Overheden bundelen kennis voor betere verkeersmodellen

Hoe beïnvloeden stad en omgeving de vervoerskeuze?

Sweco onderzocht voor SIVMO hoe ruimtelijke kenmerken en stedelijkheid de vervoerskeuze beïnvloeden. Het onderzoek laat zien hoe verkeersmodellen deze factoren beter meenemen, zodat mobiliteitsvoorspellingen realistischer worden.

Waarom voorspellen verkeersmodellen de modal split niet goed?

Verkeersmodellen vormen de basis voor mobiliteitsbeleid. Toch voorspellen ze de verdeling van vervoerwijzen (modal split) niet altijd nauwkeurig. Belangrijkste knelpunten: 

• Overschatting van autogebruik in stedelijke gebieden
• In landelijke gebieden: juist het omgekeerde effect
• Onderschatting van fiets en openbaar vervoer

SIVMO wilde beter begrijpen welke ruimtelijke kenmerken deze afwijkingen veroorzaken en hoe modellen daarop aangepast kunnen worden.

Data-analyse verbetert verkeersmodellen

Sweco combineerde internationale kennis met Nederlandse data om verkeersmodellen te verbeteren. Deze aanpak laat zien welke factoren echt invloed hebben op vervoerskeuze en hoe zwaar ze meewegen in modellen:

• Analyse van internationale literatuur over mobiliteitsmodellen
• Koppeling van Nederlandse databronnen (inwoners, huishoudens, mobiliteit en omgeving)
• Ontwikkeling van een keuzemodel voor vervoerwijzen
• Validatie met data uit 2010, 2014 en 2018

Belangrijke verbeteringen

• Betere inschatting van vervoerskeuze per gebiedstype
• Realistischere voorspellingen van mobiliteitsgedrag
• Sterkere basis voor mobiliteitsbeleid

In verkeersmodellen maken we gebruik van veel verschillende kenmerken van de openbare ruimte. Maar er was ruimte voor verbetering. Met onze aanbevelingen gaan de modellen de mobiliteit nog beter voorspellen. – Peter van Bekkum, senior projectmanager bij Sweco

Een vernieuwende methode

Dit onderzoek neemt in Nederland een bijzondere positie in. Hoewel internationale bronnen de aanleiding voor het onderzoek vaker noemen, zijn er wereldwijd weinig voorbeelden te vinden waarin mogelijke oplossingen op deze manier zijn uitgewerkt. Onze opdrachtgever beschouwt onze methode dan ook als uniek. Zelden is de samenhang tussen verschillende databronnen zo diepgaand getoetst. 

Techniek en innovatie voor verbetering verkeersmodellen

Door specifieke kenmerken van de omgeving toe te voegen, schatten de modellen de keuze voor een vervoerwijze nauwkeuriger in. Dit biedt overheden een stevig fundament om hun mobiliteitsbeleid op te baseren. Ons onderzoek bewijst dat de techniek achter verkeersmodellen flink verbetert wanneer de juiste indicatoren voor zowel stedelijk als landelijk gebied meegewogen worden. 

De weg vrijmaken voor betere besluiten

SIVMO stelde een begeleidingsgroep samen met experts van onder andere Rijkswaterstaat WVL en de gemeenten Rotterdam en Utrecht. Onze experts stemden het plan van aanpak af met deze groep, deelde tussenresultaten en besprak de uitkomsten in workshops en stuurgroepoverleggen. Deze werkwijze zorgde voor scherpte in het onderzoek en draagvlak voor de aanbevelingen. 

Betere voorspellingen voor toekomstig mobiliteitsbeleid

Dankzij dit onderzoek krijgen overheden beter inzicht in:

• De invloed van stedelijkheid op mobiliteit
• De rol van ruimtelijke kenmerken
• De verbetering van voorspellingen van vervoerwijzen

Dit helpt bij het ontwikkelen van mobiliteitsoplossingen die beter passen bij hun omgeving. SIVMO is inmiddels gestart met pilots om de aanbevelingen in de praktijk toe te passen