Waarom stadsbewoners no
de auto verkiezen boven he
ÜSm
FIG
Is daar wel iets aan te doen?
Groeiende steden worden
geconfronteerd met problemen als
luchtverontreiniging, geluidshinder,
energieverspilling en het vastlopen
van het verkeer. Het grootschalig
gebruik van de auto wordt vaak
gezien als één van de hoofdoorzaken
van deze situatie. Er bestaat veel
onderzoek naar beleid om deze
verandering te bewerkstelligen, zoals
het weren van auto's uit stadscentra,
het aanmoedigen van het gebruik
van openbaar vervoer of de fiets,
of het bevorderen van het gebruik
van 'groenere' auto's. Maar zulke
beleidsstrategieën zijn echter niet erg
succesvol gebleken. Waarom niet?
30 I Geo-Info I 2020-4
D-Twrinfr
Waarom laten burgers hun auto niet staan?
Potentiële gebruikers van het openbaar vervoer
denken bijvoorbeeld dat het ov hen niet dicht
genoeg bij hun bestemming brengt. En dat de
auto veel sneller is dan alle andere manieren van
reizen. Belangrijke vragen zijn dan: is dit waar en
kunnen we dit op een systematische en efficiënte
manier meten? Ons antwoord op deze tweede
vraag is: ja. We beschrijven hieronder hoe.
Welk vervoermiddel meest effectief
in de stad
Het doel van ons onderzoek is: bepalen welk
vervoermiddel het meest effectief is in welk
deel van de stad. Hiervoor ontwikkelden we een
aanpak voor een ruimtelijke beschrijving van een
stad die de huidige situatie in kaart brengt door
analyse van de aspecten: attractiviteit van loca
ties, reistijd, verplaatsingssnelheid en potentiële
toegankelijkheid.
De analyse van de attractiviteit van een bestem
ming gebruikt een coëfficiënt gebaseerd op
het perspectief van de reiziger: het potentieel
gebruik van de voorzieningen op de bestem
ming van de reis. Om de attractiviteit te meten
gebruiken we dus redenen om te reizen zoals
werk, winkelen of opleiding. De analyse van de
reistijd en snelheid is gebaseerd op de toeganke
lijkheid in tijd van ieder vertrekpunt in de stad tot
ieder bestemmingspunt en de gemiddelde snel
heid van de reis. In de analyse van de potentiële
toegankelijkheid gebruiken we een exponen
tiële functie die het aantal bewoners op ieder
vertrekpunt als gewicht neemt en rekent met de
reistijden tot elk bestemmingspunt, gewogen
met de attractiviteit van de bestemmingen.
Onze methode is gebaseerd op drie datasets:
data over reistijden verkregen van een reisplan-
ner (zoals Google Maps), data over grondgebruik
(zoals OpenStreetMap) voor het bepalen van de
Door Anna Wilbik, Albina Mosciska,
Krzysztof Pokonieczny, Jakub Wabinski,
Paul Grefen
Figuur 1 - Verschillen in potentiële toegankelijkheid fiets t.o.v. ov (links), auto t.o.v. ov (rechts). Hoe donkerder, hoe
Bieiaiiy
Targcwek
Hmitwrt™
l/Jesola
Prjja-PoJudrir^
T "i-ytotta
Wochy
Fntexuul diffrrcnre
■fcTprki iftdUél. twuftftft
•i
rn
Mjln
SeoHidirY raad*
r~l WjrfMwdÉMeitt*
Vislolj Krvrr
Bemowo