welke interacties er plaatsvinden en welke patronen we daarin kunnen ontdekken. De nu beschikbare data is nog te beperkt. Van de fiets weten we alleen dat er een fietser is omgekomen, laat staan wanneer en hoe. Al die oorzaken ken je niet. Bij enkelvoudige ongevallen is dat helemaal het geval. Daar zijn echter weinig dodelijke slachtoffers. Kijk je naar de ernstig gewonden bij enkelvoudige ongevallen dan kun je de ziekenhuisregistratie raadplegen, maar de omstandigheden weet je niet. Veiligheid NL houdt voor veertien van de circa 105 ziekenhuizen bij wie er op de eerste hulp komen, dan weet je wel iets over de oorzaak en het letsel, maar dat is steekproefinformatie.” Eug?ne van de Poel onderkent dit: “Gegevens over de jaarlijkse ontwikkelingen zijn er gewoonweg niet. We kunnen amper aangeven waar de ongevallen plaatsvinden; gemeenten zelf ook niet. Gemeenten kunnen het verkeersveiligheidsbeleid dan ook onvoldoende handen en voeten geven omdat de verkeersdata ontbreken. De politie is echter wel meer aan het registreren. Ook de start van de STAR Safety Deal speelt hierin een belangrijke rol. Dit moet nog worden geïmplementeerd, maar ik heb er vertrouwen in dat er dan veel nuttige data vrijkomen, ook op het gebied van enkelvoudige fietsongevallen.” Twisk vult aan: “We voeren ook diepteonderzoek uit, maar ook dat biedt niet dekkende steekproefinformatie. Het gaat hierbij om een andere manier van data verzamelen: we onderzoeken exact wat er heeft plaatsgevonden, mede om meer inzicht te krijgen in categorieën, zoals senioren of jongeren. Gelukkig gebeuren er per gemeente weinig dodelijke ongevallen. En het is heel erg verdund, verspreid. Ook zijn er bijna geen echte blackspots meer.  Om die reden werken we  nu ook met Safety Performance Indicators (SPI's), als alternatieve proactieve indicatoren van verkeersonveiligheid. In plaats van ongevallen, kijk je dan naar potentieel gevaarlijke situaties met het doel die op te lossen.  Het  gaat dan over zaken als de breedte van de weg, de samenstelling van het verkeer, de overgang naar de berm, het overzicht in een bocht en de kwaliteit van het wegdek. Het uitgangspunt is ingrijpen voordat er ongevallen gebeuren; de put dempen voordat het kalf verdronken is." Dit staat echter nog in de kinderschoenen. Tiemens vertelt dat in de Fietsrouteplanner van de Fietsersbond ook veel data over de kwaliteit van fietsinfra zit. “Op basis van kenmerken wordt je meest ideale route uitgestippeld. Een wielrenner vermijdt bijvoorbeeld binnenstedelijke gebieden en klinkerwegen. Per wegvak zijn door vrijwilligers de kenmerken in kaart gebracht, die kun je als wegbeheerder ook goed gebruiken. Het kost 150.000 euro per jaar om de dienst in stand te houden. Stel je vraagt gemeenten een abonnement van 5 cent per inwoner per jaar af te nemen, dan hebben ze alle gegevens over hun fietspaden, dat is toch fantastisch?”

Open data en standaardisatie

Hoe noodzakelijk is open data en standaardisatie? Beschikbaarheid van open data verbetert immers de handzaamheid van de beschikbare data. En waar moet de data uiteindelijk worden verzameld? Standaardisatie is een must, vinden alle panelleden, er moet structuur in de data-inwinning worden aangebracht. Het inwinnen van data is nu echter nog vooral ‘hapsnap werk’, we zitten nog in de experimentele fase. “Maar dat is goed”, vindt Tiemens. “Laat duizend bloemen bloeien en laten we onderzoeken of het tot volle wasdom komt. Dan wordt het vanzelf doorontwikkeld.” Vergelijk het met de manier waarop het ministerie onderzoekt hoe je met alternatieve brandstoffen omgaat. Ook voor data geldt: het beste voorstel wint. Twisk: “Maar we moeten inderdaad afspraken over standaardisatie maken om gelijk luidende data in te winnen. Probeer de data in ieder geval zo objectief mogelijk in te winnen en te gebruiken om het beleidsproces te ondersteunen. Het bewijs is dan het uitgangspunt in de maatschappelijke discussie. Nu is het zo dat de fiets op achterstand staat omdat je geen data hebt. En vanuit consumentenperspectief zou een sterrensysteem misschien een goede tool zijn om voorzieningen mee te beoordelen.”

Praktijkvoorbeelden

Er zijn al genoeg mooie praktijkvoorbeelden op te sommen. Positive Drive in Breda bijvoorbeeld: gebruikers werden beloond na het afleggen van bepaalde routes. Hoewel dit bij gebrek aan consequente gebruikers beperkte informatie opleverde, heeft de dienst zich technisch wel bewezen en wordt deze nu ingezet in Leeuwarden, waarbij het wordt gekoppeld aan de Park & Bike locaties. Ook B-Riders is een goed voorbeeld; een project binnen Beter Benutten, waarmee de provincie Noord-Brabant en het ministerie van Infrastructuur en Milieu werken aan een betere doorstroming in de spits: ‘uit de auto, op de fiets’. Andere voorbeelden zijn de slimme apps Tripzoom van DTV Consultants en MoveSmarter van Mobidot, de Fietsbarometer van de provincie Antwerpen en Veiligstallen.nl: een koppeling tussen de data van Veiligstallen.nl en de data van de Fietsrouteplanner van de Fietsersbond. Deze open data levert actuele informatie over stallingslocaties. Het gebruik van apps door gemeenten bevindt zich nog in de experimenteerfase, maar het is duidelijk dat er al wel veel interessante dingen uit komen. Het is echter (nog) lastig om de beschikbare data te interpreteren en de data is meestal nog niet dekkend. “Neem het OViN (Onderzoek Verplaatsingen in Nederland van het CBS en Rijkswaterstaat, red.)”, haakt Van de Poel aan. “Het aantal enquêtes is dusdanig afgenomen dat je er op lokaal niveau niets meer mee kan.” Twisk: “Er zitten veel onzekerheden in omdat het zo is versmald, waardoor er bovendien trendbreuken zijn ontstaan.”

Utrecht bouwt aan fietsverkeersmodel

Tiemens bouwt aan een fietsverkeersmodel op basis van data uit het OViN om de fietsstromen in kaart te brengen voor de hele provincie Utrecht; net als bij een autoverkeersmodel. Hij licht toe: “Meerjarige gegevens van OViN zijn daar wel voldoende geschikt voor. Het is een agent based modellering: individuen worden gemodelleerd, die kun je uit het OViN halen en vervolgens extrapoleren (ophogen). Dat vergt echter nogal wat aanpassingen. Je moet bovendien teldata hebben om te verifiëren of hetgeen in je model zit ook correspondeert met de werkelijkheid. Ik ben inmiddels al twee jaar bezig om de data boven water te krijgen.” Een positieve ontwikkeling, maar Van de Poel denkt dat dit in andere provincies heel moeilijk van de grond zal komen. Tiemens is dan ook op zoek naar een methode om dit makkelijker te maken voor andere overheden. Uiteindelijk is het de bedoeling dat het open data wordt. “Wat we willen doen is een aantal vaste meetpunten neerleggen en op basis daarvan een soort hartslag van de regio bepalen. De fluctuatie is nu echter nog groot. We kunnen er fietssnelheden uithalen, maar weten de herkomst en bestemming niet. Maar als je de toenemende drukte op het fietspad in kaart wilt brengen, dan kun je dat met deze techniek in kaart brengen.”

Toekomst

Wat is er nog nodig om fietsdata goed te kunnen ontsluiten? Wat vraagt dit van overheden, de markt, kennisinstellingen? Tiemens: “Ik denk dat je uiteindelijk je argumentatie veel beter op orde kunt krijgen met fietsdata. In het verleden is er heel veel geïnvesteerd in de fiets door pressie van actiegroepen, maar met data kun je veel nauwkeuriger bepalen wat nodig is en wat er mogelijk is, ook voor fietsenstallingen. Om hier te komen zouden kennisinstituten de kaders aan moeten geven waarbinnen je de data kunt verzamelen: wat zijn de uitgangspunten en manieren van data-inwinning. Overheden moeten zich hier op hun beurt bewust van zijn. Zorg dat je de markt uitdaagt open data te genereren op het moment dat je een aanbesteding doet voor bijvoorbeeld een Fiets Route Informatie Systeem (FRIS). Doe op voorhand een specifieke uitvraag.”

Manieren voor data-inwinning

Elke methode om data in te winnen heeft voor- en nadelen. De keuze die je hier als gemeente in maakt is afhankelijk van wat je wilt weten. Een greep uit de mogelijkheden:
1. Telslangen;
2. Radar- en infrarooddetectoren; 
3. Videocamera’s (deze drie bieden mogelijkheden snel en flexibel op verschillende punten te meten); 
4. Fietscomputers van e-bikes; 
5. Smartphone en Apps (als je wilt weten welke routes fietsers afleggen); 
6. Wi-Fi metingen (bijvoorbeeld in Lochem uitgevoerd); 
7. Individuele fietsers de hele weg volgen met GPS-tracking is nauwkeuriger;
8. Een goede analysetool is bijvoorbeeld BikePrint van de NHTV.

Ook het ministerie van IenM reageerde op de ontwikkelingen rond fietsdata.

Lees hier het interview >>

Geen artikel meer missen? Word nu Lid!