26 oktober 2010

OViN in de praktijk

Sascha Hoogendoorn-LanserKennis Instituut voor Mobiliteitsbeleid

Met dank aan:Rob van Nes (TU Delft)Peter Jorritsma en Peter Bakker (KiM)Sjef Moerdijk (RWS)

Praktijkvoorbeelden

• Verleden: Modelleren reisgedrag in multi-modaal netwerk(promotieonderzoek TU Delft)

• OVG (1995-1997) analyse richtinggevend voor vervolgonderzoek(inzicht in kenmerken van beoogde doelgroep)

• Heden: Mobiliteitsbalans (KiM)• OVG/MON (1987-2007) analyse om ‘foto’ te geven van actueel

verplaatsingsgedrag, of om ontwikkeling van verplaatsingsgedrag in deloop van de tijd te schetsen

• Toekomst: Mogelijkheden nieuwe technologieëngegevensverzameling (KiM)

• Onderzoek naar mogelijkheden die nieuwe technologieën kunnen biedenom veel en geautomatiseerd gegevens te verzamelen over de mobiliteitvan personen en goederen (Wat wordt rol OViN?)

2

Verleden

Modelleren reisgedrag multi-modaal netwerk (1)

• Multi-modale reis is een reis met tenminste 1 overstap tussen 2 –niet noodzakelijk verschillende – gemechaniseerde modaliteiten

Modelleren reisgedrag multi-modaal netwerk (1)

• Hoofdonderzoeksvraag: Welke kennis hebben reizigers van multi-modaal vervoer en welke rol spelen kenmerken spelen rol bij keuze?

• OVG data gebruikt om te achterhalen waar multi-modale reizigers tevinden zijn en welke kenmerken verplaatsingen en personen hebben

• Uitgevoerde analyses waren dus basis voor vervolgonderzoek

Verdeling type herkomst/bestemmingsgebied

0% 5% 10% 15% 20% 25%

Rural area

Village

Commuter town

Small town

Town

City

Large city

City centre

Unimodal trips Multimodal trips0% 5% 10% 15% 20% 25%

Rural area

Village

Commuter town

Small town

Town

City

Large city

City centre

Unimodal trips Multimodal trips

Departure/home Arrival/activity

Verdeling triplengte

0%

10%

20%

30%

40%

50%

60%

<5km 5-10km

10-20km

20-30km

30-50km

50-75km

75-100km

100-150km

>150km

All trips Multimodal trips

Verdeling hoofdvervoerwijze

2,9100Alle mobiliteiten

1,72,1Overig

0,716,0Lopen

0,127,6Fiets

21,22,0Bus

20,40,9Tram / metro

80,52,1Trein

1,613,1Auto passagier

0,536,2Auto bestuurder

Percentage multi-modaal [%]

alle reizen [%]Hoofdmodaliteit

Verdeling reismotief

0% 10% 20% 30% 40%

Work

Business

Education

Shopping

Social

Recreational

Escorting

Other

All trips Multimodal trips

Modelleren reisgedrag multi-modaal netwerk (2)

• Slechts 2,9% van alle reizen zijn multi-modaal• Aandeel multi-modaal vervoer is grootst voor:

• Reizen van/naar grote steden• Hoofdvervoerwijze trein• Middellange (10-30 km) of lange (> 30 km) afstand• Motief werk of studie

• Persoonskarakteristieken, zoals leeftijd, inkomenautobeschikbaarheid en nabijheid van treinstations hebbenslechts beperkte invloed op aandeel multi-modaal vervoer

Heden

Wanneer gebruikt KiM het OVG/MON/OViN?

• Merendeel van KiM-werk is vraaggestuurd. Databehoefteverschilt daardoor sterk per project, en van jaar tot jaar

• Het MON/OViN wordt bij projecten vooral benut om ‘foto’ tegeven van actueel verplaatsingsgedrag, of om ontwikkelingvan verplaatsingsgedrag in de loop van de tijd te schetsen

• KiM-studies met gebruik van MON/OViN:• Mobiliteitsbalans 2007, 2008, 2009, 2010• Het belang van openbaar vervoer: de maatschappelijke effecten

op een rij (2009)• Grijs op reis: over de mobiliteit van ouderen (2008)• Het scheiden van de markt; vraagontwikkelingen in het personen-

en goederenvervoer (2009)• Vaker op de fiets? Effecten van overheidsmaatregelen (2007)

Mobiliteitsbalans

• KiM brengt jaarlijks de Mobiliteitsbalans uit (kernproduct)• Doel Mobiliteitsbalans is om beleidsmakers, onderzoekers, politici en

organisaties werkzaam in verkeer en vervoer van objectieve(achtergrond-)informatie te voorzien

• Mobiliteitbalans geeft overzicht van stand van zaken van mobiliteit inNederland, zowel beschrijving van ontwikkeling van mobiliteit alsverklaring voor groei van personen- en goederenvervoer

• Resultaten kunnen gebruikt worden voor beleidsvorming of voorwetenschappelijke verhandelingen en vormen input voor hetmaatschappelijk debat over mobiliteit in zijn algemeenheid

• Daarnaast uitdiepen één of meer nader te bepalen onderwerpen(‘witte vlekken’ in kennis, beschouwingen over actuele onderwerp ofof aanvullende analyses op onderwerpen uit Mobiliteitsbalans)

Verdeling woon-werk-reistijd pendelaars(1987 – 2007)

2007

1997

2007

1987

Aantal auto’s onderweg naar dag & tijdstip(gemiddeld over 2004-2008)

Activiteit eerste bestemming activiteitenketen alsaandeel van aantal verplaatsingen (MON 2008)

Het belang van openbaar vervoer:de maatschappelijke effecten op een rij

Aandeel vervoerwijzen in aantallen perafstandsklasse

Analyse fietsgebruik

Motief autoverplaatsingen naar afstandsklasse

Verdeling vervoerwijzekeuze naar rijbewijsbezit

Verdeling over vervoerbewijzen

Aandeel trein en overig OV

Aandelen vervoerbewijzen in verplaatsingsmarkt

Toekomst

Nieuwe technologieën gegevensverzameling (1)

• De mens als “digitale signaalgever”: door te reizen, te bellen, te werken, tepinnen, boodschappen te doen etc. zenden we voortdurend signalen uit

• Om een idee te krijgen van het aantal signalen dat wordt uitgezonden,bekijken we het leven van een willekeurige persoon:• stapt `s ochtends in de auto (navigatiesysteem/kenteken- en rijbewijsregistratie) of

gaat met het Openbaar Vervoer (OV-chipkaart)• informeert onderweg een collega dat hij 10 min later is (sms)• gaat het kantoor binnen (toegangspasje)• chipt in het bedrijfsrestaurant (chipknip)• zoekt waar zijn beoogde nieuwe televisie het goedkoopst is (Internet)• zet wat foto`s van zijn verjaardag op Facebook (social media)• belt na zijn werk met zijn vrouw wie de kinderen ophaalt (GSM)• haalt geld (pinnen)• doet boodschappen bij Albert Heijn (bonuskaart)• …

Nieuwe technologieën gegevensverzameling (2)

• Als we in staat zijn deze signalen op te vangen en te verwerken totbruikbare informatie dan biedt dit legio mogelijkheden om veel engeautomatiseerd gegevens te verzamelen over de mobiliteit vanpersonen

• Manier van data verzamelen zal veranderen van het inrichten vaneigen inwinning naar het opvangen van uitgezonden signalen (vanlussen van Rijkswaterstaat naar GSM/GPS)

Nieuwe technologieën gegevensverzameling (3)

• KiM start dit najaar project “(On-)mogelijkheden nieuwetechnologieën gegevensverzameling“ met als belangrijkste vragen:• Welke mogelijkheden bieden gegevens uit nieuwe technologieën in

termen van bruikbaarheid voor beleidsanalyse en/of –monitoring?• Zijn deze gegevens representatief voor Nederland?• Welk type gegevens worden waargenomen en welke niet?• Zijn alle data beschikbaar of alleen bepaalde aggregaties?• Beperken regels voor anonimiteit de beschikbaarheid van data?• Welke conventionele en nieuwe instrumenten kunnen in de behoefte aan

beleidsinformatie voorzien?

Nieuwe technologieën gegevensverzameling (4)

• Een bestand als het OViN blijft ook in de toekomst noodzakelijk,omdat:• ruwe data ≠ informatie (gsm-mast locaties ≠ reistijden)• nieuwe informatie dekken niet de lading (reismotief)• privacy aspecten• eigendomsdiscussie• kosten

• CBS maakt start met deelproject “Onderzoek nieuwe databronnen”uit Speerpunt Mobiliteit

• Voor de discussie straks: Uitdaging voor CBS is hoe deze nieuwe dataom te zetten in informatie die gebruikt kan worden om statistiekenover verkeer en vervoer (doelmatiger) samen te stellen, uit tebreiden of zelfs geheel nieuwe statistieken te maken

Sascha Hoogendoorn-LanserKennis Instituut voor Mobiliteitsbeleidsascha.hoogendoorn@minvenw.nl06–52077329

Voor de discussie

• KiM wensen ten aanzien van OViN• Voldoende volume om onbetrouwbaarheidsmarges te beperken• Vraag naar gebruik van Hoofdwegennet bij autoverplaatsingen• Tijdige levering• Goede aansluiting op andere databestanden• Goede omgang trendbreuk MON/OViN