september 2012

9 september 2011

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).

Geen opmerkingen:

Een reactie plaatsen