Activiteitenpatronen en reistijdwaardering

Activiteitenpatronen en reistijdwaardering

December 2007 Designing Sustainable Accessibility (Dessus) Eindrapportage

Author

Organisation

•

Jolien Snellen

•

Universiteit Utrecht

•

Dick Ettema

•


•

Martin Dijst

•


•

•

•

•

1

Activiteitenpatronen en reistijdwaardering Rapportage DESSUS

Jolien Snellen Dick Ettema Martin Dijst

In opdracht van TRANSUMO

December 2007

2

3

Inhoudsopgave

1

INLEIDING...................................................................................................................................6 1.1 1.2

2

LITERATUUROVERZICHT VALUE OF TIME .................................................................. 10 2.1 2.2

3

RESULTATEN VOOR SOCIAAL-DEMOGRAFISCHE KENMERKEN .............................................. 31 RESULTATEN VOOR DE KENMERKEN VAN DE TOUR .............................................................. 35 CONCLUSIE WOON-WERK MODEL ......................................................................................... 36

RESULTATEN VRIJETIJDSTOURS...................................................................................... 37 6.1 6.2 6.3

7

METHODE (THEORIE)............................................................................................................ 23 DATABESTANDEN ................................................................................................................ 24 GEGEVENS EINDBESTAND .................................................................................................... 27

RESULTATEN WOON-WERK TOURS................................................................................. 29 5.1 5.2 5.3

6

CONTOUREN VAN DE KLASSIEKE TIJDGEOGRAFIE................................................................. 19 TOURS EN VALUE OF TIME ................................................................................................... 21 THEORETISCH RAAMWERK ................................................................................................... 19

DATABESTANDEN EN METHODE....................................................................................... 23 4.1 4.2 4.3

5

OVERZICHT VAN VOT-STUDIES ........................................................................................... 10 LACUNES IN VOT-ONDERZOEK ............................................................................................ 16

THEORETISCH RAAMWERK ............................................................................................... 19 3.1 3.2 3.3

4

DESSUS ................................................................................................................................6 VALUE OF TIME (VOT) ..........................................................................................................7

RESULTATEN VOOR DE SOCIAAL- DEMOGRAFISCHE KENMERKEN......................................... 39 RESULTATEN VOOR DE KENMERKEN VAN DE TOURS ............................................................ 41 CONCLUSIE VRIJETIJDSMODEL ............................................................................................. 41

CONCLUSIE EN DISCUSSIE .................................................................................................. 41

GERAADPLEEGDE LITERATUUR ................................................................................................ 43

4

5

1

Inleiding

Het onafhankelijke kennisnetwerk TRANSUMO ontwikkelt en verspreidt kennis over innovaties en mobiliteit. Binnen dit kennisnetwerk participeren meer dan 150 publieke en private partijen, deze partijen hebben de ambitie om een andere inrichting te geven aan het mobiliteitssysteem in ruimtelijke, financiële, organisatorische en procedurele zin. Deze verandering wordt in gang gezet door gezamenlijk kennis te ontwikkelen op het gebied van duurzame mobiliteit. In 2002 heeft het ministerie van Economische Zaken (EZ) de ambitie uitgesproken het mobiliteitsysteem in Nederland te veranderen in een duurzaam en effectief systeem. Deze verandering moet voortkomen uit het optimale gebruik van verschillende innovaties en kennisnetwerken. Martens en Rotmanns (2005) ontwikkelden de transitietheorie waarin wordt omschreven hoe er met verschillende kansen om gegaan kan worden om uiteindelijk tot een optimaal systeem te komen. Dit uit zich in verschillende projecten die uiteindelijk moeten bijdragen aan de hoofddoelstelling, in dit geval een duurzaam mobiliteitssysteem. Mobiliteit is een zeer omvangrijk begrip, en heeft vele raakvlakken met verschillende vakgebieden. Dit maakt onderzoek naar mobiliteit multidisciplinair en complex. Verscheidene onderwerpen spelen een rol zoals vastgoed en ruimtelijke ontwikkeling, innovatieve (duurzame) technologieën voor transport maar ook de keuzes van het individu. Deze scala aan keuzes, technieken en motieven spelen en rol bij wat er uiteindelijk gebeurt en hoe de infrastructuur wordt samengesteld en functioneert. Een transitie houdt een structurele verandering van de maatschappij in (Martens en Rotmans 2005). Deze verandering kan door middel van beleid gestuurd worden. Dit houdt in dat men over een langere periode (minimaal 25 jaar) een duurzame wijze van mobiliteit wil realiseren. Om deze transitie in goede banen te leiden is het noodzakelijk goede inzichten te krijgen in alle facetten van het mobiliteitssysteem van de maatschappij. Deze facetten zijn zeer divers en uitgebreid.

1.1

DESSUS

De Universiteit van Amsterdam (UvA) en Universiteit Utrecht (UU) zijn binnen het kennisnetwerk TRANSUMO in 2005 van start gegaan met het project DESigning SUSstainable accessibility (DESSUS). De aanleiding van DESSUS is de opvatting dat een betere afstemming tussen verkeer en vervoer en ruimtelijke planning essentieel is voor de transitie naar duurzame mobiliteit. Deze opvatting wordt in Nederland breed gedeeld, zoals onder andere is verwoord in de Nota Mobiliteit en de Nota Ruimte van de ministeries van Verkeer en Waterstaat (VenW) en Volkshuisvesting Ruimtelijke Ordening en Milieubeheer (VROM) gepubliceerd in 2006 (VenW 2006; VROM 2006). Het staat echter in schril contrast met de weinig effectieve afstemming in de praktijk, zoals onder andere getoond door gebrekkige openbaar vervoer ontsluiting van vele recente stadsuitbreidingen. Voor deze situatie is een combinatie van organisatorische, procesmatige en inhoudelijke factoren verantwoordelijk. DESSUS spitst zicht toe op de volgende onderwerpen:

6

•

•

De constatering dat beschikbare methodieken om de afstemming tussen verkeer en vervoer en ruimtelijk planning te ondersteunen niet, of met weinig resultaat ingezet worden; De hypothesen dat de belangrijkste verklaringen hiervoor zijn dat bestaande planningsondersteunende methoden (i) op te grote afstand van werkelijke beleidsprocessen ontwikkeld worden, en (ii) te weinig inzicht geven in de complexiteit van de individuele vraag naar mobiliteit.

Het project heeft zich als centraal doel gesteld een planningsondersteunende methode te ontwikkelen die aan deze twee tekortkomingen tegemoetkomt. Deze methode omvat een participatief planning ondersteunend systeem (PPSS) gericht op het integraal ontwerpen van vervoerssystemen en ruimtelijke inrichting, in interactie met de relevante stakeholders, en rekeninghoudend met differentiatie in de mobiliteitsvraag. Als onderdeel van het PPSS wil de UU een nieuw gedesaggregeerde, op het prisma-concept (Dijst en Vidakovic, 2000) gebaseerd bereikbaarheidsmodel ontwerpen. Dit model zal de tijd-ruimtelijke beperkingen combineren met individuele reistijdwaarderingen (Engels: value of time (VOT)). Inzichten in reistijdwaardering in combinatie met gedesaggregeerde bereikbaarheidsmaten kan tot realistischere inschatting van gedrag en/of kansen op gedrag veranderingen leiden.

1.2

Value of time (VOT)

Dit rapport verslaat de resultaten van het onderzoek naar VOT uitgevoerd door de UU. De VOT is de waardering van een groep of het individu van reistijd en wordt uitgedrukt in een geldeenheid per tijdseenheid. Bijvoorbeeld mensen met een hoog inkomen hebben er meer geld voor over om hun reistijd te verkorten dan een groep met een lager inkomen. In dit rapport wordt de VOT uigedrukt in €/uur. De waarden geven ons inzicht in de afweging tussen tijd en geld van individuen en verschillende groepen mensen. Interessant voor de doelstelling van TRANSUMO is of er een relatie is tussen de VOT van individuen en groepen mensen en ruimtelijke configuratie en tijdsbudgetten. Daarnaast willen wij onderzoeken of de mate waarin rekening gehouden moet worden met anderen invloed heeft op de VOT. Inzichten in de complexiteit van de individuele vraag naar mobiliteit geeft TRANSUMO handvatten om zijn ambitie te realiseren. Het wel of niet slagen van het mobiliteitsysteem is tenslotte afhankelijk van de gebruikers van dit systeem. Het rapport wil dan ook de volgende onderzoeksvraag beantwoorden: ‘Wat is de relatie tussen de VOT en de kenmerken van activiteitenpatronen van individuen?’ Partijen die direct betrokken zijn bij het onderzoek zijn: Gemeente Amsterdam afdeling Verkeer en Vervoer, de dienst Infrastructuur Verkeer en Vervoer (dIVV) van Amsterdam, de dienst Ruimtelijke Ordening (dRO) van Amsterdam, de Stadsregio Amsterdam (SRA), NS-Commercie (NS) en Goudappel Coffeng (GC). Deze participanten worden met name betrokken bij de ontwikkeling van het PPSS. Middels het organiseren van workshops wordt geprobeerd een betere afstemming te bereiken tussen wensen van de gebruiker en de mogelijkheden van de onderzoeker. Goudappel Coffeng en de NS hebben data geleverd ten behoeve van het VOT onderzoek. Daar7

naast zijn er bronnen van het Rijksinstituut voor Volksgezondheid en Milieu (RIVM) en de GIS dataset geraadpleegd. Ook is dit onderzoek mogelijk gemaakt vanwege dataverstrekking van de ANWB en de Bond van Garagehouders (BOVAG). Om de VOT te kunnen berekenen is er informatie over verplaatsingen van individuen nodig. Deze is ontleend aan het Mobiliteits Onderzoek Nederland (MON) van 2004. Het rapport is als volgt opgebouwd. In hoofdstuk twee wordt een samenvatting gegeven van de huidige literatuur over reistijdwaarderingen. Hoofdstuk drie geeft een theoretisch kader voor de aanpak van het onderzoek naar de relatie tussen VOT en de tijd-ruimtelijke karakteristieken van verplaatsingspatronen. In hoofdstuk vier worden de methode en de gebruikte databestanden beschreven. Hoofdstuk vijf en zes geven de resultaten weer. Het laatste hoofdstuk bespreekt de belangrijkste resultaten van het onderzoek.

8

9

2

Literatuuroverzicht Value of Time

In de jaren ‘60 maakte onderzoek naar tijdallocatie zijn opmars. Sindsdien zijn er verscheidene studies naar reistijdwaardering uitgevoerd, gebruik makend van discrete keuzemodellen en stated preference (SP) onderzoek (hoofdstuk 4) (Mackie et al., 2003). In dit hoofdstuk wordt een overzicht van het huidige onderzoek naar VOT gegeven. Deze studies leren ons dat schattingen voor reistijdwaardering meestal uitkomen in een orde grootte van 5 tot 25 euro per uur en afhankelijk zijn van de kenmerken van de verplaatsing en de steekproef (Van Wee en Dijst 2002). De studies uit het verleden tonen over het algemeen de relatie tussen de VOT en het reismotief. Daarnaast is de invloed van een aantal sociaal-demografische kenmerken op de reistijdwaardering onderzocht. De algemene opvatting is dat geslacht, leeftijd, inkomen, opleidingsniveau, aantal leden per huishouden en werkuren van invloed zijn op de reistijdwaardering en vervoermiddelkeuze. Onderzoeken combineren deze verschillende kenmerken en geven een overzicht van deze effecten van de kenmerken (Hague Consulting Group 1996; Accent Marketing & Research en Hague Consulting Group 1999; Hague Consulting Group 1999; Rietveld et al. 1999; Mackie et al., 2001; Mackie et al., 2003; Wardman 2004).

2.1

Overzicht van VOT-studies

Een gestructureerd overzicht van de VOT studies die in het verleden uitgevoerd zijn kan ons leren welke factoren van invloed zijn op de VOT. Dit overzicht helpt ons bij het positioneren van de analyse en het uiteenzetten van de huidige lacunes. Eerst zal een overzicht van de huidige studies in Tabel 2-1 samengevat worden. Deze tabel wordt besproken en aan de hand hiervan worden de belangrijkste kenmerken geselecteerd (Tabel 2-2). Daarna worden in Tabel 2-3 en Tabel 2-4 de combinaties van de kenmerken met elkaar vergeleken. Een aantal landen heeft verschillende nationale VOT studies uitgevoerd, de meeste studies zijn uitgevoerd met data afkomstig uit Nederland en het Verenigd Koninkrijk. Maar ook Duitsland, Australië, Frankrijk en de Verenigde Staten hebben studies verricht.

Tabel 2-1: Overzicht van empirische VOT studies

General studies 1.

Report titles: Author: Dataset:

(1) Further Research into the Value of Travel Time Variations (1996) (2) The Netherlands’ value of time study: final report (1990) The Hague Consulting Group - Date: 1988 - Method: SP - Sample: 2060 - Location: Netherlands, urban/interurban - Population characteristics: respondent were recruited by approaching them at petrol stations, parking facilities and public transport facilities, where they were

10

2.

Report title: Author: Dataset:

3.


12.


5.


8.


asked to answer nine questions regarding the journey they were making at that time, and than asked if they would be willing to participate in further postal survey. The second Netherlands’ value of time study: final report (1998) The Hague Consulting Group - Date: 1998 - Method: SP - Sample: ? - Location: Netherlands, urban/interurban - Population characteristics: The Hague Consulting Group colleted the data in the same way as the first study. The study goal was to look after the changes over the time. Dutch national model system (NMS) (1982) MVA, ITS, TSU, (1987). - Date: 1982 - Method: RP - Sample: ? - Location: Netherlands - Population characteristics: ? The value of travel time on UK roads–1994 (1999) Accent Marketing and Research and Hague Consulting Group -Date: 1994 -Method: SP -Sample size: 4322 -Location: United Kingdom (London, Bristol, Exeter, Plymouth, Chester, Leicester, Hartlepool and Peterborough) -Population/data characteristics: Access to recruit drivers and passengers was granted at filling stations in the above cities. The recruitment of drivers and passengers took place between 8.00 am and 7.00 pm, mostly during workdays. They distinguish three different roads types: inter-urban motorways, inter-urban trunk roads and other A roads. The Ile-de-France study to develop the predictive system ANTONIN (1991) The Hague Consulting Group ? - Date: 1991 - Method: RP - Sample: - Location: France (region Paris) - Population characteristics: The Mobidrive study (1999) Cirillo, C. and Axhausen - Date: 1999 - Method: RP - Sample: 160 households and 360 individuals - Location: Germany, Karlsruhe - Population characteristics: residents of Karlsruhe

Studies for a specific purpose 7.

Report title: Date: Author: Dataset:

9.


State Route 91 in Orange Country, California, from Riverside to the east coast (1998) Lam and Small - Date: 1998 - Method: RP - Sample: 162 from 1997 plus 371 newly recruited - Location: California, urban - Population characteristics: addresses from the Department of Motor Vehicles. I-15 congestion pricing project in San Diego Brownstone, D. - Date: 1996-1998 - Method: RP - Sample: 684 - Location: Interstate Route 15 in northern San Diego, urban

11

10.


11.

Report titles: Author: Dataset:

- Population characteristics: A panel survey of travelers who use I-15 in the vicinity of the Express Lanes (lanes physically separated from the main lanes and operate in only one way direction depending on whether it is morning or evening) during the morning period when the express Lanes are open, together with timespecific traffic flow data obtained from detectors and time specific data on Fas Trak tolls (changeable fees). A practical approach to identifying the market for high speed rail in the SydneyCanberra corridor. Hensher, D. - Date: 1994 - Method: SP - Sample: 2590 - Location: Sydney-Canberra Corridor - Population/data characteristics: scheduled air travel, car travel, scheduled and non-scheduled coach travel, and tourist travel (between Sydney and Canberra). (1) Value of time, schedule delay and reliability (2) Modeling behavior responses to road pricing using stated choice data (1) Yin Yen Tseng, Barry Ubbels and Erik Verhoef (2) D.H. van Amelsfort and M.C.J. Bliemer - Date: June 2004 - Method: SP - Sample: 1115 - Location: Netherlands, congestion journeys (inter-urban?) - Population/data characteristics: The dataset consist of working respondents that use their car for home to work journey, and face congestion of 10 minutes or more for a least two times a week. Lower incomes are ‘over sampled’. The respondents use their car normally, the questionnaire propose them a choice set with public transport within.

Bovenstaande Tabel 2-1 geeft een overzicht van de in onze ogen belangrijkste VOT studies van de afgelopen jaren. De onderzoeksdoelen van deze studies zijn divers. Voorbeelden zijn het voorspellen van gedragsveranderingen naar aanleiding van een beleidsmatige verandering zoals rekeningrijden, het identificeren van een markt voor bijvoorbeeld een hoge snelheidlijn (studies 7, 9 10 en 11). Maar ook landelijke studies waarin bepaalde sociaal demografische kenmerken en reismotieven geanalyseerd worden komen voor (1 t/m 5, 8 en 12). Tabel 2-2 geeft een overzicht van de veel voorkomende variabelen die geanalyseerd zijn in deze studies.

Tabel 2-2: Lijst van veel voorkomende variabelen Sociaaldemografische Vervoermiddel kenmerken Geslacht Auto bestuurder Leeftijd Auto passagier Inkomen Trein Opleiding Bus Beroep Metro Huishoudsamenstelling Tram Aantal uren werk Fiets Lopen

Reismotief Zakelijk Woon-werk verplaatsing Vrije tijd Boodschappen

Sociaal-demografische kenmerken worden in elke studie getoetst. Deze studies tonen aan dat er een relatie tussen deze kenmerken, maar resultaten zijn wel zo uiteenlopend dat het niet vanzelfsprekend is om generaliserende verbanden te leggen tussen de ver12

schillende studies. De onderstaande paragraaf zal kort ingaan op de resultaten van de studies. Leeftijd wordt in het algemeen gecategoriseerd in jonger dan 20 jaar, 20-35 jaar, 3550 jaar en ouder dan 50 jaar. Vanzelfsprekend zijn de categorieën niet in elke studie exact hetzelfde maar samengevat kan geconcludeerd worden dat de VOT omhoog gaat voor de 20-35 categorie en weer lager ligt als de respondenten ouder zijn (Gunn 2001; Mackie et al., 2001). Deze verhoging kan verklaard worden doordat dit de leeftijdscategorie is waarin men over het algemeen de meeste verantwoordelijkheden heeft en dus meerdere taken (zoals carrière en verzorgen van kinderen) moet combineren. Alle studies, waarin een leeftijdscategorie voor 65 plus wordt meegenomen laten een lagere VOT zien voor respondenten die met pensioen zijn. Dit is te verklaren door de tijdsvrijheid die deze personen ondervinden omdat de meesten gestopt zijn met werken. Ook zijn er studies die resulteren in een hoge VOT voor personen jonger dan 20 jaar. Bijvoorbeeld in studie 1 ligt de VOT 43-46% hoger dan de basis VOT van f 12,69 per uur (€ 5,76 per uur) (Hague Consulting Group 1996). Geslacht wordt altijd meegenomen en meerdere studies laten zien dat vrouwen een hogere VOT hebben dan mannen, met name voor woon-werk verplaatsingen is het verschil groot. (Gunn 2001; Lam en Small 2001) De verklaring voor dit resultaat is dat vrouwen in de regel meerdere huishoudelijke taken op zich nemen en daarom een hogere tijdsdruk ondervinden (Vijgen en Van Engelsdorp Gastelaars 1991; Pazy, Salomon et al. 1996; Turner en Niemeier 1997). Echter studie 1 en 2 laten een tegenovergesteld resultaat zien (Hague Consulting Group 1996). Er zijn dus geen duidelijke conclusies te trekken voor de relatie tussen de VOT en het geslacht, in ons onderzoek willen we hier meer duidelijkheid over krijgen. Verschillende studies doen onderzoek naar de huishoudsamenstelling. Over het algemeen levert het hebben van kinderen een hogere VOT op (Hague Consulting Group 1996; Accent Marketing & Research en Hague Consulting Group 1999). Dit is te verklaren door de hogere tijdsdruk en de afname van de flexibiliteit die ouders ervaren. De relatie tussen het aantal uren werk en de VOT is onduidelijk. Bepaalde studies nemen het aantal uren werk mee in hun analyse maar er wordt niet altijd een VOT voor gegeven. Er zijn dan ook geen duidelijke conclusies aan te verbinden. (Hague Consulting Group 1996; Cirillo en Axhausen 2006) Het inkomen is van invloed op de VOT. Niet in elke studie is inkomen in de dataanalyse opgenomen. De reden daarvoor is dat gegevens ontbreken in de dataset, omdat respondenten niet altijd bereidwillig zijn hun inkomen in te vullen. Toch laten de studie 1 en 2 en een aantal publicaties een duidelijk verband zien tussen het inkomen en de VOT: een hoger inkomen geeft een hogere VOT. Dit is een verwacht resultaat en logischerwijs te verklaren, omdat respondenten met een hoger inkomen meer te besteden hebben. Daarnaast zullen zij gemiddeld meer uren werken en (Hägerstrand 1970; Schwanen en Dijst 2003; Van Wee et al. 2006) daarom een hogere tijdsdruk ondervinden. (Hague Consulting Group 1996; Accent Marketing & Research en Hague Consulting Group 1999; Mackie et al. 2001; Wardman 2001; Mackie et al. 2003; Besseling en Groot 2005).

13

Opleiding en beroep zijn beide onderbelichte variabelen. Studie 9 laat een hogere VOT zien voor personen met minimaal een bachelordiploma (Brownstone et al. 2003). Studie 7 heeft een dummy aangemaakt voor personen met een ‘professional’ beroep. Er wordt niet duidelijk omschreven welke beroepen hier ondervallen. Dokter en advocaat worden als voorbeeld gegeven. De studie laat geen verbanden tussen deze dummy en de VOT zien (Lam en Small 2001). Naast deze sociaal-demografische kenmerken is het reismotief regelmatig onderdeel van de analyse. Het verband tussen de VOT en zakelijke, woon-werken vrije tijdsverplaatsingen is dat zakelijke verplaatsingen de hoogste VOT hebben, gevolgd door woon-werkverplaatsingen en tenslotte de vrije tijdsverplaatsingen (Hague Consulting Group 1996; Hague Consulting Group 1999). Interessant is om bovengenoemde kenmerken niet uitsluitend afzonderlijk te analyseren maar ook te kijken naar combinaties van deze variabelen. Tabel 2-3, Tabel 2-4 en

14

Tabel 2-5 geven een overzicht van de combinaties die onderzocht zijn in de bovenstaande studies. De X in tabel geeft aan dat de combinatie van de variabelen onderzocht is en de nummers verwijzen naar de studies in Tabel 2-1. De lege cellen duiden dus op ontbrekende analyses.

Tabel 2-3: Reismotief

Geslacht Leeftijd Inkomen Opleiding Beroep Huishoudsamenstelling Aantal uren werk

Zakelijk X1,2,6,8,12 X1,2,6,8,12 X1,2,6,12

Vrije tijd X1,2,6,8,9,12 X1,2,6,8,9,12 X1,2,6,9,10,12 X9

Shoppen X8 X8

X1,2,6,8,12

Woon-werk X1,2,6,7,8,9,11,12 X1,2,6,7,8,9,11,12 X1,2,6,7,9,11,12 X7,9,11 X7 X1,2,6,8,12

X1,2,6,8,12

X8

X1,2,6,8,12

X1,2,6,8,11,12

X1,2,6,8,12

X8

Auto

Tolwegen

X6,7,9,11,12 X6,7,9,11,12 X6,7,9,10,11,12 X7,9,11 X7 X6,8,12

X7,9 X7,9 X7,9 X7,9 X7

Auto be- Auto passtuurder sagier X6,7,8,9,12 X6,7,8,9,12 X6,7,8,9,12 X6,7,8,9,12 X6,7,9,12 X6,7,9,12 X7,9 X7,9 X7 X7 X6,8,12 X6,8,12

Tabel 2-4: Vervoermiddel auto


X6,11,12

X6,8,12

X6,8,12

15

Tabel 2-5: Vervoermiddel trein, bus, metro, fiets, lopen en openbaar vervoer

OV1

Trein

Bus

Metro

Fiets

Lopen

(algemeen)


X11 X11 X11 X11

X11

X8 X8 X10

X8 X8

X8 X8

X8 X8

X8 X8

X8

X8

X8

X8

X8

X8

X8

X8

X8

X8

De tabellen illustreren dat combinaties van vervoermiddel, reismotief en sociaaldemografische kenmerken van invloed zijn op de VOT. Deze variabelen zullen ook getest worden in ons onderzoek.

2.2

Lacunes in VOT-onderzoek

De vorige paragraaf gaf een overzicht van een aantal VOT studies en hun resultaten. Echter deze studies laten een aantal lacunes zien. Zo is er weinig bekend over de relatie tussen de VOT en de kenmerken die van toepassing zijn op de flexibiliteit waarmee activiteiten van individuen uitgevoerd kunnen worden. Er is wel een aantal op zich zelfstaande analyses over kenmerken die van invloed zijn op de flexibiliteit van individuen, zoals huishoudsamenstelling en het aantal uren werk. Maar een uitgebreide analyse over de beperkingen die individuen ondervinden en de samenhang van deze beperkingen ontbreekt nog. Een aantal belangrijke factoren dat niet genoemd wordt en onze interesse heeft, wordt kort aangestipt. Het volgende hoofdstuk gaat dieper in op deze factoren en geeft een theoretisch kader voor de operationalisatie. VOT en ketenverplaatsingen De VOT wordt berekend voor een enkele op zich zelfstaande verplaatsing. Er wordt geen rekening gehouden met verplaatsingen die ervoor of erna plaatsvinden. Een aantal verplaatsingen die achter elkaar worden uitgevoerd, wordt ook wel een ketenverplaatsing genoemd. Onze hypothese is dat het aantal verplaatsingen op een dag van invloed is op de VOT omdat het aantal activiteiten in relatie staat met de tijdsdruk die een individu ondervindt. Het aantal activiteiten binnen een tijdsinterval Het aantal activiteiten binnen een tijdsinterval wordt niet tot nauwelijks onderzocht. Dit hangt sterkt samen met de ketenverplaatsing en heeft ook invloed op de tijdsdruk 1

Algemene studie naar openbaar vervoer, er worden geen verschillende vervoermiddelen onderscheiden.

16

van het individu. Verwacht wordt dan ook dat het aantal activiteiten een relatie laat zien met de VOT. Aard van de activiteiten De aard van de activiteiten die plaatsvinden kunnen van invloed zijn op de VOT. In principe is dit al naar voren gekomen in verschillende studies. Zakelijke verplaatsingen, woon-werk en vrijetijdsverplaatsingen worden anders gewaardeerd. Ook in deze studies staan de verplaatsingen op zichzelf en wordt niet gekeken hoe de verplaatsingen in relatie staan tot een eerdere verplaatsing of activiteit. Verwacht wordt dat activiteiten die gebonden zijn aan een tijd een hogere VOT hebben dan activiteiten die dat niet zijn. Aantal passagiers Er zijn aanwijzingen dat mensen die met een groep reizen een lagere VOT hebben dan mensen die alleen reizen (Mackie et al. 2003). Het artikel van Mackie c.s. is het enige waarin een studie wordt besproken inzake het reizen in groepen. Daarnaast is er een aantal studies waarin bij het vervoermiddel auto een onderscheid tussen bestuurder en passagier wordt gemaakt. Echer de relatie tussen deze twee en de VOT is onduidelijk. VOT en stedelijkheid De meeste studies hebben plaatsgevonden in een bepaalde stad of regio, afhankelijk van het doel van de studie. Een aantal studies heeft respondenten afkomstig uit verschillende regio’s maar de stedelijkheidsgraad wordt niet in de analyse meegenomen. In de studies 7, 8 en 9 worden de variabelen wel meegenomen maar worden er geen uitspraken gedaan over de relatie tussen de VOT en stedelijkheid. Het onderzoek dat wij zullen uitvoeren heeft als doelstelling helderheid te creëren voor de bovenstaande lacunes. Het volgende hoofdstuk zal ingaan op het theoretische raamwerk waar vanuit gewerkt gaat worden.

17

18

3

Theoretisch raamwerk

Het overzicht van de verschillende VOT studies in hoofdstuk 2 geeft aan dat meerdere factoren van invloed zijn op de VOT. Het reismotief en verscheidene sociaaldemografische karakteristieken zijn de belangrijkste factoren die onderzocht zijn. Echter het gedrag van mensen is complex omdat de keuzes afhangen van de specifieke situaties, waarin personen zich bevinden. Hägerstrand gaf in 1970 met zijn paper ‘What about people in Regional Science?’ de eerste aanzet voor een theoretisch kader waarin voorop staat dat er in sociaal geografisch onderzoek naar de totale situatie van het individu wordt gekeken in plaats van naar opzichzelfstaande kenmerken, zoals sociaal-demografische kenmerken. Uiteindelijk is deze paper het begin geweest van de ‘tijdgeografie’ die in de volgende paragraaf 3.1 behandeld zal worden. Deze situationele aanpak vond vanaf de jaren 70 steeds meer zijn betekenis, maar in het VOT onderzoek bleef het achterwege. Een meer situationele aanpak zou naar ons inziens ook van betekenis kunnen zijn voor de lacunes genoemd in hoofdstuk 2. De publicatie van Cirillo en Axhausen (2006) sterkt ons in deze vermoedens. Zij laten zien dat de VOT per verplaatsing niet op zichzelf staat maar afhankelijk is van andere activiteiten die op een dag ontplooid worden. In paragraaf 3.2 wordt het onderzoek van Cirillo en Axhausen verder uiteengezet en in de laatste paragraaf wordt het theoretische raamwerk dat gebruikt wordt beschreven.

3.1

Contouren van de klassieke tijdgeografie

In de tijdgeografie gaat men er vanuit dat gedragkeuzes afhankelijk zijn van de aan elkaar gerelateerde situaties waarmee mensen gedurende hun leven in contact komen (Hägerstrand 1970; Thrift 1999; Fujii en Garling 2003; Dijst, 2006). Hägerstrand (1970) introduceerde de fundamenten voor dit gedachtegoed in zijn paper ‘What about people in regional science?’ Sindsdien is de tijdgeografie een belangrijk theoretisch vertrekpunt geweest voor geografisch en mobiliteitsonderzoek. De situationele aanpak legt de nadruk op hoe mensen met elkaar en hun materiële hulpbronnen een pad in tijd en fysieke ruimte creëren om aan activiteiten deel te kunnen nemen (Hägerstrand 1970). Deze paden en activiteiten worden beïnvloed door drie typen ‘constraints’: ‘capability’ (biologisch, geestelijk, en instrumenteel), ‘coupling’ (samenkomen van mensen en objecten om activiteiten uit te kunnen voeren) en ‘authority’ (fysieke, sociale, economische en juridische regels die toegang tot activiteitenplaatsen beïnvloeden) (Hägerstrand 1970). De beperkingen die opgelegd worden aan deelname aan activiteiten in tijd en ruimte definiëren een driedimensionale tijd-ruimte (‘prism’) waarbinnen het traject van een pad voor de duur van een bepaalde periode kan worden gekozen (figuur 1). Het prisma wordt bepaald door de locatie van vertrek- en aankomstbasis, het tijdsinterval, snelheden van beschikbare vervoerswijzen en de gewenste verhouding tussen activiteitenduur en verplaatsingstijd (Dijst en Vidakovic 2000; Schwanen en Dijst 2002). 19

De projectie van het prisma op het fysieke vlak of landschap geeft het gebied aan waarbinnen het individu zijn pad kan vervolgen om aan activiteiten en/of verplaatsingen deel te nemen. Dit gebied wordt aangeduid met het concept potentiële actieruimte oftewel het tijd-ruimtelijke keuzegebied voor paden (‘potential path area’) (Lenntorp 1976).

Bron: Dijst (2006) Figuur 3-1: Prisma’s en tijd-ruimtelijke potentiële actieruimte

De collectie van in een bepaalde periode bewandelde paden en gebruikte menselijke en niet- menselijke materiële elementen wordt de feitelijke actieruimte genoemd (Schönfelder en Axhausen 2003; Dijst 2006). De feitelijke actieruimte visualiseert het pad dat een individu doorlopen heeft in een bepaalde periode. Kenmerken van dit pad en de periode waarin dit pad wordt afgelegd, geven handvatten voor het theoretische kader van de situationele aanpak van het onderzoek. In de operationalisatie van het theoretische kader speelt een aantal begrippen een essentiële rol. Het is van belang dat deze begrippen goed afgebakend worden zodat alle data op een passende wijze verwerkt kan worden. Het begrip ‘tour’ speelt een belangrijke rol. Een tour start als de thuisbasis wordt verlaten en eindigt als de thuisbasis opnieuw bereikt wordt. In deze periode kan het individu zich verplaatsen naar een enkele of meerdere locaties en daar activiteiten ontplooien. Zoals de tijdgeografie uiteenzet zijn deze activiteiten onderhevig aan ‘contraints’. Verwacht wordt dat deze ‘contraints’ eveneens van invloed zijn op de VOT.

20

3.2

Tours en value of time

Het begrip tour wordt gebruikt om meerdere verplaatsingen binnen een verplaatsing niet opzichzelfstaand te zien maar in relatie met meerdere activiteiten die binnen een tijdsinterval ontplooid worden. Cirillo en Axhausen (2006) zijn van start gegaan met het onderzoek naar de relatie tussen de VOT en een tour. Tijdens het verblijf buitenshuis wordt een aantal kenmerken geregistreerd: het aantal activiteiten, of de verplaatsingen door de weeks of in het weekend hebben plaatsgevonden, in welk dagdeel de tour heeft plaatsgevonden, de totale reistijd en de totale tijd besteed aan de activiteiten. In het onderzoek van Cirillo en Axhausen resulteert dit in verschillende interessante VOT’s: een avondtour op een werkdag ligt een stuk hoger (28,17 €/uur) dan een gemiddelde werktour (12,53 €/uur). Een tour in de ochtend is opvallend laag (3,89 €/uur) tijdens de werkdag. Omdat de avondtours op werkdagen over het algemeen winkelen of een vrijetijdsactiviteit als doel hebben, wordt de beperkte tijd als verklarende factor voor de hoge VOT gegeven. Tours tijdens het weekend laten juist juist het tegenovergestelde zien: 27,41 €/uur voor een tour in de morgen en 7,26 €/uur voor een tour ’s avonds. De tours tijdens het weekend overdag hebben de hoogste VOT van allemaal (31,85 €/uur) wat zeer opvallend is omdat de vorige studies ons lieten zijn dat vrijetijdsverplaatsingen een lage VOT hebben. De auteurs van het artikel geven geen verklaring voor de resultaten. De resultaten van Cirillo en Axhausen bevestigen onze vermoedens dat mensen in verschillende situaties een verschillende VOT zullen hebben en dat de VOTs niet alleen afhankelijk zijn van karakteristieken van de verplaatsingen en het individu. Vanwege de complexiteit van het gedrag en de situatie is het gewenst een raamwerk te ontwerpen dat een kader geeft voor de operationalisatie. De tijdgeografie biedt die mogelijkheid.

3.3

Operationalisatie

In het onderzoek worden waargenomen verplaatsingen gebruikt om de VOTs te berekenen. Er wordt dus gekeken naar de feitelijke actieruimte van individuen. Een basis is een locatie waar een individu regelmatig langere periode activiteiten ontplooit. Het meest voor de hand liggende voorbeeld is de woonlocatie, andere locaties zijn bijv. werkplek en onderwijsinstelling. Wij onderscheiden alleen de woonlocatie als basis, het tijdsinterval start dan ook als de woning verlaten wordt en eindigt als men weer terugkeert op de woonlocatie. Een tour kan uiteenlopende informatie bevatten omdat er verschillende activiteiten ondernomen kunnen worden tijdens het verblijf buitenshuis. Een voorbeeld van een tour is: een vrouw brengt haar kinderen naar de kinderopvang, gaat werken, doet boodschappen en haalt haar kinderen weer op. Dit zijn dus 4 activiteiten binnen één tour. Een voorbeeld van een woon-werk verplaatsing wordt in de onderstaande figuur 2 weergeven.

21

Before Home-to-Work

Home to Work

During work

Work to Home

Post home arrival

Tour: Commuting

Figuur 3-2 : Woon-werk verplaatsing ingedeeld naar tour

Tijdens de intervallen van en naar het werk vinden in ons voorbeeld nog een aantal activiteiten plaats: brengen/halen van kinderen en winkelen. Het is ook mogelijk dat er verschillende tours op één dag zijn als er bijvoorbeeld na thuiskomst van het werk nog een avondactiviteit ondernomen wordt. Deze tours kunnen onafhankelijk van elkaar onderzocht worden, terwijl naar verwachting het aantal tours op een dag van invloed op elkaar is. Zo zal waarschijnlijk een individu dat na een werktour ’s avonds een sportactiviteit doet minder tijd aan reizen besteden dan iemand die de hele dag vrij heeft gehad. De onderstaande figuur 3 illustreert een mogelijke relatie.

Before Home-to Work

Home to Work

During work

Work to Home

Tour: Commuting

Post home arrival

Tour: Evening activity

Relationship between tours

Figuur 3-3: Relaties tussen tours

Deze analyse onderzoekt de relaties tussen de verschillende feitelijke actieruimtes op bepaalde tijdstippen op een dag. De tours zoals hierboven omschreven geven het kader waarin ons onderzoek uitgevoerd gaat worden. Belangrijke variabelen zijn: het aantal tours dat op een dag plaatsvindt, het aantal activiteiten die binnen de tour plaatsvindt, de aard van de activiteiten en het dagdeel waarin de tour plaatsvindt. Daarnaast worden alle sociaaldemografische kenmerken uit Tabel 2-2: Lijst van veel voorkomende variabelen opgenomen in de analyse. Het volgende hoofdstuk beschrijft welke methode en databestanden gebruikt worden.

22

4

Databestanden en methode

In dit hoofdstuk worden de onderzoeksmethode en de gebruikte databronnen besproken. Om de VOT te berekenen zijn discrete keuzemodellen vereist, in de onderstaande paragraaf zal een globaal overzicht gegeven worden van enkele van de belangrijkste type keuzemodellen zoals die in de literatuur beschreven worden met als doel de principes van de methode duidelijk te maken. In de tweede paragraaf wordt de keuze voor de verschillende databronnen verantwoord. Tenslotte wordt het uiteindelijke databestand gepresenteerd.

4.1

Methode (theorie)

Achter de berekening van de VOT zit de econometrische methodiek van discrete keuzemodellen. De keuzemodellen beschrijven een keuze van een alternatief uit het aanbod van meerdere alternatieven. Een alternatief bezit een aantal eigenschappen (attributen). Gesteld wordt dat een individu aan ieder van deze eigenschappen een bepaald nut zal ontlenen (deelnut). Het totaal nut van het alternatief wordt op basis van de deelnutten geïntegreerd door middel van een mathematische functie. De keuze voor één alternatief kan vervolgens beschouwd worden als een mathematische functie van de verschillende totaalnutten. Bij de calibratie van een keuzemodel gaat het erom een bepaald verband te vinden tussen de verklarende variabelen (de waarden van de attributen) en de afhankelijke variabelen (de keuze). Het principe dat aan deze modellen ten grondslag ligt kan uit twee theorieën afgeleid worden, namelijk de ‘strict utility theorie’ en de ‘random utility theorie’. Volgens beide theorieën is de kans dat een alternatief gekozen wordt afhankelijk van het nut dat aan dat alternatief ontleend wordt en het nut dat aan andere alternatieven in de keuzeset ontleend wordt. De ‘random utility theorie’ verondersteld in tegenstelling tot de ‘strict utility theorie’ dat het nut mede bepaald wordt door toeval. De ‘random utility theorie’ is de meest gehanteerde theorie, die in dit onderzoek ook gebruikt wordt. Summier zal uitgelegd worden welke mathematische functies de basis vormen voor de ‘random utility theorie’. De keuze is afhankelijk van een bepaald nut dat ontleend wordt aan de verschillende attributen. Er moet rekening gehouden worden met het feit dat niet alle attributen geobserveerd kunnen worden, er meetfouten gemaakt worden en er heterogeniteit in voorkeuren bestaat. Deze factoren worden in een ‘error term’ gerepresenteerd. Omdat de keuze van een individu niet deterministisch is, wordt het schatten van het model als probabilistisch beschouwd. Deze waarschijnlijkheid kan in de onderstaande formule uitgedrukt worden (Train 2003). Pni = Prob (U ni > U nj ∀j ≠ i ) = Prob (Vni + ε ni > Vnj + ε nj ∀j ≠ i ) = ∫ I (ε nj − ε ni < Vni − Vnj ∀j ≠ i )f (ε )dε De Unj is het nut dat het individu n die het alternatief kiest ontleend aan het alternatief j; Vnj is het systematische nut. De ε geeft de toevalscomponent aan omdat de keuze niet eenduidig vastligt. Het model is dus gebaseerd op de kans dat een alternatief j gekozen wordt gelijk is aan is de kans dat j een hoger totaalnut heeft dan de andere al23

ternatieven. Om het model verder af te leiden is het noodzakelijk dat een bepaalde statistische verdeling voor de ε wordt aangenomen. Indien bijvoorbeeld een normale verdeling wordt aangenomen kan het probit-model wordt afgeleid. Meestal wordt echter uitgegaan van de dubbel exponentiële verdeling, waarbij geldt dat de gemiddelde waarde van alle ε gelijk is aan nul en dat ze allemaal dezelfde standaarddeviatie hebben. Onder deze aanname kan het multinomial logit model (MNL) afgeleid worden. Voor dit model kan de volgende kansfunctie afgeleid worden (Ben -Akiva and Lerman 1985).

Pni =

eVni ∑j e

Vnj

Hierin is Vni het structurele nut van alternatief i, gedefinieerd als lineaire functie van een aantal attributen xik:

Vni = α i + ∑ β k xik k

Dit model wordt in onze analyses gebruikt. Het model heeft aan aantal nadelen die hieronder beknopt opgesomd worden: • Een belangrijk kenmerk van het model is de ‘Independence of Irrelevant Alternatives’-eigenschap (IIA-eigenschap). Deze eigenschap houdt in dat de verhouding tussen de kansen van twee alternatieven alleen afhankelijk is van het verschil in de structurele nutten van deze alternatieven en onafhankelijk van het nut of het bestaan van andere alternatieven. • Het MNL-model impliceert proportionele substitutiepatronen en de eigenschap van de afhankelijkheid van de relevante alternatieven (Train 2003). Omdat de nadruk ligt op het verkrijgen van inzicht in de factoren die de VOT beïnvloeden en niet op substitutiepatronen tussen specifieke alternatieven wegen deze nadelen niet zwaar in de huidige studie. De MNL modellen worden geschat met LimDep software. Dit softwarepakket heeft onder meer de mogelijkheid verschillende technieken voor het schatten van keuzemodellen te gebruiken. Een nadeel van de software is dat het beperkingen stelt aan de grootte van de dataset. Tegen dit nadeel zijn wij aangelopen. Door middel van zelfgeschreven PASCAL-programma’s zijn deze problemen ondervangen. De tours zoals in het vorige hoofdstuk beschreven worden met behulp van SPSS software bepaald. Het databestand met de verplaatsingen (MON-2004) wordt ook in deze software aangeleverd.

4.2

Databestanden

Het uiteindelijke databestand dat gebruikt is voor de analyses is opgebouwd uit verscheidene deelbestanden (Tabel 4-1). Deze verschillende bestanden worden kort Tabel 4-1: Overzicht databestanden

24

Bestand MON 2004

BasNet2000 RIVM afstandenmatrix NS spoorboekje NS website AVV reistijdenmatrix ANWB kosten auto BOVAG wagenpark Auto Gids 2007

Gegevens Verplaatsingen, kenmerken van respondent en verplaatsing Reistijden auto en fiets Afstanden auto, fiets en bus Reistijden en afstanden NS Kosten trein verplaatsingen Reistijden bus, metro, tram Kosten auto Opbouw wagenpark 2004 Kosten tweedehands auto’s

Bron Ministerie van VenW

GIS RIVM NS NS AVV ANWB BOVAG Consumentenbond

besproken. Over het algemeen was het moeilijk om de juiste data te verzamelen en in te laden in de LimDep software. Uiteindelijk zijn er twee softwareprogramma’s, LimDep en SPSS, en één programmeertaal PASCAL gebruikt om het eindbestand te op te bouwen. Daarnaast is gebruikt genaakt van het MON-2004, bestanden van AVV, de BOVAG en de ANWB. Deze worden hieronder besproken. Mobiliteit Onderzoek Nederland (MON) De Rijkswaterstaat Adviesdienst Verkeer en Vervoer (RWS AVV) voert jaarlijks het Mobiliteit Onderzoek Nederland (MON) uit. Dit is de opvolger van het Onderzoek Verplaatsingsgedrag (OVG) dat het Centraal Bureau voor de Statistiek (CBS) sinds 1978 jaarlijks uitvoerde. Voor dit onderzoek is het MON uit 2004 gebruikt. Het MON bestaat uit een steekproef van de Nederlandse bevolking. Elke respondent houdt één dag per jaar een dagboekje bij van al zijn verplaatsingen. Het onderzoek MON gebeurt door middel van enquêtes. Er is een standaardenquête die bestaat uit een schriftelijke huishoudvragenlijst en persoonsvragenlijsten. Op de huishoudvragenlijst staan vragen over het huishouden, zoals de samenstelling en grootte van het huishouden, leeftijd, geslacht en opleiding van personen in dat huishouden. Op de persoonsvragenlijst kunnen alle verplaatsingen over één dag worden ingevuld. Schriftelijke enquêtes leveren vaak weinig respons op. Daarom worden in dit onderzoek de huishoudens gebeld om ze te herinneren en eventueel te motiveren de enquête in te vullen. Mensen worden dus niet gebeld om ze vragen te stellen, maar om ze te motiveren. Als vragenlijsten onvolledig, slecht of foutief zijn ingevuld, worden mensen gebeld om alsnog de ontbrekende informatie boven water te krijgen. Huishoudens zonder telefoonnummer worden uiteraard alleen via de post benaderd. Naast de standaardenquête wordt een aantal na-enquêtes gehouden. Deze na-enquêtes zijn bedoeld om informatie te verzamelen over vergeten verplaatsingen, non-respons en het gebruik van openbaar vervoer en het verzamelen van extra informatie over gemaakte verplaatsingen. De kwaliteit van het totale onderzoek gaat hiermee omhoog. Na een respons van ongeveer 75% zijn er in totaal 66.482 personen en 29.221 huishoudens in het bestand van 2004 opgenomen. Voor uitgebreide informatie wordt verwezen naar de website van RWS AVV http://www.rws-avv.nl/mon. 25

BasNet2000 Om de VOT te kunnen bereken moeten de alternatieven voor de verplaatsingen uit het MON bepaald worden. De reistijd is een belangrijk kenmerk van de verschillende vervoersmiddelen. BasNet2000 levert via het Geografische Informatie Systeem (GIS) de reistijden voor de fiets en auto. De reistijd tussen twee vier cijferige postcodes wordt in secondes berekend via GIS, uiteindelijk levert dit een matrix met meer dan 15 miljoen reistijden op. De reistijden zijn gebaseerd op de ‘free flow’ mogelijkheden die het Nederlandse wegennetwerk biedt. Congestie wordt dus niet opgenomen in het model. De matrix wordt op basis van de verplaatsingen tussen de vier cijferige postcodes gekoppeld aan het MON bestand in SPSS. Afstandenmatrix van RIVM Het RIVM heeft een matrix ontworpen met de afstanden tussen de vier cijferige postcodes. De matrix wordt ook gekoppeld aan het MON bestand in SPSS en gebruikt om de afstand van een tour te bepalen. Deze afstanden gelden voor de auto, maar worden ook gebruikt om de kosten van de bus, tram en metro te bepalen. De kosten van de bus worden bepaald aan de hand van de afstand uit deze matrix en de kosten voor een strippenkaart. Met behulp van de informatiesite www.9292ov.nl wordt gekeken naar het aantal strippen dat betaald moet worden voor een bepaalde rit tussen twee verschillende postcodes. Dit wordt weer gekoppeld aan de afstand tussen deze postcodes en aan de hand daarvan worden bepaalde categorieën opgesteld. Reisinformatiegroep B.V. (www.9292ov.nl) De Reisinfomatiegroep is in de vorige subparagraaf al aan bod gekomen. Deze website is gebruikt om de kosten voor het reizen met de bus, metro en tram te bepalen.

Nederlandse Spoorwegen (NS) De Nationale Spoorwegen (NS) is partner binnen het DESSUS project. Ze hebben onder meer een tweetal databestanden geleverd. Eén bestand met het volledige spoorboekje en een bestand met de afstand voor elke postcode naar het dichtstbijzijnde NS station. Het spoorboekje geeft ons de mogelijkheid de reistijden voor de trein te bepalen. De afstand tot het dichtstbijzijnde station bepaalt de tijd die nodig is voor het voor- en natransport. De kosten van de trein worden bepaald aan de hand van de gereisde afstand met de trein en de kosten voor die afstand. De website van de NS (www.ns.nl) geeft de prijs voor een bepaalde rit. Aan de hand van deze informatie zijn er categorieën bepaald die verschillen in kosten per kilometer. Naar mate de rit langer is worden de kosten per kilometer lager. Indien er met de trein wordt gereisd is er ook een minimaal starttarief. Voor de woon-werkverplaatsingen zijn de kosten op basis van een NSjaartrajectkaart gebaseerd. Voor de overige verplaatsingen zijn de kosten op basis van een retourticket bepaald.

26

RWS AVV: BMT reistijden matrix RWS AVV beschikt over data over de reistijden van de bus, metro en tram. Die zijn aan ons geleverd in een reistijdenmatrix met de reistijden tussen de verschillende zones, die gebruikt worden voor de vervoersystemen van Nederland. De reistijden zijn inclusief voor- en natransport, overstap- en wachttijden. Om de reistijden weer te kunnen koppelen aan het MON databestand is er ook een bestand geleverd met de postcodes waarbinnen de zones vallen. Op deze manier kan een koppeling gemaakt worden tussen de postcodes van de verplaatsingen in het MON en reistijdenmatrix voor de bus, tram en metro.

De Algemene Nederlandse Wielrenners Bond (ANWB) De ANWB heeft onderzoek gedaan naar de vaste en variabele kosten per type auto. Deze gegevens zijn openbaar en te downloaden van de website van de ANWB (www.anwb.nl). Voor de auto wordt een onderscheid gemaakt tussen vaste en variabele kosten. Onder vaste kosten vallen onder andere de aanschaf van de auto, de verzekering, belastinggelden en onderhoud. De variabele kosten betreffen de kosten voor brandstof. In onze werkwijze is er voor gekozen dat uitsluitend de variabele kosten mee worden genomen in het keuzeproces, omdat de vaste kosten onafhankelijk zijn van de kosten voor een bepaalde rit. Dit is eveneens in andere studies gedaan. De Bond van Garagehouders (BOVAG) De BOVAG is een brancheorganisatie van ruim 11.000 ondernemers die zich met mobiliteit bezighoudt. Bij de BOVAG is de opbouw van het wagenpark per type auto bekend. Op basis van het wapenpark in 2004 worden de gemiddelde kosten per km bepaald. Voor benzine- en dieselauto’s zijn verschillende waarden berekend. Vanuit het MON is het brandstoftype van de auto waarmee wordt gereden, bekend. Consumentenbond De gegevens van de ANWB zijn gebaseerd op kosten van de aanschaf van een nieuwe auto. De kosten van een tweedehandse auto vallen lager uit, dit is onderzocht door de Consumentenbond en gepubliceerd in de AutoGids 2007. Op basis hiervan worden de totale kosten van de auto gecorrigeerd naar bouwjaar van de auto. Het bouwjaar van de auto die de respondenten bezitten is voor een groot deel bekend binnen het MON.

4.3

Gegevens eindbestand

In deze laatste paragraaf van dit hoofdstuk wordt een aantal statistische data uit het eindbestand weergeven. In eerste instantie gaat onze interesse uit naar tours waarin woon-werken vrijetijdsverplaatsingen plaatsvinden. Het totale eindbestand bestaat uit 46790 tours. Binnen een tour kunnen meerdere activiteiten plaatsvinden (zie hoofdstuk 3). Om verschillende categorieën te kunnen selecteren wordt per tour één hoofdactiviteit bepaald. De onderstaande Tabel 4-2 geeft indeling en frequentie van het aantal tours weer, de volgorde geeft de prioriteit aan van de activiteiten. Als er bijvoorbeeld binnen een tour wordt gewinkeld en gewerkt dan is de hoofdactiviteit werken omdat werken hoger in de lijst staat dan winkelen. De lijst is opgesteld aan de hand van de mate waarin individuen hun activiteiten over het algemeen prioriteren. 27

Tabel 4-2: Overzicht hoofdactiviteiten van de tours

Aantal 14347 1137 1096 96 2812 11221 6154 2642 2206 3021 1871 157 30 46790

Hoofdactiviteit van tour Werken Onderwijs Zakelijk bezoek in werksfeer Vervoer als beroep Afhalen/brengen personen Winkelen/boodschappen doen Visitie/logeren Sport/hobby Toeren/wandelen Overige vrijetijdsbesteding Diensten persoonlijke verzorging Overig Naar huis Totaal

(%) 30,6 2,4 2,3 0,2 6,0 24,0 13,6 5,7 4,7 6,5 4,0 0,3 0,1 100

In eerste instantie gaat onze interesse uit naar de tours waarin een woon-werk verplaatsing plaatsvindt. Daarnaast zijn we geïnteresseerd in vrijetijdsverplaatsingen. Dit betekent dat er in de uiteindelijke analyse een aantal tours niet gebruikt zullen worden. Woon-werk tours Er zal een model geschat gaan worden voor de woon-werk tours. Er zijn in totaal 14347 tours gemaakt door 12484 respondenten. De respondenten zijn allemaal 18 jaar of ouder en woonachtig in Nederland. De man vrouw verdeling en keuze voor de alternatieven zijn alsvolgt verdeeld ( Tabel 4-3 en Tabel 4-4).

Tabel 4-3: Verdeling woon-werktours naar geslacht

Geslacht Man Vrouw Totaal

Aantal 8680 5667 14347

% 60,5 39,5 100

Tabel 4-4: Verdeling woon-werktours naar vervoermiddelkeuze

Vervoermiddel Auto als bestuurder Auto als passagier Trein Bus/tram/metro Fiets

Aantal 9250 774 623 425 2915

% 64.5 5.4 4.3 3.0 20.3

28

Overig Totaal

360 14347

2.5 100.0

Zoals uit Tabel 4-4 kan worden opgemaakt is de auto het meest gebruikte vervoermiddel voor woon-werk verplaatsingen. Uit hoofdstuk drie kwam naar voren dat we ons in deze studie richten op het activiteitenpatroon van de respondent. Hier worden enkele kenmerken weergeven, die betrekking hebben op dit patroon. De tours kunnen gedurende de hele dag plaatsvinden. Het is interessant om te onderzoeken of de tijdsperiode waarin de tour heeft plaatsgevonden van invloed is op de VOT (Tabel 4-5)..

Tabel 4-5: Dagdelen waarin de woon-werktours vallen

Tijdsinterval tour Dagactiviteit 0.00-30.00 Conservatieve werkdag 0.00-19.00 Ochtendactiviteit 0.00-15.00 Middagactiviteit 11.00-15.00 Avondactiviteit 18.00-30.00 Totaal

Aantal 647 8728 3027 1675 203 14280

% 4,5 60,8 21,1 11,7 1,4 99,5

Onderstaande tabellen 4-6 en 4-7 geven een overzicht van het aantal activiteiten, dat binnen de tour plaatsvindt en het aantal tours, dat op een dag plaatsvindt.

Tabel 4-6: Verdeling aantal activiteiten per woon-werktour

Aantal activiteiten per tour Tour met 1 activiteit Tour met 2 activiteiten Tour met 3 activiteiten Tour met 4 of meer activiteiten Totaal

Aantal 10033 2063 1370 881 14347

% 69,9 14,4 9,5 6,1 100,0

Tabel 4-7: Verdeling aantal woon-werktours per dag

Aantal tours op een dag 1 tour 2 tours 3 tours 4 of meer tours Totaal

Aantal % 8045 56,1 4614 32,2 1328 9,3 360 3,5 14347 100,0

Tenslotte wordt in Tabel 4-8 een overzicht van de variabelen die in het model voorkomen gepresenteerd. Tabel 4-8: Overzicht van variabelen voor het woon-werkmodel

Level

Variabelen

Categorieën

Type

29

Individu

Geslacht Leeftijd Aantal uren werk Opleiding

Man 18-25 / 51-65 >= 30 uur HBO of WO

Dummy Dummy Dummy Dummy

Huishouden

Aantal uren werk partner Netto inkomen huishouden Kinderen Stedelijkheidsgraad

>=30 uur < 30.000 / >50.000 0-5 jaar / 6-11 jaar / 12-18 jaar > 1500 adressen per km2

Dummy Dummy Dummy Dummy

Tour

Type tour

Dagactiviteit Conservatieve werkdag (basis) Ochtendactiviteit Middagactiviteit Avondactiviteit Minuten Km 2 activiteiten / 3 activiteiten / >= 4 activiteiten 2 tours / 3 tours / >= 4 tours woon-werk model en vrije tijdsmodel

Dummy

Duur time-window Totale reisafstand Aantal activiteiten Aantal tours Hoofdactiviteit Duur hoofdactiviteit Dag Combinatie werken met winkelen en/of halen/brengen van kinderen LOS

Tijd (min) Kosten (euro’s)

Werkdag / weekend Wel combinatie

Continu Continu Dummy Dummy

Continu Dummy Dummy

Continu Continu

30

5

Resultaten woon-werk tours

In het vorige hoofdstuk is duidelijk geworden dat er uiteindelijk twee verschillende modellen worden geschat: een voor woon-werk en een voor vrijtijds tours. In dit hoofdstuk worden de resultaten van het woon-werk model gepresenteerd en besproken. De analyse is gebaseerd op kenmerken van tours. Daarnaast vinden we het belangrijk om factoren, die in de meeste VOT studies worden meegenomen ook in dit model op te nemen. Onder deze factoren vallen de kenmerken van het individu en het huishouden, zoals geslacht, leeftijd, opleiding, huishoudensamenstelling, huishoudinkomen, etc. (zie Tabel 2-2).

Tabel 5-1: Output van schatting MNL model voor woon-werk tours

Variabelen Fiets Auto bestuurder Auto passagier Bus/metro/tram Trein Leeftijd (18-25) Leeftijd (51-65) Geslacht (man) Werk uren >30 uur (individueel) Werk uren >30 uur (partner) Opleiding HBO of WO Stedelijkheid >1500 adr./km Kind 0-5 jaar Kind 6-11 jaar Kind 12-17 jaar Inkomen huishouden <30 000 Inkomen huishouden >50 000 Twee tours per dag Drie tours per dag Vier of meer tours per dag Twee activiteiten per tour Drie activiteiten per tour Vier of meer activiteiten per tour Combinatie activiteiten1 Avondtour Tijd (minuten) Kosten (€)

Β

Standard Error

b/St.Er. P[|Z|>z] 35.6 0.0 46.9 0.0 19.0 0.0 19.2 0.0 24.4 0.0 5.8 0.0 3.0 0.0 -1.8 0.12

3.76E+00 4.53E+00 1.99E+00 2.39E+00 2.76E+00 3.08E-03 1.25E-03 -7.27E-04

1.06E-01 9.66E-02 1.05E-01 1.24E-01 1.13E-01 5.36E-04 4.22E-04 4.08E-04

-1.57E-03 -1.22E-03 1.31E-03 3.38E-03 -2.15E-03 2.17E-04 -5.15E-04

4.63E-04 4.69E-04 3.55E-04 3.51E-04 6.68E-04 6.09E-04 4.91E-04

-3.4 -2.6 3.7 9.6 -3.2 0.4 -1.1

0.0 0.0 0.0 0.0 0.0 0.72 0.32

-1.50E-03

7.99E-03

-0.2

0.92

4.48E-03 -1.18E-03 -3.65E-03 -3.41E-03 1.07E-03 3.48E-04

7.53E-03 3.95E-04 9.54E-04 1.82E-03 4.65E-04 5.38E-04

0.6 -3.0 -3.8 -1.9 2.3 0.6

0.62 0.0 0.0 0.12 0.0 0.52

1.25E-03 -1.52E-03 -7.95E-03 -6.67E-03 -2.70E-02

5.63E-04 6.05E-04 3.66E-03 5.69E-04 4.85E-03

2.2 -2.5 -2.2 -11.7 -5.6

0.0 0.0 0.0 0.0 0.0

1

Dit is de parameter voor een tour waarin een werkactiviteit en/of winkelen en/of kinderen halen/brengen heeft plaatsgevonden. 2 Deze variabel is niet significant.

31

Het eerste model dat gepresenteerd wordt is een woon-werk model met tours waarin 7 of meer km is gereisd. Aangezien we uitsluitend locatiegegevens hebben op 4cijferige postcodes bleek het niet mogelijk om een realistisch model te schatten voor tours waarin minder dan 7 km wordt gereisd. Hierdoor kan de reistijd niet bepaald worden vanaf de exacte woonlocatie tot aan de exacte eindbestemming. Korte verplaatsingen leveren derhalve gemiddeld een grovere benadering van de reistijd op dan lange afstanden. Er is een aantal variabelen dat in onze ogen belangrijk is voor de basis van het model. Dit zijn geslacht, leeftijd, huishoudinkomen en huishoudsamenstelling. Deze variabelen worden bijna altijd in het model meegenomen ongeacht of het model een significant verband laat zien. Uit het MON bestand is een aantal verplaatsingen weggelaten indien waarden voor bepaalde variabelen ontbraken. Zo is er bijvoorbeeld voor gekozen om respondenten waarvan het inkomen onbekend is buiten de analyse te laten. Daarnaast worden alle respondenten ouder dan 65 jaar uit het woon-werk model gelaten omdat dit een zeer klein percentage (1,3%) van de steekproef omvat. Uiteindelijk zijn er 10.067 woonwerk tours geselecteerd. Tabel 5-2: De VOT’s voor de verschillende opgenomen variabelen in het model

Level Individueel

Variabelen Basis (VOT) Leeftijd (jaar)

Geslacht Aantal uren werk per week individueel Opleiding Huishouden Kinderen

Aantal uren werk per week partner Netto inkomen per huishouden (€)

Tours

Aantal tours per dag

Aantal activiteiten per tour Combinatie activiteiten1 Avondtour

Categorieën 18-25 26-50 (basis) 51-65 Man Meer dan 30 uur

Value of time (€/uur) € 14.84 € 7.99 € 14.84 € 12.05 € 16.46 2 € 18.34

HBO of WO

€ 11.93

0-5 jaar 6-11 jaar 13-17 jaar Meer dan 30 uur < 30 000 30 000-50 000 > 50 000

€ 19.62 € 14.36 2 € 15.99 2 € 17.57 € 14.06 2 € 14.84 € 17.802

Twee tours Drie tours >= vier tours 2 activiteiten 3 activiteiten >= 4 activiteiten Wel combinatie Wel avond tour

€ 17.47 € 22.96 € 22.43 2 € 12.46 € 14.07 2 € 12.05 € 18.23 € 32.53

1

Dit is de parameter voor een tour waarin een werkactiviteit en/of winkelen en/of kinderen halen/brengen heeft plaatsgevonden. 2 Deze variabel is niet significant.

32

In Tabel 5-1 en Tabel 5-2 worden de resultaten gepresenteerd van het woonwerkmodel. In dit model is, met uitzondering van de alternatief specifieke constante, voor alle alternatieven dezelfde generieke nutsfunctie gebruikt, met steeds dezelfde verklarende variabelen. De parameters in het model zijn gekoppeld aan de tijd, behalve het netto inkomen voor huishoudens dat wordt gekoppeld aan de kosten voor de verplaatsing. Bijvoorbeeld de VOT-waarde 16.46 voor de man in tabel 5-2 betekent dat deze 1.62 hoger is dan de basis VOT waarde voor de vrouw die 14.84 bedraagt. De resulaten zullen worden besproken in de hierna volgende paragrafen.

5.1

Resultaten voor sociaal-demografische kenmerken

Leeftijd, geslacht, kinderen Te beginnen bij de leeftijdscategorieën van de respondenten. Zoals verwacht ligt de VOT in de categorie van 18-25 jaar (7,99 €/uur) lager dan de basiscategorie 26-50 jaar (14,84 €/uur). Over het algemeen ervaren mensen die in deze categorieën vallen minder tijdsdruk omdat ze minder vaste taken hebben, bijvoorbeeld de verzorging van kinderen. Daarnaast hebben ze ook relatief minder te besteden. De lager VOT wordt ook in andere studies waargenomen (Hague Consulting Group 1996). De categorie 51-65 jaar (€ 12,05 / uur) heeft ook een lagere VOT dan de categorie 26-50 jaar en dit wordt verklaard doordat we verwachten dat deze respondenten ook minder tijdsdruk ervaren dan de respondenten in de 26-50 categorie. Hoewel de VOT voor mannen hoger ligt dan voor vrouwen, is ‘geslacht’ niet significant. Echter, onze verwachting was dat doordat de vrouw meerdere taken op zich neemt, een strakker tijdschema kent dan de man dit zou kunnen leiden tot een hogere VOT. Er kunnen twee conclusies getrokken worden uit het niet significant zijn van deze variabele. In eerste instantie kan geconcludeerd worden dat er geen verband is tussen geslacht en de VOT. Toch moet je voorzichtig zijn met het trekken van deze conclusie omdat andere variabelen, die ook in het model zijn opgenomen, het resultaat kunnen beïnvloeden. Bijvoorbeeld, vrouwen met een hogere VOT zullen relatief meer uren werken. Deze variabele leidt tot een hogere VOT (zie later in dit hoofdstuk). Het verschil tussen mannen en vrouwen kan in deze studie dus ‘ondergesneeuwd’ worden door deze en andere variabelen. Op basis van andere studies wordt verwacht dat een huishouden met kinderen een hogere VOT heeft dan een huishouden zonder (Hague Consulting Group 1996; Mackie et al. 2003; Cirillo en Axhausen 2006). Het model laat zien dat de VOT (19,62 €/uur) voor een huishouden met kinderen tussen de 0-5 jaar een stuk hoger ligt dan voor een huishouden zonder kinderen. De andere categorieën laten geen significant verband zien. Een verklaring voor de hogere VOT van respondenten met kinderen in de categorie 0-5 jaar is dat de verantwoordelijkheden in de eerste vijf jaren het grootst zijn. Als de kinderen eenmaal naar de basis- en middelbare school gaan, wordt de verzorging vaker overgenomen door bijvoorbeeld scholen of zijn de kinderen zelfstandiger. Dit kan een verklaring zijn voor het niet significant zijn van de overige twee leeftijdscategorieën (6-11 jaar en 12-17 jaar).

33

Inkomen, werkuren, opleiding, stedelijkheidsgraad Het inkomen per huishouden blijkt in verscheidene studies een belangrijke variabele (Hague Consulting Group 1996; Accent Marketing & Research and Hague Consulting Group 1999; Rietveld et al. 1999; Mackie et al. 2001; Mackie et al. 2003). Wij vinden het dan ook van belang dat dit kenmerk in het model wordt opgenomen. Tegen onze verwachting in is het verschil in inkomen niet significant. Verwacht zou zijn dat hoe hoger het inkomen, hoe hoger de VOT is. Op basis van dit model kan dit niet geconcludeerd worden. De trend (positieve of negatieve parameter) is wel gelijk aan andere studies: de laagste inkomenscategorie heeft een negatieve parameter en de hoogste een positieve. Het inkomen is gekoppeld aan de kostenparameter, omdat het van invloed is op de uitgavemogelijkheden van het individu. Dat er een zwakke relatie is tussen de VOT en het inkomen kan liggen aan de andere variabelen die in het model zijn opgenomen. Respondenten met een groot aantal uren werk en zeker een huishouden waarin twee mensen meer dan 30 uur per week werken hebben vaak een hoog inkomen. Dit kan tot gevolg hebben dat inkomen in ons model niet significant is. Een andere verklaring kan de ‘bias’ in de inkomensvariabele zijn. Ongeveer een 3de van de respondenten was niet bereid hun inkomen op te geven. Het kan zijn dat als gevolg hiervan bepaalde inkomenscategorieen ondervertegenwoordigd zijn. Het aantal uren werk van de respondent en de partner van de respondent is van invloed op de VOT. Het model laat zien dat individuen die 30 uur per week of meer werken een hogere VOT (18,34 €/uur) hebben dan de respondenten die minder dan 30 werken (basis VOT: 14,84 €/uur). Dit is te verklaren doordat deze respondenten ten eerste, minder vrije tijd hebben en dus effectiever met hun tijd moeten omgaan en ten tweede, vaak meer te besteden hebben (als gevolg van het aantal werkuren) en dus ook meer kunnen besteden aan hun vervoer. Op het niveau van het huishouden staat de variabele voor een huishouden waarin twee mensen 30 of meer uur werken. Voor deze variabele ligt de VOT ook hoger (17,57 €/uur) dan de basis VOT. Hiervoor geldt dezelfde verklaring als voor het individuele niveau. Dat de waarde lager ligt dan op het individuele niveau geeft aan dat bij twee werkende partners de huishoudenstaken gedeeld kunnen worden, wat de tijdsdruk iets vermindert. Scholing op HBO of WO niveau in relatie met de VOT is ten opzichte van andere studies afwijkend. Lam en Small (2001) tonen aan dat de VOT hoger is voor hoogopgeleiden terwijl in onze studie de VOT een stuk lager ligt (11,93 €/uur). Dit effect is significant. Een verklaring voor dit resultaat zou kunnen zijn dat hoogopgeleiden in de MON dataset relatief vaak in het bezit zijn van een lease auto (16%) en dus geen kosten hebben voor het vervoer met de auto. Dit betekent dat de VOT lager voor hen uitvalt. Hiermee rekeninghoudend is dit een geflatteerd resultaat. Het verschil in waarden kan ook een gevolg zijn van andere variabelen. Zo is bekend dat hoger opgeleiden vanwege hun specialistische beroepen grotere woon-werkafstanden afleggen dan lager opegeleiden. Dat kan tot gevolg hebben dat ze minder tours op een dag maken. Ook de stedelijkheidsgraad geeft een onverwacht resultaat. Respondenten die in een gebied wonen met meer dan 1500 adressen per km2 hebben een VOT van 7,33 €/uur, 34

dus veel lager dan in de minder verstedelijkte woongebieden. Andere studies laten juist zien dat mensen wonend in een stedelijk gebied een hogere VOT hebben dan mensen van buiten de stad. Van alle respondenten met werktours woont 37,9 % in een stedelijk gebied. Een verklaring zou kunnen zijn dat de autokosten in onze studie relatief hoog liggen ten opzichte van het OV en respondenten wonend in de stad gemiddeld vaker gebruik maken van het openbaar vervoer. Dit model kan daarom uitkomen op een lagere VOT voor mensen die in de stad wonen. Ook dit resultaat kan het gevolg zijn van het opnemen van andere tourkenmerken in het model. Door hogere dichtheden en functiemenging zal het in steden gemakkelijker zijn om meerdere tours te maken en/of meer verplaatsingen binnen tours te maken.

5.2

Resultaten voor de kenmerken van de tour

Hierboven is ingegaan op de sociaal-demografische kenmerken van de respondenten. In de onderstaande tekst komen de kenmerken van de tours aan bod. Dit zijn de kenmerken die niet of nauwelijks in andere studies zijn opgenomen. Het aantal tours op een dag heeft invloed op de VOT. Het lijkt erop dat hoe hoger de frequentie van het aantal tours op een dag is hoe hoger de VOT. Bij twee tours ligt de VOT op (17,47 €/uur) en bij drie tours is de VOT (22,96 €/uur). Bij vier of meer tours is de parameter niet significant, de trend is echter wel dat de VOT een stuk hoger ligt dan de basis VOT. Als men meerdere keren het huis moet verlaten voor verschillende activiteiten is de kans groot dat deze persoon een bepaalde tijdsdruk ondervindt. Ook kan een tijdsverplichting voor bepaalde activiteiten leiden tot tijdsdruk en een oorzaak zijn van een hogere VOT. Het aantal activiteiten dat binnen de tour plaatsvindt, heeft echter het tegenovergestelde effect op de VOT. In eerste instantie was onze verwachting dat een hogere frequentie van het aantal activiteiten per tour zou leiden tot een hogere VOT. Maar dit model geeft het tegenovergestelde resultaat. De trend is dat meerdere activiteiten binnen een tour een lagere VOT oplevert (12,46 €/uur voor 2 activiteiten binnen de tour en 12,05 €/uur voor 4 of meer activiteiten). De parameter voor 3 activiteiten is niet significant. Een reden hiervoor kan zijn dat het verrichten van meerdere verplaatsingen binnen een tour voorkomt dat men meerdere tours moet maken. De variabele ‘combinatie’ (die staat voor het combineren van de werkactiviteit met het halen of brengen van kinderen en/of het doen van boodschappen) leidt tot een hogere VOT (18,23 €/uur) dan de basis VOT. Van deze twee activiteiten is één variabele gemaakt, omdat beide niet regelmatig voorkomen (winkelen 12,0% en het halen en brengen van kinderen 3,9 % van het totaal aantal werktours). Dit resultaat is tegenstrijdig met de lage VOT voor een tour met meerdere activiteiten. De betekenis van deze tegenstrijdigheid kan divers zijn. Bij het halen en brengen van kinderen heeft men vaak te maken met een tijdsverplichting. Dit kan resulteren in de wens de reistijd te verkorten zodat er meer tijd overblijft voor de vorige activiteit. Bij boodschappen doen/winkelen moet men rekening houden met sluitingstijden van de winkels. Een werktour die ’s avonds plaatsvindt heeft een VOT van 32,53 €/uur ten opzichte van de basis VOT. De hoge VOT kan verklaard worden omdat, zoals verwacht, de tijd

35

die ’s avonds beschikbaar is voor deelname aan activiteiten en verplaatsingen korter is dan overdag.

5.3

Conclusie woon-werk model

Uit de hierboven besproken resultaten wordt duidelijk dat er een verband is tussen het activiteitenpatroon en de VOT. Samengevat is een aantal conslusies te trekken. Ten eerste wordt in navolging van de publicatie van Cirillo en Axhausen uit 2006 opnieuw aangetoond dat er een verband is tussen de tour en de VOT. Dit resultaat lat zien dat VOT-studies niet kunnen volstaan met de analyse van uitsluitend sociaaldemografische kenmerken. Het meenemen van tourkenmerken leidt ertoe dat de invloed van sommige sociaal-demografische kenmerken verdwijnt of veranderen, zoals voor inkomen en opleiding. De VOT hangt veel meer van de sitautie {gekarakteriseerd naar tourkenmerken) af waarbinnen verplaatsingen worden gemaakt. Opvallend is dat de resultaten voor het kenmerk ‘aantal activiteiten per tour’ tegenstrijdig zijn met de studie van Cirillo en Axhausen. Zij vonden een hogere VOT voor een tour met meerdere activiteiten, terwijl wij een lagere VOT vinden. Op de tweede plaats hebben wij aangetoond dat meerdere tours op een dag tot hogere VOTs leidt. Een ander belangrijk resultaat is dat de aankomstbezigheid van niet alleen de hoofdactiviteit bepalend is voor de VOT maar ook de aankomstbezigheden van de andere activiteiten. Uit deze studie kom naar voren dat het halen of brengen van personen en het winkelen de VOT vergroten.

36

6

Resultaten vrijetijdstours

Na in het vorige hoofdstuk de woon-werk tours besproken te hebben komen in dit hoofdstuk de resultaten voor de vrijetijdstours aan bod. Het MON onderscheidt vijftien categorieën voor de aankomstbezigheid. Deze categorieën zijn in Tabel 4-2 weergeven. Vier van deze categorieën kunnen onder de noemer vrije tijd vallen, dit zijn (1) visite, (2) sport/hobby, (3) toeren/wandelen, en (4) overige vrije tijdbesteding. De onderstaande Tabel 6-1 en

37

Tabel 6-2 geven de resultaten van het vrijetijdsmodel weer. In dit model is, met uitzondering van de alternatief specifieke constante, voor alle alternatieven dezelfde generieke nutsfunctie gebruikt, met steeds dezelfde verklarende variabelen.

Tabel 6-1: Output schatting vrijetijdsmodel

Variabelen Fiets Auto bestuurder Auto passagier Bus/metro/tram Trein Leeftijd (18-25) Leeftijd (51-65) Leeftijd (65+) Geslacht (man) Werk uren >30 uur (partner) Opleiding HBO of WO Kind 0-5 jaar Kind 6-11 jaar Kind 12-17 jaar Inkomen huishouden <30 000 Inkomen huishouden >50 000 Huishoudsamenstelling 1 persoon Huishoudsamenstelling 2 personen 2 tours per dag 3 tours per dag 4 of meer tours per dag 2 activiteiten per tour 3 activiteiten per tour 4 of meer activiteiten per dag Avondtour Tijd (min) Kosten (€) 1

Β Standard Error b/St.Er. P[|Z|>z] 3.01E+00 2.70E-01 11.1 0.0 4.53E+00 2.47E-01 18.3 0.0 4.02E+00 2.48E-01 16.2 0.0 1.71E+00 2.88E-01 5.9 0.0 2.37E+00 2.72E-01 8.7 0.0 1.21E-03 8.19E-04 1.5 0.11 1.13E-03 5.62E-04 2.0 0.0 1.05E-03 6.07E-04 1.7 0.11 4.84E-04 3.57E-04 1.4 0.21 -1.62E-03 8.89E-04 -1.8 0.1 1.18E-03 3.65E-04 3.2 0.0 -4.19E-03 1.44E-03 -2.9 0.0 -5.24E-03 1.57E-03 -3.3 0.0 -1.56E-03 8.63E-04 -1.8 0.11 -2.61E-03 7.94E-03 -0.3 0.71 4.29E-04 1.01E-02 0.0 1.01 -1.72E+00 3.21E-01 -5.4 0.0 -5.14E-01 2.87E-01 -1.8 0.1 -8.77E-04 4.24E-04 -2.1 0.0 -2.55E-03 9.84E-04 -2.6 0.0 -3.17E-03 1.67E-03 -1.9 0.11 6.32E-04 4.15E-04 1.5 0.11 -2.26E-03 9.70E-04 -2.3 0.0 1.02E-03 5.41E-04 1.9 0.11 -3.11E-03 8.71E-04 -3.6 0.0 -3.11E-03 6.52E-04 -4.8 0.0 -1.52E-02 5.58E-03 -2.7 0.0

Deze variabel is niet significant.

38

Tabel 6-2: De VOT’s voor de verschillende opgenomen variabelen in het model

Level Individueel

Variabelen Basis (VOT) Leeftijd (jaar)

Geslacht Opleiding Huishouden Kinderen

Aantal uren werk per week partner Netto inkomen per huishouden (€)

Tours

Aantal tours per dag

Aantal activiteiten per tour

Avondtour 1

Categorieën 18-25 26-50 (basis) 51-65 65+ Man HBO of WO

Value of time (€/uur) € 12.30 € 7.521 € 12.30 € 7.83 € 8.131 € 10.381 € 7.65

0-5 jaar 6-11 jaar 12-17 jaar Meer dan 30 uur < 30 000 30 000-50 000 > 50 000

€ 12.30 € 28.88 € 33.031 € 18.70 € 10.491 € 12.30 € 12.661

Twee tours Drie tours >= vier tours 2 activiteiten 3 activiteiten >= 4 activiteiten Wel avond tour

€ 15.77 € 22.40 € 24.841 € 9.801 € 21.24 € 8.271 € 24.59

Deze variabel is niet significant.

Het model is op dezelfde manier ontworpen als het woon-werk model. Het uiteindelijke model heeft een basis VOT van 12,40 €/uur en negen variabelen zijn significant. In vergelijking met het woon-werk model zijn minder variabelen van invloed op VOT. Als oorzaak hiervan zou kunnen zijn dat de categorie ‘vrijetijds tours’ veel gemengder is dan voor woon-werktours. Bij het schatten van de vrijetijdsmodellen kwam nog een aantal punten aan het licht die de complexiteit van het onderzoek naar vrijetijdsverplaatsingen bevestigen. Ten eerste is het model geschat voor alle tours waarin de hoofdverplaatsing 23 km of langer is. Vanaf deze afstand begon het model betrouwbare resultaten te geven. Ten tweede is een aantal variabelen dat in het woon-werk model voorkomen in het vrijetijdsmodel gewist omdat deze niet significant waren, deze variabelen zijn (aantal uren werk van de het individu, stedelijkheidsgraad, en de combinatie met winkelen en kinderen halen en brengen). Een aantal variabelen dat niet significant is, maar wel belangrijk is voor het standaardmodel hebben wij erin gelaten om dezelfde reden als ‘inkomen van het huishouden’ in het woon-werk model is gelaten. De onderstaande tekst zal de verschillende variabelen die in het vrijetijdsmodel zijn opgenomen, bespreken.

6.1

Resultaten voor de sociaal-demografische kenmerken

De basis VOT is 12,30 €/uur en ligt lager van de VOT van de woon-werk tours. Dit komt ook overeen met eerder publicaties. Echter de vergelijking tussen de basis VOT 39

van het woon-werken vrijetijdsmodel is niet van grote waarde omdat de VOT’s dicht bij elkaar liggen en de modellen van elkaar verschillen. Daarnaast is het model geschat voor tours waarin 23 of meer km is afgelegd en de respondenten niet allemaal dezelfde zijn. Kortom: er kan niet geconcludeerd worden dat men € 2,54 meer over heeft om zijn woon-werktour met een uur te verkorten dan zijn vrijetijdstour. Leeftijd, geslacht, kinderen De invloed van de leeftijd van de respondenten op de VOT is niet voor elke categorie significant. Het model toont een verband aan tussen de leeftijdcategorie 51-65 jaar, deze categorie heeft een lagere VOT (7,83 €/uur) dan de basis categorie (26-50 jaar). De andere twee categorieën (18-25 jaar en 65+) tonen geen significant verband aan, maar de trend is dat deze categorieën ook een lagere VOT hebben. Deze resultaten komen overeen met de huidige literatuur. De categorie 26-50 jaar zit over het algemeen in een drukke levensfase omdat er vaak carrière wordt gemaakt en indien aanwezig kinderen verzorgd worden. Dit levert in bijna elke studie een hogere VOT op. Het geslacht is in dit model niet van invloed op de VOT. Anders dan in het woonwerk model is de trend (positieve of negatieve richting van de parameter) dat de vrouw een hogere VOT heeft dan de man. Dit zou kunnen komen doordat vrouwen al meerdere woon-werktours waarin verschillende verplaatsingen zitten, hebben gemaakt dan mannen. Dat maakt hun resterende tijd ‘kostbaar’. Kinderen binnen een huishouden hebben in dit model een grote invloed op de VOT. De VOT ligt een stuk hoger ten opzichte van de basis VOT van 12,30 €/uur. Voor de categorie kinderen van 0-5 jaar is de VOT (28,88 €/uur), de VOT voor de categorie kinderen van 6-11 jaar ligt zelfs nog iets hoger (33,03 €/uur). Voor de laatste categorie (12-17 jaar) is de VOT niet significant. De hoge VOTs voor de jonste leeftijdscategorieën geven duidelijk aan dat de aanwezigheid van kinderen binnen het huishouden leidt tot een grotere tijdsdruk. Inkomen, werkuren en opleiding Het inkomen is in dit model evenals in het woon-werk model niet significant. De trend is ook hier zoals verwacht wordt: de laagste VOT voor de categorie met het laagste inkomen en de hoogste voor de respondenten die in de hoogste inkomenscategorie vallen. De ontbrekende significantie zou veroorzaakt kunnen worden door de andere variabelen die in het model voorkomen. Het aantal uren werk van de partner kan het effect van een hoog inkomen wegnemen. Daarnaast heer circa een derde van de respondenten hun inkomen niet opgegeven (zie hoofdstuk 5). Daarnaast kan het bezit van een lease auto de inkomensvariabele beïnvloeden. Respondenten met een lease auto hebben in bijna elke geval een hoog inkomen (MON, 2004) omdat voor deze categorie het gebruik van de auto geen variabele kosten met zich meebrengt, liggen de kosten voor deze groep lager wat kan leiden tot een vertekend beeld. Het aantal uren werk van de partner heeft een verhogend effect op de VOT. Dit kan tweedelig uitgelegd worden. Ten eerste door de beperking van de vrije tijd die een lange werkweek met zich meebrengt. Ten tweede gaat een langere werkweek over het algemeen samen met een hoger salaris. Als de respondent zelf 30 uur of meer werkt dan heeft dit geen effect op de VOT. Een verklaring voor deze resulaten zou kunnen 40

zijn dat het inplannen van vrijetijdsactiviteiten vaak afhankelijk is van anderen. Deze activiteiten zullen vaak gezamenlijk met de partner gedaan worden. Het is ook mogelijk dat de partner beschikbaar moet zijn om de verzorgingstaak van de eventuele kinderen over te nemen bij een individuele vrijetijdsactiviteit. Het effect van in het bezit zijn van een HBO of WO opleiding is hetzelfde als in het woon-werk model. Het resultaat is tegenstrijdig met de huidige literatuur. Een hogere VOT voor hoger opgeleiden lijkt logisch omdat deze vaak een beter betaalde baan hebben, die gemiddeld meer tijd in beslag neemt dan andere beroepen. Daarnaast reizen hoogopgeleiden gemiddeld meer kilometers om hun werklocatie te bereiken. Evenals het woon-werkmodel zou het voorkomen van lease-auto’s onder hoog opgeleiden de oorzaak kunnen zijn voor het tegenstrijdige resultaat in vergelijking met de huidige literatuur.

6.2

Resultaten voor de kenmerken van de tours

Het aantal tours op een dag heeft effect op de VOT. Er kan gesteld worden dat meerdere tours op een dag de VOT verhoogd (15,77 €/uur voor 2 tours en 22,40 €/uur voor 3 tours). De verklaring hiervoor is dat meerdere activiteiten op een dag plaatsvinden en dat men dus een grotere tijdsbeperking ondervindt. De analyse voor de hogere VOT komt overeen met de argumenten voor het woon-werk model. Het aantal activiteiten per tour resulteert in vergelijkbare uitkomsten als voor het woon-werkmodel. Ook hier werd verwacht dat hoe hoger het aantal activiteiten per tour is hoe hoger de VOT zou zijn. Dit model resulteert in een hogere VOT (21,24 €/uur) voor 3 activiteiten. De categorieën 2 en 4 of meer activiteiten zijn niet significant, maar de trend geeft aan dat de VOT lager ligt voor deze categorieën. Deze resultaten zijn moeilijk te interpreteren omdat de categorieën tegenstrijdig trends laten zien. Een argument voor een lage VOT zou kunnen zijn dat de ketenverplaatsingen al goed georganiseerd zijn en dat men bepaalde activiteiten zo combineert dat er niet veel reistijdwinst te behalen valt. Daarnaast kan het zijn dat de activiteiten op korte afstand van elkaar liggen en dat het dus om relatief korte verplaatsingen gaat waarvoor reductie van reistijd niet of nauwelijks mogelijk is. De avondtour heeft een hogere VOT (24,59 €/uur) dan een tour die niet ’s avonds plaatsvindt. Dit resultaat is in overeenstemming met de resultaten in het artikel van Cirillo en Axhausen (2006). De kortere duur van de avond en de mogelijke verplichtingen gedurende de dag zouden kunnen leiden tot een hogere VOT. Het opvallende resultaat van Cirillo wordt opnieuw bevestigd: vrijetijdstours leiden dus niet vanzelfsprekend tot een lagere VOT.

6.3

Conclusie vrijetijdsmodel

In zijn totaliteit zijn de resultaten van het vrije tijdsmodel niet overtuigend. Het maken van vrijetijdsverplaatsingen is vanwege grote variatie in onder meer bestemmingen en motieven complexer dan voor woon-werkverplaatsingen. Het model geeft echter wel aan dat de hypothese over de tijdsbeperkingen die in het theoretische kader benoemd

41

zijn van invloed kunnen zijn op de VOT. De resultaten geven inzicht in een aantal relaties en een goed uitgangspunt om de theorie verder te ontwikkelen. Meerdere tours op een dag leiden tot een hogere VOT. Dat bevestigt de hypothese dat er niet alleen gekeken moet worden naar opzichzelfstaande verplaatsingen, zoals in het gangbare VOT onderzoek. De avondtour leidt ook voor vrijetijdstours tot een hogere VOT.

42

43

7

Conclusie en discussie

In dit laatste hoofdstuk worden de algemene conclusies en discussiepunten van het ‘revealed preference’ (RP) onderzoek inzake values of time kort besproken. Daarna zal ingegaan worden op een mogelijk ‘stated preference’ vervolgonderzoek dat opgezet kan worden aan de hand van de resultaten die uitgelicht zijn in hoofdstuk 5 en 6. Tot nu toe wordt in VOT-studies veelal voorbij gegaan aan kenmerken van activiteitenpatronen en daarin opgesloten ruimtelijke beperkingen. Veelal worden invloeden sociaal-demografische kenmerken op VOT geanalyseerd. In deze studie is bestudeerd wat de betekenis is van kenmerken van tours op VOTs. Op basis daarvan zijn voor woon-werk en vrijetijdstours afzonderlijke modellen geschat waarin onder meer sociaal-demografische en kenmerken van tours zijn opgenomen. De sociaal-demografische kenmerken die in de modellen zijn opgenomen bevestigen niet allemaal de resultaten van voorgaande VOT-studies. Zo laat onze studie geen significant verschil tussen man en vrouw zien. Het inkomen van een huishouden is eveneens niet significant, maar werkt in de voorspelde richting. Opleiding laat afwijkende resulaten zien. Verklaring voor de gevonden verschillen zouden gevonden kunnen worden in kenmerken van de steekproefpopulatie en analysemodel. In onze steeproef komen vrij veel personen met een lease-auto voor. Dit zijn vaker personen meet een hoog inkomen c.q. opleiding. Respondenten met een lease auto die in de modellen zijn opgenomen hebben geen variabele kosten. Een andere verklaring voor het afwijkende resultaat voor huishoudensinkomen is dat andere variabelen zoals het aantal uur werk van het individu en dat van de partner hiermee overlappen. Als gevolg hiervan kan de betekenis van ‘inkomen’ lager uitvallen dan in andere studies. Naast aantal gewerkte uren als indicator voor activiteitenpatronen, zijn tourkenmerken opgenomen. Beide modellen laten zien dat het aantal tours op een dag leidt tot een hogere VOT. Deze toename kan ontleend worden aan de tijdsdruk die een individu ervaart wanneer er meerdere malen per dag het huis verlaten moet worden om bepaalde activiteiten te ontplooien. Afhankelijk van de afstand kan het zeer lucratief zijn voor de respondent om bij een druk schema de reistijd te reduceren. Het aantal activiteiten per tour daarentegen laat het tegenovergestelde resultaat zien: VOTs zijn lager voor tours met meerdere activiteiten. Hiervoor zijn twee verklaringen mogelijk. Ten eerste kan beredeneerd worden dat een tour waarin meerdere activiteiten ontplooid worden al optimaal ‘gemanaged’ is door de betrokkenen en dat de daardoor de wens om de reistijd te reduceren minder is. Ten tweede kan het zijn dat de activiteiten op korte afstand van elkaar liggen en dat het dus om relatief korte verplaatsingen gaat waarvoor reductie van reistijd niet of nauwelijks mogelijk is. De activiteiten boodschappen doen en het halen of brengen van personen leiden tot een hogere VOT. De oorzaak hiervan is dat deze activiteiten aan een tijd gebonden zitten, zoals sluitingstijden van scholen, crèches en winkels en er dus sprake is van een tijdsdruk en –verplichting. De hoge VOT voor een avondtour wordt evenzeer verklaard door de tijdsdruk en -verplichting, die over het algemeen in de avond ervaren wordt. 44

Resumerend laat de studie zien dat in VOT-onderzoek naast de vertrouwde sociaaldemografische kenmerken ook kenmerken van activiteitenpatronen meegenomen moeten worden. Het opnemen van aantal gewerkte uren is al een goede stap in de richting. Beter is het om kenmerken van tours of wellicht van tijdsintervallen binnen tours mee te nemen. Deze situationele kenmerken dragen bij aan een realistischer inschatting van VOTs. Inzichten uit deze VOT-studie kunnen gebruikt worden bij geintegreerde ruimtegebruiks- en vervoersplannen waarin rekening wordt gehouden met complexe activiteiten- en verplaatsingenpatronen van bewoners en bezoekers. In dit opzicht levert deze studie een belangrijke bijdrage aan een van de doelstellingen van het DESSUS-project. Ter aanvulling op dit RP-onderzoek kan een ‘stated preference’ (SP) onderzoek worden uitgevoerd. In dit SP onderzoek kan worden voortgeborduurd op de resultaten van dit onderzoek. Het doel in zo’n SP-onderzoek is om in te gaan op de relatie tussen het aantal activiteiten per tour en de kenmerken van de activiteiten, zoals flexibiliteit, aankomstbezigheid, etc. Daartoe zullen respondenten keuzesituaties worden voorgelegd. Deze situaties kunnen bepaald worden aan de hand van tourkenmerken genoemd in deze studie.

45

Geraadpleegde literatuur Accent Marketing & Research en Hague Consulting Group (1999). The value of travel time on UK Roads. London. Ben -Akiva, M. en S. R. Lerman (1985). Discrete Choice Analysis: Theory and application to Travel Demand, MIT Press. Besseling, P. en W. Groot (2005). CPB Memorandum. D.E. OEI. Den Haag. Brownstone, D., A. Ghosh, et al. (2003). "Drivers’ willingness-to-pay to reduce travel time: evidence from the San Diego I-15 congestion pricing project." Transportation Research Part A: Policy and Practice 37(4): 373-387. Cirillo, C. en K. W. Axhausen (2006). "Evidence on the distribution of values of travel time savings from a six-week diary." Transportation Research Part A: Policy and Practice 40(5): 444-457. Dijst, M. (2006). "Stilstaan bij beweging. Over veranderende relaties tussen steden en mobiliteit." Utrecht: Universiteit van Utrecht (oratie). Dijst, M. en V. Vidakovic (2000). "Travel time ratio: the key factor of spatial reach." Transportation 27(2): 179-199. Fujii, S. en T. Garling (2003). "Application of attitude theory for improved predictive accuracy of stated preference methods in travel demand analysis." Transportation Research Part A: Policy and Practice 37(4): 389-402. Gunn, H. (2001). "Spatial and temporal transferability of relationships between travel demand, trip cost and travel time." Transportation Research Part E: Logistics and Transportation Review 37(2-3): 163-189. Hägerstrand, T. (1970). "What about people in Regional Science?" Papers in Regional Science 24(1): 6-21. Hague Consulting Group (1996). Further Research into the Value of Travel Time Variations. Den Haag. Hague Consulting Group (1999). TRACE. RO-97-SC.2035. Den Haag. Lam, T. C. en K. A. Small (2001). "The value of time and reliability: measurement from a value pricing experiment." Transportation Research Part E: Logistics and Transportation Review 37(2-3): 231-251. Lenntorp, B. (1976). "Path, prism, project, pocket, and population: an introduction." Geografiska Annaler 86: 223-226. Mackie, P. J., A. S. Fowkes, et al. (2003). Value of Travel Time Savings in the UK Summary Report. D. f. Transport. Mackie, P. J., S. Jara-Diaz, et al. (2001). "The value of travel time savings in evaluation." Transportation Research Part E: Logistics and Transportation Review 37(2-3): 91-106. Martens, P. en J. Rotmans (2005). "Transitions in a globalising world." Futures 37(10): 1133-1144. Pazy, A., I. Salomon, et al. (1996). "The impacts of women's careers on their commuting behavior: A case study of Israeli computer professionals." Transportation Research Part A: Policy and Practice 30(4): 269-286. Rietveld, P., B. Zwart, et al. (1999). "On the relationship between travel time and travel distance of commuters." The Annals of Regional Science 33(3): 269287. Schönfelder, S. en K. W. Axhausen (2003). "Activity spaces: measures of social exclusion?" Transport Policy 10(4): 273-286. 46

Schwanen, T. en M. Dijst (2002). "Travel-time ratios for visits to the workplace: the relationship between commuting time and work duration." Transportation Research Part A: Policy and Practice 36(7): 573-592. Schwanen, T. en M. Dijst (2003). "Time windows in workers' activity patterns: Empirical evidence from the Netherlands." Transportation 30(3): 261-283. Thrift, N. (1999). "Steps to an ecology of space." Human Geography Today: 295-322. Train, K. (2003). Discrete Choice Analysis with Simulations. New York, Cambridge University Press. Turner, T. en D. Niemeier (1997). "Travel to work and household responsibility: new evidence." Transportation 24(4): 397-419. Van Wee, B. en M. Dijst (2002). Verkeer en Vervoer in hoofdlijnen. Bussum, Uitgeverij Coutinho. Van Wee, B., P. Rietveld, et al. (2006). "Is average daily travel time expenditure constant? In search of explanations for an increase in average travel time." Journal of Transport Geography 14(2): 109-122. VenW (2006). Nota Mobiliteit. Den Haag: Min. van V&W. Vijgen, J. en R. van Engelsdorp Gastelaars (1991). Een gevarieerd bestaan Het gebruik van tijd en ruimte in het dagelijks leven van enkele 'oude' en 'nieuwe' groepen binnen de Nederlandse bevolking. Amsterdam: Universiteit van Amsterdam. VROM (2006). Nota Ruimte. Den Haag: Min. van VROM. Wardman, M. (2001). "A review of British evidence on time and service quality valuations." Transportation Research Part E: Logistics and Transportation Review 37(2-3): 107-128. Wardman, M. (2004). "Public transport values of time." Transport Policy 11(4): 363377. Zhang, A., A. E. Boardman, et al. (2004). Towards Estimating the Social and Environmental Costs of Transportation in Canada. Vancouver, Centre for Transportation Studies: 460.

47

Over Transumo Transumo is een programma waarin ruim 150 Nederlandse kennisinstellingen, bedrijven en overheden samenwerken aan onderzoek op het gebied van duurzame mobiliteit. Transumo wil bijdragen aan een transitie van het huidige mobiliteitssysteem naar een systeem dat bijdraagt aan versterking van de economische concurrentiepositie en het milieu en de mens grote aandacht geeft. De onderzoeks- en kennisontwikkelingsactiviteiten zijn gestart in 2004 en lopen door tot in 2009. Meer informatie is beschikbaar via www.transumo.nl

Activiteitenpatronen en reistijdwaardering

Recommend Documents