Breder zicht op woon-werkmobiliteit: ook lopen en thuiswerken in beeld
Gemeenten willen hun mobiliteitsbeleid steeds breder onderbouwen. Niet alleen met cijfers over auto, fiets en ov, maar ook met inzicht in lopen en thuiswerken. Juist voor die onderdelen van het woon-werkverkeer is de beschikbare informatie versnipperd en minder eenvoudig te monitoren en vergelijken. Goudappel ontwikkelde daarom een methode die verschillende databronnen samenbrengt en zo een completer beeld geeft van woon-werkmobiliteit.
Van auto, fiets en ov naar een breder beeld
Gemeenten staan voor de opgave om groeiende steden bereikbaar en leefbaar te houden. Ze willen ruimte efficiënt gebruiken, de doorstroming verbeteren en werken aan duurzaamheid en brede welvaart. Dat vraagt om een brede kijk naar de manier waarop mensen zich verplaatsen.
Die bredere blik zien we bijvoorbeeld terug in STOMP, waarin lopen vooropstaat. Maar juist over de rol van lopen in het woon-werkverkeer is relatief weinig eenduidige informatie beschikbaar. Ook thuiswerken is relevant; wie thuiswerkt voorkomt immers een woon-werkverplaatsing. Daarmee kan thuiswerken bijdragen aan het verminderen van de druk op het mobiliteitssysteem. Voor woon-werkmobiliteit verbreden we STOMP daarom met een stap ervoor: de n van niet-reizen. Zo ontstaat n-STOMP, waarin eerst de vraag centraal staat óf een verplaatsing nodig is en daarna hoe die verplaatsing wordt gemaakt.
De informatie is er, maar versnipperd
Er is al veel informatie beschikbaar over woon-werkverkeer, lopen en thuiswerken. Die informatie komt alleen uit verschillende onderzoeken, met verschillende definities, meetmethoden en onderzoeksperioden. Daardoor zijn de cijfers niet zonder meer naast elkaar te leggen.
Voor onze methode combineren we gegevens uit het Landelijk Reizigersonderzoek, Onderweg in Nederland van het CBS en ons eigen Nederlands Verplaatsingspanel. Iedere bron heeft daarbij zijn eigen kracht. Door de gegevens te vergelijken, op elkaar af te stemmen en waar nodig te corrigeren, ontstaat een zo consistent mogelijk beeld van de woon-werkmobiliteit.
Zo brengen we auto, ov, fiets, lopen en thuiswerken samen. Daarmee beantwoorden we twee vragen. Als mensen naar hun werk reizen, hoe doen ze dat? En welk deel van de woon-werkverplaatsingen vindt niet plaats doordat mensen thuiswerken?
Wat kunnen gemeenten met deze inzichten?
De methode geeft overheden een completer beeld van woon-werkmobiliteit en helpt om keuzes in mobiliteitsbeleid beter te onderbouwen.
Zo wordt duidelijker welke rol lopen speelt in het woon-werkverkeer. Dat kan bijvoorbeeld aanleiding zijn om verder te onderzoeken of investeren in aantrekkelijke looproutes tussen stations en werklocaties zinvol is. Daarmee helpt de informatie om lopen nadrukkelijker mee te nemen in beleid waarin STOMP wordt toegepast.
Ook maakt de methode zichtbaar hoeveel woon-werkverplaatsingen al worden voorkomen en waar nog potentie voor thuiswerken ligt. Gemeenten kunnen die informatie bijvoorbeeld gebruiken binnen hun werkgeversaanpak en bij vraagstukken rond bereikbaarheid en spitsdruk.
De inzichten zijn daarmee relevant voor opgaven rond bereikbaarheid, doorstroming, leefbaarheid, duurzaamheid en brede welvaart. Ze kunnen worden gebruikt bij omgevingsvisies, werkgeversaanpak en het monitoren van beleid. Ook richting SUMP/mobiliteitsplannen kan de methode op termijn relevante input leveren, omdat gemeenten hun mobiliteitsbeleid steeds meer integraal moeten onderbouwen en volgen.
Vier steden, verschillende patronen
We hebben de methode toegepast op de G44 (44 grootste gemeenten van Nederland). De eerste resultaten laten zien dat de verhouding tussen vervoerwijzen en thuiswerken per gemeente verschilt. Om te laten zien wat de methode zichtbaar maakt, lichten we Almelo, Enschede, Den Haag en Rotterdam uit.
Thuiswerken ten opzichte van de auto in Almelo, Enschede, Den Haag en Rotterdam
De kaart laat zien dat het aandeel thuiswerken in deze vier gemeenten verschilt. Waar dit in Den Haag en Rotterdam meer dan 30% is, is dit in Enschede 20 tot 30% en in Almelo minder dan 20%. Dat zijn niet alleen interessante cijfers, maar is vooral aanleiding om naar de situatie achter die cijfers te kijken. De economische structuur van een stad speelt bijvoorbeeld een belangrijke rol. Een stad met relatief veel kantoorbanen (zoals Den Haag) biedt andere mogelijkheden voor thuiswerken dan een stad met veel werkgelegenheid in sectoren waar aanwezigheid op locatie noodzakelijk is (zoals Almelo).
Fietsen en lopen ten opzichte van de auto in Almelo, Enschede, Den Haag en Rotterdam
Ook bij actieve mobiliteit zien we verschillen. De combinatie van fietsen en lopen ten opzichte van de auto verschilt tussen de vier gemeenten. In Den Haag en Enschede is het aandeel lopen en fietsen naar het werk hoger dan in Rotterdam en Almelo. Voor beleidsmakers kan dat aanleiding zijn om verder te kijken. Welke rol spelen fietsen en lopen nu in het woon-werkverkeer? Welke ambities heeft de gemeente? En waar is verdieping nodig om te bepalen welke maatregelen kansrijk zijn?
De cijfers zijn nadrukkelijk geen ranglijst. Verschillen tussen gemeenten vragen om duiding vanuit onder meer ruimtelijke structuur, werkgelegenheid en bereikbaarheid. Bij lopen is bovendien enige voorzichtigheid nodig. Lopen wordt in bestaande onderzoeken niet altijd volledig geregistreerd, waardoor het werkelijke aandeel hoger kan liggen.
Niet alleen vergelijken, maar ook ontwikkelingen volgen
De methode maakt het mogelijk om gemeenten met elkaar te vergelijken, maar biedt ook kansen voor monitoring. De onderliggende databronnen worden jaarlijks vernieuwd en de analyse kan met nieuwe gegevens opnieuw worden uitgevoerd.
Daarmee kan over een langere periode worden gevolgd hoe woon-werkmobiliteit zich ontwikkelt. Neemt het aandeel lopen toe? Verandert de verhouding tussen auto, fiets en ov? Hoe ontwikkelt thuiswerken zich? En sluiten die ontwikkelingen aan bij de ambities uit het mobiliteitsbeleid?
Juist voor beleid dat over meerdere jaren loopt, is dat relevant. De cijfers kunnen eerst helpen om beleid te onderbouwen en op een later moment om te bekijken hoe de mobiliteit zich daadwerkelijk heeft ontwikkeld.
De cijfers zijn het vertrekpunt
Een gemeentelijk beeld vertelt niet automatisch welke maatregel nodig is. Het laat wel zien waar kansen liggen en welke onderwerpen verdere aandacht verdienen.
Als uit de cijfers bijvoorbeeld blijkt dat lopen een belangrijke rol speelt of kan spelen, kan verdiepend onderzoek inzicht geven in loopstromen, de kwaliteit en beleving van routes en mogelijke verbeteringen tussen stations en werklocaties. Bij thuiswerken kan de volgende stap liggen in de werkgeversaanpak en het gesprek met werkgevers over hun bijdrage aan de bereikbaarheid van de stad.
Zo vormen de cijfers een vertrekpunt voor verdere verdieping, beleid en maatregelen. Door de analyse later te herhalen, kan vervolgens ook worden gevolgd wat er verandert.
