september 2012

27 september 2012

E-bike kan fietsverkeer met meer dan 20% doen toenemen

In 2010 werden 1.186.000 nieuwe fietsen verkocht, Daarvan waren er 166.040 (14 procent) voorzien van elektrische trapondersteuning. In 2011 werden 178.000 elektrische trapondersteunde fietsen verkocht, meldt de RAI Vereniging. Deze groei is al enkele jaren waar te nemen. Door opkomst van de e-bike wordt de afstand die per fiets afgelegd kan worden behoorlijk vergroot. Hierdoor komen omliggende kernen ineens binnen fietsbereik van de stad. Hoeveel kansen biedt de e-bike biedt voor de bereikbaarheid van de grote steden?

Het KpVV heeft een analyse gemaakt naar de potentie die de e-bike biedt voor het woon-werk verkeer naar alle grote steden van Nederland. Voor de 'werklocatie' is uitgegaan van de intercity stations. Vervolgens is een analyse gedaan van het aantal inwoners in diverse ‘kringen’ rondom de stad. 

De complete kaart op A3 formaat kunt u hier downloaden. Hierin staan alle intercity stations in Nederland.

In de bijbehorende Excel tabel vindt u indicatieve cijfers voor alle gemeenten binnen een straal van 15 km van een intercitystation. Er is geen rekening gehouden met factoren zoals barrières als heuvels spoorwegen en kanalen, noch met congestie en kwaliteit van OV en fietspaden. Een uitgebreide toelichting op de uitgangspunten vindt u in het Excel bestand.

Verwachtte toename per afstandsklasse
Uit onderzoek door TNO/Bovag/HBD blijkt dat per afstandsklasse de volgende toenames mogelijk zijn als de elektrische fiets gebruikt gaat worden:
- tot 2,5 km is geen toename te verwachten,
- 2,5 -5 km is de verwachte groei 10%,
- 5- 7,5 km is de verwachte groei 43%,
- 7,5-10 km is de verwachte groei 23% en
- 10-15 km is de verwachte groei 38%.


Deze groei is opgeteld bij de huidige modal split. Door de inwoneraantallen per afstandsklasse te vermenigvuldigen met deze nieuwe modal split is een inschatting gemaakt van de potentie van de e-bike op het aandeel fietsverkeer. In het databestand vindt u de resulaten voor alle steden met een intercitystation. Onderstaand staan enkele voorbeelden uitgewerkt. De kaartjes geven een beelt van de bebouwing en de inwonertallen op de verschillende afstandsklassen.

Veel winst in stedelijke agglomeraties:


Voorbeeld Schiphol 


Isochroon: afstandsklasse en inwonertal tussen 2 klassen
Middenstip: de totale potentiele relatieve groei  van het fietsverkeer
Deze kaart is een uitsnede. De complete kaart op A3 formaat kunt u hier downloaden.

Schiphol laat op de kaart een groene stip zien, dat betekent dat hier maar liefst een toename van het fietsgebruik van meer dan 20% wordt verwacht op basis van deze analyse. Dit is met name het gevolg van de potentie die een e-bike heeft op afstanden >5 kilometer. Juist in de afstandsklasse >5 km zijn zeer veel inwoners (Amsterdam, Amstelveen enz.). Voor het woonwerkverkeer van- en naar Schiphol biedt de e-bike dus een goede kans. De gemeente Haarlemmermeer zou hiermee de bereikbaarheid flink kunnen verbeteren en zou daarom op basis van deze analyse sterk kunnen inzetten op bijvoorbeeld oplaadpunten, pilots met ‘probeer’ mogelijkheden van e-bikes, informeren over de snelheidswinst, stimuleren bij werkgevers van fiets-kilometervergoedingen, realisatie van voldoende fietsenstallingen en verbetering van (separate) fietsinfrastructuur om deze potentiële groei te kunnen realiseren.

Ook in landelijk gelegen steden is er nog winst: 

                                                                        Voorbeeld Groningen 

Isochroon: afstandsklasse en inwonertal tussen 2 klassen
Middenstip: de totale potentiele relatieve groei  van het fietsverkeer
Deze kaart is een uitsnede. De complete kaart op A3 formaat kunt u hier downloaden.

De potentiële toename van het fietsgebruik als gevolg van de e-bike wordt op basis van deze analyse geschat op ongeveer 5%. Dit is met name het gevolg van de weinige inwoners van de randgemeenten in zijn totaliteit. Om deze groei te kunnen realiseren, zou de gemeente Groningen naar de grootste kernen in de omgeving de fietsinfrastructuur kunnen verbeteren en inzetten op voldoende e-bike fietsenstallingen met laadpalen, juist omdat de afstanden tot enkele grote kernen relatief groot zijn. 

Kansen voor een landelijke stad bij een grotere kern:

Voorbeeld Dieren 


Isochroon: afstandsklasse en inwonertal tussen 2 klassen
Middenstip: de totale potentiele relatieve groei  van het fietsverkeer
Deze kaart is een uitsnede. De complete kaart op A3 formaat kunt u hier downloaden.

Op basis van de grootte van Dieren en het relatief kleine aantal arbeidsplaatsen zou men niet verwachten dat hier een zeer grote potentie is voor fietsgebruik. Echter, in de omgeving van Dieren liggen enkele grote plaatsen zoals Arnhem en Zutphen. De kans dat vele inwoners vanuit Zutphen en Arnhem massaal op de e-bike naar Dieren gaan, is niet zo groot. Het geeft echter wel aan dat er een interessante link is met beide steden. Daarnaast biedt het (intercity) station van Dieren ook kansen voor e-bike: hiermee wordt het station beter bereikbaar. Om het fietsgebruik te stimuleren, zou de gemeente Dieren daarom extra kunnen inzetten op de fietsinfrastructuur naar deze plaatsen in de omgeving. Ook zorgen voor voldoende fietsenstallingen kan dit stimuleren.

Andersom geeft deze analyse ook aan dat Dieren zeer centraal ligt tussen enkele grote steden: dit kan voor de Gemeente Dieren aanleiding zijn om de aantrekkelijkheid van de locatie van Dieren extra onder de aandacht te brengen bij ondernemers. 

Veel mogelijk bij heuvelachtige stad / grenstad:


Voorbeeld Heerlen 
Isochroon: afstandsklasse en inwonertal tussen 2 klassen
Middenstip: de totale potentiele relatieve groei  van het fietsverkeer
Deze kaart is een uitsnede. De complete kaart op A3 formaat kunt u hier downloaden.

De verwachte toename van het e-bike gebruik in Heerlen is ongeveer 14 procent. Zoals gemeld in de uitgangspunten, houdt deze analyse echter geen rekening met heuvels en hellingen. Gecombineerd met het relatief lage fietsaandeel (12% van alle ritten tot 7,5 km) in de regio Heerlen komt de score relatief laag uit. Juist voor fietsen in heuvelachtige gebieden kan de e-bike daardoor een extra stimulans zijn voor fietsgebruik. Niet alleen voor afstanden groter dan 5 kilometer, maar juist ook daarbinnen. De groeipotentie zit daar, naar alle waarschijnlijkheid, ook vooral in de steden zelf. In Limburg en andere heuvelachtige gebieden zoals Ede, Arnhem en Nijmegen kan de potentie voor e-bikes daarom groter zijn dan blijkt uit deze analyse.
Daarnaast ligt er ook een grote potentie net over de grens. Aachen telt meer dan 300.000 inwoners, waarvan een groot deel op elektrische fietsafstand van Heerlen. Deze zijn ook niet in de berekening meegenomen. In tegenstelling tot de berekening zou de mogelijke groei daarom aanzienlijk groter kunnen zijn wanneer de elektrische fiets wordt gestimuleerd.



Praktijkvoorbeeld

Stimuleringsregeling stadsregio Arnhem Nijmegen
Een voorbeeld van hoe een gemeente kan bereiken dat de e-bike potentie wordt benut is de stimuleringsregeling van de stadsregio Arnhem Nijmegen. Met de ‘Stimuleringsregeling elektrische fiets’ konden werknemers van de 120 bedrijven die aangesloten zijn bij het Offensief Bereikbaarheid 30% korting krijgen op de aanschaf van een elektrische fiets. Dit resulteerde in de aanschaf van 650 e-bikes. Zij maken structureel ruim 1000 verplaatsingen per dag meer op de fiets. De potentiële toename is voor de regio Arnhem Nijmegen berekend op ruim 10.000 ritten per dag. Met de stimuleringsactie heeft de regio hier met 120 bedrijven dus al 10% van gerealiseerd. Er zijn meer dan 38.000 bedrijven in regio, een aantal waarmee de berekende potentie goed haalbaar lijkt.




Opvallende conclusies
  • De categorie tussen 5 en 10 km biedt relatief de grootste groei voor het gebruik van e-bikes 
  • Hoe meer inwoners in de nabije omgeving (niet de directe omgeving), hoe meer potentieel gebruik er is van e-bikes
  • De groeipotentie voor e-bikes is het grootst in stedelijke regio’s, dus wanneer er meerdere steden of grote plaatsen binnen de 15km cirkel liggen. Zo biedt de elektrische fiets veel kansen voor steden als Zoetermeer (nabijheid gehele zuidwestelijke Randstad), Zaandam (nabijheid Amsterdam en Haarlem) en Schiphol (nabijheid Amsterdam en Amstelveen op interessante e-bike afstand). 
  • Bij steden als Lelystad, Leeuwarden, Apeldoorn, Groningen en Assen liggen er nauwelijks kernen binnen het bereik van een e-bike. Toch is ook hier een groei van zo'n 5% mogelijk.

Aandachtspunten
  • De potentie die in kaart wordt gebracht gaat ervan uit dat alle ritten tot 15 km een relatie hebben met de binnenstad. In werkelijkheid is dit niet zo. Enkele relatief kleine steden, zoals ‘station’ Kruiningen-Yerkseke, Etten-Leur en Dieren scoren hoger dan je zou verwachten voor een kleine kern. Dit komt omdat er op e-fietsafstand grotere kernen liggen. Er zullen niet veel mensen uit deze grote kernen werken in deze kleinere steden. In deze situaties is de e-bike potentie niet realistisch. 
  • Deze analyse houdt nog geen rekening met de langere ritten die nu ineens wel de mogelijkheid krijgen om met de fiets en trein te worden afgelegd. Dit vergt een nadere analyse van de verplaatsingen > 15 km die een bestemming nabij het treinstation hebben en een herkomst op e-bike afstand van een intercitystation. Onbekend is daarbij wat de modal split dan wordt en hoe groot het aantal extra treinreizigers dan zal zijn.
  • Ook houdt deze analyse geen rekening met grenssteden. De e-bike biedt hier ook kansen voor verkeer van-en naar het buitenland. En in met name Limburg zal de e-bike daarnaast nog weer extra mensen op de fiets kunnen trekken die voorheen fietsen te onaantrekkelijk vonden vanwege de heuvels.

Meer informatie


12 september 2011

Fietsbeleid goed voor bereikbaarheid, milieu, gezondheid en voor de portemonnee

Nederlanders fietsen veel. Toch zijn er aanzienlijke verschillen tussen gemeenten wat betreft fietsgebruik: het aandeel fietsverplaatsingen van gemeenten varieert van 3% tot 53%. Goede fietsvoorzieningen, een gunstige reistijdverhouding tussen fiets en auto, het aandeel bus/tram/metro en de parkeerkosten zijn de belangrijkste factoren die gemeenten kunnen beïnvloeden. Andere factoren zoals reliëf en bevolkingsopbouw zijn moeilijker te beïnvloeden. Als je dit soort factoren buiten beschouwing laat, dan blijkt dat veel gemeenten de positie van de fiets nog kunnen verbeteren.

Daar zijn redenen genoeg voor. Want fietsen is gezond, goed voor het milieu, goedkoop en goed voor de bereikbaarheid. Fietsbeleid zorgt voor positieve effecten op diverse beleidsterreinen. Dat nodigt uit tot samenwerking met andere beleidsterreinen: die hebben er belang bij dat veel mensen fietsen.

9 september 2011

10 redenen om fietsgebruik te stimuleren

Gemeenten kunnen fietsen stimuleren om het milieu te ontlasten, de gezondheid van de bevolking te bevorderen, om de bereikbaarheid van een gemeente te verbeteren en om bewoners met weinig budget mobiel te houden. De BOVAG en het consortium Duurzaam op Weg (met o.a. de Fietsersbond, NISB, RAI vereniging en het Instituut voor Duurzame Mobiliteit) hebben 10 argumenten opgesteld, die pleiten voor het gebruik van de fiets. Het TNO-rapport ‘Fietsen is groen, gezond en voordelig’ zet de argumenten op een rij en geeft een onderbouwing.



De tien argumenten

Gezondheid
1. Fietsen verhoogt je fitheid.
2. Fietsen houdt je op gewicht.
3. Regelmatig fietsen geeft je een lekker gevoel.
4. Fietsen vermindert de kans op ziek zijn en door te fietsen leef je langer.

Milieu
5. Meer fietsen betekent schonere lucht in je eigen omgeving.
6. Fietsen is stil.
7. Meer fietsen betekent minder uitstoot van broeikasgassen.

Kosten
8. Fietsen is voordelig.

Bereikbaarheid
9. Fietsen verbetert de bereikbaarheid op de korte afstand
10. Fietsen is gemakkelijk
Meer informatie over de positieve effecten van fietsen
  • Trendy Travel vat de voordelen van fietsen samen in 20 argumenten. 
  • Het Fietsberaad besteedt aandacht  aan de positieve effecten van fietsen

Wat gebeurt er als het fietsgebruik in een gemeente toeneemt?


Het Fietsberaad en DHV onderzochten wat de effecten zijn op de bereikbaarheid, de leefbaarheid en de volksgezondheid als het fietsgebruik met 10 procent toeneemt. In deze studie werd Alkmaar als voorbeeldstad genomen. De effecten zijn ingeschat door gebruik te maken van simulatiemodellen. Wanneer het fietsgebruik met 10% stijgt in Alkmaar daalt het aantal autokilometers met 3% en binnen de bebouwde kom daalt het aantal autokilometers zelfs met 6%.

Deze verschuiving van de auto naar de fiets heeft de verschillende effecten, zoals:
  • Het aantal verliesuren per autoverplaatsing daalt met 15%. In geld uitgedrukt betekent dit een besparing van 3 tot 6 miljoen euro per jaar voor de stad Alkmaar. 
  • Binnen de bebouwde kom daalt de schadelijke uitstoot van personenauto’s met ruim 7%. Meer fietsen draagt dus bij aan de lokale luchtkwaliteit. 
  • De ernstige geluidshinder daalt met 2% 
  • Een huishouden stoot 3% minder CO2 uit wanneer elke inwoner 10% vaker gaat fietsen. 
  • 10% meer fietsen heeft maar weinig effect op het aantal mensen wat te weinig beweegt: slechts 3%. 

De effecten treden alleen op als er daadwerkelijk een overstap van de auto naar de fiets plaatsvindt. Deze studie zoomt niet in op de manier waarop de stijging van 10% bereikt kan worden. Informatie hierover is hier te vinden.





Lees ook:
Studie waarin is gekeken naar belemmeringen voor het fietsgebruik in Brabantse steden. En naar de effecten als het fietsgebruik stijgt naar het niveau van fietssteden als Groningen, Zwolle en Houten.







Fietsgebruik verklaard

Er zijn verschillende onderzoeken naar het fietsgebruik en de factoren die dit beïnvloeden:

  • onderzoek Fietsbalans 
  • verklaringsmodel fietsgebruik
  • elasticiteiten

Fietsbalans: relatie  Fietsbalansscore en het fietsgebruik 
De Fietsersbond (Van Boggelen, 2000) heeft het fietsgebruik verklaard met behulp van de zogenaamde Fietsbalansscore (fb-score) voor gemeenten. De fb-score is een maat waarbij een gemeente op 10 aspecten van de Fietsbalans wordt beoordeeld en getoetst aan de norm. Voorbeelden van aspecten zijn directheid van verbindingen, comfort van het wegdek en verkeersveiligheid. Wanneer een gemeente aan alle aspecten van de norm voldoet is de fb-score 0.

Wanneer de fb-score wordt afgezet tegen het aandeel van de fiets op alle verplaatsingen tot 7,5 kilometer vindt men een statistisch significant verband. Oftewel hoe hoger de fb-score van een gemeente hoe hoger het fietsgebruik. Bij een fb-score van 0 mag volgens Van Boggelen een fietsaandeel van 48% verwacht worden. Voor elk punt dat van de fb-score afgaat, daalt het fietsgebruik met 0,75 procentpunt.
Figuur 1 Fb-score afgezet tegen het aandeel van de fiets op alle verplaatsingen tot 7,5 km

De vraag is hoe je dit verband moet interpreteren: zorgen de goede fietsvoorzieningen voor meer fietsgebruik in een gemeente of zorgen veel fietsers ervoor dat een gemeente extra aandacht heeft voor goede fietsvoorzieningen? De fb-score verklaart slechts 20% van de verschillen tussen gemeenten in fietsgebruik. Andere factoren zijn dus verantwoordelijk voor de overige 80%.. Voorbeelden van andere factoren zijn de concurrentiepositie van het openbaar vervoer en bevolkingskenmerken, zoals leeftijd, inkomen etc..

Hoewel de ov-concurrentie niet in de Fietsbalans is opgenomen, wordt geschat dat 100 extra ov-ritten ten koste gaan van 75 fietsritten. Van de aspecten die zijn meegenomen in de Fietsbalans komt de concurrentiepositie ten opzichte van de auto als belangrijke factor naar voren. Dit aspect blijkt 3x zo zwaar mee te wegen als de andere aspecten. Als men bovenstaande factoren meeneemt en voor de concurrentiepositie van de auto corrigeert, zal het fietsgebruik in Nederland met 12 tot 19% kunnen stijgen als alle gemeenten een fb-score vna 0 zouden hebben (Van Boggelen, 2000).

Verklaringsmodel voor fietsgebruik 
Ook Research voor Beleid (2006) heeft in een studie gekeken naar verklaringen voor fietsgebruik in gemeenten. Doel was te komen tot een model dat met beleidsrelevante factoren het fietsgebruik binnen gemeenten zoveel mogelijk kan verklaren. Beleidsrelevante factoren zijn factoren, waar een gemeenteambtenaar rekening mee kan houden. Niet elke relevante factor is even goed te beïnvloeden. Het was ook belangrijk dat het model door gemeenten kan worden ingezet als instrument. De mogelijke beleidsindicatoren zijn hieronder schematisch weergegeven. Deze indicatoren zijn ook beoordeeld op beleidsrelevantie.


Figuur 2 Invloedsfactoren (Research voor Beleid (2006)

De studie maakte gebruik van gegevens uit de Fietsbalans, het CBS en het KNMI. Het fietsgebruik is voor 73-76% te verklaren door alle factoren opgenomen in het model. Factoren met een sterke beleidsrelevantie verklaren voor 28 – 39% het fietsgebruik.

Het ondezoek identificeert de volgende factoren:

Sterk beleidsrelevante factoren:
  • aandeel bus, tram en metro in verplaatsingen (in % van totaal aantal verplaatsingen) 
  • parkeerkosten (eurocent/uur) 
  • reistijdverhouding fiets-auto (fietstijd/autotijd x 100%).
Matig beleidsrelevante factoren:
  • aandeel eenpersoonshuishoudens (in%) 
  • aandeel WW-ers (aantal WW-ers per 1000 inwoners) 
  • aandeel jongeren (aantal 10-20 jaar/inwoneraantal in %) 
  • oppervlakte bebouwd gebied (hectaren).
Zwak beleidsrelevante factoren:
  • aandeel islamieten (aantal islamieten/inwoneraantal in %) 
  • aandeel protestanten (aantal protestanten/inwoneraantal in %) 
  • gemiddelde neerslag (gemiddelde jaarlijkse neerslag 1971-2000 drie gemiddelden in mm) 
  • mate van reliëf (variërend van 0 tot 1).

Gemeenten kunnen zich het beste richten op de sterk beleidsrelevante factoren. Het is goed om inzicht te hebben in de zwak beleidsrelevante factoren, maar de invloed die gemeenten hierop hebben is klein. Net als bij Van Boggelen (2000) zie je dat het aandeel bus, tram en metro in het totaal aantaal verplaatsingen en de reistijdverhouding van de fiets ten opzichte van de auto belangrijke factoren zijn, die door beleid beïnvloed kunnen worden.


Figuur 3. Effectiviteit van fietsbeleid (Bron: Research voor Beleid, 2006)

In bovenstaande figuur is de score voor het fietsgebruik van gemeenten in een rangorde weergeven. Hoe lager de score op de horizontale as hoe meer er gefietst wordt. In Groningen is het fietsgebruik het hoogst; in Rotterdam is het erg laag. Het kan zijn dat je als gemeente een laag fietsgebruik hebt, omdat de omstandigheden minder gunstig zijn. Denk aan factoren als het reliëf.

Bij de verticale as zijn dergelijke factoren uitgefilterd. Daardoor krijg je een andere rangorde. Zo is het fietsgebruik in het heuvelachtige Arnhem laag (ongeveer 100e plek). Als je factoren als het reliëf niet meeneemt, scoort Arnhem opeens veel hoger (ongeveer 25e plek). Dit betekent dat de factoren, waar de gemeente Arnhem invloed op heeft, gunstiger zijn. Een hoge score op de verticale as betekent dat er met fietsbeleid dus nog veel is te winnen.

Elasticiteiten 
Rietveld en Daniel (2004) hebben door middel van regressie analyse ook proberen te achterhalen welke factoren verantwoordelijk zijn voor de verschillen tussen gemeenten. Gegevens  van 103 Nederlandse gemeenten werden gebruikt voor deze analyse. Rietveld en Daniel vonden de volgende elasticiteiten:
  • Wanneer een rit op de fiets 10% sneller gaat dan met de auto, dan neemt het fietsgebruik toe met 3,4%. 
  • Wanneer er 0,3 minder stops per kilometer zijn tijdens een rit, dan stijgt het fietsaandeel met 4,9%. 
  • Wanneer parkeerkosten met €0,14 per uur stijgen, stijgt het fietsgebruik met 5,2%. 
  • Wanneer een fietser 0,25 procent? minder hindernissen per kilometer tegenkomt tijdens een,neemt het fietsgebruik met 1,3% toe. 
De snelheid van de fiets is dus een belangrijke factor, evenals de concurrentiepositie ten opzichte van de auto. Gemeenten kunnen fietsgebruik dus bevorderen door het fietsen sneller te maken. Ook kunnen gemeenten het autogebruik langzamer maken (omrijfactor) en duurder (parkeerkosten).

Fietsgebruik in Nederlandse gemeenten

34% van alle ritten tot 7.5 km wordt per fiets afgelegd. Als we naar alle ritten kijken, is dit percentage 23%. Tussen gemeenten zijn er grote verschillen. Het aandeel fiets in stedelijke ritten varieert van 3% tot 53% (MON, geaggregeerde cijfers van MON over 2004-2008).

Figuur 4. Aandeel van de fiets in alle verplaatsingen < 7,5 km in Nederland

Op de kaart  is te zien dat het aandeel fiets vooral op de Waddeneilanden en in het noorden en het oosten van het land erg hoog is. Zuid-Limburg scoort minder goed, wat waarschijnlijk verklaard kan worden door het heuvelachtige landschap.

Van de provincies scoren met name Overijssel en Friesland hoog met respectievelijk 26 en 27% (Tabel 2). Het gemiddelde per provincie varieert van 17-27%, waarbij alleen Limburg onder de 20% scoort.  Vanwege de verschillen in de betrouwbaarheid van de data staan het minimum en maximumpercentage ook in de tabel vermeld.

provincie
gemiddeld (%)
hoogst scorende gemeente
%
min %
max
%
laagst scorende gemeente
%
min %
max
%
Drenthe
23
Noordenveld
26
23
29
Aa en Hunze
20
17
22
Flevoland
22
Urk
31
27
35
Lelystad
15
14
17
Friesland
27
Vlieland
53
32
74
Ferwerderadiel
18
12
24
Gelderland
24
Scherpenzeel
34
26
43
Maasdriel
14
11
18
Groningen
21
Haren
32
28
36
Bellingwedde
12
8
16
Limburg
17
Venray
29
25
32
Vaals
3
1
5
Noord-Brabant
21
Asten
30
25
36
Loon op Zand
14
11
17
Noord-Holland
23
Texel
34
27
40
Zandvoort
11
8
15
Overijssel
26
Borne
33
28
38
Ommen
17
13
20
Utrecht
23
Oudewater
30
23
37
Vianen
14
10
17
Zeeland
24
Middelburg
31
29
33
Noord-Beverland
12
8
15
Zuid-Holland
23
Oegstgeest
32
27
37
Oostflakkee
13
8
19

Tabel 2. Fietsaandeel voor alle verplaatsingen per provincie (MON, geagreggeerde gegevens over 2004-2008)

De gemiddelden voor de verschillende stedelijkheidsgraden  liggen heel dichtbij elkaar: 22-24% (Tabel 3). Binnen de verschillende categoriën zien we grote verschillen. Zo scoort Leiden 31%, terwijl Rotterdam achterblijft met maar 14%. Dit betekent dat de stedelijkheidsgraad geen sterk verklarende factor is voor de verschillen in fietsgebruik, want in alle categoriën komen zowel hoge als lage scores voor. Dit sluit aan bij de studies, waarin bevolkingsdichtheid niet als verklarende factor naar voren komt..

stedelijkheids-graad
gemiddeld (%)
hoogst scorende gemeente
%
min. %
max. %
laagst scorende   gemeente
%
min. %
max.
%
1
22
Leiden
31


Rotterdam
14
13
15
2
22
Oegstgeest
33
27
37
Heerlen
9
8
10
3
24
Borne
33
28
38
Kerkrade
9
7
10
4
23
Scherpenzeel
34
26
43
Vaals
3
1
5
5
22
Vlieland
53
32
74
Gulpen-Wittem
9
6
11

Tabel 3. Hoogst en laagst scorende gemeenten wat betreft fietsaandeel per stedelijkheidsgraad (MON, geagreggeerde gegevens over 2004-2008)

Lees ook:
Andere studies over fietsbeleid: