Analyse van de vervoerkeuze bij evenementen. Een eerste aanzet. Petra Schoofs. Wetenschapswinkel Katholieke Universiteit Brabant, Tilburg

Analyse van de vervoerkeuze bij evenementen Een eerste aanzet

Petra Schoofs

Wetenschapswinkel Katholieke Universiteit Brabant, Tilburg

Augustus, 2001 Wetenschapswinkel Katholieke Universiteit Brabant, Tilburg Postbus 90153 5000 LE Tilburg Tel. 013 - 466 2645 E-mail: [email protected] Internet: www.kub.nl/wetenschapswinkel ISBN: 90-73758-32-7

ii

Voorwoord

Ieder jaar worden er grote publieksevenementen met een toenemend aantal bezoekers georganiseerd: Mundial, Pinkpop, de Vierdaagse van Nijmegen, Lowlands, de Uitmarkt, Dance Valley, vrijmarkten tijdens Koninginnedag, grootschalige house-party’s, het Rotterdamse Zomercarnaval, de Tilburgse Kermis, etc. Bezoekers komen en gaan in groten getale met de trein, de bus, de auto of de fiets en zorgen door hun aantallen voor een belasting van de infrastructuur en het milieu. Niet alleen de vervoersproblemen rond het Dance Valley festival afgelopen zomer laten zien dat de logistiek van bezoekers aan belang wint. De zorg voor het milieu neemt een steeds belangrijker plaats in bij het organiseren van grootschalige evenementen en de logistieke keuzes die gemaakt moeten worden. Er zijn een groot aantal acties die kunnen bijdragen aan een vermindering van de milieubelasting bij grote evenementen. De Stichting Louis d’Eco ondersteunt organisatoren bij het maken van de juiste keuzes. Om een gefundeerde keuze te kunnen maken op het gebied van het vervoer van bezoekers bij grote evenementen heeft Louis d’Eco de Wetenschapswinkel van de Katholieke Universiteit Brabant gevraagd te onderzoeken welke vervoerswijzen het minst belastend zijn voor het milieu en welke vanuit financiële overwegingen zijn aan te bevelen. Petra Schoofs heeft de keuze van vervoermiddelen door bezoekers van evenementen onderzocht. Daarbij heeft ze berekend welke effecten in termen van vermindering van vervuiling optreden als men erin slaagt mensen van vervoerwijze te laten veranderen. Zij geeft aan welke maatregelen ervoor kunnen zorgen dat de vervuiling door verkeer bij evenementen teruggedrongen wordt. Daarbij ligt de keuze niet alleen bij de individuele bezoeker. Organisatoren van evenementen kunnen door bijvoorbeeld de keuze van het tijdstip van hun evenement ook invloed uitoefenen op het keuzegedrag van de bezoekers van hun evenementen. Iris Sliedrecht, coördinator bemiddelingen Wetenschapswinkel

ii

Voorwoord van de auteur

Dit onderzoek over de vervoerkeuze bij evenementen is uitgevoerd in opdracht van de stichting Louis d’Eco, een non-profit organisatie die zich bezighoudt met milieuzorg bij evenementen. Zij heeft als doel de milieugevolgen van evenementen onder de aandacht te brengen van de organisatie en milieuzorg een structureel onderdeel te laten worden van ieder evenement. Daartoe biedt zij advies op maat over milieumaatregelen bij evenementen en fungeert als bemiddelaar tussen de verschillende partijen die bij een evenement betrokken zijn. Het was niet eenvoudig om met dit onderzoek te beginnen. Gegevens specifiek over evenementen zijn niet te verkrijgen. Dit is de reden waarom dit onderzoek slechts een eerste aanzet geeft tot de analyse van de vervoerkeuze bij evenementen op basis waarvan vervolgonderzoek kan worden gestart. Ik wil verder hier de gelegenheid aangrijpen om iedereen te bedanken die mij geholpen of gesteund heeft bij het schrijven van deze scriptie. Hierbij denk ik vooral aan mijn begeleider van de KUB, Dr. Daan van Soest, voor de hulp die ik van hem gekregen heb; Louis d’Eco voor het verstrekken van de onderzoeksopdracht die geleid heeft tot deze afstudeerscriptie; en natuurlijk mijn familie en vrienden die mij gesteund hebben en belangstelling getoond hebben voor mijn studie. Petra Schoofs Augustus 2001

Inhoudsopgave

SAMENVATTING

1

1 INLEIDING

3

2 DE KEUZE VAN HET VERVOERMIDDEL

5

2.1 Theorie van het model

5

2.2 Beschrijving data

6

2.3 Resultaten 2.3.1 Uitleg model 2.3.2 Significantie 2.3.3 Interpretatie van de tekens van de coëfficiënten 2.3.4 Bepalen aandeel evenementgangers

7 7 7 8 12

3 VERVUILING DOOR VERVOERWIJZEN

15

3.1 Optimaal vervuilingniveau

15

3.2 Externe kosten van verkeer en vervoer

15

3.3 Monetaire waarderingsmethoden 3.3.1 Hedonische prijzen methode 3.3.2 Methode van de marktprijzen

16 16 16

3.4 Waardering geluidhinder en emissies 3.4.1 Waardering geluidhinder in cent per kilometer 3.4.2 Waardering emissies in cent per kilometer 3.4.3 Waardering van geluidhinder en emissies in cent per reizigerkilometer

17 18 18 20

3.5 Conclusies

22

4 HOE KAN DE VERVUILING VERMINDERD WORDEN

25

4.1 Welk vervoermiddel is het beste

25

4.2 Effecten van vervuiling 4.2.1 Regionaal evenement 4.2.2 Landelijk evenement

25 26 27

4.3 Verandering van de kosten van vervuiling

28

5 CONCLUSIES EN AANBEVELINGEN

29

LITERATUURLIJST

33

BIJLAGE 1 THEORIE VAN HET MODEL

35

BIJLAGE 2 STEEKPROEFGEMIDDELDEN

36

BIJLAGE 3 OPTIMAAL VERVUILINGSNIVEAU

37

BIJLAGE 4 NIET – MEGENOMEN KOSTEN

38

BIJLAGE 5 CONSUMENTEN- EN PRODUCENTENSURPLUS

39

BIJLAGE 6 BEREKENING KOSTEN VAN GELUIDHINDER

40

2

Samenvatting

Dit onderzoek heeft als doel een antwoord te vinden op de vraag hoe de vervuiling door verkeer en vervoer van en naar evenementen verminderd kan worden. Om deze vraag te beantwoorden moet eerst onderzocht worden hoe mensen naar evenementen gaan. De vervoerkeuze van mensen is afhankelijk van de persoonlijke omstandigheden, zoals leeftijd en geslacht, en van de gegevens van de verplaatsing, zoals het tijdstip en de maand van de verplaatsing. Met behulp van een model is, op basis van gegevens over de persoonlijke omstandigheden en het evenement, de kans te berekenen met welk vervoermiddel naar evenementen gegaan wordt. Gegevens uit het onderzoek verplaatsingsgedrag van het CBS zijn gebruikt om dit model te schatten voor verschillende vervoerwijzen, te weten de auto, de fiets, te voet, de bus en de trein. Door het invullen van de kenmerken van de evenementgangers in het model wordt het aandeel mensen geschat dat met dit vervoermiddel gaat. De volgende stap is het vaststellen van de vervuiling die elk vervoermiddel met zich meebrengt. In dit onderzoek maken we gebruik van de gegevens over emisies van luchtverontreinigende stoffen en geluidhinder. Omdat het in de praktijk niet mogelijk is om de kosten van één extra eenheid te bepalen van geluidhinder en emissies wordt met gemiddelde variabele kosten gewerkt als alternatief. Van alle vervoermiddelen zijn de kosten van vervuiling in cent per reizigerkilometer (dit zijn de kosten in cent per kilometer gedeeld door de gemiddelde bezettingsgraad en vermenigvuldigd met de aan-, af- en omrijdpercentages) voor de stadsbus en de streekbus het hoogste. De trein heeft lagere kosten dan de bus, maar hogere dan de auto. Van de auto brengt de auto op benzine de hoogste kosten met zich mee, daarna de auto op diesel. De touringcar volgt na de auto op diesel. Het vervoermiddel dat de minste kosten van geluidhinder en emissies met zich meebrengt is de auto op LPG. Uit deze verkregen resultaten zou heel gemakkelijk een verkeerde conclusie getrokken kunnen worden. Het lijkt dat de auto minder milieukosten met zich meebrengt dan het openbaar vervoer. Het is echter schijn dat het grootste milieuvoordeel behaald kan worden door mensen te bewegen met de auto te gaan in plaats van met het openbaar vervoer. Als meer mensen met de auto gaan dan dalen de bezettingsgraden van het openbaar vervoer. Het is niet zo dat opeens de treinen en bussen niet meer rijden. Deze zijn gebonden aan de dienstregeling. Bovendien rijden er dan meer auto’s. Het nettoeffect is een stijging van de vervuiling. De grootste terugdringing van vervuiling vindt plaats door mensen te bewegen met het openbaar vervoer te gaan. Hierdoor zullen de bezettingsgraden van het openbaar vervoer stijgen, met als gevolg een daling van de kosten in cent per reizigerkilometer. Bovendien blijven er dan auto’s staan die geen vervuiling veroorzaken. Dit is een extra winst voor het milieu. Om de kosten van verkeer en vervoer te verminderen moeten mensen dus aangeraden worden om met het openbaar vervoer te gaan.

1 Inleiding

Bij alle evenementen ontstaat vervuiling. Een gedeelte van deze vervuiling wordt veroorzaakt door het verkeer dat gebruikt wordt om van en naar het evenement te komen. Evenementgangers hebben een hele reeks aan mogelijkheden om zich te vervoeren naar het evenement. Niet elk vervoermiddel is even goed voor het milieu of voor de gezondheid van de mensen. Elk vervoermiddel brengt een of andere soort van vervuiling met zich mee. Grondstoffen moeten gedolven, vervoerd en bewerkt worden voordat een vervoermiddel gemaakt wordt. Ook bij deze processen ontstaat vervuiling. Het gebruik van vervoermiddelen brengt de noodzaak van infrastructuur met zich mee, zorgt voor ongelukken waarbij mensen en dieren gewond raken of sterven, zorgt voor files en aantasting van het milieu door onder andere de uitstoot van luchtverontreinigende stoffen en door geluid- en stankoverlast. Deze milieukosten worden niet gedragen door de veroorzakers, maar door de hele maatschappij. Mensen merken alleen indirect iets van dergelijke problemen en daarom worden de kosten van milieuvervuiling niet meegenomen bij hun beslissingen. Er moet dus een andere manier gevonden worden om de nadelen van verkeer terug te dringen. Dit onderzoek heeft als doelstelling een antwoord te vinden op de vraag hoe de vervuiling door verkeer en vervoer van en naar evenementen verminderd kan worden. Om deze centrale vraag goed te kunnen beantwoorden moet eerst een antwoord gevonden worden op twee subvragen, te weten (i) hoe gaan mensen naar een evenement en (ii) welk vervoermiddel is het meest vervuilend. Door de antwoorden te vinden op deze subvragen is het mogelijk om een oplossing te vinden voor de centrale vraag. De eerste subvraag is hoe mensen naar een evenement gaan. Het antwoord daarop is niet eenvoudig. De keuze van het vervoermiddel wordt mede bepaald door de persoonlijke omstandigheden van de vervoervrager, zoals leeftijd, geslacht en inkomen samen met zaken als tijdstip, dag, en afstand van de verplaatsing. Op basis van dergelijke gegevens kan de vervoerkeuze van de mensen voorspeld worden. De evenementhouder weet op welke dag en op welk tijdstip hij of zij een evenement houdt. Bovendien is vaak bekend uit welk gebied de evenementgangers komen. Bij een klein evenement komen vaak alleen mensen uit de regio, bij een groot evenement komen mensen uit het hele land. Vaak is ook een schatting te geven van het soort publiek dat aangetrokken wordt door het evenement. Door het creëren van een model en het invullen van de kenmerken die men weet is een schatting te geven van hoe mensen naar een evenement gaan. In hoofdstuk 2 zal uiteengezet worden hoe zo’n model in elkaar zit, hoe het berekend kan worden en wat er met het model gedaan kan worden. Als bekend is hoe mensen naar een evenement komen, is nog niet bekend hoe de vervuiling door verkeer naar evenementen verminderd kan worden. Dat kan pas als antwoord is gegeven op de tweede subvraag, namelijk: welk vervoermiddel is het meest vervuilend. Elk vervoermiddel is verschillend in zijn vervuiling. Het ene vervoermiddel stoot meer verontreinigende stoffen uit en het ander produceert veel meer lawaai. Ook tussen dezelfde soorten vervoermiddelen kan veel verschil zitten. De uitstoot van emissies hangt onder meer af van de gereden snelheid, de zwaarte van het vervoermiddel, het rijgedrag en de luchtweerstand. De geluidsoverlast is afhankelijk van bijvoorbeeld de snelheid en het type motor. Verder veroorzaakt verkeer stankoverlast, verkeersongelukken, files en versnippering van de natuur. Hoe groot is de rol van al deze zaken en hoe kun je de totale vervuiling van de verschillende soorten vervoermiddelen met elkaar vergelijken? In hoofdstuk 3 zal uitgelegd worden hoe de totale kosten van verkeer en vervoer bepaald worden, welke vervuiling bekeken wordt en hoe deze vervuiling gewaardeerd wordt.

Analyse van de vervoerkeuze bij evenementen

Indien bekend is hoe mensen naar evenementen gaan en hoe vervuilend een vervoermiddel is, kan een antwoord gevonden worden op de centrale vraag: hoe kan de vervuiling door verkeer en vervoer van en naar evenementen verminderd worden. In hoofdstuk 4 zal uiteengezet worden welk vervoermiddel het beste gebruikt kan worden om het milieu het minste te vervuilen. Verder zal hier het effect op de vervoerwijze besproken worden als bepaalde kenmerken van evenementen veranderd worden. In het laatste hoofdstuk, hoofdstuk 5, zullen conclusies getrokken worden op basis van de uitkomsten van de voorgaande hoofdstukken en zullen enkele aanbevelingen gedaan worden voor nader onderzoek op dit gebied.

4

2 De keuze van het vervoermiddel

De keuze die mensen maken als ze een vervoermiddel kiezen wordt mede bepaald door de persoonlijke kenmerken van de persoon en de plaats en tijdstip van de verplaatsing. Als hierover gegevens bekend zijn is het mogelijk om een model te maken waarmee geschat kan worden wat de kans is dat met een bepaald vervoermiddel gereisd wordt. De theorie van een dergelijk model zal besproken worden in paragraaf 2.1. In paragraaf 2.2 zal uitgelegd worden welke gegevens gebruikt zijn om het model te schatten. De resultaten hiervan zijn te vinden in paragraaf 2.3. 2.1 Theorie van het model Door het schatten van een model is het mogelijk om het gedrag van mensen te voorspellen, in dit geval, met welk vervoermiddel mensen naar een evenement gaan. De afhankelijke variabele yi, het wel of niet gebruiken van vervoermiddel i, wordt bepaald door verschillende verklarende variabelen en een onverklaard deel (Stewart, 1991). De vector van de verklarende variabele wordt weergegeven door x, welke de keuze wel of niet gebruik te maken van het desbetreffende vervoermiddel bepaalt, zoals geslacht, dag van de week en leeftijd. De vector van de coëfficiënt van de verklarende variabele is β, welke de bijdrage van de verklarende variabele aan de vervoerkeuze aangeeft. Het onverklaarbare deel wordt weergegevens door de storingsterm, ε. De kans (Pr) dat yi 1 is, dus dat met vervoermiddel i gereisd wordt is dan gelijk aan: Pr(yi = 1) = Pr(xβ + ε > 0) = Pr(ε > - xβ) = 1 – F(-xβ)

[1]

In de laatste vergelijking geeft F( ) de cumulatieve distributiefunctie (cdf) van ε weer. De cdf geeft de waarschijnlijkheid aan dat een waarde van een variabele geobserveerd wordt die minder is dan of gelijk is aan een bepaalde waarde. Als ε symmetrisch veronderstelt wordt rond 0, zoals in figuur 2.1, dan geldt dat: 1 – F(-xβ) = F(xβ)

[2]

De oppervlakte onder de grafiek links van de lijn -xβ is F(-xβ), oftewel de kans dat de storingsterm minder is dan of gelijk is aan -xβ. De totale oppervlakte onder de curve van de storingsterm is gelijk aan 1, omdat een kans maximaal 1 kan zijn. De totale oppervlakte onder de curve rechts van de lijn xβ is dus gelijk aan 1 – F(-xβ). Omdat de storingsterm ε symmetrisch verdeeld is rond 0, geldt dat het oppervlak rechts van de lijn -xβ gelijk is aan het oppervlak links van xβ. Omdat Pr(yi=1) gelijk is aan 1 – F(-xβ) geldt dus dat Pr(yi=1) = F(xβ).

Analyse van de vervoerkeuze bij evenementen Figuur 2.1 De verdeling van ε

-xβ

0

xβ

ε

Als de storingsterm ε standaardnormaal verdeeld is, dan is F( ) de standaardnormale cdf, en wordt met het probit model gewerkt. Als de storingsterm een standaard logistische verdeling heeft, dan is F( ) de standaardlogistische cdf, die ook bekend is als de logistische functie. Het logit en het probit model verschillen niet veel van elkaar, maar de logit is in de meeste gevallen makkelijker toe te passen. Dit is ook de reden waarom voor het logit model gekozen is. Het logit waarschijnlijkheidsmodel wordt weergegeven door de functie: Pr(yi = 1) = F(xβ) =

exβ (1 + exβ)

[3]

In bijlage 1 is te zien hoe deze formule tot stand is gekomen. 2.2 Beschrijving data Voordat het logit model geschat kan worden zijn er gegevens nodig op basis waarvan de schatting van het model kan plaatsvinden. De gegevens die hier zijn gebruikt zijn afkomstig uit het onderzoek verplaatsingsgedrag (CBS, 1998). Dit onderzoek geeft informatie over welk persoon met welk vervoermiddel is gereisd en welke kenmerken deze rit of die persoon heeft. De gebruikte dataset beslaat 22.983 ritten. Met behulp van deze dataset is in het statistische programma E-views een model geschat, waarmee voorspeld kan worden welk deel van de mensen met welk vervoermiddel gaat. De dataset van het onderzoek verplaatsingsgedrag was niet geschikt voor direct gebruik. Een aantal selecties zijn verricht om uit te komen op de gebruikte dataset. Het onderzoek verplaatsingsgedrag van het CBS verzamelt gegevens over de grootte en de samenstelling van het huishouden. Van alle personen binnen een huishouden van 12 jaar of ouder worden gegevens verzameld over maatschappelijke participatie, opleidingsniveau, inkomen, enz. Tevens wordt aan alle personen verzocht alle verplaatsingen die zij op een bepaalde dag maken te registreren. Ook wordt aan het gezin gevraagd om de verplaatsingen van de personen onder de 12 jaar te registreren. Per maand werden in 1998 ongeveer 6500 huishoudens geënquêteerd. In totaal zijn er 77 variabelen opgenomen in de dataset van het OVG en ongeveer een half miljoen ritten. Elke variabele kan 2 of meer waarden aannemen. Als deze waarden overgenomen werden om daarmee het model te schatten dan ontstaan er problemen. Als bijvoorbeeld de leeftijdscategorie 0 t/m 11 jaar aangeduid wordt als 1, de leeftijdscategorie 12 t/m 17 jaar aangeduid wordt als 2 en zo verder, dan wordt leeftijdscategorie 12 t/m 17 twee keer zo hoog gewaardeerd als leeftijdscategorie 0 t/m 11. Daarom zijn de voor deze scriptie interessante variabelen omgezet in dummyvariabelen, met andere woorden variabelen die alleen de waarde 0 of 1 kunnen aannemen. Omdat de dataset van het OVG zeer groot is en niet alle ritten hetzelfde motief van de verplaatsingen hebben is de dataset geselecteerd op een aantal criteria. Als eerste is geselecteerd op het motief. Evenementen staan niet als apart motief vermeld, daarom is geselecteerd op motief ‘sport en ontspanning’ en op motief ‘overig’. De aldus verkregen dataset is geselecteerd op de aankomstbezigheid en wel op ‘ontspanning / sport / bezoek schouwburg e.d.’ en op 6

2 De keuze van het vervoermiddel aankomstbezigheid ‘overig’. Om zoveel mogelijk de ritten met motief sport te verwijderen is de dataset geselecteerd op de verplaatsingsafstand (een verplaatsing kan uit meerdere ritten bestaan) van vijf kilometer of meer. Het resultaat is de gebruikte dataset. 2.3 Resultaten Met de gegevens uit het onderzoek verplaatsingsgedrag is een binair logit model geschat in E-views. Dit model is geschat voor 5 verschillende variabelen: auto, fiets, te voet, bus, en trein. Het aantal onafhankelijke variabelen kan verschillen. De β en de z-statistiek (tussen haakjes) van elke onafhankelijke variabele staan per afhankelijke variabele in tabel 2.1. Met behulp van de z-statistiek is te zien of een verklarende variabele significant is of niet. Om de resultaten van een logit model betekenisvol te interpreteren moeten de verklarende variabelen die opgenomen zijn in het model de afhankelijke variabele significant beter verklaren dan het model met alleen de constante. De hier gebruikte modellen zijn alle significant. Als eerste zal er in paragraaf 2.3.1 het model uitgelegd worden. In paragraaf 2.3.2 wordt de significantie van de variabelen besproken. In paragraaf 2.3.3 wordt uitgelegd hoe het teken van de variabelen geïnterpreteerd kan worden. In de laatste subparagraaf wordt uiteengezet hoe het aandeel evenementgangers per vervoermiddel geschat kan worden. 2.3.1 Uitleg model Het model wordt door meerdere variabelen verklaard. De eerste verklarende variabele is de constante factor. Deze bepaalt het aandeel mensen dat met het vervoermiddel gaat als alle andere variabelen die in het model staan de waarde 0 hebben. De overige variabelen zijn in een drietal categorieën verdeeld, namelijk gegevens van het huishouden, gegevens van de persoon, en gegevens van de verplaatsing. Elke categorie is weer onderverdeeld in meerdere subcategorieën. Niet alle mogelijke categorieën zijn genoemd in tabel 2.1. Door de andere variabelen op de waarde 0 te zetten wordt, met behulp van de constante factor, de kans berekend dat met het vervoermiddel gegaan wordt als de persoon het kenmerk heeft dat niet genoemd is. Met andere woorden, als bij de categorie gegevens van het huishouden de waarde van de variabele “1 auto beschikbaar” op 1 wordt gezet, dan houdt dat in dat het huishouden over één auto beschikt. Als de waarde van de variabele “2 of meer auto’s beschikbaar”op één wordt gezet beschikt het huishouden over twee of meer auto’s. Als het huishouden geen auto heeft wordt de waarde van de variabelen “1 auto beschikbaar”, en “2 of meer auto’s beschikbaar” beiden op 0 gezet. Hetzelfde gebeurt bij onder andere de leeftijdscategorie en de provincie. Meer uitleg over de toepassing van het model wordt besproken in paragraaf 2.3.4. Onder aan de tabel staat de rij “deel y=1”. Dit geeft het aandeel evenementgangers weer dat in de gebruikte dataset het desbetreffende vervoermiddel genomen heeft. Deze getallen tellen niet op tot 1. Dit komt omdat niet voor alle vervoermiddelen een model gemaakt is. De motor, bromfiets, tram, metro en wellicht nog andere vervoermiddelen staan ook ter beschikking van de evenementgangers, maar hiervan is geen model geschat. 2.3.2 Significantie De significantie van de variabele kan bij elk waarschijnlijkheidsmodel bepaald worden. Een insignificantie test tegen een conventioneel α-niveau zoals 0,05 veronderstelt dat het effect van een verklarende variabele op de afhankelijke variabele niet statistisch verschillend is van 0, gegeven dat er weinig multicollineariteit (samenhang) is tussen de verklarende variabele en elke andere. De significantie wordt getest met een toets. Een toetsing (Moors, 1991) is een statistische conclusie over de vraag welke van twee tegenstrijdige theorieën (hypotheses) de juiste is. Daarbij is

7

Analyse van de vervoerkeuze bij evenementen het de gewoonte om één van deze theorieën het voordeel van de twijfel te geven, deze theorie wordt de nulhypothese H0 genoemd. De twee mogelijke statistische conclusies (toetsingen) zijn het al dan niet verwerpen van de nulhypothese. Het voordeel van de twijfel bestaat er uit dat de nulhypothese, H0, pas wordt verworpen als de steekproef sterke aanwijzingen geeft dat H0 onjuist is. De nulhypothese wordt niet verworpen als de steekproefwaarnemingen erop duiden dat H0 juist is, maar evenmin als zij slechts een zwakke aanwijzing zijn voor de onjuistheid van H0. Als bij een individuele toepassing de conclusie luidt: H0 wordt verworpen, spreekt men van een significant resultaat. Deze toetsing is of juist of onjuist. Een toets kan plaatsvinden bij verschillende significantieniveaus (α). Naarmate het significantieniveau α kleiner is kan men meer vertrouwen hebben in de juistheid van deze conclusie. Als getoetst wordt met significantieniveau α, dan zal in hoogstens α% van de gevallen H0 ten onrechte worden verworpen. De meest gebruikelijke α is 0,05. Deze wordt ook hier gebruikt. Als de z-waarde hoger is dan 1,960 of lager dan –1,960, dan wijkt deze β niet significant af van 0, en geeft de variabele geen significante bijdrage. De variabelen die niet significant waren zijn uit het model verwijderd, zodat een model overblijft met alleen significante variabelen (Moors, 1991). Hierdoor hebben niet alle modellen evenveel variabelen. Sommige onderzoekers maken opmerkingen over of het teken van niet-significante schattingen overeenkomt met de verwachte richting van de effecten. Zulk commentaar is niet betekenisvol juist omdat de test insignificant is. De coëfficiënt van de verklarende variabele verschilt dan niet statistisch van 0. 2.3.3 Interpretatie van de tekens van de coëfficiënten Gegeven een significante statistische test impliceert een positief teken van een coëfficiënt dat de waarschijnlijkheid van de gebeurtenis toeneemt met de aanwezigheid van de onafhankelijke variabele (waarbij de andere onafhankelijke variabelen constant blijven). Omgekeerd geldt dat een negatief teken van een schatter veronderstelt dat de waarschijnlijkheid van de gebeurtenis afneemt met de aanwezigheid van x (Liao, 1994). Sommige tekens van een parameter schatting (tabel 2.1) zijn verwacht en sommige zijn onverwacht. Als eerste zullen enkele verwachte tekens besproken worden, daarna enkele onverwachte. 2.3.3.1 Verwachte tekens De tekens van de variabelen “1 auto beschikbaar” en “2 of meer auto’s beschikbaar” zijn weinig verrassend. Zij zijn beide positief voor de auto en negatief voor alle andere vervoermiddelen. Dit houdt in dat de kans groter is dat mensen met de auto gaan en dat de kans kleiner is dat ze met een ander vervoermiddel gaan als ze een auto bezitten. Bij de subcategorie “afstand van de rit” is te zien dat de keuze van het vervoermiddel afhangt van de afgelegde afstand. Voor alle afstanden heeft het model van de trein een positief teken. Dit getal loopt op naarmate de afstand toeneemt. Dit houdt in dat de kans groter wordt dat met de trein gegaan wordt naarmate de afstand toeneemt. De kans dat mensen gaan lopen of fietsen neemt toe met korte afstanden. De getallen van de parameters schatting neemt af naarmate de afstand toeneemt. Bij de categorie gegevens van het huishouden staat de verklarende variabele “inkomen < 18000”. Deze variabele is positief bij de auto. Dit wil zeggen dat de huishoudens met een inkomen van minder dan 18000 gulden vaker met de auto gaan dan huishoudens met een hoger inkomen, ceteris paribus. Rijden met de auto is over het algemeen goedkoper dan rijden met andere vervoermiddelen, zeker als met meerdere personen gereden wordt. De trein en bus zijn relatief duur. Een verplaatsing met de auto wil niet zeggen dat de desbetreffende persoon ook daadwerkelijk een auto bezit.

8

2 De keuze van het vervoermiddel 2.3.3.2 Onverwachte tekens Als het jongste kind in het huishouden tussen de 0 en de 5 jaar is, wordt vaker met de auto gegaan (variabele “jongste kind 0-5 jaar” is positief). Dit zal waarschijnlijk komen doordat voor deze kinderen een hoop spullen meegenomen moeten worden, zoals luiers, wandelwagentjes e.d. In de categorie gegevens van de persoon, is de variabele “0 t/m 11 jaar” bij de leeftijdsklasse positief voor de auto. Kinderen die tussen de 0 en de 11 jaar zijn gaan vaker met de auto, dan mensen van andere leeftijden. Als mensen een uitstapje maken en er zijn kinderen bij in deze leeftijdscategorie is men over het algemeen geneigd om eerder met de auto te gaan. De variabele “autorijbewijs” is positief voor de bus. Een negatief teken zou hier eerder verwacht worden. Niettemin blijkt uit de data dat mensen met autorijbewijs eerder met de bus gaan dan mensen zonder autorijbewijs. Bij de gegevens van de verplaatsing zijn bij het model voor de verplaatsing te voet de variabelen over de afstand “5 tot 10 kilometer”, “10 tot 30 kilometer”, en “meer dan 50 kilometer” opgenomen. De variabele “30 tot 50 kilometer” werkt echter niet in het model. Waarom de afstand “30 tot 50 kilometer” niet significant is, is onbekend. Het zou kunnen komen door een gebrek aan gegevens over deze afstand. Tabel 2.1 Het geschatte model

Auto

Fiets

Te voet

-5,341910

-1,794421

(-31,185793)

(-9,256189)

Bus

Trein

0,285632

-1,209408

-5,968645

(1,456157)

(-5,943815)

(-16,349921)

Constante factor Constante

Gegevens van het huishouden Inkomen < 18000

1 auto beschikbaar

2 of meer auto's Beschikbaar Bestaat uit 3 of 4 Personen Jongste kind 0 - 5 jaar

0,317437

-0,520343

(2,099018)

(-2,133299)

1,409778

-0,774133

-0,351051

-1,234999

-1,416069

(19,894935)

(-10,238129)

(-3,990524)

(-11,452160)

(-11,777598)

1,653948

-1,188467

-0,512939

-1,395691

-1,875843

(19,916252)

(-13,417934)

(-5,036782)

(-10,521063)

(-12,072438)

0,095031

-0,192025

(2,352558)

(-3,198519)

0,198221 (3,336215)

Provincie woonplaats Utrecht, Noord-Holland Zuid-Holland Groningen, Overijssel Friesland

-0,207755

0,232069

(-5,179620)

(2,140097) 0,184956

-0,171797

(2,742606)

(-2,013894)

Flevoland, Drenthe Gelderland

9

-0,390492 (-2,324252)

-0,351619

0,252871

(-4,186266)

(2,495389)


Auto

Fiets

Te voet

Bus

Trein

Stedelijkheidsgraad woonplaats Zeer sterk of sterk Stedelijk

-0,114803

0,169620

0,412756

(-2,739402)

(2,752650)

(3,949741)

Matig stedelijk

0,171130 (2,910460)

Niet stedelijk

-0,232259 (-2,016220)

Gegevens van de persoon Leeftijdsklasse 0 t/m 11

12 t/m 17

18 t/m 24

25 t/m 39

1,234375

-0,715927

-0,510850

(12,572769)

(-6,652090)

(-3,310881)

-0,613143

0,865326

0,453377

1,042383

(-6,487268)

(8,891751)

(3,216030)

(5,878699)

-0,322452

0,329436

0,342086

0,663636

0,579703

(-3,780592)

(3,906839)

(3,810244)

(4,423221)

(3,181500)

0,120096

-0,294680

0,199168

(2,212071)

(-4,276564)

(2,796310)

Geslacht Vrouw

0,249260

-0,307896

0,242006

(6,293746)

(-6,253997)

(2,976673)

Voltooide opleiding Basis of lager onderwijs

0,485234 (5,760800)

LBO, VGLO, LAVO mavo, MULO MBO, havo, atheneum, Gymnasium, MMS, HBS

0,269432

0,878477

(4,739886)

(5,202652)

0,229416

1,195562

(4,199698)

(6,979239)

HBO of universiteit

0,218805

1,552556

(3,127269)

(8,646032)

Persoon bezit Studenten ovkaart

-0,547606 (-5,345397)

Autorijbewijs

Fiets

Brom- of snorfiets

0,506253

0,879217

(2,980497)

(4,438480)

0,714932

-0,592315

-0,182273

0,918884

-0,817796

(10,432227)

(-7,326009)

(-2,709162)

(-8,376662)

(-6,528928)

-0,281295

0,919729

0,224595

(-4,301123)

(8,453839)

(2,427949)

-0,552471 (-5,412287)

Motor

-0,433777

-0,485799

-1,609891

(-3,964783)

(-2,375922)

(-2,724882)

10


Auto

Fiets

Te voet

Bus

Trein

Brandstof auto LPG

0,674288 (5,372741)

Diesel

0,573160 (5,945319)

Benzine

0,568702 (10,070740)

Gegevens van de verplaatsing Dag van de week Weekend

0,265418

-0,696312

-0,680507

(6,725311)

(-7,684204)

(-6,755069)

Maand Maart, april of mei

Juni, juli of augustus

September, oktober of november

-0,381007

0,553414

(-6,809882)

(7,481685)

-0,688151

0,791079

(-12,523553)

(10,888869)

-0,198916

0,179814

(-3,513043)

(2,324002)

Juni

0,227306 (2,481657) 0,206329

0,482615

(2,064598)

(3,738258)

Aankomstuur 6 tot 12 uur

12 tot 18 uur

18 tot 24 uur

0,864063

-0,519189

-0,678464

-0,588671

0,423515

(8,604084)

(-3,951594)

(-4,223822)

(-3,337666)

(3,381835)

0,707730

-0,351551

-0,478028

-0,853144

0,268447

(7,273756)

(-2,771086)

(-3,059725)

(-4,945515)

(2,290661)

1,224848

-0,705737

-0,663928

-1,052368

(12,165214)

(-5,409954)

(-4,123413)

(-5,865975)

Afstand rit 5 tot 10 kilometer

10 tot 30 kilometer

30 tot 50 kilometer

meer dan 50 kilometer

3,616147

0,650606

-2,894413

-0,328038

0,719278

(41,573985)

(8,585553)

(-40,622499)

(-3,069235)

(2,052440)

4,350938

-0,598200

-4,260109

0,253396

2,369048

(48,946808)

(-7,115011)

(-34,617106)

(2,623218)

(7,383262)

4,450143

-1,011042

3,655320

(40,742171)

(-7,192381)

(11,138733)

4,073363

-2,352346

-7,157611

4,442306

(39,978741)

(-10,820422)

(-7,151616)

obs y=0

6301

20855

21061

22303

22427

obs y=1

16682

2128

1922

680

556

Tot obs Deel y=1 LR stat

(13,820806)

22983

22983

22983

22983

22983

0,725841

0,092590

0,083627

0,029587

0,024192

8316,2913

2086,6362

4730,4307

659,0779

1416,8997

11


2.3.4 Bepalen aandeel evenementgangers In paragraaf 2.3.3 staan de resultaten van het model waarmee geschat kan worden welk deel van de mensen met een bepaald vervoermiddel gaat. De voorspelde waarschijnlijkheid is te berekenen voor een gegeven set van waarden voor de verklarende variabelen. Variabelen waarvan de waarde bekend is worden in de vergelijking 3 (paragraaf 2.1) op deze waarde gezet, de waarde van de andere variabelen worden op hun steekproefgemiddelde gezet (zie bijlage 2). Als alle aanwezigen bij een evenement in de leeftijdscategorie 25 tot en met 39 vallen, wordt de variabele leeftijd 25 t/m 39 op 1 gezet en alle andere variabelen die over leeftijd gaan op 0. Als 40% van de mensen valt in leeftijdscategorie 12 t/m 17 en 60% in de leeftijdscategorie 25 t/m 39, dan wordt de variabele leeftijd 12 t/m 17 op 0,400 gezet, de variabele 25 t/m 39 op 0,600 en alle andere leeftijdsvariabelen op 0. Als in vergelijking 3 de β’s en de waarden van de verklarende variabelen ingevuld zijn, vertelt de uitkomst ons welk deel van een groep met vervoermiddel i reizen, dus hoeveel mensen verwacht worden yi=1 te hebben (Liao, 1994). Om het een en het ander duidelijker te maken, zullen twee voorbeelden gegeven worden. Alle getallen die bij deze voorbeelden gegeven worden zijn fictief, omdat getallen over echte evenementen niet beschikbaar zijn. Voorbeeld 1: Regionaal evenement Stel er is een regionaal evenement dat zich op een doordeweekse dag in juli afspeelt in een stad in Noord-Brabant, en dat de gehele dag duurt. Het wordt bezocht door ongeveer 10.000 personen. Van de bezoekers arriveert 60% tussen 12.00 en 18.00 uur, de overige 40% tussen 18.00 en 0.00. Van de evenementbezoekers is 50% vrouw. Verder zijn 5% van de bezoekers tussen de 0 en 11 jaar, 10% tussen de 12 en 17, 30% tussen de 18 en 24 en 35% tussen de 25 en 39 jaar. Alle bezoekers komen uit Noord-Brabant, waarvan 70% uit een matig stedelijk gebied, 15% uit een weinig stedelijk gebied, 10% uit een niet stedelijk gebied, en 5% uit een sterk of zeer sterk stedelijk gebied. Een afstand tussen de 5 en de 10 kilometer wordt afgelegd door 80% van de bezoekers, en 20% reist tussen de 10 en de 30 kilometer. Van de bezoekers heeft 80% een huishoudinkomen van minder dan 18000 gulden per jaar, en 3% heeft de beschikking over een OV-kaart. De gegevens zijn samengevat in de eerste kolom van tabel 2.2. Voorbeeld 2: Landelijk evenement Het tweede hypothetische geval is een landelijk evenement dat in mei plaatsvindt in Limburg. Het vindt plaats in het weekend. Het evenement wordt bezocht door ongeveer 60.000 personen die afkomstig zijn uit het hele land (30% komt uit Noord-Brabant, Zeeland of Limburg, 40% komt uit Utrecht, Noord-Holland of Zuid-Holland, 20% komt uit Gelderland, Flevoland of Drenthe, en 10% komt uit Groningen, Friesland of Overijssel). Van de bezoekers reist 5% tussen de 10 en 30 kilometer, 5% tussen de 30 en 50 kilometer en 90% legt meer dan 50 kilometer af om het evenement bij te wonen. De helft van de aanwezigen is vrouw. Het merendeel (60%) is tussen de 25 en 39 jaar, ongeveer 5% is tussen de 12 en 17, de rest is tussen de 18 en 24 jaar oud. Minder dan de helft (40%) heeft een huishoudinkomen van minder dan 18000 gulden per jaar, 20% heeft een OV-kaart. Tussen 6.00 en 12.00 uur arriveert 30% van de evenementgangers op het terrein, de rest komt tussen 12.00 en 18.00 uur aan. Deze gegevens zijn samengevat in de tweede kolom van tabel 2.2.

12


Tabel 2.2: Een regionaal en een landelijk voorbeeldevenement

Regionaal

Landelijk

Gegevens over het huishouden Inkomen < 18000

0,2

0,4

Utrecht, Noord-Holland, Zuid-Holland

0

0,4

Groningen, Friesland, Overijssel

0

0,1

Flevoland, Drenthe, Gelderland

0

0,2

Provincie woonplaats

Stedelijkheidsgraad woonplaats Zeer sterk of sterk stedelijk

0,1 steek-

Matig stedelijk

0,7 proef-

Niet stedelijk

0,1 gemiddelde

Gegevens persoon Leeftijdsklasse 0 t/m 11

0,05

0

12 t/m 17

0,1

0,05

18 t/m 24

0,3

0,35

25 t/m 39

0,35

0,6

0,5

0,5

0,03

0,2

0

1

Geslacht Vrouw Persoon bezit Studenten ovkaart Dag van de week Weekend Maand Maart, April of Mei

0

1

Juni, Juli of Augustus

1

0

September, Oktober of November

0

0

Juni

0

0

0

0,3

12 tot 18 uur

0,6

0,7

18 tot 24 uur

0,4

0

5 tot 10 kilometer

0,8

0,05

10 tot 30 kilometer

0,2

0,05

30 tot 50 kilometer

0

0,1


0

0,8


Afstand rit

Zoals in bovenstaande tabel te zien is, verschillen de twee evenementen aanzienlijk van elkaar. Dit zal uiteraard ook zorgen voor verschillen in de vervoerkeuze van de evenementgangers. Alle variabelen die hierboven niet genoemd zijn worden gezet op hun steekproefgemiddelden. Na invulling in de formule, worden de volgende resultaten verkregen:

13


Tabel 2.3 Resultaten voorbeeldevenementen

Auto

Fiets

Te voet

Bus

Trein

Regionaal

58,86%

18,03%

2,68%

10,45%

0,38%

Landelijk

72,10%

1,52%

0,17%

8,18%

5,38%

De keuze van het vervoermiddel van de evenementen verschillen nogal. Dit is niet zo verwonderlijk, aangezien het ene een regionale en het andere een landelijk evenement is, en beide een ander publiek trekken. Het grote verschil in het percentage dat met de fiets komt wordt waarschijnlijk veroorzaakt door de grote afstanden die afgelegd worden om het landelijk evenement te bereiken. Het omgekeerde geldt voor de trein. Hoe verder de mensen moeten reizen, hoe eerder ze de trein nemen. Dit is ook af te lezen uit de β’s voor de categorie “afstand rit”. Hoe hoger de afstand van de rit is, hoe hoger de β is, met andere woorden hoe groter de afstand, hoe eerder er met de trein gereisd wordt. In het volgende hoofdstuk wordt berekend wat de vervuiling is van verkeer bij beide evenementen in cent per reizigerkilometer. In hoofdstuk vier komt aan de orde wat de extra kans is dat een persoon met vervoermiddel i reist als de waarde van één van de variabelen verhoogd wordt.

14

3 Vervuiling door vervoerwijzen

In hoofdstuk 2 was te lezen dat de vervoerkeuze van de mensen te schatten is als bepaalde kenmerken van de bezoekers van een evenement bekend zijn. Aangezien het doel is om te kunnen bepalen hoe de vervuiling door verkeer teruggedrongen kan worden, is dit alleen niet voldoende. De volgende stap is de bepaling van de vervuiling per vervoermiddel. Vervoermiddelen verschillen veel van elkaar wat betreft de vervuiling. Hoe moeten deze vervuilingen bepaald worden en hoe kunnen ze met elkaar vergeleken worden? Paragraaf 3.1 laat zien hoe het optimaal vervuilingniveau bepaald kan worden en daarmee met welke kosten, zowel de interne als de externe, rekening gehouden moet worden. In paragraaf 3.2 is te lezen welke externe kosten bekeken zullen worden in dit hoofdstuk. De monetaire waarderingsmethoden (paragraaf 3.3) laten zien op welke manier externaliteiten gewaardeerd kunnen worden. Daarna wordt de waarde bepaald van geluidhinder en emissies (paragraaf 3.4). In paragraaf 3.5 wordt de vervuiling door verkeer bij de voorbeeldevenementen bepaald, waarna het hoofdstuk wordt afgesloten met een conclusie (paragraaf 3.6). 3.1 Optimaal vervuilingniveau In de economische welvaartstheorie wordt vaak uitgegaan van het optimale welvaartsbegrip volgens Pareto. De welvaart wordt dan als optimaal beschouwd als niemand meer een vooruitgang in zijn behoeftebevrediging kan bereiken zonder dat dit een achteruitgang in de behoeftebevrediging van anderen inhoudt. Om een Pareto-optimum te kunnen bereiken moet op de markt van de eindproducten zijn voldaan aan de zogenaamde marginale kostenregel: de bereidheid tot betalen voor de eindproducten moet gelijk zijn aan de marginale maatschappelijke kosten (MMK), oftewel de kosten die de productie van één extra eenheid eindproduct met zich meebrengt. (Dings, 1999). Met maatschappelijke kosten wordt gedoeld op het totale beslag op schaarse, alternatief aanwendbare middelen dat een bepaalde activiteit met zich meebrengt, ongeacht de vraag of de daaraan verbonden kosten ook bij het desbetreffende individu respectievelijk groep in rekening worden gebracht. De maatschappelijke kosten vallen daarmee uiteen in kosten die voor het individu respectievelijk de groep geïnternaliseerd zijn (en ook zonder meer door het prijsmechanisme worden weergegeven) en in kosten die afzonderlijk moeten worden toegerekend vanwege het optreden van externe effecten, de zogenaamde externe kosten. Als de prijs lager is dan de MMK dan is er sprake van meer vervuiling dan in het optimale geval, zoals in bijlage 3 te zien is (SER, 1999). 3.2 Externe kosten van verkeer en vervoer Het gebruik van de marginale maatschappelijke kosten levert de beste vergelijking van de verschillende vervoerwijzen op, maar zal in dit onderzoek niet gebruikt worden. Het bepalen van de marginale kosten is in de praktijk niet haalbaar. Voor elk vervoermiddel zou dan apart per chauffeur de uitstoot moeten worden bepaald, omdat de uitstoot varieert met gewicht, vermogen en snelheid van het vervoermiddel, maar ook met het rijgedrag van de chauffeur. Om deze reden wordt met gemiddelde variabele kosten gewerkt als alternatief (SER, 1999). Omdat het hier gaat om vervoer naar evenementen en niet vervoer in al zijn facetten, wordt alleen de vervuiling tijdens de gebruiksfase van de verschillende vervoerwijzen vergeleken. De kosten van verkeer die al in het prijsmechanisme zitten zullen hier buiten beschouwing gelaten worden. Bij het gebruiken van een vervoermiddel ontstaan er meer kosten dan die wij betalen. Denk daarbij aan kosten door emissies van vervuilende stoffen, geluidhinder, congestie, ongevallen en

Analyse van de vervoerkeuze bij evenementen aanleg en onderhoud van infrastructuur. Alleen de kosten door emissies en geluidhinder zullen bekeken worden. Deze kosten zijn gemakkelijk toe te rekenen aan een individueel vervoermiddel. Zowel emissies van luchtverontreinigende stoffen als geluidhinder kunnen schade toebrengen aan de gezondheid van mensen en aan het milieu (Boneschansker, 1994). Geluidhinder kan leiden tot een algemeen gevoel van onbehagen en tot storingen in het functioneren van personen en dieren. Daarbij kan gedacht worden aan slaapstoornissen, concentratieverlies, en dergelijke. De schade die toegebracht wordt door emissies hangt in de eerste plaats af van de hoeveelheid en soort emissie, maar daarnaast ook van de afstand tussen de bron en de ontvanger. Het verband tussen deze factoren en de omvang van de schade is echter moeilijk te kwantificeren. De concentratie van de emissie is namelijk ook weer afhankelijk van de afstand tussen de bron en de ontvanger, en bovendien van de weersgesteldheid, de doorluchting van de ruimte waar de ontvanger zich bevindt, en de plaats van emissie (aan het oppervlak of hoog in de lucht). Het bovenstaande toont aan dat het niet makkelijk is om de kosten van geluidhinder en emissies te kwantificeren. Meer dan een schatting is dan ook niet mogelijk. In bijlage 4 staat gemotiveerd aangegeven waarom bepaalde kosten niet meegenomen zullen worden in dit onderzoek. 3.3 Monetaire waarderingsmethoden Nu bekend is welke externe kosten bekeken zullen worden is er een manier nodig om deze externe kosten te waarderen. Er zijn verschillende monetaire waarderingsmethoden beschikbaar voor externaliteiten, zoals emissies en geluidhinder, die geen marktprijzen hebben. Elke methode heeft een eigen manier om de waarde te bepalen van dergelijke goederen. Hieronder zal van twee waarderingsmethoden, de hedonische prijzen methode (paragraaf 3.3.1) en de methode van de marktprijzen (paragraaf 3.3.2), uitgelegd worden hoe ze werken. Deze twee methoden zijn gebruikt bij het bepalen van de waardering van geluidhinder (hedonische prijzen methoden) in paragraaf 3.4.1 en emissies (methode van de marktprijzen) in paragraaf 3.4.2.1. 3.3.1 Hedonische prijzen methode Goederen die geen marktprijzen hebben kunnen vaak wel de prijzen van andere marktgoederen beïnvloeden. Huizen hebben bijvoorbeeld een lagere waarde als er vlakbij een vliegveld is. Ondanks het feit dat er geen markten zijn voor lawaai, stank en prachtige uitzichten, kan het effect op de huizen wel gemeten worden. De karakteristieken van de goederen bepalen de waarde van het goed. De hedonische prijzen methode (HPA = hedonic pricing approach) meet de bijdrage aan de waarde van de verschillende karakteristieken. De karakteristieken van een huis zijn bijvoorbeeld de grootte van het huis, het aantal kamers, de tuin, maar ook zaken als de afstand naar het centrum, en de aanwezigheid van stankbronnen in de buurt. Elk karakteristiek kan een positieve of een negatieve bijdrage leveren aan de waarde van een goed. Door twee huizen ceteris paribus te vergelijken op hun verschil in geluidhinder kan de waarde van de geluidsoverlast bepaald worden (Lesser, Dodds & Zerbe, 1997). 3.3.2 Methode van de marktprijzen Het gebruiken van marktprijzen om milieukosten en –baten van bijvoorbeeld verkeer te schatten is de eenvoudigste techniek. Deze methode werkt alleen bij milieugoederen die marktprijzen hebben. Als een goed verkocht wordt op concurrerende markten en er geen hulpbronnen zijn die onvolledig gebruikt worden, dan is de marktprijs gelijk aan zowel de marginale bereidheid tot betalen (WTP = willingness to pay) van de kopers als aan de alternatieve kosten van het aanleveren van het goed. Dan is bijvoorbeeld de waarde van elk verloren hoeveelheid gewas gelijk aan de marktprijs van dat gewas.

16

3 Vervuiling door vervoerwijzen Als een invloed op het milieu een niet-marginale invloed heeft dan kun niet langer gebruik gemaakt worden van de marktprijs. Deze invloed verandert namelijk de prijzen. Er moet dan gekeken worden naar de veranderingen in consumenten- en producentensurplus (zie bijlage 5) (Katz & Rosen, 1994). Bij veel milieuproblemen is het niet mogelijk om gebruik te maken van de methode van marktprijzen. Omdat deze methode één van de makkelijkste waarderingsmethode is wordt deze methode op een andere manier gebruikt. De externe kosten worden dan gelijkgesteld aan herstel-, vermijdings- of preventiekosten. Hierbij wordt het waarderingsprobleem deels omzeild door vast te stellen welke kosten moeten worden gemaakt om negatieve externe effecten geheel of gedeeltelijk ongedaan te maken (schadekosten of herstelkosten), te vermijden (compensatiekosten) of te voorkomen (preventiekosten). Het is vaak de overheid die deze kosten in eerste instantie draagt. Deze methode levert betrouwbare cijfers op, omdat meestal kan worden uitgegaan van bestaande cijfers (of marktprijzen). Het nadeel is echter dat de preventie- en vermijdingskosten slechts een deel van de externe kosten omvatten. Gelijkstelling aan preventie- en vermijdingskosten levert een minimumwaardering van milieuvervuiling op (Boneschansker, 1994). 3.4 Waardering geluidhinder en emissies De waardering van geluidhinder en emissies wordt bepaald bij de vervoerwijzen auto, bus en trein. Vervoer per fiets en vervoer te voet worden niet meegenomen, omdat dit geen uitstoot van emissies of geluidhinder veroorzaakt. Dit zijn schone vervoerwijzen die altijd aan te bevelen zijn. Helaas is dit vervoer slechts een optie als het gaat om korte afstanden. Lange afstanden worden alleen met de fiets of te voet afgelegd als het een doel op zich vormt. Er zijn weliswaar externe kosten als het gaat om de aanleg en onderhoud van de infrastructuur of als het gaat om verkeersongevallen en de emissies bij de productie, onderhoud en verwerking van het vervoermiddel, maar niet t.a.v. geluidhinder of emissies bij gebruik van het vervoermiddel. Zowel bij de auto als bij de autobus is er een onderscheid gemaakt in brandstofsoorten. Bij de auto zijn dat benzine, diesel, LPG en gemiddelde waarden. De gemiddelde waarden worden berekend aan de hand van het aandeel dat een brandstofsoort heeft in het autopark. Op 1-1-2000 reed 82,21% op benzine, 12,57% op diesel, en 5,22% op LPG (CBS, 2000). Bij de bussen is er weliswaar verschil in uitstoot bij de brandstofsoorten benzine, diesel en LPG, maar bij de vergelijking tussen de vervoerwijzen is alleen de waarden voor bussen op diesel meegenomen, omdat van alle bussen die er in 1997 waren 99,08% op diesel reed (0,73% rijdt op LPG en 0,09% op benzine); zie CBS (1997). Er is ook verschil gemaakt tussen stadsbussen, streekbussen en touringcars. Om de verschillen hiertussen te kunnen bepalen worden de aannames van Van den Brink en Van Wee (1997) overgenomen. Stadsbussen worden verondersteld alleen binnen de bebouwde kom te rijden. Streekbussen rijden voor de helft binnen de bebouwde kom en voor de helft op landelijke wegen. Touringcars rijden zowel binnen de bebouwde kom (10%) als op landelijke wegen (30%) en op snelwegen (60%). De gegevens van het CBS maken een onderscheid in emissies totaal, emissies binnen de bebouwde kom, emissies op landelijke wegen en emissies op autosnelwegen. De emissies van de verschillende bussen zijn berekend door de percentages te vermenigvuldigen met de gegevens van het CBS (1998) over emissiefactoren. Voor de touringcar zijn de emissiefactoren dan gelijk aan de som van 10% van de emissiefactoren van het CBS binnen de bebouwde kom, 30% van de uitstoot op landelijke wegen en 60% van de uitstoot op snelwegen. De verschillen tussen emissies binnen de bebouwde kom, op landelijke wegen en op snelwegen worden veroorzaakt door de verschillen in snelheid waarmee gereden wordt en de verschillen in het aantal keren dat gestopt en opgetrokken wordt. Ook bij de kosten van geluidhinder is er rekening gehouden met de verschillen tussen de stadsbus, de streekbus en de touringcar.

17

Analyse van de vervoerkeuze bij evenementen De beste vergelijking tussen de vervoerwijzen vindt plaats door geluidhinder en uitstoot van verontreinigende stoffen te waarderen in cent per reizigerkilometer. Dit komt omdat het beter is als vier mensen in een auto zitten, dan wanneer alle vier de personen apart in een auto rijden. In dat laatste geval is er vier keer zoveel vervuiling. Voordat de waarde in cent per reizigerkilometer bepaald kan worden moet eerst een waardering in cent per kilometer plaatsvinden (paragraaf 3.4.1 respectievelijk 3.4.2); daarna wordt de waardering in cent per reizigerkilometer bepaald (paragraaf 3.4.3). 3.4.1 Waardering geluidhinder in cent per kilometer De geluidhinder van de verschillende vervoerwijzen verschilt sterk van elkaar. Een trein brengt meer geluid met zich mee dan de auto, en een auto produceert meer geluid dan een fiets. In de studie van Dings (1999) zijn de kosten van geluidhinder berekend aan de hand van een onderzoek op basis van de hedonische prijzen methode (zie paragraaf 3.3.1). In het onderzoek van Dings is op basis van nationale gegevens het aantal geluidsgehinderde personen per geluidsklasse van 5 dB(A) vastgesteld. Met andere woorden, er is bepaald hoeveel mensen last hebben van geluid dat een sterkte heeft van 50 – 55 dB(A), hoeveel mensen hinder ondervinden van geluid met sterkte 55 – 60 dB(A), enzovoorts. Vervolgens is via een internationale vergelijking van studies op basis van hedonische prijzen bekeken welke schade per geluidsklasse aan onroerende goederen optreedt. Bij elkaar opgeteld levert dit de totale kosten van geluidhinder op. De omvang van de externe kosten van het wegen railverkeer wordt verondersteld in de toekomst constant te zijn. De geluidemissie van de voertuigen neemt (in beperkte mate) af door stillere voertuigen, maar daar staat tegenover dat de negatieve waardering van lawaai in de tijd steeds hoger wordt. De totale kosten van geluidhinder over de weg is 2444 miljoen gulden per jaar, over rails is dat 295 miljoen gulden per jaar. De waarden werden in de studie van Dings opgesplitst in een waarde binnen de bebouwde kom en een waarde buiten de bebouwde kom, waarbij ervan uitgegaan werd dat 70% van de geluidhinder buiten de bebouwde kom plaatsvond. Dit is hier teruggerekend naar één getal. Dit geeft de kosten in cent per kilometer. Voor de auto bedragen deze 1,167, voor de stadsbus 17,630, voor de streekbus 10,137, voor de touringcar 4,143, en voor de trein 149,852 cent per kilometer (Dings, 1999); zie bijlage 6. 3.4.2 Waardering emissies in cent per kilometer De waardering voor emissies vindt plaats voor zes luchtverontreinigende stoffen: CO2 (koolstofdioxide), CO (koolstofmonoxide), NOX (stikstofoxiden), SO2 (zwaveldioxide), VOS (vluchtige organische stoffen), en deeltjes (ook wel fijn stof of aërosolen genoemd). De kosten van deze luchtverontreinigende stoffen moeten eerst in cent per gram worden bepaald (paragraaf 3.4.2.1), daarna kan waardering plaatsvinden in cent per kilometer (paragraaf 3.4.2.2). 3.4.2.1 Waardering in cent per gram Voor elk van de stoffen zal een onderbouwing van de waarde gegeven worden (uit Dings, 1999), die gebaseerd is op de preventiekostenmethode die gebruik maakt van de marktprijzen (zie paragraaf 3.3.2). Hierdoor wordt een minimum waardering voor emissies verkregen in cent per gram. Waardering van CO2 De schaduwprijs voor CO2 wordt afgeleid uit de kosten die moeten worden gemaakt om te voldoen aan de overheidsdoelstellingen. Er is van uitgegaan dat de doelstelling een juiste weerspiegeling is van zowel de thans beschikbare kennis over risico’s en schade van klimaatverandering als de maatschappelijke bereidheid om kosten te maken om de risico’s te verminderen. De overheidsdoelstelling en de kosten die daarvoor worden gemaakt geven daarmee de meest betrouwbare indicatie van de maatschappelijke kosten van de uitstoot van CO2. De prijs van CO2 is bepaald op 18

3 Vervuiling door vervoerwijzen basis van het pakket aan maatregelen uit de Uitvoeringsnota Klimaatverandering en komt uit op ca. 50 euro per ton CO2, wat overeenkomt met 0,011 cent per gram. Waardering van CO Omdat verwacht werd dat in de toekomst CO geen serieuze milieu- of gezondheidsproblemen meer veroorzaakt werd deze stof niet gewaardeerd. Aangezien huidige uitstoten gewaardeerd moeten worden en niet de toekomstige om een goede vergelijking van de vervoerwijzen te krijgen is in deze studie de waardering van CO gelijkgesteld aan de waardering van CO2. Dit is dus 0,011 cent per gram. Waardering van NOX Mede op basis van de schadelijkheid en de kosten van emissiereductie, is vastgesteld welk emissieniveau de maatschappij acceptabel acht. Dit emissieniveau is vertaald naar emissiereductiedoelstellingen. De kosten die moeten worden gemaakt om de doelstelling te bereiken kunnen daarom worden gezien als een redelijke afspiegeling van de financiële waardering door de maatschappij. De marginale kosten om de NOX-doelstelling in 2010 te bereiken, zijn afgeleid uit een gedetailleerde inventarisatie door het International Institute for Applied Systems Analysis (IIASA) naar kosten en effecten van mogelijke NOX-reductiemaatregelen in Europa. Uit het databestand blijkt dat reductie tot 180 kton mogelijk is met marginale kosten van ca. 5 euro per ton. Daarna lopen de marginale kosten sterk op tot ca. 15 euro per kg om de doelstelling van 120 kton te bereiken. Deze scherpe kostenstijging in het laatste traject voor een verdergaande emissiereductie kan worden gerelativeerd doordat de kosten van bepaalde milieumaatregelen in de tijd vrij sterk afnemen, door de ontwikkeling van nieuwe technologieën en de verfijning van de bestaande. Daarom is voor de financiële waardering van de regionale milieueffecten van NOX-emissies 5 euro per kg als uitgangspunt genomen met een extra waardering voor uitstoot binnen de bebouwde kom van 2 euro per kg. Door uit CBS-gegevens (1998) af te leiden welk deel van de emissies van NOX plaats vindt binnen de bebouwde kom, respectievelijk buiten de bebouwde kom en de waarde met behulp van deze gegevens te middelen is uitgekomen op een waarde voor NOX van 1,188 cent per gram. Waardering van SO2 Er is geen uitleg (Dings, 1999) waarop de waarde van SO2 gebaseerd is. Erop vertrouwend dat deze waarde op net zo’n wijze tot stand is gekomen als van de andere stoffen zal ook deze waarde overgenomen worden. Deze waarde is 3 euro per kilogram ongeacht of dit binnen of buiten de bebouwde kom plaatsvindt Dit komt overeen met een waarde van 0,661 cent per gram. Waardering van VOS Voor VOS bestaat een zelfde analyse als voor NOX. Uit de bestanden van het IIASA zijn marginale kosten af te leiden van ca. 5 euro per kg VOS om de doelstellingen voor 2010 te bereiken. Ook zijn onder andere door het Energieonderzoek Centrum Nederland (ECN) de kosten berekend van maatregelen om aan de nationale doelstellingen te voldoen. Voor het jaar 2000 vindt het ECN marginale bestrijdingskosten van 5 tot 6 euro per kg VOS. Voor 2010 worden de kosten veel hoger geschat. Ook in het geval van de emissie van VOS wordt er echter vanuit gegaan dat de kosten van emissiereductie zullen dalen tussen 2000 en 2010 door technische vooruitgang. Daarom is voor de financiële waardering van de regionale milieueffecten van VOS-emissies 5 euro per kg als uitgangspunt genomen met een extra waardering voor emissies binnen de bebouwde kom van 2 euro per kg. Door ook deze waarden te middelen naar het percentage uitgestoten binnen en buiten de bebouwde kom, komen we op een waarde voor de VOS van 1,401 cent per gram.

19

Analyse van de vervoerkeuze bij evenementen Waardering van deeltjes Forse maatregelen zijn aangekondigd ter reductie van deeltjes. De ernstige gezondheidseffecten van deeltjes wordt ook bevestigd door onderzoek van het Instituut voor Milieuvraagstukken (IVM) naar de effecten van verhoogde deeltjesconcentraties in bepaalde gebieden. In het rapport van Dings (1999) wordt daarom uitgegaan van 130 euro per kg binnen de bebouwde kom en 20 euro per kg buiten de bebouwde kom. Middeling levert voor deeltjes een waarde op van 14,869 cent per gram. 3.4.2.2 Waardering in cent per kilometer Om de waardering in cent per kilometer van de emissies te kunnen bepalen, moet eerst de uitstoot door het vervoermiddel in gram per kilometer bepaald worden. Deze emissiefactoren van vervoermiddelen worden door veel factoren beïnvloed. Elke brandstofsoort heeft andere emissieniveaus, omdat elke brandstof anders opgebouwd is en dus anders verbrandt. Een auto met een katalysator zal minder uitstoten dan een auto zonder katalysator. Ook de leeftijd en het gewicht van het voertuig spelen een rol, net als het rijgedrag. Als er meer opgetrokken en afgeremd wordt, wordt er meer brandstof verbruikt dan wanneer er met een constante snelheid gereden wordt. Hoe hoger de lucht- en rolweerstand is, hoe meer energie het kost om vooruit te komen, en dus hoe hoger de emissies. Het is onmogelijk om al deze facetten mee te nemen. Voor elke auto en persoon zouden andere emissiefactoren verkregen worden. Daarom wordt er gebruik gemaakt van gemiddelde emissiefactoren. De emissies door elektriciteitscentrales en raffinaderijen zijn verrekend in de emissiefactoren van vervoerwijzen, dit om een beter overzicht te krijgen van de totale uitstoot. Het is immers niet mogelijk om te rijden als er geen brandstof is gemaakt. De elektrische vervoermiddelen stoten tijdens het rijden geen verontreinigende stoffen uit. Zij rijden op elektriciteit die verkregen wordt van de elektriciteitscentrale. Door de vervuiling bij raffinaderijen en elektriciteitscentrales mee te nemen is er een betere vergelijking mogelijk tussen alle vervoerwijzen (Van den Brink & Van Wee 1997). De winning en transport van brandstoffen naar raffinaderij of centrale wordt niet meegenomen. De trein is meestal een elektrisch aangedreven voertuig. Van al het personentreinverkeer wordt 94% afgelegd met elektrische treinen. De andere 6% wordt afgelegd met dieselelektrische stoptreinen. Alleen de gemiddelde uitstoot van al het personentreinverkeer wordt bekeken (Van den Brink & Van Wee 1997). De kosten van emissies in cent per kilometer wordt op de volgende manier berekend. De emissies van de raffinage van brandstoffen (van den Brink & van Wee, 1997) worden vermenigvuldigd met het energieverbruik per vervoermiddel (CBS, 1998). Dit geeft de extra uitstoot van luchtverontreinigende stoffen door de raffinage per verreden kilometer. Dit wordt opgeteld bij de emissies die de vervoermiddelen hebben (Van den Brink & Van Wee, 1997; CBS, 1998). Het totaal is de uitstoot van stoffen in gram per kilometer (gr / km). Door de waarde van de stoffen in cent per gram te vermenigvuldigen met de uitstoot in gram per kilometer en de uitkomst op te tellen per vervoerwijze wordt de totale waarde van de emissies in cent per kilometer verkregen. 3.4.3 Waardering van geluidhinder en emissies in cent per reizigerkilometer De cent per kilometer is niet de beste vergelijkingsmaat. Het is beter om te vergelijken op basis van cent per reizigerkilometer. Als vier personen in één auto reizen is er minder vervuiling dan wanneer alle vier de personen in een aparte auto reizen. Om uit te komen op kosten in cent per reizigerkilometer moeten de waarderingen van geluidhinder en emissies in cent per kilometer gedeeld worden door de (gemiddelde) bezettingsgraad en vermenigvuldigd met aan-, af- en omrijdpercentages. In tabel 3.1 staan de totale kosten van geluidhinder en emissies in cent per reizigerkilometer.

20

3 Vervuiling door vervoerwijzen Tabel 3.1 Totale externe kosten van geluidhinder en emissies in cent per reizigerkilometer

Emissies Auto

Stadsbus

Geluid

Totaal

benzine

1,627

0,376

2,003

diesel

1,573

0,376

1,949

LPG

1,186

0,376

1,562

gemiddeld

1,598

0,376

1,974

diesel

5,236

1,776

7,012

Streekbus

diesel

4,470

0,977

5,447

Touringcar

diesel

1,454

0,170

1,624

0,911

1,243

2,154

Trein

Hieronder zal uitgelegd worden wat bedoeld wordt met om-, aan- en afrijdpercentages en bezettingsgraden en welke getallen gebruikt zijn. 3.4.3.1 Omrijdpercentages Het vermenigvuldigen met omrijdpercentages gebeurt omdat het openbaar vervoer te maken heeft met een grofmazige infrastructuur. De trein is gebonden aan zijn eigen infrastructuur die niet overal aanwezig is. De bussen kunnen weliswaar gebruik maken van dezelfde infrastructuur als de auto, maar zij maken omwegen om woonwijken te ontsluiten. De auto wordt verondersteld niet om te rijden. De infrastructuur voor deze vervoermiddelen is zo fijnmazig dat omrijden niet noodzakelijk is. De trein maakt 10% extra kilometers door omrijden. Voor het ontsluiten van woonwijken door stad- en streekbussen worden 25% extra kilometers gemaakt. Het rijden langs bepaalde opstappunten van de touringcars zorgt voor 6% extra kilometers (Van den Brink & Van Wee, 1997). 3.4.3.2 Aan- en afrijdpercentages Bussen en treinen moeten ook leeg aan- en afrijden van hun standplaatsen naar de haltes, en er zijn materiaalritten nodig. Ook deze ritten moeten meegenomen worden, omdat emissies worden uitgestoten om personen te kunnen vervoeren en dus om vergelijking tussen de diverse vervoermiddelen mogelijk te maken. De trein wordt verondersteld geen materiaalritten te hebben. De stad- en streekbussen maken 7% extra kilometers voor het aan- en afrijden, en de touringcar 24% (Van den Brink & Van Wee, 1997). Aan- en afrijdpercentages vinden niet plaats bij de auto. 3.4.3.3 Gemiddelde bezettingsgraden Voor de bezettingsgraad van de verschillende vervoermiddelen worden gemiddelden gebruikt. Deze staan in tabel 3.1.

21

Analyse van de vervoerkeuze bij evenementen Tabel 3.2 Gemiddelde bezettingsgraden

# mensen Auto* Stadsbus**

# max

Percentage

3,104

4

77,6%

13,1

70

18,7%

Streekbus**

13,7

70

19,6%

Touringcar**

31,7

50

63,4%

132,6

349

38,0%

Trein**

* Bron: Rietveld (1996). ** Bron: Van den Brink en Van Wee (1997).

De gemiddelde percentages die gebruikt worden bij de bussen en de trein zijn niet reëel omdat tijdens evenementen meer mensen reizen dan op een vergelijkbare dag zonder evenement. De gemiddelde bezettingsgraad van de auto’s geldt voor dagtochten en ligt een flink stuk hoger dan bij woonwerkverkeer. Vanwege de verschillende bezettingsgraden zijn de uitkomsten per reizigerkilometer voor het dalen spitsvervoer uiteraard sterk verschillend. Er zijn echter geen gegevens over de verschillende bezettingsgraden van dalvervoer en spitsvervoer. Om deze reden wordt er hiertussen geen onderscheid gemaakt. 3.5 Conclusies De conclusies die getrokken worden uit dit hoofdstuk gelden alleen voor de externe kosten bij de gemiddelde bezettingsgraden van de auto vergeleken met de externe kosten bij de gemiddelde bezettingsgraden van extra ingezette bussen en treinen. Het vergelijken van de externe kosten van de auto met de kosten van het reguliere openbaar vervoer kan niet plaatsvinden op basis van de totale kosten in cent per reizigerkilometer, zoals die hier berekend zijn. Dit komt omdat het reguliere openbaar vervoer altijd rijdt. Treinen en bussen staan niet stil als er opeens geen mensen met die trein of bus gaan. Het rijden van de mensen met de auto in plaats van de trein, terwijl de trein rijdt, zorgt alleen maar voor meer vervuiling in plaats van minder. De treinen en bussen worden hier vergeleken met de bezettingsgraad van auto’s bij dagtochten. Bij woon-werkverkeer is de bezettingsgraad van de auto stukken lager en zijn de externe kosten per reizigerkilometer stukken hoger. Bovendien worden in dit onderzoek de vervoerwijzen vergeleken op basis van de externe kosten van emissies en geluidhinder. De externe kosten van verkeersongelukken, congestie en andere problemen die gerelateerd zijn aan de mobiliteit zijn hier niet meegenomen. Meeneming van alle externe kosten kan tot andere resultaten leiden. Rekening houdend met het bovenstaande geldt dat de stad- en streekbus de hoogste kosten in cent per reizigerkilometer hebben. Dit geldt zowel voor geluidhinder als voor de emissies. Dit komt mede door de lage bezettingsgraad van rond de 20%. Een bezettingsgraad van rond de 40% zou ervoor zorgen dat deze bussen wat betreft emissies juist beter zijn voor het milieu dan de auto op benzine (de meest gereden auto) en bij een bezettingsgraad van ongeveer 50% veroorzaken ze ook minder geluidhinder dan de auto (bij diens bezettingsgraad van 3,104 personen). Het kan zijn dat bij evenementen dergelijke bezettingsgraden ook gehaald worden. Hier zijn echter geen gegevens over. Na de bussen volgt de trein. Dit komt louter en alleen door de hoge mate van geluidhinder die treinen hebben. Wat de emissies betreft zijn ze stukken schoner dan auto’s. Na de trein volgt de auto op benzine, de auto gemiddeld en de auto op diesel. De auto op benzine is veruit de meest gereden wagen. Dit verklaart ook waarom de kosten van de gemiddelde auto zo dicht liggen bij de kosten van de auto op benzine. Het verschil tussen de kosten van de auto’s ligt

22

3 Vervuiling door vervoerwijzen aan de emissies. De touringcar is het op één na schoonste vervoermiddel. Dit komt voor een groot deel door de hoge bezettingsgraad van de touringcar en door het feit dat de touringcar voor een groot deel op autosnelwegen rijdt. Omdat er minder vaak afgeremd en gestopt moet worden zijn de emissies lager dan bij de stadsbus en de streekbus. De auto op LPG is het schoonste vervoermiddel (bij de gebruikte bezettingsgraden). De auto is het op één na stilste vervoermiddel en de auto op LPG is wat emissies betreft een stuk schoner dan de andere auto’s. Helaas is het zo dat de auto op LPG de minst gebruikte auto is. Het nadeel van de auto is dat hij, in vergelijking met de trein en de bus, snel vol zit. Als één extra persoon meegaat naar een evenement dan is de kans groter dat er een extra auto ingezet moet worden, dan dat er een extra trein of bus ingezet moet worden. Het grote voordeel dat mensen vinden van de auto is dat de kosten gedeeld kunnen worden door de inzittenden, wat bij de trein en de bus niet mogelijk is, en het feit dat ze niet afhankelijk zijn van de dienstregeling. Zelfs nu bekend is hoeveel vervuiling een vervoermiddel met zich meebrengt is het niet eenvoudig om te bepalen hoeveel vervuiling vrijkomt door verkeer naar de evenementen. Daarvoor moet het aantal verreden kilometers voor een evenement bekend zijn. De externe kosten van vervoer wordt bepaald in cent per reizigerkilometer. Door het aandeel mensen dat met vervoermiddel i gaat te vermenigvuldigen met de kosten van vervoermiddel i in cent per reizigerkilometer is de vervuiling van een evenement te bepalen. Door dit voor elk vervoermiddel te doen is een vergelijking mogelijk. Door op een dergelijke manier de vervuiling door verkeer van het evenement te bepalen is te bekijken hoeveel deze vervuiling vermindert als maatregelen genomen worden. Deze methode heeft echter een paar nadelen. Ten eerste is niet bekend met wat voor soort auto de mensen naar een evenement komen. Rijden ze op diesel, benzine of LPG? Wellicht worden auto’s op diesel en LPG vooral gebruikt bij langere afstanden. Ten tweede geeft het model niet aan welk deel van de mensen die met de bus gaan, reizen met de stadsbus, welk deel met de streekbus en hoeveel met de touringcar. De kosten van deze drie bussen verschillen nogal. De dataset die gebruikt is om het model te schatten voorziet echter niet in een onderscheid van de bussen. Ten derde telt het aandeel van de verschillende vervoerwijzen niet op tot 1. Dit komt omdat niet voor alle vervoerwijzen een model is gemaakt waarmee het aandeel in de vervoerkeuze geschat kan worden. Deze overige vervoermiddelen zijn bijvoorbeeld de motor, de bromfiets, de taxi, de tram, en de metro. De motor en de bromfiets zijn zeer vervuilend en zeer luidruchtig vergeleken met andere vervoerwijzen. De tram en de metro zijn net als de trein zeer schoon wat betreft de emissies en geven minder geluidsoverlast dan de trein. De taxi heeft dezelfde kosten per kilometer als de personenauto, maar meestal zitten er minder mensen in. De kosten van deze vervoerwijzen zijn niet bekend. Evenmin is bekend hoe groot het aandeel is van elk van deze vervoerwijzen, die ongetwijfeld zullen verschillen in hun externe kosten. Het is niet de bedoeling om de vervuiling van de evenementen te berekenen en dan de evenementen met elkaar te vergelijken. Berekening van de vervuiling dient slechts als vergelijkingsmaatstaf. Door het nemen van maatregelen kan dan bepaald worden met hoeveel procent deze vervuiling verminderd kan worden. In het volgende hoofdstuk zal uitgelegd worden welke verandering van vervoerwijzen de grootste vermindering van externe kosten voortbrengt.

23

4 Hoe kan de vervuiling verminderd worden

De voorgaande hoofdstukken lieten zien met welk vervoermiddel mensen naar evenementen gaan en hoeveel vervuiling een vervoermiddel met zich meebrengt in cent per reizigerkilometer. Dit hoofdstuk gaat over de effecten van een verandering van het vervoermiddel. Paragraaf 4.1 vertelt welk vervoermiddel de mensen het beste kunnen gaan om de grootste reductie van vervuiling te bewerkstelligen. Welke manieren er zijn om de mensen te bewegen een ander vervoermiddel te kiezen komt aan de orde in paragraaf 4.2. 4.1 Welk vervoermiddel is het beste In hoofdstuk 3 werd gesteld dat het openbaar vervoer de hoogste kosten had in cent per reizigerkilometer, maar dat dit niet het hele verhaal was. De kosten in cent per reizigerkilometer geven een beeld van de verdeling van de externe kosten over de diverse vervoermiddelen. Dit gegeven alleen is niet voldoende om te kunnen bepalen welk vervoermiddel aan te bevelen is vanuit milieuoogpunt. Als mensen overgehaald worden om een ander vervoermiddel te kiezen, verandert er iets aan de totale hoeveelheid vervuiling door emissies en geluidhinder. Het overstappen van een auto op benzine naar een auto op LPG is vanuit milieuoogpunt bekeken een winst per reiziger gereden kilometer, namelijk het verschil tussen de kosten van de auto op benzine en de auto op LPG. Als mensen de auto laten staan en in plaats daarvan met het openbaar vervoer gaan, levert dat milieuwinst op. De kosten in cent per reizigerkilometer zijn voor de trein en de bus weliswaar hoger dan voor de auto, maar dat doet hieraan niets af. De treinen en bussen rijden toch al. Als mensen nu voor het openbaar vervoer kiezen in plaats van de auto, dan blijft de totale milieukosten van het openbaar vervoer ongewijzigd, maar vermindert de totale milieukosten van de auto. Dit laatste komt doordat er auto’s blijven staan die anders gereden hadden. Het netto-effect is dus een vermindering van de milieukosten. Als de auto wordt gekozen in plaats van het openbaar vervoer, dan blijven de totale milieukosten van het openbaar vervoer ongewijzigd, maar stijgen de totale milieukosten van de auto. De totale milieukosten veroorzaakt door het verkeer nemen dan toe. Het beste wat evenementhouders dus kunnen doen is de mensen zoveel mogelijk adviseren om met het openbaar vervoer te gaan. Dit levert de grootste daling van vervuiling op. Elke persoon extra die met het openbaar vervoer gaat in plaats van met de motor, bromfiets of auto levert pure winst op. De vervuiling door bus en trein is voor een groot deel te veranderen door een hogere bezettingsgraad, omdat de trein en de bus hun eigen dienstregeling hebben en dus toch rijden. 4.2 Effecten van vervuiling Hoe kan er nu voor gezorgd worden dat mensen met het openbaar vervoer gaan? Helaas is het niet mogelijk gebleken om het effect van maatregelen op de vervoerkeuze van mensen te meten. Verder onderzoek hierna is zeker wenselijk. Het is alleen mogelijk om uit de literatuur een paar tips te halen over wat voor soort maatregelen genomen kunnen worden. In hoofdstuk 2 werd uitgelegd hoe een model gemaakt kan worden waarmee te schatten is met welk vervoermiddel mensen naar een bepaald evenement reizen. Dit werd gedaan voor vijf vervoermiddelen, te weten auto, fiets, te voet, bus en trein. Door het veranderen van de waarde van de variabelen in het model kunnen de uitkomsten gewijzigd worden. Dit wil zeggen dat als een

Analyse van de vervoerkeuze bij evenementen evenementganger één van de kenmerken van het evenement, zoals het houden van het evenement in het weekend, wijzigt, ook het aandeel mensen dat voor een bepaald vervoermiddel kiest zal wijzigen. Omdat niet voor alle vervoermiddelen een model is gemaakt telt het aandeel van de verschillende vervoerwijzen niet op tot 1. Dit houdt niet in dat vermindering van het totale percentage dat met één van de vijf vervoermiddelen gaat betekent dat er minder mensen komen naar het evenement, maar slechts dat uitgeweken wordt naar een vervoermiddel waarvan geen model is geschat. Met behulp van het model is niet te bepalen of verandering van de omstandigheden van het evenement invloed heeft op het aantal bezoekers van het evenement. De variabelen waarop een evenementhouder invloed kan uitoefenen zijn de gegevens van de verplaatsing, namelijk de categorieën “dag van de week”, “maand” en “aankomstuur”. De evenementhouder kan weinig of geen invloed uitoefenen op de afstand van de verplaatsing. Bij een regionaal evenement komen er alleen mensen uit de directe omgeving, bij een landelijk evenement komen ze van alle kanten om het evenement heen. Verandering van locatie zal niet of nauwelijks invloed hebben op de afstanden die afgelegd worden. Om het effect te laten zien van beïnvloeding van de variabelen zullen de voorbeeldevenementen gebruikt worden die in hoofdstuk 2 beschreven zijn. Slechts één variabele zal veranderd worden, terwijl de overige variabelen gelijk blijven aan die van het oorspronkelijke voorbeeldevenement. Als eerste wordt het regionale evenement besproken, daarna het landelijke evenement. 4.2.1 Regionaal evenement Het regionale evenement werd gehouden op een doordeweekse dag in de maand juli. Alle bezoekers van dit Brabantse evenement komen uit Noord-Brabant. Tussen 12 en 18 uur arriveerde 60% van de bezoekers, en tussen 18 en 24 uur arriveerde 40% van de bezoekers. Het resultaat was dat 58,86% met de auto kwam; 18,03% met de fiets; 2,68% te voet; 10,45% met de bus; en 0,38% met de trein. Uitgaande van deze gegevens is de verandering van de variabelewaarde te analyseren. Het resultaat hiervan staat in tabel 4.1. Als het evenement nu in het weekend wordt gehouden in plaats van doordeweeks beïnvloedt dit de percentages van de auto, de bus en de trein. De variabele weekend speelt geen rol in het model van de fiets en te voet en heeft derhalve geen invloed op hun percentages. De verandering in het model zorgt ervoor dat nu 65,10% met de auto gaat; 5,38% met de bus en 0,19% met de trein. Nu gaat dus 6,24% van de mensen extra met de auto, 5,07% minder met de bus en 0,19% minder met de trein. Het autogebruik neemt toe en het openbaar vervoer gebruik neemt af. De totale vervuiling door het openbaar vervoer verandert niet, maar de vervuiling door autoverkeer neemt toe door extra auto’s op de weg. Stel nu dat het evenement gewoon weer doordeweeks gehouden wordt, maar dat de maand waarin het gehouden wordt verandert. De maand speelt geen enkele rol bij de bepaling van het percentage van de trein, maar wel bij de andere vervoermiddelen. Het laagste percentage van de auto vindt plaats als het evenement gehouden wordt in juni, juli of augustus (dit is de maand waarin het fictieve evenement gehouden wordt; deze percentages staan dus in de rij “percentages zonder beïnvloeding”). Het hoogste percentage dat te voet of met de bus gaat is als het evenement in juni gehouden wordt. Houding van het evenement in de maand juni zorgt voor het minste autogebruik en het hoogste openbaar vervoer gebruik en dus voor de minste vervuiling. Nu wordt in plaats van de maand het aankomstuur gewijzigd (als het evenement in juli op een doordeweekse dag gehouden wordt). Het autogebruik is het laagste, en het vervoer te voet, met de fiets

26

4 Verandering vervuiling en de bus is het hoogste als iedereen tussen 0 en 6 uur aankomt. Verwacht zou worden dat de bus nauwelijks gebruikt wordt op dit vroege tijdstip. Het is in ieder geval een tijdstip dat niet geschikt is om te gebruiken bij evenementen. Er zullen waarschijnlijk niet veel mensen komen als ze alleen tussen 0 en 6 uur ‘s ochtends kunnen arriveren. Daarna is het autogebruik het laagste en het fietsgebruik het hoogste als tussen 12 en 18 uur gearriveerd wordt. Het busgebruik is tussen 6 en 12 uur hoger dan tussen 12 en 18 uur en het treingebruik is het hoogste tussen 6 en 12 uur. Het treingebruik is bij dit evenement echter zeer laag. Dit komt door de korte afstanden die afgelegd moeten worden. Treinen worden vooral bij grote afstanden gebruikt. Een evenement ‘s middags zal het minste autogebruik opleveren Met de auto gaan dan 5,09% minder mensen dan wanneer er verspreid over de middag en de avond mensen arriveren. In verloop van tijd kan een evenement een ander publiek gaan trekken. Ook daardoor kunnen de mensen met andere vervoermiddelen naar het evenement komen. Veel grote evenementen zijn begonnen als een regionaal maar uitgegroeid tot een landelijk evenement. Hierdoor zullen de waarden van de variabelen provincie en stedelijkheidsgraad van de woonplaats en afstand van de rit veranderen. Als het karakter van het evenement verandert dan kunnen er wijzigingen in alle variabelen optreden. Tabel 4.1 Beïnvloeding variabelen bij regionaal evenement

Auto Percentages zonder beïnvloeding

Fiets

Te voet

Bus

Trein

58,86%

18,03%

2,68%

10,45%

0,38%

65,10%

18,03%

2,68%

5,38%

0,19%

December, Januari of Februari

74,00%

9,07%

2,68%

10,45%

0,38%

Maart, April of Mei

66,04%

14,78%

2,68%

10,45%

0,38%

Gegevens van de verplaatsing Dag van de week Weekend Maand


70,00%

10,66%

2,68%

12,91%

0,38%

Juni

58,86%

18,03%

3,28%

16,28%

0,38%


57,63%

17,65%

2,37%

14,36%

0,50%

12 tot 18 uur

53,77%

20,22%

2,88%

11,26%

0,43%

18 tot 24 uur

66,11%

15,10%

2,41%

9,34%

0,33%

0 tot 6 uur

36,44%

26,48%

4,57%

24,18%

0,33%

4.2.2 Landelijk evenement Het landelijke evenement wordt gehouden in mei in het weekend. Van alle bezoekers komt 30% tussen 6 en 12 uur aan en 70% tussen 12 en 18 uur. De bezoekers komen vanuit het hele land naar het evenement toe, waarvan 72,10% met de auto; 1,52% met de fiets; 0,52% te voet; 8,18% met de bus en 5,38% met de trein. Het resultaat van de verandering van de waarden staat in tabel 4.2. Ongeveer dezelfde conclusies kunnen getrokken worden bij het landelijk evenement als bij het regionaal evenement. In het weekend is het autogebruik hoger en het openbaar vervoer gebruik lager dan doordeweeks. Het autogebruik is het hoogste in december, januari of februari en het laagste in juni, juli of augustus. Het gebruik van de fiets is het hoogste in juni, juli of augustus, en lopen en busgebruik gebeurt het meeste in de maand juni. Als het aankomstuur tussen 0 en 6 uur ligt is het autogebruik het laagste en wordt er het meest gefietst, gelopen of met de bus gereden. Autogebruik in het weekend is bij dit landelijk evenement 5,64% hoger, bij het regionale

27

Analyse van de vervoerkeuze bij evenementen evenement is het 6,24% hoger. Zowel bij het landelijk als bij het regionale evenement is het treingebruik doordeweeks twee keer zo hoog als in het weekend. Bij het landelijk evenement houdt dit in dat er 4,71% extra met de trein is gegaan, bij het regionale evenement is dit slechts 0,19%. Tabel 4.2 Beïnvloeding variabelen bij landelijk evenement

Auto Percentages zonder beïnvloeding

Fiets

Te voet

Bus

Trein

72,10%

1,52%

0,17%

8,18%

5,38%

66,46%

1,52%

0,17%

15,64%

10,09%

Gegevens van de verplaatsing Dag van de week Doordeweeks Maand December, Januari of Februari

79,09%

0,88%

0,17%

8,18%

5,38%

Juni, Juli of Augustus

65,52%

1,92%

0,17%

8,18%

5,38%


75,61%

1,05%

0,17%

10,14%

5,38%

Juni

65,52%

1,92%

0,20%

12,86%

5,38%

6 tot 12 uur

74,24%

1,35%

0,14%

9,75%

5,96%

12 tot 18 uur

71,14%

1,59%

0,18%

7,58%

5,15%

18 tot 24 uur

80,52%

1,12%

0,15%

6,27%

3,98%

0 tot 6 uur

54,85%

2,25%

0,28%

16,77%

3,98%

Aankomstuur

4.3 Verandering van de kosten van vervuiling Nu berekend is hoe het aandeel van de mensen per vervoermiddel verandert als kenmerken van het evenement veranderd worden, is het interessant om te weten in hoeverre de kosten van vervuiling door verkeer verminderd of verhoogd zijn. In paragraaf 4.1 is geconcludeerd dat extra autoverkeer leidt tot meer vervuiling en extra mensen in de trein of de bus leidt tot gelijkblijven van deze vervuiling. Als mensen overstappen van de auto in de trein of de bus dan daalt de vervuiling en als mensen overstappen van de trein of de bus naar de auto, dan neemt de vervuiling toe. De kosten van vervuiling van vervoermiddelen zouden in principe berekend kunnen worden door de kosten in cent per reizigerkilometer van de auto te vermenigvuldigen met de verandering in het aandeel mensen dat met de auto gaat. Door de uitkomst hiervan te vermenigvuldigen met het gemiddelde aantal reizigerkilometers dat met de auto wordt gereden, worden de kosten of opbrengsten verkregen van een vermeerdering of vermindering van het aandeel mensen dat met de auto gaat. Het nadeel hiervan is dat een afname van het autoverkeer gepaard kan gaan met een toename van motor- of bromfietsverkeer. Deze vervoermiddelen zijn vervuilender dan de auto en daarom is een dergelijke ontwikkeling niet gewenst. Het aandeel van motoren en bromfietsen in het totale verkeer kan niet geschat worden omdat daarover niet voldoende gegevens beschikbaar zijn.

28

5 Conclusies en aanbevelingen

Dit onderzoek heeft als doel een antwoord te vinden op de vraag hoe de vervuiling van verkeer bij evenementen verminderd kan worden. Om dit te bereiken werd als eerste een model ontworpen (hoofdstuk 2) voor de vervoermiddelen auto, fiets, te voet, bus en trein. Door de kenmerken van de evenementgangers in te vullen in vergelijking 3 (zie paragraaf 2.2) kan geschat worden welk deel van de bezoekers met welk vervoermiddel gaat. Omdat er geen gegevens beschikbaar zijn specifiek over verkeer van en naar evenementen is voor het maken van het model gegevens gebruikt uit het onderzoek verplaatsingsgedrag van het CBS. De uitkomsten uit het model zijn daardoor minder betrouwbaar dan wanneer gegevens van evenementen gebruikt waren. Desondanks geeft het model een indicatie van de invloeden die een rol spelen bij de vervoerkeuze. Hierna werd onderzocht hoe vervuilend de vervoermiddelen zijn (hoofdstuk 3). Het bepalen van de vervuiling van verkeer werd gedaan voor geluidhinder en emissies. De kosten hiervan werden bepaald op basis van de hedonische prijzen methode respectievelijk de preventiekostenmethode. Voor de geluidhinder werd zo een waardering verkregen in cent per kilometer, voor de emissies in cent per gram. Daarna werd de uitstoot van zes stoffen per vervoermiddel bepaald in gram per kilometer. Vermenigvuldiging van de waardering met de uitstoot leverde ook voor de emissies een waardering op in cent per kilometer. Deze waardering gaat voorbij aan het feit dat met het ene vervoermiddel meer mensen tegelijk vervoerd kunnen worden en dat sommige vervoermiddelen leeg af- en aan moeten rijden of om moeten rijden om woonwijken te ontsluiten of omdat ze gebonden zijn aan een grofmazige infrastructuur. De waardering in cent per kilometer werd daarom gedeeld door de gemiddelde bezettingsgraad van het vervoermiddel en vermenigvuldigd met de aan-, af- en omrijdpercentages. Dit leverde een waardering op in cent per reizigerkilometer. Het totaal van deze twee kosten voor het verkeer maakt het mogelijk om een vergelijking te maken tussen de verschillende vervoerwijzen. Ondanks het feit dat in hoofdstuk 3 de externe kosten van de verschillende vervoerwijzen berekend waren, was het niet zonder meer duidelijk welk vervoermiddel nu beter is voor het milieu. Op basis van alleen de cijfers zou gezegd kunnen worden dat de auto beter is dan het openbaar vervoer. Er wordt dan over het hoofd gezien, dat het openbaar vervoer volgens een dienstregeling rijdt, ongeacht het aantal mensen dat erin zit. Als mensen de auto kiezen in plaats van het openbaar vervoer, dan rijdt het openbaar vervoer toch wel, maar dan rijden er meer auto’s. De totale vervuiling door verkeer neemt dus toe. Als mensen het openbaar vervoer verkiezen boven de auto, dan neemt de bezettingsgraad van het openbaar vervoer toe (ervan uitgaande dat er geen extra treinen of bussen hoeven te worden ingezet), met als gevolg dat de kosten in cent per reizigerkilometer dalen. Daarnaast rijden er minder auto’s. De vervuiling door verkeer daalt dus. Hoe kunnen mensen echter uit de auto gehaald worden en in het openbaar vervoer gekregen worden? Het veranderen van bepaalde kenmerken van de evenementen verandert de vervoerkeuze van de evenementgangers. Dit is te zien door in de modellen van de vervoerwijzen de gegevens van de verplaatsing te veranderen (hoofdstuk 4). Het autogebruik daalt als een evenement bijvoorbeeld doordeweeks gehouden wordt. Het gebruiken van het model om het effect van maatregelen te onderzoeken heeft echter zijn beperkingen. Slechts een paar maatregelen kunnen onderzocht worden, te weten (i) het evenement doordeweeks houden in plaats van in het weekend, (ii) verandering van de maand waarin het evenement gehouden wordt, en (iii) verandering van het tijdstip waarop mensen naar het evenement kunnen komen. Tal van andere maatregelen zijn beschikbaar om de vervoerkeuze te beïnvloeden, maar met de huidige kennis is het niet mogelijk gebleken uit te zoeken welke maatregelen welk effect hebben op de vervoerkeuze van de evenementgangers en of dergelijke maatregelen ook invloed hebben op het aantal bezoekers of de samenstelling van de bezoekers. Zoals

Analyse van de vervoerkeuze bij evenementen uit het model is gebleken hebben verschillende kenmerken van de bezoekers, zoals de leeftijd, invloed op de vervoerkeuze. Als het nemen van maatregelen tot gevolg heeft dat de kenmerken van de bezoekers wijzigt dan kan dit het effect van de maatregelen tenietdoen, of juist vergroten. Hier is alleen achter te komen door verder onderzoek. Waarmee verder rekening gehouden moet worden bij dit onderzoek, is dat hier slechts vergeleken wordt op basis van twee punten, namelijk de uitstoot van luchtverontreinigende stoffen en geluidhinder. Kosten van ongevallen, files, uitstoot bij fabricage, afval van onderdelen enz. zijn niet meegenomen. Om een vergelijking te maken tussen de verschillende vervoerwijzen die bruikbaar is voor een herziening van de verkeersstructuur in ons land en op basis waarvan bepaald kan worden welk vervoermiddel het beste is voor het milieu, is een complete analyse nodig van delving van grondstoffen tot het moment dat het vervoermiddel weggedaan wordt, inclusief de aanleg van de infrastructuur en alles wat daar bij komt kijken. Dit is natuurlijk praktisch onmogelijk om te doen. Daarom is het zo belangrijk om bij de interpretatie van de gegevens zeer voorzichtig te werk te gaan. Zoals in de voorgaande hoofdstukken duidelijk is geworden zijn hier en daar lacunes in de beschikbare informatie. Door het doen van vervolgonderzoek kunnen deze opgelost worden. De lacunes zijn: 1. Het gebrek aan gegevens over mobiliteit bij evenementen. De beste gegevens die ik kon vinden was het onderzoek verplaatsingsgedrag van het CBS. Deze gegevens zijn echter niet toegespitst op evenementen. Er was geen sprake van een motief of aankomstbezigheid evenementen, waardoor gegevens over evenementen geselecteerd konden worden. Om dit te veranderen dienen er enquêtes gehouden worden bij allerlei verschillende evenementen. Voor elk persoon die geënquêteerd wordt dient een apart formulier ingevuld te worden. Turven heeft namelijk als nadeel dat er geen verbanden gelegd kunnen worden tussen de kenmerken van de personen. Het ingevulde formulier dient gekoppeld te worden aan kenmerken van het evenement, weersomstandigheden en genomen maatregelen om de vervoerwijze van mensen te beïnvloeden. Als de vervoerweg van de mensen precies wordt omschreven is het ook mogelijk om onderscheid te maken in stadsbus, streekbus, touringcar, tram, metro en eventueel andere vervoermiddelen. Door een goede omschrijving van de locatie van het evenement is het mogelijk om te onderzoeken in hoeverre bepaalde karakteristieken van de locatie een rol spelen bij de vervoerkeuze. Te denken valt hierbij bijvoorbeeld aan de nabijheid van een station en het aantal toevoerwegen. Door het verzamelen van dergelijke specifieke gegevens is beter te voorspellen hoeveel mensen met welk vervoermiddel komen en wat een wisseling van locatie inhoudt voor de vervoerkeuze van de mensen. Door bij het enquêteren van de evenementgangers ook te kijken naar de maatregelen die de evenementhouder heeft genomen om de vervoerkeuze van de bezoekers te beïnvloeden is het mogelijk om het effect van de maatregelen te bekijken. Voorwaarde hiervoor is wel dat er bij voldoende evenementen geënquêteerd wordt, zowel bij vergelijkbare als bij niet-vergelijkbare evenementen. Hoe meer gegevens verkregen worden, hoe beter de schattingen over de vervoerkeuze zullen zijn. Over de vervoerkeuze tijdens de opbouw van een evenement is ook niets bekend. Het gebruiken van vrachtwagens, bestelbusjes en het reizen van de mensen die het evenement organiseren brengt ook veel vervuiling met zich mee. Hoe groot is deze vervuiling en kan deze verminderd worden? Dit is wellicht ook zeer interessant om te onderzoeken. 2. De onzekerheden ten aanzien van het milieu. De werkelijke kosten van de schade aan het milieu zijn niet te bepalen. De bepaling van de kosten van emissies is gebeurd met behulp van de preventiekostenmethode. Zoals in paragraaf 3.3.2 is uitgelegd is de preventiekostenmethode een betrouwbare methode, die een minimumwaardering oplevert. De kosten van geluidhinder zijn bepaald op basis van de hedonische prijzen methode. De waardedaling van onroerend goed is als een soort maatstaf gebruikt om de kosten van geluidhinder te bepalen. Dit

30

5 Conclusies en aanbevelingen zorgt ervoor dat de kosten van geluidhinder binnen de bebouwde kom hoger zijn dan buiten de bebouwde kom. Geluidhinder brengt echter ook schade toe aan de natuur en de daar levende dieren. Dieren houden niet van lawaai en vertrekken dan ook vaak naar plaatsen die rustiger zijn. Het effect van lawaai op planten is niet bekend. De kosten van de effecten van geluidhinder op planten of dieren is niet gemeten. De vraag is natuurlijk of die meetbaar zijn. Ook de kosten van het doodrijden van dieren en vernielen van planten door het verkeer zijn niet bekend. 3. De bezettingsgraden van het openbaar vervoer tijdens evenementen. Op dit moment zijn alleen de jaargemiddelde bezettingsgraden bekend. Zij worden vergeleken met de bezettingsgraden tijdens evenementen bij auto’s. Om een betere vergelijking te kunnen maken van de verschillende vervoermiddelen is het interessant om te weten bij welke evenementen ze hoger liggen en bij welke niet en hoeveel hoger ze dan zijn. 4. Het gebrek aan gegevens over de tram en de metro. Gegevens over geluidhinder door tram en metro waren niet beschikbaar, net als gegevens over het aantal kilometers dat jaarlijks door tram en metro verreden werden. De meeste gegevens die tram en metro meenemen, scharen deze vervoermiddelen onder de noemer overig of plaatsen ze samen met de bus. Hierdoor was het niet mogelijk om voor de tram en de metro berekeningen te maken van hun externe kosten. Zoals uit het bovenstaande duidelijk is geworden zijn er nogal wat onzekere punten te vinden in dit onderzoek. Dat wil niet zeggen dat dit onderzoek geen enkele waarde heeft. Het geeft een eerste inzicht in de vervuiling van het verkeer bij evenementen waar nog maar nauwelijks gegevens over te krijgen zijn. Bij dit onderzoek, geldt net als bij elk ander onderzoek over milieu, dat de gegevens voorzichtig geïnterpreteerd moeten worden en bij interpretatie rekening dient te worden gehouden met de gemaakte veronderstellingen.

31

Literatuurlijst

Boneschansker, drs. E. (1994) Externe kosten van het personenverkeer. Den Haag: Instituut voor Onderzoek van Overheidsuitgaven Brink, R.M.M. van den & G.P. van Wee (1997). Energiegebruik en emissies per vervoerwijze. Bilthoven: Rijksinstituut voor Volksgezondheid en Milieu. CBS (2000). http://statline.cbs.nl/statweb/index.stm CBS (1998). http://statline.cbs.nl/statweb/index.stm CBS (1998). Onderzoek verplaatsingsgedrag. CBS (1997). http://statline.cbs.nl/statweb/index.stm Dings, J.M.W. (1999). Efficiënte prijzen voor het verkeer: raming van maatschappelijke kosten van het gebruik van verschillende vervoermiddelen. Delft: CE, Centrum voor Energiebesparing en schone technologie. Jansen, J. & W.A.M. den Tonkelaar (1987). Onderzoek naar de invloed van files op de emissies van NOX, NO2 en CO en de luchtkwaliteit op en rond de weg. Delft: Hoofdgroep Maatschappelijke Technologie TNO. Katz, Michael L. & Harvey S. Rosen (1994). Microeconomics: International Student Edition. Burr Ridge, Illinois [etc.]: Irwin. Lesser, Jonathan A., Daniel E. Dodds & Richard O. Zerbe jr. (1997). Environmental economics and policy. Reading [etc.]: Addison-Wesley. Liao, Tim Futing (1994). Interpreting probability models: logit, probit, and other generalized linear models. Thousand Oaks, Ca. [etc.]: Sage. Moors, J.J.A.(1991). Statistiek in de economie 2: Steekproeftheorie en analyserende statistiek. Schoonhoven: Academic Service economie en bedrijfskunde. Rietveld, P. (1996). Langzaam maar zeker, marktonderzoek. Den Haag: Projectbureau IVVS. SER (1999). Doorberekening van maatschappelijke kosten bij verkeer en vervoer. Den Haag: SociaalEconomische Raad. Stewart, Jon (1991). Econometrics. New York [etc.]: Allan Vanderschuren, M.J.W.A. (1994). Mobiliteitsverkenner vernieuwd en veranderd: verantwoording van de actualisatie van de basisgegevens en de elasticiteiten en de beschrijving van de nieuwe versie4.1 met implementatie van de OV-studentenjaarkaart. Delft: TNO.

33

Bijlage 1 Theorie van het model

Zoals in paragraaf 2.1 is uitgelegd wordt de kans dat gekozen wordt voor vervoermiddel i bepaald door de volgende functie (Stewart, 1991): Pr(yi = 1) =

exβ (1 + exβ)

De logistische verdeling die het meest gebruikt wordt is: 1 1 + e-z Hierbij staat de z voor xβ. Dit is dezelfde formule. Door links en recht met ez te vermenigvuldigen wordt het volgende verkregen: * ez 1 ez 1 + e-z

=

ez (1 + ez)

Beide formules kunnen gebruikt worden.

35

Bijlage 2 Steekproefgemiddelden

Gegevens van het huishouden Inkomen < 18000

Persoon bezit 0,015185

Studenten ovkaart

0,049819

1 auto beschikbaar

0,624244

Autorijbewijs

0,680895

2 of meer auto's

0,295653

Fiets

0,877475

Brom- of snorfiets

0,030501

Motor

0,028238

Beschikbaar Bestaat uit 3 of 4

0,429709

Personen Jongste kind 0 - 5 jaar

Brandstof auto 0,202802

Provincie woonplaats Utrecht, Noord-Holland

0,427229

Zuid-Holland Groningen, Overijssel

0,035722

Diesel

0,065614

Benzine

0,368011

Gegevens van de verplaatsing 0,138189

Dag van de week

0,174825

Maand

Friesland Flevoland, Drenthe

LPG

Weekend

Gelderland

0,410869

Maart, april of mei

0,256842

Stedelijkheidsgraad woonplaats

Juni, juli of augustus

0,257538

Zeer sterk of sterk

September, oktober of

0,264239

0,366227

Stedelijk

November

Matig stedelijk

0,200278

Juni

Niet stedelijk

0,189183

Aankomstuur

Gegevens persoon

6 tot 12 uur

Leeftijdsklasse 0 t/m 11

0,081016

0,1465

0,258408

12 tot 18 uur

0,42018

18 tot 24 uur

0,292347

12 t/m 17

0,082974

Afstand rit

18 t/m 24

0,091372

5 tot 10 kilometer

0,35287

25 t/m 39

0,248749

10 tot 30 kilometer

0,357974

30 tot 50 kilometer

0,080233


0,091328

Geslacht Vrouw

0,473045

Voltooide opleiding Basis of lager onderwijs

0,100422

LBO, VGLO, LAVO

0,234043

mavo, MULO MBO, havo, atheneum,

0,287343

Gymnasium, MMS, HBS HBO of universiteit

0,219945

Bron: CBS, 1998

36

Bijlage 3 Optimaal vervuilingsniveau

Niet alle goederen en diensten kunnen via de markt verhandeld worden, en dus komt er geen marktprijs tot stand. Het gevolg is dat mensen alleen de marginale kosten in overweging nemen en niet de maatschappelijke marginale kosten. Stel er zijn twee groepen (zie figuur 1). De eerste groep zijn de mensen die er voordeel bij hebben om schadelijke stoffen uit te stoten. Dit voordeel kan bijvoorbeeld uitgespaarde preventiekosten zijn, die nodig zouden zijn geweest als emissie niet geoorloofd was. Naarmate deze groep meer emitteert, zal het extra voordeel ten gevolge van het emitteren van een extra eenheid schadelijke stof (de marginale opbrengst = MO) afnemen, omdat bij een hoger emissieniveau de uitgespaarde preventiekosten lager zijn. Het is immers goedkoper om een hoge emissie terug te dringen, dan om de laatste beetjes emissie te verwijderen. De MO-curve is dus een dalende lijn. De tweede groep zijn de gehinderden. Zij ondervinden schade van de emissies. Hun belangen worden niet betrokken in de besluitvorming van de vervuilers. De ‘kosten’ van de gehinderden stijgen ten gevolge van de emissieschade naarmate het emissieniveau stijgt. Tevens is het aannemelijk dat deze kosten per eenheid emissie (de marginale kosten = MK) stijgen naarmate het emissieniveau stijgt. De MK-curve is dus een stijgende lijn. Nu is het zo dat het prijsmechanisme een MO- en MK-curve geeft. Het snijpunt van deze twee curven bepaalt het particuliere emissieniveau. Om te komen tot een optimale welvaart voor de maatschappij moet er niet gekeken worden naar deze MO- en MK-curve maar naar de maatschappelijke MO- en MK-curve, de MMO en MMK- curven. De MK-curve ligt hoger dan de MMK-curve, omdat bij de MK alleen die opbrengsten en kosten worden meegenomen die geprijsd worden in de markt. De MMK-curve neemt daarnaast ook de kosten mee die niet door de markt gewaardeerd worden. De MMO-curve is gelijk aan de MO-curve. De voordelen van elk afzonderlijk individu bij elkaar opgeteld is hetzelfde als de voordelen voor de gehele maatschappij. Het snijpunt van deze MMO- en MMK-curve bepaalt het optimale emissieniveau E*. Dit optimale emissieniveau geeft aan wanneer het welvaartsverlies voor de samenleving minimaal is. Als minder geëmitteerd wordt dan dit optimale niveau dan zijn de maatschappelijke marginale opbrengsten hoger dan de maatschappelijke marginale kosten. Er kan dan nog welvaartswinst behaald worden uit het verhogen van het emissieniveau. Als het emissieniveau hoger is dan het optimale niveau, dan zijn de maatschappelijke marginale kosten hoger dan de maatschappelijke marginale opbrengsten. De welvaart in de samenleving is dan lager dan dat hij in het optimale geval zou zijn (Dings, 1999).

Figuur 1 F / kg MMK MK

E*

E

MO = MMO emissies

37

Bijlage 4 Niet –meegenomen kosten

Niet alle externe effecten van verkeer zijn meegenomen bij de waardering van de kosten per vervoermiddel. Voor een aantal van hen zal hieronder een verklaring gegeven worden voor het feit dat ze in de scriptie niet gewaardeerd zijn. Dit zijn de kosten van de infrastructuur, de kosten van verkeersongevallen en de kosten van congestie. De waardering van de infrastructuur heeft niet plaatsgevonden, omdat het in deze scriptie gaat om verkeer en vervoer naar evenementen en niet om verkeer en vervoer in het algemeen. De aanleg van infrastructuur vindt (over het algemeen) niet plaats ten behoeve van een speciaal evenement. De kosten van verkeersongevallen zijn niet gewaardeerd, omdat er hier een probleem van toerekening is. Moeten de kosten van verkeersongevallen toegerekend worden aan de veroorzaker van het ongeluk, of aan degene wiens vervoermiddel het grootste risico teweegbrengt voor andere vervoermiddelen. Moeten alleen die ongelukken meegenomen worden waarbij evenementgangers betrokken zijn? Het nadeel van het toerekenen van de kosten van verkeersongevallen aan het voertuig dat het grootste risico teweegbrengt voor andere vervoermiddelen is dat aan de kosten niet afgelezen kan worden welk risico mensen lopen als ze voor dat vervoermiddel kiezen. Dergelijke gegevens kunnen verkeerd geïnterpreteerd worden. Voor congestie gelden soortgelijke overwegingen. Het hangt er namelijk vanaf of er congestie optreedt op momenten dat mensen naar evenementen rijden. De meeste evenementen worden of in het weekend gehouden, wanneer er al veel minder “gewoon” verkeer op de wegen is, of in de vakantie. Zijn de files ten tijde van evenementen langer of korter dan tijdens het spitsuur? Brengen files ten tijde van evenementen evenveel kosten voor de gehele maatschappij met zich mee als andere files? De kosten van files ten tijde van evenementen kunnen verschillen van de kosten van files in het spitsuur. Het is niet te zeggen wat de congestiekosten zijn ten tijde van evenementen. Ook de uitstoot van emissies kan ten tijde van files anders zijn. Uit onderzoek van Jansen en Den Tonkelaar (1988) op de invloed van files op emissies van CO (koolstofmonoxide), NOX (stikstofoxiden) en NO2 (stikstofdioxide) blijkt dat de CO-emissie van voertuigen in een file 2 à 3 keer hoger is dan bij een situatie met sneldoorstromend verkeer, terwijl de NOX-emissie niet noemenswaardig verschilt tussen beide situaties. Het rapport concludeerde dat door opheffing van de files, de CO-emissies op filetrajecten (op tijden waarop normaal files zijn) met circa 25% zullen dalen. Hierdoor zullen ook de jaargemiddelde CO-concentraties in de omgeving dalen (met hoeveel de landelijke jaargemiddelde CO-concentraties zullen dalen is niet bekend). Het opheffen van files heeft weinig invloed op de emissies van NOX. Wel zullen dan mogelijk door het aantrekken van extra verkeer de concentraties van NOX en NO2 in de omgeving kunnen toenemen. Over andere emissies wordt niet gesproken. Door het gebrek aan gegevens over de kosten van files en over de emissies ten tijde van files zullen de kosten van congestie niet meegenomen worden. Wellicht dat invoering van de kilometerheffing het probleem van de hoogte van de kosten van congestie opheft. Mensen moeten dan immers betalen naar gelang de drukte op de weg.

38

Bijlage 5 Consumenten- en producentensurplus

Het consumentensurplus is het verschil tussen wat een consument bereid is te betalen voor een goed en wat ze moet betalen voor dat goed ofwel het oppervlak onder de vraagcurve (D-curve) en boven de prijs (P*) (zie figuur 2). Het producentensurplus is de hoeveelheid inkomen die een individu meer ontvangt dan hij of zij nodig heeft om een bepaald aantal goederen te leveren, ofwel het oppervlak boven de aanbodcurve (S-curve) en onder de prijs (P*). Wanneer de marktprijzen of consumenten- of producentensurplus (Lesser et al., 1997) gebruikt worden moet rekening gehouden worden met twee factoren. Ten eerste is het zo dat een winst voor de ene partij een verlies voor de andere partij kan zijn. Het rekenen van de winsten en verliezen aan slechts één kant van de markt zal sommige verliezen missen en negeert het feit dat andere veranderingen overgedragen zijn. Figuur 3 laat dit zien. Stel er is een vrije markt en de hoeveelheid en de prijs van een goed wordt bepaald door de D-curve en de S-curve. De prijs is dan P* en de hoeveelheid is Q*. De S-curve is een marginale kostencurve, inclusief de milieuvervuiling die veroorzaakt wordt bij het produceren van de goederen. Deze milieuvervuiling hoeft echter niet door de producenten betaald te worden. Zij zien zich dus geplaatst voor de marginale kostencurve S’. Op basis van deze curve bepalen zij hun geproduceerde hoeveelheid Q**. De prijs die de consumenten moeten betalen is gelijk aan P**. Het consumentensurplus bij de geproduceerde hoeveelheid Q** is dan gelijk aan driehoek BCP**. Het producentensurplus is gelijk aan ABP**. De milieukosten zijn gelijk aan driehoek ABE. Een deel van deze milieukosten vervallen aan de producenten, namelijk driehoek ABI. Door het milieu te vervuilen is het voor de producenten mogelijk om meer winst te maken. Een ander deel van de milieukosten vervallen aan de consumenten, namelijk driehoek BFI. Ook zij profiteren van het milieu door lagere prijzen. Het totale welvaartsverlies van de maatschappij door milieuvervuiling is gelijk aan driehoek BEF. Door het instellen van een productiequotum van Q* of door het internaliseren van de milieukosten zullen de baten voor het milieu gelijk zijn aan driehoek BEF. De tweede factor waar rekening mee gehouden moet worden is dat een invloed op het milieu verschillende markten tegelijk kan beïnvloeden. Door vervuiling kunnen sommige boeren bijvoorbeeld op andere gewassen overstappen omdat die minder gevoelig zijn voor de vervuiling. Verminderingen in het consumenten- en producentensurplus in de markt van het ene gewas wordt dan geheel of gedeeltelijk gecompenseerd door een hoger consumenten- en producentensurplus in de markt van het andere gewas. Figuur 2

Figuur 3

P

S

P C

S S’ E

CS

P* P**

P*

F I

PS

B

D D Q*

Q

A

39

Q*

Q**

Q

Bijlage 6 Berekening kosten van geluidhinder

In de studie van Dings (1999) bedraagt de geluidhinder van de bussen 8,0 eurocent binnen de bebouwde kom en 1,2 eurocent buiten de bebouwde kom. De stadsbus rijdt alleen binnen de bebouwde kom, de streekbus voor 50% binnen de bebouwde kom, en de touringcar voor 10% binnen de bebouwde kom (Van den Brink & Van Wee, 1997). De geluidhinder van de stadsbus is dan 8,0 eurocent, oftewel 17,630 cent per kilometer. De geluidhinder van de streekbus is dan 50% * 8,0 eurocent + 50% * 1,2 eurocent. Omgerekend is dit gelijk aan 10,137 cent per kilometer. De geluidhinder van de touringcar is 10% * 8,0 eurocent + 90% * 1,2 eurocent, oftewel 1,143 cent per kilometer. De kosten van de overige vervoermiddelen zijn verkregen door de kosten in Dings (1999) te berekenen naar één getal (70% buiten de bebouwde kom (bubk) en 30% binnen de bebouwde kom (bibk)) en deze om te zetten van eurocenten naar centen. bibk

bubk

gemiddeld

Auto

1,3

0,2

Auto

Bus

8,0

1,2

Stadsbus

17,630

166,0

26,0

Streekbus

10,137

Trein

1,167

In eurocent per kilometer

Touringcar

Bron: Dings, 1999

Trein

4,143 149,852

In cent per kilometer

40

Analyse van de vervoerkeuze bij evenementen. Een eerste aanzet. Petra Schoofs. Wetenschapswinkel Katholieke Universiteit Brabant, Tilburg

Recommend Documents