Data helpt gemeenten bij regelen bereikbaarheid en last mile

Roemer Dolman is adviseur verkeersmodellen en data bij de afdeling Mobiliteit bij Sweco. Dolman ziet bij de klanten van Mobiliteit rond het thema bereikbaarheid en de last mile een tweesplitsing, die afhangt van het soort stad of dorp en van de vervoerswijze die daar gebruikelijk is: “Veel steden geven de auto niet meer zo veel prioriteit omdat je volgens hen vrijwel overal te voet, per fiets of met het ov kan komen. Bij die steden gaat het bij bereikbaarheid en de last mile om het organiseren van voldoende spreiding van het ov-netwerk en om het faciliteren van deelfietsen, deelscooters of ov-fietsen bij bepaalde locaties. Bij andere, meer landelijke gemeenten zien we dat de afhankelijkheid van de auto nog groot is en dat dat op de korte termijn ook niet gaat veranderen. Daar gaat bereikbaarheid en last mile meer over het zorgen van voldoende parkeerplekken voor de deur en over een goede verkeersontsluiting, die zo min mogelijk overlast geeft en op een zo’n duurzaam mogelijke manier plaatsvindt. Denk daarbij ook aan strategisch geplaatste mobiliteitshubs.” 

Data

Bij het vormgeven van het juiste beleid rond bereikbaarheid en de last mile, kan data volgens Sweco een belangrijke rol spelen. Tegelijkertijd is er echter maar weinig data specifiek over dit onderwerp voorhanden. Sweco probeert desalniettemin de klanten hierbij op twee manieren te ondersteunen, zegt Dolman: “Ten eerste kijken we naar welke type data en modellen de besluitvorming van de klant over beleid het beste kunnen ondersteunen. Bijvoorbeeld over parkeerplaatsen of het aantal benodigde deelfietsen en deelauto’s. Ten tweede kijken we hoe we met data en modellen kunnen komen tot voorspellingen, bijvoorbeeld bij nieuwbouwwijken, over het effect van meer duurzamere mobiliteitsvormen en minder auto’s op de bereikbaarheid en de last mile in zo’n wijk.”

Dolman geeft een voorbeeld: “In 2023 benaderde een stad ons met een woningbouwopgave, die een andere demografische samenstelling zou krijgen dan de rest van de stad. We konden daarom niet lokaal extrapoleren. Omdat we tegelijkertijd wisten, dat die stad ook duurzamer en ‘hipper’ wilde worden, hebben we ze geadviseerd naar andere steden te kijken met een vergelijkbare aanpak. Met hun goedkeuring hebben we toen de data van die steden genomen en zijn alsnog tot een goede oplossing voor de klant gekomen.”