Een verkeersmodel als ontwerptool voor een multimodaal regionaal netwerk

EEN VERKEERSMODEL ALS ONTWERPTOOL VOOR EEN MULTIMODAAL REGIONAAL NETWERK

Laura Tavernier | Pascale Willems

© Copyright KU Leuven Without written permission of the thesis supervisor and the authors it is forbidden to reproduce or adapt in any form or by any means any part of this publication. Requests for obtaining the right to reproduce or utilize parts of this publication should be addressed to Faculteit Ingenieurswetenschappen, Kasteelpark Arenberg 1 bus 2200, B-3001 Heverlee, +32-16-321350. A written permission of the thesis supervisor is also required to use the methods, products, schematics and programs described in this work for industrial or commercial use, and for submitting this publication in scientific contests. Zonder voorafgaande schriftelijke toestemming van zowel de promotor als de auteurs is overnemen, kopiëren, gebruiken of realiseren van deze uitgave of gedeelten ervan verboden. Voor aanvragen tot of informatie i.v.m. het overnemen en/of gebruik en/of realisatie van gedeelten uit deze publicatie, wend u tot Faculteit Ingenieurswetenschappen, Kasteelpark Arenberg 1 bus 2200, B-3001 Heverlee, +32-16-321350. Voorafgaande schriftelijke toestemming van de promotor is eveneens vereist voor het aanwenden van de in deze masterproef beschreven (originele) methoden, producten, schakelingen en programma’s voor industrieel of commercieel nut en voor de inzending van deze publicatie ter deelname aan wetenschappelijke prijzen of wedstrijden.

Een verkeersmodel als ontwerptool voor een multimodaal regionaal netwerk. Laura Tavernier Pascale Willems

Thesis voorgedragen tot het behalen van de graad van Master of Science in de ingenieurswetenschappen: verkeer, logistiek en intelligente transportsystemen Promotor: prof. dr. ir. Chris Tampère

Academiejaar 2014 – 2015

Master of Science in de ingenieurswetenschappen: verkeer, logistiek en Master of Science in de ingenieurswetenschappen: bouwkunde intelligente transportsystemen

Een verkeersmodel als ontwerptool voor een multimodaal regionaal netwerk. Laura Tavernier Pascale Willems

Thesis voorgedragen tot het behalen van de graad van Master of Science in de ingenieurswetenschappen: verkeer, logistiek en intelligente transportsystemen Promotor: prof. dr. ir. Chris Tampère Assessoren: prof. dr. Stef Proost prof. ir. Dirk Lauwers Begeleider: dr. ir. arch. Matthias Blondia

Academiejaar 2014 – 2015

Dankwoord Na een intensieve periode van september tot nu is het zover. Met het schrijven van dit dankwoord leggen we de laatste hand aan onze thesis. 604 uren lang werkten we, dag in dag uit, om u nu met trots het eindresultaat te presenteren. Gedurende het academiejaar zijn wij bijgestaan door tal van personen tot wie wij ons willen richten in dit dankwoord. Eerst en vooral willen we prof. Tampère en Matthias Blondia bedanken om samen met ons te brainstormen tijdens de veelvuldige meetings. Deze waren altijd leuk om naartoe te gaan en hun inzicht en kritisch oogpunt hielpen ons keer op keer een grote stap vooruit. Zonder hen beiden was dit werk niet mogelijk. Speciale dank gaat uit naar Willem Himpe. Hij stond altijd voor ons klaar om onze Matlab-problemen op te lossen met slechts enkele regels intelligente code. Held. We willen ook graag Johan Van Reeth van BUUR bedanken. Het sterke ontwerp voor Regionet Leuven fungeerde als inspiratiebron voor deze thesis. Bovendien zorgde hij gedurende het jaar voor interessante input vanuit het oogpunt van de ontwerper. We appreciëren ook de hulp van volgende mensen: Nina Reyntjens van BUUR voor het verzamelen van de nodige informatie in verband met Regionet Leuven; Marthe Van Criekinge van het Vlaams Verkeercentrum voor het leveren van HB-matrices en socio-demografische gegevens; prof. Stef Proost en prof. Dirk Lauwers voor hun opbouwende kritieken tijdens de tussentijdse presentatie. Bedankt aan Lisa om vele thesisuren met ons door te brengen. Wij hopen dat we je niet te veel overweldigd hebben met onze nieuw vergaarde burgie-woordenschat. De mama van Lisa wordt bedankt om onze thesis na te lezen en al onze passieve zinnen om te zetten naar actieve zinnen. Veel dank aan onze familie, vrienden en geliefden. Hoewel wij de laatste maanden meer thesisuren met elkaar hebben doorgebracht dan wij jullie zagen, stonden jullie altijd voor ons klaar. Tenslotte ook bedankt aan Violetta om ons te leren dat je samen meer kan dan alleen: juntos somos más! ir. arch. Laura Tavernier ir. arch. Pascale Willems

Abstract Deze thesis onderzoekt op welke manier een verkeersmodel een bijdrage kan leveren bij het maken van ontwerpbeslissingen voor een multimodaal regionaal netwerk. De testcase voor het verkeersmodel uitgewerkt in dit onderzoek is een ontwerp voor een hoogwaardig openbaar vervoersnetwerk. Stedenbouwkundig bureau BUUR ontwierp in het kader van het project ORDERin’F een regionaal netwerk van transportcorridors in de regio Leuven. Het model is echter flexibel inzetbaar en daarom niet exclusief te gebruiken voor de case van Regionet Leuven. Het is evengoed transfereerbaar naar een andere context in Vlaanderen. Hoewel diverse verkeersmodellen beschikbaar zijn voor post-evaluatie van een netwerkontwerp, zijn de meeste omwille van complexiteit en lange rekentijden niet bruikbaar als tool gedurende een ontwerpproces. Daarom is het model in deze thesis bewust zo eenvoudig mogelijk gehouden. Dit heeft als gevolg dat resultaten minder nauwkeurig zullen zijn. Het model heeft echter niet de ambitie om exact vervoersstromen te modelleren, maar om op een snelle en efficiënte manier ontwerpbeslissingen te testen en te evalueren. Bovendien is op deze manier de rekentijd minimaal en is de output gemakkelijk te interpreteren. Omwille van bovenstaande mogelijkheden en beperkingen, is het multimodaal verkeersmodel voornamelijk inzetbaar voor gevoeligheidsanalyses. Die analyses gebeuren binnen deze thesis voor een aantal scenario’s die een invloed hebben op de testcase. Drie doelstellingen vormen de basis voor de evaluatie van de verschillende ontwerpmaatregelen voor het multimodaal netwerk. De eerste omvat een modal shift richting duurzame verplaatsingen. Een tweede doelstelling beoogt een efficiënt gebruik van openbaar vervoer. Tenslotte zijn de scenario’s geëvalueerd op vlak van bereikbaarheid.

Afkortingen BAU CIB gavpppd IMOB IWT GIS HB-matrix HOV OSA OV OVG PAE P&R RP SBO SP VF VOT vtg/u

Business-As-Usual Centrum voor Industrieel Beleid gemiddeld aantal verplaatsingen per persoon per dag Instituut voor Mobiliteit agentschap voor Innovatie door Wetenschap en Techniek Geographic Information System Herkomst-bestemmingsmatrix Hoogwaardig Openbaar Vervoer Onderzoeksgroep Stedenbouw en Architectuur Openbaar Vervoer Onderzoek Verplaatsingsgedrag Personenauto-equivalent Park and Ride Revealed Preference Strategisch Basisonderzoek Stated Preference Verplaatsingstijdfactor Value-of-time voertuigen per uur

1|

Inhoud

1| INHOUD

1| INHOUD

2| INLEIDING

1

2.1 Aanleiding tot onderzoek

3

2.1.1 De Nevelstad

3

2.1.2 Diffuse verplaatsingspatronen

4

2.2 ORDERin’F

5

2.2.1 Ondezoekshypothese

5

2.2.2 Zes onderzoekssporen

6

3| ONDERZOEKSVRAAG

15

4| METHODOLOGIE

17

4.1 Modelopbouw

17

4.2 Modelmatig onderzoek

18

5| MODELOPBOUW

21

5.1 Klassieke verkeersmodel

23

5.1.1 Productie/attractie

24

5.1.2 Distributie

24

5.1.3 Vervoerwijzekeuze

24

5.1.4 Toedelingsmodel

25

5.2 Opbouw hypernetwerk

25

5.2.1 Knopen per voervoersmodus

26

5.2.2 Ontdubbelen HB-knopen

27

5.2.3 Voor- en natransport HOV

28

5.3 Vorm van het model

29

5.3.1 Stedelijke systemen, transportcorridors en groeipolen

29

5.3.2 Regionet Leuven

31

5.3.3 Netwerkvorm

34

5.4 Kalibratie: Modelparameters

37

5.4.1 Kostenfunctie

37

5.4.2 m-parameter

38

5.4.3 Value-of-time

39

5.4.4 Openbaar vevoer

40

5.4.5 Auto

43

5.4.6 Fiets

44

5.5 HB-matrix

46

5.5.1 Vrachtvervoer

46

5.5.2 Autopassagiers

47

5.5.3 Openbaar vervoer en fietsverkeer

47

5.5.4 Captives

48

5.4.5 Mapping

50

5.4.6 Foutenmarge

51

5.6 Validatie

53

5.6.1 Modal split volgens motief

53

5.6.2 Triplengteverdeling

53

5.6.3 Resulaten validatie

55

5.7 Resultaten

57

6| MODELMATIG ONDERZOEK

59

6.1 Doelstellingen

61

6.1.1 Duurzame verplaatsingen

61

6.1.2 Efficiënt gebruik van (H)OV

61

6.1.3 Bereikbaarheid

62

6.2 Groeiscenario’s

63

6.2.1 Geen sturend effect HOV

63

6.2.2 Omslag ruimtelijke ontwikkeling

65

6.2.3 Evenwaardige centrumsteden

67

6.3 Parkeerbeleid

70

6.3.1 Uniform parkeerbeleid

71

6.3.2 Aangepast parkeerbeleid voor corridor

72

6.3.3 Park and ride

74

6.3.4 Variërend parkeerbeleid

77

6.3.5 Conclusie

80

6.4 Snelheid

82

6.5 Feeder

84

6.5.1 Overstap OV-HOV-OV

84

6.5.2 Alternatieve feedersystemen

85

6.6 Elektrische fiets

87

6.6.1 Potentiële groei elektrische fiets

87

6.6.2 Kostenfunctie

88

6.6.3 Resultaten

90

6.7 Deelauto’s en deelfietsen

91

6.8 Frequentie en capaciteit

92

6.8.1 Investerings- en exploitatiekosten

92

6.8.2 Frequentie vs. wachttijd

93

6.8.3 Resultaten

94

6.9 Combinatie

97

7| EINDCONCLUSIE

103

7.1 Modelopbouw

105

7.2 Modelmatig onderzoek

105

7.3 Verder onderzoek

106

8| BIJLAGE

111

A Netwerkvormen

113

B Resultaten validatie

119

C Combinatie met elektrische fiets

121

9| REFERENTIELIJST

125





2|

Inleiding

|3

2.1 | Aanleiding tot onderzoek 2.1.1 De nevelstad Al sinds de 19e eeuw kenmerkt een zeer gefragmenteerde ruimtelijke ordening het Vlaamse landschap. De diffuse verstedelijking van Vlaanderen valt niet eenduidig toe te kennen aan een bepaald oorzaak. Ze komt voort uit ‘een complex samenspel van omstandigheden, onvoorziene effecten, maar ook precieze en strategische keuzes’.1 Zowat het hele Vlaamse grondgebied is geschikt voor bebouwing, zowel op vlak van waterhuishouding, bodemgesteldheid als topografie. Deze gunstige eigenschappen zorgden ervoor dat zelfs al vóór de industriële revolutie het land was ingedeeld in relatief kleine kavels’.2 De diffuse groei werd verder gunstig beïnvloed door de gemeentewet in 1836, die elk gehucht of dorp van enige omvang het statuut van gemeente toekende. Het actieve spreidingsbeleid van de Belgische overheid, dat startte in 1874, droeg ook bij tot dit fenomeen. Door een programma van gesubsidieerde abonnementen en een zeer fijnmazig netwerk van buurtspoorwegen stimuleerde de overheid arbeiders om in hun eigen dorp te blijven wonen.3 Het doel hiervan was om de arbeidskosten te drukken en ervoor te zorgen dat de arbeiders niet in aanraking zouden komen met het toenmalige politieke tumult in de steden.4 Het neveneffect hiervan was verstedelijking vanuit de dorpen in plaats van radiale groei vanuit de steden. Elders in Europa, in steden zoals Londen of Parijs, vond wel een radiale groei plaats. De verdichting van het autonetwerk veroorzaakte de volgende golf van suburbanisatie. Het royaal omspringen met infrastructuur zorgde voor een steeds groeiende bereikbaarheid, wat nog meer aanzette tot de verneveling van Vlaanderen, geïllustreerd in figuur 2.1.

Figuur 2.1 De Nevelstad __________________________________________

Dehaene M. & Loopmans, M. (2003), Vlaanderen als nevelstad, Agora: De Nevelstad, 9 (3), pp. 43, p 5. Ibidem. 3| De Meulder, B., Schreurs, J., Cock, A. & Notteboom, B. (2000), Sleutelen aan het Belgische stadslandschap, Oase: Consumption and Territory, 52, p. 83. 4| Dehaene M. & Loopmans, M. (2003), Vlaanderen als nevelstad, Agora: De Nevelstad, 9 (3), pp. 43, p 5. 1| 2|

4|

2.1.2 Diffuse verplaatsingspatronen De geschiedenis van de nevelstad toont aan dat infrastructuur op lange termijn spreiding in de hand werkt. De goede bereikbaarheid van steden en gemeenten leidde op deze manier tot verneveling en een diffuser en individueler verplaatsingspatroon. Daarenboven resulteert de blijvende groei van de nevelstad in een toenemende verkeersvraag. Het is echter moeilijk om te blijven beantwoorden aan die stijgende vraag. Velen wijzen openbaar vervoer aan als oplossing om het gebrek aan capaciteit op te vangen. Op interstedelijk niveau is het aanbod aan openbaar vervoer al uitgebreid: Vlaanderen beschikt over een dicht spoornet met goede verbindingen tussen de steden.5 Ook lokale stedelijke busnetwerken zijn goed uitgebouwd, net zoals lokale verbindingen buiten de steden. Hier blijkt het netwerk echter te fijnmazig. Voor middelgrote afstanden, op regionale schaal, bestaat er bijgevolg geen netwerk. Huidige buslijnen maken wel regionale verbindingen, maar bedienen tegelijk op lokaal niveau om basismobiliteit voor elke burger te voorzien. Grote omwegen in plaats van hart-op-hart verbindingen ontmoedigen heel wat reizigers en hebben een lage bezettingsgraad tot gevolg. Cijfers uit het Onderzoek Verplaatsingsgedrag Vlaanderen (OVG) 4.5 verduidelijken de nood aan een regionaal OV systeem.6 Figuur 2.2 geeft de verdeling van personen volgens afstand thuisadres-werkadres per hoofdvervoerswijze. Hieruit blijkt dat voor verplaatsingen vanaf 5 km het aandeel van de auto al het grootst is. Er is namelijk geen competitief alternatief voor de auto voor verplaatsingen met een regionaal karakter. Pas als de verplaatsingsafstand groter is dan 50 km komt het openbaar vervoer, namelijk de trein, naar voor als mogelijk alternatief voor de auto. [%]

90 80 70 autobestuurder autopassagier bus/tram/metro trein fietser te voet

60 50 40 30 20 10

afstand [km] > 50 km

30-50 km

20-30 km

15-20 km

10-15 km

7,5-10 km

5-7,5 km

2,5-5 km

1-2,5 km

0-1 km

0

Figuur 2.2 Gemiddeld aantal verplaatsingen per persoon per dag (gavpppd) volgens hoofdvervoerswijze en afstand tot de werkplek __________________________________________

ORDERin’F, Synthese, http://orderinf.eu/ ?page_id=12, laatst geraadpleegd op 7 dec. 2014. Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Tabellenrapport, IMOB, Tabel 141. 5| 6|

|5

Het project ORDERin’F, dat hieronder in detail aan bod komt, onderzocht de mogelijkheden van een regionaal openbaar vervoer netwerk en wat de invloed ervan kan zijn voor de ruimtelijke ontwikkeling in Vlaanderen. Dit project ligt aan de basis van het onderwerp van deze thesis. Het ORDERin’F project was grotendeels toegespitst op openbaar vervoer, waarbij het auto- en fietsverkeer in mindere mate aan bod kwam. Dit thesisonderzoek heeft daarentegen als doel om het multi-modaal netwerk in zijn geheel te beschouwen. Openbaar vervoer-, fiets- en autonetwerk interageren immers met elkaar en de verschillende modi zijn bijgevolg onlosmakelijk met elkaar verbonden. Deze benadering erkent dat de auto, ondanks zijn vele niet-duurzame eigenschappen, zijn plaats heeft en zal blijven hebben in Vlaanderen.

2.2 | ORDERin’F Het project ORDERin’F had als doel om na te gaan of het mogelijk is om een duurzame infrastructuur, in de vorm van een regionaal openbaar vervoernetwerk, te ontwikkelen dat op langere termijn de verneveling spontaan tegengaat. ORDERin’F staat voor organizing rhizomic development along a regional pilot network in Flanders. Dit strategisch basisonderzoek (SBO) van de Onderzoeksgroep Stedenbouw en Architectuur (OSA) van de KU Leuven gebeurde in samenwerking met BUUR, het Instituut voor Mobiliteit (IMOB), MOSI-T en LAB’URBA, met steun van het IWT.7

2.2.1 Onderzoekshypothese De opgestelde context en probleemstelling leidde tot de volgende dubbele onderzoeksvraag waarop ORDERin’F een antwoord probeerde te formuleren vanuit verschillende disciplines. 1° Is het mogelijk om een succesvol presterend OV netwerk binnen de sterk gefragmenteerde ruimtelijke ordening van Vlaanderen te ontwerpen, dat op lange termijn voldoende economische, sociale en milieuvoordelen biedt? 2° Kan dit regionaal OV netwerk als hefboom dienen om op lange termijn de gesuburbaniseerde ruimtelijke ordening van Vlaanderen te herstructureren? Men kan inderdaad verwachten dat de ontwikkeling van een OV-netwerk gebaseerd op HOV, naast veranderingen in reisgedrag ook een sociale invloed zal hebben. Een nieuwe grootschalige infrastructuur leidt ook op lange termijn tot een reorganisatie __________________________________________ 7|

ORDERin’F, Projectoverzicht, http://orderinf.eu/, laatst geraadpleegd op 7 dec. 2014.

6|

van activiteiten en bijgevolg een nieuwe ruimtelijke ordening.8 Het nieuwe netwerk zou dus in principe pro-actief kunnen ontwikkeld worden in plaats van vraaggestuurd. Zo zou het een instrument kunnen zijn dat het diffuse spreidingspartroon op termijn kan omvormen tot een samenhangende en duurzame ruimtelijke structuur.9

2.2.2 Zes onderzoekssporen De opgestelde onderzoeksvragen werden binnen het ORDERin’F project benaderd via zes onderzoekssporen. De eerste drie sporen spitsten toe op kwalitatief ontwerpend onderzoek, conceptueel ondersteund door theoretisch onderzoek van de Onderzoeksgroep Stedenbouw en Architectuur (OSA) van de KU Leuven. In de drie laatste onderzoekssporen werden tools ontworpen om het kwalitatieve onderzoek kwantitatief te kunnen evalueren. IMOB leverde een activiteitengebaseerd vervoersmodel, MOSI-T verzorgde een multi-actoren-multi-criteria analyse en Lab’Ubra deed onderzoek naar de maatschappelijke aspecten van het regionale openbaar vervoer. Om een overzicht te geven van de verschillende aspecten van het ORDERin’F onderzoek, volgt hieronder een korte bespreking van de zes onderzoekssporen. 1° Invloed van de infrastructuur op de ruimtelijke ontwikkeling in Vlaanderen Infrastructuur beïnvloedt ruimtelijke ontwikkeling en omgekeerd bepaalt de ruimtelijke ordening op welke manier we infrastructuur kunnen implementeren. OSA en BUUR onderzochten deze relatie door middel van historische analyses van verschillende casestudies zowel in België als in het buitenland.10 2° Conceptueel ontwerpkader voor het plannen van regionale openbaar vervoerscorridors Ontwerpend onderzoek binnen OSA belichtte het potentieel van verschillende structuren als ruggengraat voor openbaar vervoerscorridors. Drie soorten structuren werden onderzocht aan de hand van een case study op de regio Klein-Brabant: de transformatie van bestaande spoorweginfrastructuur, de vertramming van secundaire wegen en de afstemming van openbaar vervoerscorridors met fysieke landschappelijke structuren.11 3° Toegepaste ontwerp voor een regionaal openbaar vervoer in de regio Leuven Vervolgens werd het opgestelde theoretisch en conceptueel kader uit onderzoekssporen __________________________________________

ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014. Ibidem. 10| ORDERin’F, Ruimte en netwerken, http://orderinf.eu/, laatst geraadpleegd op 8 dec. 2014 11| ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014. 8| 9|

|7

1 en 2 toegepast. BUUR ontwikkelde een openbaar vervoersconcept voor de regio Leuven, uitgewerkt op het niveau van precieze trajecten en haltelocaties, vergezeld van een screening van de toekomstige ontwikkelingsmogelijkheden.12 Dit ontwerp werd geëvalueerd in de hierop volgende onderzoekssporen in termen van mobiliteit en de sociaaleconomische kosten en baten. Hierna volgen meer details over het ontwerp voor Regionet Leuven, aangezien die case aan de basis ligt van deze thesis. Regionet Leuven omvat de grote centrumstad Leuven en transportcorridors naar Tienen, Diest, Aarschot, Mechelen, Waver, Ottignies en richting Brussel. Figuur 2.3 geeft het volledige ontwerp weer.

Figuur 2.3 Regionet Leuven, ontwerp van BUUR.

Het ontwerp transformeert bestaande spoorlijnen, waar beschikbaar, om regionaal OV te voorzien. Voor de corridors waar dit niet het geval is, zoals bijvoorbeeld de corridor Leuven-Diest, voorziet het ontwerp de aanleg van volledig nieuwe tram- of busbeddingen. Een onderliggend netwerk van buslijnen functioneert als feeder voor de transportcorridor.13 Voor elke halte corridor werd gekeken waar toekomstige ruimtelijke ontwikkeling mogelijk is. Figuur 2.4 op de volgende pagina toont het ontwerp voor de corridor Leuven-Diest. De roze zones zijn gebieden waar toekomstige ruimtelijke __________________________________________

ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014. Regionet Leuven, Regio, http://regionetleuvenbe.webhosting.be/regio/, laatst geraadpleegd op 17 apr. 2015. 12| 13|

8|

ontwikkeling wenselijk is. Zo voorspelt het ontwerp voor de kernen die haltes zijn op de corridor een sterke groei ten gevolge van de goede bereikbaarheid ervan. De kernen in het buitengebied zullen minder, of helemaal niet, verder ontwikkeld worden. Het ontwerp omvat ook voor elke halte een suggestie voor bepaalde activiteiten. Zo wordt op de corridor Leuven-Diest een park-and-ride (P&R) en winkelzone gepland in Sint-Joris-Winge. Meer toelichting over het ontwerp Regionet Leuven zal verder in dit onderzoek aan bod komen.

Figuur 2.4 Regionet Leuven, corridor Leuven-Diest, ontwerp van BUUR.

4° Het berekenen van de evolutie in tijd en ruimte door een geïntegreerd multimodaal en activiteiten-gebaseerd vervoersmodel Het Feathers activiteiten-gebaseerd model dat IMOB ontwikkelde voor Vlaanderen werd in het kader van het ORDERin’F project uitgebreid tot een multimodaal tijd- en ruimte-afhankelijk activiteiten-gebaseerd modelleringskader.14 Het model tracht de impact van een nieuwe light rail op het verplaatsingsgedrag te modelleren. 5° Sociale en economische kosten en baten van de uitvoering van een rail gebaseerde regionaal openbaar vervoer In een vijfde onderzoeksspoor werd door MOSI-T van de VUB de diverse en soms conflicterende belangen van verschillende actoren onderzocht. De kosten en baten van regionaal openbaar vervoer werden geanalyseerd via een multi-actor-multicriteria analyse.15 Dit soort analyse, in tegenstelling tot een multi-criteria analyse, laat __________________________________________ 14| 15|

ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014. Ibidem.

|9

toe de effecten te koppelen aan een bepaald belang van een specifieke stakeholder. 6° Maatschappelijke aspecten van het regionale openbaar vervoer Het laatste onderzoek in het kader van ORDERin’F evalueerde de sociale en sociologische voordelen van een nieuw regionaal openbaar vervoer. Onderzoek naar de waardering van reis- en wachttijden door openbaar vervoersgebruikers laat toe de maatschappelijke aspecten van het HOV te analyseren. Een bijkomende studie belicht het gevoel van gemeenschap en mogelijke gevolgen voor de sociale cohesie door dit nieuw openbaar vervoer.16

__________________________________________ 16|

ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014.

3|

Onderzoeksvraag

| 13

Het derde onderzoeksspoor binnen het project ORDERin’F leidde tot een ontwerp

voor regionaal openbaar vervoer in de regio Leuven. Stedenbouwkundig bureau BUUR ontwikkelde dit en concipieerde het openbaar vervoersconcept Regionet Leuven, uitgewerkt tot op het niveau van de precieze trajecten en haltelocaties.17 Om dit ontwerpend onderzoek te evalueren, werden er kwantitatieve tools ontwikkeld zoals het activiteiten gebaseerd vervoersmodel FEATHERS. Dit model is vrij complex is en vraagt veel rekentijd. Daarom pasten de onderzoekers dit slechts eenmalig toe, na het afronden van het ontwerp, in plaats van iteratief tijdens het ontwerpproces. Het FEATHERS model bevat bovendien een zeer uitgebreide set van parameters. Daarom is het niet altijd eenvoudig om resultaten te analyseren en te definiëren op welke vlakken een ontwerp goed presteert en waar het net tekort schiet. Deze thesis wil de mogelijkheid onderzoeken om aan de hand van een eenvoudiger, maar anderzijds sneller en flexibeler verkeersmodel ontwerpbeslissingen te evalueren tijdens het ontwerpproces. Het uitgangspunt van Regionet Leuven vormt de basis om dit te na te gaan. Daarbij zal voornamelijk de uitwisseling tussen het regionale hoogwaardig openbaarvervoersnetwerk (HOV-netwerk) en de andere modi onderzocht worden. De interactie tussen HOV, lokaal openbaar vervoer en fiets is immers cruciaal om een modal shift naar de duurzame modi te bekomen. De ambitie om een volwaardig regionaal HOV-netwerk uit te bouwen kan echter niet los van de huidige dominerende rol van de auto bekeken worden. Deze vervoersmodus is momenteel in vele gevallen onmisbaar omwille van het gesuburbaniseerde karakter van het Vlaamse woonlandschap. Regionet Leuven dient als aanzet en verplaatsingsgegevens uit deze regio worden gebruikt voor de kalibratie en validatie van het model. Het doel van deze thesis is niet om tot exacte antwoorden te komen voor de case van Regionet Leuven, maar om op een conceptueler niveau het antwoord op volgende onderzoeksvraag te vinden.

Op welke manier kan een verkeersmodel een bijdrage leveren bij het maken van ontwerpbeslissingen voor een multimodaal regionaal netwerk?

__________________________________________ 17|

ORDERin’F, Ruimte en netwerken, http://orderinf.eu/?page_id=14, laatst geraadpleegd op 7 dec. 14.

4|

Methodologie

16 |

| 17

De thesis valt uiteen in twee belangrijke delen. Een eerste luik omvat de opbouw van

een multimodaal model dat regionale verplaatsingen kan modelleren voor de modi (H)OV, auto en fiets. Het opstellen van een netwerk, bepalen van kostenfuncties, verzamelen van data en de validatie van het model zijn hierbij de belangrijkste stappen. Bij elk van deze onderdelen is het multimodale karakter de grootste uitdaging. Het tweede luik onderzoekt hoe het model kan worden ingezet als tool binnen het ontwerpproces. Met Regionet Leuven als case, wordt aan de hand van het model gezocht naar de gepaste eigenschappen van de verschillende modi om een duurzaam multimodaal vervoersnetwerk te bekomen.

4.1 Modelopbouw Aan de basis van het model ligt de keuze voor de netwerkvormen voor de modi auto, fiets, OV en HOV. Deze moeten aan twee belangrijke eisen voldoen. Vooreerst moet de netwerkvorm voor elke modus in grote lijnen overeenstemmen met de respectievelijke verknoping van Vlaamse gemeentes en steden. Ten tweede moet de vorm zo eenvoudig mogelijk blijven om de rekentijd van het model te beperken. Bovendien zullen op deze manier de resultaten inzichtelijk zijn en eenvoudig te interpreteren en te evalueren. Het volgend onderdeel bestaat uit de opbouw van een model in Matlab dat in staat is om vervoersvraag toe te delen aan de verschillende netwerken. Het model hanteert geen separate vervoerwijzekeuze, maar de vervoerwijze- en routekeuze zal simultaan gebeuren. Op deze manier is het mogelijk om gebruik te maken van een bestaande netwerktoedeling, ontwikkeld binnen het departement CIB: verkeer en infrastructuur. Het is tevens een flexibele benadering aangezien op deze manier de opbouw van de hypernetwerken volstaat en geen apart vervoerwijzekeuzemodel moet worden opgesteld. De keuze voor een bepaalde modus en route is afhankelijk van de kosten of de weerstand die de verplaatsing met zich meebrengt. De route met de laagste weerstand zal door de meeste reizigers gekozen worden. De kostenfuncties zijn afhankelijk van een aantal parameters en zijn voor elke vervoerswijze verschillend. Een deel van deze parameters wordt bepaald aan de hand van literatuur en kengetallen. De waardes voor variabelen die niet eenduidig te bepalen zijn, worden door middel van kalibratie vastgesteld. In de laatste stap wordt nagegaan of de gebruikersrespons in het model consistent is met het huidige verplaatsingsgedrag in Vlaanderen. Het Vlaams Verkeerscentrum

18 |

heeft een herkomst-bestemmingsmatrix (HB-matrix) voor verplaatsingen in de regio Leuven ter beschikking gesteld, de welke wordt toegedeeld aan het netwerk. Aan de hand van cijfers van het onderzoek verplaatsingsgedrag Vlaanderen 4.5 (OVG), kunnen de resultaten van het model geëvalueerd worden. Indien deze evaluatie aantoont dat het model valide is, zal het mogelijk zijn om met het model toekomstvoorspellingen te analyseren.

4.2 Modelmatig onderzoek Het uitgewerkte model dient tijdens het modelmatig onderzoek om ontwerpbeslissingen te evalueren. Hiervoor wordt gebruik gemaakt van HB-matrices voor het toekomstjaar 2050, opgesteld door het stedenbouwkundig bureau BUUR. Deze matrices houden rekening met een demografische verschuiving naar de HOV-corridors onder invloed van het verhoogde aanbod van regionaal openbaar vervoer. Een belangrijke meerwaarde van het model is het feit dat bepaalde volumes, zoals de intensiteit van verplaatsingen over het nieuwe HOV-net en het aantal overstappen naar het HOV van auto en fiets, nu eenvoudig te kwantificeren zijn. Het onderzoek evalueert scenario’s die mogelijke beslissingen aftoetsen aan drie doelstellingen. Deze houden rekening met het aandeel duurzame verplaatsingen, bereikbaarheid van kernen op de HOV-corridor en het efficiënt gebruik van het (H)OV-netwerk. Het is een bewuste keuze om het model opgesteld binnen deze thesis zo eenvoudig mogelijk te maken. Dit heeft enerzijds als gevolg dat de resultaten minder nauwkeurig zullen zijn en dat er geen exacte antwoorden kunnen worden gegeven op ontwerpvragen. Anderzijds heeft dit als voordeel dat ontwerpscenario’s snel kunnen worden geëvalueerd en dat de resultaten gemakkelijk te interpreteren zijn. In plaats van precieze waardes voor ontwerpparameters te geven, verduidelijkt het model de gevoeligheid en impact ervan. In een laatste onderdeel gaat dit onderzoek na in hoeverre deze modeleigenschappen ervoor zorgen dat het model een instrument is dat kan gebruikt worden tijdens het ontwerpproces en voor welke ontwerpbeslissingen deze tool het meest geschikt is.

5|

Modelopbouw

| 23

Allereest beschrijft dit hoofdstuk de opbouw van het model als een hypernetwerk.

Vervolgens komt aan bod hoe de fysieke netwerkvorm van het model tot stand komt. Daarop volgt een overzicht van alle geïmplementeerde parameters die de kostenfuncties bepalen. Gebruikers van het model kunnen sleutelen aan deze parameters om verschillende ontwerpscenario’s te onderzoeken. Aansluitend wordt een herkomst- en bestemmingsmatrix opgesteld en volgt de validatie van het multimodaal model. Dit hoofdstuk eindigt met een toedeling van de HB-matrix op het huidige netwerk.

5.1 Klassieke verkeersmodel Individuele vervoersconsumenten maken een reeks keuzes die het gebruik van verkeersvoorzieningen bepalen.18 Aan de basis van het hier uitgewerkte model ligt het klassieke 4-staps model, dat modellering van verschillende beslissingen in vier aparte onderdelen voorziet. Hierna volgt een bespreking van de vier stappen: productie/ attractie, distributie, vervoerwijzekeuze en toedeling. Vooral de laatste twee stappen zijn van belang in deze thesis. Aangezien de gegevens voor de productie/attractie en distributie al beschikbaar zijn voor de betreffende zone, is modellering daarvan niet nodig. Figuur 5.1 toont de structuur van het klassieke verkeersmodel.

Gebiedsgegevens

Productie/attractie

Trip-ends Verplaatsings weerstanden uit netwerkgegevens

Distributie/Vervoerwijze

HB-tabellen

Toedeling

Vervoersstromen

Figuur 5.1 Het klassieke verkeersmodel __________________________________________

Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven, p.19.

18|

24 |

5.1.1. Productie / Attractie Elke zone heeft het vermogen om een bepaald aantal verplaatsingen te produceren en aan te trekken, afhankelijk van de kenmerken van de omgeving. Het bepalen van productie en attractie gebeurt aan de hand van een productie-/attractiemodel. Voor dit onderzoek is een productie-/attractiemodel niet nodig. Het Vlaams Verkeerscentrum stelde herkomst- en bestemmingsmatrices ter beschikking voor het jaar 2009. Deze omvatten al de gedistribueerde productie en attractie per statistische sector voor de gehele provincie Vlaams-Brabant.

5.1.2. Distributie Een distributiemodel verdeelt de verplaatsingen met herkomst in een bepaalde zone over de verschillende mogelijke bestemmingen. Het resultaat van deze stap zijn herkomst- en bestemmingsmatrices. Zoals eerder vermeld, stelde het Vlaams Verkeerscentrum deze ter beschikking. De matrices bevatten gegevens voor personenwagens, licht- en zwaar vrachtvervoer voor de regio Leuven. De resultaten uit het OVG lagen aan de basis voor de inschattingen van de volumes toegeschreven aan andere modi. Het implementeren van het HOV netwerk, zoals ontworpen door BUUR, heeft echter gevolgen voor deze HB-matrices. Zones gelegen in nabijheid van het nieuwe netwerk zullen een grotere productie en attractie ondervinden ten gevolge van een sterkere bevolkingsgroei en een groei van het aantal activiteiten gevestigd in die zones. Om rekening te houden met demografische verandering, worden voor toekomstscenario’s de matrices voor het jaar 2009 aangepast. Het opstellen van de matrices voor de validatie van het model en voor de toekomstscenario’s komt verder in dit hoofdstuk aan bod.

5.1.3. Vervoerwijzekeuze Een vervoerwijzekeuzemodel dient om te bepalen welke vervoersmodus reizigers gebruiken. Het model opgemaakt in het kader van deze thesis bepaalt de vervoerwijzekeuze en toedeling in één stap. Verplaatsingen tussen dezelfde herkomst en bestemming maar met behulp van een andere modus, worden voorgesteld door middel van een andere route. Het model volgt zo de structuur van een hypernetwerk. Het gaat om de modi auto, (hoogwaardig) openbaar vervoer en fiets. Onder de optie openbaar vervoer wordt er geen rekening gehouden met de trein, aangezien de focus op regionale verplaatsingen ligt. Het volgende onderdeel behandelt de manier waarop de toedeling van de routes (of vervoersmodi) gebeurt.

| 25

5.1.4. Toedelingsmodel Een toedelingsmodel bepaalt op basis van eigenschappen van routes tussen een bepaald HB-paar, hoe de vraag verdeeld wordt over die verschillende routes.19 Reizigers kiezen in principe de route met de minste weerstand. Dit is de route met de kleinste gegeneraliseerde reistijd. Het model associeert de weerstand ondervonden in de knopen met de link waartoe deze behoort. De verkeersintensiteit op de schakel zelf beïnvloedt ook de weerstand. Om het model eenvoudig te houden, wordt verondersteld dat de vervoersvraag als constant blijft en dus niet verandert doorheen de tijd. Het model hoeft bijgevolg geen rekening te houden met tijdseffecten en zal dus een statisch en geen dynamisch model zijn. De grootte van de stromen wordt gemiddeld over de drukste periode van de dag, namelijk de ochtendspits. Er bestaan verschillende soorten statische toedelingsmodellen. Deze onderscheiden zich door de manier van berekening van de weerstanden van routes en de beoordeling van deze weerstanden door de verkeersdeelnemers.20 Voor dit model zal de toedeling gebeuren aan de hand van een stochastisch evenwichtsmodel. Door de stochastische eigenschappen houdt het model rekening met het feit dat er heterogeniteit bestaat in de perceptie van de weerstanden in de populatie van de verkeersdeelnemers. Bij een evenwichtsmodel is de weerstand van een schakel een toenemende functie van de verkeersbelasting. Op deze manier worden congestie-effecten verdisconteerd.21 Verschillende algoritmes zijn beschikbaar om een stochastische toedeling uit te voeren. In deze thesis wordt gebruik gemaakt van het algoritme van Dial.22 Dit algoritme beschouwt niet alle mogelijke paden binnen het netwerk, maar enkel de efficiënte routes. Dit zijn de routes waarbij elk volgend knooppunt verder weg ligt van de herkomst en dichterbij de bestemming.

5.2 Opbouw hypernetwerk Het volgende onderdeel schetst het kader voor de ontwikkeling van een multimodaal model dat op een realistische manier vervoerspatronen genereert. Hoe mensen zich gedragen in een multimodaal netwerk met verschillende mogelijke combinaties tussen de verschillende modi, is echter een complex gegeven. Niet alleen routekeuze, maar ook vervoerwijzekeuze, mogelijke overstappen en de kosten die daarmee gepaard __________________________________________

Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven, p.19. 20| Ibidem, p. 100. 21| Ibidem. 22| Dial, R.B., (1971), A probabilistic multi-path traffic assignment model which obviates path enumeration, Transportation Research, 5, pp. 83-111. 19|

26 |

gaan, zijn factoren waarmee het model rekening moet houden. Om dit soort keuzes te modelleren is de structuur van een hypernetwerk noodzakelijk, dat de verschillende modi combineert in één netwerk.23 De hoofdstructuur van het model bestaat bijgevolg uit verschillende parallelle netwerken, één voor elke modus. Speciale links, verder in de tekst connectoren genoemd, verbinden de netwerken met elkaar. Deze stellen ‘stations’ voor waar kan overgeschakeld worden van het auto- of fietsnetwerk naar het openbaar vervoernetwerk.24 Een pad waarbij zo’n transferlink wordt gebruikt, stelt dan een multimodale trip voor. De opbouw van het hypernetwerk gebeurt in drie opeenvolgende stappen: het opsplitsen van de kernen in knopen per vervoersmodus, het ontdubbelen van herkomst- en bestemmingsknopen en het faciliteren van vooren natransport.

5.2.1 Knopen per vervoersmodus Het hypernetwerk start van drie overlappende netwerken: één voor de auto, een ander voor fietsverkeer en een laatste voor openbaar vervoer. Merk op dat het autonetwerk bestaat uit een lokaal en een bovenlokaal stelsel. Het totale OV-netwerk bestaat uit een deel lokaal busvervoer en een deel HOV. Allereerst maakt de introductie van connectoren in het model het mogelijk om de drie afzonderlijke netwerken met elkaar te verbinden. Dat creëert de mogelijkheid om over te stappen van de ene modus naar de andere. Figuur 5.2 toont op schematische wijze hoe een fysieke kern wordt opgesplitst in vier knopen: de knoop die de eigenlijke herkomst of bestemming weergeeft en een knoop per vervoersmodus. Elke vervoersmodus is verbonden met de herkomst- en bestemmingsknoop via een connector, die ook kan dienen om bepaalde weerstanden mee te nemen in het model.

KERN 1

KERN 2

Figuur 5.2 Kernen opsplitsen in knopen per modus __________________________________________ 23| TU Delft, Modelling of transport systems, http://www.citg.tudelft.nl/en/about-faculty/departments/transportand-planning/modelling-of-transport-systems/modelling-of-transport-systems/, laatst geraadpleegd op 6 apr. 2015. 24| Arentze, T. & Timmermans, H. (2004), Multistate supernetwork approach to modelling multi-activity, multimodal trip chains, International Journal of Geographical Information Science, 18(7), p. 632.

| 27

Volgend voorbeeld verduidelijkt de basis van de Matlab-implementatie. Stel dat er een vervoersvraag is van kern 1 naar kern 2. Van herkomst naar bestemming gaan, is niet rechtstreeks mogelijk. Het is nodig om een keuze te maken tussen de drie beschikbare modi. Een individu zal kiezen voor de modus die het goedkoopste is, rekening houdend met de totale kost van de trip. Niet alleen de lengte van de trip is daarbij van belang maar ook een eventuele parkeerkost voor de auto of een ticketprijs voor openbaar vervoer. Het model ontwikkeld in het kader van deze thesis, brengt deze twee laatste kosten in rekening op de connectoren.

5.2.2 Ontdubbelen herkomst- en bestemmingsknopen Het nadeel van de basisimplementatie beschreven in 5.2.1 is dat door de eenvoudige opzet ervan verschillende overstappen mogelijk zijn die in praktijk niet realistisch zijn. Figuren 5.3 en 5.4 tonen dat een overstap van OV naar auto in het basismodel mogelijk is. Deze overstap is echter onrealistisch omdat de beschouwde modelperiode de ochtendspits is. Het mag niet mogelijk zijn een deel van het traject af te leggen met het openbaar vervoer of de fiets om vervolgens over te stappen op het autonetwerk tot aan de eindbestemming. Mensen hebben in het overstappunt simpelweg geen auto of fiets ter beschikking. In de huidige situatie van een regionaal vervoersnetwerk zijn er immers geen deelauto’s of –fietsen beschikbaar. Tabel 5.1 geeft een overzicht van de overstappen die onrealistisch zijn in de ochtendspits en die in het uiteindelijke model niet mogelijk mogen zijn. Bijgevolg zijn enkele bijkomende aanpassingen noodzakelijk om tot een realistisch netwerk te komen waarbij voortransport met de wagen, fiets of lokaal OV mogelijk is, maar waarbij zinloze overstappen geëlimineerd worden.

Figuur 5.3 Conceptuele opbouw basismodel

Overstapmogelijkheden Van HOV Naar HOV

o

Figuur 5.4 Route met onrealistische overstap

Auto

Fiets

OV

o

o

x

Auto

x

o

o

o

Fiets

x

o

o

o

OV

x

o

o

o

Tabel 5.1 Overstapmogelijkheden in het model

Een eerste stap om het model verder te verbeteren bestaat erin de herkomst- en bestemmingsknopen te ontdubbelen in twee afzonderlijke knopen, één voor de

28 |

herkomst en één voor de bestemming. In een herkomstknoop (H) kunnen enkel vervoersstromen vertrekken, in een bestemmingsknoop (B) kunnen er enkel aankomen. Figuur 5.5 geeft weer hoe een kern nu bestaat uit vijf knopen en op welke manier de connectoren gedefinieerd zijn. Op deze manier zijn overstappen van het ene naar het andere parallelle netwerk niet meer mogelijk. Deze opstelling belet dus niet alleen onrealistische overstappen, maar al de overstappen. Zo is ook voortransport naar het HOV niet meer mogelijk, zoals weergegeven in figuren 5.6 en 5.7.

H

H

B

B

Figuur 5.5 Ontdubbelen herkomst- en bestemmingsknopen

Figuur 5.6 Conceptuele opbouw basismodel

Figuur 5.7 Route zonder overstapmogelijkheden

5.2.3 Voor- en natransport HOV De volgende aanpassing aan het basismodel zorgt voor mogelijk gebruik van zowel auto als fiets en lokaal openbaar vervoer als voortransport voor het HOV. Figuur 5.8 verduidelijkt dat de openbaar vervoerknoop ontdubbeld wordt en de oorspronkelijke knopen voor de verschillende modi verbonden zijn met een nieuwe, ‘dummy’ HOVknoop (D) via overstaplinks (gestippelde lijnen in figuur 5.8-5.10). Om verder reizen op het HOV-netwerk mogelijk te maken, zijn er dummy links (gepunte lijnen in figuur 5.8) voorzien van de dummy HOV-knoop naar de twee naburige HOV-knopen in het netwerk. De overstap van auto naar openbaar vervoer die in figuur 5.7 niet mogelijk was, is nu wel mogelijk zoals verduidelijkt in figuren 5.9 en 5.10. Op een gelijkaardige manier wordt ook de overstap van fiets naar HOV en van het lokale busnetwerk naar de HOV-corridor mogelijk. Om het eenvoudig te houden, geeft figuur 5.8 deze laatste verbinding niet weer.

| 29

H

H

B

B

D

D

Figuur 5.8 Voortransport mogelijk door introduceren dummy HOV-knoop

Figuur 5.9 Conceptuele opbouw basismodel

Figuur 5.10 Route met overstapmogelijkheid

Merk op dat de extra dummyknopen nodig zijn om te verhinderen dat er onlogische stromen ontstaan in het model. Indien de overstaplink rechtstreeks zou verbonden zijn met de knoop op de HOV-lijn, is het mogelijk om vanuit deze knoop aan te komen in een bestemmingsknoop, zonder dat ze op een HOV-link gereisd hebben. Door het invoeren van de dummyknoop worden reizigers verplicht om effectief met het HOV verder te reizen als ze de overstap naar het HOV maken. Ook overstappen van HOV naar lokaal openbaar vervoer moeten mogelijk zijn. Natransport met lokaal OV wordt op dezelfde manier mogelijk gemaakt als het voortransport hierboven beschreven. Eerst worden ‘dummy’ OV-knopen verbonden met de knopen van het HOV-netwerk. Vervolgens zorgen dummy links ervoor dat kan verder gereisd worden op het OV-netwerk.

5.3 Vorm van het model 5.3.1 Stedelijke systemen, transportcorridors en groeipolen Aangezien het verkeerskundig model in staat moet zijn om regionale verplaatsingen te modelleren, is het nodig om de structuur van het netwerk op dit niveau in beschouwing

30 |

te nemen. Rodrigue et al. onderscheiden drie conceptuele categorieën voor regionale ruimtelijke organisatiemodellen: stedelijke systemen, transportcorridors en groeipolen. Deze drieledige opdeling lag aan de basis van het onderzoeksproject ORDERin’F en deze modellen dienen bijgevolg ook als framework voor de fysieke structuur van het verkeerskundig model ontwikkeld in het kader van deze thesis. De belangrijkste knooppunten van dit framework zijn de stedelijke systemen, zoals aangegeven op figuur 5.11. Deze hiërarchische systemen bestaan uit een grote stad waarrond zich kleinere kernen bevinden. Op het vlak van infrastructuur primeert hier de verbinding tussen de afhankelijke kernen en de centrumstad. Figuur 5.12 toont de transportcorridors die de stedelijke systemen met elkaar verbinden. Het zijn bundels van vervoersinfrastructuren die samengaan met een accumulatie van activiteiten en functionele relaties langsheen één lijn. In het derde model, deze van de groeipolen, is geen morfologische of hiërarchische structuur vastgelegd. Het is een model waarbij de dynamieken rond nieuwe of bestaande activiteiten zorgen voor diffuse verstedelijkingspatronen, zoals voorgesteld in figuur 5.13. Volgens dit model zal een homogeen vertakt netwerk ruimtelijke spreiding stimuleren en zullen goed bereikbare plaatsen sneller groeien.

Figuur 5.11 Stedelijke systemen

Figuur 5.12 Transportcorridors

Figuur 5.13 Groeipolen

Deze modellen leveren de drie fundamentele elementen om het fysieke model op te bouwen. Een eerste element zijn de stedelijke systemen, verder onderverdeeld in centrumsteden en kernen. De centrumsteden zijn de steden die tot het hoogste hiërarchische niveau van de regio behoren, terwijl de categorie kernen alle steden en dorpen bevat die in het model voorkomen als herkomst en bestemming. Een volgende element zijn de transportcorridors, die gelegen zijn tussen de centrumsteden en waarop HOV wordt aangeboden. Het laatste fundamentele element is het buitengebied of tussengebied: het gebied tussen de transportcorridors. De groei van de kernen in deze gebieden stagneert ten voordele van groeipolen op de corridor, door de sturende werking van de transportcorridors met HOV. Haltes op deze nieuwe vervoersassen zullen immers beter bereikbaar worden. Dit zal ervoor zorgen dat nieuwe activiteiten zich daar zullen vestigen en dat eventueel bestaande activiteiten zullen groeien. De goede bereikbaarheid en de groei van activiteiten geven bijgevolg aanleiding tot groeipolen op de corridors.

| 31

5.3.2 Regionet Leuven 5.3.2.1 Vereenvoudiging netwerkvorm Regionet Leuven De HOV-corridors die het stedenbouwkundige bureau BUUR heeft ontworpen voor de regio Leuven, vormen het vertrekpunt van deze thesis. Aan de hand van het hier opgebouwde model zal nagegaan worden op welke manier de evaluatie van ontwerpbeslissingen kan gebeuren aan de hand van een model. Daarom is het HOV-netwerk uit Regionet Leuven (figuur 2.2) de basis voor de bepaling van de fysieke vorm van het model. Drie redenen liggen aan de oorsprong van een verdere vereenvoudiging van deze basislaag. Allereerst is het van belang dat berekeningen snel en efficiënt verlopen, aangezien het model zal dienen als een ontwerptool. Het evalueren van bepaalde ontwerpkeuzes bestaat immers voor een groot deel uit trialand-error. Een eenvoudig model zal in staat zijn meer berekeningen op korte tijd uit te voeren. Ten tweede laat een vereenvoudigd model toe om op een meer conceptuele manier na te denken over de case Leuven. In principe kan het model daarom toepasbaar zijn in de volledige Vlaamse context. Ten derde zijn de resultaten van een model dat niet te complex is opgebouwd eenvoudiger te evalueren en te interpreteren.

Figuur 5.14 Vereenvoudigd Regionet Leuven

Figuur 5.14 toont het Regionet Leuven, voorgesteld in lijnen en knopen. Op dit netwerk wordt een reeks opeenvolgende vereenvoudigingen uitgevoerd. Deze houden eerst en vooral de aggregatie van Leuven tot één knoop in. Ook worden

32 |

enkele vertakkingen van het netwerk buiten beschouwing gelaten. Dit laatste geldt voornamelijk voor verbindingen richting de hoofdstad, waar de haltes dichter bij elkaar komen en het regionet overgaat in het stadsnetwerk van Brussel. De vereenvoudigingen omvatten vervolgens een reductie van de hiërarchie van knopen tot twee niveaus: centrumsteden en kernen. Begin- en eindkernen van de corridors worden geclassificeerd als centrumsteden en alle kernen tussenin als kleine kernen. Dit heeft als gevolg dat het model de hoofdstad van Vlaams-Brabant, Leuven, en bijvoorbeeld de provinciestad Aarschot beschouwt als kernen op hetzelfde niveau. Om het model geometrisch eenvoudiger voor te stellen, worden alle verbindingen tussen hoofdkernen op één rechte lijn geplaatst. Figuur 5.15 geeft het resultaat van deze bewerkingen weer.

Figuur 5.15 Geometrische vereenvoudiging Regionet Leuven

Voor de volgende stap in het vereenvoudigingsproces is een belangrijke afweging aan de orde. Is het noodzakelijk om heel het netwerk mee te nemen in het model, of krijgt een snelle rekentijd de voorrang en is het bijgevolg voldoende enkel een deel van het netwerk in beschouwing te nemen. Om dit te bepalen is het nodig na te gaan welke soort verplaatsingen kunnen gebeuren over het gehele netwerk, welke prioriteit deze krijgen en welke verplaatsingen wegvallen bij het reduceren van het netwerk. Er zijn drie soorten verplaatsingen mogelijk: van corridor naar corridor, tussen corridor en tussengebied en van tussengebied naar tussengebied. Een verdere onderverdeling van deze groepen verplaatsingen is mogelijk. Figuur 5.16 geeft de verschillende categorieën weer, gedefinieerd als volgt:

| 33

A: Verplaatsingen op één en dezelfde corridor B: Verplaatsingen tussen twee verschillende corridors, met een overstap in een centrumstad. C: Verplaatsingen van het tussengebied naar een corridor D: Verplaatsingen van tussengebied naar tussengebied E: Verplaatsingen van tussengebied naar tussengebied, loodrecht op de corridor

A

C

E

B

D

Figuur 5.16 Soorten verplaatsingen

Verplaatsingen A, B en C krijgen de hoogste prioriteit voor modellering omdat reizigers zich in deze gevallen volledig of gedeeltelijk op de HOV-corridor bewegen. Verplaatsingen die zich enkel in het tussengebied afspelen en waarvan verwacht wordt dat het HOV geen realistische keuze is voor de verplaatsing (zoals verplaatsingen D en E), zijn van ondergeschikt belang. 5.3.2.1 Radiaalstructuur vs. gridstructuur Een belangrijke opmerking bij het netwerk van Regionet Leuven is dat deze altijd wordt voorgesteld als een radiaalstructuur, met centrumstad Leuven als zwaartepunt. Het is echter belangrijk om te beseffen dat deze radiaalstructuur deel uitmaakt van een groter geheel, waarbij elk uiteinde van de ster de centrumstad is van zijn eigen radiaalstructuur. Figuur 5.17 op de volgende pagina toont deze structuur in een uitsnede van Vlaanderen. Het feit dat het om een grid van steden gaat, is een belangrijk aandachtspunt om de juiste dynamiek van de verplaatsingen te kunnen modelleren. Het centrum van de radiaalstructuur is namelijk geen zwaartepunt, maar wordt omringd door andere centrumsteden op hetzelfde hiërarchisch niveau.

34 |

Herentals

Geel

Lier

Mechelen Diest

Aarschot

Hasselt

Leuven

Tienen

Sint-Truiden

Figuur 5.17 Grid van steden in Vlaanderen

Er zijn dus twee belangrijke elementen die de netwerkvorm zullen bepalen binnen de randvoorwaarde van een aanvaardbare rekentijd. Namelijk de soorten verplaatsingen die kunnen gemodelleerd worden en de voorwaarde dat de netwerkvorm toelaat dat het model de dynamiek van een gridstructuur in rekening brengt. Om tot een finale netwerkvorm te komen is het nodig om een overzicht te maken van mogelijke netwerkvormen en over welke kwaliteiten deze al dan niet beschikken. Dit onderdeel behandelt de verschillende gereduceerde netwerkvormen en hun voor- en nadelen niet in detail. De geïnteresseerde lezer kan deze uiteenzetting raadplegen in bijlage A. De evaluaties omvatten vooral in hoeverre de netwerken de kwaliteiten van het oorspronkelijke volledige netwerk bezitten. Hoe vollediger het netwerk, hoe correcter het model de huidige verplaatsingen over het netwerk kan weergeven, maar hoe meer tijd het vergt om een toedeling over het netwerk uit te voeren.

5.3.3 Netwerkvorm De finale netwerkvorm beschouwt twee centrumsteden om zo zeker de dynamiek van het grid te kunnen modelleren binnen een aanvaardbare rekentijd. Figuur 5.18 illustreert de netwerkselectie in een grid van centrumsteden, waarbij zowel de gridstructuur als de radiaalstructuur van de transportcorridors aanwezig zijn. De grootte van de blauwe kader heeft invloed op de rekentijd van het model. Voornamelijk het aantal kernen en de breedte van het te modelleren tussengebied zijn hiervoor bepalend. Dit verklaart

| 35

de keuze voor een zo smal mogelijk kader, dat resulteert in een netwerk dat nog steeds de mogelijkheid biedt om de belangrijkste verplaatsingen te modelleren.

Figuur 5.18 Selectie gebied netwerkvorm

Figuren 5.19 toont het geselecteerde gebied en de soorten verplaatsingen die al dan niet kunnen worden gemodelleerd. Voor het grootste deel kan het model de belangrijke soorten verplaatsingen weergeven. De verplaatsingen die van buiten het modelgebied komen en een zone in het model als bestemming hebben, kunnen echter niet gemodelleerd worden en de verplaatsingen doorheen het model evenmin. Het gevolg hiervan is een onderschatting van de belasting van het netwerk. D C A

B E

Figuur 5.19 Mogelijke en niet mogelijke verplaatsingen

Elke modus krijgt een ander netwerk, afhankelijk van de mate waarin dit verknoopt is. Allereest komt het autonetwerk aan bod, samen met de manier waarop in Vlaanderen de kernen met elkaar verbonden zijn via dit netwerk. Figuren 5.20 en 5.21 op de volgende pagina, tonen een voorbeeld in het studiegebied en één in de regio Westerlo. In deze gevallen leidt de verknoping van de kernen via N-wegen tot een ruitvormige structuur. De kernen in de ruit zijn altijd verbonden met de twee kernen die het dichtstbij gelegen zijn in de ruit. Op deze manier ontstaat een dambordpatroon van wegen waarbij elke kern verknoopt is met vier naburige kernen. In realiteit bestaan er ook wegen naar tegenoverliggende kernen, maar deze zijn vaak van een lagere categorie en worden minder dikwijls als verbindingsweg gebruikt. Het autonetwerk van het model bevat deze wegen niet om zo de rekentijd te beperken.

36 | Tielt-Winge

Voortkapel

Tongerlo St.-Joris-Winge

Meensel-Kiezegem

Westerlo

Zoerle-Parwijs

Binkom

Figuur 5.20 Structuur kernen regio Westerlo

Figuur 5.21 Structuur kernen regio Leuven

Figuur 5.22 toont het autonetwerk zoals geïmplementeerd in Matlab. Naast het lokale autonetwerk in het buitengebied, geven de vetgedrukte lijnen het huidige bovenlokale netwerk weer. Dit zijn de hart-op-hart verbindingen tussen de centrumsteden. Parallel met het autonetwerk loopt ook een fietsnetwerk. Het enige verschil tussen de twee netwerken is een sterkere verknoping van het fietsnetwerk. In tegenstelling tot autoverkeer zullen fietsers in realiteit altijd een hart-op-hart verbinding volgen om van de ene naar de andere kern te gaan. Zij maken dus wel gebruik van de lagere categorie wegen, in het autonetwerk buiten beschouwing gelaten. Figuur 5.23 toont dit volledig verknoopte fietsnetwerk. Tenslotte, geeft figuur 5.24 het openbaar vervoer netwerk weer. In dit netwerk is er altijd een openbaar vervoer verbinding tussen de centrumsteden. Dit zijn de vetgedrukte lijnen die ook het traject van de toekomstige HOV-transportcorridors vormen. In het buitengebied zijn kernen altijd verbonden met twee naburige kernen, in plaats van vier in het autonetwerk en acht in het fietsnetwerk. Op deze manier vormen de OV-lijnen in het buitengebied een feeder voor de verbindingen tussen de centrumsteden. Uit het netplan van De Lijn voor de vervoersregio Leuven blijkt dat deze aanname vrij goed overeenkomt met de realiteit.25

Figuur 5.22 Autonetwerk lokaal en bovenlokaal __________________________________________ 25| De Lijn, Netplannen Vlaams-Brabant, https://www.delijn.be/nl/perronindeling/netplannen/netplannenvlaamsbrabant.html, laatst geraadpleegd op 23 apr. 2015.

| 37

Figuur 5.23 Fietsnetwerk

Figuur 5.24 OV-netwerk lokaal en bovenlokaal

5.4 Kalibratie: modelparameters Dit onderdeel behandelt uitvoerig de effectieve kosten, die in het model gebruikt worden voor het bepalen van de routekeuze. De verschillende kosten worden als variabelen in het model geïmplementeerd. Gebruikers van het model kunnen dan later, tijdens het testen van verschillende ontwerpscenario’s, deze parameters laten variëren. De meeste kosten zijn gedefinieerd per vervoersmodus. Een bespreking van de kostenfunctie leidt de toelichting van de verschillende parameters in. Daarnaast komen ook de stoorterm van het stochastisch keuzemodel en de value-of-time (VOT), gehanteerd in het model, aan bod.

5.4.1 Kostenfunctie Het model kent kosten altijd toe aan links. Alle links tussen twee kernen hebben een vaste lengte van 2,5 km. Op deze manier komt een grid met maaswijdte 2,5 km tot stand. Op de horizontale en verticale as heeft dit afstanden van 3,5 km tot gevolg. De haltes op de corridor zijn dus op 3,5 km van elkaar gelegen. Gemiddeld gezien klopt deze

38 |

aanname met de halteafstanden in Regionet Leuven. Rond de centrumsteden liggen kernen dichter bij elkaar en zal de tussenafstand slechts 2 km zijn. De connectoren die de parallelle netwerken met elkaar verbinden, hebben in theorie een lengte gelijk aan nul. Een link met lengte nul is echter niet implementeerbaar. Daarom krijgen alle connectoren een zeer kleine lengte van 0,01 km toegewezen. Op die manier zal de kost die gepaard gaat met het afleggen van deze afstand verwaarloosbaar klein zijn ten opzichte van de kost van links. In het model worden kosten op de schakels op de volgende manier bepaald: ∙ 60

De eerste term is een BPR-functie. In deze functie is de reistijdkost (in min.) gelijk aan de reistijd op de onbelaste schakel vermenigvuldigd met een factor. Deze factor is afhankelijk van de vervoersstroom op de link, de capaciteit van de link en van de constanten a en b. Parameter a bepaalt hoe vlak de functie is bij verkeer in vrije snelheid. Parameter b daarentegen bepaalt hoe sterk de functie stijgt zodra er congestie optreedt. Door het Bureau of Public Roads werden in 1964, bij de introductie van de BPR- functie de volgende waarden voor deze twee constanten voorgesteld: a = 0,15 en b = 4.26 Het model uitgewerkt in het kader van deze thesis neemt deze waarden over. De tweede term bevat alle additionele kosten (in min.), toegekend aan schakels of connectoren. Dit kan bijvoorbeeld gaan om een parkeerkost voor de auto, een opstapkost voor openbaar vervoer, etc. Al de additionele kosten worden gedefinieerd als parameters van het model en komen verder in dit onderdeel uitvoerig aan bod.

5.4.2 m-parameter De m-parameter schaalt de stoorterm van de kansverdeling in het stochastisch keuzemodel. De waarde heeft bijgevolg een significante invloed op de resultaten van berekeningen aan de hand van het model. Hoe kleiner de stoorterm, hoe meer de toedeling zal lijken op een alles-of-niets toedeling. Alle vervoersstromen worden dan toegedeeld aan de route met de minste weerstand. Een grote waarde voor m heeft een grotere variatie in de perceptie van weerstanden in de populatie van verkeersdeelnemers tot gevolg. Een grote stoorterm leidt dus tot een meer __________________________________________

Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven, p.108.

26|

| 39

stochastische toedeling.27 Hoewel al onderzoek gebeurde naar de geschikte waarde voor deze parameter lijkt er nog geen systematische methode te bestaan om deze te bepalen. Omwille van deze reden kreeg de m-parameter een empirisch bepaalde waarde. Zoals duidelijk blijkt uit figuur 5.25 komt bij een waarde van 1 de toedeling in het gekozen netwerk overeen met een alles-of-niets toedeling. De figuur toont vervolgens een toedeling van één HB-paar van A naar B over het autonetwerk met m-waardes gelijk aan 5, 10, 20 en 50. Bij deze laatste is de toedeling bijna volledig stochastisch en worden nagenoeg alle mogelijke routes, hoewel ze duidelijk verschillen in lengte, gebruikt. Vanaf een m-waarde van 10 is dit fenomeen al zichtbaar. De toedeling is te stochastisch, waardoor het model ook onrealistisch lange routes in rekening brengt. Bij m gelijk aan 5 is de toedeling nog te deterministisch. Een geschikte m-waarde zal ergens tussen deze twee getallen liggen. Evaluatie van verschillende mogelijkheden is daarom aan de orde. Het onderdeel ‘5.6 Validatie van het model’ behandelt de resultaten van m-waardes tussen 5 en 10. µ=1

A

µ=5

B

A

µ = 10

B

A

µ = 20

B

A

µ = 50

B

A

B

Figuur 5.25 Toedeling van 100 voertuigen van A naar B over autonetwerk

5.4.3 Value-of-time De tijdswaardering of value-of-time is nodig om kosten in monetaire eenheden om te vormen naar kosten weergegeven in een tijdseenheid. Algemeen bepalen bereidheidtot-betalen studies de VOT. De waarde aangenomen in deze thesis is afkomstig uit een studie van Shires en de Jong.28 Tabel 5.2 geeft de resultaten weer voor bus en auto/trein in het geval van woon-werk verplaatsingen. VOT (€/u)

Bus

Auto/Trein

België

8,12

9,82

EU-gemiddelde

8,84

10,69

Tabel 5.2 VOT voor verschillende vervoersmodi in woon-werk verkeer __________________________________________

Nielsen, O. A.(1996), Do stochastic traffic assignment models consider differences in road users’ utility functions?, Institute of Planning (IFP), Technical University of Denmark (DTU), p. 4. 28| Shires J.D., & de Jong, G.C. (2009), An international meta-analysis of values of travel time savings, Evaluation and Program Planning, 32, pp. 315-325, table 7. 27|

40 |

Het is echter niet aangewezen om voor elke vervoersmodus een andere VOT aan te nemen. Het is namelijk niet zeker of de tijdswaarderingen in tabel 5.2 rechtstreeks toe te wijzen zijn aan de vervoerswijze of aan de populatie die voornamelijk die modus gebruikt. Als voor de verschillende modi een andere VOT gehanteerd wordt, betekent dit dat, als een pendelaar beslist over te schakelen van de auto naar een lijnbus, zijn VOT drastisch daalt. Omdat dit geen realistische aanname is, zal dit model werken met eenzelfde VOT van 10€/u voor de gehele populatie.

5.4.4 Openbaar vervoer De volgende drie onderdelen overlopen voor de drie verschillende modi de waarden voor alle parameters. Het openbaar vervoer bestaat in realiteit uit twee netwerken: een lokaal OV-netwerk en een HOV-netwerk dat in de toekomstscenario’s zal geïmplementeerd worden. Het is dus noodzakelijk deze twee netwerken afzonderlijk te behandelen in de bespreking van de parameters. Tabel 5.3 geeft een overzicht van alle parameters voor het lokaal openbaar vervoer en tabel 5.5 voor het HOV-netwerk. 5.4.4.1 Lokaal openbaar vervoer Lokaal OV Parameters Commerciële snelheid Capaciteit

Link

Aankomst

Vertrek

Overstap

25 km/u

25 km/u

25 km/u

25 km/u

140 plaatsen/u 140 plaatsen/u 140 plaatsen/u 140 plaatsen/u

Ticketkost

€0

€0

€ 0,60

Wachtkost

€0

0 min.

0 min.

22 min.

0 min.

Wachtkost HOV overstap

NVT

NVT

NVT

10 min.

Ticketkost HOV overstap

NVT

NVT

NVT

€ 0,60

Tabel 5.3 Modelparameters lokaal openbaar vervoer

Eén van de vaste parameters is de commerciële snelheid van het lokaal openbaar vervoer. Deze bestaat uit de lengte van het traject gedeeld door de reistijd, inclusief haltetijden. Die snelheid ligt dus lager dan de gemiddelde rijsnelheid. Uit de dienstregelingen van de lijn op het traject Leuven-Diest kan de commerciële snelheid afgeleid worden. Hieruit blijkt dat deze ongeveer gelijk is aan 25 km/u. De capaciteit van een openbaar vervoer verbinding kan worden berekend door de capaciteit van één voertuig te vermenigvuldigen met de frequentie waarmee het rijdt. Een niet-gelede lijnbus heeft een capaciteit van ongeveer 70 personen. In de spits rijden op de meeste trajecten in Vlaams-Brabant gemiddeld twee bussen per uur. Dit aantal is afgeleid uit de dienstregelingen van De Lijn. De vermenigvuldiging van

| 41

de frequentie en de capaciteit van één voertuig geeft een totale capaciteit van een vervoerslijn van 140 personen/u. De kost van het ticket moet ook ingerekend worden. De prijs komt overeen met de huidige gemiddelde prijs van een rit van 60 min. met OV-operator De Lijn. Het model werkt met een ticketkost per uur, berekend vanuit de abonnementskosten, aangezien vooral reizigers met een abonnement zich in de ochtendspits verplaatsen. Tabel 5.4 toont deze berekening. De gemiddelde prijs van een ticket komt zo op 0,56 €/uur. Deze ticketprijs wordt afgerond naar 0,6 €/uur. Omnipas (+25j) Buzzypass (6-24j) €

294

195

# werk- en schooldagen

254

182

€/dag

1,16

1,07

€/rit 60 min.

0,58

0,54

Tabel 5.4 Abonnementskosten De Lijn, 2015

Bovenop de ticketkost komt ook een wachtkost. Aangezien de bussen rijden aan een frequentie van twee bussen per uur, zullen mensen naar de halte gaan tegen het vertrektijdstip van de bus. Om de wachtkost te bepalen wordt volgende formule gebruikt naar Tirachini et al.29:

Uit literatuur blijkt dat reizigers wachten als gemiddeld twee keer duurder ervaren dan onderweg zijn.30 De formule bevat daarom een verdubbeling van de VOT. tw is de tijd die passagiers wachten aan de halte. In de formule wordt deze waarde gelijk gesteld aan 4 min. De frequentie ft is gelijk aan 2 bussen per uur. De waarde van et is afhankelijk van de regelmaat en stiptheid van de openbaar vervoer dienst. Als de aankomsttijden regelmatig zijn, dan is de gemiddelde wachttijd gelijk aan de helft van de tijd tussen twee doorkomsten en is et gelijk aan 0,5. Voor OVdiensten die niet in eigen bedding rijden en waarvan de aankomsttijden dus minder betrouwbaar zijn, neemt de paper van Tirachni een hogere waarde aan van 0,7. De waarde van m (de verhouding van de wachttijd thuis en de wachttijd aan de halte) wordt vastgesteld op 0,33. De formule geeft dan een wachtkost van 22 min. Voor openbaar vervoer is het ook mogelijk om een comfortkost in te brengen. Reizigers ondervinden verplaatsingen met het openbaar vervoer immers als minder __________________________________________ 29| Tirachini, A., Hensher, D.A. & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail and bus rapid transit over a radial public transport network, Research in Transportation Economics, 29 (1), p. 234. 30| Wardman, M.R. (2004), Public transport values of time, Transportation Research, 11 (4), p. 365.

42 |

aangenaam dan met de auto. Omdat deze kost moeilijk te kwantificeren is, bevat het model voorlopig een comfortkost gelijk gesteld aan nul. In een later stadium kan deze echter ingezet worden als ontwerpvariabele. Door openbaar vervoer comfortabeler te maken, en dus een negatieve comfortkost in te brengen, kan de openbaar vervoersdienst meer reizigers overtuigen om openbaar vervoer te nemen. 5.4.4.2 Hoogwaardig openbaar vervoer HOV Parameters Commerciële snelheid Capaciteit

Link

Aankomst

Vertrek

Overstap

30 km/u

30 km/u

30 km/u

30 km/u

840 plaatsen/u 840 plaatsen/u 840 plaatsen/u 840 plaatsen/u

Ticketkost

€0

€0

€ 0,60

€0

Wachtkost

0 min.

0 min.

10 min.

0 min.

Tabel 5.5 Modelparameters hoogwaardig openbaar vervoer

De commerciële snelheid van het hoogwaardig openbaar vervoer bestaat uit de lengte van het traject gedeeld door de reistijd, inclusief haltetijden. Uit een dienstregeling voor het HOV, opgesteld door BUUR, volgt de aanname dat de commerciële snelheid van de voertuigen 30 km/u bedraagt. De hierna volgende redenering bepaalt de capaciteit van de HOV-corridors. BUUR stelt een frequentie van gemiddeld zes voertuigen per uur in de spits en vier per uur in de daluren. Het bureau gaat uit van bussen van het type Exqui.City van producent Van Hool.31 Deze gelede bussen hebben een gemiddelde capaciteit van 140 personen. Een corridor met zes bussen per uur in de spits die elk een capaciteit hebben van 140 personen, brengt de totale capaciteit van een HOV-lijn op 840 personen/u. Een aanname in dit model is dat de kost van een ticket voor het HOV-netwerk overeenkomt met dezelfde ticketprijs van €0,6 per uur voor lokaal openbaar vervoer. De wachtkost komt overeen met de helft van de tussenaankomsttijden. Aangezien het openbaar vervoer opereert aan een frequentie van 6/u zal de wachtkost een waarde hebben van 5 min. Omdat wachten als duurder wordt ervaren dan effectief rijden met het voertuig, verdubbelt deze kost. Zo komt de totale wachtkost voor HOV op een waarde van 10 min. Deze kost wordt ook ingerekend wanneer er sprake is van een overstap, door deze wachtkost op de overstapconnector van auto naar HOV of van fiets naar HOV plaatsen. __________________________________________

Van Hool, Exqui.City, BRT Solution, http://www.exquicity.be/media/723/Download_Folder_ExquiCity.pdf, laatst geraadpleegd op 16 feb. 2015.

31|

| 43

Ook voor het HOV bevat het model een comfortkost die op dezelfde manier kan worden gebruikt als ontwerpparameter. Initieel zal deze echter ook gelijk zijn aan nul.

5.4.5 Auto Tabel 5.6 toont de parameters en verschillende soorten kosten die gepaard gaan met het gebruik van de auto. Om het zo simpel mogelijk te houden, bevat het model de aanname dat alle auto’s op het netwerk homogeen zijn. Auto Parameters Commerciële snelheid

Link

Aankomst

Vertrek

Overstap

45 km/u

45 km/u

45 km/u

45 km/u

1200 vtg/u

1200 vtg/u

1200 vtg/u

1200 vtg/u

Kost per km

0,11-0,3468 €/km

0 €/km

0 €/km

0 €/km

Capaciteit Parkeerkost

€ 0,0

€ 1,0

€ 0,0

€ 1,0

Wachtkost HOV overstap

NVT

NVT

NVT

10 min.

Ticketkost HOV overstap

NVT

NVT

NVT

€ 0,60

Tabel 5.6 Modelparameters auto

De snelheid van de auto is afhankelijk van de maximale toegelaten snelheid en de hoeveelheid congestie op het netwerk. Op secundaire wegen varieert de maximale toegelaten snelheid van 70 km/u tot 50 km/u. In de bebouwde kom mag in sommige kernen slechts 30 km/u worden gereden, terwijl buiten de bebouwde kom in sommige gevallen een snelheid tot 90 km/u is toegestaan. Ter vereenvoudiging geldt de aanname van een homogeen netwerk, waar bestuurders tijdens de ochtendspits rijden aan een gemiddelde snelheid van 45 km/u. De capaciteit van een secundaire weg is ingesteld op 1200 voertuigen/u. Deze waarde is de capaciteit voor een secundaire weg II en III, afkomstig uit Lichtvisie voor de Vlaamse gewestwegen, opgesteld in opdracht van het Agentschap Wegen en Verkeer.32 De derde vaste parameter voor de automodus is een kost per kilometer. Deze kost omvat alle kosten verbonden met het gebruik van een auto die invloed hebben op het keuzegedrag van de reizigers. Vooral de brandstofprijs zal hierin een rol spelen. Omdat het wagenpark helemaal niet homogeen is - een oudere auto verbruikt bijvoorbeeld meer dan een nieuwe - wordt de kost per kilometer iteratief bepaald. Dit onderdeel bevat enkel de bepaling van een onder- en bovengrens voor deze kost. Tijdens de __________________________________________ 32|

De Bisschop, E. (2014), Lichtvisie voor de Vlaamse gewestwegen-leidraad, p. 54.

44 |

validatie wordt dan een definitieve waarde gekozen. Een gemiddeld benzineverbruik van 1 liter op 14 kilometer is de gebruikte ondergrens.33 Aan een huidige prijs van 1,6€/l 34 benzine geeft dit een kost van 0,11 €/km. De bovengrens van de waarde komt overeen met een waarde van 0,3468 €/km, de kilometervergoeding opgesteld door de federale overheid.35 Bij deze laatste zijn ook kosten als verzekering, onderhoud en aankoopprijs van de auto ingerekend. In hoeverre deze vaste kosten effectief meespelen bij de vervoerwijzekeuze van de reiziger is twijfelachtig. De verwachting is dan ook dat de kost per kilometer eerder bij de ondergrens zal liggen dan bij de bovengrens. De parkeerkost is een ontwerpparameter voor het autoverkeer. Er is een mogelijkheid om te differentiëren tussen een parkeerkost voor bestemmingen op de corridor en bestemmingen in het tussengebied. Parkeerkosten worden toegekend aan de connectoren tussen het autonetwerk en een eindbestemming. De parkeerkost krijgt een beginwaarde van €1.

5.4.6 Fiets Ook voor de laatste vervoersmodus bevat het model de aanname dat alle fietsers homogeen zijn. Er is dus geen differentiatie tussen het gebruik van gewone fietsen en eventuele elektrische fietsen in het netwerk. Tabel 5.7 geeft een samenvatting van de verschillende fietsparameters. Fiets Parameters Commerciële snelheid Capaciteit

Link

Aankomst

Vertrek

Overstap

15 km/u

15 km/u

15 km/u

15 km/u

5000 vtg/u

5000 vtg/u

5000 vtg/u

5000 vtg/u

0,5-8 min/km

0 min/km

0 min/km

0 min/km

Wachtkost HOV overstap

NVT

NVT

NVT

10 min.

Ticketkost HOV overstap

NVT

NVT

NVT

€ 0,60

Comfortkost

Tabel 5.7 Modelparameters fiets

De Fietsbalans, een onderzoeksproject voor gemeenten en Fietsersbondafdelingen in Nederland, stelt de gemiddelde snelheid van een fietser op 15 km/u.36 Het model neemt deze waarde over. __________________________________________

Benzinekosten berekenen, http://www.route-naar.com/benzine-berekenen#calc, laatst geraadpleegd op 20 apr. 2015. 34| Gemiddelde brandstofprijs van Euro95 en Diesel op 20 apr. 2015. 35| Belgisch Staatsblad, Omzendbrief nr. 639 van 27 juni 2014, Koninklijk besluit van 18 januari 1965 houdende algemene regeling inzake reiskosten. Aanpassing van het bedrag van de kilometervergoeding. 36| Van der Steenhoven, H. & Borgman, F. (2009), Fiets in de demarrage, Fietsersbond, p. 5. 33|

| 45

In het model geldt de veronderstelling dat de capaciteit van het fietsnetwerk oneindig is. Aangezien een oneindige capaciteit niet kan worden geïmplementeerd in Matlab, bevat het model een waarde ingesteld op 5000, significant hoger dan de capaciteit voor openbaar vervoer en auto en dus in principe oneindig. De comfortkost van de fiets is ook van belang, maar deze is net zoals bij openbaar vervoer moeilijk te kwantificeren. Tabel 5.8, overgenomen uit de Collection of Cycle Concepts 2012 van de Cycling Embassy of Denmark, verduidelijkt dit. De tabel geeft de gemiddelde kosten en baten voor een fietsverplaatsing per kilometer. De comfortkost blijkt echter één groot vraagteken. Omwille van deze reden werd voor deze kost eerst een onder- en bovengrens bepaald. Een iteratief proces bepaalt vervolgens de comfortkost, die resulteert in de modal split die het best overeenkomt met de reële modal split uit het OVG. Het onderdeel over de validatie van het model beschrijft deze iteratie.

Time costs

Internalized

External

Total

5

0

5

Operating costs

0,33

0

0,33

Prolonged life

-2,66

0,06

-2,59

Health

-1,11

-1,8

-2,91

Accidents

0,25

0,54

0,78

Preceived safety

+ (?)

0

+ (?)

Discomfort TOTAL

?

0

?

1,81

-1,2

0,61

Tabel 5.8 Kosten en baten voor fietsgebruikers (in Deense Kronen)

De huidige ritlengteverdeling, terug te vinden in het OVG, toont aan dat vanaf verplaatsingen van 2,5 km of meer, het aandeel verplaatsingen met de fiets sterk afneemt. Zijn de afgelegde afstanden groter dan 10 km, dan speelt de fiets bijna geen rol meer. De afstanden zijn te groot om deze comfortabel met de fiets af te leggen. Figuur 5.26 op de volgende pagina geeft de voorlopig bepaalde kosten weer voor de auto en openbaar verover volgens toenemende afstand. Deze plot maakt het mogelijk de comfortkost voor de fiets benaderend te bepalen. De ondergrens is een comfortkost van 0,5 min. In dit geval overschrijdt de kostenfunctie van de fiets die van de auto ter hoogte van 2,5 km. Een comfortkost van 8 min. geeft de bovengrens, waar de kostenfunctie van OV die van de fiets snijdt op 2,5 km. Naar verwachting zal de comfortkost voor de fiets eerder dicht bij 0,5 liggen, aangezien bij hogere waarden de fiets op korte afstanden te duur wordt in vergelijking met de auto.

46 |

kost

co m

fort k

o st

=8

120

100

o

mf

80

co

st

o rtk

,5

=0

Auto

60

Fiets HOV OV

40

20

0

0

2,5

5

7,5

10

12,5

15

17,5

20

[km]

Figuur 5.26: Kostenfuncties van de verschillende modi in functie van de afgelegde afstand

5.5 Herkomst- en bestemmingsmatrix Het Vlaams Verkeerscentrum stelt HB-matrices voor autoverkeer, licht en zwaar vrachtvervoer ter beschikking. Het doel is om vanuit deze matrices één matrix op te bouwen om in te laden in het Matlab model. De matrix zal bestaan uit de som van matrices voor autoverkeer, vrachtvervoer, fietsverkeer en openbaar vervoer. Het model zal autopassagiers niet in rekening brengen. Vervolgens wordt de resulterende matrix geprojecteerd op de netwerkvorm zoals gedefinieerd in Matlab.

5.5.1 Vrachtvervoer Aangezien het model geen aparte vervoersmodus voorziet voor vrachtvervoer, worden deze stromen omgevormd tot personenauto-equivalent (PAE). Op deze manier kan het model werken met de som van vrachtvervoer en autoverkeer. Om een matrix te bekomen in personenauto-equivalent wordt een factor 1,5 gebruikt, in

| 47

overeenstemming met de waardes in een Ministerieel Besluit van het Departement Mobiliteit en Openbare Werken.37 Deze factor betekent dat een vervoersstroom van vrachtwagens overeenkomt met equivalent autoverkeer vermenigvuldigd met 1,5.

5.5.2 Autopassagiers Verplaatsingen die autopassagiers afleggen, zijn in de HB-matrix niet zichtbaar omdat deze is opgesteld per auto en niet per reiziger. Daarom zal het model verder werken met de fout dat in elke auto slechts één persoon zit: de bestuurder. Uitsluiting van autopassagiers zal het echter onmogelijk maken om te modelleren dat autopassagiers in een toekomstscenario overschakelen op een andere modus. De fout hierbij gemaakt, wordt aanvaard. Uit het OVG blijkt dat het aandeel autopassagiers in de ochtendspits voor het motief werken slechts 5,5% is van het totaal aantal verplaatsingen.38 Voor verplaatsingen van en naar school is de fout groter aangezien reizigers dan in bijna 25% van de gevallen autopassagier zijn. De reden hiervoor is dat het hier dikwijls om minderjarigen gaat.

5.5.3 Openbaar vervoer en fietsverkeer Voor dit onderzoek zijn geen herkomst- en bestemmingsgegevens beschikbaar van openbaar vervoer of fietsverkeer. Het OVG kan echter wel een idee geven van het totaal aantal verplaatsingen en het aandeel OV- en fietsverkeer. Op deze manier wordt een schatting gemaakt van de HB-matrices voor deze ontbrekende modi. Uit het OVG werd het gemiddeld aantal verplaatsingen per dag volgens hoofdvervoerwijze en motief afgeleid. Tabel 5.9 geeft deze verdeling weer voor de drie motieven die het meest voorkomen in de ochtendspits. Verplaatsingen te voet zijn grotendeels intrazonaal en daarom niet weergegeven. Deze verplaatsingen zijn bijgevolg ook niet in de HB-matrix ingerekend. Motief Hoofdvervoerswijze

Zakelijk

Werken

Onderwijs volgen

Gemiddeld

Fiets

3,51

12,58

26,3

8,045

OV

3,79

8,59

26,97

6,19

Auto

76,39

67,89

8,1

72,14

Tabel 5.9 Gavpppd volgens hoofdvervoerwijze en motief __________________________________________ 37| Crevits, H., Vlaamse Overheid, Mobiliteit en Openbare Werken, 8 augustus 2013, Ministerieel Besluit gepubliceerd op 07 oktober 2013, Artikel 2. 38| Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Tabellenrapport, IMOB, Tabel 57.

48 |

Gemiddeld gebeuren 72% van het totaal aantal verplaatsingen met een personenwagen, 8% met de fiets en 6% met het openbaar vervoer. De som van de huidige HB-matrix en het aandeel auto- en fietsverkeer, 14%, geeft een benadering van het totaal aantal verplaatsingen voor de drie modi. Daaruit resulteert een totale HB-matrix die de verplaatsingen van personenwagens, licht- en zwaar vrachtvervoer, fiets en openbaar vervoer bevat. Samenvattend is de totale HB-matrix als volgt bepaald: ||

5.5.4 Captives 5.5.4.1 Auto- en OV-captives Niet alle personen zijn keuzereizigers: niet iedereen kan uit alle vervoersmiddelen kiezen om zijn trip te vervolledigen. Sommigen hebben zelfs maar één optie ter beschikking en zijn veroordeeld tot het gebruik van een of andere vervoerwijze. Deze reizigers zijn dan captives van die vervoerwijze. Indien een persoon geen auto ter beschikking heeft en de bestemming te ver weg is om te fietsen of te wandelen en als bovendien het inkomen niet toereikend is om een auto te huren of een taxi te nemen, is die persoon een captive van het openbaar vervoer.39 Mensen die een bedrijfswagen ter beschikking hebben of waarvoor de trip met het openbaar vervoer niet mogelijk is of niet in aanmerking komt, zijn daarentegen auto-captive. De grafiek in figuur 5.27 dient om het aantal auto-captives en OV-captives te bepalen. Deze geeft het aandeel van de personen weer in functie van de verplaatsingstijdfactor (VF) OV/auto. Een VF van 2 betekent dat de trip dubbel zo lang duurt met het OV dan met de auto. De groep reizigers die vanaf deze waarde nog altijd gebruik maken van het OV zijn openbaar vervoer-captives. Auto-captives zijn de reizigers die bij een gunstige VF (<1) toch de auto nemen.40 Uit de grafiek volgt een percentage OV-captives van ongeveer 15% en een percentage auto-captives rond 35%. Hoewel deze gegevens berekend zijn voor Nederland in 1993, blijken ze vrij representatief te zijn voor de huidige Vlaamse situatie. __________________________________________

Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven, pp. 88-89. 40| Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeers- en Vervoersystemen voor personenvervoer, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven, pp. 62-63. 39|

| 49

100 90

Aandeel OV (%)

80 Auto-captives

70 60 50

Keuzereizigers

40 30 20 10

OV-captives 0,8

1,0

1,2

1,4

1,6

1,8

2,0

2,2

2,4

Verplaatsingstijdverhouding OV / auto Figuur 5.27 Verband tussen VF en modal split openbaar vervoer en auto

Uit gegevens gebruikt voor de provinciale verkeersmodellen van het Vlaams Verkeerscentrum, weergegeven in tabel 5.10, blijkt dat 14.9% van de gezinnen noch een bedrijfswagen noch een privéwagen ter beschikking heeft. Deze gezinnen vallen onder de categorie OV-captives. Daartegenover beschikt 28.2% van de gezinnen over een bedrijfswagen of over meer dan 2 wagens. Dit percentage kan gebruikt worden als een proxy voor auto-captives. Privéwagen Bedrijfswagen

0

1

2

3

4

5

0

14.9

56.9

19.0

2.6

0.0

0.0

1

1.3

4.2

0.7

0.0

0.0

0.0

2

0.2

0.1

0.0

0.0

0.0

0.0

3

0.1

0.0

0.0

0.0

0.0

0.0

4

0.0

0.0

0.0

0.0

0.0

0.0

5

0.0

0.0

0.0

0.0

0.0

0.0

Tabel 5.10 Gezinnen en autobezit

Merk op dat het aandeel OV-captives van 15% significant hoger ligt dan het aandeel van de verplaatsingen die in de ochtendspits met de OV-modus worden uitgevoerd (6%). De inconsistentie van deze cijfers is te verklaren doordat figuur 5.33 niet specifiek is voor de ochtendspits of voor bepaalde motieven. Zo zullen bijvoorbeeld oudere mensen vaker OV-captive zijn, maar verplaatsen zij zich minder vaak in de

50 |

ochtendspits. Bovendien kan een argument zijn dat figuur 5.33 niet representatief is voor de toekomstscenario’s waarbij HOV-corridors geïmplementeerd worden. HOV zal immers openbaar vervoer verbindingen aanbieden die zowel een tijdswinst als een groter comfort bieden. Het aandeel auto-captives zou in dat geval kunnen verminderen en niet meer overeenkomen met het huidige cijfer. Omwille van het gebrek aan specifieke gegevens over OV- en auto-captives in de ochtendspits zal het model deze niet in rekening brengen. Voor de betrouwbaarheid van het model zou het zeker een meerwaarde zijn om schattingen te maken van het aandeel captives in de huidige ochtendspits en in de toekomstscenario’s. Dit valt echter buiten de scope van dit onderzoek. 5.5.4.2 Vrachtvervoer Voor vrachtvervoer is het wel mogelijk om een exact aantal captives te bepalen. Omvorming van de matrices voor vrachtverkeer tot een matrix in PAE, zal er immers voor zorgen dat het volledige vrachtverkeer gaat behoren tot de categorie autocaptive. Vracht kan niet worden vervoerd via commercieel openbaar vervoer of per fiets. het model zal daarom de volledige matrix voor licht- en zwaar vrachtvervoer, in PAE eenheid, toedelen aan het autonetwerk. Zonder toedeling van de vracht als captive zou er inderdaad een overschatting van de intensiteit op het fiets- en OV-netwerk zijn. Gemiddeld gezien is het verschil echter klein. Uit simulaties blijkt dat voor openbaar vervoer er een overschatting zou zijn van +/- 5%, voor de fiets slechts 2,5%. De vracht als auto-captive toedelen is voor bepaalde regio’s en HB-paren waar er veel vrachtverkeer is wel meer van belang aangezien in die specifieke gevallen de fout veel hoger kan oplopen.

5.5.5 Mapping Tenslotte moet de HB-matrix geprojecteerd worden op het effectieve netwerk dat in Matlab is geïmplementeerd. De mapping van de fysieke realiteit op het netwerk in Matlab gebeurt voor de corridor Leuven-Diest. Elke kern in het model moet overeenkomen met een effectieve zone in realiteit. Deze zones zijn met hun sociodemografische gegevens beschikbaar als GIS-laag. De zonering gebruikt door het Vlaams Verkeerscentrum is echter fijnmaziger dan de benodigde zonering voor de Matlab implementatie. Aggregatie van de zones opgesteld door het Vlaams Verkeerscentrum zorgt ervoor dat de schaal van de reële zones overeenkomt met de zonering gebruikt in het model. Indien het model aggregatie van verschillende zones tot één zone vereiste, gebeurde dit per deelgemeente of gemeente.

| 51 54 47

38 35 26

31

15 23

12

1 3

17

8

4

13

10

40 33

20 24

18

30

16 21

14

6

42

28

11

2 5

25

49

46 36

50

48

44

39

32

22

53

45

27

19 7

51

43

55

52

41

37 34

29

9

Figuur 5.28 Mapping en aggregatie van de zones in GIS-software

Figuur 5.28 stelt de zones van de GIS-laag voor en de manier waarop de aggregatie gebeurt om in overeenstemming te zijn met het aantal zones in het model. Figuur 5.29 geeft de mapping van de corridor Leuven-Diest op het model weer en de bijhorende geaggregeerde HB-matrix. Hoe meer verplaatsingen tussen een bepaalde herkomst en bestemming, hoe dikker de groene verbindingslijn ertussen. Op deze manier geeft de figuur in één oogopslag weer tussen welke HB-paren er een sterke relatie is. Zo is bijvoorbeeld de kern Leuven duidelijk zichtbaar doordat er daar een hoge concentratie van verplaatsingen waarneembaar is. 26 Nieuwrode

1

12

Holsbeek bos

5 Kessel-Lo Kesseldal

4

31 Biest

7 2

Leuven

23 Vlasselaar

Putkapel Leuven Vaart

GHB

15 Everveld

11 8

Kessel-Lo Bovenveld 13

Kessel-Lo halte 10

3

6

Campus

Heverlee

9

Linden halte

19

Holsbeek

35 Rillaar

Houwaart

17

22

32

Linden

Kortrijk-Dutsel

St.-Pieters-Rode 28 36

20

St.-Bernard 18

Kessel-Lo Kessel-Lo Don Bosco 14 Beneden-Lo 21

Haasrode

27

38

St.-Joris-Winge 24

33 Kiezegem

Pellenberg

Heide

30 Binkom

37

47 Zichem

Attenrode

44

Molenbeek

42

51

Diestsestraat

Bekkevoort halte 40 46

Meensel 34

29

43

Scherpenheuvel 39 45 Tielt

Kraasbeek

Lubbeek

Korbeek-Lo Korbeek-Lo (Leuven) 16 (Bierbeek) 25

Messelbroek

48

Assent

54 52

49

Molensteden

Diest 50

Bekkevoort

Wersbeek

Kaggevinne

Webbekom VB

55

Schaffen 53 Webbekom

Rijnrode

41 Kapellen

Kerkom

Figuur 5.29 Mapping van de zones op het netwerk zoals geïmplementeerd in Matlab

5.5.6 Foutenmarge De HB-matrix en de mapping van de reële situatie op het model laten toe meer in detail te bepalen welk aandeel van de verplaatsingen, opgenomen in de HB-matrix

52 |

van het Vlaams Verkeerscentrum, niet met het model kunnen worden gemodelleerd. Figuur 5.30 geeft de matrix van het Vlaams Verkeerscentrum grafisch weer. Hoe meer verplaatsingen tussen een bepaalde herkomst en bestemming, hoe dikker de verbindingslijn ertussen.

st

k ee rb ee

or

|

tm

Bo

|

|

ute

rse

m

Die

| |

Bo

t

tbets

|

Haach

|

|

Gee

Hoegaarden

Holsbeek

berg

n Hulde

n

erg

nb en

n

ake

rte nd

erge

rb Kee

ten

Kor Ko La

|

|

| |

Herent

De groene lijnen geven de verplaatsingen weer die worden gemodelleerd; de rode verplaatsingen zitten niet in het model. Gebruikers die het model toepassen, moeten dus rekening houden met het ontbreken van modellering van een deel van de verplaatsingen. De grijze lijnen geven de vervoersstromen weer die vertrekken of toekomen aan de randen van het model. Het feit dat deze niet worden gemodelleerd, heeft geen invloed op de resultaten. Deze belasten het netwerk immers niet.

|

|

Leu

rt evoo Bekk n e dijk Begijn

|

Wils

tem

Ber

|

ven

ek

rbe

Bie

| |

Wijgm

|

ele

| |

aal

Kessel-Lo

|

Aarschot

|

WezembeekOppem

|

Heverlee

| |

|

Kraainem

srode

Haa

eek

Lubb

Zaven

Ste

en

|

ar

en

|

|

w

|

Linter

|

|

Zoutlee u

|

ge

Figuur 5.30: Grafische voorstelling van HB-matrix

t

hou

Treme lo

e

Tie n

js eri

pen

len

che

Ma

eek

Glabb

ScherpenheuvelZichem

in Tielt-W

Kam

|

re vu Te r

Ov

| |

n

|

ela

ts Ro

|

-He

Oud

|

|

tem

|

ee verl

okk

erz

ee

l

| 53

5.6 Validatie van het model Voordat het testen van verschillende scenario’s van start kan gaan, is het nodig om het model te valideren. Na invoering van de HB-matrix in het model, gebeurt de toedeling op het netwerk met de gekalibreerde parameters. De resulterende stromen op de netwerken van de verschillende modi worden vervolgens vergeleken met de huidige modal split in de regio. Er zijn verschillende criteria om een modal split te bepalen. Dit onderdeel behandelt modal split volgens motief en triplengteverdeling.

5.6.1 Modal split volgens motief Validatie van het model gebeurt aan de hand van de HB-matrices die informatie bevatten over trips in de ochtendspits. De types verplaatsingen die op deze tijdstippen het meest voorkomen, kunnen een idee geven van de modal split in deze periode. Kijken naar zakelijke verplaatsingen, woon-werk verplaatsingen en verplaatsingen om onderwijs te volgen maakt het mogelijk om een globale modal split af te leiden die representatief is voor een ochtendspits. Tabel 5.11, afgeleid uit OVG voor de modi te voet, fiets, auto en OV, geeft de verdeling van het gavpppd volgens hoofdvervoerwijze en motief weer.41 Voor het motief werken gebeurt meer dan 70% van de verplaatsingen met de auto. Voor zakelijke verplaatsingen ligt dit cijfer nog 10% hoger. In het geval van onderwijs volgen, zijn de cijfers volledig anders. Dit komt door het aandeel jonge reizigers, die zich nog niet als autobestuurder kunnen verplaatsen. De modal split in de ochtendspits omvat algemeen rond de 8% voetgangers, tot 15% fietsers, ongeveer 10% openbaar vervoer en 60 tot 70% autoverplaatsingen. Merk op dat de categorie OV ook de vervoerwijze trein bevat. Deze modus zit echter niet in het model. Motief Hoofdvervoerswijze

Zakelijk

Werken

Fiets

Onderwijs volgen

3,51

12,58

26,3

OV

3,79

8,59

26,97

Auto

76,39

67,89

8,1

Tabel 5.11 Verdeling van het gavpppd volgens hoofdvervoerwijze en motief

5.6.2 Triplengteverdeling De algemene modal split in de ochtendspits kan geen gedetailleerd beeld geven over de juistheid van het model. Hiervoor is een genuanceerdere analyse van de resultaten __________________________________________

Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Analyserapport, IMOB, p. 35.

41|

54 |

nodig. Deze gebeurt aan de hand van triplengteverdeling volgens hoofdvervoermiddel en afstand tot de werkplek, weergegeven in figuur 2.2 in de inleiding. Omdat het model enkel rekening houdt met de modi auto, bus en fiets, is figuur 5.31 meer geschikt om te gebruiken als referentie. Deze grafiek is een vereenvoudiging van figuur 2.2 en bevat enkel de modi beperkt tot auto (bestuurder), fiets en bus. De trein valt uit de scope van het regionale net en komt hier niet aan bod. De afstandsklassen zijn ook beperkt tot en met 25 km omdat het model afstanden groter dan 30 km niet kan modelleren. Een trager vervoersmiddel is populairder voor korte afstanden en voor lange afstanden opteren mensen eerder voor een sneller vervoersmiddel zoals auto of trein om binnen het tijdsbudget van ongeveer 1 uur per dag te blijven. De figuur toont duidelijk dat een algemene modal split, zoals bepaald in 5.6.1, niet zomaar transfereerbaar is naar alle afstandsklassen. Het is belangrijk om rekening te houden met het feit dat voor trips van verschillende afstanden er een andere verdeling is over de vervoersmodi. Indien het model per triplengte een modal split bekomt die grotendeels overeenstemt met de huidige situatie, kan deze dus met grotere zekerheid als valide beschouwd worden dan bij de eerder besproken modal split volgens motief. Deze aanpak is namelijk gedetailleerder omdat deze niet steunt op het louter vergelijken van één verdeling. 100 90 80 70 60 50

Auto

40

Fiets

30

OV

20 10

15-20 km

10-15 km

7,5-10 km

5-7,5 km

2,5-5 km

0

Figuur 5.31 Triplengteverdeling volgens hoofdvervoermiddel en afstand tot de werkplek

Het model wordt daarom gevalideerd voor verschillende afstanden. Per afstandsklasse en soort verplaatsing (corridor-corridor, tussengebied-tussengebied en tussengebiedcorridor) wordt er een toedeling uitgevoerd en een gemiddelde van het resultaat

| 55

genomen. Deze toedeling gebeurt op een al belast netwerk. Op deze manier houdt de analyse rekening met congestie door andere afstandsklassen. Tabel 5.12 geeft de verplaatsingen weer. De nummering van de HB-paren komt overeen met de afbeelding van het netwerk in figuur 5.32. 26 15 12

7 2 1

5 4

3

6

19

13 10

22 20

38 35

32

24 21

36 33

25

44

37 34

47 45

40

30

16

43 39

28

18 14

9

31 27

17

11 8

23

51 48

46 42

54 52

50

55 53

49

41

29

Figuur 5.32 Nummering knopen en markering corridor

Type verplaatsing Afstand

C-C

T-T

C-T

2 km

1-4

/

/

2,5 km

/

26 - 31

17 - 20

3,5 km

8 - 13

26 - 27

27 - 28

7 km

8 - 20

/

/

7,5 km

/

26 - 39

15 - 28

10 km

/

17 - 31

26 - 13

10,5 km

8 - 28

/

/

12,5 km

/

/

38 - 13

14 km

8 - 36

/

/

15 km

/

17 - 46

/

21 km

8 - 48

/

11 - 49

Tabel 5.12 HB-paren voor validatie

5.6.3 Resultaten validatie Volgende figuren geven de resultaten weer van de validatie. Onderdeel 5.4 behandelde de bepaling van boven- en ondergrenzen voor de kilometerkost van de auto, de comfortkost van de fiets en de μ-waarde. Verschillende toedelingen werden uitgevoerd, met combinaties van waardes die tussen deze grenzen liggen. De iteratief bepaalde parameters krijgen dan de volgende finale waarden: kilometerkost auto = 0,15; comfortkost fiets =1; μ-waarde = 7,5. Deze leiden bij toedeling tot het resultaat

56 |

met de kleinste afwijking ten opzichte van de verdeling van verplaatsingen uit figuur 5.31. De gedetailleerde resultaten van de toedeling tussen alle HB-paren bevinden zich in bijlage B. Figuren 5.32 - 5.34 geven het verschil weer tussen de resultaten uit het model en de modal split per afstandsklasse uit het OVG. Hieruit is duidelijk dat de grootste fouten zich bevinden in de afstandsklassen 7,5 - 10 km en 15 - 20 km. De relatieve afwijkingen zijn het grootst bij de modus OV. De moeilijkheid hierbij is echter dat het aandeel aan OV zeer klein is en hierdoor de afwijking van enkele percenten al snel een onder-of overschatting van 50% of meer betekent. Bovendien is uit de resultaten van het OVG geen duidelijke lineaire trend waar te nemen tussen de hoeveelheid verplaatsingen met het OV in de verschillende afstandsklassen. [%]

100 80 60

Model OVG

40 20 0 2,5-5 km

5-7,5 km

7,5-10 km 10-15 km

15-20 km

Figuur 5.32 Resultaten validatie: auto [%]

100 80 60

Model OVG

40 20 0 2,5-5 km

5-7,5 km

7,5-10 km 10-15 km

15-20 km

Figuur 5.33 Resultaten validatie: fiets

[%]

100 80 60

Model OVG

40 20 0 2,5-5 km

5-7,5 km

7,5-10 km 10-15 km

15-20 km

Figuur 5.34 Resultaten validatie: OV

| 57

5.7 Resultaten Figuren 5.36 tot 5.38 geven de resultaten van de toedeling voor het basisjaar 2009 weer. Opvallend is het zwaartepunt van verplaatsingen rond Leuven, met grotere intensiteiten op de links rondom de stad. Dit is een realistisch resultaat aangezien het gaat over een modellering van de ochtendspits tussen 7u en 8u. Hetzelfde geldt voor de relatief hoge fietsintensiteiten van Leuven naar campus Heverlee en naar Haasrode. Het fietsverkeer neemt sterk af naarmate links zich verder van de centrumstad bevinden. Het OV-netwerk ondervindt algemeen lage intensiteiten. De belangrijkste verplaatsingen met het openbaar vervoer spelen zich af op de as DiestLeuven, met ook hier groeiende intensiteiten op de links die zich dichter bij Leuven bevinden. Vanuit zones in het tussengebied zijn er nagenoeg geen OV-verplaatsingen naar andere zones in het tussengebied. 60 49 106 166

111

54 271

75 58 168 339

62

86 128 270

86 279 134 208

41

169 196 551 293 388 412

97 164

47

311 391

250 325

51

258 342

149 172 432 144 426 399

124 343

328

56

201 221 219 123

67 155

62

11

15

90 217

111 124 392 75 270 272

95

44

82

82

41

92

41

67

184 283

103 88 143 119

41

16

21

33

78 184

55 293

90

42 210 175

57

34

67

36

13

13

30 18 46 33 81

40

53 70 75 134 220

74

35 30 78 115 63

19

12 15

17 28 10

31

21

25

74 110

44 190

53

45 148 143

29

19

23

21

43

34

26

52

129 171

47

35

45

44

14

11

14

31

68

53

54 133

93

37 94 88

24

16

14

8

17

25

58

89

74

51

47

26

27

35

37

47 83 63 70 66 46

23

14

27

50

51

71

64

55

17

8

25 39 61 100 58 112 29 29

37

33 50

68 42 24 23

36 22 50 36 39 35

30

21

19

11

11

Figuur 5.35 Intensiteiten autonetwerk [vtg/u], 2009 3 2 4 22 52

7 23 116 85

13 9 20 6 9 12 18 42

3 127 71 21 140 1 144 5 22 32 36 149 63 222 234 39 60 304 86 73 4 30 38 10 69 78 40 29 56 214

13 7 11 13

28 24 15 67

20 46

23 4 20 19

40 20

11 7 8 3 5 7 11 18

31 32 14 4 11 24 25 14

17

1 7

6 1 2

13 9 11 14

1 8

10 3 6 15

21 6 7 5 10 2 17 11

2

1

4

2

4 1 5 2 7 10

6

6

2 1 2 1

5

9 14 8 3 3 4 10 10

7 12

2

3

2 6

6 1 4 2 11 10

7 6

3 5 3 1

3

2 2

3 5

5 5

4

4 2

9

3 5

1 1 2 1

4 2 3 1

4 2 2 1

1 2 1

4 4

4 7

4 3

2 1

3 2 2 4

4 6

2 2

3 1 2 2

5 1 1 2

2 1 1 1

4 5

3 4

2 2

3

2 4

3 2

1

2

2 1 3 3

2 1 1 1

1

5

7 9

3 2

2

4 6

8 3

2 1

2 1 2 4

2 2 1 2

1 1 1

8 5

6 4

3 1

5 4 5 4

3 2

2 2 3 2

1 2 1 1

7 4

4 1

4

4 4

2

7

2 1 5

1

4

9 2

1

4 2

6 2

18 2 2 5 7 4

1 2 3

3 1

6

4

68 4 4 1 25 3 17

5 12 39 40

7

1

53 10

43 10 30 1 8 19 41 6

4

1

3

2

2

Figuur 5.36 Intensiteiten fietsnetwerk [vtg/u], 2009

3

38

3 6 20

5

8

8

52

8 53 22

3

3

22

24

65

4

3

1

1 6

2

11 1

5

6 1

2

4 1

1 1

2

1

1

1 1

Figuur 5.37 Intensiteiten OV-netwerk [vtg/u], 2009

2

2

1

4

1

8 8

1

5

5

1

8

5 5

6

5

3

11

58 |

Voor een eerste prognose, het business-as-usual (BAU) scenario, wordt de HBmatrix van 2009 getransformeerd naar het jaar 2050 aan de hand van demografische voorspellingen van het Federaal Planbureau. Per zone is een groeifactor bepaald, die overeenkomt met de verwachte bevolkingsgroei. Een stijging van het aantal inwoners betekent immers een toename van de productie in de betreffende zone. Vervolgens wordt elke rij in de HB-matrix vermenigvuldigd met de respectievelijke groeifactor voor die zone. Dit wil zeggen dat het model enkel een toename in productie en niet een eventueel veranderende attractie in rekening brengt. Er is namelijk niet voldoende informatie beschikbaar over de verdeling van arbeidsplaatsen, schoolbanken en andere bezoekersfuncties voor het toekomstscenario waarbij de implementatie van HOV gebeurt. De modelparameters veranderen niet omdat in het BAU-scenario de implementatie van HOV niet plaatsvindt. Figuren 5.39 tot 5.41 geven de intensiteiten op het netwerk weer voor dit scenario. Algemeen zijn de resultaten voor 2050 gelijkaardig aan die van de huidige situatie in 2009. Het enige verschil is dat alle netwerken voor het toekomstjaar een hogere intensiteit vertonen ten gevolge van demografische groei. De bespreking van het toekomstscenario waarbij de implementatie van HOV plaatsvindt, gebeurt in hoofdstuk 6.

50 54 135

46

112 209

113

62 350

71

96 164 350

62 230 420

108 354 191 218

222 230 700 348 500 529

404

50

430 463

302 395 161 465

121 193

62

168 193 523 156 543 476

73 183

14

59

305 396

242 261

49

15

107 247

47

123 98

95

91

50

25 17 41 36 71

35

87 181

58 80 75 151 232

24

69

40

81

41

28

57 205

64

40

22

30

23

44 37 88 138 65

25

15 21 24 37 13

37

29

60

140 185

54 162 153

91

17

47

24

82 117

48

68 101 315 56 233 197

171 127

121 59

73

23

78

206 296

124 143 449 84 316 296

273 139

95

12

29

16

58

43

49

45

17

12

15

34

75

59

20

67 110 141 46 99 91

30

18

20

10

25

69

94

80

62

55

31

28

40

42

58 102 61 89 70 47

28

16

25

33

59

57

71

71

64

18

8

35 77 118 65 135 30 34

46

42 39

82 46 23 25

47 21 24 46 30 15

13

24

21

12

16

Figuur 5.38 Intensiteiten autonetwerk [vtg/u], BAU 2050

2 3 5 30 74

11 32 179108

17 10 28 8 12 14 33 54

3 185 90 24 199 1 223 7 29 41 46 190 85 306 324 55 63 109 86 4 394 43 53 15 85 106 45 42 81 279

17 8 16 17

33 31 19 95

23 62

24 5 20 24

50 23

13 8 12 3 6 7 14 22

34 39 18 5 14 30 33 17

21

2 9

7 2 3 11

14 10 13 17

2

11 3 6 17

26 8 9 6 12 3 19 13

3

5 8

1

4 2 5 2

3

6 9

10 15 9 3 4 4 13 10

8 13

3

3 6

3 1 2 1

6

3 6

6 1 5 2 11 11

8 6

4 5 3 1

4

2 2

4 5

5 5

5

5 3

9

3 7

1 1 1 1

4 3 4 1

4 2 3 1

2 2 2

2 3

4 8

5 3

3 1

12

3 2 3 4

5 6

3 2

2 1 2 2

6 1 1 3

1 1 1 1

3 5

3 4

2 2

3

1

2

6

2 1 3 3 4 11

3 2

1

2 1 1 1

3

7

3 2

2

4 7

3 1 2 3

8 5

10 7 3 3 1 1 4 5

2 1

1 1 1

3 1

5 5 4 6

4 2

2 2 3 3

1 2 2 1

8 4

4 1

5

8

5

4

11 3 1 6 5 2

2

1

1

4 4

6 2

2

1

2

3

Figuur 5.39 Intensiteiten autonetwerk [vtg/u], BAU 2050

21 3 3 6 8 5

1 2 3

3 1

8

5

77 6 5 1 30 3 22

4

4 16 53 42

9

1

65 13

62 51

13 2 9 25 14

| 59 12

4

53

3 8 28

9

8

10

69

15 75 31

4

4

26

31

87

6

4

1

1 5

2

13 1

5

6 1 1

1

2

4 1

2

1

2

2

2

2

2

5

1

1

Figuur 5.40 Intensiteiten OV-netwerk [vtg/u], BAU 2050

1

9 10

1

7

5

1

8

7 6

6

6|

Modelmatig onderzoek

62 |

| 63

Dit hoofdstuk beschrijft de toepassing van het model als ontwerptool voor het

regionale vervoersnetwerk en gaat na voor welke aspecten een multimodaal model kan bijdragen aan het maken van ontwerpbeslissingen. Het opgestelde model kan geen uitspraken doen over de tracés van het HOV of andere ruimtelijke ingrepen. Deze worden dan ook als randvoorwaarde verondersteld. Voor ontwerpbeslissingen die te maken hebben met de vervoersvraag, is het model echter wel inzetbaar als tool om verschillende scenario’s snel te testen. Het eerste onderdeel bespreekt drie doelstellingen. Deze dienen om de resultaten van de verschillende scenario’s aan te toetsen. De delen die erop volgen, gaan dan na welke ingrepen moeten plaatsvinden om aan deze doelstellingen te voldoen en of deze realistisch zijn wat betreft kosten en draagvlak. De eerste scenario’s zijn groeiscenario’s, waarbij de impact van een sturend effect van het HOV-netwerk wordt onderzocht. De scenario’s die daarop volgen, onderzoeken de effecten van variërende waardes voor ontwerpvariabelen. Tenslotte gaat het laatste deel na wat het effect is van een combinatie van ontwerpbeslissingen op het gebruik van het HOV- netwerk.

6.1 Doelstellingen 6.1.1 Duurzame verplaatsingen Het huidige autonetwerk is niet in staat om al de bijkomende verplaatsingen ten gevolge van demografische groei op te vangen. Bovendien hebben de vele autoverplaatsingen een negatief effect op het milieu en tasten deze de leefbaarheid van woongebieden aan. Het aandeel aan duurzame verplaatsingen is een goede indicator voor het evalueren van de ruimtelijke impact en gevolgen voor de leefbaarheid van verschillende maatregelen. Daarom bestaat de eerste doelstelling uit het realiseren van een modal shift naar het openbaar vervoer ten opzichte van het referentiescenario, maar niet ten koste van verplaatsingen die al met duurzame modi gebeuren. Op deze manier kan er een maximum aan duurzame mobiliteit ontstaan. Dit heeft bovendien een positief effect op de leefbaarheid in de kernen en zorgt voor een minimale ruimtelijke impact.

6.1.2 Efficiënt gebruik van (H)OV De volgende doelstelling omvat de wens om de nieuwe HOV-lijnen efficiënt te gebruiken. Dit betekent dat de bezettingsgraad hoog genoeg moet zijn om een bepaalde frequentie te verantwoorden. Uiteraard mag er ook geen overbezetting optreden. Er is sprake van structurele overbezetting wanneer de bezetting gemiddeld 90% of meer van de theoretische capaciteit bedraagt gedurende 15 minuten van

64 |

een rit.42 Deze gegevens bepalen de bovengrens voor de bezetting. Een ondergrens voor de bezettingsgraad tijdens de piek is moeilijker vast te stellen. Tabel 6.1 geeft de bezettingsgraden weer van de lijnen van Connexxion, een openbare vervoersmaatschappij in Nederland die zich richt op regionaal personenvervoer. Ochtendspits

Avondspits

Dal

Totaal

2004

39,5

36,2

29,6

33,3

2005

44,3

39,7

30,6

35,7

Tabel 6.1 Verdeling van het gavpppd volgens hoofdvervoerwijze en motief

In 2005 werd er in de ochtendspits een bezettingsgraad van 44,3% opgetekend. Er zijn geen recentere gegevens beschikbaar. Voor hoogwaardig openbaar vervoer in de spits lijkt het realistisch om een minimale bezettingsgraad van 50% te eisen. Een ander belangrijk streefdoel is het efficiënt gebruik van het lokaal OV. Nu gebeurt dit vervoer met bussen, maar ook andere vervoermiddelen kunnen hiervoor worden ingezet.

6.1.3 Bereikbaarheid Het opgestelde model is niet in staat om de impact te modelleren die de maatregelen hebben op landgebruik. Om toch een idee te krijgen van de demografische verschuiving en dus de ruimtelijke impact, is de prestatie-indicator bereikbaarheid het meest geschikt. Als de bereikbaarheid van een kern erop vooruit gaat, zal deze meer inwoners aantrekken. Overeenkomstig met de filosofie van Regionet Leuven, houdt de laatste doelstelling bijgevolg in dat de bereikbaarheid van kernen op de corridor altijd moet verbeteren ten opzichte van kernen in het buitengebied. Verschillende tools zijn beschikbaar om bereikbaarheid te evalueren. Zo analyseert de Shimbel index de bereikbaarheid van een knoop aan de hand van de kortste paden van een knoop naar alle andere knopen in het netwerk. De Shimbel bereikbaarheidsmatrix, of D-matrix, bevat voor elk mogelijk herkomstbestemmingspaar het kortste pad.43 Een andere manier is het opstellen van een bereikbaarheidskaart, zoals in figuur 6.1. Deze thesis maakt altijd een onderscheid tussen bereikbaarheid voor autoverkeer en duurzame verplaatsingen, waartoe ook multimodale trips behoren. De kleuren tonen voor de geselecteerde herkomst, hier een centrumstad, welke andere zones bereikbaar zijn binnen een bepaalde tijdspanne. Hoe groter het blokje van een zone, __________________________________________ 42| Commissie voor Openbare Werken, Mobiliteit en Energie Vergadering (2005), https://docs. vlaamsparlement.be/website/htm-vrg/400391.html, laatst geraadpleegd op 28 apr. 2015. 43| Rodrigue, J. P., Transportation and Accessibility, http://people.hofstra.edu/geotrans/eng/methods/ ch2m1en.html, laatst geraadpleegd op 23 mei 2015.

| 65

hoe sterker de HB-relatie tussen de herkomst en deze zone. Deze visualisatie is een meerwaarde omdat het toelaat grote weerstanden tussen sterke HB-relaties te detecteren. Bepaalde ontwerpbeslissingen kunnen leiden tot het verbeteren van de verbinding tussen de twee zones. Verder is het mogelijk de bereikbaarheid van een kern samen te vatten in een bereikbaarheidsindex. De berekening van deze index gebeurt door de productie van een kern te wegen met het omgekeerde van de gesommeerde reistijden. Locaties waarvan de bereikbaarheid verbetert, zien deze index stijgen. Het is mogelijk een onderscheid te maken tussen indexen voor de corridor en het tussengebied. Bereikbaarheidsindex: Totaal: 0.59 | Corridor: 1.35 | Tussengebied: 0.17 0 15 30 45 60 75 90 [min.]

Figuur 6.1 Bereikbaarheidskaart, situatie 2009, duurzame modi

6.2 Groeiscenario’s Dit onderdeel omvat de vergelijking tussen twee verschillende groeiscenario’s: een scenario waarbij de implementatie van het netwerk geen invloed heeft op de demografische en ruimtelijke ontwikkeling van de kernen en een scenario waar er wel een sturend effect optreedt. Op deze manier wordt de totale vervoersvraag op de netwerken duidelijk, evenals de gevolgen van het sturend effect. Een derde scenario met evenwaardige centrumsteden dient als basis voor de ontwerpscenario’s die volgen.

6.2.1 Geen sturend effect HOV Een eerste scenario is de situatie waarbij de bevolkingsgroei van de kernen tussen 2009 en 2050 zich in de huidige trend voortzet. De groei in de kernen verloopt bijgevolg zoals voorspeld door het Federaal Planbureau. Hierbij geldt de veronderstelling dat de introductie van HOV geen invloed zal hebben op de manier waarop kernen op de corridor of in het buitengebied zich in de toekomst zullen ontwikkelen. Figuren 6.2 tot 6.4 geven de resultaten van deze toedeling weer.

66 | 50 52 122

42

103 188

105

57 298

63

88 148 301

54 198 378

97 300 167 186

202 207 628 316 450 492

332

113 185

48

386 442

161 185 498 149 523 447

245 334 150 396

87 184

61

57

286 384

242 257 264 133

74

14

15

102 241

122 141 433 81 306 286

121 59 94

90

47

92

47

79

198 290

122 97 167 125

51

24

24

36

85 179

67 102 310 55 228 193

70

40

80

40

18

16

26 17 42 35 70

48

58 79 77 147 229

92

43 38 87 136 64

26

15 21

24 36 13

29

28

24

81 116

56 200

63

53 158 150

40

22

30

23

46

37

29

60

136 183

57

42

49

44

17

12

15

34

74

58

66 110 139 45 97 89

29

18

20

10

20

24

68

92

78

61

51

31

27

39

40

55 98 60 84 68 46

27

15

32

52

56

67

68

58

17

7

22 31 71 106 63 123 29 32

41

36 34

75 39 21 21

41 18 21 38 26 12

11

21

19

12

16

Figuur 6.2 Intensiteiten autonetwerk [vtg/u], Implementatie HOV 2050 2 3 4 27 60

9 28 146 96

14 9 26 7 12 13 29 55

3 159 77 21 161 1 189 6 24 34 41 162 68 252 281 50 56 93 83 3 349 34 49 15 74 81 44 38 77 210

17 8 17 17

32 30 18 99

22 61

24 5 19 22

49 22

13 8 11 3 7 7 13 23

36 38 17 6 14 30 32 16

21

2

7 2 3 9 11

14 10 12 18

2

3

1

5

13 3 5 16

26 8 9 6 12 3 18 13

3

4 2 7 2 7 10

7

6

3 1 2 1

6

11 15 8 4 3 4 13 10

8 13

3

3

3 6

5 1 5 2 11 11

8 6

4 5 3 1

5

2 2

4 5

5 5

5

5 3

9

3 6

1 1 1 1

4 3 4 1

4 3 3 1

2 2 2

2 3

4 8

5 3

3 1

3 2 3 4

5 6

3 2

2 1 2 2

5 1 1 3

1 1 1 1

3 5

3 4

2 2

3

1

2

6

2 1 3 3 4 12

3 2

1

2 1 1 1

3

7

3 2

2

4 7

3 1 2 3

8 5

10 8 3 3 1 1 4 4

2 1

1 1 1

3 1

5 5 4 6

4 2

2 2 3 2

1 2 2 1

8 4

4 1

5

9

4

4

11 2 1 6 5 2

2

1

1

5 4

6 2

18 3 2 5 7 4

1 2 2

2 1

6

5

65 5 5 1 25 3 19

3 13 44 36

7

1

54 11

51 44

10 2 7 20 11

3

2

1

2

3

Figuur 6.3 Intensiteiten fietsnetwerk [vtg/u], Implementatie HOV 2050

19

205

12 33 109

35

44

32 265

56 313 126

15

26

9

1 28

6

1 72 1

1 21

1

1 37

3 1

5

7

1

2 1

1

7

18

1

128

121

345

1

1 24

1 8

1 13

7

9

8

19

1 1

39 37

3

24

19

5

33

28 24

24

4

1

Figuur 6.4 Intensiteiten (H)OV-netwerk [vtg/u], Implementatie HOV 2050

Ten opzichte van het BAU-scenario, zonder implementatie van een HOV-netwerk, zijn er grote verschillen merkbaar. Het aandeel openbaar vervoer is spectaculair gestegen. Het HOV-netwerk zorgt voor een stijging van de OV-intensiteit op de corridor van meer dan 300%. De daling in auto- en fietsverkeer op de corridor, respectievelijk 10% en 15%, maakt duidelijk dat er een gedeeltelijke modal shift plaatsvindt van auto en fiets naar HOV. De overschakeling naar HOV is dus merkbaar, maar gaat gepaard met een effect dat niet strookt met de eerste doelstelling. De modal shift gebeurt immers deels ten koste van een andere duurzame modus: de fiets. In het buitengebied is in mindere mate dezelfde trend waarneembaar. Daar daalt de

| 67

fietsintensiteit met 10% en het autoverkeer met 5%. Hoewel de intensiteit van het lokale OV in het buitengebied verdubbelt, blijven de stromen zeer laag in vergelijking met de fiets of auto. De oorzaak van de daling in fiets- en autoverkeer in het buitengebied is het feit dat in dit scenario meer verplaatsingen via de corridor gebeuren.

6.2.2 Omslag ruimtelijke ontwikkeling De implementatie van HOV betekent een verhoogde bereikbaarheid van de kernen die zich op de transportcorridors bevinden. Het project Regionet Leuven veronderstelt dat dit zal leiden tot een hogere densiteit van inwoners en activiteiten. Deze verhoogde woon- en activiteitenconcentratie zou natuurlijk de efficiëntie van het HOV ten goede komen. De service wordt immers veel kostenefficiënter naarmate de vervoersvraag toeneemt. Een trendbreukscenario voor de demografische groei, opgesteld voor Regionet Leuven, maakt het mogelijk dit effect op de vervoersstromen te analyseren. Het scenario voorziet dezelfde totale demografische groei over het gebied, zoals berekend door het Federaal Planbureau. De groei is echter gelokaliseerd rond de HOV haltes, in plaats van trendmatig gespreid over alle zones. Figuur 6.5 toont de voorspellingen van BUUR voor de verschillende soorten kernen die zij onderscheiden. De kernen op de HOV-corridor kennen een sterke bevolkingsgroei. De grootste groei wordt verwacht in kleine kernen op de corridor, aangezien daar nog veel ruimte is voor verdere ontwikkeling. De kernen die zich niet op het HOV-netwerk bevinden, ondervinden de minste groei of zelfs stagnatie. Dit scenario gaat dus uit van een volledige omslag in de huidige ruimtelijke ontwikkeling. +37%

[# inw] 200 000 180 000

+0%

160 000 140 000 120 000

+36%

100 000

+10%

80 000 60 000

+44%

+55%

2050 2010

+64%

40 000 20 000

Figuur 6.5 Trendbreukscenario BUUR

buiten kernen

kernen niet bediend

kernen kleine dorpen

kernen grote dorpen

centraal kleine steden

kernen net buiten Leuven

Leuven administratief

0

Het opstellen van de HB-matrix voor dit toekomstscenario gebeurde op dezelfde manier als voor de HB-matrix in het scenario zonder sturend effect. Aan de hand van voorspellingen van BUUR betreffende de toename van het aantal inwoners in 2050, werd per zone een procentuele demografische groei ten opzichte van het basisjaar bepaald. Vervolgens werd elke zone in de HB-matrix vermenigvuldigd met zijn respectievelijke groeifactor. De nieuwe HB-matrices houden geen rekening met de veranderende attractie ten gevolge van de HOV-corridors aangezien hier geen gegevens over beschikbaar zijn. Figuren 6.6 tot 6.8 geven de resultaten weer van de toedeling met deze getransformeerde matrix. Deze tonen aan dat indien er meer inwoners zijn in de kernen gelegen op de corridor, de intensiteit voor alle modi op de corridor toeneemt. In het algemeen stijgt in dit scenario het autoverkeer met 2%, fietsers met 8% en HOVgebruikers met 5%. In het buitengebied zijn de resultaten net omgekeerd en nemen de intensiteiten af ten opzichte van het scenario zonder sturend effect.

41 45 120 103 177

97

59 294

70

91 141 306

59 198 376

101 317 166 188

199 229 622 319 440 491

361

46

55

373 407

254 355 146 375

104 166

173 191 457 158 480 416

116 196

65

57

263 346

247 270 245 128

76

14

14

92 210

129 132 391 87 290 277

123 61 85

85

41

79

48

70

192 269

121 101 160 122

47

24

23

30

80 161

70 285

93

57 219 198

67

39

72

40

16

14

23 18 34 33 60

47

53 84 63 151 221

86

47 31 92 130 66

22

15 17

26 31 12

25

28

22

77 110

61 205

62

54 161 158

37

22

27

23

44

36

30

56

144 180

56

43

49

49

16

12

14

31

74

59

22

24

62

113 93

67 100 151 44 106 110

28

18

18

11

57

53

31

32

50

56

56 95 81 82 75 62

25

15

30

59

74

92

71

63

24

9

30 33 73 123 75 137 36 40

50

48 42

78 49 22 28

49 21 22 46 28 16

12

22

23

10

13

Figuur 6.6 Intensiteiten autonetwerk [vtg/u], sturend effect

2 2 4 28 62

11 28 152117

16 24 12 31

11 7 15 51

3 163 81 22 167 1 213 6 25 35 44 166 71 261 287 55 57 362 96 91 3 36 45 15 76 86 46 39 72 218

15 10 16 15

36 24 27 4 18 21 89 21

25 55

48 25

13 8 9 3 6 8 12 19

35 15 14 29

39 5 30 15

21

2 7

6 1 3

1 9

14 11 9 2 11 5 16 15

26 8 8 5 11 3 15 12

3

4 7

1

4 2 6 2

2

6 8

10 15 7 3 4 4 12 8

7 11

3

3 5

2 1 2 1

6

2 5

5 1 4 2 10 12

7 5

3 4 3 1

4

2 2

4 6

5 5

4

4 3

8

3 5

1 1 1 1

3 4 3 1

4 2 3 1

1 2 1

2 3

3 7

6 3

2 1

3 2 2 4

6 5

2 2

2 1 1 1

5 1 1 3

1 1 1 1

2 4

3 4

2 2

3

1

2

5

2 2 3 3 4 10

3 2

1

2 1 1 1

2

6

3 2

2

3 6

3 1 2 3

7 5

10 6 3 3 1 1 3 5

2 1

1 1 1

3 1

5 7 4 6

3 2

2 2 3 2

1 2 2 1

7 5

4 2

6

8

6

4

10 4 1 6 5 3

2

2

1 2

1

2

2

Figuur 6.7 Intensiteiten fietsnetwerk [vtg/u], sturend effect

4

21 4 3 6 7 5 5

6 3

1 3 2

3 1

8

5

93 7 5 1 35 4 23

5

3 18 54 37

8

68 1 14

64 45

12 2 9 24 13

| 69

23

212

12 34 113

37

59

33 274

57 321 134

15

1

115

125

353

30

9

1 30

6

1 65

1

21

1 35

3 1

5

7

1 24

2

9

23

1 1

1 14

8

7

13

1

57

10

20

1

44

3

28

20

7

43

36 29

24

5

1

Figuur 6.8 Intensiteiten (H)OV-netwerk [vtg/u], sturend effect

Fiets

HOV

[vtg/u] 18000

7000

16000

6000

14000

HOV

14804

Figuur 6.9 Totale intensiteit corridor

3820 26

3487 48

3562 47

2050 FP

2050 BUUR

2050 BUUR

0

2050 BAU

2000

3108 23

2889 2528

2686 2400

4000

2009

6811

6913

8000 6000

2050 FP

3179 581

2050 BAU

6236

2009

2413 453

2000

0

10000

7498

4000

1000

Fiets

12000

5000

3000

Auto

16198

Auto

8000

16433

[vtg/u]

17176

Figuren 6.9 en 6.10 geven een overzicht van de resultaten van volgende scenario’s: de huidige situatie in 2009, het BAU-scenario in 2050, het scenario zonder sturend effect (FP) en het alternatief met een omslag in de ruimtelijke ontwikkeling (BUUR). De figuren tonen de grote stijging in openbaar vervoer na de implementatie van het HOV-netwerk. Hiermee gaat een daling in fiets- en autoverkeer gepaard, zowel op de corridor als in het buitengebied.

Figuur 6.10 Totale intensiteit buitengebied

6.3.3 Evenwaardige centrumsteden De tot nu toe gebruikte HB-matrix, is specifiek voor de regio Leuven. Deze centrumstad is hierbij een duidelijke attractiepool voor verplaatsingen. Het concept van transportcorridors gaat echter uit van een grid van centrumsteden. Conceptueel gezien bestaat een transportcorridor uit twee evenwaardige centrumsteden waartussen een HOV-lijn is geïmplementeerd. Om scenario’s te kunnen testen op het concept van de transportcorridor en niet specifiek op de case Leuven, is het nodig

om het netwerk symmetrisch te beschouwen en de HB-matrix uit te middelen. Op deze manier is het mogelijk af te stappen van de realistische mapping op de corridor Leuven-Diest en de ontwerptool op een conceptuelere wijze toe te passen. Het model zou zo representatief kunnen zijn voor eender welke case in het Vlaamse grid. Bovendien hoeft in het geval van een symmetrische belasting slechts de helft van het netwerk beschouwd te worden voor de analyse en interpretatie van de resultaten. Als figuur 6.11 een symmetrisch netwerk voorstelt, wil dat zeggen dat er evenveel verplaatsingen zijn van bijvoorbeeld kern 19 naar kern 36 als van kern 35 naar kern 20. Er zijn ook evenveel verplaatsingen van kern 27 naar kern 17 als van kern 27 naar kern 39. Om deze symmetrie effectief te bekomen moet voor elk zone het respectievelijke spiegelbeeld bepaald worden. De verplaatsingen van deze zones worden dan bij elkaar opgeteld en gemiddeld. Figuur 6.11 verduidelijkt dit en geeft de oorspronkelijke HB-matrix uitgemiddeld weer op het netwerk. Hoe dikker de lijn tussen een bepaald HB-paar, hoe meer verplaatsingen er zijn per uur tussen die herkomst en bestemming. Het is duidelijk dat door deze symmetrie te veronderstellen de uiteinden van de corridor nu twee evenwaardige kernen zijn.

26 15 12

7 2 1

5 4

3

6

13 10

9

19 17

11 8

23

22

18

16

32 28

36

34

47 45

44 40

37

30 25

43 39

33

24 21

38 35

27

20

14

31

51 48

46 42

54 52

50

55 53

49

41

29

Figuur 6.11 Symmetrisch netwerk

De resultaten van de toedeling (figuren 6.12 - 6.14) tonen dat door symmetrie te beschouwen, de zware belasting van de centrumstad Leuven is uitgemiddeld met de verplaatsingen in en rond Diest. Voor alle maatregelen die verder in dit onderzoek worden getest, geldt dit scenario steeds als referentie.

| 71 32 38 88 115

30 175

77

56

56 77 181

83 39 128 249

65 178 93 127

127 150 381 187 259 271

189

36

56

223 250

158 205 84 190

67 115

124 144 270 116 274 235

73 116

58

57

160 209

164 190 134 73

44

18

25

57 129

122 163 221 103 169 160

79

56

48

48

28

51

64

95

129 163

119 129 94

72

32

24

36

47

55 109

107 162 167 121 136 121

59

53

44

27

14

20

32 18 35 31 47

65 110 84 67 105 161

125 122 31 92 84 53

25

27 17

26 22 14

20

31

51

64

94

106 165 120 169 124 128

84

72

25

24

36

25

56 131 106 162

28

38

64

57

131 211 102 224 118 190

138 161 59

56

44

48

94

72

32

44

18 58

58 115 121 143

56

161 252 115 273 164 205

171 235 79 115

67

88

124 149

276 272 72 189

134 188

36

223 249 186 380 158 178

39 83 127 56

259 180 127 93

127 115 56 175 65 77

30

77

85

48

22

Figuur 6.12 Intensiteiten autonetwerk [vtg/u], symmetrisch netwerk

2 2 5 24 38

2

1 29 95 1 18 18 42 166

14 14 108104

51 185 20 39

109 41 124 3 22 86 147 29

110

12 8 15 5 9 9 18 30

50 23 43 22

46 9 23 36

11 10

8 11

9

21 14 17 2 9 12 47 12

13 28

25 13

5 3 4 5 8 12

6

20 22 8 4 8 15 16 9

11

4 5

4 1 2 3

3 8

10 11 5 2 7 4 9 9

14 5 4 3 6 2 7

8

3

5 9

7 7

4

1

3 2 4 2

4 2 2 3

6

2

5 6

9 5

3

3 4

5 6

5 3

2 1 2 2

4 1 3 3

2 2 2 1

2 4

6 9

4 3

3 2

2 2

4 6

5 5

2 4

1 1 1 1

2 4 3 2

2 2 3 2

1 2 1 1

2 2

4 6

8 4

3 2

2 1 2 4

6 5

5 2

2 1 2 2

3 1 3 4

1 2 2 2

2 5

6 9

5 3

3

2

4

3

2 2 4 3 5 11

6 5

3

3 2 2 4

3

8

3 5

3 1 2 4

5 6

9

9 5

7

12 4 2 7 5 7 22

7 4

2 3 6 4 11

9

4 8 5

11 5 3 4 6 10 14

9 12 15 3 8 8 14 25

9

11 8

8 30 12 2 9 17 20 46

16 13

36 28

10 24 9 5 9 15 21 41

47 29 23 9 43 23 13 110

12

18 104 85 3 22 124 49 185

14 14 109 29

147166 39 20

108 38 17 1 18 95 51 2

1

42

22

8

6

3

Figuur 6.13 Intensiteiten fietsnetwerk [vtg/u], symmetrisch netwerk

23

120

16 17 79

37

58

29 139

43 182 70

12

1

1 1 67

66

178

18

4

23

1

20

1 36

3

1

15

1 22

2 1

3 1

12

1 16

1

1 18

15

1

2

1 22

27 3

1

70

63

1 1

12

4

3

182

58 184 140

44

16

71

79

37 17 29

120

19

1

Figuur 6.14 Intensiteiten (H)OV-netwerk [vtg/u], symmetrisch netwerk

Figuur 6.15 en 6.16 op de volgende pagina tonen voor dit referentiescenario de bereikbaarheidskaart van een centrumstad voor respectievelijk duurzame modi en autoverkeer. Ten opzichte van figuur 6.1, waarbij er geen implementatie is van het HOV, is de centrumstad veel bereikbaarder voor duurzame modi. Vanuit de geselecteerde zone is, met een bepaald tijdsbudget, een kern op de corridor gemakkelijker bereikbaar dan een zone in het tussengebied. Dit is ook af te leiden uit de bereikbaarheidsindex van de corridor. Deze stijgt met 10%. De index van het tussengebied daalt omdat door

72 |

het sturende effect van de corridor minder verplaatsingen naar deze zones zijn. De bereikbaarheidsindices voor de auto maken duidelijk dat zowel bestemmingen in het tussengebied als op de corridor beter bereikbaar zijn met de auto dan met duurzame modi. Het zal dus nodig zijn maatregelen te treffen om enerzijds autoverkeer op de corridor te ontmoedigen en anderzijds het gebruik van HOV aantrekkelijker te maken. Bereikbaarheidsindex: Totaal: 0.74 | Corridor: 1.51 | Tussengebied: 0.19 0 15 30 45 60 75 90 [min.]

Figuur 6.15 Bereikbaarheidskaart, referentie 2050, duurzame modi Bereikbaarheidsindex: Totaal: 0.54 | Corridor: 1.48 | Tussengebied: 0.12 0 15 30 45 60 75 90 [min.]

Figuur 6.16 Bereikbaarheidskaart, referentie 2050, auto

6.3 Parkeerbeleid Een bepalend aspect voor het succes van de HOV-lijnen, is de uitwisseling tussen het HOV-netwerk en de andere modi. Mensen die op de corridor wonen, hebben gemakkelijk toegang tot HOV, maar inwoners van het buitengebied vinden moeilijker hun weg naar de transportcorridor. Zij moeten immers gebruik maken van een voortransportmiddel. Om het HOV ook voor deze mensen aantrekkelijk te maken, is het noodzakelijk om de overstap van de auto, fiets of OV naar het HOV te faciliteren.

| 73

Een goede implementatie van transitplaatsen zal dan ook cruciaal zijn om voldoende vraag te genereren voor het HOV. Dit onderdeel bespreekt de uitwisseling tussen de auto en het HOV. Onderdelen 6.5 en 6.6 analyseren multimodale trips met fiets en lokaal OV als duurzame feedersystemen.

6.3.1 Uniform parkeerbeleid Het scenario dat dient om de gevoeligheden van verschillende vormen van parkeerbeleid mee te vergelijken, is een situatie met een uniform parkeerbeleid van €1 over het hele netwerk. Dit betekent dat reizigers dezelfde parkeerkost ondervinden op de corridor als in het buitengebied. Bovendien hebben autogebruikers in elke kern een oneindige parkeercapaciteit ter beschikking. Figuur 6.17 toont het effect dat dit soort parkeerbeleid heeft op het gebruik van de corridor. Door in elke halte een parking te voorzien - die daarenboven even duur is als in het buitengebied - is de auto even interessant in het buitengebied als op de transportcorridor. Bovendien is de auto op die manier een goedkoop alternatief voor verplaatsingen op de corridor zelf. Voor dit soort verplaatsingen zou het HOV echter gestimuleerd moeten worden. Ten einde het gebruik van HOV op de corridor te bevorderen zal er dus een tradeoff zijn tussen enerzijds de overstap te vergemakkelijken door voldoende goedkope parking te voorzien bij de opstapplaats en anderzijds een grotere ontsluitingsruimte te creëren voor de auto zodat deze minder wordt gebruikt voor verplaatsingen op de corridor. De volgende onderdelen bespreken de verschillende mogelijkheden voor het parkeerbeleid. De afzonderlijke evaluaties maken duidelijk welke gevolgen één bepaalde beleidsoptie heeft voor de vervoersvraag.

A

B

Figuur 6.17 Uniform parkeerbeleid creëert goed auto-alternatief

Auto-HOV

[vtg/u]

Fiets-HOV

OV-HOV-OV

1800

74 |

1600 1400

6.3.2 Aangepast parkeerbeleid voor corridor 1200

13

14

1000

[vtg/u]

Auto

Fiets

680

755

4 € 50

5 € 27

12

589

3 € 89

10

479

2 € 157

1€

256

354

11

800 bestaat uit de differentiatie tussen parkeerkosten op de corridor Een eerste maatregel 600 en in het buitengebied. De parkeertarieven op de corridor worden in vijf stappen 400 opgetrokken van €1,200zoals het referentiescenario naar, €5. Figuren 6.18 en 6.19 tonen de resulterende totale0 intensiteiten op de verschillende netwerken.

[vtg/u]

HOV

Auto

Fiets

HOV

9000

3500

8000

3000

7000

2500

6000

2000

5000

1500

4000 3000

1000

2000

500

1000 0

0 1€

2€

3€

4€

Figuur 6.18 Totale intensiteit corridor

5€

1€

2€

3€

4€

5€

Figuur 6.19 Totale intensiteit buitengebied

Een hogere parkeerkost op de corridor verhoogt allereerst de weerstand voor het autoverkeer dat zijn bestemming op de corridor heeft. De parkeerkost op de corridor verhogen met €1 doet de intensiteit op het HOV-netwerk stijgen met 17%. Daarmee gaat gepaard dat de intensiteit van het autoverkeer daalt met meer dan 15% op de corridor en 8% in het buitengebied. Gemiddeld stijgt de fietsintensiteit over het hele netwerk met 30%. Deze observaties leiden tot de conclusie dat autogebruikers overschakelen op zowel HOV als fiets. De grotere switch naar de fiets is te verklaren uit figuur 6.20. Als de kost van de auto stijgt, blijft de fiets immers interessant voor langere afstanden. Vanaf verplaatsingen van vijf kilometer kruist de kostenfunctie van de fiets die van het HOV. Pas bij langere afstanden zal het HOV een lagere totale weerstand hebben en dus vaker gekozen worden als vervanging voor autoritten. Ook in het buitengebied stijgt het fietsgebruik. Bij het lokale openbaar vervoer is er evenzeer een lichte stijging waarneembaar als de parkeertarieven naar omhoog gaan. Het fenomeen dat de duurzame modi ook stijgen in het buitengebied, en de auto er net daalt, heeft te maken met trips van buitengebied naar de corridor. Reizigers die hun herkomst in het buitengebied hebben, maar hun bestemming op de corridor, nemen de hogere parkeertarieven in acht en schakelen eventueel over naar de fiets of het lokaal OV. Het is niet mogelijk om na te gaan of de omvang van deze overschakeling realistisch is, aangezien de validatie van kruiselasticiteiten niet haalbaar was met de gegevens voorhanden.

| 75

De eerder beschreven trend zet zich verder naarmate de parkeerkost verder stijgt, maar met elke hogere parkeerkost zijn de effecten minder sterk. De curves in figuur 6.18 en 6.19 tonen dit effect aan. Er zal dus een grens zijn aan de parkeerkost waarbij de relatieve daling van het autoverkeer en stijging van het fiets- en (H)OV-vervoer zo goed als nul is. kost 120

100

80

t €5

rkos

ee park

Auto

60

Fiets HOV €1 kost

OV

er

e park

40

20

0

0

2,5

5

7,5

10

12,5

15

17,5

20

[km]

Figuur 6.20 Kostenfuncties, variërende parkeerkost

Figuur 6.21 op de volgende pagina toont het aantal multimodale trips in vorm van het aantal overstappen van fiets, auto of OV naar de HOV-lijn. Een eerste analyse van de resultaten toont dat het aantal multimodale trips met de auto als voortransport sterk dalen naarmate de parkeerkost toeneemt. Deze trips zullen grotendeels vervangen worden door multimodale verplaatsingen met de fiets als voortransport. Hiermee gaat immers geen parkeerkost gepaard. Uit dezelfde figuur blijkt ook dat er in totaal meer multimodale trips gemaakt worden. Dit betekent dat sommige reizigers met een bestemming op de corridor, die voordien de hele verplaatsing met de auto maakten, nu overschakelen op een multimodale trip met duurzame modi als voortransport om op deze manier de parkeertarieven op de corridor te ontwijken.

76 |

Auto-HOV

[vtg/u]

Fiets-HOV

OV-HOV-OV

1800 1600 1400

13 680

755

5 € 27

12

4 € 50

1€

0

589

256

200

3 € 89

400

479

354

600

2 € 157

11

800

10

1000

14

1200

Figuur 6.21 Totaal aantal overstappen

[vtg/u] 3500 3000 2500 2000 1500 1000 500 0

Auto

Fiets

6.3.3 Park and ride

HOV

[vtg/u]

Auto

Fiets

HOV

9000 8000 7000

Het volgende parkeerbeleid komt deels overeen 6000 met de manier waarop vele overstapparkings werken in België. Brussel heeft 5000bijvoorbeeld zeven gratis P&R locaties aan de rand van de stad. Vanuit deze parkeerfaciliteiten kan een persoon 4000 vervolgens met de bus, tram of metro verder rijden naar het stadscentrum. De P&R 3000 parkings zijn volledig gratis en kunnen alleen worden benut als de reiziger zijn trip 2000 verder vervolledigt met het openbaar vervoer. Dit soort parkeerbeleid is interessant, 1000 maar niet zomaar te vertalen naar een regionale context. De park and ride faciliteiten 0 in grote steden 3zijn gesitueerd in de periferie om verkeer 1naar het 2stadscentrum te 4 € € € 3€ 1€ 2€ € 4€ 5€ ontmoedigen. In een regionale context met transportcorridors zullen kleinschaligere parkings zich in de kern zelf bevinden, aangezien zich hier ook de HOV-haltes bevinden. Dezelfde parking zal gebruikt worden door reizigers die willen overstappen op het HOV, als door reizigers die de kern als eindbestemming hebben. Om het parkeerbeleid in te voeren, is het nodig om te differentiëren tussen de parkeerkost voor personen die een kern op de corridor als bestemming hebben en voor reizigers die er willen overstappen op het HOV. In het laatste geval is de parkeerkost gelijk aan €0 om overstappen naar de HOV-lijn zoveel mogelijk te stimuleren. Mensen die toch met de auto tot in de corridor-kern willen komen, zullen hiervoor een grotere kost betalen. Op deze manier wordt autogebruik op de corridor afgeraden ten voordele van het HOV. Opnieuw wordt in het model gevarieerd tussen een parkeerkost van €1 tot €5 op de corridor. De kost om de auto te parkeren indien men overstapt op het HOV blijft in elk scenario gelijk aan €0.

5€

| 77

535

513

472

1077

1159

4€

5€

600

947

328 18

411

20

22

24

26

De resultaten van de intensiteiten op het netwerk, weergegeven in figuur 6.22 en 6.23, tonen dezelfde trend als in het vorige scenario. Er is een algemene daling van het autoverkeer en een stijging voor de fiets en het (H)OV. Een verhoging van de parkeerkost op de corridor van €1 naar €2 geeft veranderingen van de intensiteiten op [vtg/u] Auto-HOV Fiets-HOV OV-HOV-OV de corridor als volgt: het autoverkeer daalt met 18%, het aandeel fiets stijgt met 23% 1800 en het HOV met 34%. Ten opzichte van het vorige scenario daalt het gebruik van de 1600 auto op de corridor meer, stijgt het fietsgebruik iets minder, maar is er een significant 1400 sterkere toename van het aandeel HOV. 1200 In het buitengebied stijgt het gebruik van de fiets meer dan dat van het lokaal OV. 1000 Ook hier daalt het autoverkeer, weliswaar minder sterk dan op de corridor. 800

1800

[vtg/u] Auto Fiets-HOV OV-HOV-OV 4000

575

400 200

3000

500

2000 1000

0 3€

4€

5€

5€

4€

3€

2€

Figuur 6.22 Totale intensiteit corridor

[vtg/u]

HOV

Auto

Fiets

HOV

9000 8000 7000 6000 5000 4000 3000 2000 1000 2€

3€

4€

5€

0

3€

4000

1000

2€

1€

6000 5000

1€

Fiets

7000

2000

0

Auto

Fiets

8000

24 513

2500

1077

600

3000

Auto

9000

1500 947

800

773

328 18

1000

411

20

1200

472

22

1400

[vtg/u]

HOV

26

3500

1600

Fiets

535

Auto-HOV

1159

[vtg/u]

2€

1€

575

773

400 parkeerkost tot €5, heeft als gevolg dat Een verdere systematische verhoging van de 200 zijn de effecten echter minder sterk. deze trend zich verderzet. Met elke verhoging 0 Dit impliceert dat bij een verdere verhoging van het parkeertarief, er een kost bestaat waarvoor de modal split op de corridor niet noemenswaardig verder verandert.

1€

2€

3€

4€

5€

Figuur 6.23 Totale intensiteit buitengebied

0

1€

2€

3€

78 |

Figuur 6.24 geeft het aantal overstappen weer voor de verschillende parkeerkosten. Deze toont aan dat indien de parkeerkost op de corridor stijgt voor reizigers die een kern op de corridor als bestemming hebben, het aantal multimodale trips met de auto als voortransport toeneemt. Dit is ook het geval voor verplaatsingen met de fiets of OV als voortransport. Zoals eerder besproken aan de hand van figuur 6.20, daalt het autoverkeer in het buitengebied. Dit lijkt contradictorisch, maar betekent dat er voor autoverplaatsingen meer reizigers overschakelen naar een trip met een andere modus of een trip met de fiets of OV als voortransport dan dat er een verschuiving is naar multimodale verplaatsingen met de auto als voortransport. [vtg/u]

Auto-HOV

Fiets-HOV

OV-HOV-OV 26

1800

535

1077

1159

5€

411

4€

200

947

400

773

600

328 18

800

575

1000

20

1200

472

22

1400

513

24

1600

3€

2€

1€

0

Figuur 6.24 Totaal aantal overstappen [vtg/u] 4000 3500 3000 2500 2000 1500 1000 500 0

[vtg/u] Auto Fiets Tabel 6.2Auto toont per Fiets kern op deHOV corridor het aantal overstappen van auto naar HOV 9000 indien reizigers die de kern als eindbestemming hebben respectievelijk €1, €3 of €5 8000 moeten betalen. In het geval van een kost van €1 gebeuren in een kern op de corridor 7000 gemiddeld 48 overstappen van auto naar HOV per uur. Voor parkeertarieven van 6000 €3 en €5 ligt dit aantal overstappen nog hoger: respectievelijk 79/u en 97/u. Om te 5000 voorzien in de vraag van de volledige ochtendspits is minstens het dubbel aantal parkeerplaatsen nodig (aangezien een spits zeker4000 langer dan 2 uur duurt). De tabel 3000 toont ook het aantal parkeerplaatsen die in elke kern nodig zijn en de ruimte die 2000 daarvoor is vereist. Er is uitgegaan van 25 m² ruimtegebruik per parkeerplaats. 1000 Vanuit een economisch standpunt zal het niet mogelijk zijn om aan elke halte een 0 overstapparking te3 €voorzien. Bovendien is de ruimtelijke 1impact van het aanleggen 1€ 2€ 4€ 5€ € 2€ 3€ 4€ van voldoende parkeercapaciteit in elke kern enorm en verhindert dit voor een deel het ontwikkelingspotentieel van de kernen. Daarom bevat het volgende onderdeel de toepassing van een variërend parkeerbeleid, met slechts in enkele kernen een overstapparking. Dit kan als wenselijk neveneffect hebben dat autoverkeer tussen kernen op de corridor verder ontmoedigd wordt, omdat niet in elke kern even veel parkeerruimte is.

HOV

5€

| 79

€1

€3

€5

# plaatsen

m²

# plaatsen

m²

# plaatsen

m²

Gasthuisberg

12

298

19

474

22

544

Leuven Vaart

12

306

17

423

18

461

Campus

22

540

29

730

32

790

Leuven

376

9401

523

13064

576

14398

Kessel-Lo Kesseldal

48

1205

69

1715

76

1891

Heverlee

175

4377

243

6074

262

6558

Kern

Putkapel

17

415

25

633

28

711

Kessel-Lo halte

233

5818

420

10491

517

12932

Haasrode

19

482

29

734

33

824

Linden halte

100

2497

201

5015

271

6769

Sint-Bernard

69

1717

159

3972

228

5698

Sint-Joris-Winge

67

1679

160

4001

256

6396

1149

28734

1893

47326

2319

57970

96

2394

158

3944

193

4831

Totaal Gemiddeld

Tabel 6.2 Aantal overstappen van auto naar HOV, per kern op de corridor

6.3.4 Variërend parkeerbeleid In de centrumsteden is het wenselijk inplanting van grote parkeerfaciliteiten te vermijden ten voordele van duurzaamheid en leefbaarheid van de stad. Bovendien is het moeilijk om daar een grote P&R in te plannen, aangezien vrije oppervlakte er schaars is. Aangezien een centrumstad is verbonden met zes regionale HOV-lijnen, zou HOV voor een groot deel van de verplaatsingen de aangewezen keuze moeten zijn. Dit kan bereikt worden door de parkeerkost in de centrumsteden nog meer te verhogen. De kernen in dewelke reizigers het meest overstappen van auto naar HOV zijn de beste locaties om P&R parkings in te planten. Volgens deze regel zouden de overstapparkings in de centrumsteden de meest logische keuze zijn. Zoals eerder aangehaald, is dit echter geen gewenste situatie. De volgende haltes met veel overstappen zijn de haltes direct na de centrumstad. Er is gekozen om niet op elke halte na de centrumstad een P&R te voorzien. Dit zou betekenen dat zich rond de centrumstad zes overstapparkings zouden bevinden. In plaats daarvan wordt slechts één parking voorzien voor corridors die in elkaars verlengde liggen. Op deze manier wordt het aantal P&R faciliteiten beperkt tot drie per centrumstad. In het midden van de corridor wordt één extra P&R voorzien, aangezien de corridor daar kruist met de verticale verbinding tussen de centrumsteden. Op deze P&R faciliteiten geldt hetzelfde

80 |

parkeerbeleid als bij het vorige scenario, waarbij parkeren gratis is indien men van de auto overstapt op het HOV-netwerk. Reizigers die echter de kern als eindbestemming hebben, betalen dezelfde parkeerkost als in de andere kernen op de corridor. Figuur 6.25 toont samenvattend het variërend parkeerbeleid. Ook voor dit scenario worden de kosten gevarieerd. De parkeerkost voor de kern als eindbestemming neemt toe van €1 tot €5, terwijl parkeren in de centrumstad altijd dubbel zo duur is.

€ P&R

€

€

€€

P&R

P&R

€

€

P&R

€ €

[vtg/u]

Auto-HOV

1800

Fiets-HOV

OV-HOV-OV

Figuur 6.25 Totaal aantal overstappen

1600

24

1400 23

1200

[vtg/u]

Auto

Fiets

542

636

5€

3€

439

4€

500

340

2€

1€

294

408

15

569

17

620

650

20

De resultaten in figuur 1000 6.26 en 6.27 tonen de intensiteiten op de corridor en in het buitengebied. Net 800 zoals bij de andere parkeerscenario’s daalt het autoverkeer, en 600 stijgt het aandeel (H)OV en de fietsintensiteit. De stijging van de HOV-intensiteit is 400 minder sterk ten op200zichte van het vorige scenario omdat nu niet op alle locaties een P&R is geïmplementeerd. 0

[vtg/u]

HOV

4000

9000

3500

8000

3000

7000

Auto

Fiets

HOV

6000

2500

5000

2000

4000

1500

3000

1000

2000

500

1000

0 1€

2€

3€

4€

Figuur 6.26 Totale intensiteit corridor

5€

0

1€

2€

3€

4€

Figuur 6.27 Totale intensiteit buitengebied

5€

| 81

Ook het aantal overstappen, weergegeven in figuur 6.28, ligt lager in vergelijking met het vorige parkeerbeleid. Aangezien reizigers nu niet in elke kern kosteloos kunnen overstappen van de auto naar het HOV, besluit een kleiner aantal een multimodale trip te ondernemen. In vergelijking met het eerste scenario worden bij dit parkeertarief wel dubbel zo veel overstappen gemaakt omdat er in enkele kernen gratis parkings aanwezig zijn die de overstap faciliteren.

[vtg/u]

Auto-HOV

Fiets-HOV

OV-HOV-OV

1800 1600 24

1400 23

1200

620 542

636

4€

5€

294

200

439

400

340

408

600

500

15

569

17

800

650

20

1000

3€

2€

1€

0 Figuur 6.28 Totaal aantal overstappen

[vtg/u] 4000 3500 3000 2500 2000 1500 1000 500 0

Auto

Fiets

HOV

[vtg/u]

Auto

Fiets

HOV

9000

Tabel 6.3 op de volgende pagina geeft weer hoeveel overstappen van auto naar HOV 8000 gebeuren in elke kern, voor parkeertarieven van €1-€3 7000 op de corridor en €2-€6 in de centrumstad. De kernen in het vetgedrukt zijn de kernen 6000 waar er een P&R is voorzien en waar de overstapkost bijgevolg gelijk is aan nul.5000 4000

Naarmate de parkeerkost stijgt, zijn er meer overstappen in de kernen met P&R. Het 3000 is duidelijk dat reizigers die reeds een multimodale verplaatsing met de auto maakten, 2000 aangetrokken worden door deze kernen omdat de overstapkost daar minimaal is. 1000 Door in de centrumstad (Leuven) de parkeerkost dubbel zo hoog te maken, daalt het 0 aantal 2overstappen daar ook sneller. Bij een parkeerkost van1 €€3 op de2 €corridor 3en €6 1€ € 3€ 4€ 5€ € in de centrumstad gebeurt het grootste aandeel van de overstappen van auto naar HOV in de kernen waar er P&R faciliteiten ter beschikking zijn. De kosten verder verhogen, zorgt niet voor veel meer multimodale trips en de resultaten van deze tarieven komen bijgevolg niet voor in tabel 6.3.

4€

5€

82 |

€1 Kern

€2

€3

# plaatsen

m²

# plaatsen

m²

# plaatsen

m²

6

157

4

105

2

61

Gasthuisberg Leuven Vaart

13

317

16

400

18

456

Campus

23

569

28

709

32

798

Leuven

29

731

4

98

1

24

Kessel-Lo Kesseldal

18

441

10

246

5

131

Heverlee

62

1547

28

699

15

369

Putkapel Kessel-Lo halte Haasrode

8

204

5

130

3

73

287

7170

432

10788

582

14543

8

194

5

115

3

64

Linden halte

31

784

10

258

6

152

Sint-Bernard

24

590

8

188

5

120

Sint-Joris-Winge

79

1973

130

3251

207

5171

Totaal

587

14676

679

16987

878

21962

Gemiddeld

49

1223

57

1416

73

1830

Tabel 6.3 Aantal overstappen van auto naar HOV, per kern op de corridor

6.3.5 Conclusie Het definiëren van het perfecte parkeerbeleid is niet eenvoudig. Elk onderzocht scenario heeft zijn voor- en nadelen bij aftoetsen aan de vooropgestelde doelstellingen. Het eerste scenario, waarbij reizigers zowel een parkeerkost betalen wanneer ze willen overstappen van de auto naar het HOV als wanneer ze de kern op de corridor als bestemming hebben, scoort het minst goed op alle vlakken. Het scenario heeft wel meer duurzame verplaatsingen tot gevolg ten opzichte van het referentiescenario, maar significant minder dan in de situaties die daarop volgen. Bovendien zijn er in dit scenario ook opvallend minder multimodale trips dan in de andere gevallen. Dit is ook af te leiden uit figuur 6.29 die de bereikbaarheid voor duurzame modi toont. De bereikbaarheidsindex voor de corridor ligt hier lager dan bij de andere parkeermaatregelen. Het tweede scenario heeft de grootste modal shift naar HOV tot gevolg en scoort dus goed bij de eerste doelstelling om zoveel mogelijk duurzame verplaatsingen te genereren. De hoge HOV-intensiteiten zullen eveneens een positieve invloed hebben op het efficiënt gebruik van het HOV. Door meer vraag te genereren zal de bezettingsgraad van de voertuigen stijgen en de HOV-lijn kostenefficiënter worden. Deze maatregel zorgt ook voor een hoge bereikbaarheid voor duurzame modi op de corridor doordat multimodale trips met de auto als voortransport goedkoop zijn.

| 83

Figuur 6.30 toont dit fenomeen voor een kern in het tussengebied. Ten opzichte van het vorige parkeerbeleid stijgt de bereikbaarheidsindex voor de corridor met 12%. Het beleid dat in elke kern parkeerfaciliteiten voorziet, heeft echter een negatieve ruimtelijke impact en scoort bijgevolg niet goed op vlak van leefbaarheid. Het laatste scenario, waarbij de parkeerkosten variëren op de corridor lijkt het midden te vinden tussen de twee eerste opties. Enerzijds heeft deze optie minder consequenties voor het ontwikkelingspotentieel van de kernen. Aangezien er slechts op enkele strategische posities P&R faciliteiten worden ingepland, blijft de ruimtelijke impact minimaal. Anderzijds is er nog altijd een duidelijke modal shift richting HOV en fiets die bijna even groot is als in het scenario met P&R faciliteiten over de hele corridor. Bovendien daalt de bereikbaarheidsindex voor de corridor slechts met 4% ten opzichte van het scenario waarbij in elke kern gratis parkeervoorzieningen zijn.

0 15 30 45 60 75 90 [min.]

Bereikbaarheidsindex: Totaal: 0.11 | Corridor: 0.25 | Tussengebied: 0.03

Figuur 6.29 Bereikbaarheidskaart, aangepast parkeerbeleid voor corridor, duurzame modi

0 15 30 45 60 75 90 [min.]

Bereikbaarheidsindex: Totaal: 0.12 | Corridor: 0.28 | Tussengebied: 0.03

Figuur 6.30 Bereikbaarheidskaart, variërend parkeerbeleid, duurzame modi

84 |

6.4 Snelheid De weerstand voor de auto verhogen op de corridor kan het gebruik van het HOV stimuleren. Eén manier om dit te doen is de snelheid van de auto verminderen door bijvoorbeeld een sterkere snelheidsbeperking in te voeren. Andere manieren zijn het aanbrengen van verkeersvertragende elementen zoals verkeersdrempels, wegversmallingen of verkeersremmende matten. Het model kan een hulpmiddel zijn om na te gaan wat de effecten zijn van deze interventies op de intensiteit van de auto op de corridor. Met het model werd een snelheidsvermindering van 45km/u tot 25 km/u met stappen van 5 km/u gesimuleerd. Figuur 6.31 toont het effect van het verlagen van snelheid op de kostenfunctie van de auto. De auto wordt, naarmate de snelheid ervan afneemt, minder interessant op korte afstanden ten voordele van het HOV en de fiets. kost 120

100

80

25

60

45

40

/u

km

Auto Fiets HOV

km/u

OV

20

0

0

2,5

5

7,5

10

12,5

15

17,5

20

[km]

Figuur 6.31 Kostenfuncties, variërende snelheid corridor

De resultaten van de simulatie in tabel 6.4 tonen dat een snelheidsverlaging van 45km/u naar 25km/u een daling van ongeveer 15% autoverkeer op de corridor met zich meebrengt. Er is dan ongeveer 4% meer fietsverkeer en net geen 3% meer HOV op de transportcorridor. Sommige reizigers zijn dus overgeschakeld naar de meer

| 85

duurzame modi. De kostenfuncties in figuur 6.31 tonen aan dat deze verschuiving vooral zal plaatsvinden op kortere afstanden. De snelheidsverlaging zorgt echter voor een stijging van het autoverkeer in het buitengebied van 5%. Om een idee te krijgen over het absolute verschil, is het nodig voor de verschillende snelheden de intensiteiten op het netwerk na te gaan. Tabel 6.4 toont dat de daling van 15% autoverkeer op de corridor, indien de snelheid verlaagd wordt van 45km/u naar 25km/u, overeenkomt met een effectieve daling van 524 auto’s per uur over het hele netwerk. In het buitengebied komen er echter 420 auto’s bij. Figuur 6.32 toont dit fenomeen: een snelheidsverlaging heeft als gevolg dat een groot deel autogebruikers niet overschakelen op een andere modus, maar een andere route kiezen en dus elders het verkeer belasten. In het totaal zijn er over het hele netwerk slechts 104 minder auto’s waar te nemen wat overeenkomt met 0,9% minder autoverkeer. Auto 45km/u

Fiets

(H)OV

C

T

Tot.

C

T

Tot.

C

T

Tot.

3437

8342

11778

1437

1353

2789

1259

27

1286

40km/u

3309

8463

11771

1437

1384

2821

1254

27

1281

35km/u

3205

8517

11722

1455

1414

2869

1257

28

1285

30km/u

3085

8629

11714

1471

1443

2913

1262

28

1290

25km/u

2913

8761

11674

1492

1484

2975

1295

28

1324

Δ 45-25km/u

-524

420

-104

55

131

186

36

1

37

%Δ 45-25km/u

-15%

5%

-1%

4%

10%

7%

3%

4%

3%

Tabel 6.4 Totaal aantal auto’s op corridor (C), in het tussengebied(T) en over totale netwerk

Figuur 6.32 Routewijziging t.g.v. snelheidsverlaging

Ter conclusie: een snelheidsvermindering op de corridor blijkt niet de gewenste gevolgen te hebben. Op vlak van leefbaarheid is de maatregel voordelig voor de kernen op de corridor. Er is namelijk minder autoverkeer ten voordele van een stijging in duurzame verplaatsingen met de fiets en het HOV. In het buitengebied is de situatie echter net omgekeerd. Daar is ten gevolge van routeverandering een ongewenste stijging van het autoverkeer waarneembaar. Tabel 6.5 op de volgende pagina toont voor een kern in het tussengebied de bereikbaarheidsindices voor de auto. Het is

86 |

vanzelfsprekend dat bij een snelheid van 25 km per uur de bereikbaarheid voor de auto daalt ten opzichte van een snelheid van 45 km per uur. De totale bereikbaarheidsindex daalt met 13%. Auto Corridor

Tussengebied

Totaal

0,30

0,04

0,16

0,25

0,04

0,14

-17%

0%

-13%

45km/u 25km/u %Δ 45-25km/u

Tabel 6.5. Bereikbaarheidsindices auto, kern 13

6.5 Feeder 6.5.1 Overstap OV-HOV-OV Door de dienstregeling van het OV en HOV op elkaar af te stemmen, is het mogelijk de wachttijd tussen een rit met het OV en het HOV en omgekeerd te verminderen. Het model kan analyseren wat de invloed is van een gereduceerde wachttijd voor deze overstap op de verschillende vervoersstromen. Hierbij is het van belang op te merken dat het in de praktijk moeilijk is de dienstregelingen volledig op elkaar af te stemmen. Het voordeel van het model is echter dat los van de haalbaarheid, de mogelijkheid bestaat om te onderzoeken of het effectief zou zijn voor de gestelde doelen. De resultaten in figuur 6.33 tonen dat, indien de wachttijd voor het lokaal OV vermindert, het aantal multimodale trips met deze modus als voor- of natransport toeneemt. Het aandeel OV blijft echter zeer laag, ook al wordt de wachttijd teruggedrongen tot 10 minuten. De bussen met een capaciteit van 70 passagiers, die in de ochtendspits twee maal per uur rijden, zullen een lage bezettingsgraad ondervinden. Auto-HOV

[vtg/u]

Fiets-HOV

OV-HOV-OV

45

35

24

18

14

600

11

700

68

800

367

364

360

358

356

355

400

354

500

300

256

257

258

259

261

263

265

20 min.

18 min.

16 min.

14 min.

12 min.

10 min.

100

22 min.

200

0

Figuur 6.33 Totaal aantal overstappen

| 87

Tabel 6.6 geeft de hoogste bezettingsgraad op het OV-netwerk weer voor verschillende wachttijden. In het geval van een wachttijd van 22 minuten is de hoogste bezettingsgraad op het netwerk slechts 6,2%. Vermindert de wachttijd tot slechts 10 minuten, dan is de hoogste bezettingsgraad significant groter, namelijk 30,7%. Een beschouwing van de gemiddelde bezettingsgraad over het hele netwerk geeft veel lagere cijfers. Om te voldoen aan de tweede doelstelling in verband met een efficiënt gebruik van openbaar vervoer, zijn deze bezettingsgraden niet hoog genoeg. De besproken maatregelen hebben dus maar een beperkt effect. Gem. intensiteit

Hoogste intensiteit

Gem. Hoogste bezettingsgraad bezettingsgraad

22 min.

0,613

4,32

0,9%

20 min.

0,797

5,62

1,1%

8,0%

18 min.

1,035

7,30

1,5%

10,4%

16 min.

1,341

9,48

1,9%

13,5%

6,2%

14 min.

1,845

12,78

2,6%

18,3%

12 min.

2,393

16,59

3,4%

23,7%

10 min.

3,117

21,46

4,5%

30,7%

Tabel 6.6 hoogste bezettingsgraad op OV-netwerk voor verschillende wachttijden

6.5.2 Alternatieve feedersystemen Aangezien het niet mogelijk blijkt om voor lokaal OV een voldoende bezettingsgraad te genereren, werd onderzocht wat de mogelijkheden zijn met andere feedersystemen. De optimale optie is een systeem met een kleine wachttijd en een beperkte capaciteit per voertuig heeft, om zo inefficiënte bezettingsgraden te vermijden. De vervoermodus die hiermee overeenkomt, is een kwalitatieve en innovatieve taxidienst die hetzelfde netwerk als de auto gebruikt. Deze dienst kan bijvoorbeeld het principe van PickMeUp44 of Uber45 hanteren, waarbij reizigers aan de hand van een mobiele applicatie een rit kunnen vinden en boeken bij taxichauffeurs. Dit soort collectieve taxidiensten, waarbij de wachttijden minimaal worden naarmate het aanbod stijgt, biedt zeker mogelijkheden om (voor)transport efficiënter te laten plaatsvinden. In het model gebruikt dit alternatieve feedersysteem hetzelfde netwerk als de auto, met uitzondering van de links op de corridor. Het doel van deze extra modus is immers om te dienen als voor- of natransport. Bovendien wordt de taxidienst op deze manier

__________________________________________ 44| 45|

PickMeUp, http://www.pickmeup.be/, laatst geraadpleegd op 16 mei 2015. Uber, https://www.uber.com/nl/, laatst geraadpleegd op 16 mei 2015.

88 |

geen alternatief voor het HOV. Het netwerk waarvan de taxi’s gebruik maken, is weergeven in figuur 6.34.

Figuur 6.34 Feedernetwerk

De netwerkparameters, gegeven in tabel 6.7, zijn gebaseerd op de tarieven van Uber voor Brussel. Er geldt een basistarief van € 1 en verder wordt een kost van € 0,9 per afgelegde kilometer aangerekend. Aangezien de taxi’s mee het autonetwerk gebruiken, geldt de aanname dat zij aan dezelfde snelheid- en capaciteitsbeperkingen onderhevig zijn. Gemiddeld duurt het 7,5 min. tussen de aanvraag van de Ubertaxi en het moment dat deze arriveert bij de klant. Aangezien wachten als twee maal duurder wordt ervaren dan onderweg zijn, is de wachtkost in dit geval gelijk aan 15 min. Feeder Parameters Commerciële snelheid Capaciteit

Link

Aankomst

Vertrek

Overstap

45 km/u

45 km/u

45 km/u

45 km/u

1200 vtg/u

1200 vtg/u

1200 vtg/u

1200 vtg/u

Basistarief

€0

€0

€1

€0

Kost per km

0,9 €/km

0 €/km

0 €/km

0 €/km

Wachtkost

0 min.

0 min.

15 min.

0 min.

Wachtkost HOV overstap

NVT

NVT

NVT

10 min.

Ticketkost HOV overstap

NVT

NVT

NVT

€ 0,6

Tabel 6.7 Modelparameters feedernetwerk

Zoals is af te leiden uit figuur 6.35, heeft de implementatie van Uber een positief effect op het aantal multimodale trips. Het aantal overstappen van OV/Uber naar HOV of omgekeerd verdubbelt, al blijft het in absolute termen erg klein. Het aantal overstappen met Uber als voortransport blijft echter laag ten opzichte van de andere modi. Dit is te verklaren door de hogere opstapkost dan voor openbaar vervoer en de hogere kost per kilometer dan voor de auto. De bezettingsgraad van de taxivoertuigen zal echter steeds beter zijn dan deze van de bus. Bussen hebben een vaste dienstregeling

| 89

en rijden dus ook als er (bijna) geen vraag is. Dit heeft een negatief effect op de gemiddelde bezettingsgraad. Bij een feedersysteem met taxi’s is dit fenomeen onbestaande. Als er geen vraag is, hoeven de taxi’s ook niet te rijden. Maakt één persoon alleen gebruik van de dienst en kan de taxi vier personen vervoeren, is de bezettingsgraad al 25%, wat veel hoger ligt dan de gemiddelde bezettingsgraden berekend in de vorige scenario’s met de bus als feeder. Deze maatregel scoort bijgevolg goed op de doelstelling over efficiënt gebruik van het openbaar vervoer. [vtg/u]

Auto-HOV

Fiets-HOV

Taxi-HOV-Taxi

800

11

600

22

700

354

357

500 400 300

100

Bus

0

Taxi

256

258

200

Figuur 6.35 Totaal aantal overstappen

6.6 Elektrische fiets 6.6.1 Potentiële groei elektrische fiets Zoals blijkt uit figuur 6.36, is de voorbije jaren de verkoop van elektrische fietsen sterk toegenomen. Elektrische trapondersteuning zorgt ervoor dat een fietser op een aangename manier grotere afstanden kan afleggen. Woon-werk verplaatsingen tot 15 à 20 km worden zo gemakkelijker om te overbruggen zonder bezweet aan te komen.46 Indien de elektrische fiets aan aandeel blijft winnen, wordt het een interessante extra vervoermodus voor woon-werk verkeer. [miljoen] 2,0 1,5 1,0 0,5 0

2012

2013

2014

2015

2016

2017

2018

Figuur 6.36 Verkoop elektrische fietsen in West-Europa __________________________________________

Fietsersbond, Potentieel en uitdagingen van de elektrische fiets, http://fietsersbond.be/elektrischefiets/ standpunt, laatst geraadpleegd op 17 apr. 2015.

46|

90 |

Vandaag mag er volgens de Europese wetgeving trapondersteuning zijn tot maximum 25 km/u. Indien fietspaden in de toekomst veilig ingericht worden voor zulke hogere snelheden, kan er ook voor deze hoge-snelheids-fietsers een plaats zijn. Bij een vergelijking van de snelheid van de elektrische fiets met de commerciële snelheid van het (hoogwaardig) openbaar vervoer, zou de fiets concurrentie kunnen worden voor OV. Deze kan dan immers ook gebruikt worden om grotere afstanden af te leggen. Daarenboven gaat er geen wachtkost gepaard met het gebruik van de fiets. Aan de hand van het model kan gesimuleerd worden wat deze technologische ontwikkeling betekent voor de vervoersvraag op de HOV-corridor. Er zijn ook elektrische fietsen op de markt die snelheden tot 45 km/uur kunnen halen. Volgens de huidige wetgeving behoren deze tot de categorie bromfiets klasse B.47 Dit soort fietsers kan dus geen gebruik maken van fietspaden en zal zich mee op de rijbaan bevinden. In het model zal een overschakeling van de gewone fiets naar een elektrische met zulke hoge snelheden niet gesimuleerd worden, aangezien zij geen gebruik maken van hetzelfde netwerk.

6.6.2 Kostenfunctie Om de kosten (in minuten) in functie van de afstand (in km) te bepalen, zijn er drie belangrijke parameters: de snelheid, de kost per kilometer en de comfortkost. De maximale snelheid van een elektrische fiets bedraagt 25 km/u. Deze snelheid zal echter niet de hele rit kunnen worden aangehouden wegens het oversteken van kruispunten, wachten aan lichten, ander fietsverkeer,... Gebaseerd op de richtlijnen voor het ontwerp van fietssnelwegen, is hier de aanname van toepassing dat de gemiddelde snelheid tussen 20 en 25 km/u zal liggen. De ontwerpsnelheid bedraagt namelijk 30 km/u en moet resulteren in het behalen van een gemiddelde trajectsnelheid van 20 km/u over het volledige tracé van de fietssnelweg, inclusief stops. Hoewel het gebruik van een elektrische fiets meer kosten met zich meebrengt dan een klassieke fiets, zoals een hogere aankoopkost, het opladen van een accu, hogere onderhoudskosten,... zijn de kosten per kilometer nagenoeg gelijk aan nul. Voor de comfortkost wordt dezelfde kost aangenomen als na kalibratie voor de gewone fiets. De comfortkost wordt niet verlaagd aangezien het fietsen nog steeds om een inspanning vraagt en het gebruik bij regenachtige dagen weinig comfortabel is. De grafiek in figuur 6.37 toont de kostenfuncties voor de verschillende modi. Het is __________________________________________ 47| Van den Bergh, J. (2013), De Kamer, Categorisering elektrische fietsen, http://www.dekamer.be/kvvcr/ showpage.cfm?section=qrva&language=nl&cfm=qrvaXml.cfm?legislat=53&dossierID=53-b130-673-05042012201314165.xml, laatst geraadpleegd op 17 apr. 2015.

| 91

duidelijk dat bij een gemiddelde snelheid die aanleunt bij 25 km/u, de elektrische fiets altijd een goedkoper alternatief is dan het openbaar vervoer. De snijpunten met de kostenfuncties van de auto en HOV bevinden zich op grotere afstandsklassen dan bij de traditionele fiets, respectievelijk op 5 km en 10 km. Voor een gemiddelde snelheid van 20 km/u is het gebruik van OV voordeliger vanaf 16 km en bevinden de snijpunten met de kostencurven van de auto en HOV zich respectievelijk op 3 km en 6 km. kost 120

100

80

20

25

60

/u

km

/u

km

Auto Fiets HOV OV

40

E-fiets

20

0

0

2,5

5

7,5

10

12,5

15

17,5

20

[km]

Figuur 6.37 Kostenfuncties, variërende snelheid elektrische fiets

Volgende tabel 6.8 bevat de gebruikte kosten voor het elektrische fietsnetwerk. E-fiets Parameters

Link

Aankomst

Vertrek

Overstap

20 km/u

20 km/u

20 km/u

20 km/u

Capaciteit

5000 vtg/u

5000 vtg/u

5000 vtg/u

5000 vtg/u

Comfortkost

Commerciële snelheid

1 min/km

0 min/km

0 min/km

0 min/km

Wachtkost HOV overstap

NVT

NVT

NVT

10 min.

Ticketkost HOV overstap

NVT

NVT

NVT

€ 0,6

Tabel 6.8 Modelparameters elektrische fietsnetwerk

92 |

6.6.3 Resultaten [vtg/u]

Auto-HOV

Fiets-HOV

E-fiets-HOV

100

56%

90

50

80 70

37% 31%

30 20%

20

23% 18%

50

Figuur 6.38 Totale intensiteit corridor

24%

20

E-fets

Fiets

HOV

70%

60

30

0%

Auto

91%

40 14%

10 0

Met e-fiets

9%

10 0

1% 1%

5%

0%

E-fets

40

Zonder e-fiets

[%]

Met e-fiets

Fiets

Zonder e-fiets

OV

60

Auto

[%]

Met e-fiets

Zonder e-fiets

135

256

205

354

457

Figuren 6.38 en 6.39 900geven de resultaten weer van de toedeling op het hypernetwerk dat een bijkomend 800 e-fietsnetwerk bevat. Er wordt een onderscheid gemaakt tussen 700 de modal split op de corridor en in het tussengebied. De introductie van een 600 e-fietsnetwerk zorgt500ervoor dat een aandeel van de fietsers (5 - 10%) overschakelt op een elektrisch exemplaar. De intensiteit op de autolinks daalt met 20%. Dit strookt 400 300 omdat nu ook voor langere afstanden een goedkoop alternatief met de verwachtingen beschikbaar is. De 200 grootte van de modal shift naar de elektrische fiets kan in realiteit 100 lager zijn dan de inschatting van het model omdat kruiselasticiteiten niet werden 0 gevalideerd.

Figuur 6.39 Totale intensiteit buitengebied

Het gebruik van deze extra modus zorgt ook voor een kleine daling (2%) van het gebruik van het openbaar vervoer. Er zijn echter wel meer overstappen naar het HOV en zoals duidelijk uit figuur 6.40 gebeurt het voortransport ook vaker met duurzame modi. Deze twee resultaten lijken op het eerste zicht contradictorisch, maar zijn te verklaren omwille van het groot aandeel verplaatsingen waarbij zowel herkomst als bestemming zich op de corridor bevinden. Voor deze verplaatsingen is de elektrische fiets een goed alternatief voor het HOV. De elektrische fiets vervangt dus meer trips die met het HOV gebeurden, dan dat hij extra multimodale verplaatsingen genereert als snel voortransportmiddel. De implementatie van het elektrisch fietsnetwerk verbetert dus de efficiëntie van het HOV niet, maar bevordert wel het aandeel aan duurzame verplaatsingen. Een logisch gevolg van de nieuwe modus is een verhoging van de algemene bereikbaarheid met duurzame modi.

| 93 [vtg/u]

Auto-HOV

Fiets-HOV

E-fiets-HOV

900 800 700 457

600 354

500 400

205

300 100

135

256

200

Met e-fiets

Zonder e-fiets

0

Figuur 6.40 Totaal aantal overstappen [%] 60

Zonder e-fiets

Zonder e-fiets

[%]

Met e-fiets

100

6.7 Deelauto’s en deelfietsen 56%

90

50

80

Met e-fiets

91%

70%

70 als overstapplaats te dienen op de corridor bieden de mogelijkheid om 40Transitparkings 37% 60

van het HOV naar de auto. Een systeem31% van deelauto’s zou daarbij een interessante 50 mogelijkheid kunnen zijn voor 23% mensen die zich verplaatsen van de corridor naar het 40 20% 18% 20buitengebied. Zij hebben nu enkel de mogelijkheid zich30te verplaatsen met de auto, of 14% via een multimodale verplaatsing met HOV en OV. 20 30

0Het

0%

9%

10

geen 0evidente

1% 1%

5%

Fiets

OV

Auto

E-fets

Fiets

HOV

Auto

toevoegen van deelauto’s aan het model is opgave. De kosten van de deelauto enkel inrekenen op de connector tussen het HOV-netwerk en het autonetwerk is niet correct, aangezien ook de kost per kilometer verschilt ten opzichte van een rit met de eigen auto. Om dit probleem op te lossen, is het mogelijk om een volledig nieuw netwerk te voorzien voor deelauto’s. Het scheiden van de twee auto-netwerken veroorzaakt echter een andere fout. Aangezien geen van beide netwerken rekening houdt met de totale intensiteit op het autonetwerk, is er tijdens het berekenen van de kosten door congestie een onderschatting van de totale intensiteit. Om dit te verhelpen, is een extra iteratiestap nodig, die de correcte kosten toevoegt aan de links op beide netwerken. Een tweede probleem is het feit dat de voornaamste voordelen die een deelauto biedt ten opzichte van een eigen auto net die kosten zijn die niet worden ingerekend in de kosten per kilometer voor de auto. Het gaat dan om aankoopkosten, onderhoudskosten en verzekering.

24%

Omwille van deze complicaties wordt besloten om binnen deze thesis het effect van deelauto’s niet te bestuderen. Hetzelfde geldt voor het gebruik van deelfietsen.

0%

E-fets

10

94 |

6.8 Frequentie en capaciteit Het model is ook inzetbaar om te testen wat de invloed is van een verhoging of verlaging van de frequentie. Het is belangrijk om dit na te gaan, aangezien de daling van de frequentie van een HOV-lijn een grote kostenbesparing kan betekenen. Met een lagere frequentie gaan echter ook grotere wachtkosten gepaard, hetgeen minder overstappen naar HOV tot gevolg heeft. Het bepalen van een goede frequentie en capaciteit zal dus een belangrijke trade-off inhouden tussen de kosten van de HOVlijn en het aantal reizigers. In principe zou een kosten-batenanalyse hier op zijn plaats zijn. Het uitvoeren van dergelijke analyse valt echter buiten de scope van deze thesis. Het eerste onderdeel bespreekt wel de investerings- en exploitatiekosten. Dan volgt een bespreking van de relatie tussen frequentie en wachttijd. Het laatste deel evalueert enkele scenario’s waarbij de frequentie wordt verlaagd.

6.8.1 Investerings- en exploitatiekosten De investeringskosten hebben zowel betrekking op de nieuwe infrastructuur als op rollend materieel. De tracés en dus ook de infrastructuurkosten zijn binnen deze thesis onveranderlijk. De investering in nieuw rollend materieel kan wel worden afgetoetst aan de hand van de vervoersvraag. Uit gegevens die beschikbaar gemaakt zijn door De Lijn voor de MKBA studie binnen het onderzoek van ORDERin’F blijkt dat een klassieke bus € 190 000 per voertuig kost.48 In vergelijking met het BAUscenario zullen ook de exploitatiekosten die gepaard gaan met de uitbreiding van het openbaar vervoer netwerk toenemen. Gemiddeld bedragen deze € 2,99 per afgelegde kilometer per bus (prijs 2009). Deze waardes omvatten o.a. kosten voor het beheer en onderhoud van nieuwe infrastructuur, loonkosten, energieprijs, onderhoudskost,... De analyse van de corridor Leuven-Diest dient als voorbeeld. De afstand Leuven station - Diest station bedraagt via de corridor 28,5 km. Volgens de dienstregeling die binnen Regionet Leuven werd opgesteld, bedraagt de frequentie in de ochtendspits zes bussen per uur. Aangezien een enkele rit langer dan een uur duurt, zullen er voor deze frequentie ook effectief zes bussen per uur nodig zijn. Tabel 6.9 toont de operationele kosten voor deze lijn, waarbij voor de kosten per jaar wordt uitgegaan van 254 werkdagen. Deze tabel toont ook het kostenverschil bij het verminderen van het aantal bussen per uur. Het is nu mogelijk om na te gaan tot hoeverre de frequentie en daarmee ook de kost kan verlagen, zonder de vervoersvraag voor het HOV te reduceren. __________________________________________ 48| Bulckaen, J., Macharis, C. & Hollevoet J. (2014), Maatschappelijke kosten-baten analyse binnen de case Leuven ‘ORDERin‘F’ – Eindrapport, MOBI, Vrije Universiteit Brussel, p38.

ddeld bedragen deze € 2,99 per afgelegde kilometer per bus (prijs 2009). Deze waardes omvatten o.a. kosten voor nalyse van de corridor Leuven-Diest dient als voorbeeld. De afstand Leuven station - Diest station bedraagt via er en onderhoud van nieuwe infrastructuur, loonkosten, energieprijs, onderhoudskost,... dor 28,5 km. Volgens de dienstregeling die binnen Regionet Leuven werd opgesteld, bedraagt de frequentie in | 95 endspits zes bussen per uur. Aangezien een enkele rit langer dan een uur duurt, zullen er voor deze frequentie o nalyse van de corridor Leuven-Diest dient als voorbeeld. De afstand Leuven station - Diest station bedraagt via tief zes bussen per uur nodig zijn. Tabel 6.9 toont de operationele kosten voor deze lijn, waarbij voor de kosten per j dor 28,5 km. Volgens de dienstregeling die met binnen Regionet Leuven werd opgesteld, bedraagt de frequentie in Frequentie eke bus bus€€190 190 000 000254 per pervoertuig voertuigkost. kost.1212Deze InInvergelijking vergelijking methet hetBAUBAUtieke uitgegaan van werkdagen. tabel toont ook het kostenverschil bij het verminderen van het aantal bussen endspits zes bussen per uur. Aangezien een enkele rit langer dan een5/u uur duurt, zullen er voor deze frequentie o Kosten 6/u an n met uitbreiding uitbreidingvan het hetopenbaar openbaarvervoer vervoernetwerk netwerktoenemen. toenemen. Hetmetisdedenu mogelijkvanom na te gaan tot hoeverre de frequentie en daarmee ook de kost kan verlagen, zonder tief bussen per uur nodig zijn. Tabelo.a. 6.9 toont de kosten voor deze lijn, waarbij voor de kosten per j rper perzes bus bus(prijs (prijs2009). 2009). Deze Deze waardes waardes omvatten omvatten o.a.kosten kostenvoor voor het het Kost ochtendspits €operationele 1.023 € 852 oersvraag voor het HOV te reduceren. n,uitgegaan energieprijs, energieprijs, onderhoudskost,... onderhoudskost,... ten, van 254 werkdagen. Deze tabel toont ook het kostenverschil bij Kost ochtend- en avondspits € 2.045 € 1.704het verminderen van het aantal bussen Het is nu mogelijk om na te gaan tot hoeverre de frequentie en daarmee Kost per jaar € 519.471 € 432.892 ook de kost kan verlagen, zonder beeld. rbeeld.De Deafstand afstandLeuven Leuvenstation station- -Diest Diest station stationbedraagt bedraagtvia viade de Frequentie oersvraag voor hetΔ kost HOVt.o.v te reduceren. 6/u / € 86.578

nRegionet RegionetLeuven Leuvenwerd werdopgesteld, opgesteld,bedraagt bedraagtde defrequentie frequentieininde de en 6/u 5/u eritritlanger langerdan daneen een uur uur6.9 duurt, duurt, zullen zullen ervoor voordeze deze frequentie frequentiebij ook ook Tabel Kosten buserop corridor Leuven-Diest verschillende frequenties ochtendspits € 1.023 € 852 per eoperationele operationelekosten kostenvoor voordeze dezelijn, lijn, waarbij waarbij voor voorde dekosten kosten perjaar jaar Frequentie ok kochtendhet hetkostenverschil kostenverschil bijbijhet hetverminderen verminderen van vanhet hetaantal aantal bussen bussenper per en avondspits € 2.045 € 1.704 en 6/u 5/u de e frequentie frequentieen endaarmee daarmeeook ookde dekost kostkan kanverlagen, verlagen,zonder zonderde de per jaar €€519.471 € 432.892 ochtendspits 1.023 € 852 / €€86.578 stochtendt.o.v 6/uen avondspits € 2.045 1.704 6.9 Kosten bus opIndien corridor bij verschillende frequenties deLeuven-Diest frequentie van een openbaar vervoerlijn stijgt om aan de verhoogde vraag per jaar € 519.471 € 432.892

6.8.2 Frequentie vs. wachttijd

te voldoen, dan daalt de wachttijd voor al de passagiers op die lijn. Dit zogenaamde

/ € 86.578 st t.o.v 6/u “Mohring effect” (1972) impliceert schaalvoordelen voor het aanbieden van openbaar 26.9 Frequentie vs. wachttijd Kosten bus op corridor Leuven-Diest bij verschillende frequenties

vervoer. Een hogere dichtheidstijgt van om passagiers zorgt er namelijk voor dat voertuigen n de frequentie van een openbaar vervoerlijn aan de verhoogde vraag te voldoen, dan daalt de wachttijd v kunnen rijden met een hogere bezetting, wat een verlaging van de kosten betekent passagiers op die lijn. Dit zogenaamde "Mohring effect" (1972) impliceert schaalvoordelen voor het aanbieden v 2 Frequentie vs. wachttijd 49 voor de openbare vervoermaatschappij. baar vervoer. Een hogere dichtheid van passagiers zorgt er namelijk voor dat voertuigen kunnen rijden met een hog nrequenties de frequentie van een openbaar vervoerlijn stijgt om aan de verhoogde vraag te voldoen, dan daalt de wachttijd v frequenties tting, wat een verlaging van de kosten betekent voor de openbare vervoermaatschappij.13 passagiers op die lijn. Dit zogenaamde "Mohring effect" (1972) impliceert schaalvoordelen voor het aanbieden v Voor het berekenen van de wachttijd bij het huidige aanbod aan openbaar vervoer baar vervoer. Een hogere dichtheid van passagiers50zorgt er namelijk voor dat voertuigen kunnen rijden met een hog werddedewachttijd volgende gebruikt : aan openbaar vervoer werd de volgende formule gebruikt14: het berekenen van bijformule het huidige aanbod 13 tting, een verlaging van de kosten betekent voor de openbare vervoermaatschappij. m maan aanwat de deverhoogde verhoogde vraag vraagte tevoldoen, voldoen, dan dandaalt daaltde dewachttijd wachttijd voor voor �� � � � � ��� � �� � � � � effect" ffect" (1972) (1972)impliceert impliceertschaalvoordelen schaalvoordelenvoor voorhet het�aanbieden aanbiedenvan van � �� orgt zorgt ernamelijk namelijkvoor voor dat voertuigen kunnen rijdenmet metaanbod een eenhogere hogere het er berekenen vandat devoertuigen wachttijdkunnen bij hetrijden huidige aan openbaar vervoer werd de volgende formule gebruikt14: ndede frequentie minstens voertuigen per uur bedraagt, geldtper er echter een andere vooreen de berekening van 1313 Indien de5frequentie minstens 5 voertuigen uur �bedraagt, geldtformule er echter de openbare openbarevervoermaatschappij. vervoermaatschappij. � �� � �geen � � ��� � ��� �meer � � houden ttijd. Bij hoge frequentie gaan reizigers immers rekening met de dienstregeling en naar de ha andere formule voor de berekening van de wachttijd. �� Bij hoge frequentie gaan 14 14 pen wanneer het hen uitkomt. Hierdoor wordt de wachtkost die gepaard gaat met thuis wachten geëlimineerd. Voor od d aan aanopenbaar openbaarvervoer vervoer werd werdimmers de devolgende volgende formule formule gebruikt gebruikt reizigers geen rekening meer: : houden de dienstregeling naar de n de frequentie��minstens 5 voertuigen per uur bedraagt, geldt met er echter een andere en formule voorhalte de berekening van 15 � � tkost (in euro) frequenties volgende formule : �� bij hoge ��� �� ����� ���� � geldt stappen wanneer het henimmers uitkomt.geen Hierdoor wordtmeer de wachtkost die gepaard gaat met ttijd.� ���Bij hoge gaan reizigers rekening �frequentie �� � �� houden met de dienstregeling en naar de ha � � � � ��� � � wachten geëlimineerd. Voor de (in� euro)gaat geldt bijthuis hogewachten frequenties pen wanneer hetthuis hen uitkomt. Hierdoor wordt de� wachtkost met geëlimineerd. Voor agt, gt, geldt geldtererechter echter een eenandere andere formule formule voor voorde de berekening berekening van vanwachtkost de de die gepaard �� 51 en ntkost rekening rekening meer meergeldt houden houden metformule de defrequenties dienstregeling dienstregeling en ennaar naarde dehalte halte15: volgende : (in euro) bij met hoge volgende formule � �� nhtkost de doorkomsten regelmatig kangeëlimineerd. aan �geëlimineerd. �� 0.5. De wachttijd is dan gelijk aan �� [u] of �� [m chtkost die diegepaard gepaardgaat gaat met metthuis thuiszijn, wachten wachten Voor Voorworden de de � gelijkgesteld �� � � � ��� � � � 1515 mule rmule :: een frequentie van 6 voertuigen per uur bedraagt de wachttijd�dan � 10 minuten. Figuur 6.41 en tabel 6.10 geven ��� � � �� �� �nenties ��de ���� ��� � ��� en aan wachttijden die hiermee gepaard gaan. Eenaan wachttijd heeft grotere doorkomsten regelmatig zijn, kan �� regelmatig gelijkgesteld worden 0.5. De wachttijd is dan aan [u]het of �HOV [m ��� � de Indien de doorkomsten zijn, kan ehogere gelijkgesteld worden aangelijk 0.5.kosten De �van � � t �� �� �� g waardoor de verlaging van frequentie gepaard gaat met een daling van de bereikbaarheidsindex voor duurza wachttijd isisdan [u] ofof��� �de [min]. Voor een vanFiguur 6 voertuigen dldeen worden worden aan aan0.5. 0.5.De Dewachttijd wachttijd isdan dangelijk gelijk gelijk aan aan �bedraagt [u]of [min]. [min]. frequentie van 6 voertuigen per aan uur wachttijd dan frequentie 10 minuten. 6.41 enper tabel 6.10 geven � � � . uur bedraagt de wachttijd dan 10 minuten. Figuur 6.41 en tabel 6.10 op de volgende enties aandan en 10 de wachttijden die hiermee gaan. de e wachttijd wachttijd dan 10minuten. minuten.Figuur Figuur 6.41 6.41 en entabel tabelgepaard 6.10 6.10geven geven de de Een hogere wachttijd heeft grotere kosten van het HOV gaan. Een Eenhogere hogere wachttijd wachttijdgeven heeft heeft grotere kosten kostengepaard van van het heten HOV HOV de frequenties aan detottot wachttijden die hiermee gaan. Een voor duurza ggaan. waardoor de pagina verlaging vangrotere frequentie gaat met een daling van de gepaard bereikbaarheidsindex gaat aat meteen eendaling daling van vande dewachttijd bereikbaarheidsindex bereikbaarheidsindex voor voor duurzame duurzame hogere heeft grotere kosten van het HOV tot gevolg waardoor de verlaging . met

                                                      __________________________________________

ckaen, J., Macharis, 49| C. & Hollevoet J. (2014), Maatschappelijke kosten-baten analyse binnen de case Leuven  ‘ORDERin‘F’ – Eindrapport, MOBI, Parry, I., & Small, K. (2009), Should Urban Transit Subsidies Be Reduced?, American Economic Review, niversiteit Brussel, p38. 99(3), p. 700. 50| Tirachini, Hensher, & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail ry, I., & Small, K. (2009), Should A., Urban Transit Subsidies Be Reduced?, American Economic Review, 99(3), p. 700.                                                       D.A. and &bus rapid transit a radial public and transport Research in Transportation (1)a, radial public transp chini, A., Hensher, D.A. Jara-Díaz, R. S.over (2010), usersnetwork, costs ofanalyse light rail, heavy rail andLeuven bus Economics, rapid transit 29 over sten-baten osten-baten analysebinnen binnen de deHollevoet case caseLeuven Leuven  ‘ORDERin‘F’  ‘ORDERin‘F’ – –Operator Eindrapport, Eindrapport, MOBI, MOBI, ckaen, J.,analyse Macharis, C. & J. (2014), Maatschappelijke kosten-baten binnen de case  ‘ORDERin‘F’ – Eindrapport, MOBI, p. 234. k, Research in Transportation 51| niversiteit Brussel, p38. Ibidem. Economics, 29 (1), p. 234.  ced?, uced?, Economic Economic Review, 99(3), 99(3), p.p.R. 700. 700. achini, A., Hensher, D.A.Review, &Should Jara-Díaz, S. (2010), Operator and users costs of light rail, heavy rail and99(3), bus rapid transit over a radial public transp ry, I., American &American Small, K. (2009), Urban Transit Subsidies Be Reduced?, American Economic Review, p. 700. sers users costs costsofoflight light rail, rail,heavy heavyrail railand and bus busrapid rapidtransit transit over overap.aradial radialpublic publictransport transport k, Research in Transportation Economics, 29 (1), 234.   chini, A., Hensher, D.A. & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail and bus rapid transit over a radial public transp

  publictransport k, Research in Transportation Economics, 29 (1), p. 234. sers userscosts costsofoflight lightrail, rail,heavy heavyrail railand andbus busrapid rapidtransit transitover overa aradial radialpublic transport achini, A., Hensher, D.A. & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail and bus rapid transit over a radial public transp k, Research in Transportation Economics, 29 (1), p. 234. 

96 |

van frequentie gepaard gaat met een daling van de bereikbaarheidsindex voor duurzame modi. 30

Frequentie spits

Wachttijd

25

1/u

27,8 min.

20

2/u

17,9 min.

15

3/u

14,6 min.

4/u

12,95 min.

5/u

12 min.

6/u

10 min.

7/u

8,57 min.

10 5 0

1

2

3

4

5

6

Tabel 6.41 Frequenties en wachttijden (spits)

7

Tabel 6.10 Frequenties en wachttijden (spits)

Merk op dat de wachttijd voor een frequentie van 2 voertuigen per uur lager ligt dan de aanname voor het huidige busnetwerk. Dit komt omdat het HOV in een eigen bedding zal rijden en de dienstregeling dus betrouwbaarder is dan wanneer bussen de rijbaan delen met het autoverkeer. In de formule van wachttijden voor lage frequenties wordt de epsilon-waarde dan 0,5 in plaats van 0,7.52

6.8.3 Resultaten 6.8.3.1 Referentiescenario De eerste test gebeurt voor het groeiscenario 2050, met evenwaardige kernen en waarbij er sturing optreedt. De frequentie wordt gevarieerd tussen zeven voertuigen per uur en één voertuig per uur. Tabel 6.11 geeft de resultaten. Het is duidelijk dat het verlagen van het aantal bussen ook een lagere intensiteit op de HOV-links tot gevolg heeft. Het halveren van de frequentie komt ongeveer overeen met 50% minder vraag voor HOV. Het schrappen van een aantal bussen per uur lijkt hierdoor niet wenselijk. Vanuit het oogpunt van een efficiënt HOV-gebruik, brengt een reductie van de frequentie wel voordelen met zich mee. De hoogste bezettingsgraad wordt waargenomen bij een frequentie van 2 bussen. Merk op dat het hier nog steeds om een zeer lage bezettingsgraad gaat. Dit komt omdat er in dit scenario nog geen maatregelen zijn toegepast om het gebruik van het HOV te intensifiëren. Bovendien wordt een deel van de verplaatsingen niet gemodelleerd (zie 5.5.6), waardoor er een onderschatting optreedt van de intensiteit op het HOV-netwerk.

__________________________________________ 52| Tirachini, A., Hensher, D.A. & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail and bus rapid transit over a radial public transport network, Research in Transportation Economics, 29 (1), p. 239.

| 97

Frequentie [1/u]

7

6

5

4

3

2

1

Capaciteit [pass./u]

980

840

700

560

420

280

140

Gem. volume/link

64,7

55,6

44,8

40,2

33,3

22,5

6,4

Gem. volume/link/bus

9,2

9,3

9,0

10,1

11,1

11,2

6,4

Gem. bezetting/link/bus

6,6%

6,6%

6,4%

7,2%

7,9%

8,0%

4,6%

Tabel 6.11 Gemiddelde intensiteit en bezetting van HOV-links i.f.v. frequentie

6.8.3.2 Parkeerbeleid Onder de doelstelling voor het efficiënt gebruik van HOV is de eis gesteld om een minimale bezettingsgraad van 50% te bereiken. Om hieraan te kunnen voldoen, gebeurt de volgende simulatie voor het scenario dat de grootste intensiteit op het HOV-netwerk heeft. Het gaat hierbij om het scenario met €5 parkeerkosten op de corridor indien een kern op de corridor de eindbestemming is en waarbij de overstap van de auto naar de corridor gratis is. De resultaten van de variatie van de frequentie van het HOV, zijn weergegeven in tabel 6.12. Frequentie [1/u]

7

6

5

4

3

2

1

Capaciteit [pass./u]

980

840

700

560

420

280

140

238 34 Gem. bezetting/link/bus 24%

222 37 26%

200 40 29%

188 47 34%

170 57 40%

133 67 48%

53 53 38%

Gem. volume/link

Gem. volume/link/bus

Tabel 6.12 Gemiddelde intensiteit en bezetting van HOV-links i.f.v. frequentie

Ook na deze simulaties blijkt dat in termen van bezettingsgraad een frequentie van twee bussen per uur de meest kosten-efficiënte keuze is. Uit tabel 6.8 blijkt dat de exploitatiekosten van één bus in de spits minstens €86.000 per jaar kost. Het gebruik van minder bussen betekent dus een grote besparing in exploitatiekosten. Bovendien houdt de keuze voor de frequentie met de hoogste bezettingsgraad ook de laagste kost per passagier in voor de vervoersmaatschappij. Een lagere frequentie gaat echter steeds gepaard met een lager volume reizigers op het HOV-netwerk. Het is belangrijk om de impact van dit effect op de modal split na te gaan. Figuur 6.42 geeft de gemiddelde modal split weer op de links van de corridor. Hieruit blijkt dat het aandeel van de auto licht stijgt met lagere frequentie en dat de fiets in grotere mate aan aandeel wint. Door een reductie van het aantal verplaatsingen met het HOV, vindt er ook een daling plaats van het gebruik van de auto en fiets als voortransport. De modal shift bij lage frequentie van het HOV, betekent dat bepaalde multimodale verplaatsingen met auto en HOV, nu volledig vervangen worden door verplaatsingen met de fiets. Dit is uiteraard te wijten aan het feit dat met het toekomen

98 |

met de auto op de corridor hoge kosten geassocieerd worden. Hierdoor vallen de kostenfuncties voor auto en HOV samen bij een frequentie van één bus per uur. De fiets is dan de goedkoopste optie tot een afstand van 10 km. Er kan uiteraard niet geconcludeerd worden dat de optie met een parkeerkost op de corridor van €5 en een frequentie van één bus per uur het beste scenario is omdat deze het meeste duurzame verplaatsingen tot gevolg heeft. Deze combinatie van maatregelen zal immers geen draagvlak vinden waardoor reizigers in realiteit niet zo gemakkelijk zullen overstappen op de fiets als in het model. Een beter besluit is dat volgens het model een zo hoog mogelijke frequentie het beste is wat betreft volume reizigers op het HOV-netwerk, maar dat een frequentie van twee bussen per uur kosten-efficiënter is. Auto

[%]

Fiets

HOV

100 90 80

26%

29%

32%

34%

37%

43% 58%

70 60 50

52%

40

49%

45%

42%

39%

31%

30 20 10 0

13%

22%

22%

23%

24%

24%

25%

29%

7

6

5

4

3

2

1

[1/u]

Figuur 6.42 Gemiddelde modal split van links op de corridor

6.8.3.3 Conclusies Ter conclusie: aan de hand van het model blijkt dat de stijging van het volume door de verhoging van de frequentie niet groot genoeg is om ook een stijgende bezettingsgraad tot gevolg te hebben. Dit is enkel het geval wanneer de frequentie stijgt van één bus naar twee bussen per uur. Het is dus niet mogelijk om de frequentie te verlagen zonder de vervoersvraag te reduceren, wat de stelling was in onderdeel 6.8.1. Het is wel mogelijk om een tussenoplossing te kiezen die een trade-off is tussen een acceptabele bezettingsgraad, dus efficiëntie van het openbaar vervoer, en voldoende volume op het HOV-netwerk om de gewenste modal shift te bereiken. Binnen Regionet Leuven bestond voor het rollend materiaal ook de optie voor light rail of een sneltram. Uit de MKBA studie blijkt dat de prijs voor dergelijke ingreep veel hoger ligt dan die van vrije busbanen. De prijs voor een tram bedraagt 3,75 miljoen euro per voertuig en kost €4,6 per afgelegde kilometer. In vergelijking met een bus biedt de tram echter niet veel extra voordelen, buiten dat deze een hogere capaciteit heeft en aan hogere commerciële snelheid rijdt. In Regionet Leuven worden echter bussen op eigen bedding verondersteld. Dit soort openbaar vervoer heeft een lagere

| 99

capaciteit dan tramlijnen, maar haalt dezelfde snelheden. Aangezien uit voorgaande resultaten blijkt dat de bezettingsgraad van de bussen in vrije bedding laag blijft voor verschillende frequenties, zal de optie om de lijnen te bedienen met een tram nooit kosten-efficiënter zijn.

6.9 Combinatie

12

596

37

Het laatste scenario is een combinatie van verschillende maatregelen, die eerder apart getest werden. Deze optie wordt vervolgens vergeleken met het referentiescenario om het effect van deze maatregelen op het gebruik van het netwerk te onderzoeken. Eerst en vooral houdt dit scenario rekening met een gevarieerd parkeerbeleid. Op de corridor is er een kost van €3 om te parkeren, tenzij men overstapt in een van de kernen waar een overstapparking is voorzien. In dat geval is de parkeerkost €0. In de centrumstad betaalt men €6. Verder gaat deze combinatie uit van een alternatief feedersysteem met een taxidienst. Tenslotte veronderstelt dit scenario een verlaging van de snelheid op de corridor tot 30 km/u door middel van verkeersvertragende elementen. Het scenario houdt geen rekening met de elektrische fiets. De combinatie met deze maatregel aandeel OV-HOV-OV van elektrische fietsers tot gevolg [vtg/u]heeft immers Auto-HOV eenFiets-HOV 1200 dat onrealistisch groot lijkt. Dit is toe te schrijven aan de afwezigheid van een juiste validatie van kruiselasticiteiten. De resultaten van het scenario waarbij de elektrische 1000 fiets wel een mogelijke vervoerwijzekeuze is, zijn bijgevoegd in bijlage C. 800 600

[vtg/u]

Referentie

Combinatie

Referentie

227

397

394

De intensiteiten voor de verschillende scenario’s in figuren 6.43 en 6.44 tonen dat de 400 gecombineerde maatregelen een significant effect hebben op de netwerkstromen. 200 met 55% op de corridor en met 26% in het buitengebied. Het autoverkeer daalt Het gebruik van de fiets stijgt dan weer met 55% op de corridor en met 77% in het 0 buitengebied. Het HOV stijgt met 88 % als gevolg van de verschillende maatregelen om het gebruik van deze modus te stimuleren.

9000

3000

8000 6000

2000

Figuur 6.43 Totale intensiteit corridor

8129

54

0

28

1490

1000

OV

2000

2634

6052

3000

Fiets

HOV

Fiets

Auto

0

4000

Auto

1318

2483

2542

3171

1641

500

5000

1431

1000

Combinatie

7000

2500

1500

Referentie

[vtg/u]

Combinatie

3500

Figuur 6.44 Totale intensiteit buitengebied

100 |

Ten opzichte van het referentiescenario, stijgt het aantal multimodale trips met 60%. Zoals blijkt uit figuur 6.45 is er echter een gelijkmatige stijging per modus en het aandeel overstappen met duurzame modi blijft ongeveer gelijk. Het lokaal OV, in de vorm van een taxidienst, wordt ook meer als voortransport gebruikt dan in het referentiescenario. Tabel 6.13 toont waar de overstappen plaatsvinden van de auto naar het HOV en wat dit betekent in termen van ruimtegebruik. Door het variërend parkeerbeleid toe te passen, gebeurt in 94% van de gevallen de overstap van de auto naar het HOV in een kern waar P&R faciliteiten zijn voorzien. [vtg/u]

Auto-HOV

Fiets-HOV

OV-HOV-OV

1200 37

1000

12

596

800

400

227

200

397

394

600

Combinatie

Referentie

0

Figuur 6.45 Totaal aantal overstappen

9000

72

2773 452 1800

4000 3000 2000 1000 0

63 459

32 1 5

15

803 24

132 371

Putkapel

10

260

3

76

Kessel-Lo halte

108

2696

473

11824

Haasrode

11

282

3

66

Linden halte

42

1051

10

239

Sint-Bernard

29

729

7

165

Sint-Joris-Winge

29

724

225

5635

Totaal

454

11342

794

19857

Gemiddeld

38

945

66

1655

Tabel 6.13 Aantal overstappen van auto naar HOV, per kern op de corridor

54

18

268

3 18

28

111

1318

1641

11

HOV

Heverlee

Auto

0 Kessel-Lo Kesseldal

Fiets

Leuven 500

2542

3171

1431

Campus 1000

5000

OV

150

m²

2634

157

6

6000

# plaatsen

1490

6

Leuven Vaart 1500

7000

6052

Gasthuisberg 2000

2483

m²

2500

Combinatie

8000

# plaatsen

Combinatie

Fiets

Referentie

3000

Referentie

[vtg/u]

Combinatie

Auto

Referentie

3500

8129

[vtg/u]

| 101

De gecombineerde maatregelen scoren algemeen beter op de doelstellingen opgesteld in het begin van het hoofdstuk. Doordat de meeste ontwerpbeslissingen gebaseerd zijn op het ontmoedigen van autoverkeer, is er een daling van de bereikbaarheid met de auto op de corridor waar te nemen. De totale bereikbaarheid vermindert met 14%. Het auto-aandeel op de corridor daalt sterk ten voordele van het HOV en de fiets. Een stijging van de HOV-intensiteit heeft een positief effect op de efficiëntie van deze modus. Hogere vervoersstromen betekenen immers een hogere bezettingsgraad. Bovendien zorgt het parkeerbeleid voor een zo min mogelijke impact op de open ruimte.

7|

Eindconclusie

| 105

7.1 Modelopbouw De opbouw van een multimodaal model is geen vanzelfsprekende opgave. Voornamelijk bij het vereenvoudigen van het netwerk zorgt de multimodaliteit voor complicaties. Zo is het niet mogelijk om de gebieden rond het studiegebied te aggregeren en verplaatsingen van deze geaggregeerde gebieden zonder meer op het netwerk te doen verschijnen. Het is immers onmogelijk om a priori deze stromen aan een bepaald vervoersnetwerk toe te wijzen. Er bestaat bijgevolg een trade-off tussen een gedetailleerd en uitgebreid model, waarin veel verplaatsingen kunnen gemodelleerd worden en een vereenvoudigd model dat toelaat om snel berekeningen te maken. In deze thesis primeert het gebruik van het model als ontwerptool dat iteratief tijdens het ontwerpproces inzetbaar is. Daarom is de finale vorm van het netwerk eenvoudig gebleven. Bij analyse van de resultaten moet dan wel altijd in rekening worden gebracht dat er een onderschatting optreedt van het aantal verplaatsingen op het netwerk.

7.2 Modelmatig onderzoek Na de opbouw van het model volgde het testen van enkele scenario’s die verband houden met mogelijke beslissingen die een ontwerper moet nemen. Hierbij gebeurde altijd een toetsing aan drie doelstellingen: duurzame verplaatsingen, efficiëntie van (H)OV en bereikbaarheid. Hoewel het ontwikkelde model dienst doet als een kwantitatieve evaluatietool, zijn niet alle aspecten binnen een ontwerp vertaalbaar naar een kwantitatieve doelstelling. Bovendien is het niet evident om voor de opgestelde doelstellingen exacte criteria te bepalen. Daarom zal het gebruik van het model altijd moeten samengaan met verkeerskundige expertise en inzicht in ruimtelijke aspecten. Het gaat immers niet om een tool die op zich staat, maar om een hulpmiddel dat een ondersteunende rol speelt bij het maken van ontwerpbeslissingen. Analyse van de verschillende scenario’s leidt tot een aantal besluiten over de inzetbaarheid van het model als een kwantitatieve evaluatietool. Voor een aantal aspecten blijkt het model nog niet op punt te staan. Zo is het model - zoals het nu is gevalideerd - niet geschikt om scenario’s met deelauto’s of deelfietsen te modelleren. De berekening van de kostenfuncties in het model gebeurt namelijk zonder aankoopkosten, onderhoudskosten en verzekering van het voertuig in rekening te brengen. Het is echter net om deze kosten te vermijden dat mensen opteren om over te schakelen op het gebruik van deelauto’s en deelfietsen. Een andere moeilijkheid doet zich voor bij het modelleren van scenario’s waarbij de elektrische fiets een mogelijke vervoersmodus is. Door het gebrek aan validatie van kruiselingse elasticiteit tussen de verschillende modi, lijkt de modal shift van auto naar

106 |

(elektrische) fiets onrealistisch hoog. Onderdeel 7.3 beschrijft op welke manier de validatie van kruiselasticiteiten kan gebeuren. De onderschatting van de totale intensiteit op het netwerk, doordat verplaatsingen met hun herkomst en/of bestemming buiten het model niet zijn ingerekend, is een laatste complicatie voor het evalueren van scenario’s. Zo is het bijvoorbeeld moeilijk om uitspraken te doen over de bezettingsgraad, de prestatie-indicator voor efficiëntie. De exacte bezettingsgraden van het (H)OV bij een nieuw feeder-systeem of bij het verlagen van de frequentie zijn niet te bepalen. Het is echter wel mogelijk om te evalueren hoe gevoelig de bezettingsgraad is aan veranderingen in ontwerpparameters. Deze vaststelling geldt voor alle scenario’s. Zo is het model uiterst geschikt om de relatieve veranderingen in intensiteiten te evalueren bij het verhogen van het parkeertarief of bij een verandering van het beleid. Het model blijkt ook een nuttige tool om de impact van een variërende snelheid op de corridor te analyseren. Daarbij viel de routewijziging die gepaard gaat met het verlagen van de snelheid, op als een belangrijk neveneffect om mee rekening te houden bij het ontwerp. Over het algemeen blijkt het model dus minder nuttig als een precieze schatting van volumes vereist is, maar is het wel een efficiënt hulpmiddel om bepaalde trends te ontdekken.

7.3 Verder onderzoek Doorheen het testen van verschillende scenario’s blijkt dat het model een bijdrage zou kunnen leveren aan projecten die een invloed hebben op het gebruik van verschillende vervoersnetwerken, zoals Regionet Leuven. Concreet is het voor dit project mogelijk de frequentie en capaciteit van de voertuigen te bepalen voor het HOV en op welke manier de afstemming van het voortransport het best gebeurt. Voor het complementaire autonetwerk bestaat het potentieel om na te gaan welke locaties geschikt zijn voor de implementatie van een overstapparking en wat een goede benadering is voor de capaciteit voor elk van deze parkings. Bovendien kunnen analyses uitwijzen tot hoeverre het gebruik van de auto moet worden ontmoedigd om een hoger gebruik van het HOV te bekomen. Tenslotte laat een evaluatie van de bereikbaarheid de ontwerper toe om na te gaan welke verbindingen tussen sterke HB-relaties hij verder dient te optimaliseren. De beperkingen besproken in 7.1 en 7.2 zorgen er echter voor dat het model momenteel nog niet kan functioneren om dergelijke analyses en beslissingen volledig te ondersteunen. Verdere optimalisatie van het model is nodig, zodat het wél een betrouwbaar tool wordt dat belangrijke beslissingen kan ondersteunen. Verder volgt een samenvatting van de uitdagingen die nog resten voor verder onderzoek.

| 107

Vorm van het netwerk Het netwerk in deze thesis heeft slechts een kleine omvang. Door enkel een kleine uitsnede te beschouwen van het grid van centrumsteden, is de rekentijd van het model tot een minimum beperkt. Op deze manier is het eenvoudig inzetbaar om snel gevoeligheden te testen en ruwe schattingen te maken. Het nadeel is dat hierdoor een groot deel verplaatsingen niet wordt gemodelleerd en intensiteiten op het netwerk een onderschatting zijn van de realiteit. Een vervolgonderzoek zou meer gewicht kunnen geven aan de nauwkeurigheid van het model door een grotere uitsnede van het netwerk te beschouwen. Kalibratie en validatie Een groot deel van de parameters, zoals bijvoorbeeld maximale snelheid en capaciteit, werden vastgesteld aan de hand van literatuur. Een proces van trial-anderror bepaalde de waardes van overige variabelen. Dit gebeurde op basis van een vergelijking tussen de resultaten van het model en gegevens uit het OVG. De finale set parameters is degene die op deze manier de kleinste fout gaf ten opzichte van de huidige modal split voor woon-werk verkeer. Deze set is echter suboptimaal. Het is immers duidelijk uit de resultaten van de validatie dat er nog steeds sprake is van afwijkingen van het gewenste aandeel verplaatsingen. Relatief gezien zijn de fouten het grootst voor het OV. Het ontwikkelen van een algoritme zou toelaten om gerichter op zoek te gaan naar de optimale combinatie van waardes. De opbouw van dergelijk algoritme valt buiten de scope van deze thesis, maar zou in verder onderzoek kunnen uitgewerkt worden. De gevoeligheid van de vervoerwijzekeuze voor veranderingen in ontwerpparameters is binnen deze thesis niet gevalideerd. Hiervoor was immers geen data over kruiselasticiteiten beschikbaar. Toch is voor het testen van scenario’s met dit model verdergewerkt. Het doel van deze thesis was immers om na te gaan op welke manier een model inzetbaar is tijdens het ontwerpproces. Indien het model moet dienen om beslissingen te nemen in de realiteit, is het van belang dat deze validatie wel gebeurt. Elasticiteiten Voor de validiteit van het model is de juiste definitie van kruiselasticiteiten cruciaal. Deze gegevens zijn echter moeilijk te bepalen en sterk afhankelijk van een heel aantal randvoorwaarden. Om de kruiselasticiteiten voor de regio Leuven in de huidige situatie te bepalen, is het daarom nodig een stated preference (SP) of revealed preference (RP) onderzoek uit te voeren. Vervolgens is het ook nodig de kruiselasticiteiten na te gaan voor het HOV. De resultaten van een SP enquête zullen echter maar in beperkte mate betrouwbaar zijn. Het is immers voor de geënqueteerden zeer moeilijk om uitspraken te doen over het gebruik van een vervoermiddel dat momenteel nog niet geïmplementeerd is.

108 |

Bijkomende scenario’s Bij het opstellen van groeiscenario’s werd nooit rekening gehouden met veranderingen in attractie. De kernen op de transportcorridor zullen echter grotere attractiepolen worden als gevolg van de implementatie van de HOV-corridors en zullen meer vraag aantrekken. Een voorspelling over de veranderende verdeling van arbeidsplaatsen, schoolbanken en andere bezoekersfuncties is vandaag niet beschikbaar. Deze prognoses zijn echter wel van groot belang om de vraag juist te modelleren. Indien in een verder stadium een schatting beschikbaar is van de toekomstige attractie, is het nodig om deze ook in rekening te brengen in de groeiscenario’s. Wegens gebrek aan specifieke gegevens over auto- of OV-captives in de ochtendspits, zijn al de opstelde scenario’s uitgevoerd op een netwerk waarbij de gehele populatie bestaat uit keuzereizigers. Een verdere literatuurstudie of onderzoek aan de hand van SP of RP enquêtes zou het mogelijk maken een juistere schatting te maken van het aantal captives in de ochtendspits. In dit geval is het, zeker voor de betrouwbaarheid van het model, een meerwaarde om deze in rekening te brengen tijdens de toedeling. Tenslotte is het ook mogelijk om op lokaler niveau ingrepen te doen op het netwerk. Zo kunnen bijvoorbeeld de eigenschappen van slechts bepaalde links van een netwerk aangepast worden. Een andere mogelijkheid is om de vorm te transformeren door bepaalde links te verwijderen of net toe te voegen.

8|

Bijlage

| 113

Bijlage A: Netwerkvormen Netwerkvorm 1: De elementaire spie Voor het bepalen van de gereduceerde netwerkvorm is eerst een beschouwing van het netwerk in zijn geheel aan de orde. Figuur 8.1 is een conceptuele voorstelling van de relatie tussen regionale centrumsteden: een grid van radiaalstructuren. Een eerste optie is om slechts één halve spie van de radiaalstructuur te beschouwen, zoals aangeduid in het blauw op de figuur.

Figuur 8.1 Selectie spie in een grid van radiaalstructuren

Deze netwerkvorm bezit alle fundamentele elementen: centrumstad, transportcorridors en een tussengebied. Ter vereenvoudiging krijgen de verschillende kernen en dus haltes op de HOV-corridor dezelfde afstand van elkaar toegewezen. Bovendien is deze netwerkvorm de kleinste vorm waarbij alle soorten verplaatsingen met een hoge prioriteit kunnen gemodelleerd worden. Figuur 8.2 toont welke verplaatsingen een model met deze netwerkvorm al dan niet kan weergeven. Diegenen die niet volledig aanwezig zijn in het model, kregen een aanduiding in stippellijn. Het gaat over bepaalde verplaatsingen van categorie B en C en over de verplaatsingen van categorie E. Al deze verkeersstromen komen van een zone buiten het model of verlaten de grenzen van het model. C

B D E

A

Figuur 8.2 Mogelijke en niet mogelijke verplaatsingen

114 |

Indien de herkomst en/of de bestemming van een verplaatsing niet aanwezig is in het beschouwde netwerk, zijn er een aantal manieren om deze verplaatsing toch in rekening te brengen. Een eerste werkwijze houdt in de gebieden rondom het studiegebied te aggregeren en de verplaatsingen in kwestie van of naar een bepaalde geaggregeerde kern te sturen. Een tweede manier maakt gebruik van de symmetrie van verplaatsingen, een methode toegepast bij de volgende netwerkvorm. Figuur 8.3 illustreert de methode van aggregatie. Het donkergrijze gebied is het studiegebied, omringd door een buitengebied onderverdeeld in vier grote zones. Een verplaatsing die bijvoorbeeld zijn herkomst in het lichtgrijze gebied in de zone in het zuidwesten heeft, wordt getransformeerd naar een verplaatsing van de kern in het midden van deze zone. Dit heeft als voordeel dat berekening van routekeuze voor het netwerk dat niet tot het studiegebied behoort niet nodig is. Wanneer het model niet enkel routekeuze modelleert, maar ook de vervoerwijzekeuze, is de toepassing van deze vereenvoudiging niet zonder meer mogelijk. Dit is het geval voor het hier opgebouwde model. De reiziger maakt simultaan een keuze voor een modus en een route op het netwerk van deze modus.

Figuur 8.3 Aggregatie van zones buiten het studiegebied

Figuur 8.4 illustreert dat de vervoerwijzekeuze in zeer grote mate afhangt van de locatie van de herkomst en bestemming. Als de herkomst (H) in het studiegebied zich dichtbij of op een transportcorridor bevindt en hetzelfde geldt voor de bestemming buiten het studiegebied (B1), dan is de kans dat de verplaatsing via de HOVcorridor zal plaatsvinden vele malen hoger dan wanneer de bestemming ver van de

| 115

corridor gelegen is (B2). De aggregatie van vele zones tot één grote zone zal de modale keuze voor elke reiziger in elke zone ook reduceren tot dezelfde modus. Er is geen eenvoudige manier om dit effect in rekening te brengen, behalve een groter gedetailleerd deel van het netwerk in kaart te brengen. Dit zou het netwerk echter complexer maken, wat gevolgen heeft voor de rekentijd van het model.

H

B2

B1

Figuur 8.4 Detail figuur 8.3 met modale keuze

Bovenstaande moeilijkheid is een eerste zwakte van deze netwerkvorm. Een tweede minpunt is dat de werking van de gridstructuur niet kan worden gemodelleerd. Ondanks het feit dat de gridstructuur aan de basis van het netwerk ligt, is het hele netwerk nu voornamelijk gericht op de uitwisseling van verplaatsingen tussen één bepaalde centrumstad en de omliggende kernen en de verplaatsingen tussen de kernen onderling.

Netwerkvorm 2: De spiegelende spie Een belangrijk struikelblok bij netwerk A is het feit dat het aggregeren van de zones rond het studiegebied voor onjuistheden zorgt op vlak van de modale keuze. Een andere benadering is om slechts een deel van het netwerk te gebruiken in het model, maar door middel van symmetrie en spiegeling wel alle verplaatsingen in het netwerk in rekening te brengen. Figuur 8.5 op de volgende pagina is een conceptuele voorstelling van een netwerk met vier corridors. Rechtsboven in het netwerk bevindt zich de elementaire spie die gespiegeld zal worden volgens de twee symmetrieassen. Voor elke stroom die de spie verlaat, is er een stroom die het netwerk binnenkomt. Concreet betekent dit bijvoorbeeld dat voor elke verplaatsing van het punt A in het buitengebied naar een punt op de corridor, er ook een verplaatsing van A’ naar de respectievelijke punten op de corridor gaat. Idem gaat voor elke verplaatsing van de punten S1-S3 naar B, een verplaatsing van deze punten naar B’. Voortzetting van deze denkwijze voor alle punten in het kwadrant, maakt het mogelijk om al de vervoersstromen die plaatsvinden in het gehele netwerk, voor te stellen in één enkel kwadrant.

116 |

B’

C’

A

C”

S5 S4 S1

S’ 2

C

S3 S2

S’ 4

S’ 5

B

A’

Figuur 8.5 Concept spiegeling

De basisvorm in figuur 8.5 is net als netwerkvorm A eerder gericht op een radiale structuur met één centrumstad dan op de gridstructuur van een reëel netwerk. Als het model meerdere centrumsteden moet modelleren, zal de basisspie verder moeten worden gespiegeld om zo een grid te verkrijgen. Figuur 8.6 toont in het grijs de elementaire spie en in stippellijn de transportcorridors en de spiegelassen. Merk op dat in deze figuur de corridors niet langer de symmetrieassen zijn. De concepten van figuur 8.5 blijven hier echter geldig. In principe kan de spiegeling oneindig doorgaan om zo alle mogelijke verplaatsingen in te brengen. De rekentijd neemt echter exponentieel toe met het aantal knopen die in het netwerk aanwezig zijn. De tijd die nodig is om het netwerk in figuur 8.6 te simuleren is al te hoog om het model nog efficiënt als ontwerptool te kunnen gebruiken. Deze netwerkvorm blijkt dus ook niet de gepaste keuze.

Figuur 8.6 Oneindig spiegelen

| 117

De finale netwerkvorm, voorgesteld in onderdeel 5.3.3, heeft dus deels dezelfde beperkingen als netwerkvorm A, namelijk het ontbreken van een aantal verplaatsingen. Deze netwerkvorm is echter wel in staat om de dynamiek van de gridstructuur te modelleren, wat niet mogelijk was met netwerkvorm A. Netwerkvorm B is zowel in staat om alle verplaatsingen te modelleren, als rekening te houden met de gridstructuur, maar geeft aanleiding tot lange rekentijden die niet gewenst zijn voor het gebruik van het model als ontwerptool.

| 119

Bijlage B: Resultaten validatie Type verplaatsing Afstand

Tussengebied-tussengebied

Corridor-corridor

Auto

Fiets

OV

Corridor-tussengebied

Auto

Fiets

OV

Auto

Fiets

OV

2 km

58

35

7

/

/

/

/

/

/

2,5 km

/

/

/

51

48

1

50

43

4

3,5 km

63

31

7

67

30

2

65

32

4

7 km

84

11

4

/

/

/

/

/

/

7,5 km

/

/

/

69

30

0

68

24

7

10,5 km

94

3

2

/

/

/

/

/

/

10 km

/

/

/

83

16

0

87

7

6

3

4

12,5km

/

/

/

/

/

/

94

14km

98

0

1

/

/

/

/

Modus

/

/

Afstandsklasse

Auto

Fiets

OV

2-5 km

57,8

37,2

4,6

5-7,5 km 76,3 Tabel 8.1 Modal split [%] voor verschillende afstanden en soorten verplaatsingen 7,5-10 km 76,8

19,0

3,5

15 km

/

/

/

98

21 km

100

0

0

/

2 /

0 /

/

96

/

0

/

5

19,3

3,0

10- 15 km

93,8

3,9

2,0

15-25 km

98,0

1,0

1,3

Modus

Modus

Afstandsklasse

Auto

Fiets

OV

Afstandsklasse

Auto

Fiets

OV

2-5 km

57,8

37,2

4,6

2-5 km

56,2

42,6

1,2

5-7,5 km

76,3

19,0

3,5

5-7,5 km

76,2

19,8

4,0

7,5-10 km

76,8

19,3

3,0

7,5-10 km

80,2

12,5

7,3

10- 15 km

93,8

3,9

2,0

10- 15 km

91,4

7,5

1,1

15-25 km

98,0

1,0

1,3

15-25 km

91,3

3,1

5,5

Tabel 8.2 Triplengteverdeling [%] model Modus

Tabel 8.3 Triplengteverdeling [%] OVG

Afstandsklasse

Auto

Fiets

OV

2-5 km

56,2

42,6

1,2

5-7,5 km

76,2

19,8

4,0

7,5-10 km

80,2

12,5

7,3

10- 15 km

91,4

7,5

91,3

3,1

15-25 km

1,1

Modus

Afstandsklasse

Auto

Fiets

OV

2-5 km

1,6

-5,5

3,4

5-7,5 km

0,1

-0,8

-0,5

7,5-10 km

-3,4

6,7

-4,3

5,5

10- 15 km

2,4

-3,6

0,9

15-25 km

6,7

-2,1

-4,3

Tabel 8.4 Foutenmaat model-OVG

3

Referentie Referentie 227

200 0

Combinatie Combinatie 154 154 276

227 39

400 200

0

| 121

Bijlage C: Combinatie met elektrische fiets [vtg/u]

Referentie

Combinatie

3500 [vtg/u]

Referentie

Combinatie

3000 3500 2500 3000

2407 2407

Combinatie

Referentie

Combinatie

5080

11

28

E-fiets E-fiets

OV

11

1016 1016

28

OV

1490 1490

0

Fiets Fiets

Auto Auto

2955

2955

5080

8129

8129

Referentie

E-fiets E-fiets

1318

1647 1647

1318

1641

Figuur 8.7 Intensiteit op de corridor

[vtg/u] 9000 [vtg/u] 8000 9000 7000 8000 6000 7000 5000 6000 4000 5000 3000 4000 2000 3000 1000 2000 0 1000

HOV HOV

0

Fiets Fiets

Auto Auto

705

5000

1641

705

500 1000

1183

3171

1000 1500

1183

1500 2000

3171

2000 2500

Figuur 8.8 Intensiteit in het buitengebied

[vtg/u]

Auto-HOV

Fiets-HOV

OV-HOV-OV

E-fiets-HOV

1200 1000

31

12

276

400

394

600

601

800

Referentie

0

Combinatie 154

227

200

Figuur 8.9 Totaal aantal overstappen

[vtg/u] 3500

Referentie

Combinatie

122 |

Referentie

Combinatie

# plaatsen

m²

# plaatsen

m²

6

157

1

35

Leuven Vaart

6

150

11

280

Campus

11

268

19

471

Leuven

111

2773

1

13

Kessel-Lo Kesseldal

18

452

3

72

Heverlee

72

1800

7

169

Kern Gasthuisberg

Putkapel

10

260

1

31

Kessel-Lo halte

108

2696

179

4487

Haasrode

11

282

1

15

Linden halte

42

1051

3

69

Sint-Bernard

29

729

2

54

Sint-Joris-Winge

29

724

81

2016

Totaal

454

11342

308

7712

Gemiddeld

38

945

26

643

Tabel 8.5 Aantal overstappen van auto naar HOV per kern op de corridor

9|

Bibliografie

Literatuurlijst Boeken • •

Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB – Centrum voor Industrieel Beleid/Verkeer en Infrastructuur, KU Leuven. Rodrigue, J. P. et al, (2006), The geography of transport systems, Routledge.

Tijdschriften • • • • • • • • •

Arentze, T. & Timmermans, H. (2004), Multistate supernetwork approach to modelling multi-activity, multimodal trip chains, International Journal of Geographical Information Science, 18 (7), pp. 631-651. Dehaene M. & Loopmans, M. (2003), Vlaanderen als nevelstad, Agora: De Nevelstad, 19 (3), pp. 1-43. De Meulder, B., Schreurs, J., Cock, A. & Notteboom, B. (2000), Sleutelen aan het Belgische stadslandschap, Oase: Consumption and Territory, 52, pp. 78-113. Dial, R.B., (1971), A probabilistic multi-path traffic assignment model which obviates path enumeration, Transportation Research, 5, pp. 83-111. Parry, I., & Small, K. (2009), Should Urban Transit Subsidies Be Reduced?, American Economic Review, 99 (3), pp. 700-724. Rietveld, P. & Daniel, V. (2004), Determinants of bicycle use: do municipal policies matter?, Transportation Research Part A, 38 (7), pp. 531-550. Shires J.D., & de Jong, G.C. (2009), An international meta-analysis of values of travel time savings, Evaluation and Program Planning, 32 (4), pp. 315-325. Tirachini, A., Hensher, D.A. & Jara-Díaz, R. S. (2010), Operator and users costs of light rail, heavy rail and bus rapid transit over a radial public transport network, Research in Transportation Economics, 29 (1), pp. 231–242. Wardman, M.R. (2004), Public transport values of time, Transportation Research, 11 (4), pp. 363-377.

Andere publicaties • • •

• • •

Andersen T. et al, (2012), Collection of Cycle Concepts 2012, Cycling Embassy of Denmark. Belgisch Staatsblad, Omzendbrief nr. 639 van 27 juni 2014, Koninklijk besluit van 18 januari 1965 houdende algemene regeling inzake reiskosten. Aanpassing van het bedrag van de kilometervergoeding. Blondia, M., Smets, M. & Ryckewaert, M. (2014), Een onderzoek naar het ruimtelijk sturend potentieel van een geïntegreerd regionaal openbaar vervoersproject voor de Vlaamse Nevelstad & Een netwerk van verknoopte corridors als strategie voor de transformatie van mobiliteits- en verstedelijkingspatronen, KULeuven Bulckaen, J., Macharis, C. & Hollevoet J. (2014), Maatschappelijke kostenbaten analyse binnen de case Leuven ‘ORDERin‘F’ – Eindrapport, MOBI, Vrije Universiteit Brussel. Crevits, H., Vlaamse Overheid, Mobiliteit en Openbare Werken, 8 augustus 2013, Ministerieel Besluit gepubliceerd op 07 oktober 2013, Artikel 2. De Bisschop, E. (2014), Lichtvisie voor de Vlaamse gewestwegen-leidraad.

• • • •

Declercq, K., Janssens, D. & Wets, G. (2012-2013),Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Analyserapport, IMOB. Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Tabellenrapport, IMOB. Nielsen, O. A.(1996), Do stochastic traffic assignment models consider differences in road users’ utility functions?, Institute of Planning (IFP), Technical University of Denmark (DTU). Van der Steenhoven, H. & Borgman, F. (2009), Fiets in de demarrage, Fietsersbond.

Websites • • • • • • • • • • • • • • • •

•

Benzinekosten berekenen, http://www.route-naar.com/benzine-berekenen#calc, laatst geraadpleegd op 20 apr. 2015. Commissie voor Openbare Werken, Mobiliteit en Energie Vergadering (2005), https://docs.vlaamsparlement.be/website/htm-vrg/400391.html, laatst geraadpleegd op 28 apr. 2015. De Lijn, Netplannen Vlaams-Brabant, https://www.delijn.be/nl/perronindeling/ netplannen/netplannen-vlaamsbrabant.html, laatst geraadpleegd op 23 apr. 2015. Fietsersbond, Potentieel en uitdagingen van de elektrische fiets, http:// fietsersbond.be/elektrischefiets/standpunt, laatst geraadpleegd op 17 apr. 2015. Mobiel Brussel, Parkings, http://www.mobielbrussel.irisnet.be/articles/auto/ parkings, laatst geraadpleegd op 17 mei 2015. Mobiel Vlaanderen, Fietsroutes, meer dan fietspaden, http://www. mobielvlaanderen.be/pdf/vademecum/hfdst2.pdf, laatst geraadpleegd op 13 mei 2015. ORDERin’F, Projectoverzicht, http://orderinf.eu/, laatst geraadpleegd op 7 dec. 2014. ORDERin’F, Ruimte en netwerken, http://orderinf.eu/?page_id=14, laatst geraadpleegd op 8 dec. 2014 ORDERin’F, Synthese, http://orderinf.eu/?page_id=12, laatst geraadpleegd op 7 dec. 2014. PickMeUp, http://www.pickmeup.be/, laatst geraadpleegd op 16 mei 2015. Regionet Leuven, Regio, http://regionetleuvenbe.webhosting.be/regio/, laatst geraadpleegd op 17 apr. 2015. Rodrigue, J. P., Transportation and Accessibility, http://people.hofstra.edu/ geotrans/eng/methods/ch2m1en.html, laatst geraadpleegd op 23 mei 2015. TU Delft, Modelling of transport systems, http://www.citg.tudelft.nl/en/aboutfaculty/departments/transport-and-planning/modelling-of-transport-systems/ modelling-of-transport-systems/, laatst geraadpleegd op 6 apr. 2015. TUDelft, Ruimtebeslag parkeren, http://ocw.tudelft.nl/courses/stedenbouwin-de-delta/introductie/stedenbouwkundige-basisbegrippen/parkeren/, laatst geraadpleegd op 17 mei 2015. Uber, https://www.uber.com/nl/, laatst geraadpleegd op 16 mei 2015. Van den Bergh, J. (2013), De Kamer, Categorisering elektrische fietsen, http://www. dekamer.be/kvvcr/showpage.cfm?section=qrva&language=nl&cfm=qrvaXml. cfm?legislat=53&dossierID=53-b130-673-0504-2012201314165.xml,laatst geraadpleegd op 17 apr. 2015. Van Hool, Exqui.City, BRT Solution, http://www.exquicity.be/media/723/ Download_Folder_ExquiCity.pdf, laatst geraadpleegd op 16 feb. 2015.

Figuren Fig. 2.1: Collectief Noord, Naar nieuwe vormen van collectiviteit, http://www. collectiefnoord.be/nieuws/nieuwe-vormen-van-collectiviteit,laatst geraadpleegd op 30 mei 2015. Fig. 2.2: BUUR, Regionet Leuven: Hoogwaardig regionaal OV alshefboom voor een duurzame ruimtelijke ordening, presentatie 13 maart 2014 (http://2014. dagmobiliteitsacademie.be/sites/default/files/3.%20Regionet%20Leuven. pdf), slide 133. Fig. 2.3: Ibidem, slide 95. Fig. 5.1: Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeersmodellen, CIB/ Verkeer en Infrastructuur, KU Leuven, p.19. Blondia, M., Smets, M. & Ryckewaert, M. (2014). Een onderzoek Fig. 5.11: naar het ruimtelijk sturend potentieel van een geïntegreerd regionaal openbaar vervoersproject voor de Vlaamse Nevelstad & Een netwerk van verknoopte corridors als strategie voor de transformatie van mobiliteits- en verstedelijkingspatronen, p. 114. Ibidem, p. 116. Fig 5.12: Ibidem, p. 116. Fig 5.13: Van Goeverden C.D. en Van den Heuvel M.G. (1993), De Fig 5.27: verplaatsingstijdfactor in relatie tot de vervoerwijzekeuze, Fac. Civiele Techniek, Vakgroep Verkeer, TU Delft in: Immers, B. & Strada, J.E. (2011), Cursus H01I6A Verkeers- en Vervoersystemen voor personenvervoer. Fig 5.31: Naar een figuur uit: Declercq, K., Janssens, D. & Wets, G. (2012-2013), OVG Vlaanderen 4.5, Analyserapport, IMOB, p. 35. Naar een figuur uit: BUUR, Regionet Leuven: Hoogwaardig regionaal OV Fig 6.5: als hefboom voor een duurzame ruimtelijke ordening, presentatie 13 maart 2014, slide 115. Fig. 6.36: Naar een figuur uit: MacArthur, J., E-bikes in the United States, presentatie 18 okt. 2013 (http://www.slideshare.net/otrec/j-mac-arthur-1018), slide 25.

Alle figuren niet vermeld in bovenstaande lijst, werden gemaakt door de auteurs.

Tabellen Tab. 5.2: Shires J.D., & de Jong, G.C. (2009), An international meta-analysis of values of travel time savings, Evaluation and Program Planning, 32 (4), tabel 7. abonnementen, https://www.delijn.be/nl/vervoerbewijzen/ Tab. 5.4: DeLijn, abonnementen, laatst geraadpleegd op 17 mei 2015. Tab. 5.8: Andersen T. et al, (2012), Collection of Cycle Concepts 2012, Cycling Embassy of Denmark, p.17. Tab. 5.9 Naar een tabel uit: Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Tabellenrapport, IMOB, Tabel 57. Tab. 5.10: Puttemans,C. (2013), Beschrijving BASMAT versie 3.6, Departement Mobiliteit en Openbare Werken Verkeerscentrum, Antwerpen, p.15. Tab. 5.11 Naar een tabel uit: Declercq, K., Janssens, D. & Wets, G. (2012-2013), Onderzoek Verplaatsingsgedrag Vlaanderen 4.5, Tabellenrapport, IMOB, Tabel 57. Tab. 6.1: Stadsregio Rotterdam, Rapportagemodel gegevens over de OVconcessies,http://stadsregio.nl/sites/stadsregio.nl/,laatst geraadpleegd op 28 apr. 2015. Alle tabellen niet vermeld in bovenstaande lijst, werden gemaakt door de auteurs.

KU Leuven Faculty of Engineering Science

Master’s Thesis file

2014-2015

Students: Laura Tavernier

Pascale Willems

Title: Een verkeersmodel als ontwerptool voor een multimodaal regionaal netwerk.

English title: A traffic model as design tool for a multimodal regional network. UDC: 656

Content in brief:

This thesis researches to which extent a traffic model can contribute to decisions in designing of a multimodal regional network. The test case for the model created in this research, is a design for a regional bus rapid transit network. Within the framework of the ORDERin’F project, urban planning office BUUR developed a regional network of transportation corridors for the region of Leuven. Although the model was developed with this design as a basis, it is flexible and therefore transferable to other contexts in Flanders. Today, there are several traffic models available that allow post-evaluations of network design. It remains however difficult to use them as a tool during the design process because of their complexity and long calculation times. For this reason, the model developed in this thesis is kept as simple as possible. A consequence of this choice is that results are less accurate. Nevertheless, the model does not have the ambition of simulating exact traffic flows. It is intended to test and evaluate design options quickly and efficiently. Furthermore, this way calculation times are kept to a minimum and the output is easy to interpret. Taking these possibilities and limitations into account, it is clear the multimodal traffic model can mostly be applied for sensitivity analyses. These analyses are executed for several scenarios that influence the test case and are included in the thesis. Different network design measures are evaluated with respect to three objectives. The first one entails a modal shift in the direction of more sustainable trips. A second objective aims for the efficient use of public transportation. Finally, the scenarios are evaluated in terms of accessibility. Thesis submitted to obtain the degree of Master in Engineering: VLITS

Supervisor(s): Prof. Chris Tampère Assessors: Prof. Stef Proost Prof. Dirk Lauwers

Mentor(s): Dr. Matthias Blondia