‘Verkeersdata geven verrassende inzichten en niet alleen over de auto’

Verkeersdata leveren niet alleen interessante inzichten op over het gebruik van de auto en het hoofdwegennet, maar ook op het gebruik van de fiets en het onderliggend wegennet. Dat toonde Will Clerx, senior adviseur verkeer en vervoer bij de gemeente Rotterdam tijdens de de VerkeersNet Academy over effectief gebruik van verkeersdata.

“Wij werken vanuit de doelstelling van de stad: goede bereikbaarheid draagt bij aan een gezond, aantrekkelijk en economisch sterk Rotterdam”, benadrukte Clerx aan het begin van zijn lezing in het kantoor van de Metropoolregio Rotterdam-Den Haag. “Bereikbaarheid staat hier ten dienste van.”

De doorstroming van het autoverkeer is een van de punten die zijn afdeling in kaart brengt. De focus is wel iets veranderd afgelopen jaren, vertelt hij. “We hadden tussen 2002 en 2014 een verkeersplan waarin de doorstroming heel centraal stond. Op de belangrijkste hoofdroutes naar het centrum gingen we er vanuit: je moet gemiddeld 25 kilometer per uur kunnen rijden. Inmiddels hebben we een nieuwe verkeersplan. Natuurlijk, je moet kunnen door kunnen rijden, maar die snelheid is niet het belangrijkste meer. Het gaat erom dat het wegennetwerk betrouwbaar is.”

Afwijkingen

De ‘s-Gravendijkwal is een van de plekken waar de gemeente die betrouwbaarheid in kaart heeft gebracht. Er is niet alleen gekeken naar de gemiddelde snelheid van het verkeer, maar ook naar afwijkingen. Er zijn verschillende manieren om dit te doen, vertelt Clerx. “Rijkswaterstaat hanteert een bepaalde definitie voor betrouwbaarheid: de kans dat je binnen zoveel tijd op je bestemming aankomt. Dat vonden wij heel ingewikkeld. Daarom hebben wij gewoon gezegd: we brengen op een eenvoudige, statistische manier, de spreiding van reistijd in seconden in beeld.” Je ziet dan, concludeert hij, dat die spreiding in de avondspits het grootst is. Met andere woorden: de reistijd is langer.

De ‘s-Gravendijkwal moet verkeersluwer worden, vertelt Clerx. Er rijdt veel verkeer en bovendien is de bebouwing langs de weg vrij dicht. “Maar als deze route verkeersluwer moet worden, moeten we eerst weten wie er rijdt. Tien jaar geleden deden we nog gewoon enquêtes. We registreerden kentekens, vervolgens kregen mensen vier a4’tjes enquête in de bus en die vulden ze dan mooi in. Maar dat is niet meer van deze tijd.”

Veel informatie

Een alternatief is dat je het verkeersmodel pakt en een het herkomst- en bestemmingspatroon in kaart brengt. “Daar kun je heel veel informatie uit halen”, zegt Clerx. Hij wijst op afbeelding van de kaart van Rotterdam. Te zien is dat veel verkeer op de ‘s-Gravendijkwal vanaf de A13 en vanuit Rotterdam-Noord komt en in het zuiden richting Ahoy en Vaanplein gaat. “Maar het is een verkeersmodel. Dus: geen echt gedrag, maar geschat gedrag.”

Zijn afdeling heeft deze gegevens uit het verkeersmodel gelegd naast gegevens afkomstig van kentekencamera’s, vertelt hij. Daaruit bleek dat het verkeer veel meer verdeeld is dan gedacht. “En zo kan je geleidelijk leren van dit soort data en kijken: hoe zitten je verkeerspatronen in elkaar. Maar zo’n ‘selected link’ in het verkeersmodel is alleen in een uur beschikbaar, bij wijzen van spreken. Met het maken van de kaart op basis van kentekens zijn we wel een aantal weken bezig geweest.

Tekst gaat verder onder de afbeelding

Ook in de voorbereiding op de renovatie van de Maastunnel bood verkeersdata interessante inzichten, vertelt Clerx. De tunnel is nu een jaar dicht. “Voordat die werkzaamheden starten, hebben we uitgebreid nagedacht: hoe zorgen we dat de stad bereikbaar blijft. En: hoe zorgen we dat we een aantal groepen uit de spits krijgen?”

En ook hierbij hielpen camera’s. Die brachten zo’n drie maanden lang het verkeer in de tunnel in beeld. “Dit leverde grote nieuwe inzichten op. In de spits denk je: toch wel 50 procent is woon-werkverkeer en meeste woon-werkers rijden drie keer of meer per week die route. En dan zie je dat eigenlijk 60 procent van de auto’s die wij tegenkwamen in die periode, maar één keer per week of minder door de tunnel reden. En dat er maar tien procent er drie keer per week of meer langs kwam.”

Vaste telpunten

Clerx en zijn collega’s brengen ook de routes van fietsers in kaart. Verschillende databronnen liggen hier aan ten grondslag. 25 vaste telpunten bijvoorbeeld, cijfers van het CBS, enquêtes, een verkeersmodel, maar ook resultaten uit de Fietstelweek.

De data van die laatste bron leverden interessante inzichten op. Onder andere waar de fietsers op de Erasmusbrug en de Willemsbrug vandaan komen en waar ze naar toe gaan. Dit in aanvulling op de al bekende gegeven dat er dagelijks zo’n 10.000 mensen over de eerste brug fietsen en ongeveer 5.000 over de tweede. “Bij de Willemsbrug zie je toch heel sterk dat die vooral een functie heeft voor de oostkant van de binnenstad en de stuk van de Kop van Zuid. Bij de Erasmusbrug valt een aantal dingen op: het patroon van Noord naar Zuid spreidt zich veel, de brug heeft in het hele fietsnetwerk een belangrijke functie, en de Erasmusbrug is onderdeel van veel grotere fietsroutes.”

Tekst gaat verder onder de graphic

De Fietstelweek is hele mooie databron, vertelt Clerx. Maar hij benadrukt dat de data wel van een hele specifieke groep fietsers afkomstig is, net zoals dat het geval is bij de data van de app Strava. Met andere woorden: kijk goed naar de representativiteit.

Nuttige bron

GSM-data zijn ook een nuttige bron, zegt Clerx. Zo kunnen gegevens van bijvoorbeeld Vodafone verplaatsingspatronen in beeld brengen en zo het verkeersmodel verbeteren, legt hij uit. Met de data zijn langeafstandsverplaatsingen namelijk goed te zien. Hij toont een voorbeeld uit Hellevoetsluis.

“Hellevoetsluis is sterker dan waar we in het verkeersmodel van uitgingen, op Rotterdam georiënteerd. Mensen gaan eigenlijk heel weinig richting Den Haag en Utrecht. We zien ook een behoorlijke relatie tussen Hellevoetsluis en de noordkant van Goeree-Overflakkee – iets dat het verkeersmodel niet zo aangeeft.”

Scanauto’s

De gemeente Rotterdam wilde ook werken met de data die de scanauto’s van de afdeling parkeren vergaren, vertelt Clerx. Maar dat bleek niet te mogen: in de verordening stond dat de beelden alleen gebruikt mogen worden voor handhaving. Dat was een domper: de auto’s konden namelijk mooi de parkeerbezetting in een wijk in kaart brengen. Nu is er geen andere mogelijkheid dan met de hand tellen óf een bedrijf inhuren dat met scanauto’s rijdt. Het was een wijze les, erkent Clerx. “Je moet zorgen dat je dit vooraf regelt. Als bepaalde data beschikbaar komt, moet je zorgen dat je het ook voor verkeersonderzoek mag gebruiken.”

Toen bekend werd dat Rotterdam een milieuzone zou krijgen, konden Clerx en zijn collega’s de opgedane kennis gelijk in praktijk brengen. “In het voortraject heeft de projectleider gezegd: laten we heel goed opletten dat we de data van de camera’s niet alleen voor handhaving mogen gebruiken, maar ook voor verkeersanalysedoeleinden.” En zo geschiedde. “Kentekens van auto’s die de zone niet in mogen, gaan gelijk door naar handhaving. De kentekens van de auto’s die er wel in mogen, worden gekoppeld aan RDW-data. Zo kunnen we bijvoorbeeld zien welke Euroklasse de auto’s hebben, welke type auto het is en op welke brandstof de auto rijdt. Dat is dus goed geregeld.”

Te weinig

Data over het openbaar vervoer zijn er overigens nog te weinig, vindt Clerx. “Ik hoop dat we daar samen met de Verkeersonderneming een slag in kunnen slaan en dat de RET en de NS een deel van hun data beschikbaar stellen. Zo kunnen we gezamenlijk kijken wat goed is voor ons mobiliteitsbeleid.”

Tot slot doet hij nog een belangrijke oproep: “Data-analisten, werk samen met mensen die ervaring hebben met traditioneel verkeersonderzoek en die kennis hebben van het gedrag van mensen. Kijk niet alleen naar de uitkomsten die de machine geeft.”