Hoe fietsparkeervoorzieningen, treinbediening en andere “fiets-in-ketenvoorzieningen” ons verplaatsingsgedrag beïnvloeden

Leidt het toevoegen van fietsparkeerplekken bij stations tot meer fiets- of treinverplaatsingen? Welke rol speelt de kwaliteit van deze parkeervoorzieningen daarbij? Zorgen betere voorzieningen zoals winkels op stations en de beschikbaarheid van OV-fietsen voor minder autoritten, omdat reizigers daardoor eerder geneigd zijn voor de trein kiezen? De mechanismen lijken duidelijk.

Meer en kwalitatief goede fietsvoorzieningen zorgen voor meer fietsgebruik, betere stationsvoorzieningen zorgen voor meer treingebruik, enzovoort. Hoe groot is precies de invloed van ‘fiets-in-keten-componenten’ als fietsparkeervoorzieningen, treinbediening en stationsvoorzieningen op het verplaatsingsgedrag? Tot hoeveel extra OV-, auto-, en fietsritten leidt de toevoeging of verbetering van ketenvoorzieningen? Is er verschil in effecten voor inwoners rondom stations met effecten voor bezoekers van deze locaties? Wat is het effect op wisselende afstanden van stations? Studio Bereikbaar en Decisio voerden in opdracht van de Tour de Force een verkennende studie uit en kwamen tot interessante conclusies.  

In de studie is het effect van 18 geanalyseerde componenten geschat voor zeven indicatoren voor verplaatsingsgedrag. Ook is de jaar-op-jaar-trend geschat die de afgelopen 10 jaar zichtbaar was in deze effecten. Tot slot zijn de invloed van de afstand tot het station en de invloed van de lokale nabijheidsindex geschat. Per indicator is een kwantitatief model opgesteld waarmee berekend kan worden wat het landelijk gemiddelde effect op het verplaatsingsgedrag is wanneer componenten worden toegevoegd of verbeterd. De ontwikkelde modellen zijn bruikbaar voor een eerste-orde inschatting van de effecten op verplaatsingsgedrag bij wijziging van de onderzochte voorzieningen en faciliteiten, zoals opwaardering van een station, investeringen in de fietsinfrastructuur, wijziging van de fietsparkeervoorzieningen, uitbreiding van het aantal inwoners, upgrade van een station en/of een inschatting van de autonome trend.  

Voor de ontwikkelde modellen zijn verschillende toepassingen te bedenken. In de studie zijn bijvoorbeeld kaarten gemaakt die het verplaatsingsgedrag in de postcodegebieden rond 54 geselecteerde stations laten zien. Er zijn kaarten met het aantal daadwerkelijk gemeten verplaatsingen (volgens ODiN) en kaarten met het aantal verplaatsingen op basis van de ontwikkelde schattingsmodellen. Ook zijn kaarten met het verschil tussen het aantal gemeten en verwachte ritten gemaakt. Met deze kaarten wordt duidelijk wat de voorspellende waarde van de modellen is. Onderstaande afbeelding laat mooi zien rond welke stations veel meer (voornamelijk groene bollen, zoals Leiden en Groningen) of minder (voornamelijk rode bollen, zoals Rotterdam en Almere) fietsritten zijn gemeten dan volgens het landelijke model verwacht zouden worden. Dit voorbeeld maakt ook goed duidelijk dat de uitkomsten van het onderzoek niet generiek toegepast kunnen worden. Er is sprake van locatie- en contextafhankelijke residu-factoren zijn en die het maken van (in dit geval: fiets-)ritten beïnvloedt, maar juist dit residu wordt op deze wijze kwantitatief gemaakt. En is daarmee in de tijd te volgen of dit afneemt of toeneemt. Een conclusie van het onderzoek is dan ook dat deze kentallen in wisselende locatiestudies kunnen worden toegepast om effecten van maatregelen te voorspellen maar ook achteraf te evalueren om fiets-in-keten-gebruik te bevorderen. 

Dit artikel stond al eerder in MobiliteitsPlatform #4. Het hele magazine lezen? https://digitals.acquire.nl/mobiliteit