Om het mobiliteitsgedrag op een plek duurzamer te kunnen maken, is het belangrijk om de lokale omstandigheden goed te begrijpen. Tijdens haar stageperiode bij Over Morgen ontwikkelde Megan Visscher een GIS-tool in de programmeertaal Python die inzicht biedt in de lokale mobiliteitscontext in de Metropoolegio Amsterdam (MRA). Dit helpt bijvoorbeeld om betere keuzes te maken voor het aanbieden van MaaS-diensten. In deze blog vertelt zij meer over haar onderzoek.
Bij Over Morgen combineren we een integrale visie met kennis over de lokale leefomgeving. Om de lokale context met betrekking tot mobiliteit nog beter te leren begrijpen, kun je bijvoorbeeld kijken naar de reisopties die beschikbaar zijn. In mijn onderzoek heb ik drie pijlers in kaart gebracht, namelijk de bereikbaarheid van een plek met verschillende modaliteiten, het lokale OV-aanbod en verschillende sociaaleconomische en demografische kenmerken die reisgedrag beïnvloeden.
De bereikbaarheid: Hoeveel belangrijke plekken kun je bijvoorbeeld bereiken met twintig minuten fietsen, autorijden of reizen met het OV? Sommige plekken hebben een relatief goede autobereikbaarheid, terwijl ze juist niet goed ontsloten zijn met het OV. Dat vormt een belangrijke randvoorwaarde voor de reiskeuzes die mensen maken. Door te berekenen welk gebied je kunt bereiken binnen twintig minuten reizen met verschillende modaliteiten (zie afbeelding), heb ik de bereikbaarheid gekenmerkt.
2. Het lokale OV-aanbod: De aanwezigheid van bijvoorbeeld een treinstation in de buurt heeft invloed op de reiskeuzes die mensen maken: waarom de auto nemen als je op tien minuten fietsen van een station met Intercityverbinding woont? Dit werkt natuurlijk ook de andere kant op. Als er alleen een busstation in de buurt is met een busverbinding die één of twee keer per uur langs komt, zijn mensen veel sneller geneigd om de auto te pakken.
3. Sociaaleconomische en demografische karakteristieken: In wetenschappelijke literatuur worden verschillende persoonlijke eigenschappen genoemd die invloed hebben op de keuze voor reizen met de auto, het OV of de fiets. Zo is het aandeel OV-reizigers het hoogst in de leeftijdsgroep tussen de 18 en 35, reizen hoogopgeleiden vaker met het OV en zijn gezinnen met jonge kinderen juist meer gesteld op een eigen auto vanwege de flexibiliteit en zelfstandigheid hiervan.
Deze drie pijlers heb ik daarna gecombineerd om tot vijf verschillende typen mobiliteitsmilieus te komen, zoals te zien in de afbeelding. De milieus verschillen sterk in hun bereikbaarheid, lokale OV-opties en sociaaleconomische en demografische kenmerken. De meer afgelegen gebieden die bij type A horen scoren bijvoorbeeld relatief laag op zowel OV- als autobereikbaarheid, kennen een lage bevolkingsdichtheid en zijn niet of minimaal ontsloten door het OV, terwijl het type C milieu hier lijnrecht tegenover staat.
Als toevoeging hierop is het ook interessant om een specifiekere selectie toe te passen voor verschillende mobiliteitsconcepten. Over Morgen is bijvoorbeeld betrokken bij de ontwikkeling van Amaze, een Mobility as a Service (MaaS) app gericht op de zakelijke reiziger. Door extra selectiecriteria toe te voegen die kenmerkend zijn voor MaaS-gebruikers, zoals jong en hoogopgeleid, wordt er zichtbaar waar binnen de MRA de doelgroepen wonen.
Heb je vragen naar aanleiding van deze blog of wil je weten hoe wij met behulp van data inzicht kunnen geven in de oplossing voor opgaven in jouw gebied? Neem dan contact op met Megan.
