De vergeten baten van light rail

De “vergeten” baten van light rail

dr. ir. Niels van Oort Assistant professor openbaar vervoer Dag van de Light rail, Maart 2013

Challenge the future

1

Inhoud • Transport Institute Delft • Light rail • De “vergeten” baten van light rail

• Rail bonus • Betrouwbaarheid • Hebben we de juiste tools en methodes?

• Conclusies


2

Mobiliteits onderzoek en onderwijs TU Delft

Civil Engineering and Geosciences Technology, Policy & Management

Architecture

Aerospace engineering Mechanical, Maritime and Materials Engineering Electrical Engineering, Mathematics and Computer Science

Industrial Design

Prof. dr.ir. Bart van Arem

The TU Delft Transport Institute Challenge the future

3

Ambitie • Wetenschappelijk top 5 wereldwijd • Jaarlijks 200 Transport MSc engineers • Integrale blik • Toekomstgericht en onafhankelijk


4

De Transport Institute clusters Verkeersmanagement Beleid Logistiek Ruimtelijke planning

Spoor Openbaar vervoer


5

Light rail • Geen dogma • Kies systeem dat best past • Goede inzichten in alternatieven (ook buiten OV) • Alle effecten eerlijk in kaart • Kans “Big Data” • TU Delft: ontwikkelen inzichten, methoden en technieken om alle effecten in kaart te brengen • Netwerk- en dienstregelingoptimalisatie Challenge the future

6

Light rail en TU Delft • Twee voorbeelden hoe wetenschappelijk werk inzichten voor de praktijk oplevert • Deze effecten/baten worden nu vaak nog “vergeten” 1) Rail bonus 2) Betrouwbaar OV


7

Rail bonus • Onderzoek Tim Bunschoten, TU Delft/Goudappel Coffeng


8

Introductie

Introductie • Rail bonus = • De extra waarde voor rail (tram/ (tram/light light rail) in de nutsfunctie in

vergelijking met de nutsfunctie van de bus, gecontroleerd voor ruimtelijke veranderingen en veranderingen in het serviceniveau


9

Methodologie

Literatuur • Bredere scope • Voornamelijk preferentie tram • Grote onzekerheid Onderzoek • Stated preference

Bron

Uitkomst

Scherer (2011)

Lichte voorkeur rail

Scherer (2009)


Cain (2009)


Bovy en HoogendoornHoogendoorn-Lanser (2005)

Preferentie tram

Currie (2004)


Ben Akiva (2002)

Geen verschil

Welschen (2002)

0-10%

Kasch en Vogts (2002)

Preferentie rail

Megel (2001)


Axhausen (2001)


Berschin (1998)

30%

Arnold en Lohrmann (1997)

15%

Hüsler sler (1996)

54%


10

Reizigerseffect

+5%


11

Betrouwbaar openbaar vervoer


12

Aandacht voor betrouwbaarheid • Meer aandacht voor kwaliteit • Meer aandacht voor kostenbewustzijn • Naast reistijd wordt betrouwbaarheid steeds belangrijker • Meer kennis vanuit wetenschap en praktijk • Meer data: GOVI, chipkaart, etc. • Light rail projecten gaan vaak gepaard met sprong in betrouwbaarheid


13

Introductie: betrouwbaarheid • Werkelijkheid = verwachting • Onbetrouwbaarheid heeft invloed op: - Reistijd (met name wachten) - Spreiding aankomst - Comfort

• Reiziger waardeert betrouwbaarheid 40% hoger dan snelheid! • Betrouwbaarheid is belangrijk voor reiziger, maar niet voldoende


14

Toegevoegde waarde betere doorstroming en betrouwbaarheid - Lagere exploitatiekosten - Betere concurrentiepositie OV, waardoor meer reizigers en dus meer inkomsten - Minder tijdverlies voor reizigers - Minder onzekerheid voor reizigers Kortom hogere kostendekkingsgraad en hogere modal share


15

Big Data: Van voertuig -> reiziger GOVI

Chipkrt


16

Rendement maatregelen - Den Haag

- 5-15% meer OV reizigers - € 10-20 miljoen lagere (maatschappelijke) kosten per jaar - Reizigerswaardering van 6,5 naar 7,5

- Utrecht

- Schatting: Ca € 15 miljoen door stilstand OV - 20% van de tijd staan bussen en trams stil (excl halteren)! - Bezuinigen door verbeteringen: 30 s. tijdswinst: € 100.000-400.000 besparing op exploitatiekosten per jaar - Uithoflijn: 65% van baten door verbeterde betrouwbaarheid

• Amstelveenlijn: > €10 Miljoen per jaar door onbetrouwbaarheid en matige doorstroming • Maastricht: ca €4 miljoen baten door betrouwbaardere tram


17

To do • Meenemen baten in besluitvorming • Verbetering/uitbreiding tooling • MKBA • Verkeersmodellen


18

MKBA


19

Rol betrouwbaarheid in MKBA

Berekend 0%

Niet 60%

Expertjudgement 13%

Kwalitatief 27%


20

Resultaten MKBA Uithoflijn

Extra reistijd /wachttijd door onregelmaat

Spreiding in reistijd/wachttijd door onregelmaat

Bijdrage onbetrouwbaarheid €201 mln = 60% van alle baten


21

Verkeersmodellen


22

Aanleiding • OV maatregelen zijn vaak gericht op het verbeteren van de betrouwbaarheid: • Ongelijkvloerse kruisingen, vrije banen • Stiptheid afhankelijke prioriteitsregeling bij VRI’s • Systeemsprong bus->tram

• In modellen rijdt alles op tijd • Zicht op effecten onbetrouwbaar OV (en verbetering daarvan) gewenst • Gestart met pionieren betrouwbaarheid OV in verkeersmodellen


23

Waarom in verkeersmodel? Betere prognose

• Kwalitatief betere synthetische matrices • Kwalitatief een betere toedeling (voor kalibratie) • Minder correctie nodig door kalibreren

Meer toepassingsmogelijkheden model

• Inzicht in effecten betere of slechtere betrouwbaarheid • Basis voor MKBA


24

Case BRU: VRU model • Wens: verbetering onbetrouwbaarheid meenemen in verkeersmodel om effecten kwantitatief te kunnen maken • Effecten = reistijdwinst, meer reizigers • Waarom in verkeersmodel: netwerkeffecten • Door GOVI- data van alle lijnen gerealiseerde data beschikbaar • GOVI-data: 20% van OV-budget gaat op aan ongepland stilstaan! • (M)KBA’s te maken voor doorstromingsmaatregelen


25

Conclusies • Light rail: kansrijke oplossing • Geen dogma, maar voor bepaalde problemen en omstandigheden geschikte oplossing • Goede afweging alternatieven • Dan wel alles goed in kaart De “vergeten” baten: • Rail bonus • Betrouwbaarheidseffecten • To do: Tooling OV

• MKBA • Verkeersmodellen Challenge the future

26

Vragen/discussie Niels van Oort Assistant professor OV [email protected] Stages/afstudeerplaatsen? Onderzoeksideeën?

7 faculties 60 staff 100+ MSc students 60+ PhD students


27

De vergeten baten van light rail

Recommend Documents