NOODZAKELIJK AUTOGEBRUIK OP A- EN B-LOCATIES IN HAAGLANDEN EN RIJNMOND

NOODZAKELIJK AUTOGEBRUIK OP A- EN B-LOCATIES IN HAAGLANDEN EN RIJNMOND

Opdrachtgever: Gemeente Den Haag, Dienst REO Contactpersoon: dhr.ir. A. Heijmen

Martin Touwen (CEA) Dirk Ligtermoet (Ligtermoet Beleidsadvies) Rien Sleurink (NEA)

Rapportnummer: 50MT6025.rap CEA, Bureau voor communicatie en advies over energie en milieu B.V. Rotterdam, 11 april 1994

Inhoudsopgave Voorwoord 1.

Projectdoel en algemene werkwijze 1.1. Doelstelling 1.2. Analyseschema 1.3. Concretisering van het projectdoel

2.

Differentiaties voor beleidsrelevantie 2.1. Het waarom van differentiaties 2.2. Locatietypen 2.3. Bedrijfstypen 2.4. Conclusie: combinatiematrix

11 11 12 14 17

3.

Woon-werkverkeer: definitiekwesties en rekenregels 3.1. Inleiding: opnieuw de normeringssegmenten 3.2. Gebruik van vervoermanagementdata 3.3. Beroepsuitoefening 3.4. Carpooling 3.5. Ontbreken van alternatief 3.6. Schematische samenvatting

19 19 21 24 25 25 30

4.

Bezoekersverkeer: dataverzameling en rekenregels 4.1. Data over bezoekersverkeer 4.2. Enquêtegegevens 4.3. Rekenregels noodzakelijk autobezoek

32 32 33 39

5.

Resultaten 5.1. 5.2. 5.3.

40 40 52 59

6.

Noodzakelijk autogebruik in het woon-werkverkeer Bezoekersverkeer Samenvoeging van normeringssegmenten

Uitleiding: beleidsrelevantie

Aangehaalde literatuur

5 5 6 9

62 ..

Bijlage 1 Bijlage 2 Bijlage 3 Bijlage 4

Kaarten van relevante bedrijvengebieden in Haaglanden en Rijnmond Betrouwbaarheid van de vervoermanagement-data (vervoerplan-enquêtes) en berekeningsprocedure reistijdverhoudingen Detailresultaten bezoekersenquête Uitgebreide tabellen woon-werkverkeer

Voorwoord Het voorliggende stuk is het eindrapport van een studie naar de omvang van het noodzakelijk autogebruik bij bedrijven en instellingen. Opdrachtgever van deze studie is de Gemeente Den Haag. De volgende instanties hebben financiëel aan het project bijgedragen en deel genomen in de begeleidingsgroep: de Gemeente Rotterdam, de vervoerregio's Haaglanden en Rijnmond, de Kamer van Koophandel Den Haag en de Ministeries van Economische Zaken, van Volkshuisvesting, Ruimtelijke Ordening en Milieu (RPD) en van Verkeer en Waterstaat. Het onderzoek is uitgevoerd in de periode oktober 1993 - maart 1994. Uitvoerende bureaus Het project is uitgevoerd door CEA, in samenwerking met NEA (Rijswijk) en Ligtermoet Beleidsadvies (Ouderkerk a/d IJssel). TC&O (Eindhoven) leverde tevens bestanden aan over noodzakelijk autogebruik van bedrijven en instellingen in Rijnmond. Vergelijkbare gegevens voor Haaglanden werden geleverd door NEA, dat daarnaast een literatuurstudie en alle berekeningen uitvoerde. Ligtermoet Beleidsadvies was voornamelijk bij het schrijven van het rapport betrokken. Begeleidingsgroep In de door de opdrachtgever samengestelde begeleidingsgroep hadden zitting: mw. M. Arnolds (VROM/RPD), mw. M. Betten (vervangster RPD), mw. P.M.A. Frederiks (Economische Zaken), dhr. A. Heijmen (Gemeente Den Haag), dhr. C.P. Hoogenveen (Gemeente Den Haag/Stadsgewest Haaglanden), dhr. W. Kuipers (vervoerregio Rijnmond), dhr. C. de Leeuw (Provincie Zuid-Holland), dhr. J.E. Rens (Gemeente Rotterdam), dhr. P. Timmers (RWS ZuidHolland), dhr. T. Timmers (Kamer van Koophandel Den Haag) en dhr. G.P.M. Weerdesteyn (Verkeer & Waterstaat). Hun inbreng, maar zeker ook hun geduld, was waardevol voor de schrijvers van dit rapport. Vraagstelling De vraagstelling van dit project is ogenschijnlijk simpel, althans, eenvoudig te verwoorden: vaststellen wat de omvang is van het noodzakelijk autogebruik van bedrijven en instellingen (en daarmee de parkeerbehoefte) op A- en B-locaties in de vervoerregio's Haaglanden en Rijnmond. Met deze vraagstelling stuit men echter al snel op verschillende 'technische' problemen rond definities en vooronderstellingen. Het eindrapport bestaat dan ook voor een groot deel uit toelichtingen op en onderbouwingen van de gevraagde kwantitatieve gegevens. Inhoud van het rapport Het rapport is op de volgende manier onderverdeeld (zie het schema): * twee voorbereidende hoofdstukken (1 en 2): * twee hoofdstukken waarin de nodige normatieve keuzes worden gemaakt en rekenregels worden opgesteld (3 en 4); * één hoofdstuk waarin de resultaten worden beschreven en de toets van de normatieve bepalingen (5); * één uitleidend hoofdstuk over de beleidsrelevantie van de resultaten; * en tenslotte een samenvatting. +1)))))))))))))))))))))))))))))))), * bepaling onderwerp en werkwijze *

.)))))))))))))))0)))))))))))))))))+2))))))))))))))2))))))))))))))))), * relevante (differentiatie-) * * factoren * .)))))))))))))))0)))))))))))))))))+)))))))))))))))2))))))))))))))))), +3))))))))))))))))))2)))), +4)))2)))))))))))))))))))), * woon-werkverkeer * * bezoekersverkeer * * * * normatieve bepalingen * * bepaling van redenen, * * * omrekenfactoren etc. * * * d.m.v. enquête .))))0)))))))))))))0))))).))))0))))))))))))))))))))* * * +5)))2)))))), +5)))2)))))))))))))))))))0))))))))))))))2))))))))), * varianten * * sekundair-analyse * sekundair-analyse * * als toets * * vervoermanagement-data * bezoekers aan kantoren * .))))0))))))- /))))))))))))))))))))))))2))))))))))))))))))))))))1 * * uitgangssituatie en streefsituatie in kaart * * .)))))))))))))))))))))0)))))))))))))))))))))))))))* * * +6))))))))))))))2))))))))))))))))), .))))))))))))))1 discussie van beleidsrelevantie * .)))))))))))))))0)))))))))))))))))+7))))))))))))))2))))))))))))))))), * samenvatting * .)))))))))))))))))))))))))))))))))-

* * * * *

In hoofdstuk 1 wordt de vraagstelling vertaald in een analyse-schema. In dit schema gaat het vooral om het onderscheiden en benoemen van de vervoerssegmenten waarop in deze studie moet worden ingegaan. Vervolgens behandelt hoofdstuk 2 de differentiatiemogelijkheden naar locatietypen en bedrijfstypen. In hoofdstuk 3 worden alle relevante definities en vooronderstellingen rond het woon-werkverkeer besproken, op basis waarvan de nodige rekenregels normatief worden bepaald. In hoofdstuk 4 komt de in dit project verwerkte primaire dataverzameling over bezoekers (enquête) aan bod en de daaruit volgende rekenregels voor het bezoekersverkeer. Hoofdstuk 5 geeft daarna de cijfers weer: * door middel van een secundaire analyse van de beschikbare vervoermanagement-data wordt het autogebruik in het woon-werk verkeer uitgesplitst naar (a) de uitgangssituatie het huidige autogebruik of de huidige parkeerbehoefte- en (b) de streefsituatie voor het parkeerbeleid; * door middel van een secundaire analyse van de beschikbare data over bezoekers aan kantoren wordt de (gemiddelde) parkeerbehoefte van bezoekers bepaald. Tevens worden de in hoofdstuk 3 geformuleerde normatieve bepalingen op hun 'gevoeligheid' getoetst door ook alternatieve varianten door te rekenen. In hoofdstuk 6 wordt in algemene zin aangegeven wat deze cijfers nu, tegen de achtergrond van de onderbouwingen in hoofdstuk 2-4, kunnen betekenen. Tenslotte worden in hoofdstuk 7 werkwijze en resultaten samengevat weergegeven.

1.

Projectdoel en algemene werkwijze In de inleiding is reeds aangegeven dat dit project een simpele, heldere doelstelling kent, maar tegelijk een complexe onderzoekstechnische uitvoering. Voldoende reden dus om uitgebreid stil te staan bij die doelstelling en de onderzoeksmatige vertaling ervan. Daartoe wordt eerst in § 1.1. ingegaan op de doelstelling van het project. Vervolgens wordt in § 1.2. een analyseschema gepresenteerd als de rode draad in het project, dat in hoofdstuk 2 en 3 verder uitgewerkt wordt. Tenslotte wordt in § 1.3. de doelstelling van het project in meer concrete termen verwoord.

1.1.

Doelstelling Als doelstelling van dit project is geformuleerd (projectnota Gemeente Den Haag, d.d. 2 augustus 1993): "Het verkrijgen van inzicht in het noodzakelijke autogebruik van bedrijven; in het bijzonder het noodzakelijk autogebruik van bedrijven die zich in het kader van het locatiebeleid vestigen op een A- of B -locatie en waarvoor dus een restrictief parkeerbeleid van kracht is. Dit inzicht zal toekomstgericht zijn, uitgaande van de brede maatschappelijke taakstelling uit het 2e SVV tot beperking van de groei van de automobiliteit." De beleidsvraag van de opdrachtgever die achter deze doelstelling schuil gaat, is geformuleerd als "vaststellen welke parkeernormen moeten/kunnen worden opgelegd aan bedrijven, die zich nieuw willen vestigen of uitbreiden op een A- of een B-locatie". In het beleid gaat het dus om parkeernormen; in deze studie om noodzakelijk autogebruik. De relatie tussen parkeernormen en noodzakelijk autogebruik, of: de wijze waarop noodzakelijk autogebruik vertaald kan worden in parkeernormen, dient daarom nauwkeurig gedefinieerd te worden. In het locatie- en parkeerbeleid van het Rijk wordt namelijk sinds enkele jaren uitgegaan van 1 (private) parkeerplaats op 10 werknemers bij A-locaties en van 1 op 5 bij B-locaties. Deze (streef)normen zijn vastgelegd in het streefbeeld Parkeren van het SVV II, de VINEX en het Werkdocument locatiebeleid [13]. Het Rijk geeft de mogelijkheid van: * een flexible toepassing van deze normen door een regionale/lokale invulling; * een gefaseerde invoering door middel van ingroeimodellen. Natuurlijk blijven er meningsverschillen bestaan; deels principiële en deels relatieve. Relatieve meningsverschillen hebben vooral betrekking op de hoogte van de uiteindelijke parkeernormen en het tempo waarin die gerealiseerd kunnen/moeten worden. Die discussies blijven vooral bestaan omdat alle voors en tegens van welke parkeernorm dan ook, slechts in beperkte mate gebaseerd zijn op empirische kennis over de mate waarin bedrijfsgebonden autogebruik vervangbaar dan wel noodzakelijk is. De gemeente Den Haag heeft daarom het initiatief genomen om dit project te starten, waarin gepoogd wordt een zo objectief mogelijke basis voor de (verdere) beleidsbeslissingen over parkeernormen te geven door de omvang van het noodzakelijk autogebruik vast te stellen. Deze nog wat vage term 'noodzakelijk autogebruik' bedoelt dan niet te verwijzen naar wat op dit moment noodzakelijk is. Veel meer gaat het erom noodzakelijk autogebruik zo te definiëren 1

dat de cijfers die geleverd worden tegelijk realistisch en sturend zijn. Daarmee is direct aangegeven dat alle berekeningen in dit rapport geen absolute waarde hebben. Steeds gaat het om cijfers, die tegelijk realistisch en sturend zijn wanneer althans aan bepaalde voorwaarden is voldaan. Op deze manier kan dit rapport eraan bijdragen de parkeerdiscussies duidelijker te krijgen. Niet alleen, het zij herhaald, door cijfers aan te leveren, maar vooral ook door de redenering achter die cijfers aan te geven: de betrouwbaarheid ervan en de vooronderstellingen. In hoofdstuk 2 wordt nader ingegaan op de benodigde differentiatie van cijfers naar locatietypen (bereikbaarheidsprofielen) en bedrijfstypen (mobiliteitsprofielen). Die differentiaties zijn namelijk nodig, omdat in dit project specifieke cijfers voor A- en B-locaties geleverd moeten worden, en die cijfers alleen waarde hebben als ze vervolgens ook betrekking hebben op bedrijven/bedrijfstypes die op die A- en B-locaties thuishoren. In dat hoofdstuk worden ook de problemen besproken die het indelen in dergelijke typen voortbrengt en -vooral het willen koppelen van bereikbaarheids- en mobiliteitsprofielen. Maar, deze problemen zijn beslist geen centrale onderwerp van dit onderzoek. Dat is mogelijke door de gekozen werkwijze, nl. bottom-up. De omvang van het noodzakelijk autogebruik, als basis voor parkeernormering, kan namelijk bepaald worden door in eerste instantie naaar individuele gegevens van bedrijven en instellingen te kijken en deze vervolgens op te tellen. Maar eerst moet nog duidelijker zijn, welke gegevens hierbij relevant zijn. 1.2.

Analyseschema Het project draait daarmee om het leveren van gedifferentieerde cijfers over noodzakelijk autogebruik en -minstens zo belangrijk- een goede onderbouwing van die cijfers. Dit goed onderbouwen heeft twee aspecten: 1. Definities rond: (a): normeringssegmenten in noodzakelijk autogebruik (zie hoofdstuk 3 en 4); (b): locatietypen (zie § 2.2); (c): bedrijfstypen (zie § 2.3). 2. De technische kant van de uitgevoerde berekeningen (zie hoofdstuk 3 en 4). We geven dus eerst de definities, vooronderstellingen en redeneringen weer, alvorens in hoofdstuk 5 de berekende cijfers aan de orde komen. Het nu te formuleren analyseschema dient, tezamen met de gehanteerde terminologie, als rode draad in dit project (zie de toelichting na het schema): Schema 1:

Analyseschema voor bepaling van normeringssegmenten van noodzakelijk autogebruik

+)))))))))))))))), *bedrijfsgebonden * *personenverkeer * .)))))))0))))))))+))))))))))))2))))))))))))), +)))))2)))))), +))))))2))))), *(mede) woon- * *puur zake* *werk verkeer * *lijk verkeer * .)))))0)))))).))))))0)))))+))))))0))))))))0)2)))), +))))))))02))))))), +)))2)),+))2)),+))))2))), * * * +)))))2))))))), *lopend**fiets**openbaar * * * * *inkomend OV-/ * * ** **vervoer * * * * *fietsbezoek * .))))))-.)))))-.))))))))- * * * .)))))))))))))-

2

+)))))))))2),+))))))))2))))),+)2))))))))), *auto (solo **bedrijfsauto's **inkomend * *en carpool) **alg. gebruik **autobezoek * .))))0))))))-.))))))))0)))))-.))))0)))))).)))))))))))))0))2)))))))))))+))))))))))))2))))))))))))), *uitgangssituatie: * *huidige bedrijfsgebonden * *parkeerbehoefte, in Pp100W * .))))))))))))0)))))))))))))* * +))))))) < ))))))))))1vooronderstellingen * *en rekenregels * .))))))) * +)))))))))))))2)))))))))))), +)), +))), *+))), +))), +))))2)))))), * .)).))2.)))* *vermijdbaar * *normeringssegmenten: * *autogebruik * *onderscheidingen in * .)))))))))))*noodzakelijk autogebruik * .)), +))), +))), +))).)).))0.)))+)))))))))))2))))))))))), *totaal van noodzakelijk * * autogebruik, in Pp100W * *diff. naar A/B-locaties * *(+ passend bedrijftype) * .)))))))))))))))))))))))-

Dit analyseschema geeft weer welke stappen (al of niet impliciet) gezet worden wanneer men praat over parkeernormen. Uitgangspunt, de bovenkant van het schema, is de huidige omvang van het bedrijfsgebonden personenverkeer. Daarvan willen we uiteindelijke weten welk deel noodzakelijkerwijs per auto moet. Vervolgens richten we ons op de relevante elementen van het bedrijfsgebonden personenverkeer: de elementen waar een auto aan te pas komt. Fiets en OV in woon-werkverkeer en zakelijk verkeer vallen af, althans als het gaat om een bepaling van de uitgangssituatie. Wat resteert zijn twee puur zakelijk elementen (bedrijfsauto's voor algemeen gebruik en inkomend zakelijk bezoek per auto). Onder 'bedrijfsauto' wordt verstaan (zie ook § 3.1): * personenauto die aan alle werknemers ter beschikking staat voor zakelijk verkeer ('losse bedrijfsauto'); * serviceauto ('auto met gereedschapskist'). Het gaat dus beslist niet om vrachtverkeer, dus ook niet om bestelwagens. Verder is er nog één element woon-werkverkeer: de auto, al of niet carpoolend, en al of niet mede in gebruik voor zakelijk verkeer.1 Deze drie elementen geven tezamen de uitgangssituatie weer, de huidige parkeerbehoefte in het bedrijfsgebonden personenverkeer van een bedrijf. Een parkeerbehoefte die overigens momenteel zowel op publieke als private parkeerplaatsen betrekking kan hebben; in de streefsituatie echter alleen op private plaatsen; publiek langparkeren wordt dan als onmogelijk, want ongewenst, verondersteld. Deze parkeerbehoefte drukken we uit in de eenheid parkeerplaatsen per werknemer x 100 (Pp100W). Dat is niet geheel conform de uitdrukkingswijze in het parkeerbeleid; het is precies het omgekeerde van "1 parkeerplaats op X werknemers". Maar om de cijfers inzichtelijk te maken en controleerbare optellingen te geven, zijn we hiertoe wel genoodzaakt. 1

Zakelijk "uitgaand" autoverkeer is dus geen aparte categorie! Het is "waarschijnlijk noodzakelijk woon-werkverkeer per auto" (zo zie je het immers in de cijfers) en dus, bij de bepaling van de uitgangssituatie, alleen nog maar "auto in (mede) woon-werk". Een carpoolauto is (zelfde redenering) vooralsnog gewoon een woon-werkauto, die we later waarschijnlijk "noodzakelijk want wenselijk" zullen noemen. De categorie "bedrijfsauto's voor algemeen gebruik" moet hier, in een nogal theoretisch schema, wel degelijk onderscheiden worden, maar zal in de praktijk beperkt van omvang zijn.

3

Daarna komt een minder empirische stap: bepalen op welke wijze deze huidige parkeerbehoefte wordt onderscheiden in een noodzakelijk en vermijdbaar/vervangbaar deel. Het vaststellen van die werkwijze omhelst (a) vooronderstellingen over de randvoorwaarden die gerealiseerd zullen/moeten zijn in de streefsituatie en (b) technische rekenregels. Het onderscheiden van een noodzakelijk en vervangbaar deel in het autogebruik vindt plaats per element. Voor elk element zijn één of meer redenen te bedenken om dat onderscheid te maken. Deze combinatie van 'element' en 'reden' noemen we normeringssegment. Bij de drie onderscheiden elementen spelen steeds andere aantallen 'redenen' een rol. Het meest gecompliceerd is dit bij het element "auto in woon-werkverkeer": de auto kan bijvoorbeeld noodzakelijk zijn vanwege de beroepsuitoefening (ook zakelijk gebruik van de woon-werkauto) en vanwege het ontbreken van alternatieven voor de auto op de woon-werkroute (zie verder hoofdstuk 3). Per normeringselement wordt daarna een cijfer, in Pp100W, bepaald. Daarbij onderscheiden we naar A- en B-locaties en nemen alleen de cijfers mee van die bedrijven die ook werkelijk 'op de juiste plek zitten' (via een bedrijfstypologie, zie § 2.4 voor selectie). Het totaal van de normeringssegmenten kan tot slot opgeteld worden tot een Pp100W-cijfer voor het totale noodzakelijk autogebruik. 1.3.

Concretisering van het projectdoel De onderzoeksopdracht kan nu vervolgens veel concreter geformuleerd worden: Zo objectief mogelijke empirische cijfers over noodzakelijk autogebruik aanleveren, onderscheiden naar: - normeringssegmenten; - locatietypen en bijbehorende bedrijfstypen; onderbouwd vanuit duidelijk definities, zodat de opdrachtgever helder en gedifferentieerd 'objectief referentiemateriaal' heeft om een eigen beleidskeuze over hoogte van parkeernormen te maken. Let wel: 'cijfers' slaat hier niet alleen op gemiddelden tussen bedrijven en instellingen op een bepaalde locatie(-type). Evenzeer is de spreiding in noodzakelijk autogebruik van belang. Behalve de Pp100W-getallen per (locatietype onderscheiden) normeringssegment, zal dus ook, om de opdrachtgever voldoende beslissingsmateriaal te geven, geformuleerd moeten worden hoe 'hard' die getallen zijn. Niet voor alle getallen kunnen we ons namelijk evenzeer baseren op voldoende enquêtegegevens. Maar ook dan kunnen we, mede door een vergelijking met dergelijke getallen uit de literatuur, wel een soort 'calculated guess' geven. Wat bij harde of minder harde getallen in ieder geval overeind blijft staan, is de segmentering van noodzakelijk autogebruik. Door die segmenten goed te definiëren, met scherpe grenzen, krijgt de opdrachtgever in ieder geval voldoende beslissingsmateriaal in handen.

4

5

2.

Differentiaties voor beleidsrelevantie

2.1.

Het waarom van differentiaties Als het gaat om parkeernormen in verband met locatiebeleid, zijn inmiddels de nodige pogingen gedaan om te komen tot hanteerbare onderscheidingen waarmee aangegeven kan worden welk bedrijf op welke locatie 'thuishoort' teneinde de verkeersproduktie van de bedrijven bij te sturen, zonder echter de bedrijfsvoering te belemmeren. Het ging daarbij vooral om methodieken die bereikbaarheidsprofielen van locaties (en daarmee indirect parkeernormen) koppelen aan mobiliteitsprofielen van bedrijven: het juiste bedrijf op de juiste plaats. Het concept van een koppeling tussen bereikbaarheids- en mobiliteitsprofielen is als theoretisch concept bedoeld om de bedrijfsgebonden automobiliteit te sturen, zonder de bedrijfsvoering te belemmeren. Wat daarachter zit -en dan komen we uit op het onderwerp van deze studie- is het idee dat de spreiding (variatie) in noodzakelijk autogebruik en daarmee parkeerbehoefte tussen bedrijven voor een deel gehonoreerd moet worden (nl. om de bedrijfsvoering niet te belemmeren) en voor een deel beperkt kan worden door locatiekeuze. Met 'het juiste bedrijf op de juiste plaats' zal dan de spreiding tussen bedrijven in noodzakelijk autogebruik duidelijkere grenzen laten zien: binnen een locatietype minder verschillen en tussen locatietypen meer verschillen. Het hanteren van typologieën van locaties en bedrijven is zo een instrument om het idee van 'het juiste bedrijf op de juiste plaats' hanteerbaar te maken, door niet van individuele koppelingen, per bedrijf, uit te gaan, maar van categorieën locaties en categorieën bedrijven. Vervolgens is duidelijk dat deze typologieën alleen goed werken wanneer ze er inderdaad toe leiden dat de spreiding in bedrijfsaantallen voor noodzakelijk autogebruik binnen een categorie beperkt is en tussen categorieën aanzienlijk groter. Om deze verschillen tussen categorieën (en al dan niet daarbinnen) gaat het als wij hier van 'differentiaties' spreken. De 'theorie' van koppeling tussen mobiliteitsprofielen en bereikbaarheidsprofielen is helder en overtuigend. Veel minder eenvoudig bleek het echter om die profielen te concretiseren. Vooral het vastleggen van mobiliteitsprofielen bleek, deductief werkend, nagenoeg onmogelijk; sluitende bedrijfscategorieën zijn nog steeds niet gevonden. Als het gaat om het vastleggen van bereikbaarheidsprofielen zijn de resultaten veel beter. Er bestaat inmiddels een duidelijk overeenstemming over wat A-, B- en C-locaties zijn, zij het dat er in beperkte mate wel regionale verschillen in de definiëring bestaan. Vanwege de aangesproken problemen is het belangrijk dat in deze studie de spreiding tussen bedrijven gecontroleerd kan worden. Er wordt uitgegaan van individuele gegevens op bedrijfsniveau. Deze gegevens worden (anoniem) gedocumenteerd. En dus worden in het hanteren van de differentiaties twee stappen onderscheiden: * het berekenen van gemiddelden per locatietype en bijbehorende bedrijfstypen (in dit geval alleen A- en B-locaties); * vervolgens op basis van de spreiding beoordelen of het onderscheiden van de differentiaties nuttig lijkt. In het navolgende worden de twee -te koppelen- typologieën beschreven: eerst de locatietypen (§ 2.2) en vervolgens de bedrijfstypen (§ 2.3). 6

2.2.

Locatietypen Het locatiebeleid, met bedrijfsgericht parkeerbeleid als instrumenteel vervolg, is een uitwerking van het idee dat de omvang van het noodzakelijk autogebruik in sterke mate af kan hangen van de locatie van het bedrijf of de instelling. Een bedrijf op een locatie met goede OV-ontsluiting kan toe met minder auto's in het woon-werkverkeer en heeft dus een lager noodzakelijk autogebruik. Vertaald naar de termen in deze studie is dus duidelijk dat de locatietypologie specifiek te maken heeft met (sterke verschillen/spreiding in) noodzakelijk autogebruik vanwege de al dan niet aanwezigheid van alternatieven in het woon-werkverkeer. Door te proberen op locaties met een goede OV-bereikbaarheid vooral bedrijven gevestigd te krijgen met de volgende kenmerken in hun mobiliteitsprofiel gebruik je die OV-locaties het meest efficiënt2: * een beperkt noodzakelijk autogebruik in het normeringssegment 'woon-werkauto in verband met de beroepsuitoefening' ('uitgaand zakelijk verkeer'); * een hoge bezoekersintensiteit ('inkomend zakelijk verkeer'); * weinig goederenvervoer (dus kantoren genieten de voorkeur); * hoge arbeidsintensiteit. Vandaar het uitgangspunt dat, met het juiste bedrijf op de juiste plaats, op A-locaties (met de beste OV-bereikbaarheid) de meest stringente parkeernormen kunnen gelden. B-locaties dienen ook een goede OV-bereikbaarheid te hebben, maar tegelijk een goede autobereikbaarheid. Op zo'n B-locatie passen dan de bedrijven met een middelmatige omvang van het zakelijk verkeer en goederenvervoer. Met betrekking tot bereikbaarheidsprofielen hebben we in deze studie bewust slechts met twee locatietypen te maken: A-locaties en B-locaties. Uiteraard moeten voor de gehele onderzoekpopulatie (en daarmee Haaglanden èn Rijnmond) dezelfde criteria gehanteerd worden bij het bepalen of een bedrijf op een A- of B-locatie gevestigd is. In hoofdstuk 1 is al aangegeven dat het Rijk enerzijds criteria aanreikt, maar anderzijds de concrete invulling aan lagere instanties overlaat. In dit geval is dit de Provincie Zuid-Holland. De provincie heeft de criteria uitgewerkt in de nota 'mobiliteitsbeheersing van bedrijven' [21]. Wij geven de criteria hier verkort weer (zie schema 2). Zij komen overeen met de criteria zoals deze uitgewerkt zijn in een INRO/TNO studie (1990) [16]. Schema 2:

A

2

Gehanteerde criteria voor A- en B-locaties

Eisen

Criteria

1 Nabij knooppunt van OV-lijnen op (boven-) stadsgewestelijk niveau

* intercitystation op < 800 m hemelsbreed of < 15 min natransport per tram/metro

Deze "traditionele" classificatie is weergegeven in het werkdocument lokatiebeleid van de Ministeries van VROM, V&W en EZ, 1990 [13].

7

B

1 Nabij knooppunt van OV-lijnen op stadsgewestelijk niveau

* NS-station op < 800 m hemelsbreed (min. freq. 15 min per richting) of nabij metro-/ sneltram-station * minimaal 12 aansluitingen BTM per uur en minimaal 2 BTM-lijnen

2 Nabij een stedelijke hoofdweg

* afstand tot hoofdweg max 500 m

3 Nabij de afslag van een auto(snel)weg

* afstand tot afslag max 2.000 m

In veel studies en vooral in beleidsdocumenten zijn deze criteria gebiedsgewijs gehanteerd: een totaal bedrijventerrein krijgt een etiket. In deze studie worden de criteria voor A- en B-locaties niet gebiedsgewijs gehanteerd: elk bedrijfslocatie wordt individueel aan de hand van deze criteria getoetst. Dat kan omdat er immers uitgegaan wordt van bedrijfsspecifieke data. Bij een A-locatie in de Randstad is de streefwaarde een parkeernorm van maximaal 1 parkeerplaats op 10 arbeidsplaatsen (10 Pp100W); bij een B-locatie maximaal 1 parkeerplaats op 5 arbeidsplaatsen (20 Pp100W). De Uitvoeringsnotitie Parkeerbeleid [14]) richt hierbij de nadruk op een toepassing bij nieuwe locaties cq. vestigingen. Voorbeelden hiervoor zijn (a) het opnemen van maximumparkeernormen in bestemmingsplannen in plaats van minimumnormen zoals tot in het recente verleden en het weren van bepaalde typen bedrijven van bepaalde locaties. Een toepassing -op termijn- op reeds bespaande locaties is echter niet uitgesloten, SVV II en VINEX vormen hiervoor de basis. In deze studie gaan wij juist uit van de bestaande situatie, van de bestaande bedrijvenstruktuur op A- en B-locaties; afgezien van bedrijven die helemaal 'fout' zitten, zij vallen buiten beschouwing (zie § 2.4). Hier wordt een parkeer(streef)norm niet van tevoren voor een ideale situatie vastgelegd, maar van 'onderop' empirisch bepaald. 2.3.

Bedrijfstypen Bij de bedrijfstypen, in tegenstelling tot bij locatietypen, is geen algemeen aanvaarde categorisering voor handen. Waar bereikbaarheidsprofielen via de driedeling A-, B- en C-locaties concreet is uitgewerkt, zijn pogingen om mobiliteitsprofielen via de SBI-codering van bedrijfssectoren niet erg geslaagd. De SBI-onderverdelingen werden in die zoektocht steeds omvangrijker, zonder ook maar enigszins in de buurt te komen van sprekende verschillen in noodzakelijk autogebruik. Toch is in deze studie een bedrijfstypologie noodzakelijk. Anders kunnen we immers niet bepalen welke bedrijven op een 'foute' locaties zitten, terwijl die juist de gemiddelden en de spreidingscijfers van de omvang van het noodzakelijk autogebruik per locatietype fors kunnen beïnvloeden. Waar in de vorige paragraaf locatietypen werden behandeld als het op voorhand rekening 8

houden met verschillen in de beschikbaarheid van auto-alternatieven in het woon-werkverkeer (bereikbaarheidsprofiel), kan op precies dezelfde manier een indeling naar bedrijfstypen gezien worden als het op voorhand rekening houden met verschillen in de omvang van (noodzakelijk) zakelijk verkeer (zowel uitgaan als inkomend). Met deze uitspraak zijn twee van de vier aspecten van een mobiliteitsprofiel aangesproken (zie § 2.1). Het derde aspect, goederenvervoer, is in het kader van deze studie minder relevant (personenvervoer, A- en B-locaties). Het kan samen met het vierde aspect, arbeidsintensiteit, uitgedrukt worden in een onderscheiding van enerzijds kantoren/voorzieningen en arbeitsextensieve maar transportintensieve (produktie)gebouwen anderzijds. In dit project is een poging gedaan te komen tot een bedrijfstypologie, die minder ambitieus van opzet is dan de eerdere pogingen via bedrijvigheid (SBI), maar die direkt aansluit aan de mobiliteitsprofiel-aspecten. In het proces tot deze nieuwe bedrijfstypologie zijn de volgende stappen gezet.

3

1.

De constatering dat het probleem met SBI-codering en onderverdelingen daarbinnen voor een belangrijk deel neerkomt op het probleem dat de SBI uitgaat van bedrijven (die in een bepaalde branche actief zijn). Het locatiebeleid vraagt er eigenlijk om uit te gaan van gebouwen: de activiteiten in een specifiek gebouw, mogelijk onderdeel van een bedrijf met vele andere vestigingen; het hoofdkantoor van een grote industriële onderneming dient als 'gebouw' daarom toch als 'kantoor' benoemd te worden en niet als 'industrie'.

2.

De bedrijfstypologie dient primair het gebouw, de activiteiten in het gebouw, te karakteriseren. De benamingen behoeven dus niet aan te sluiten op branche-benamingen.

3.

De typologie dient verschillen -beter gezegd: extremen- aan te geven in de omvang van zakelijk verkeer. Hierbij hanteren we verder als vooronderstelling dat 'veel uitgaand zakelijk verkeer' in het algemeen betekent dat een goede autobereikbaarheid noodzakelijk is en dat 'veel inkomend zakelijk verkeer' betekent dat zowel een goede OV-bereikbaarheid als een goede autobereikbaarheid noodzakelijk is.3

4.

De belangrijkste, en meest eenvoudig te maken scheidslijn is die tussen bedrijfstypen die in het algemeen thuishoren op een C-locatie en die thuishoren op een A- of B-locatie: * gebouwen voor voornamelijk kantoor-activiteiten en voorzieningen: A- of B-locaties; * gebouwen voor produktie, groothandel, nuts-/transportbedrijven, verkoop: C-locaties. Overigens kan bij produktie- en verkoopgebouwen ook wel aan B-locaties gedacht worden. Met deze indeling sluiten wij grofweg aan bij een tweedeling die de Provincie ZuidHolland hanteert, nl. tussen (a) kantoren en arbeidsintensieve bedrijven en (b) andere bedrijven. Bedrijven van groep (a) worden vervolgens van C-locaties geweerd. Onderscheidingscriterium is "meer dan 50% kantoorvloeroppervlak of meer dan 2000m2 kantoorvloeroppervlak" [21]. Juist de groep tussen de klassieke indeling van kantoor enerzijds en produktiebedrijf anderzijds groeit snel, waardoor dergelijke, gebouweng-

Hiermee is niet gezegd dat uitgaand zakelijk verkeer gelijk is aan autoverkeer. Juist de goede OV-bereikbaarheid zorgt ervoor dat dit niet zo is. Maar bij veel uitgaand zakelijk verkeer is de kans op 'noodzakelijk autogebruik in verband met de beroepsuitoefening' groter dan in gevallen met gering uitgaand zakelijk verkeer.

9

erichte criteria noodzakelijk zijn om afbakeningsproblemen te omzeilen. 5.

Pogingen via de SBI-codering stuiten vooral in die groep 'kantoren en voorzieningen' op problemen. Daarvoor is dan ook, zeker omdat deze studie juist over A- en B-locaties handelt, een nader onderverdeling gemaakt. Ervan uitgaande dat de bedrijfstypologie vooral verschillen in zakelijk verkeer (inkomend en uitgaand) wil aangeven, zijn we binnen het eerste deel, de kantoren, gekomen tot de volgende (nieuwe) indeling4: * balie: veel bezoekers, bijv. KvK, arbeidsbureau, belastingskantoor; * dienstverlening: veel eigen zakelijk verkeer, bijv. accountant; * administratie: nauwelijks bezoekers en nauwelijks eigen zakelijk verkeer, bijv. verzekeringsmaatschappij; * beleidsvorming: organisaties die beleid maken of willen beïnvloeden - het vergadertype, met zowel (matig) inkomend als uitgaand zakelijk verkeer, bijv. ministerie, beleidsadviesbureau; In het navolgende schema staan deze vier typen vermeld in combinatie met de twee gehanteerde criteria:

Schema 3:

Bedrijfstypologie voor kantoren en voorzieningen

Inkomend zakelijk personenverkeer minimaal Uitgaand zakelijk personenverkeer

minimaal

administratie

weinig veel

weinig

veel balie

beleidvorming dienstverlening

n.v.t.

In het schema blijft de cel rechtsonder leeg; bedrijven met veel inkomend en tegelijk veel uitgaand zakelijk verkeer zullen er niet zijn (wie moet die bezoekers te woord staan?). Vier tussencategorieën hebben we geen aparte benaming gegeven, maar ondergebracht bij de extremen. Er is slechts één middencategorie: beleidsvorming. 6.

Op voorhand zijn geen exacte criteria bedacht (in termen van bijvoorbeeld aantal zakelijke ritten per werknemer). We achten dat niet nodig omdat bedrijfsgebouwen toch individueel een etiket zullen krijgen.

7.

De bedrijfstypologie met 4 typen voor kantoren en voorzieningen en 3 overige typen (productie, groothandel/transport, verkoop) is dekkend, i.e. alle bedrijven cq. vestigingen/gebouwen laten zich hiermee beschrijven. In twijfelgevallen (bijv. kantoorfunctie èn produktie) is wat als activiteit domineert, bepalend.

4

Er is één studie waarin een indeling volgens een aanverwant principe wordt gehanteerd: Bureau Jeuring & Martens [11]). In het loslaten van de bedrijfsaktiviteit (SBI etc.) zijn we hier echter nog consequenter.

10

2.4.

Conclusie: combinatiematrix De uitgangspunten van dit hoofdstuk kunnen we in een matrix vastleggen: welke bedrijfstypen horen op welke locatietypen? Schema 4: Bedrijfstype

Toedeling van bedrijfstypen aan locatietypen A-locatie

B-locatie

C-locatie

balie

X

X

dienstverlening

---

X

beleidsvorming

X

X

administratie

X

X

produktie

---

X

X

grooth/transp.

---

(X)

X

verkoop

(X)

X

X

Verklaring: X = passend (X) = passend onder voorbehoud --- = zeker niet passend: bedrijf op onjuiste plaats! = niet passend, maar buiten probleemstelling Door deze matrix toe te passen op alle bedrijven en instellingen (c.q. 'gebouwen') op A- en Blocaties in Haaglanden en Rijnmond waarvan vervoermanagementdata voorhanden zijn, zuiveren dus 'bedrijven op de foute plaats' uit en kunnen we in principe komen tot meer waardevolle cijfers over de omvang van het noodzakelijk autogebruik per categorie. Wij hebben ons beperkt tot de bedrijven die eenduidig op de foute plaats zitten, nl. met de bedrijfstype 'dienstverlening' (veel uitgaand verkeer), 'produktie' en 'groothandel/transport' op Alocaties (in schema 4 met '---' aangeduid). Deze bedrijven worden dus bij de berekeningen ten opzichte van parkeerbehoeftes op A-locaties niet meegenomen! Zij worden als zgn. 'Vbedrijven' (verwijderde bedrijven) apart uitgewezen (zie tabel 1 in bijlage 4 onderaan).

11

3.

Woon-werkverkeer: definitiekwesties en rekenregels In hoofdstuk 1 is een analyseschema gepresenteerd dat de kern van dit project aangeeft. Tegelijk is duidelijk gemaakt dat dit schema verfijnd moet worden alvorens het toegepast kan worden in secundaire analyses op vervoermanagementenquêtes. Over die verfijning handelt dit hoofdstuk 3, voorzover het de normeringssegmenten van woonwerkverkeer betreft. Centraal staan daarbij definitiekwesties rond de het kernbegrip normeringssegmenten van noodzakelijk autogebruik, de combinaties van elementen en redenen (zie hoofdstuk 1). Bij discussies over parkeernormen, over noodzakelijk autogebruik gaat de aandacht vaak vooral uit naar de auto's die in het woon-werkverkeer gebruikt worden. Hierover gaat dit hoofdstuk dan ook voornamelijk. In § 3.1 komen wij echter nog een keer op de normeringssegmenten terug en behandelen daarin al twee segmenten waarover we kort kunnen zijn: 'medische redenen bij werknemers' en 'bedrijfsauto voor algemeen gebruik'. Vervolgens wordt in § 3.2. de vervoermanagementdata geschetst die de basis vormen voor het gedeelte woon-werkverkeer. Dan volgt een beschrijving per normeringssegment: 'woon-werk verkeer vanwege beroepsuitoefening' (§ 3.3.), 'woon-werkverkeer vanwege gewenst carpooling' (§ 3.4.) en 'woon-werkverkeer vanwege ontbreken van alternatief' (§ 3.5.). Het hoofdstuk wordt in § 3.6. afgesloten met een samenvattend rekenschema.

3.1.

Inleiding: opnieuw de normeringssegmenten Noodzakelijk autogebruik wordt in beleidsdocumenten van vele overheidsdiensten gekoppeld aan (a) zakelijke redenen en (b) objectieve redenen: autogebruik is noodzakelijk als het bedrijfs-economisch nodig is of als er duidelijk aanwijsbaar geen goede alternatieven zijn. Zo ook in deze studie. Het verdient vermelding dat op deze manier voorbij wordt gegaan aan veelsoortige persoonlijke ofwel maatschappelijke redenen, die in de ogen van velen eveneens leiden tot noodzakelijk autogebruik. Om de meest pregnante redenen te noemen: * steeds vaker hebben twee partners beiden een baan zodat allerlei huishoudelijke verplaatsingen aansluitend aan de werktijd gemaakt worden, de zgn. ketenverplaatsingen (winkelen; kinderen naar de crèche brengen); * specialisering in werkgelegenheid leidt ertoe dat steeds meer mensen niet in hun directe woonomgeving een passende baan vinden en grotere woon-werk afstanden afleggen (ook leidt dit niet per definitie tot meer autokilometers). De vraag of en in welke mate dergelijke ontwikkelingen meegenomen moeten worden in een omvangsbepaling van het noodzakelijk autogebruik, wordt in deze studie niet beantwoord. Over de noodzakelijkheid van het autogebruik laat zich hier altijd twisten. Het is een grijs gebied, wat nog maatschappelijke discussie vergt. Uit het oogpunt van parkeerruimte geredeneerd bestaat er altijd een alternatief: bij kortere afstanden wisselen van vervoermiddel thuis (eerst met de fiets naar het werk, later met de auto naar de supermarkt voor de wekelijkse boodschappen), bij langere afstanden gebruik maken van Park&Ride-faciliteiten. De bepaling van het noodzakelijk autogebruik richt zich vooral op normeringssegmenten die te maken hebben met het gebruik van de auto voor het woon-werk verkeer. In de nota 'Parkeerbehoefte bij werkgelegenheidslocaties' van de Gemeente Den Haag wordt het noodzakelijk autogebruik onderverdeeld in noodzakelijk autogebruik: 12

-

in verband met medische redenen; in verband met de uitoefening van het werk; in verband met het ontbreken van een alternatief met het openbaar vervoer voor de woonwerkverplaatsing. Vergelijkbare criteria voor het bepalen van de te honoreren parkeerbehoefte kunnen ook in vele andere publicaties en nota's gevonden worden; steeds gaat het om de genoemde drie (of eigenlijk de laatste twee) deelcategorieën binnen het element '(mede) woon-werkauto'. In deze studie wordt een extra stap gezet: ook noodzakelijk autogebruik in bezoekersverkeer wordt geanalyseerd. Aansluitend op het analyseschema in § 1.3 worden de volgende normeringssegmenten gehanteerd als combinaties van relevante elementen van het bedrijfsgebonden personenverkeer en redenen voor het noodzakelijke gebruik van de auto: a. woon-werkverkeer: vanwege medische redenen; b. niet-persoonsgebonden bedrijfsauto's: vanwege beroepsuitoefening; c. woon-werkverkeer: vanwege beroepsuitoefening (§ 3.3.); d. woon-werkverkeer: wenselijk i.v.m. carpooling (§ 3.4.); e. woon-werkverkeer: ontbreken van alternatief (§ 3.5.); f. bezoekersverkeer: ontbreken van alternatief (zie hoofdstuk 4). Voor de normeringssegmenten onder a. en b. wordt in de analyse een apart en beperkt traject gevolgd. Dat wordt hierna geschetst. Medische redenen Noodzakelijk autogebruik vanwege medische redenen is een normeringssegment dat simpelweg gehonoreerd dient te worden. Volgens de resultaten van het Haagse parkeeronderzoek uit 1985 is de parkeerbehoefte op basis van dit segment gemiddeld 1 parkeerplaats per 100 werknemers. Deze waarde is te klein om in de berekening van het noodzakelijk autogebruik consequent mee te nemen. Verder gaat het hier om een segment waar weinig 'harde' gegevens over bestaan. We kiezen er daarom voor om dit normeringssegment eerst apart te zetten, met vooralsnog een vaste waarde van 1 Pp100W, en die pas bij de conclusies van hoofdstuk 4 weer in de uitgevoerde berekeningen in te brengen. Niet-persoonsgebonden bedrijfsauto's De meeste bedrijfsauto's of lease-auto's zijn in vast gebruik bij een bepaalde werknemer. Daarnaast komen er bedrijfsauto's voor die niet persoonsgebonden zijn, maar voor algemeen gebruik zijn bestemd. We onderscheiden hier twee typen, die in deze studie ook onderscheiden behandeld worden. 1. 'Kale' personenauto's, te gebruiken door werknemers die incidenteel een zakelijke verplaatsing maken. Dit type blijft in analytische zin verder buiten deze studie. We negeren als het ware het bestaan ervan en maken de aanschaf van dit soort algemeengebruik bedrijfsauto's tot een (door de overheid gestimuleerde) oplossing van de werkgever voor problemen met de parkeercapaciteit. Immers, door de aanschaf van dit type bedrijfsauto's vermindert de werkgever de behoefte aan parkeergelegenheid voor het normeringssegment "mede woon-werk auto's vanwege beroepsuitoefening". 13

2.

Service-auto's (ook: bestelauto's), met apparatuur en gereedschap voor de beroepsuitoefening. Dit type bedrijfsauto's wordt eveneens buiten de bepaling van het noodzakelijk autogebruik gelaten, maar op een andere manier: als een bedrijf dergelijke auto's kent, is dat in principe een reden tot een evenredig aantal extra parkeerplaatsen.

Overigens blijken er, los van deze indeling in twee typen, volstrekt geen cijfers te bestaan over het aantal niet-persoonsgebonden bedrijfsauto's in Nederland. In de bezoekersenquête hebben wij nog een voorzichtige poging gedaan om hierover iets boven tafel te krijgen. Aan alle bedrijven waar bezoekers geënquêteerd werden is tegelijk gevraagd hoeveel niet-persoonsgebonden bedrijfsauto's men bezit. Deze vraag werd bij 8 bedrijven beantwoord: gemiddeld ging het om 0,6 niet-persoonsgebonden bedrijfsauto op 100 werknemers. In het voorgaande zijn twee normeringssegmenten ('medische reden' en 'niet-persoonsgebonden bedrijfsauto's') behandeld. In de navolgende paragrafen komen de andere normeringssegmenten van het woon-werkverkeer aan de orde. Daarbij speelt het gebruik van vervoermanagementdata een centrale rol. 3.2.

Gebruik van vervoermanagementdata In hoofdstuk 1 is reeds aangegeven dat becijferingen in dit project een bottom-up uitgangspunt hebben: uitgaan van individuele bedrijven -zelfs individuele werknemers- en van de huidige, feitelijke situatie. Een bottom-up weg via individuele gegevens over noodzakelijk autogebruik is in principe mogelijk, omdat er via enquêtes die in vervoermanagement-kader gehouden zijn, een schat aan primaire gegevens is die iets zegt (a) over de huidige parkeerbehoefte en (b), met hantering van enkele vooronderstellingen en te realiseren randvoorwaarden, over de mogelijke omvang van noodzakelijk autogebruik in de streefsituatie. Hoe kunnen enquêtegegevens (zelfs: enquêtes onder werknemers!) nu iets zeggen over de parkeerbehoefte van een bedrijf - en over een deel daarvan: het noodzakelijk autogebruik? In de enquêtes hebben werknemers aangegeven in hoeverre het gebruik van hun woon-werkauto noodzakelijk (of liever, omgekeerd: vervangbaar) is, om wat voor reden dan ook. Die door de werknemers opgegeven redenen voor noodzakelijk autogebruik kunnen onderscheiden geanalyseerd worden. Dat levert in principe heldere behoeftecijfers op, wanneer althans heel precies bepaald wordt welke redenen tot autogebruik het etiket 'noodzakelijk autogebruik' verdienen en welke niet. Op één punt kunnen de vervoerplanenquêtes logischerwijs geen bruikbaar materiaal leveren voor een studie over parkeernormen: het aantal bezoekers (en -auto's) per bedrijf. Voor specifiek dat punt is in dit project dan ook een aanvullende enquête uitgevoerd (zie hoofdstuk 4). Behalve deze datasets is overigens ook literatuur beschikbaar die, minder exact, aanwijzingen geeft over de omvang van het noodzakelijk autogebruik. Zowel in Haaglanden als in Rijnmond zijn op grote schaal enquêtes bij bedrijven gehouden ten behoeve van vervoermanagement, door de adviesbureaus NEA (Haaglanden) en TC&O (Rijnmond). Via deze vervoermanagementlink konden we, na opschoning van het bestand, uiteindelijk gebruik maken van gegevens over 37140 werknemers, bij 115 bedrijven (in de regio Haaglanden 53, in de regio Rijnmond 62 bedrijven). Het gaat hierbij in principe om 14

bedrijven met meer dan 50 werknemers, zoals binnen vervoermanagement op het moment gebruikelijk is. In de meeste gevallen hebben de enquêtes in 1992 plaatsgevonden. Hoe zijn deze bedrijven geselecteerd? Ten eerste was de vraag welke bedrijvengebieden in de vervoerregio's Haaglanden en Rijnmond als A- of als B-locaties gekenmerkt zijn. Ten tweede is gekeken voor welke bedrijven in deze gebieden vervoermanagementdata beschikbaar waren. De precieze locatie van deze bedrijven werd (opnieuw) aan de criteria voor A- en B-locaties getoetst (zie § 2.2.). Alleen deze bedrijven kregen als kenmerk 'gevestigd op A- of B-locaties'. In totaal zijn dit 31 bedrijven met 13643 werknemers/enquêtes op (echte) A-locaties en 39 bedrijven met 8663 werknemers op B-locaties; samen dus 70 bedrijven. 10 bedrijven zijn 'onjuist' op een A-locatie gevestigd (zie § 2.4) en zijn daarmee van de centrale berekeningen uitgesloten. De resterende bedrijven (25) zijn in de steekproef opgenomen als gevestigd op C-locaties (alleen snelweg) resp. R(est)-locaties. Deze bedrijven liggen feitelijk, bij strikte toepassing van de landelijke criteria, net buiten de rand van A- en B-locaties; C-locaties aan de rand van Blocaties, R-locaties aan de rand van beiden. In de kaart- bijlage 1 kan men zien, in hoeverre de criteria voor A- en B-locaties de als zodanig uitgewezen bedrijvengebieden dekken. De kaartbijlage geeft uitsluitsel over de ligging van de bedrijvengebieden en het wel of niet dekkend zijn met de criteria voor A- en B-locaties. Daarin is tevens te zien dat het bij de A- en B-locaties feitelijk in Haaglanden om Den Haag 'en omstreken' gaat en bij Rijnmond om Rotterdam 'en omstreken'. Bedrijven op C- of R-locaties zijn uiteraard niet opgenomen bij de berekening van de streefsituatie op A- en B-locaties. Zij dienen als referentiebedrijven voor de 'rand'situatie. Voor de meeste relevante vragen kunnen de NEA- en TC&O-enquêtes zonder belangrijk verlies van informatie worden geïntegreerd. Meer specifiek is daartoe de volgende procedure gevolgd. Voor de betrouwbaarheid van de data zie Bijlage 2. In de NEA-enquêtes worden alle werknemers aan de hand van een reeks kenmerken geselecteerd. Eén kenmerk kunnen we nu bij secundaire analyses weer gebruiken - zij het dat de selectie juist omgekeerd verricht moet worden: auto nodig voor het werk: Werknemers die de auto meestal tijdens de werkuren nodig hebben vallen buiten de selectie. Met 'omgekeerd verrichten van de selectie' bedoelen we het volgende. In de NEA-enquêtes ten dienste van vervoermanagement ging het er in essentie om de werknemers te selecteren met 'vervangbaar autogebruik'. In deze studie gaat het om precies het omgekeerde, noodzakelijk autogebruik. Het criterium dat gehanteerd wordt om werknemers buiten de selectie te laten, moet nu dus juist gehanteerd worden om werknemers binnen de selectie te brengen. De TC&O-enquête heeft globaal gezien dezelfde structuur; we kunnen dan dezelfde omkeringslogica gebruiken. De formulering bij het genoemde criterium was echter niet exact hetzelfde: * auto nodig voor het werk met als opties: dagelijks, soms, nooit. In dit project is geselecteerd op 'dagelijks'. Het aandeel werknemers dat desbetreffend geantwoord heeft (16%) verschilt nogal met het aandeel bij de NEA-enquêtes (9%). Der reden is o.i. niet te zoeken in de verschillend geformuleerde vragen, maar in verschillen in de bedrijven-

15

struktuur tussen Haaglanden en Rijnmond.5 Verder hebben we gegevens over wisselende werktijden van werknemers buiten beschouwing gelaten. Slechts 1,4% van de werknemers gaf aan wisselende werktijden te kennen en daardoor wellicht minder goed zonder de auto te kunnen. Maar het percentage is zo laag en tegelijk is de absoluutheid van het oordeel betrekkelijk, (Kan men in een vroege ochtenddienst niet op de fiets?), dat we deze kwestie geheel buiten beschouwing hebben gelaten. In de analyses zijn vervolgens voor hantering van de andere normeringssegmenten ('carpooling' en 'ontbreken alternatief') op persoonsbasis nog enkele criteria toegepast, waarop hieronder nader wordt ingegaan. Het gaat dan bijvoorbeeld om gegevens die beschikbaar zijn over het aantal huidige carpoolers, over woon-werkafstanden (via postcodes) en over matchingmogelijkheden voor carpooling (ook via postcodes). In de berekeningen is dezelfde volgorde aangehouden als hierna in de tekst. 3.3.

Beroepsuitoefening Bij het normeringssegment 'noodzakelijk autogebruik in verband met de uitoefening van het werk' is de hamvraag wanneer de woon-werkauto echt noodzakelijk is. Men zou kunnen zeggen -en dat gebeurde ook vaak- dat er in ieder geval sprake is van noodzakelijk autogebruik, wanneer een 'auto van de zaak' wordt gebruikt. Door de sterke toename van het aantal werknemers met een (functiegebonden) lease-auto, zonder duidelijke link met het zakelijk gebruik, voldoet dit criterium niet meer en is het nodig om nadere kenmerken te formuleren ter bepaling van het deel dat werkelijk noodzakelijk autogebruik betreft. Zoeken naar objectieve, controleerbare criteria voor het bepalen van wel en niet noodzakelijk autogebruik vanwege de bedrijfsvoering zou een alternatief kunnen zijn. Vooralsnog achten we dat echter geen realistische weg. Of de woon-werkauto echt zakelijk gebruikt moet worden, is van zoveel omstandigheden afhankelijk, dat we inschatten te verzanden in specifieke regels per individueel bedrijf - of zelfs per individuele werknemer. Daarmee hebben we nog slechts één mogelijk criterium over: de mening van de werknemer zelf; vindt hij/zij zelf dat de auto "zakelijk noodzakelijk" is? In vervoermanagementenquêtes zijn steeds vragen opgenomen over dit punt, zoals hiervoor aangegeven. Als het gaat om parkeernormen kunnen we overigens die werknemersverklaringen in principe nog wel op één punt nuttig differentiëren: het aantal te maken zakelijke autoritten per dag. Werknemers die vele autoritten per dag afleggen houden immers een parkeerplaats van het eigen bedrijf slechts zeer ten dele bezet. Een woon-werkauto met veel zakelijke autoritten telt daarom als minder dan één noodzakelijke parkeerplaats. Hier moet nog een factor worden bepaald. In eerste instantie zijn we uitgegaan van 0,8 parkeerplaatsen per (nood-)zakelijke woon-werkauto. Zo'n auto is dan een vijfde van de dag niet aanwezig. Dat laat veel speelruimte voor: overlappingstijden (gelijke aanwezigheid voor bijv. werkbesprekingen);

5

Om de noodzaak van de auto voor de beroepsuitoefening exact in kaart te brengen, zou men werkpatronen moeten volgen (via dagboekmethode of analyse van rijtijdenboekjes). Dit zou echter een apart nieuw onderzoek zijn. Vooralsnog moet de bepaling door de werknemers zelf volstaan.

16

ruimte voor privé- auto's die soms nodig zijn voor het werk; ruimte voor enkele niet-persoonsgebonden bedrijfsauto's, die immers ook voor een groot deel van de tijd afwezig zijn (behalve 's nachts als de woon-werkauto's weg zijn). Om de marges aan te geven is ook gerekend met een factor 0,5 als uitgangspunt, dus inhoudend dat woon-werkauto's met zakelijk gebruik voor de helft van de tijd afwezig zijn.

-

3.4.

Carpooling Het volgende normeringssegment in de rij zoals onder d. weergegeven in § 3.1. is 'woonwerkauto die wenselijk is omdat er gecarpoold wordt'. We zijn er in de berekeningen vanuit gegaan dat carpooling, los van de woon-werkafstand, als wenselijk wordt gezien en dat de daaruit voortvloeiende parkeerbehoefte dus gehonoreerd moet worden. Bij de omvang van noodzakelijk autogebruik vanwege carpooling kunnen we niet simpelweg elke carpoolende werknemer als een autogebruiker zien en dus als 'een parkeerplaats nodig hebbend'. Immers: carpooling betekent dat minstens twee werknemers slechts één auto gebruiken en dus slechts één parkeerplaats nodig hebben. Ervaringen (bijv. van VCC Amsterdam Zuidoost [11]) leren dat tegenwoordig de bezettingsgraad van een carpoolauto gemiddeld 2,4 (personen) is. De omrekeningsfactor van aantal werknemers naar aantal parkeerplaatsen is daarmee: 1 / 2,4 (ofwel: 0,42).

3.5.

Ontbreken van alternatief Het volgende normeringssegment voor woon-werkauto's is in de Nota Parkeerbehoefte bij Werkgelegenheidslocaties genoemd als: 'in verband met het ontbreken van een alternatief met het openbaar vervoer voor de woon-werkverplaatsing'. Twee aspecten aan deze formulering roepen vragen op: (a) het veronachtzamen van andere alternatieven dan het openbaar vervoer (concreet: carpooling en fiets); (b) de definitie van wat wel en niet een goed alternatief is. Over het eerste punt kunnen we kort zijn. Sporend met het huidige verkeersbeleid is het niet meer dan logisch om ook carpooling en fiets als volwaardige alternatieven te zien. Het begrip keuzereiziger wordt dus niet slechts gehanteerd voor het alternatief openbaar vervoer, maar ook voor de mogelijke alternatieven langzaam verkeer (c.q. fiets) en carpooling. Vervolgens wordt daarmee het tweede punt natuurlijk ingewikkelder: ook voor carpooling en fiets zal aangegeven moeten worden wanneer dit een goed alternatief is. Bij het tweede punt ligt het in eerste instantie voor de hand om de kwaliteit van alternatieven uit te drukken in de 'maat' die daar altijd voor gold: bereikbaarheid als een begrip dat naar algemene en objectieve ontsluitingskenmerken van een locatie verwijst. Voor openbaar vervoer gaat het dan om aantal en frequentie van verbindingen; voor carpooling zou het, in een analoge redenering, gaan om het aantal carpoolparkeerplaatsen en specifieke doorstromingsvoorzieningen en voor de fiets om het aantal stallingsplaatsen en fietspaden/routes. We willen deze weg echter niet inslaan. Van Maanen en Verroen [3] merken terecht op dat de traditionele classificatie (zie § 2.2.) van 17

de bereikbaarheid, gebaseerd op ontsluitingskenmerken, onvoldoende rekening houdt met factoren die in de praktijk de vervoerwijzekeuze kunnen verklaren: reistijdverhoudingen, parkeermogelijkheden en de verplaatsingsafstand. Conclusie moet zijn dat de bereikbaarheid niet voldoende kan worden beschreven door slechts naar de ontsluitingen van de bestemming te kijken, maar dat de (relatieve) kwaliteit van de gehele verplaatsing moet worden onderzocht. Immers, een goede bereikbaarheid van de bestemming geeft geen enkele garantie omtrent de bereikbaarheid van het herkomstadres. We gaan dus kijken naar de alternatieven voor individuele werknemers op concrete woonwerkrelaties. Er zullen eenvoudige criteria moeten worden geformuleerd ter beoordeling van de potenties van de alternatieven langzaam verkeer en carpoolen, bijv. in de zin van: "tot een bepaalde afstand is de fiets altijd een goed alternatief"; "voor een bepaalde percentage van werknemers is altijd matching voor carpooling mogelijk". Boven fietsafstand Voor werknemers met een korte woon-werkafstand is de fiets een volwaardig alternatief. De vraag is welke afstand de grens moet zijn om nog te spreken van een volwaardig fietsalternatief. In eerste instantie gaan we in deze studie uit van een grens op 7,5 km reisafstand. Deze vaker gehanteerde grens geeft een praktisch haalbare afstand weer (in reistijd maximaal 30 min.), waaronder ook nu al in forse mate gefietst wordt. Overigens kan met evenveel recht, op basis van de cijfers, een grens van 10 km gehanteerd worden.6 Bij een afstand tot 7,5 km is overigens het OV altijd een alternatief (bijv. bij slecht weer). De reistijd blijft dan in stedelijk gebied nog binnen de perken, ruim binnen drie kwartier reizen ook bij ongunstige overstap-relatie.. Naast deze grens van 7,5 km reisafstand is in de berekeningen ook nog gewerkt met een grens bij 5 km, om te bezien welke effecten zo'n verschuiving heeft op de omvang van het noodzakelijk autogebruik. De grens van 7,5 km als realistisch beschouwen betekent wel dat, aangezien we immers echt bijna alle werknemers onder die grens op de fiets willen hebben, de huidige verkeerssituatie niet voldoet. Om zo'n grens feitelijk effectief te laten zijn, zal de fietsinfrastructuur op vele plaatsen aanzienlijk verbeterd moeten worden: * rechtstreekse fietsroutes met weinig verkeerslichten e.d. (meest belangrijk); * vrijliggende fietspaden -streven naar fietssnelheid van 20 km per uur; * goede stallingsvoorzieningen bij de bedrijven. Onder maximum reisafstand Het is zinvol en logisch om in het geval van een grote reisafstand in het woon-werkverkeer niet specifiek naar de reistijdverhouding te kijken. Positief geredeneerd; vanaf een bepaalde 6

Zie bijvoorbeeld de CBS-cijfers over modal-split (verplaatsingen) voor Nederland uit het OVG (1992): 0 - 2,5 km: 17% auto en 49% fiets; 2,5 - 5 km: 35% auto en 51% fiets; 5 - 7,5 km: 43% auto en 37% fiets; 7,5 - 10 km: 52% auto en 22% fiets; 10 - 15 km: 63% auto en 9% fiets.

18

afstandsklasse kan hoe dan ook gebruik worden gemaakt van het openbaar vervoer, desnoods door middel van Park & Ride. Negatief geredeneerd: het overheidsbeleid acht -zie ook de fiscale grens van 30 km- grote woon-werk afstanden niet wenselijk. Wij houden hier 30 km als grens aan. Dit is een argumentatief 'zekere' grens, gezien het feit dat de overheid bij woon-werkverkeer met de auto voor het reiskostenforfait 30 km als grens voor de maximale vergoeding cq. aftrek hanteert. Daarboven zou dus in ieder geval met het OV moeten worden gereisd (als men de auto niet nodig heeft voor het werk of carpoolt). Ook op dit punt is naast deze grens van 30 km reisafstand in de berekeningen nog gewerkt met een tweede grens, namelijk 50 km, om te bezien welke effecten zo'n verschuiving heeft op de omvang van het noodzakelijk autogebruik. Om de haalbaarheid van de eis van 'OV of P+R boven 30 km' op grote schaal te waarborgen, is de bouw van transferia op voldoende afstand van de (grote) steden noodzakelijk. Met de bestaande P+R voorzieningen zouden snel capaciteitsgrenzen bereikt zijn. Bovendien ontbreken dergelijke voorzieningen nog op veel plaatsen. Ongunstige reistijdverhouding De mate waarin het openbaar vervoer een alternatief is voor het autogebruik, hangt vooral af van de kwaliteit van het openbaar vervoer. Uit de literatuur [2] is bekend dat de verhouding op een gegeven herkomst-bestemmingsrelatie tussen het aandeel autogebruikers en het aandeel openbaar-vervoerreizigers, grotendeels bepaald wordt door de verplaatsingstijdfactor. Dat is de verhouding tussen de verplaatsingstijd per auto en die per openbaar vervoer. Het is algemeen gebruikelijk om in deze de grens tussen 'gunstig' en 'ongunstig' te leggen bij een reistijdverhouding OV/auto van 1,5. Een reis in het woon-werkverkeer die per OV meer dan anderhalf keer zo lang duurt als met de auto, wordt als onredelijk ervaren. In de hier gehanteerde berekening van de reistijdverhouding gaan alle reisonderdelen mee in, dus ook overstaptijd in het geval van het OV en parkeertijd in het geval van de auto. Bij de berekening wordt gebruik gemaakt van een NEA-databestand van 120.000 daadwerkelijk gemaakte ritten. Op basis van deze ervaringsgegevens en de postcodes worden de reistijden berekend. Zie bijlage 2 voor meer informatie over de gehanteerde methode. Deze grens is overigens ook zeker op de praktijk gebaseerd; uit de literatuur is bekend dat boven een reistijdverhouding van 1,5 de aantrekkingskracht van het OV sterk daalt. Voor alle duidelijkheid: we praten hier alleen nog over werknemers met een reisafstand tussen 7,5 en 30 km. De keuze voor de factor 1,5 binnen dit afstandcluster wordt bevestigd door de uitkomsten van een AVV-pilotonderzoek over reistijdverhouding. Bij afstanden tussen de 10 en 30 kilometer en bij een bestemming in het centrum lag de OV/auto-reistijdverhouding alleen bij uitzondering (ongunstige OV-relatie) boven de 1,5. Er werden zelfs waarden onder 1,0 bereikt [22]. Ons inziens speelt ook het absoluut verschil in tijd een rol in de perceptie van de reiziger (en daarmee het vervoermiddelgebruik): bij een kortere totale reisduur mag er verhoudingsgewijs meer bij dan bij een langere reisduur. Dit probleem hebben we al (gedeeltelijk) ondervangen

19

door het instellen van de 'fietsafstand' (in het voortransport).7 Overigens zou het nog beter zijn om te kijken naar de reistijdverhouding OV + Fiets vs. auto (i.p.v. alleen OV vs. auto). Dit kan helaas niet (bewust) worden gedaan met de beschikbare programma's. Dit is aanleiding om te veronderstellen dat een deel van de werknemers met een ongunstige reistijdsverhouding volgens de huidige berekeningswijze door de vervoerketen OV + Fiets alsnog een gunstige reistijdverhouding zouden krijgen (zie verder hierna). Geen alternatief bij ongunstige reistijdverhouding Zo komen we bij de laatste stap. Het deel noodzakelijk autogebruik dat we binnen dit normeringssegmenten 'woon-werkauto vanwege ontbreken alternatief' op dit punt nog over hebben, bestaat uit werknemers met een reisafstand tussen 7,5 en 30 km en met een reistijdverhouding OV-auto van meer dan 1,5. Voor deze resterende groep hebben we inschattingen gemaakt van het deel waarvoor in de toekomst alsnog een alternatief voor de auto haalbaar kan zijn. Daarbij onderscheiden we het volgende: 1. 10% van de resterende groep kan de vervoerketen OV + Fiets gebruiken en zo alsnog een gunstige reistijd bereiken, 10% kan door middel van Park&Ride alsnog een gunstige reistijd bereiken, samen 20%; 2. 20% kan door carpooling het autogebruik beperken. 60% blijft dan over als de uiteindelijke omvang van het normeringssegment 'woon-werk verkeer vanwege ontbreken alternatief'. De in totaal 20% (extra) OV + Fiets en Park&Ride zijn pure inschattingen. De 20% carpooling heeft ervaringen van NEA als basis. Gebleken is dat carpoolmatching van werknemers tot een optimum van 75% mogelijk is. Dit veronderstelt echter een voldoende grote populatie in een qua omvang beperkt bedrijvengebied (ca. 100 potentiële carpoolers). Een groot deel van de werknemers gebruikt al het OV of de fiets of carpoolt. Van de rest (exclusief diegenen die de auto nodig hebben voor het werk) valt in onze berekeningen al een behoorlijk deel af vanwege de afstand of de reistijdverhouding. Per bedrijf en gebied blijven niet zo veel potentiële carpoolers over. Daarom zijn we uitgegaan van het haalbare bij een werknemersbestand van 50 personen. Dan is carpoolmatching mogelijk tot 40%; we hebben voorzichtigheidshalve daar de helft van gehanteerd (ook onder zeer ongunstige condities haalbaar). De hier geschetste toedeling van 10-10-20% achten we zonder meer realistisch. Als alternatief om de consequenties van deze aannames weer te geven, is ook gerekend met de volgende, scherpere, toedeling. 1. 20% van de resterende groep kan de vervoerketen OV + Fiets gebruiken en zo alsnog een gunstige reistijd bereiken, 20% kan door middel van Park&Ride alsnog een gunstige reistijd bereiken, samen 40%. 2. 40% kan door carpooling het autogebruik beperken. 20% blijft dan over als de uiteindelijke omvang van het normeringssegment 'woon-werk verkeer vanwege ontbreken alternatief'. 3.6.

Schematische samenvatting

7

Trouwens er ligt ook nog veel potentiaal in mogelijkheden voor de fiets in het natransport. Dit zou tot een (ruimere) herdefinitie van locaties leiden waardoor de (R-, C-)randen van A- en B-locaties weer wel in beeld zouden komen.

20

De onderscheiden normeringssegmenten en rekenregels voor het woon-werkverkeer zijn in de volgende afbeelding weergeven. Het schema geeft in de linker kolom de vervoerwijzeelementen aan. De tweede kolom geeft de 'reden' aan voor het al of niet als noodzakelijk beschouwen. Daarna, in de derde kolom, de omrekeningsfactoren zoals die hiervoor zijn bepaald en tot slot in de vierde kolom een grafische weergave van het relatieve aantal parkeerplaatsen dat uit deze berekening volgt (en dat door een deling met het aantal werknemers tot de gewenste Pp100W leidt). Schema 5:

Stappen om de (parkeer-)streefsituatie voor het woon-werkverkeer te bepalen

Vervoerwijze (nu)

(ontbrekende) redenen

factor

parkeerplaatsen

+))))))))))))))))))0)))))))))))))))))))))))))))0))))))))0)))))))))))))))), * autosolisten * auto nodig voor werk * *0,8 * * * * * * * * /))))))))))))))))/))))))))))))))))))3)))))))))))))))))))))))))))3))))))))1 * carpoolers * carpooling is * *0,42 * * * wenselijk * * * * * /)))))))))))))))), * * * * * * * * /))))))))))))))))))3)))))))))))))))))))))))))))3))))))))2))))))))))))))))* autosolisten * fietsafstand (<7,5km) *0 * * * * /)))))))))))))))))))))))))))1 * * reisafstand >30 km *0 * * * * /)))))))))))))))))))))))))))1 * * reisafstand 7,5-30 km *0 * * maar reistijdverhouding * * * OV/auto <1,5 * * /)))))))))))))0)))))))))))))1 * * reisafstand *20% F&OV P&R *0 * * 7,5-30 km /)))))))))))))3)))))))), * * en reistijd-*20% carpool * *0,42 /)))))))))))))))), * * verhouding /)))))))))))))3))))))))3))))))))))))))))1 * * OV/auto >1,5*60% niet ver-* *1 * * * * vangbaar * * * * * * * /))))))))))))))))))3)))))))))))))2)))))))))))))2))))))))2))))))))))))))))* OV-gebruikers * * fietsgebruikers * * lopend * * * .))))))))))))))))))-

* *

* *

* * *

Bij autosolisten in het woon-werkverkeer gaan we ervan uit dat 'beroepsuitoefening' als redenen wordt gehonoreerd (met factor 0,8 voor gemiddelde aanwezigheid) en vervolgens reisafstand- en reistijd-redenen (tussen 7,5 en 30 km verplaatsing; verplaatsingstijdfactor hoger dan 1,5). Van de laatstgenoemde groep autosolisten delen we 10% aan het alternatief OV + Fiets toe, 10% aan het alternatief Park & Ride (geen parkeerplaats), 20% aan het alternatief carpooling (factor 0,42 dus) en 60% aan noodzakelijk vanwege ontbrekend alternatief (factor 1). Hoe komen de medische redenen hier in beeld? Het probleem is dat zij in de beschikbare vervoermanagementdata niet apart zijn uitgewezen. Daarom is gekozen voor een ouder cijfer: standaard 1 parkeerplaats per 100 werknemer (zie § 3.1). Worden hierdoor niet werknemers dubbel geteld? Dat kan inderdaad gebeuren. Maar wij gaan ervan uit dat deze groep niet struktureel tevens de auto nodig heeft in verband met beroepsuitoefening, carpooling of een 21

ongunstige reistijdverhouding. Het dubbel tellen van parkeerbehoefte blijft daardoor beperkt. Het is wel zo dat medische redenen op deze manier ruim bedeeld zijn. Dit is ook niet erg. Het is juist een extra marge voor werknemers die geen zwaarwegende medische redenen toonbaar kunnen maken, maar voor wie het wel te bezwaarlijk zou kunnen zijn om bij voorbeeld dagelijks 2x 6 km te fietsen. Het resulterend aantal noodzakelijke parkeerplaatsen moet vervolgens nog gecorrigeerd worden in verband met de gemiddelde afwezigheid van werknemers door ziekte, vakantie en verlof. Wij hanteren hier de ervaringsfactor van P&O-functionarissen: 0,85. Verder hebben we tot nu toe in de tekst ook steeds alternatieve factoren genoemd, die ook doorgerekend zijn: * factor '(aanwezigheid i.v.m.) beroepsuitoefening' 0,5 in plaats van 0,8; * maximale fietsafstand 5 km in plaats van 7,5 km; * bovengrens autogebruik 50 km in plaats van 30 km; * toedelingen aan alternatieven OV + Fiets of Park & Ride 40% (in plaats van 20%) en carpooling (40% in plaats van 20%). Met dit geheel aan rekenregels zijn de analyses gemaakt; de resultaten komen in hoofdstuk 5 aan de orde. In hoofdstuk 4 wordt nu eerst ingegaan op dataverzameling en rekenregels rond het laatste onderscheiden normeringssegment: bezoekersverkeer vanwege het ontbreken van een alternatief.

22

23

4.

Bezoekersverkeer: dataverzameling en rekenregels De literatuur biedt geen gegevens over het bezoekersverkeer bij bedrijven en instellingen die een basis zouden kunnen vormen voor een bepaling van de omvang van het noodzakelijk autogebruik in de hier beoogde vorm. Afgezien van het feit dat de informatie over bezoekers überhaupt zeer beperkt is, ontbreekt het vooral aan cijfers die gerelateerd zijn aan een gemeenschappelijke basis, zoals het aantal werknemers. In tegenstelling tot het woon-werkverkeer, waarover gegevens op zich beschikbaar zijn, moet het onderzoek naar het bezoekersverkeer één stap eerder beginnen, nl. met het vergaren van gegevens. In § 4.1.wordt ingegaan op de data die in dit project gebruikt zijn. Vervolgens wordt in § 4.2. ingegaan op de conclusies die op basis van deze data getrokken kunnen worden over de noodzakelijkheid van autogebruik in bezoekersverkeer en over de daaruit volgende parkeerbehoefte. De rekenregels die hierop gebaseerd zijn worden schematisch weergegeven in § 4.3.

4.1.

Data over bezoekersverkeer Om de nodige gegevens te vergaren, zijn in het kader van het project noodzakelijk autoverkeer twee bezoekersonderzoeken verricht: 1. Onderzoek "bezoekers bij kantoren": een bestandsmanipulatie op basis van het 'Nationaal Kantorenonderzoek 1993', door Twijnstra Gudde in opdracht van CEA, om gegevens te vergaren over de omvang van bezoekersstromen (bij kantoren) en hun autogebruik. 2. "Bezoekersenquête": een bezoekersenquête door CEA, NEA en DESAN (enquêteerwerk) om gegevens te vergaren over de noodzakelijkheid resp. vervangbaarheid van het autogebruik van bezoekers. Bezoekers aan kantoren Twijnstra Gudde heeft in het najaar van 1993 marktonderzoek verricht onder gebruikers van kantoren: het Nationaal Kantorenmarktonderzoek 1993. Ruim 1.200 kantoorhoudende organisaties hebben hieraan hun medewerking verleend. Aan deze bedrijven en instellingen werd o.a. gevraagd een inschatting te geven resp. gegevens te verstrekken over bezoekersaantallen en de vervoerwijze van de bezoekers. Kantoren zijn het type gebouwenfunctie dat het meest wenselijk is op A- en B-locaties - de locaties waarop het project Noodzakelijk autogebruik betrekking heeft. Derhalve leken deze gegevens geschikt om met enige statische zekerheid de omvang van het bezoekersverkeer op deze locaties te bepalen. Om de nodige gegevens te verkrijgen, o.a. met een standaardisatie (per 100 werknemers), was bestandsmanipulatie en herberekening noodzakelijk. Er is gekeken naar: * het aantal bezoekers; * het aantal bezoekers dat gebruik maakt van de auto; * de invloed van de bedrijfsgrootte; * de verschillen tussen bedrijfstakken; * de verschillen tussen (soort) locaties; * de specifieke situatie in Rijnmond en Agglomeratie Den Haag. De resultaten van dit onderzoek worden in het volgende hoofdstuk besproken.

24

Bezoekersenquête Om meer gedetailleerde informatie over het bezoekersverkeer te vergaren is onder de bezoekers van een twintigtal bedrijven en instellingen in Den Haag en Rotterdam een enquête afgenomen. De organisaties zijn niet a-select gekozen; er is gelet op een spreiding naar bedrijfstype. De enquêtes zijn op maandagen en donderdagen verricht, voornamelijk in januari 1994. In totaal zijn 675 enquêtes beschikbaar. Door een vergelijking tussen tellingen van bezoekers en het aantal enquêtes is de respons bepaald: gemiddeld twee-derde van de bezoekers kon en wilde aan de enquête deelnemen. Gezien de aantallen (21 bedrijven resp. 675 bezoekers) zijn differentiaties naar kenmerken van bezoekers (bijv. redenen van het bezoek) statistisch geoorloofd; differentiaties naar bedrijfskenmerken echter niet. In de bezoekersenquête kwamen de volgende onderwerpen aan de orde: * bezoekmotief, * bezoekduur, * herkomst en bestemmingsadres, * vervoerwijze, * auto-afhankelijkheid, * parkeergelegenheid, * aantal af te leggen bezoeken op die dag. 4.2.

Enquêtegegevens De CEA/NEA/DESAN-bezoekersenquête levert gegevens over de noodzakelijkheid van het autogebruik in bezoekersverkeer. We onderscheiden hier twee typen conclusies op dit punt: * eerst over de noodzakelijkheid c.q. vervangbaarheid van het autogebruik; * vervolgens over de daaruit voortvloeiende parkeerbehoefte. Enquêtegegevens over noodzakelijkheid van autogebruik Bij inkomend bezoekersverkeer is er principieel wat voor te zeggen om niet alle bezoekende auto's als noodzakelijk autoverkeer te honoreren. In ieder geval kunnen wij twee benaderingen onderscheiden. a. Het vervoermiddelgebruik door bezoekers wordt vastgesteld; de vraagstelling is alleen gericht op hoeveel bezoekers op een dag een parkeerplaats kunnen delen (doordat ze op verschillende tijdstippen aanwezig zijn). b. Er wordt wel gekeken voor hoeveel bezoekers redelijke vervoersalternatieven bestaan. Uitgaand van punt b. kunnen verschillende redenen worden aangewezen die voor bezoekers van bedrijven en instellingen het gebruik van de auto noodzakelijk maken: * medische redenen; * het vervoeren van veel bagage (bijv. door vertegenwoordigers); * de reistijdverhouding ten opzichte van OV (of fiets); * andere redenen (financiële redenen bijv. door met meerderen te reizen, veelvoudige bezoeken per dag). In tegenstelling tot de procedures rond het woon-werkverkeer laten we het helemaal aan de bezoekers zelf over om te bepalen of één van deze redenen van toepassing is. Dit 'verzacht' 25

enigszins de discussie of de noodzaak van het autogebruik door bezoekers überhaupt bestudeerd moet worden. Ruim 70% van de geënquêteerde bezoekers is met de auto gekomen, vooral in de eigen auto, maar ook met een auto van de zaak (gedetailleerde onderzoekresultaten zijn als tabellen opgenomen in bijlage 3). Op de vraag "indien u niet met een auto had kunnen komen, had u de reis dan toch gemaakt?" antwoordde maar liefst 59% van deze autogebruikers met ja. De meest belangrijke reden voor een negatieve antwoord was dat de reis anders teveel reistijd zou kosten (zie tabel 1).

26

Tabel 1: Redenen voor het noodzakelijk autogebruik (antwoorden bezoekers) REDENEN

aantal

totaal-%

redenen-%

te veel reistijd

91

13,5

47,6

bagage

39

5,8

20,4

te weinig comfort

6

0,9

3,1

medische redenen

5

0,7

2,6

financieel minder aantrekkelijk

3

0,4

1,6

47

7,0

24,6

was ook zonder auto gekomen

287

42,5

niet met de auto gekomen

197

29,2

675

100

andere redenen

100

Zeker de helft van het autogebruik door bezoekers is dus in principe vervangbaar! Benodigd aantal parkeerplaatsen Ongeveer 10% van de autogebruikers komt als passagier en niet als bestuurder.8 Een passagier rekent voor 0 parkeerplaatsen, een bestuurder voor 1 parkeerplaats (voor de duur van het verblijf). Helaas beschikken we niet over gegevens over de gemiddelde bezettingsgraad van een bezoekersauto. Daardoor blijft de omvang van noodzakelijk autogebruik vanwege 'gebruik door meerderen' onduidelijk. Aan de andere kant hebben we hier toch een andere weg bewandeld door de redenen voor de niet-vervangbaarheid helemaal aan de bezoekers zelf over te laten, dus ook redenen die uit het gezamenlijke gebruik van de auto voortkomen. In ieder geval kunnen we in de stap van autogebruikers naar auto's 10% aftrekken. De gemiddelde duur van een bezoek met de auto is 55 minuten (50 minuten bij alle bezoekers). Er is een duidelijk scheiding tussen korte en lange bezoeken: * baliebezoeken duren enkele minuten tot een half uur met een piek bij 1-10 minuten, ook de meeste leverancier en koeriers etc. (categorie 'anders') blijven maar kort; * vergaderingen duren in de meeste gevallen tussen een half en twee uur met een piek bij rond een uur. Baliebezoek en vergaderingen zijn trouwens de twee belangrijkste redenen voor een (kantoren)bezoek.9 Hoe de duur van een bezoek met de auto kan verschillen is in schema 6 weergegeven. Er bestaan geen noemenswaardige afwijking met de verdeling van de duur als alle bezoeken (ook diegenen zonder auto) worden bekeken. De duur van het verblijf heeft dus geen invloed op de keuze van de auto als vervoermiddel. Schema 6 Duur van het bezoek (met de auto) - spreiding (in %) 1 t/m 10 m. (((((((((((((((((((((((((((((((((((((((( 34% 11 t/m 20 m. ((((((((((((((((((((( 17%

8

Van al de bezoekers die met de auto gekomen zijn, was 414 eenduidig bestuurder en 49 eenduidig passagier (10,6 van 414+49). Een kleine groep (13) werd afgezet (geen auto), kwam met een chauffeur (auto?), maakte gebruik van een huurauto (auto!) of is onduidelijk (?). Dit is eerder iets ten gunste van het aantal bestuurders dan het aantal passagiers.

9

Voor de exacte verdeling van bezoeksredenen zie de tabel in bijlage 3. Onderhoudswerkzaamheden kunnen van heel kort tot de hele dag lang duren.

27

±30 ±1 ±1½ ±2 ±3 ±4 ±8

m. h. h. h. h. h. h.

(((((((((((((((((((((( 18% ((((((((((((( 11% (((((((( 6% (((((((( 6% ((((( 4% (((( 3% ((( 2%

Aan de andere kant zullen er altijd bedrijven en instellingen zijn waar zich het bezoekersverkeer niet door een norm laat vangen, nl. de bedrijven met intensief baliebezoek. Er valt genoeg voor te zeggen om met deze organisaties apart (los van de Pp100W-streefsituatie) over hun parkeerbehoefte voor bezoekers te praten. Daarom moet de bepaling van de Pp100W-streefsituatie voor dit normeringssegment alleen op de andere (niet balie-) bezoekers berusten. Dat betekent enerzijds minder bezoekers en daarmee parkeerplaatsen, maar anderzijds een gemiddeld langere verblijfsduur van de (overige) bezoekers. In de bezoekersenquête is het baliebezoek bij enkele bedrijven met veel bezoek geconcentreerd. Als we het baliebezoek helemaal buiten de berekening houden, bedraagt de gemiddelde duur van een bezoek (met de auto) 90 minuten ofwel 1,5 uur. Het zakelijk verkeer vertoont qua verblijfsduur een piek bij het zeer korte verblijf (leveranciers, koerierdiensten etc.) en bij 1 uur (gesprekken). De gemiddelde verblijfsduur kunnen we vertalen in ruim 5 bezoeken op een 8-urig werkdag. Als wij een (zeer) veilige marge aanhouden voor mogelijke overlappingen zijn dat 4 bezoeken per dag. Van bezoekers kan immers moeilijk worden gevraagd om dubbel te parkeren. Vier bezoekers met de auto hebben daarmee maximaal samen één parkeerplaats nodig. Overigens is het relatieve autogebruik van de niet-baliegebruikers (het puur zakelijk bezoekersverkeer) duidelijk hoger dan bij alle bezoekers, nl. 87%. Dit is niet van invloed op het zo net geschetste plaatje. Wel illustreert het dat bevraging van het noodzakelijk autogebruik voor alleen het zakelijk bezoek direct het grootste gedeelte van het bezoekersverkeer omvat. Aanvullende informatie De bezoekersenquête bevat nog andere informatie die voor het parkeerbeleid van belang is. Hier gaat het om de vraag, waar en hoe de auto geparkeerd is. Bezoekers (van kantoren in Den Haag en Rotterdam) parkeren hun auto in de meeste gevallen (voor meer dan 60%) op de openbare weg (zie tabel 2). Tabel 2:

Plaats waar de auto is geparkeerd

PLAATS

aantal

totaal-%

plaats-%

eigen terrein, gereserveerd

71

10,5

14,9

eigen terrein, algemeen

46

6,8

9,7

openbare weg, < 3 min. lopen

230

34,1

48,3

openbare weg, > 3 min. lopen

65

9,6

13,7

parkeergarage, < 3 min. lopen

12

1,8

2,5

parkeergarage, > 3 min. lopen

13

1,9

2,7

anders (vooral stoep en dubbel)

39

5,8

8,2

28

niet met de auto

194

28,7

5

0,7

675

100

ontbreekt

100

Dit gegeven onderstreept het beleidsuitgangspunt dat het reguleren van parkeren op de openbare weg een voorwaarde is van een mogelijke beïnvloeding van het parkeren op eigen terrein van bedrijven en instellingen. Dit wordt nog verder gestaafd door het feit dat bijna 60% van de ondervraagde (autogebruikende) bezoekers niet voor de parkeerplaats moest betalen. Verondersteld dat parkeren op eigen terrein en 'anders' gratis is (14,9% + 9,7% + 8,2% af) moest (maar) voor ruim de helft van de parkeerplaatsen op de openbare weg worden betaald. Het dubbelparkeren of het parkeren op de stoep (categorie 'anders') doet zich trouwens vooral bij bedrijven en instellingen voor die in een zone met een strak parkeerregime vallen - een punt van aandacht (handhaving). Dit is trouwens puur aanvullende informatie in de zin dat het geen invloed heeft op de straks berekende parkeerbehoefte in de streefsituatie. Beleidsuitgangspunt is namelijk dat dan alle parkeerbehoefte in principe op eigen terrein wordt opgelost. Een gemeente kan dan altijd nog in een indivueel geval hiervan afwijken door openbaar (kort-)parkeerruimte ter beschikking te stellen. 4.3.

Rekenregels noodzakelijk autobezoek Het resulterende rekenschema is voor het bezoekersverkeer tamelijk simpel (zie schema 7 - en voor een verklaring het eerdere schema 5 over woon-werkverkeer):

Schema 7: Vervoerwijze

Stappen om de (parkeer-)streefsituatie voor het bezoekersverkeer te bepalen (ontbrekende) redenen

factor

parkeerplaatsen

+))))))))))))))))))0)))))))))))))))))))))))))))0))))))))0)))))))))))))))), * auto * 45% noodzakelijk: * *0,25 /))))))))))))))))* * verrekend naar * * * * bezoeklengte * * * /)))))))))))))))))))))))))))3))))))))* * 45% in principe *0 * * vervangbaar * * * * * /)))))))))))))))))))))))))))1 * * 10% autopassagiers *0 /))))))))))))))))))3)))))))))))))))))))))))))))* OV * * fiets * * lopend * .))))))))))))))))))-

Bezoekende automobilisten worden eerst onderverdeeld in (a) 'noodzakelijk', (b) 'vervangbaar' en (c) 'passagier'. De omvang van de drie delen wordt op basis van de uitgevoerde enquête ingeschat op 45% tegen 45% en 10%; ofwel: als het aantal auto-passagiers afgetrokken is, resteert een reductiefactor van 0,5 om tot het noodzakelijk autogebruik te komen. Bij het noodzakelijke deel van autosolisten wordt vervolgens een factor gebruikt die het aantal uren dat een bezoeker een parkeerplaats bezet houdt, verrekend: 2 uren ofwel factor 0,25 op basis van een 8-urig werk- resp. bezoekdag.

29

Nu ook bepaald is hoe rekentechnisch met het bezoekersverkeer wordt omgegaan, kunnen in hoofdstuk 5 de resultaten van de analyses gepresenteerd worden.

30

31

5.

Resultaten Nadat in hoofdstuk 2-4 alle benodigde voorinformatie over typologieën en rekenregels is gegeven, volgen nu in hoofdstuk 5 de resultaten van de berekeningen. Dit hoofdstuk heeft een eenvoudige structuur: in § 5.1. cijfers over noodzakelijk autogebruik in het woon-werk verkeer; in § 5.2. over noodzakelijk autogebruik in bezoekersverkeer en in § 5.3. de samenvoeging daartussen. Voor alle cijfers in dit hoofdstuk verwijzen we overigens ook naar de meer uitgebreide cijfers tot op het niveau van individuele bedrijven- en de precieze reken-verantwoording in Bijlage 4 inclusief uitgebreide uitleg van benamingen en berekeningen van/per kolom.10

5.1.

Noodzakelijk autogebruik in het woon-werkverkeer De meeste en vooral de meest ingewikkelde berekeningen -zie hoofdstuk 3- komen in deze paragraaf aan de orde. Immers, juist bij woon-werkverkeer was de bepaling van normeringssegmenten geen eenvoudige zaak. In § 5.1.1. wordt -voorbereidend- een modal split analyse van de beschikbare data gepresenteerd. In § 5.1.2. wordt de eerste van drie stappen van het berekeningsproces met betrekking tot het autogebruik weergegeven en becommentarieerd. Daarbij wordt alleen de differentiatie naar Aen B-locaties gehanteerd, plus de verdeling over Haaglanden en Rijnmond. Deze eerste stap betreft de bepaling van het huidige autogebruik, of de huidige parkeerbehoefte. De tweede stap, in § 5.1.3., betreft het eruit lichten van de normeringssegmenten, via de in hoofdstuk 3 gegeven rekenregels. In de derde stap (§ 5.1.4.) gaat het tenslotte om de optelling van die normeringssegmenten tot de noodzakelijke parkeerbehoefte. Daarna worden in § 5.1.5. allerlei variaties op deze cijfers gegeven: de differentiatie naar bedrijfstypen, scherpere berekeningsvarianten, de spreiding in de cijfers op bedrijfs-individueel niveau.

10

32

Voor alle duidelijkheid: in deze bijlage zijn een viertal tabellen opgenomen die de berekening van de parkeerplaats-norm voor werknemers weergeven: * De tabellen 1 t/m 3 hebben het locatieprofiel als invalshoek: - tabel 1 geeft de berekening weer op het niveau van het individueel bedrijf; - tabel 2 geeft een overzicht per regio en locatietype; - tabel 3 geeft de verschillen weer tussen de keuzevariant en de alternatieve varianten. * Tabel 4 heeft het bedrijfstype als invalshoek en geeft een overzicht van de uitkomsten.

5.1.1.

Modal split analyse Alvorens het autogebruik in het woon-werkverkeer op noodzakelijkheid te beoordelen willen we een beeld schetsen van de modal split op de A- en B-locaties in de betrokken regio's; zie hiervoor tabel 3. Tabel 3:

Vervoerwijze auto (solo) auto (carpool) totaal auto

Modal split in het woon-werkverkeer op A- en B-locaties in Haaglanden en Rijnmond (in % van werknemers) Haaglanden-A

Rijnmond-A

31.4

Haaglanden-B

20.6

1.5

37.0

6.9 (32.9)

Rijnmond-B 42.4

3.7 (27.5)

4.7 (40.7)

(47.1)

OV

38.9

47.1

30.9

16.3

fiets

24.8

9.0

23.5

12.0

lopend

1.9

2.0

2.8

1.3

wisselend of anders11

1.5

14.4

2.1

23.2

100.0

100.0

100.0

100.0

23

8

10

29

TOTAAL Aantal bedrijven

Over het algemeen komt de modal split met de verwachtingen overeen: op B-locaties wordt meer van de auto gebruik gemaakt dan op A-locaties. Er zijn echter enkele opmerkingen op zijn plaats: * Bedrijven die eigenlijk niet op een A-locatie thuishoren, zijn hier niet meegenomen (zie § 2.2.). * Het aantal bedrijven waarvan data beschikbaar is verschilt nogal. * Het carpool-aandeel bij A-locaties in Haaglanden is eigenlijk hoger dan het hier lijkt; dit ten koste van de autosolisten. Bij een deel van de enquêtes (Den Haag-Bezuidenhout) is geen onderscheid gemaakt tussen solorijden en carpooling. * Opvallend is het aandel van 'wisseldende of andere vervoerwijze' in het geval van Rijnmond. Het gaat hier met name om wisselnde vervoerwijze. In Rijnmond zijn voornamelijk enquêtes gebruikt, waar geen onderscheid is gemaakt tussen de zomer- en winterperiode, dan kan de hoofdvervoerwijze bijv. tussen zomer en winter 'wisselen'. Indien er wel een dergelijke onderscheid is gemaakt (zoals in Haaglanden), heeft dit onderzoek betrekking tot de zomerperiode. Een andere mogelijkheid is de niet aan seizoenen gebonden wisseling tussen vervoerwijzen. In principe is altijd naar de hoofdvervoerwijze gevraagd. Maar met een antwoordcategorie 'wisselend' hebben respondenten mogelijkerwijs minder 'scherp' voor één vervoerwijze als antwoord gekozen. De volgende 'wisselingen' zijn mogelijk: - fiets of OV;

11

'wisselend': zie opmerking in tekst; 'anders': bedrijfsvervoer, motor/scooter, bromfiets (voor grootste deel echter onder fiets).

33

*

* *

- fiets of auto; - OV of auto. In de gevallen dat soms de auto wordt gebruikt is altijd een eenduidig alternatief aanwezig. Een beoordeling van dit mogelijke 'autogebruik' op noodzakelijkheid is dan ook overbodig. Deze categorie is daarom ook niet meegenomen in de respectievelijke procedures (§ 5.1.2. etc.). Naar de overige cijfers kijkend kunnen we constateren dat de categorie 'wisselend' in Rijnmond ten koste gaat van het aandeel van de fiets en (op B-locaties) het OV. Het aandeel van fiets en OV is dus in Rijnmond hoger dan het lijkt. Op het te beoordelen autogebruik is dit niet van invloed. Opmerkelijk is het hoge OV-aandeel en relatief hoge carpool-aandeel op A-locaties in Rijnmond. Het autogebruik is op A-locaties maximaal een deerde van de modal split; op B-locaties is dat maximaal de helft. De vraag naar de noodzakelijkheid van het autogebruik in het woon-werkverkeer op A- en B-locaties heeft dus betrekking tot een minderheid van de betrokken werknemers.

Naast de vervoerwijze is de reisafstand de tweede centrale variabel in de volgende berekeningen. Wij hanteren immers nogal rigoureus bepaalde afstandsklassen bij de beoordeling van mogelijke vervoeralternatieven (zie § 3.5). Welk beeld vertoont het woon-werkverkeer op Aen B-locaties in de onderzochte regio's met betrekking tot de reisafstand? Zie hiervoor tabel 4. Opmerkelijk in tabel 4 is het regionale verschil tussen de A-locaties. Terwijl in Haaglanden de korte en de middellange afstanden het evenwicht houden, ontbreken de korte reisafstanden bijna geheel op A-locaties in Rijnmond. Werknemers die in het centrum van Rotterdam werken (en daarmee op de Rijnmondse A-locaties), wonen dus nauwelijks in het centrum of in de direkt aangrenzende wijken. De fiets is dan ook in dit geval in mindere mate een alternatief voor het autogebruik dan op andere A-locaties het geval kan zijn.

34

Tabel 4:

Verdeling van het woon-werkverkeer over afstandsklassen op A- en Blocaties in Haaglanden en Rijmond (in %) Afstandsklasse

totaal

< 7,5 km

7,5-30 km

>= 30 km

Haaglanden-A

39.7

40.4

19.9

100.0

Rijnmond-A

15.6

57.3

27.1

100.0

Haaglanden-B

32.6

49.2

18.2

100.0

Rijnmond-B

34.8

44.1

21.1

100.0

Om tot een omvattende modal split analyse te komen, gaan we nu nog de variabelen vervoerwijze en reisafstand met elkaar koppelen. De vraag is daarbij of er onverwachte relaties bestaan tussen reisafstand en vervoerwijzekeuze. Zie hiervoor de tabellen 5 (voor A-locaties) en 6 (voor B-locaties). Behalve de verdeling tussen de afstandsklassen geven de tabellen de totale modal split per (relevante) locatietype weer.12 Tabel 5 Modal split in het woon-werkverkeer op A-locaties in Haaglanden en Rijnmond (in %) en per modus onderverdeling in afstandsklassen (in %) (zonder bedrijven op 'verkeerde' locatie; aantal bedrijven: 31) Vervoerwijze

Afstandsklasse

totaal

< 7,5 km

7,5-30 km

>= 30 km

auto (solo)

28.2

52.8

18.9

30.6

auto (carpool)

11.7

53.3

35.0

1.9

OV

21.2

45.7

33.1

39.6

fiets

77.2

21.5

1.4

23.5

lopend

91.9

8.1

0.0

1.9

wisselend of anders

27.9

52.3

19.8

2.5

TOTAAL

37.8

41.8

20.4

100.0

De verdeling van het woon-werkverkeer tussen de afstandsklassen per vervoerwijze op Alocaties komt overeen met de verwachtingen. Het verschil tussen de auto en het OV is gering; de nadruk ligt in beide gevallen op de middellange afstand. Het fietsverkeer concentreerd zich op de korte afstanden. Bijna een deerde van de autosolisten woont niet verder dan 7,5 km van zijn werk vandaan. Dit feit wijst al duidelijk op een reductie-potentiaal. Tabel 6 Modal split in het woon-werkverkeer op B-locaties in Haaglanden en Rijnmond (in %) en per modus onderverdeling in afstandsklassen (in %; aantal bedrijven: 39) 12

Voor een verklaring van de categorie 'wisselend/anders' zie de opmerkingen bij tabel 3.

35

Vervoerwijze

Afstandsklasse

totaal

< 7,5 km

7,5-30 km

>= 30 km

auto (solo)

22.4

54.4

23.1

39.9

auto (carpool)

15.0

62.8

22.2

4.2

OV

17.3

49.6

33.1

23.0

fiets

71.6

27.4

1.0

17.3

lopend

94.5

5.5

0.0

2.0

wisselend of anders

43.8

43.0

13.2

13.4

TOTAAL

33.8

46.5

19.8

100.0

De verdeling per vervoerwijze tussen de afstandsklassen bij de B-locaties is in principe niet anders dan bij de A-locaties. Wel is de verdeling van 'wisselend/anders' evenrediger tussen de korte en middellange afstanden. Voor een vergelijking tussen de modal split op A-locaties enerzijds en B-locaties anderzijds zijn de opmerking van toepassing die reeds met betrekking tot tabel 3 zijn gedaan. Enerzijds zorgt de categorie 'wisselend' in enquêtes in Rijnmond voor een iets ander beeld op B- dan op A-locaties (het merendeel van de onderzochte bedrijven op B-locaties ligt in Rijnmond). Anderszijds is het autogebruik op B-locaties groter dan op Alocaties, ten koste van OV en fiets. Na deze inleidende analyse van het gehele modal split in het woon-werkverkeer, kunnen we ons nu helemaal richten op het autogebruik en de beoordeling van de noodzakelijkheid hiervan.

36

5.1.2.

Eerste stap in analyse autogebruik: uitgangssituatie

Tabel 7:

Autogebruik op A- en B-locaties - uitgangssituatie

Locatietype en regio _________________

+))))))))))))))))))))))))))))))), *UITGANGSSITUATIE * * * .)))))))))))))))))))))))), * aant. aant aan aant*netto * autocarcar auto*Pp100W* solis poopol /100*nu * ten lers aut wrkn.))))))-

aantal aant. bedrij- werkn ven (enq) _______ ______a ______b _____c ____d ___e ___f

A-locaties Haaglanden Rijnmond TOTAAL A

23 8 31

12505 1138 13643

4137 229 4366

206 75 281

86 31 117

33.8 27.9 22.9 17.3 32.9 26.8

B-locaties Haaglanden Rijnmond TOTAAL B

10 29 39

3787 4876 8663

1601 2088 3689

153 236 389

64 98 162

44.0 36.6 44.8 36.6 44.5 36.6

Toelichting In tabel 7 worden twee uitsplitsingen gemaakt: Haaglanden vs. Rijnmond en A-locaties vs. Blocaties (voor een overzicht op individueel bedrijfsniveau zie tabel 1 in Bijlage 4). Het aantal bedrijven dat genoemd staat is kleiner dan het aantal bedrijven dat in vervoermanagementprojecten betrokken was. We hebben in de berekening namelijk alleen de bedrijven meegenomen die individueel aan de criteria voor A- en B-locaties voldoen (zie § 2.2.).13 Tevens zijn 10 bedrijven uit de berekening gehaald die 'verkeerd' gevestigd zijn, nl. produktiebedrijven, groothandel/transport-bedrijven en kantoren in de (zakelijke) dienstverlening met veel uitgaand verkeer (voor een toelichting op de bedrijfstypen zie § 2.3.). We komen op deze kwestie van 'juiste bedrijf op de juiste plaats' nog terug, in § 5.1.5. In kolom (a) staat het aantal geënquêteerde medewerkers van de bedrijven, in het vervolg beschreven als het 'aantal werknemers'.14 Vervolgens in kolom (b) het aantal autosolisten en in kolom (c) het aantal carpoolers. Die twee groepen worden eruit gelicht, omdat alleen die twee (zie het analyse-schema in hoofdstuk 1) een parkeerbehoefte met zich mee brengen. Immers zij vormen samen de groep 'autogebruikers in het woon-werkverkeer'. Reeds in § 5.1.1. werd duidelijk dat bij bedrijven op A-locaties maar liefs twee derde van de werknemers nu al niet met de auto naar het werk komen en op B-locaties meer dan de helft. Bij al deze werknemers wordt in het vervolg niet naar de mogelijke noodzakelijkheid van autogebruik gekeken. Zij geven met hun gedrag aan dat zij kennelijk geen auto nodig hebben. Kolom (c) -de carpoolers- doet in de berekening verder weinig meer terzake; bij de parkeerbehoefte gaat het immers om -zie kolom (d)- het aantal auto's dat met dit carpoolen gemoeid is (de eerder genoemde omrekeningsfactor op basis van een gemiddelde bezettingsgraad van 2,4 personen per auto). 13 14

Hoe het toepassen van de criteria ruimtelijk uitwerkt is in twee kaarten gevisualiseerd, zie bijlage 1. Feitelijk is het aantal werknemers uiteraard hoger dan het aantal enquêtes. Zie bijlage 2 voor de response-verantwoording.

37

Het aantal carpoolauto's plus het aantal door autosolisten gebruikte auto's wordt in kolom (e) gerelateerd aan het aantal werknemers. Het resultaat is uitgedrukt in 'auto-equivalenten per 100 werknemers'. Auto-equivalenten staat hier voor de auto's van autosolisten (1 auto-equivalent) en de auto's van carpoolers (0,42 auto-equivalent voor 1 carpooler). Vervolgens zijn nog twee stapjes nodig naar het 'aantal benodigde parkeerplaatsen per 100 werknemers' (Pp100W), de maat die we in hoofdstuk 1 reeds introduceerden, in kolom (f): * een reductiefactor toepassen in verband met het feit dat een auto die nodig is voor de beroepsuitoefening een deel van de dag afwezig is en dan dus geen parkeerplaats nodig heeft (factor 0,8); * een reductiefactor toepassen voor het gemiddeld verzuim door ziekte, vakantie, cursussen etc. (factor 0,85). Conclusies Drie duidelijke conclusies kunnen direct getrokken worden: * het autogebruik voor woon-werkverkeer op A-locaties verschilt momenteel reeds fors met het autogebruik op B-locaties: 26.8 Pp100W tegen 36.6 Pp100W. Natuurlijk dient daarbij wel steeds bemerkt te worden dat we de 'foute bedrijven' niet meenemen; * de verschillen tussen Haaglanden en Rijnmond zijn voor B-locaties beperkt, maar voor Alocaties groot. Een duidelijke verklaring daarvoor hebben we niet. Wel is het zo dat het apart zetten van verkeerde bedrijven op A-locaties vooral effect had in Rijnmond (6 van de 10 bedrijven) en een laag aantal bedrijven (8) over heeft gelaten; * het autogebruik is op A-lokaties nu reeds aanzienlijk lager dan het landelijk gemiddelde (landelijk woon-werkverkeer 46 auto-equivalenten per 100 werknemers, zie [10]); de Blokaties komen zo ongeveer op dat gemiddelde uit. Een erg logische zaak natuurlijk (Aonder; C- boven en B-locaties op het landelijk gemiddelde), die in ieder geval aangeeft dat we hier aan het rekenen zijn met gegevens die betrouwbaar lijken.

38

5.1.3.

Tweede stap: selectie van noodzakelijk autogebruik Tabel 8:

Beoordeling van het autogebruik op A- en B-locaties +)))))))))))))))))))))))))))))))))))))))))))))))))))), *BEOORDELING: *noodzakelijk+,niet noodzakelijk +,noodzak. .))))))))))))-.))))))))))))))))))))))))))-.))))))))))-

Locatietype en regio _________________ A-locaties Haaglanden

aantal aant. bedrij- werkn ven (enq) _______ ______a

autonodg carafst afst 7½-30 P&R cargee gebrui voor pool <7,5 >=30 rtvh of pool alt kers werk nu km km <1,5 F&OV nw ern ______ _____g _____h _____i _____k _____l _____m _____n ____o

23

12505

4343 (100%)

754 (17%)

197 (5%)

1024 (24%)

521 (12%)

1121 (26%)

145 (3%)

145 (3%)

434 (9%)

Rijnmond

8

1138

304 (100%)

146 (48%)

47 (16%)

9 (3%)

28 (9%)

66 (22%)

2 (.)

2 (.)

5 (2%)

TOTAAL A

31

13643

4647 (100%)

900 (19%)

244 (5%)

1033 (22%)

549 (12%)

1187 (26%)

146 (3%)

146 (3%)

439 (9%)

B-locaties Haaglanden

10

3787

1754 (100%)

165 (9%)

149 (8%)

397 (23%)

202 (11%)

324 (19%)

103 (6%)

103 310 (6%) (18%

Rijnmond

29

4876

2324 (100%)

431 (19%)

227 (10%)

158 (7%)

190 (8%)

1084 (47%)

47 (2%)

47 (2%)

TOTAAL B

39

8663

4078 (100%)

596 (15%)

376 (9%)

555 (14%)

392 (10%)

1408 (35%)

150 (4%)

150 450 (4%) (11%)

Toelichting In de tweede stap wordt bepaald welk deel van het huidige autogebruik noodzakelijk genoemd kan worden (zie tabel 8). Voor alle duidelijkheid: werknemers die tegenwoordig geen gebruik maken van de auto zijn in deze stap niet meer meegenomen. Hier gaat het alleen om de groep 'autogebruikers'. We volgen de sequentie in normeringssegmenten zoals in hoofdstuk 3 aangegeven. Alle segmenten worden aangegeven in zowel het aantal absolute werknemers als in percentage autogebruikers: * kolom (g) geeft de omvang van het eerste normeringssegment weer: woon-werkauto nodig voor beroepsuitoefening; * kolom (h) het tweede segment: woon-werkauto 'wenselijk' vanwege carpooling. De getallen zijn vaak iets lager dan de eerder gegeven getallen in kolom (c) -aantal carpoolers- omdat een deel van de carpoolers ook de auto nodig heeft voor beroepsuitoefening en dus reeds in kolom (g) vermeld staat.

15

Voor Den Haag-Bezuidenhout ontbreken aparte cijfers over carpooling. De effecten (minder parkeerplaatsen) worden meer dan gecompenseerd door een extra hoog aandeel van autogebruikers die hun auto voor het werk nodig hebben.

39

140 (6%)

Bij het laatste punt wordt zichtbaar dat een strakke hiërarchie bij de bepaling van noodzakelijkheid gehanteerd wordt, nl. van links naar rechts ofwel van g naar o. Vervolgens hebben de kolommen (i) tot (n) betrekking op het derde, meest complexe, normeringssegment: woon-werkauto nodig vanwege het ontbreken van een alternatief. De kolommen geven de redenering daarbij uitgebreid weer: * kolom (i) en kolom (k) geven het aantal autosolisten dat de auto niet nodig heeft omdat zij dichter bij hun werk wonen dat 7,5 km -kolom (i)- of verder van hun werk af wonen dan 30 km -kolom (k); * ook kolom (l) geeft een aantal autosolisten weer dat de auto niet nodig heeft: een reistijd verhouding openbaar vervoer vs. auto die lager/beter is dan 1,5. Van het aantal autosolisten dat nu nog resteert als 'mogelijk noodzakelijk' zijn, zoals in hoofdstuk 3 bepaald, vaste percentagedelen toegedeeld aan: * in kolom (m) de alternatieven P&R of OV + Fiets (20%) en * in kolom (n) het alternatief carpooling (20%). Zo resteert in kolom (o) het aantal huidige autosolisten dat de auto niet nodig heeft voor beroepsuitoefening en dat geen alternatief heeft. De som van (g) t/m (o) is gelijk aan het aantal autogebruikers. Conclusies * We hebben zo verschillende selectiestappen gezet. Zeker vanuit de beleidsgevoeligheid bezien, is het nuttig om te weten welke stappen nu veel invloed hebben en welke weinig: met welke selectie halen er we veel dan wel weinig auto's uit als niet-noodzakelijk? Op deze wijze naar tabel 8 kijkend, is duidelijk dat er enerzijds door "nodig voor werk" reeds zoveel autosolisten het etiket 'noodzakelijk' hebben gekregen en dat er anderzijds door de ondergrens van 7,5 km en door de reistijdverhouding van minder dan 1,5 reeds zoveel autosolisten het etiket 'niet-noodzakelijk' hebben gehad, dat de laatste stap van toedelingen aan P&R/OV+F, carpooling en geen-alternatief van beperkt belang is geworden (nog voor 15-20% van de autogebruikers relevant). Opvallend is dat de ondergrens van 7,5 km zo ongeveer twee keer zoveel effect heeft als de bovengrens van 30 km. * De verschillen tussen A- en B-locaties zijn opvallend. Bij allebei spelen die drie kolommen van 'nodig voor werk', 'onder 7,5 km' en 'rtvh < 1,5' de hoofdrol, maar bij B-locaties in zeer onderscheiden verhoudingen: daar speelt vooral die reistijdverhouding een rol. Bij B-locaties wordt door het hanteren van de reistijdverhouding bijna 40% van de autosolisten als niet-noodzakelijk benoemd! * De verschillen tussen Rijnmond en Haaglanden zijn vooral bij de B-locaties interessant (bij de A-locaties is immers de bedrijven-N van Rijnmond erg laag). Wat dan opvalt is dat de effecten per selectiestap volstrekt uiteenlopen: - 'nodig voor werk' heeft bij Rijnmond veel meer effect dan bij Haaglanden; - 'afstand onder 7,5 km' heeft bij Haaglanden veel meer effect dan bij Rijnmond; - 'reistijdverhouding onder 1,5' heeft weer bij Rijnmond veel meer effect dan bij Haaglanden. De verschillen in woon-werkafstanden lijken een groot deel van de verklaring te zijn. Haaglanden zou dan ruimtelijk gezien een meer compacte regio zijn met kortere afstanden 40

en dus meer woongelegenheid binnen 7,5 km dan Rijnmond. Maar als we teruggaan naar tabel 4, klopt dit voor alle werknemers alleen voor A-locaties: werknemers in RotterdamCentrum wonen nauwelijks in de buurt. De ruimtelijke struktuur is dus hooguit een deel van de verklaring. Dit is aanleiding om nog een keer het autogebruik in het woon-werkverkeer met het gebruik van alternatieven te vergelijken. Hiervoor gaan we opnieuw in op de modal split in de vervoermanagement-data; deze keer niet alleen met betrekking tot de afstandsklassen maar ook onder bijtrekken van de reistijdverhouding (zie tabel 9). Tabel 9:

Locatie-type

A

B

Vergelijking tussen autogebruikers en niet-autogebruikers in het woonwerkverkeer: verdeling over afstandsklassen en reistijdverhouding in % (niet opgenomen: auto nodig voor het werk en carpooling)

Vervoerwijze

Afstand < 7,5 km

Afstand >= 30 km

Afstand 7,5 - 30 km en reistijdverhouding OV/auto: < 1,5

>= 1,5

Totaal

auto

29.5

15.6

33.9

20.8

100.0

OV, fiets, lopend

43.4

20.7

25.9

9.9

100.0

auto

17.9

12.6

45.3

24.1

100.0

OV, fiets, lopend

43.1

18.4

13.2

25.3

100.0

Op A-locaties ligt het verschil tussen de vervoerwijze bij de kortere afstanden (hogere kans voor fietsen en lopen) en bij de ongunstige reistijdverhouding in de afstandsklasse 7,5 - 30 km. Het laatstgenoemde verschil komt met de verwachtingen overeen, nl. dat bij een dergelijke reistijdverhouding eerder gebruik wordt gemaakt van de auto. Dit is dan ook omschreven als 'noodzakelijk vanwege ontbrekend alternatief'. Op B-locaties zijn de verschillen tussen de vervoerwijzen veel groter dan op A-locaties. Dit wordt veroorzaakt door de grote groep autogebruikers met een eigenlijk gunstige reistijdverhouding OV/auto in middelste afstandsklasse. We hebben reeds na aanleiding van tabel 8 geconcludeerd dat zich dit fenomoen in Rijnmond voordoet. Op B-locaties valt het autogebruik minder sterk in de korte afstandsklas dan op A-locaties (het hoge aandeel daar hebben we reeds als opmerkelijk geconstateerd). En in de middellange afstandsklas zorgt juist op B-locaties in Rijnmond de metro voor gunstige reistijdverhoudingen met vele woongebieden. Opmerkelijk is dat op B-locaties geen verschil bestaat tussen de vervoerwijzen bij reistijdverhoudingen boven 1,5. Wij moeten echter de kantekening plaatsen dat de cijfers voor Haaglanden (hoger) en Rijnmond (lager) duidelijk uiteenlopen. Wat in ieder geval overeind blijft is dat maar liefs een kwart van de niet-autogebruikers een reistijdverhouding accepteerd of moet accepteren die we bij de beoordeling van het autogebruik al te veel gevergd vinden. De grens van 1,5 in de reistijdverhouding tussen OV en auto is dus zeker niet te scherp. 5.1.4.

Derde stap: benodigd aantal parkeerplaatsen 41

Tabel 10:

Feitelijk benodigd aantal parkeerplaatsen op A- en B-locaties voor werknemers

Locatietype en regio _________________ A-locaties Haaglanden Rijnmond TOTAAL A B-locaties Haaglanden Rijnmond TOTAAL B

aantal aant. bedrij- werkn ven (enq) _______ ______a 23 8 31 10 29 39

+)))))))))))))))))))))))))), *STREEFSITUATIE * *Park.pl. per 100 werkn. * .))))))))))))))))))), * werk carp galt tota*netto * auto auto auto auto*Pp100W* /100 /100 /100 /100*nieuw * wrkn wrkn wrkn wrkn.))))))-

___p ___q ___r ___s ___t

12505 1138 13643

4.8 10.3 5.3

1.1 1.8 1.2

3.5 9.4 8.0 .4 12.5 10.6 3.2 9.7 8.2

3787 4876 8663

3.2 7.1 5.5

3.4 2.3 2.5

9.6 16.1 13.7 2.9 12.3 10.4 5.2 13.2 11.2

Toelichting De laatste stap in het berekeningsproces is de stap van de cijfers in tabel 8 naar de aan aantal werknemers gekoppelde cijfers in deze tabel 10, onderverdeeld naar normeringssegment. De kolommen (p) tot (s) zijn daarbij -weer- uitgedrukt in "aantal auto-equivalenten per 100 werknemers"; de uiteindelijke kolom (t) in "aantal parkeerplaatsen per 100 werknemers". Per kolom: * in kolom (p) is het cijfer voor noodzakelijk autogebruik vanwege beroepsuitoefening, overeenkomstig kolom (g), met daarop een reductiefactor van 0,8 wegens afwezigheid van de auto toegepast; * in kolom (q) is het aantal auto-equivalenten vermeld dat volgt uit het aantal carpoolers; zowel de huidige carpoolers -kolom (c) of (d)- als het deel van de auto-solisten dat aan carpooling als alternatief is toegedeeld -kolom (n); * in kolom (r) staat het cijfer voor noodzakelijk autogebruik vanwege het ontbreken van een alternatief; * in kolom (s) staat de optelling van (p) tot (r); * en tenslotte in kolom (t) is weer de uiteindelijke omrekening weergegeven, gebruikmakend van dezelfde reductiefactor voor afwezigheid wegens vakantie/ziekte/cursus als in de uitgangssituatie (0,85). Conclusies Vooral de allerlaatste kolom is natuurlijk van belang. Daar ging het in deze studie immers om. De conclusies zijn duidelijk. * Opvallender dan de precieze uitkomsten per locatietype vinden we het feit dat de verschillen tussen A- en B-locaties zo minimaal zijn: 8.2 om 11.2. We kunnen hier de volgende verklaringslijn voor hanteren: - De relatieve verschillen zijn wel groot (27%), maar toch minder dan verwacht mocht worden; de B-locaties blijven immers veel meer dan de A-locaties ver onder de streefwaarden. - De absolute verschillen moeten we minimaal noemen: 3 auto's per 100 werknemers meer of minder is echt geen wereld van verschil. - Als het gaat om locatietypen zou de grootste tegenstelling moeten zitten in de scores in 42

kolom (r); daar gaat het immers om het wel of niet hebben van goede vervoeralternatieven. Maar in kolom (r) is exact hetzelfde aan de hand: relatief grote verschillen (39%), en minimale absolute verschillen (5.2 om 3.2; 2 parkeerplaatsen per 100 werknemers!). - Ofwel: de bereikbaarheid van A- en B-locaties in het woon-werkverkeer verschilt niet veel; bij zowel A- als B-locaties in Rijnmond en Haaglanden is de bereikbaarheid per auto-alternatief zo goed dat de relatieve verschillen er weinig meer toe doen. - Dat lijkt een vreemde conclusie, want we hebben immers gewerkt vanuit criteria die aan A- en B-locaties een sterk verschillend bereikbaarheidsniveau voor openbaar vervoer toekenden. - Zo kunnen we uiteindelijk niet anders concluderen dan dat deze OV-bereikbaarheid niet erg bepalend is voor de hoogte van het noodzakelijk autogebruik. Het noodzakelijk autogebruik wordt minstens zo zeer beïnvloed door de mogelijkheden voor fiets en carpooling - en die verschillen in principe niet tussen A- en B-locaties. We komen hier in hoofdstuk 6, als het gaat om de beleidsrelevantie van de resultaten, op terug. *

Tot slot kijkend naar verschillen tussen Rijnmond en Haaglanden, valt het volgende op: - de uiteindelijke Pp100W-scores verschillen weinig binnen de locatietypen: 2 (Alocaties) danwel 3 (B-locaties) Pp100W-verschil achten we niet opvallend; - wel opvallend, maar dan gaat het over een consequentie van het vorige schema, is het feit dat de tamelijk gelijksoortige uitkomst sterk verschillende achtergrond heeft. In Rijnmond is het cijfer voor 'geen alternatief' -kolom (r)- erg laag en het cijfer voor 'nodig voor werk' -kolom (p)- relatief hoog, en dat geldt dan zowel voor A- als Blocaties. Bij B-locaties in Haaglanden is het precies andersom; - de verschillen in 'geen alternatief' kunnen ons inziens, zoals gezegd, verklaard worden uit de ruimtelijke structuur. De verschillen in 'nodig voor werk' wijzen eerder op een ander type bedrijvigheid. En daarna zijn we bij § 5.1.5: de relatie met bedrijfstypen, als het belangrijkste variatiepunt in presentatie van deze cijfers. Trouwens de Haagse bedrijven zijn gemiddeld duidelijk groter dan de diegenen in Rijnmond (grote ministeries bijv.). Behalve dat het carpoolmatching gemakkelijker maakt, zijn er echter geen direkte relaties met de parkeerbehoefte te bedenken; - het meest belangrijke resultaat is te zien als wij Haaglanden en Rijnmond helemaal apart beschouwen. Wij hebben eerder geconcludeerd dat de totale verschillen tussen Aen B-locaties meevallen. Maar nu zien wij dat in Haaglanden wel degelijk een verschil bestaat tussen A- en B-locaties, in Rijnmond echter helemaal geen. Dit terwijl in beide regio's, dus ook Rijnmond, de waarden in de uitgangssituatie op A- en B-locaties sterk van elkaar verschillen. Als gevolg van de bedrijvenstruktuur in Rijnmond (meer 'auto nodig voor beroepsuitoefening') gekoppeld met de regiostruktuur (snelle metroverbinding tussen B-locaties en woongebieden in medio afstand) blijft 'geen alternatief' in positieve zin achter. Haaglanden op zijn beurt beantwoordt veel meer aan de verwachtingen van het ABC-beleid. Trouwens maant het soms lage aantal bedrijven tot voorzichtigheid bij de interpretatie.

43

5.1.5.

Variaties in cijfers Bedrijfstypen Als het gaat om de relatie van de weergegeven cijfers met de in hoofdstuk 2 geformuleerde bedrijfstypologie, herhalen we eerst het punt dat aan het begin van dit hoofdstuk is gemaakt: uit de bedrijven-N voor A- en B-locaties zijn diverse bedrijven weggelaten die 'op de foute plaats' gevestigd bleken te zijn: 10 produktiebedrijven, groothandel/transport-bedrijven en kantoren/voorzieningen in de (zakelijke) dienstverlening met veel uitgaand verkeer (zie § 2.3 voor de typenindeling). In de navolgende tabel, waarin we de uiteindelijke resultaten per bedrijfstype weergeven, vermelden we ook deze categorie 'verwijderde bedrijven' als 'V-bedrijven' (zie § 2.4. voor de verwijderingscriteria). Voor de gedetailleerde uitkomsten bij bedrijfstype (bijv. parkeerbehoefte i.v.m. beroepsuitoefening) zie tabel 4 in Bijlage 4: Tabel 11

Parkeerplaatsen per 100 werknemers per bedrijfstype (streefsituatie)

Differentiatie

Aantal bedrijven

Pp100W

(A-locaties)

31

8.2

(B-locaties)

39

11.2

V-bedrijven

10

31.1

Balie

13

11.7

Dienstverlening

10

18.2

Beleidsontwikkeling

28

9.9

Administratie

26

11.8

Produktie

19

19.1

Grooth./transport

16

20.7

9

22.6

Verkoop

De bedrijfstypen staan in het derde en het vierde blok; in het eerste blok staan de A-/B-locaties ter vergelijking en in het tweede blok de V(-erwijderde) bedrijven. De bedrijfstypen in het derde blok zijn kantoortypen die, zoals aangegeven in hoofdstuk 2, zowel op A- als B-locaties thuishoren (uitgezonderd dienstverlening; alleen B). Het vierde blok van bedrijfstypen hoort op B- of C-lokaties thuis (uitgezonderd 'groothandel/transport' - alleen C, en 'verkoop' - onder bepaalde condities ook A; zie § 2.4).

Globaal gezien levert deze bedrijf-indeling Pp100W-cijfers op die inderdaad passen bij de locatietypen. Balie, beleidsontwikkeling en administratie hebben de laagste Pp100W-score; dienstverlening een veel hogere score; het vierde blok nog hogere. Dat balie, beleidsontwikkeling en administratie onderling weinig verschillen is niet verwonderlijk. Deze drie zijn immers niet op verwachte woon-werkverschillen onderscheiden, maar vooral op verwachte bezoekers44

verschillen (zie § 5.2). Verder willen we wijzen op de zeer hoge Pp100W-score van V-bedrijven: 31.1. Een score die puur veroorzaakt wordt door een zeer hoge score in het segment 'woon-werk auto nodig voor beroepsuitoefening': 34.2 (in Pp100W). Daarmee is direct aangegeven hoezeer de huidige vestigingssituatie, met daarin 'foute' bedrijven op A-locaties, het beeld van de streefsituatie kan verstoren. Voor de gedetailleerde uitkomsten bij V-bedrijven zie tabel 1 in bijlage 4 (onderaan). We kunnen daarom concluderen dat in deze studie terecht ook een vooraf-check op bedrijfstypen is gemaakt en dat de gehanteerde bedrijfstypologie voldoet in het naar elkaar toetrekken van locatietype en bedrijfstype, althans voorzover het woon-werkverkeer betreft. Wij hebben trouwens ook gekeken naar de verschillen tussen A- en B-locaties per bedrijfstype ofwel andersom de verschillen in streefsituatie tussen de bedrijfstypen apart voor A- en voor Blocaties. Dit heeft niets aan het boven geschetste beeld toegevoegd: de aparte verschillen komen overeen met de algemene verschillen tussen A- en B-locaties enerzijds en tussen de bedrijfstype anderzijds. De uitkomsten zijn niet in een aparte tabel gepresenteerd, ook vanwege het gedeeltelijk (te) lage aantal bedrijven per categorie. Varianten Zoals reeds in hoofdstuk 3 aangekondigd, zijn ook enkele alternatieve varianten doorgerekend. In die varianten zijn andere factoren gehanteerd dan in de basis-variant die tot nu toe is weergegeven. Het navolgende schema geeft aan welke 6 varianten doorgerekend zijn; 3 scherpere en 3 zachtere varianten. In de middelste kolom staat de basis-variant; links daarvan de scherpere varianten en rechts ervan de zachtere. De rijen geven de vier onderdelen aan waarop gevarieerd is. In de cellen staan de per variant gehanteerde factoren, grenzen en verhoudingen.

45

Schema 8:

Zes apart doorgerekende varianten en het basisvariant

gevarieerde factoren, grenzen en verhoudingen

<- scherper s1

s2

s3

aanwezigheid van auto dat nodig is voor werk

0,5

0,8

0,5

ondergrens afstand auto

7,5 km

bovengrens afstand auto

30 km

verhouding in % F&OV of P&R/ extra carpooling/ geen alternatief (bij rtvh >1,5)

40/40/20

Basisvariant

z1

z2

0,8

z3 0,8

7,5 km

40/40/20

zachter ->

20/20/60

5 km

7,5 km

5 km

30 km

50 km

50 km 20/20/60

Voor alle zes varianten, en eerst -ter vergelijking- de basisvariant, worden in de volgende tabel de uiteindelijke resultaten in Pp100W weergegeven (voor de berekening zie tabel 3 in Bijlage 4): Tabel 12:

Scherpe en zachte varianten (in Pp100W)

Afwijkende varianten (werknemersgedeelte)

Netto parkeerbehoefte in streefsituatie (in Pp100W) A-locatie

B-locatie

scherpste variant (s1)

5.1

7.2

variant met meer veronderstelde mogelijkheden voor fiets&OV, Park&Ride en carpooling (s2)

6.8

8.9

variant met kortere aanwezigheid van auto nodig voor het (s3)

6.5

9.4

BASISVARIANT

8.2

11.2

variant met 5 km als grens voor fietsafstand (z1)

8.5

12.3

variant met 50 km als bovengrens voor mogelijk autogebruik (z2)

9.0

12.7

variant met 5-50 km als segment voor mogelijk autogebruik (z3)

9.3

13.7

Opmerkelijk aan de uitkomsten van deze variantenberekeningen is dat noch bij A-locaties noch bij B-locaties ergens opeens een scherp effect te zien is; de verschillen zijn gradueel - elke scherpere of zachtere variant heeft een effect in steeds dezelfde orde van grootte. De ondergrens voor autogebruik van 7,5 naar 5 km verlagen (het verschil tussen z2 en z3 of tussen basisvariant en z1) leidt hoogstens tot 1 parkeerplaats per 100 werknemers meer! Twee variaties tegelijk toepassen ten opzichte van de basisvariant (zie s1 en z3) heeft natuur-

46

lijk, althans relatief gezien, wel fors effect.16 Overigens willen we verder niets 'concluderen' over deze variantenberekeningen. Eerder is al aangegeven dat de factoren, grenzen en verhoudingen in de basisvariant op objectieve gronden onze voorkeur hebben. Deze zes varianten dienen in eerste instantie slechts ter vergelijking; de beleidsmatige waarde ervan wordt niet in dit rapport vastgesteld. Spreiding Tot nu toe zijn, al of niet in differentiaties, steeds allerlei gemiddelden gegeven. Gezien de uiteindelijke beleidsmatige doelstelling van dit project is het, in lijn met bedrijfstypen of varianten, zinvol om als illustratie bij de gemiddelden te kijken naar de spreiding op bedrijfsniveau. De volgende tabel geeft, uitgaande van de basis-variant, de hoogste en laagste scores van individuele bedrijven weer, in Pp100W (deze extreme bedrijven zijn in tabel 1 in bijlage 4 met aan de rechte kant een '!' gemarkeerd): Tabel 13: locatie/gebied

Individuele extremen (in Pp100W) laagste bedrijf

gemiddelde

hoogste bedrijf

Haaglanden-A

3.7

8.0

24.0

Rijnmond-A

3.1

10.6

18.5

Haaglanden-B

5.7

13.7

20.2

Rijnmond-B

1.4

10.4

24.1

Deze tabel toont zeer grote verschillen. En de extremen betreffen echt niet pure uitzonderingen; de individuele scores van bedrijven zitten verdeeld over de gehele breedte tussen de extremen. In de extremen is de 1.4 Pp100W voor een bedrijf (94 werknemers) op een Rijnmondse Blocatie natuurlijk het meest opvallend. Bij dit voorbeeld en sowieso alle extremen is vooral de variatie in het normeringssegment 'woon-werkauto vanwege beroepsuitoefening' de oorzaak van de verschillen. Tezamen tonen deze extremen aan dat het erg moeilijk blijft om een algemene aanduiding voor de omvang van noodzakelijk autogebruik te hanteren, die recht doet aan alle individuele verschillen. Zowel naar boven -meer noodzakelijk autogebruik- als naar beneden- minder noodzakelijk autogebruik- zijn er forse verschillen. Dat eerste zullen overigens bedrijven altijd zelf wel aanroeren; het tweede zullen overheidsdiensten actief moeten inbrengen.

16

De derde kaart in Bijlage 1 maakt duidelijk wat deze afstanden voor de regio's Haaglanden en Rijnmond betekenen (let wel op verschil tussen hemelsbreed afstand en reisafstand).

47

48

5.2.

Bezoekersverkeer Waar we voor woon-werkverkeer konden beschikken aan een schat van werknemer-individuele enquêtegegevens, is de empirische basis voor berekeningen rond bezoekersverkeer veel zwakker, zoals in hoofdstuk 4 aangegeven. De berekeningen in deze paragraaf blijven dan ook veel globaler. In § 5.2.1. wordt eerst ingegaan op het basiscijfer: het gemiddelde aantal bezoekers, vervolgens passeren in § 5.2.2. verschillende differentiaties de revue. In § 5.2.3. wordt op basis daarvan een conclusie getrokken over de onmogelijkheid differentiaties zinvol door te rekenen, en wordt daarom volstaan met een algemeen geldend cijfer voor de uitgangssituatie. Vanuit dat cijfer wordt tot slot in § 5.2.4. conform de rekenregels uit hoofdstuk 4 het Pp100W-cijfer voor de streefsituatie bepaald.

5.2.1.

Gemiddelde omvang bezoekersverkeer Het gemiddelde aantal bezoekers (aan kantoren!) per dag en per 100 werknemers is 110, zoals vermeld in de Twijnstra Gudde-studie die in opdracht van CEA is verricht (voor een beschrijving van deze studie § 4.1.).17 Dit gemiddelde cijfer is echter sterk misleidend: de verschillen per kantoor zijn zeer groot; er is sprake van een uitermate scheve verdeling. In de navolgende tabel (eerste balk) zien we dat bij de helft van de kantoren (22+28%) minder dan 20 bezoekers per dag en per 100 werknemer komen. Tabel 14: Bezoekersaantallen per 100 werknemers - verdeling van kantoren over klassen (landelijke cijfers; bron: Twijnstra Gudde [19]) Klasse (bezoekers p. 100 werkn.)

Bezoekers met de auto

0 - 10

28%

37%

10 - 20

22%

23%

20 - 50

22%

20%

50 - 100

13%

9%

100 - 150

6%

3%

150 - 200

3%

2%

200 of meer

9%

6%

100%

100%

totaal

17

Bezoekers totaal

Dit rapport [19] is de basis voor § 5.2.1. - 5.2.3.

49

Het gemiddelde aantal wordt enorm opgerekt door een betrekkelijk klein aantal kantoren met verhoudingsgewijs zeer veel bezoekers. Ofwel, zoals we het in dit onderzoek noemen: kantoren met een echte baliefunctie. Deze scheve verhouding wijst op de noodzaak om een cijfermatige bepaling van de streefsituatie wel op het merendeel van de kantoren toe te passen, maar tegelijkertijd kantoren met een baliefunctie van welke streefwaarde dan ook uit te zonderen. Voor dergelijke bedrijven of instellingen moet altijd apart en individueel naar de parkeerbehoefte worden gekeken. De verschillen bij het deel van de bezoekers dat met de auto komt, zijn nog extremer: bij 60% van de kantoren zijn dat minder dan 20 bezoekers per dag per 100 werknemers. (Arithmetisch) gemiddeld komt 72% van de bezoekers met de auto. Dit komt qua orde van grootte overeen met bevindingen in de literatuur [8] en de bezoekersenquête van CEA/NEA/DESAN (zie hoofdstuk 4). Het gemiddelde aantal autogebruikende bezoekers per 100 werknemers verschilt echter sterker van dat voor alle bezoekers (110) dan 72% zou suggereren: 58 bezoekers met de auto. Ook dit verschil komt voort uit de scheve verdeling. Bepaalde bedrijven en instellingen met extreem veel bezoekers drijven het bezoekersgemiddelde op. Doordat deze bezoekers echter verhoudingsgewijs minder met de auto komen, blijft dit 'opdrijfeffect' bij het gemiddelde aantal 'bezoekers met de auto' achterwege. 5.2.2.

Differentiaties Bedrijfsgrootte en bedrijfstak De verschillen in relatieve bezoekersaantallen zijn groot wanneer een uitsplitsing wordt gemaakt naar bedrijfsgrootte (zie tabel 15). Hoe groter de vestiging, hoe kleiner het bezoekersaantal per 100 werknemers! Bij grote bedrijven overheerst kennelijk het administratieve werk (zonder bezoekers). In de klasse van organisaties met minder dan 100 werknemers zijn waarschijnlijk ook de bedrijven te vinden waar een baliefunctie het grootste deel van de organisatie beslaat.

50

Tabel 15:

Bedrijfsgrootte

Gemiddeld aantallen bezoekers aan kantoren per 100 werknemers en dag per bedrijfsgrootteklasse (bron: Twijnstra Gudde [19])

Bezoekers totaal

Bezoekers met de auto

20-49 werknemers

153

74

50-99 werknemers

133

76

100-199 werkn.

46

19

200-499 werkn.

45

15

500 > werknemers

23

13

TOTAAL

110

58

Ook per bedrijfstak zijn de verschillen in bezoekersaantallen groot. Uitblinker is het bank- en verzekeringswezen met 411 bezoekers per dag per 100 werknemers (190 met de auto). Een andere bedrijfstak (van de 15) die boven het gemiddelde uitkomt is de juridische sector (149/87). Andersom is bank- en verzekeringswezen een van de bedrijfstakken met lager (relatief) autogebruik van bezoekers dan het gemiddelde. Locatietype Het Nationale Kantorenonderzoek, de studie van Twijnstra Gudde waarop we ons baseren, hanteert helaas niet de indeling naar ABC-locaties. Het onderzoek onderscheidt wel -anderetypen locaties. Er zijn duidelijke verschillen te herkennen in relatieve bezoekersaantallen (al of niet met de auto) tussen de typen locaties (zie tabel 16). Het type 'stationslocatie' komt het dichtst in de buurt van A- en B-locaties. Opvallend is hier het lage relatieve aantal bezoekers; niet strokend met de uitgangspunten van het locatiebeleid.18 Maar 'stationslocaties' zullen in de regel kleinere geografische gebieden zijn dan vooral Alocaties. Een deel van de A-locaties valt weer samen met 'centrum/binnenstad'. Opvallend hier is het enorm grote relatieve aantal bezoekers. Hieruit komt dus geen eenduidig cijfer voor de uitgangssituatie naar voren.

18

Interessant is ook een vergelijking tussen stationslocaties en snelweglocaties: beide vertonen ongeveer dezelfde relatieve bezoekersaantallen. Uiteraard kan dat gepaard gaan met veel bezoekers en veel werknemers op een stationslocatie en weinig bezoekers en werknemers op een snelweglocatie. Let wel: het gaat hier om kantoren op snelweglocaties.

51

Tabel 16:

Gemiddeld aantal bezoekers aan kantoren per 100 werknemer en per dag, per type locatie (bron: Twijnstra Gudde [19])

Type locatie

Bezoekers totaal

Bezoekers met de auto

centrum/binnenstad

212

102

grenzend aan binnenstad

86

45

stationslocatie

44

22

snelweglocatie

36

22

woonwijk

117

64

kantorenterrein

35

27

gemengd bedrijventerrein

38

33

anders

53

45

TOTAAL

110

58

Het vermoeden bestaat dat de variabelen bedrijfstak en -functie (balie) het beeld naar locatietypen overheersen en verstoren. Juist in het centrum en in de woonwijken zijn de bezoekersintensieve functies te vinden, dicht bij de burger of in het klassieke winkel- en verzorgingsgebied (bijv. bank en postkantoor). Het vermoeden wordt gestaaft met het feit dat de verschillen in het relatieve autogebruik door bezoekers per soort locatie minder duidelijk zijn dan per bedrijfstak. De enige soort locatie die hier lager dan gemiddeld (72%) uitspringt is 'centrum/binnenstad' met 55%. Rijnmond en Agglomeratie Den Haag Er zijn verder ook duidelijke regionale afwijkingen bij de relatieve bezoekersaantallen, ten opzichte van het landelijk gemiddelde. In dit onderzoek zijn vooral de uitkomsten voor Rijnmond en Haaglanden interessant. We konden echter alleen beschikken over cijfers voor de -niet geheel sporende- Corop-gebieden Rijnmond en Agglomeratie Den Haag. Het gemiddelde aantal bezoekers (per 100 werknemers per dag) is in beide gevallen lager dan landelijk (was: 110/58): Agglomeratie Den Haag: 50 bezoekers totaal, 29 bezoekers met de auto; Rijnmond: 87 bezoekers totaal, 40 bezoekers met de auto. Vooral de cijfers van de Agglomeratie Den Haag duiden erop dat hier sprake is van een andere structuur in de bedrijvigheid dan landelijk gemiddeld. Deze bedrijvigheid trekt in verhouding met het aantal werknemers minder bezoekers. In de navolgende tabel wordt een overzicht gegeven van de verdeling van de kantoren over de reeds eerder gehanteerde klassen van relatieve bezoekersaantallen. Tabel 17:

Bezoekersaantallen per 100 werknemers in Agglomeratie Den Haag Rijnmond en Rijnmond - verdeling over klassen (bron: Twijnstra Gudde [19])

Klasse (bezoekers p. 100 werknemers)

52

Aggl. Den Haag

Rijnmond

Bezoekers totaal

Bezoekers met de auto

Bezoekers totaal

Bezoekers met de auto

0 - 10

43%

54%

28%

40%

10 - 20

23%

22%

12%

19%

20 - 50

18%

15%

26%

25%

50 - 100

7%

3%

20%

9%

100 - 150

3%

2%

40%

1%

150 - 200

2%

1%

3%

1%

200 of meer

4%

2%

7%

5%

100%

100%

100%

100%

totaal

Terwijl landelijk de helft van de kantoren minder dan 20 bezoekers per 100 werknemers per dag telt, is dit in Rijnmond lager (40%) en in de Agglomeratie Den Haag juist hoger (66%). Als we alleen naar de bezoekers kijken die met de auto komen, hebben in de Agglomeratie Den Haag maar liefst 75% van de kantoren met maximaal 20 auto-bezoekers per dag (per 100 werknemers) te maken. Het lijkt waarschijnlijk dat hier de structuur van de bedrijvigheid in Den Haag - specifiek: vaak het bedrijfstype 'beleidsvorming' - een belangrijke rol speelt. 5.2.3.

Keuze uitgangssituatie Het moge duidelijk zijn dat het (relatieve) bezoekersverkeer te gedifferentieerd, te diffuus is om één van de genoemde cijfers zonder aarzeling in een cijfer te vertalen dat dienst moet doen om, analoog aan de methodiek bij het woon-werkverkeer, de uitgangssituatie weer te geven. Aan de ene kant krijgt de meerderheid van bedrijven en instelling relatief (ten opzichte van het aantal werknemers) weinig bezoek. Aan de andere kant zijn er organisaties met veel meer bezoekers per dag dan eigen werknemers. Kleine bedrijven hebben relatief meer bezoekers dan grote. Kantoren in woonwijken en het centrum trekken relatief meer bezoekers dan op andere locaties. Tenslotte bestaan er regionale verschillen; zo zijn in Rijnmond en vooral in de Agglomeratie Den Haag de relatieve bezoekersaantallen lager dan het landelijk gemiddelde. Hoe kunnen we dan komen tot een geschikt cijfer voor de uitgangspositie van het autogebruikend bezoekersverkeer? We kiezen voor de volgende redenering: a. we kunnen voor de uitgangssituatie een cijfer voor het aantal bezoekers met de auto (per 100 werknemers) nemen, waar de overgrote meerderheid van de kantoren onder blijft (bijv. 75% van de kantoren). Voor Den Haag zou dit al met 20 bezoekers per dag bereikt zijn; landelijk en in Rijnmond ligt de grens dan ergens tussen 20 en 50 bezoekers en duidelijk eerder in de buurt van 20 dan van 50, gezien het feit dat 60% 20 bezoekers of minder hebben; b. met de overige 25% van de bedrijven moet in deze rekenconstructie apart over hun bezoek-parkeer-situatie moeten worden gesproken; dat betreft temeer uitzonderlijke gevallen; b. een specifiek cijfer voor A- en/of B-locaties hanteren is onmogelijk, omdat de locatieindelingen van Twijnstra Gudde hier niet mee sporen - en ook niet globaal in verband gebracht kunnen worden vanwege de grote aantallen op centrumlocaties; Gezien de scheve verdeling moet de keuze binnen 20-50 bezoekers niet te hoog uitvallen. We 53

kiezen daarom als uitgangspunt/uitgangssituatie 25 bezoekers met de auto per 100 werknemers per dag, de normale omvang van 'bezoeker per auto' weergevend, zonder te letten op uitzonderlijke omvang van bezoekverkeer, bij kantoren met een baliefunctie. Een dergelijk extreem bezoekverkeer moet altijd apart worden beschouwd. 5.2.4.

Berekening streefsituatie Met dit cijfer van 25 auto-bezoekers per 100 werknemers per dag als uitgangssituatie, kunnen we via de in hoofdstuk 4 geformuleerde rekenregels (die weer grotendeels op de CEA/NEA/DESAN-enquête gebaseerd zijn), eenvoudig komen tot een Pp100W-cijfer voor de streefsituatie. De navolgende tabel geeft de berekening weer:

54

Tabel 18:

Bezoekersaantallen per 100 werknemers in Rijnmond en Den Haag verdeling van kantoren over categorieën van relatieve bezoekersaantallen. Reductiefactor

Niet-noodzakelijke auto-equivalenten bezoekers (per 100 werkn per dag)

Uitgangssituatie

Resterende autoequivalenten bezoekers (per 100 werkn. per dag) 25.0

Passagiers

0.1

2.5

22.5

Vervangbaar

0.5

11.3

11.3

Bezoekduur

0.75

8.4

2.8

Toelichting * In de eerste rij starten we met het hiervoor bepaalde cijfer van 25.0 auto-bezoekers per 100 werknemers per dag. * In de tweede rij volgt de reductiefactor conform het percentage bezoekers dat in de genoemde enquête aangaf als auto-passagier gekomen te zijn - en dat dus geen parkeerplaats nodig heeft: reductiefactor 0.1, met 22.5 auto-equivalenten resterend. * In de derde rij wordt daar het deel van afgetrokken dat volgens eigen opgaven van de bezoekers in de CEA/NEA/DESAN-enquête 'vervangbaar autogebruik' is. We hanteren hier, zoals in hoofdstuk 4 besloten, de factor 0,5 en zijn daarmee nog terughoudend (liefst 59% gaf aan ook zonder auto gekomen te zijn). We houden dan nog 11.3 auto-equivalenten per 100 werknemers per dag over. * Tot slot in de vierde rij de toepassing van de laatste reductiefactor: de bezoekduur. Daarvoor zijn we in hoofdstuk 4, zeker niet 'scherp' redenerend, uitgekomen op een gemiddelde (relevante) bezoekduur van ca. 1,5 uur, wat in verband met mogelijke gelijktijdige bezoeken 'soepel' is vertaald in 4 autobezoekers per parkeerplaats per dag. Eén autobezoeker vraagt dus 1/4 parkeerplaats; vandaar de reductiefactor 0.75 en het uiteindelijke resultaat in Pp100W voor bezoekersverkeer: 2.8. Conclusies * In de uitgangssituatie 25; in de streefsituatie 2.8 - dat lijkt op een fors 'normatief ingrijpen'. Men moet dit echter genuanceerd bezien. Twee van de drie stappen die wij gezet hebben (namelijk passagiers en bezoekduur), zijn niet 'normatief' maar puur een vertaling (ook van toepassing op de huidige situatie!) van '25 autobezoekers' naar 'aantal benodigde parkeerplaatsen'. De eigenlijke uitgangssituatie is dus tegenwoordig 5,6 parkeerplaatsen per 100 werknemers (bij bedrijven en instellingen zonder intensieve baliefunctie). Het normatieve zit alleen in de halvering vanwege vervangbaarheid. Maar daar geldt voor dat de bezoekers het zelf aangegeven hebben. * Het berekende Pp100W-cijfer voor de streefsituatie van 2.8 geldt dus, het zij herhaald, zowel voor A- als B-locaties (een onderscheid is met de huidige gegevens niet mogelijk), maar niet voor kantoren met een balie-functie; die dienen apart en individueel bezien te worden. 5.3.

Samenvoeging van normeringssegmenten

55

In de voorgaande paragrafen zijn voor allerlei onderscheiden normeringssegmenten berekeningen uitgevoerd. In deze laatste paragraaf van het resultatenhoofdstuk tellen we die cijfers op, om te komen tot de eind-cijfers (in Pp100W) voor noodzakelijk autogebruik: Tabel 19:

Locatietype en regio

Totaaloverzicht parkeerbehoefte i.v.m. noodzakelijk autogebruik (in Pp100W)

Parkeerplaatsen per 100 werknemers (Pp100W) per normeringssegment woon-werk: 'beroepsuitoefening' en 'geen altern.'

woon-werk: 'medisch'

'serviceauto's'

bezoekersverkeer: normaal

TOTAAL Pp100W: bezoekersverkeer: specifiek 'balie'

noodzakelijk autogebruik

A-locaties Haaglanden

8.0

1.0

?

2.8

?

11.8 + (1:9)

A-locaties Rijnmond

10.6

1.0

?

2.8

?

14.4 + (1:7)

A-locaties TOTAAL

8.2

1.0

?

2.8

?

12.0 + (1:8)

B-locaties Haaglanden

13.7

1.0

?

2.8

?

17.5 + (1:6)

B-locaties Rijnmond

10.4

1.0

?

2.8

?

14.2 + (1:7)

B-locaties TOTAAL

11.2

1.0

?

2.8

?

15.0 + (1:6,6)

Toelichting * In de eerste kolom staat de berekende Pp100W voor de twee normeringssegmenten 'woon-werkauto vanwege beroepsuitoefening' en 'woon-werkauto vanwege ontbreken alternatief (zie § 5.1.), inclusief ruimte voor niet-persoonsgebonden bedrijfsauto's (zie § 3.3). * In de tweede kolom het vaste Pp100W-cijfer voor 'woon-werkauto vanwege medische noodzaak' (zie § 3.1). * In de derde kolom het onbekende en apart uit te onderhandelen Pp100W-cijfer voor 'nietpersoonsgebonden bedrijfsauto's met apparatuur' (zie § 3.2.). * In de vierde kolom het berekende Pp100W-cijfer voor 'auto-bezoekersverkeer uitgezonderd balie' (zie § 5.2). * In de vijfde kolom het onbekende en apart uit te onderhandelen Pp100W-cijfer voor 'autobezoekersverkeer voor balie' (zie § 5.2). We geven op deze afsluitende tabel verder geen commentaar; per segment hebben we immers al conclusies getrokken. In algemene zin willen we hier alleen opmerken dat de uiteindelijke Pp100W's: dicht in de buurt van de Rijksstreefwaarden liggen, maar voor A-locaties toch wel iets boven; tussen A-locaties en B-locaties opvallend weinig verschillen; veel minder in ieder geval 56

dan de Rijksstreefwaarden. Let wel: in deze tabel zijn geen factoren/grenzen/verhoudingen uit de varianten-berekeningen voor woon-werkverkeer gehanteerd maar diegenen uit de keuzevariante, en het betreft alleen 'juiste bedrijven op juiste plaats'.

57

58

6.

Uitleiding: beleidsrelevantie Dit laatste hoofdstuk is niet, zoals meestal in een rapport, bedoeld om conclusies weer te geven. De uitkomsten van dit project zijn immers primair de cijfers in hoofdstuk 5 - en dan vooral de samengevoegde cijfers in § 5.3. Wat in dit laatste hoofdstuk wel ter sprake komt is de beleidsrelevantie van de resultaten. Daarbij doen wij geen uitspraken over de gewenste relatie tussen de hier berekende streefwaarde-Pp100W's en de te hanteren parkeernormen; dat is immers overduidelijk een normatieve kwestie voor beleidsmakers. Waar we wel op ingaan is de beleidsrelevantie van de resultaten voor de gehanteerde concepten en werkwijzen in locatiebeleid en parkeerbeleid. We doen dit in vier punten. A. Verschillen tussen A- en B-locaties zijn minimaal Het noodzakelijk autogebruik van bedrijven/instellingen op A-locaties danwel op B-locaties verschilt in principe slechts 3 parkeerplaatsen per 100 werknemers. Dat kunnen we een minimaal verschil noemen, zeker gezien de spreiding binnen een locatietype. Vervolgens kan op basis van deze studie gesteld worden dat het de vraag is of het zo geprononceerd onderscheid maken tussen A- en B-locaties in de beleidspraktijk, voor de mobiliteitsdoelstellingen van locatie- en parkeerbeleid wel zinvol is. Minstens zo interessant als de gevolgen van het beperkte verschil, is de vraag wat de oorzaken zijn van het beperkte verschil. Het eerste antwoord op deze vraag is eenvoudig: omdat verschillen in noodzakelijk autogebruik klaarblijkelijk niet zo zeer beïnvloed worden door verschillen in ABC-locatietypologie. Vervolgens kunnen daarvoor twee verklaringen genoemd worden. 1. Andere factoren dan locatiegebonden factoren spelen een belangrijker rol; hierop gaan we bij punt B nader in. 2. Locatiegebonden factoren spelen wel een rol, maar dat betreft dan factoren die in de ABC-typologie onvoldoende tot hun recht komen. De alternatieven carpooling en fiets blijken in de streefsituatie namelijk minstens zo belangrijk als het alternatief openbaar vervoer. De ABC-typologie is alleen gericht op verschillen in bereikbaarheid per openbaar vervoer en niet op bereikbaarheidsverschillen voor carpooling of (vooral!) fiets. De bereikbaarheid bij carpooling heeft een locatiespecifieke component in iets als 'regionale compactheid in woonbebouwing'. Belangrijker: bereikbaarheid per fiets heeft een locatie-specifieke component in 'nabijheid van woongebieden'. B. Grote individuele verschillen tussen bedrijven Er is sprake van behoorlijke individuele verschillen tussen bedrijven met betrekking tot de parkeerbehoefte in de streefsituatie. Dit loopt op de A-locaties uiteen van 3 parkeerplaatsen tot 24 parkeerplaatsen per 100 werknemers; op de B-locaties is dit zelfs tussen 1,5 en 24 parkeerplaatsen. Dit maakt het haast onmogelijk om (de empirisch bepaalde) parkeerbehoefte in de streefsituatie als algemeen toegepaste parkeernorm te hanteren (los van de hoogte ervan). Let wel: bedrijven die eenduidig verkeerd op een A-locatie gevestigd zijn, zijn hierbij al (rekentechnisch) verwijderd. Deze uitkomst werpt een schaduw op de algemene toepasbaarheid van parkeernormen op reeds bestaande locaties. Het toepassen van parkeernormen moet altijd voldoende ruimte laten voor individuele benaderingen. Dit betekent niet dat bedrijven hiermee redenen in de hand krijgen 59

voor een uitzonderlijke, hogere parkeernorm. Integendeel, de hier gebruikte berekeningsmethode kan juist per individueel bedrijf aangeven wat haalbaar is. Het zal uiteindelijk altijd zaak van overheid èn bedrijfsleven zijn om samen deze mogelijkheden te verwezenlijken. C. Verschillen in noodzakelijk autogebruik hangen af van bedrijfstypologie We noemden hiervoor de invloed van andere factoren dan locatiegebonden factoren als een verklaring voor de geringe Pp100W-verschillen tussen A- en B-locaties. Bij deze 'andere factoren' gaat het logischerwijs om factoren die met bedrijfstypen te maken hebben: parkeerbehoefte op grond van 'woon-werkauto vanwege beroepsuitoefening' en (gemiddeld in mindere mate) van 'auto-bezoekersverkeer'. De mobiliteitsprofielen maken de dienst uit, hier moet in toekomst meer nadruk op liggen, veel meer dan op de vraag of het bereikbaarheidsprofiel A of B is. Men kan overigens zeer positieve uitwerkingen geven aan deze conclusie. In de eerste plaats lijkt het temeer noodzakelijk om 'werk te maken' van beleid voor C-locaties, door de 'foute' bedrijfstypen voor hoogwaardige centrumlocaties positief te kunnen en mogen verwijzen naar C-locaties. In de tweede plaats geeft deze conclusie aan dat het bestaan van de vaak wat verzwegen maar daarom niet minder reële R(est)-locaties veel minder een probleem is dan op het eerste gezicht lijkt. Immers, als de slechte auto- en OV-bereikbaarheid van R-locaties minder invloed heeft dan aangenomen, is er veel minder bezwaar om R-locaties te noemen, te benoemen en wellicht structureel te hanteren. D. Streefsituatie behoeft geen verre toekomstdroom te zijn De bepaling van de Pp100W-streefsituatie is logischerwijs gekoppeld aan een streefsituatie in 'vervoersvoorzieningen'. In deze studie is vooraf uitgegaan van de redenering dat cijfers over noodzakelijk autogebruik gezien moeten worden als 'sturend maar toch realistisch'. Uitkomsten van de studie zouden aangeven welke omvang van noodzakelijk autogebruik realiseerbaar is bij welke vervoersvoorzieningen. Het opvallende aan de uitkomsten van deze studie is nu dat het met de nog te realiseren vervoersvoorzieningen om uit te komen op de gegeven Pp100Wstreefsituatie, wel mee valt. De gedachten gingen natuurlijk altijd uit naar 'beter openbaar vervoer'. Deze studie geeft echter aan dat de nadruk eerder ligt op: * fietsvoorzieningen (direkte routes voor de kortere afstanden en voorzieningen voor de vervoerketen OV + Fiets); * transferia/P&R-terreinen (voor de langere afstanden); * alleen capaciteitsverhoging in OV en carpooling (= wsl. carpoolstroken). En dus niet zozeer om totale frequentie en bedieningsgebied van het openbaar vervoer. De berekende Pp100W's gaan immers uit van het huidige OV-net. Natuurlijk, het kan altijd beter. Maar door aangepast parkeerbeleid kan nu eerst de mogelijke 'winst' (van wat er al is aan OVvoorzieningen) worden binnen gehaald. E. Zelfs Rijnmond en Haaglanden kennen aanzienlijke verschillen Het laatste punt waar we in dit uitleidende hoofdstuk op in willen gaan, zijn de geconstateerde verschillen in de uitkomsten tussen bedrijven in Rijnmond en bedrijven in Haaglanden. Haaglanden kent hierbij een verschil in noodzakelijk autogebruik tussen A- en B-locaties, Rijnmond niet. We dienen hierover te melden dat de gegevens bij deze vergelijking minder betrouwbaar lijken dan bij anders onderscheidingen in verband met het aantal betrokken bedrijven.

60

Desondanks zouden we aan deze regionale verschillen een voorzichtige conclusie willen koppelen. De sterk uiteenlopende Pp100W-scores lijken namelijk veroorzaakt te worden door een combinatie van: * afwijkende (regionale) ruimtelijke structuur (compacte opbouw Den Haag); * afwijkende verkeersstructuur (metro in Rotterdam); * afwijkende structuur van bedrijvigheid (grofweg bestuurlijke instellingen in Haaglanden; havengeoriënteerde bedrijven in Rijnmond). En die factoren hebben dan een fors effect op de omvang van het noodzakelijk autogebruik. Het interessante hieraan is dat we met Rijnmond en Haaglanden twee regio's vergelijken waarvan toch eigenlijk verwacht zou worden dat ze niet zo sterk zouden verschillen (allebei Randstad, allebei erg groot, allebei goed openbaar vervoer, etc.). Het Rijksbeleid gaat welliswaar uit van een regionale invulling van het locatiebeleid en daarin de parkeernormen. Maar deze verschillen zouden vooral berusten op de omvang van problemen met bereikbaarheid en leefbaarheid. Er is niet in voorzien dat voor eenzelfde locatietype het 'haalbare' al zulke sterke verschillen tussen de regio's vertoont. Het feit dat deze twee regio's zulke forse verschillen laat zien, doet samen met de individuele verschillen de vraag rijzen in hoeverre men algemene cijfers voor noodzakelijk autogebruik überhaupt kan hanteren. Slot Het was de bedoeling met dit onderzoek meer inzicht te verkrijgen over het noodzakelijke autogebruik van bedrijven (op A- en B-locaties). Dit onderzoek was niet bedoeld om die inzichten ook meteen te vertalen in bij voorbeeld een stappenplan voor een hierop aangepast (gemeentelijk) parkeerbeleid. Wel biedt deze studie o.i. een aantal aanknopingspunten voor een dergelijke vertaling. Deze punten wilden wij in dit hoofdstuk samenvatten. Uiteindelijk komt één conclusie centraal te staan, nl. dat in het kader van het parkeerbeleid de gemeente eigenlijk een andere rol heeft dan in het begin was verondersteld: minder die van 'wet en regelgever' en meer die van 'onderhandelaar' (hier met individuele bedrijven cq. projectontwikkelaars). Met behulp van de hier ontwikkelde methode en definitiekader kan een gemeente de (niet-)noodzakelijkheid van het autogebruik van bedrijven bepalen. Daarmee heeft de gemeente voor het invullen van haar rol in het parkeerbeleid een waardevol instrument in handen gekregen.

61

62

Aangehaalde literatuur 1

Gemeentelijke Dienst Stadsontwikkeling-Grondzaken, Parkeerbehoefte bij werkgelegenheidslocaties, Den Haag, april 1985

2

J. Kropman en H. Katteler, De betekenis van de verplaatsingstijdfactor, ITS, Nijmegen, februari 1993

3

T. van Maanen en E.J. Verroen, Mobiliteisprofielen revisited, INRO TNO, Delft, september 1992

4

H.D. Hilbers en E.J. Verroen, Het beoordelen van de bereikbaarheid van lokaties, INRO TNO, Delft, mei 1993

5

J. Kropman en H. Katteler, Corridor Dordrecht-Rotterdam, ITS, Nijmegen, 1992

6

AGV, Zakelijk verkeer en vervoermanagement, Nieuwegein, september 1993

7

L. Bak, Kantoorprofiel; Structuur en ontwikkeling van de kantorensector, Deventer, 1980

8

B. Tijssen, Het profiel van de kantoorbezoeker (stageverslag), INRO/TNO, Delft, mei 1990

9

DHV Milieu en Infrastructuur, Parkeren bij stationslokaties in Noord-Brabant: de praktijk in beeld, Amersfoort, december 1992

10

M. Touwen en D.M. Ligtermoet, Normering in vervoermanagement: op weg naar een zorgsysteem, Research voor Beleid, Leiden, mei 1993

11

Bureau Jeuring & Martens, Auto-equivalenten bij vervoermanagement, Amsterdam, november 1993

12

R.C. Nägele, P.T. Wilbers en R.A. de Bruin, Integratie fiets - openbaar vervoer, Traffic Test, Veenendaal, juli 1992.

13

Werkdocument: geleiding van de mobiliteit door een lokatiebeleid vor bedrijven en voorzieningen, Ministeries van VROM, EZ en V&W, Den Haag, mei 1990.

14

Uitvoeringsnota Parkeerbeleid, Hoeksteen en toetssteen van het verkeers- en vervoerbeleid, Tweede Kamer der Staten-Generaal, Den Haag, Vergaderjaar 1990-1991, 22 382, nr. 1.

15

H. Hilbers, Bereikbaarheid en lokatiebeleid in de regio Einhoven, INRO/TNO, Delft, oktober 1993.

16

E.J. Verroen, M.A. de Jong, W. Korver, B. Jansen, Mobiliteitsprofielen van bedrijven en instellingen, deelrapport 1: conceptionele uitwerking van mobiliteitsprofielen en bereikbaarheidsprofielen, INRO/TNO, Delft, juni 1990.

63

17

G.P van Wee, Locatiebeleid en ruimtelijke ordening: de effecten op verkeer en vervoer, literatuurstudie, RIVM, Bilthoven, maart 1993.

18

Handboek lokatiebeleid, Een handreiking vor gemeenten, VNG, Den Haag, 1993.

19

H.J.J. Kloosterman, Bezoekers aan kantoren, Twijnstra Gudde (in opdracht van CEA), Amersfoort, januari 1994.

20

Tweede Struktuurschema Verkeer en Vervoer, deel d: regeringsbeslissing, Ministeries van V&W en VROM, Tweede Kamer der Staten-Generaal, Den Haag, Vergaderjaar 19891990, 20 922, nrs. 15-16.

21

Mobiliteitsbeheersing rond bedrijven, Provincie Zuid-Holland, Den Haag, februari 1992.

22

R.H. de Boer, A.J.M. Savelberg, Pilot-onderzoek reistijden: ov sneller dan vaak verondersteld, in: Verkeerskunde, 5, mei 1993, p. 22-25.

64