Reistijdonbetrouwbaarheid en de perceptie van de treinreiziger (conceptversie januari 2010)

Reistijdonbetrouwbaarheid en de perceptie van de treinreiziger (conceptversie januari 2010) Martijn Brons1,2,a Piet Rietveldb,c a

European Commission, Joint Research Centre (JRC), Institute for Prospective Technological Studies (IPTS), c/Inca Garcilaso 3, 41092 Seville, Spain. b Department of Spatial Economics, Vrije Universiteit, De Boelelaan 1105, 1081 HV Amsterdam, the Netherlands. c Tinbergen Institute Amsterdam (TIA), Roetersstraat 31, 1018 WB Amsterdam, the Netherlands. Abstract Voor wat betreft reistijdonbetrouwbaarheid worden de Nederlandse Spoorwegen door het ministerie van V&W afgerekend op de punctualiteit, i.e. het percentage treinen dat met minder dan drie minuten vertraging aankomt, gemeten op 35 belangrijke knooppunten in het land. Het is de vraag of een dergelijke procesgeoriënteerde benadering goed aansluit bij de reizigergeoriënteerde ambities van NS. Afgezien van de enigszins arbitraire marge van drie minuten wordt er geen rekening gehouden met andere elementen van reistijdonbetrouwbaarheid zoals de duur van de vertraging en de variatie in aankomsttijden. Bovendien wordt geen aandacht besteed aan reistijdonbetrouwbaarheid bij vertrek. Deze paper introduceert en vergelijkt alternatieve indicatoren en specificaties van reistijdonbetrouwbaarheid op basis van een serie regressieanalyses. De resultaten tonen aan dat de punctualiteitindicator samen met een indicator gebaseerd op de gemiddelde vertraging het nauwst aansluiten bij de reizigerservaring van onbetrouwbaarheid. Verder blijkt dat wanneer bij het meten van de reistijdonbetrouwbaarheid zowel aankomst als vertrektijden worden meegenomen, dit tot betere resultaten leidt. Ten slotte blijkt dat wanneer de onbetrouwbaarheidindicator rekening houdt met de functie die een station speelt tijdens de treinreis, i.e. vertrekstation, overstapstation of eindstation, deze nog nauwer aansluit bij de het reizigersoordeel. Sleutelwoorden: Reistijdonbetrouwbaarheid, Railvervoer, Klanttevredenheid 1. INLEIDING Toenemende filevorming, klimaatverandering en afnemende brandstofvoorraden zijn actuele thema’s die wereldwijd een belangrijke uitdaging vormen. Tegen deze achtergrond zien Europese beleidsmakers het stimuleren van duurzame mobiliteit als een van de kerntaken van haar vervoersbeleid (Europese commissie, 2001). Railvervoer vormt de ruggengraat van elk duurzaam vervoersbeleid, biedt efficiënt vervoer, lage CO2 uitstoot, geringe 1 Corresponderend auteur: Martijn Brons, European Commission, Joint Research Centre (JRC), Institute for Prospective Technological Studies (IPTS), c/Inca Garcilaso 3, 41092 Seville, Spain. Phone: + 34 954 488 334, Fax: + 34 954 488 235. E-mail: [email protected] 2 De verkondigde meningen zijn afkomstig van de auteur en geven niet noodzakelijkerwijs het officiële standpunt van de Europese Commissie weer.

milieubelasting en positieve economische groei. Het verbeteren van de positie van het spoorvervoer is daarom een van de hoofdelementen in de transitie naar duurzame mobiliteit. Het handhaven van de kwaliteit van het railvervoer wordt door beleidsmakers gewaarborgd door middel van concessies waarin spoorvervoerder over het algemeen worden afgerekend op meetbare indicatoren van kwaliteitsaspecten zoals reistijdonbetrouwbaarheid. Tegelijkertijd hebben Europese railvervoerders zoals NS, blijkens hun bedrijfsmissies en media-uitspraken, de ambitie om zich in toenemende mate op de reiziger te richten. Omdat de keuze voor de trein uiteindelijk een reizigerskeuze is, lijkt een transitie naar een reizigersgerichte benadering van reistijdonbetrouwbaarheid en andere kwaliteitsaspecten van de treinreis een randvoorwaarde voor het bevorderen van de positie van het railvervoer. Beleidsmakers zouden een dergelijke reizigersgerichte benadering moeten ondersteunen. Op basis van reizigerstevredenheiddata van NS, analyseren Brons en Rietveld (2008) het relatieve gewicht van tien dimensies van de ketenverplaatsing per trein. Aan de hand van de resultaten van een ‘derived importance analysis’ concluderen ze dat reistijdonbetrouwbaarheid na reiscomfort de belangrijkste dimensie is. In tegenstelling tot reiscomfort krijgt de reistijdonbetrouwbaarheid echter een slechte tevredenheidscore van de treinreizigers. Volgens de marketingliteratuur op het gebied van klanttevredenheid (e.g. Hawes and Rao, 1985; Kristensen et al., 1992; Slack, 1994; Bacon, 2003), kan reistijdonbetrouwbaarheid op basis van de combinatie van lage tevredenheid en hoog belang gecategoriseerd worden als ‘probleemgebied’ waar verbeteringen nodig zijn om de tevredenheid met het spoorvervoer te vergroten. De vraag is in hoeverre verbeteringen in de objectieve reistijdonbetrouwbaarheid zich vertalen in een verbetering van de reistijdonbetrouwbaarheid zoals ervaren door de reizigers, i.e. de subjectieve betrouwbaarheid. Een belangrijk punt hierbij is hoe reistijdonbetrouwbaarheid gemeten wordt. In Nederland wordt de NS door het Ministerie van V&W afgerekend op basis van de zogenaamde punctualiteit van treinen, gemeten op 35 belangrijke knooppunten in het land. (NS, 2006). Een trein wordt als punctueel beschouwd wanneer deze met minder dan drie minuten vertraging arriveert.3 Het is de vraag of een dergelijke procesgeoriënteerde benadering van betrouwbaarheid goed aansluit bij de reizigersgerichte ambities van NS. Brons en Rietveld (2007), formuleren een aantal kritiekpunten op het gebruik van punctualiteit als betrouwbaarheidsmaatstaf. Ten eerste wordt er, afgezien van de enigszins arbitraire marge van drie minuten, geen rekening gehouden met de duur van de vertraging, waardoor drie minuten vertraging even zwaar meeweegt als bijvoorbeeld dertig minuten. Het valt te betwijfelen of dit vanuit een reizigersperspectief erg realistisch is. Ten tweede wordt er geen rekening gehouden met de spreiding van de aankomst- of vertrektijden. Men zou zich kunnen voorstellen dat naast de mate waarin een dienstregeling wordt aangehouden, ook de onvoorspelbaarheid voor de reiziger een rol speelt. Ten derde worden negatieve consequenties van vertraging bij vertrek niet meegerekend. Dit terwijl de extra wachttijd op het station tot nutsverlies leidt, zelfs wanneer de trein uiteindelijk op tijd aankomt. Bovendien kan vertraging bij vertrek leiden tot het missen van een overstap, waardoor de uiteindelijke vertraging voor de reiziger nog verder oploopt. Deze kritiekpunten werpen de vraag op of de punctualiteitmaatstaf wel voldoende aansluit bij het door de reizigers ervaren disnut als gevolg van onbetrouwbaarheid, of dat bepaalde alternatieve (on)betrouwbaarheidsspecificaties of -indicatoren in dat opzicht misschien beter geschikt zijn om reistijdonbetrouwbaarheid te meten. 3

Tot 1999 hanteerde het Ministerie van V&W een vijfminutenmarge.

2

Deze paper onderzoekt verschillende indicatoren en specificaties van reistijdonbetrouwbaarheid op het spoor en vergelijkt ze op basis van de mate waarin ze aansluiten bij de door de reiziger ervaren reistijdonbetrouwbaarheid en dus geschikt zijn om reistijdonbetrouwbaarheid te operationaliseren. We onderzoeken twee indicatoren gebaseerd op punctualiteit, i.e., (i) het percentage treinen met meer dan drie minuten vertraging (3MIN), en (ii) het percentage met meer dan negen minuten vertragen (9MIN). De 3MINindicator correspondeert met de punctualiteitmaatstaf zoals gehanteerd door NS, maar is gemeten als het percentage van niet-punctuele in plaats van punctuele treinen om vergelijking met de andere indicatoren te vergemakkelijken. De 9-MIN indicator is een alternatieve puncutaliteitsindicator die het ons mogelijk maakt te onderzoeken of de drieminutengrens daadwerkelijk zo arbitrair is. Om het belang van de duur van de vertraging te onderzoeken hanteren we twee indicatoren die de vertraging in minuten uitdrukken, i.e., (iii) de gemiddelde vertraging in minuten (GEM) en (iv) de gemiddelde vertraging van nietpunctuele treinen (GEM_NP). Om het belang van reistijdonzekerheid te onderzoeken gebruiken we we twee indicatoren die gebaseerd zijn op de statistische verdeling van aankomst- of vertrektijden, i.e., (v) het 80ste min 50ste percentiel (PERC) en (vi) de standaarddeviatie (STDEV). Deze twee indicatoren nemen ook effecten van te vroege aankomsten en vertrekken mee. De paper is als volgt opgebouwd. Sectie 2 geeft een beschrijving van de data en introduceert de verschillende reistijdonbetrouwbaarheid (RTO)-indicatoren die in de analyse gebruikt zijn. Sectie 3 en 4 richten zich op de bespreking van de methodologie en resultaten van een regressieanalyse naar de invloed van reistijdonbetrouwbaarheid op reizigerstevredenheid. Sectie 5 bevat een conclusie en beleidsaanbevelingen. 2. DATAOVERZICHT Voor deze analyse maken we gebruik van twee databronnen; klanttevredenheiddata van NS en punctualiteitdata van ProRail. Het klanttevredenheidonderzoek (KTO) van de Nederlandse spoorwegen is een continu onderzoek naar (de ontwikkeling van) de kwaliteit van de dienstverlening van NS in Nederland. Het KTO bevat onder andere kwaliteitsoordelen van reizigers, in de vorm van een rapportcijfer tussen 1 en 10, voor een veertigtal kwaliteitsaspecten van de huidige4 treinreis en van het reizen per trein in het algemeen (deze data is subjectief van aard). Hiernaast wordt informatie met betrekking tot het ondervraagde individu en de reisomgeving geregistreerd. Het onderdeel ‘Reizigersoordelen’ omvat op dit moment ruim 70.000 formulieren per jaar (zie Schreurs, 2005). Wij maken voor deze studie gebruik van de reizigersoordelen met betrekking tot de punctualiteit in het algemeen en data met betrekking tot persoonskenmerken van de reiziger. Tabel 1 toont de gebruikte persoonskenmerken. De data die wij gebruiken beslaat de periode 2001 tot en met 2005. Tabel 1: Persoonskenmerken van de reiziger in de Klanttevredenheidonderzoek (KTO)dataset Leeftijd <20 jaar; 20-59 jaar*; >60 jaar Algemene kenmerken van Geslacht Vrouw; Man* 4

Met ‘huidige treinreis’ wordt hier bedoeld de treinreis tijdens welke de enquete is ingevuld.

3

de reiziger

Gebruikelijk opstapstation Autobezit Reismotief Domeinspecifiek Spits-/Dalurenreiziger e kenmerken van Reisfrequentie de reiziger Kaartsoort

Randstad; buiten Randstad* Auto beschikbaar; Geen auto beschikbaar* Werk of opleiding*; Zaken; Vrije tijd Meestal spits; Meestal dal; Beide* <4x per jaar; 4x per jaar – 1x per week*; >1x per week Dagticket zonder korting*; Dagticket met korting; Traject-, netwerk- of OV-kaart

*Deze categorie wordt bij de regressieanalyse als referentiecategorie gebruikt

De data met betrekking tot reistijdonbetrouwbaarheid is verzameld en ons ter beschikking gesteld door ProRail. Deze data op stationsbasis beslaat de periode juni 2004 tot en met december 2005 en is geaggregeerd beschikbaar op maandbasis (19 maanden) (ProRail, 2007). Per station en per treinserie hebben we de volgende informatie met betrekking tot de reistijdonbetrouwbaarheid: (i) aantal treinen met respectievelijk <3, 3-5, 5-7, 7-9 en >9 minuten vertraging bij aankomst, (ii) totaal aantal arriverende (vertrekkende) treinen, (iii) totaal aantal minuten vertraging bij aankomst (vertrek) en (iv) totaal aantal minuten vertraging bij aankomst (vertrek) van treinen die met meer dan drie minuten vertraging aankomen (vertrekken). De data is verder afzonderlijk beschikbaar per dagdeel (ochtendspits, daluren, avondspits) en per weekdeel (weekend, weekdagen). Op basis van deze data leiden we de zes verschillende RTO-indicatoren op stationsniveau af. De waarden voor 3MIN, 9MIN, GEM en GEM_NP kunnen direct worden afgeleid uit de beschikbare ProRaildata. PERC and STDEV zijn berekend op basis van de beschikbare data en bepaalde veronderstellingen ten aanzien van de reistijdverdeling. De gebruikte methode is beschreven in Appendix A. Voor alle indicatoren zijn zowel waarden op aankomst- als vertrekbasis berekend. 3. DE STATISTISCHE RELATIE TUSSEN OBJECTIEVE REISTIJDONBETROUWBAARHEID EN DE REIZIGERSBELEVING De analyse in deze sectie betreft de statistische relatie tussen de (Reistijdonbetrouwbaarheid) RTO-indicatoren en de klanttevredenheid met de RTO. Wij richten ons hierbij met name op de onderlinge vergelijking van de RTO-indicatoren. Indicatoren die een sterkere statistische relatie vertonen, sluiten beter aan bij de reizigersperceptie van RTO.

3.1 Veronderstellingen Onze analyse is uitgevoerd op het niveau van de individuele reiziger. De KTO-data levert per reiziger (observatie) informatie met betrekking tot de waardering van het op tijd rijden van de trein. We veronderstellen dat het oordeel van een reiziger bepaald wordt door de daadwerkelijk ervaren RTO. Per observatie moet dan het temporele en ruimtelijke verplaatsingspatroon per trein te worden bepaald; op welke stations en in welke tijden, dagen en maanden wordt gereisd? Hoewel we niet over dergelijke precieze data beschikken hebben we per reiziger wel informatie met betrekking tot reisdatum, huidige vertrekstation, huidige aankomststation, gebruikelijk vertrekstation, kaartsoort, dagdeel waarin voornamelijk gereisd wordt, reismotief en reisfrequentie. Op basis van bepaalde veronderstellingen ten aanzien

4

van het reisgedrag kan met behulp van deze informatie een ruimtelijk en temporeel verplaatsingspatroon per reiziger worden bepaald. We veronderstellen in eerste instantie dat het RTO-oordeel is gebaseerd op de gemiddelde RTO van het gebruikelijke vertrekstation in de eigen woonplaats. Indien de kaartsoort van de reiziger een OV-studentenweekkaart of -weekendkaart betreft, is het oordeel hierbij gebaseerd op RTO-ervaringen in het betreffende weekgedeelte. Indien de reiziger aangeeft meestal in de spits of meestal buiten de spits te reizen, is het RTO-oordeel hierbij gebaseerd op RTO-ervaringen in het betreffende dagdeel. Wanneer de reisfrequentie lager dan een keer per jaar is, is het oordeel gebaseerd op de reistijdonbetrouwbaarheid bij vertrek van de betreffende treindienst. Het reizigersoordeel wordt in sterkere mate bepaald door recentere RTO-ervaringen dan op ervaringen verder in het verleden. Voor een beschrijving van de wijze waarop deze laatste veronderstelling is geïmplementeerd verwijzen we naar Appendix B. Ondanks de bovenstaande veronderstellingen dient echter te worden opgemerkt dat op basis van de beschikbare data een nauwkeurige koppeling tussen het reizigersoordeel en de daadwerkelijke RTO-ervaring op basis van het reispatroon moeilijk te leggen is. De statistische relatie tussen individu en betrouwbaarheidservaring wordt verstoord doordat (i) de onbetrouwbaarheidservaring met betrekking tot bepaalde treinen waarvan het individu gebruik maakt niet wordt meegenomen en (ii) de onbetrouwbaarheidservaring met betrekking tot bepaalde treinen waarvan het individu geen gebruik maakt wel wordt meegenomen. De RTO-variabele is dus gebaseerd op zowel relevante als irrelevante ‘ruwe’ punctualiteitscijfers (met irrelevant bedoelen we hier punctualiteitscijfers mbt routes waar de betreffende reiziger niet reist). Deze verstoring leidt tot een onderschatting van de werkelijke statische samenhang wordt onderschat. Op basis van de geschatte regressie- en correlatiecoëfficiënten kunnen dan ook geen harde conclusies worden getrokken met betrekking tot de absolute hoogte van de statistische relatie tussen daadwerkelijke RTO en het reizigersoordeel. Alle indicatoren en specificaties die gebruikt zijn zijn echter op precies dezelfde set ‘ruwe’ punctaliteitscijfers gebaseerd. Als we ervan uitgaan dat de irrelevante punctualiteitscijfers het reizigersoordeel niet beinvloeden dan geldt dat het verschil in resultaten tussen RTO-indicatoren uitsluitend wordt veroorzaakt door het verschil tussen de relatie tussen het reizigersoordeel en de daadwerkelijke RTO-ervaring van de reiziger (zoals gebaseerd op relevante punctualiteitscijfers). De geschatte coëfficiënten kunnen dus wel als basis dienen voor een onderlinge vergelijking van de verschillende indicatoren en specificaties voor wat betreft de mate waarin zij aansluiten bij het reizigersoordeel. Er kunnen conclusies getrokken worden met betrekking tot de relatieve hoogte van de statistische relatie tussen daadwerkelijke RTO en het reizigersoordeel.

3.2 Schattingsresultaten voor verschillende specificaties van 3MIN Bij de analyse wordt gebruik gemaakt van regressieanalyse. Hierbij gaan we uit van het volgende schattingsmodel: TR = α + β(RTO) + γ1D1 +...+ γKDK + ε

(1)

Waarbij TR de tevredenheid met de reistijdonbetrouwbaarheid weergeeft en RTO de (nader te specificeren) reistijdonbetrouwbaarheid. De variabelen D1...DK zijn dummyvariabelen die

5

corresponderen met de persoonskenmerken in Tabel 1. Kolom 1 in Tabel 2 toont de schattingsresultaten van het model waarbij RTO is gespecificeerd als 3MIN bij aankomst (3MINA). De geschatte regressiecoëfficiënt van de reistijdonbetrouwbaarheid is -1.327, wat inhoudt dat een toename van het percentage vertraagde treinen met 10 procentpunt, het rapportcijfer met betrekking tot de RTO met 0.13 doet afnemen. Dit effect is zwak, wat verklaard kan worden vanuit de beperkte informatie omtrent het reispatroon per individu. Tabel 2: Resultaten van een regressie- en correlatieanalyse naar de statistische relatie tussen verschillende specificaties van dispunctualiteit en het reizigersoordeel ten aanzien van RTO (Constant) 3MINA 3MINV wA3MINA + wV3MINV

(1) 6.313 ** -1.327 **

RTO-specificatie (2) 6.267 ** -1.186 **

wA wV Zakenreiziger Vrijetijdsreiziger Auto beschikbaar Geslacht is vrouw Frequente reiziger Incidentele reiziger Spitsreiziger Dalurenreiziger Jonge reiziger (<20 jaar) Senior (60+) Kortingskaart Netwerk-/traject-/jaarkaart Randstad N Gecorrigeerde R2 Pearson correlatiecoëfficiënt Partiële correlatiecoëfficiënt ** = significant tot het 0.01 niveau * = significant tot het 0.05 niveau

(3) 6.310 **

0.057 * 0.042 ** 0.196 ** -0.027 * -0.194 ** 0.159 ** 0.119 ** 0.264 ** -0.004 0.281 ** -0.073 -0.097 -0.146 ** 57404 0.043 -0.084 ** -0.050 **

0.049 * 0.037 * 0.200 ** -0.026 * -0.186 ** 0.165 ** 0.116 ** 0.266 ** 0.005 0.288 ** -0.077 ** -0.101 ** -0.141 ** 57407 0.043 -0.085 ** -0.049 **

-1.429 ** 0.614 ** 0.386 ** 0.053 * 0.039 * 0.198 ** -0.027 * -0.190 ** 0.161 ** 0.121 ** 0.265 ** 0.000 0.284 ** -0.074 ** -0.098 ** -0.141 ** 57404 0.043 -0.089 ** -0.053 **

Dit blijkt ook uit de lage waarden voor de correlatiecoëfficiënten tussen de RTO en het reizigersoordeel onderaan in de kolom. De coëfficiënten met betrekking tot de persoonskenmerken geven het verschil weer in de tevredenheidscore tussen een bepaalde categorie reizigers en de referentiecategorie (zie Tabel 1). Een positieve coëfficiënt betekent dat de tevredenheidscore voor de betreffende reizigerscategorie hoger is dan voor de betreffende referentiecategorie. Omdat we ons op de reistijdonbetrouwbaarheid richten zullen we verder niet op deze resultaten ingaan. Kolom 2 toont de resultaten van een regressieanalyse met dezelfde indicator echter gespecificeerd op basis van onbetrouwbaarheid bij vertrek (3MINV). De resultaten laten zien dat het effect op de

6

klanttevredenheid iets minder sterk is dan bij 3MIN bij aankomst. De resultaten met betrekking tot het effect van persoonskenmerken zijn bij beide schattingen vrijwel gelijk. Onder de aanname dat zowel de aankomst- als de vertrekbetrouwbaarheid het reizigersoordeel beïnvloeden verrichten we ook een regressieschatting waarbij we de RTO specificeren als een gewogen gemiddelde van 3MIN bij aankomst (A) en 3MIN bij vertrek (V): RTO = wA3MINA + wV3MINV

(2)

De gewichten wA en wV stellen het relatieve belang voor van respectievelijk 3MIN bij aankomst en 3MIN bij vertrek. De som van de gewichten is gelijk aan 1. Na substitutie van (2) in (1) wordt het model opnieuw geschat waarbij wA en wV gelijktijdig met de andere coëfficiënten worden geschat. Uit de regressie- en correlatiecoëfficiënten in Kolom 3 blijkt dat deze laatste specificatie tot een sterkere statistische relatie met de klanttevredenheid leidt dan 3MINA en 3MINV afzonderlijk. De geschatte gewichten voor 3MINA en 3MINV zijn respectievelijk 0.61 en 0.39. Dit resultaat bevestigt het resultaat dat 3MIN bij aankomst voor de reiziger belangrijker is dan bij vertrek.

3.3 Schattingsresultaten voor alternatieve reistijdonbetrouwbaarheidindicatoren Vervolgens is een serie regressieschattingen uitgevoerd waarbij telkens een andere RTOindicator als verklarende variabele is gebruikt. De indicatoren zijn steeds gespecificeerd als een gewogen gemiddelde van aankomst- en vertrekbetrouwbaarheid. De resultaten zijn in Tabel 3 weergegeven. Kolom 1 laat, ter vergelijking de resultaten met betrekking tot 3MIN zien, terwijl de resultaten voor de alternatieve indicatoren in Kolom 2-6 zijn weergegeven. Uit de regressiecoëfficiënt voor GEM in Kolom 3 blijkt bijvoorbeeld dat een toename van de gemiddelde omvang van de vertraging met een minuut de klanttevredenheidscore met 0.10 doet afnemen. Omdat de indicatoren echter allemaal gebaseerd zijn op een andere meeteenheid is het niet zinvol om de regressiecoëfficiënten direct te vergelijken. Wij richten ons daarom op een vergelijking van de geschatte gewichten en de correlatiecoëfficiënten en R2-waarden. De geschatte gewichten voor aankomst- en vertrekbetrouwbaarheid verschillen per onbetrouwbaarheidsindicator. Bij 3MIN geldt dat de onbetrouwbaarheid bij aankomst een hoger gewicht krijgt dan bij vertrek. Dit geldt ook, en in sterkere mate voor de indicator gebaseerd op het aantal minuten vertraging (GEM). Bij de indicator gebaseerd op het percentage ruim vertraagde treinen (9MIN) geldt dat de onbetrouwbaarheid bij vertrek iets belangrijker is dan bij aankomst. De verklaring zou kunnen zijn dat bij een vertraging bij vertrek van het thuisstation van meer dan 9 minuten de kans groter is dat een eventuele aansluiting gemist wordt. Bij aankomst op het thuisstation speelt deze mogelijkheid geen rol. Met betrekking tot de overige drie indicatoren (Kolom 4-6) geldt dat het geschatte gewicht voor vertrek gelijk is aan 1.000. Bij de schatting van de gewichten is opgelegd dat deze tussen 0 en 1 moeten liggen Dit betekent dat de specificatie alleen gebaseerd is op onbetrouwbaarheid bij vertrek en dat onbetrouwbaarheid bij aankomst met betrekking tot deze drie onbetrouwbaarheidsindicatoren een ondergeschikte rol speelt. Tabel 3: Resultaten van een regressie- en correlatieanalyse naar de statistische relatie tussen verschillende Reistijdonbetrouwbaarheid (RTO)-indicatoren gespecificeerd als in (2) en het reizigersoordeel ten aanzien van RTO

7

(Constant) 3MIN 9MIN GEM GEM_NP PERC STDEV

wA wV

(1) 6.310** -1.429 **

0.614 ** 0.386 ** Zakenreiziger 0.053* Vrijetijdsreiziger 0.039* Auto beschikbaar 0.198** Geslacht = Vrouw -0.027* Frequente reiziger -0.190** Incidentele reiziger 0.161** Spitsreiziger 0.121** Dalurenreiziger 0.265** Jonge reiziger (<20 jaar) 0.000 Senior (60+) 0.284** Kortingskaart -0.074** Netwerk-/traject-/jaarkaart -0.098** Randstad -0.141** N 57404 Gecorrigeerde R2 0.043 Pearson correlatiecoëfficiënt -0.089 ** Partiële correlatiecoëfficiënt -0.053 ** ** = significant tot het 0.01 niveau * = significant tot het 0.05 niveau

(2) 6.221 **

RTO-indicator (3) (4) 6.254 ** 6.179 **

(5) 6.385 **

(6) 6.292 **

-3.682 ** -0.103 ** -0.008 -0.160 ** 0.427 ** 0.573 ** 0.058 * 0.043 ** 0.194 ** -0.028 * -0.193 ** 0.162 ** 0.097 ** 0.268 ** -0.008 0.280 ** -0.073 ** -0.097 ** -0.151 ** 57404 0.042 -0.067 ** -0.034 **

0.809 ** 0.191 * 0.058 * 0.041 * 0.198 ** -0.027 * -0.192 ** 0.161 ** 0.107 ** 0.267 ** -0.001 0.285 ** -0.075 ** -0.100 ** -0.148 ** 57404 0.043 -0.073 ** -0.039 **

0.000 1.000 0.061 * 0.045 ** 0.195 ** -0.026 * -0.195 ** 0.164 ** 0.078 ** 0.272 ** -0.008 0.279 ** -0.075 ** -0.097 ** -0.173 ** 57404 0.039 -0.014 ** -0.002 **

0.000 1.000 ** 0.056 * 0.043 ** 0.197 ** -0.027 * -0.193 ** 0.163 ** 0.094 ** 0.268 ** -0.003 0.282 ** -0.077 ** -0.099 ** -0.163 ** 57404 0.042 -0.060 ** -0.033 **

-0.062 ** 0.000 1.000 ** 0.058 * 0.044 ** 0.195 ** -0.027 * -0.191 ** 0.164 ** 0.084 ** 0.272 ** -0.007 0.281 ** -0.075 ** -0.097 ** -0.156 ** 57404 0.041 -0.054 ** -0.026 **

Net als bij de resultaten in Tabel 2 geldt dat invloed van RTO op het reizigersoordeel over het algemeen vrij laag is. Dit blijkt ook uit de Pearson- en partiële correlatiecoëfficiënten die onderaan in de tabel zijn weergegeven. Bij vergelijking van de correlatiecoëfficiënten van de indicatoren en de R2-waarden valt op dat deze het hoogst zijn voor 3MIN, gevolgd door de omvang van de vertraging in minuten (GEM) en het percentage ruim vertraagde treinen (9MIN). De twee indicatoren gebaseerd op reistijdvariatie, PERC en STDEV vertonen een lagere samenhang met de klanttevredenheid. De correlatiecoëfficiënten zijn het laagst voor de GEM_NP-indicator. 4 SCHATTINGSRESULTATEN VOOR SPECIFICATIE OP BASIS VAN DE FUNCTIE VAN STATIONS Uit Tabel 3 bleek dat frequente reizigers (reizigers die aangeven vaker dan een maal per week met de trein te reizen) over het algemeen minder tevreden zijn met het op tijd rijden van de treinen dan overige reizigers. Aangezien het oordeel van deze groep gebaseerd is op een groter aantal treinreizen zal dit oordeel naar verwachting nauwer samenhangen met de 8

daadwerkelijke RTO. Om dit te onderzoeken voeren we een analyse uit waarbij alleen de observaties met betrekking tot frequente reizigers die tijdens de treinreis een overstap maken hebben meegenomen.5 Met behulp van de informatie met betrekking tot individuele kenmerken van de reizigers maken we ten aanzien van de groep frequente reizigers de volgende additionele veronderstellingen met betrekking tot hun verplaatsingsgedrag. Voor reizigers die aangeven met een trajectkaart of met het reismotief woonwerk of school te reizen veronderstellen we dat ze regelmatig op het huidige traject reizen. We veronderstellen dat hun oordeel gebaseerd is op RTO op het vertrek- en aankomststation (ongewogen gemiddelde) en het overstapstation van het huidige traject en het thuisstation van de reiziger. Wanneer het reismotief woonwerk of school is, en de reiziger bovendien aangeeft meestal tijdens de spits te reizen maken we bovendien enkele additionele veronderstellingen ten aanzien van de tijd (ochtend- of avondspits) waarop ze reizen. We veronderstellen dat hun oordeel gebaseerd is op (i) RTO bij vertrek in de ochtend met betrekking tot het thuisstation, (ii) RTO bij aankomst in de avond met betrekking tot het station waar werk of school zich bevindt, (iii) RTO bij vertrek in de avond met betrekking tot het station waar werk of school zich bevindt, (iv) RTO bij aankomst in de avond met betrekking tot het station in de woonplaats. Voor overige reizigers is het oordeel net als in de voorgaande analyse gebaseerd op RTO op het thuisstation. Op basis van deze additionele veronderstellingen voeren we opnieuw een zestal regressieschattingen uit, waarbij net als in voorgaande secties ons schattingsmodel gebaseerd is op vergelijking (1). Omdat we bij deze analyse veronderstellen dat de klanttevredenheid tot stand komt op basis van de RTO-ervaring op zowel het thuisstation als het vertrek-, aankomst- en overstapstation tijdens de trip, specificeren we elk van de RTO-indicatoren volgens de volgende vergelijking: RTO = wA ( wA,V/ARTOA,V/A + wA,ORTOA,O + wA,TRTOA,T ) + wV ( wV,V/ARTOV,V/A + wV,ORTOV,O + wV,TRTOV,T )

(3)

De subscripts voor de komma geven aan of het RTO bij vertrek (V) of bij aankomst (A) betreft. De subscripts achter de komma geven aan of het de gemiddelde RTO op het huidige vertrek en eindstation (V/A), de RTO op het huidige overstapstation (O) of de RTO op het gebruikelijke vertrekstation in de woonplaats van de reiziger (T) betreft. Het regressiemodel is overeenkomstig de resultaten in Tabel 3 gebaseerd op een specificatie waarbij de reistijdonbetrouwbaarheid is gedefinieerd als een gewogen gemiddelde van de onbetrouwbaarheid bij aankomst- en vertrek. De onbetrouwbaarheid bij aankomst (subscript A) is op haar beurt gespecificeerd als een gewogen gemiddelde van de onbetrouwbaarheid op het huidige vertrek- en aankomststation (subscript V/A), het huidige overstapstation (subscript O) en het gebruikelijke vertrekstation in de woonplaats van de reiziger (subscript T). Voor de laatste hanteren we kortheidshalve de uitdrukking ‘thuisstation’. De onbetrouwbaarheid bij vertrek (subscript V) wordt op dezelfde wijze gespecificeerd. Na substitutie van de specificatie (3) in het schattingsmodel (1) worden alle gewichten tegelijk 5

Op basis van additionele analyse blijkt dat het gebruik van de groep frequente reigers met overstap in plaats van de totale steekproef tot relatief geringe verschillen in de analyseresultatetn leiden. De verschillen in analyseresultaten tussen de schattingen gebaseed op modellen (2) en (3) worden voornamelijk veroorzaakt door het gebruik van de complexere specificatie van model (3), en slechts in geringe mate door de verandering in de samenstelling van de steekproef.

9

met de overige coëfficiënten geschat. De som van de gewichten is gelijkgesteld aan 1.000. Het model wordt geschat op basis van de observaties met betrekking tot frequente reizigers die aangeven tijdens de reis over te stappen. Met betrekking tot 3MIN bij vertrek geldt dat vooral het thuisstation een groot gewicht krijgt. Ook dit resultaat kan worden verklaard vanuit het risico van het missen van de aansluiting op het overstappunt. Om zonder vertraging op het overstappunt aan te komen is het immers van belang om tijdig te vertrekken van het thuisstation. Het feit dat het thuisstation hierbij een hoger gewicht krijgt dan het vertrek- en aankomststation van de huidige treinreis kan erop duiden dat een punctuele aankomst op het station waar werk, school of ander reisdoel zich bevindt belangrijker wordt gevonden dan een punctuele aankomst op het thuisstation. Tabel 4 toont de resultaten voor elk van de RTO-indicatoren. Kolom 1 toont de resultaten met betrekking tot 3MIN. In vergelijking met de corresponderende resultaten in Tabel 3 valt op dat de regressiecoëfficiënt hoger is wanneer bij de specificatie rekening wordt gehouden met de RTO op het vertrek-, aankomst- en overstapstation van de treinreis. Net als in Tabel 3 zien we dat het gewicht voor 3MIN bij aankomst hoger is dan bij vertrek. In de tabel zijn verder met betrekking tot de RTO bij aankomst en bij vertrek ook de geschatte gewichten voor het vertrek- en aankomststation, het overstapstation en het thuisstation weergegeven. De resultaten laten zien dat met betrekking tot de RTO bij aankomst vooral het overstapstation veel gewicht krijgt. Dit kan verklaard worden vanuit het feit dat vertraging bij aankomst op het overstapstation kan leiden tot het missen van aansluitingen waardoor de totale vertraging sterk kan oplopen. Met betrekking tot de reistijdonbetrouwbaarheid bij vertrek krijgt het overstapstation juist een laag gewicht. De verklaring hiervoor zou kunnen zijn dat het risico van het missen van een aansluiting in dit geval geen rol speelt. Een beperkte vertraging bij vertrek zou zelfs een positieve invloed op de klanttevredenheid kunnen hebben aangezien de kans op het missen van de aansluiting juist kleiner wordt. Met betrekking tot 3MIN bij vertrek geldt dat vooral het thuisstation een groot gewicht krijgt. Ook dit resultaat kan worden verklaard vanuit het risico van het missen van de aansluiting op het overstappunt. Om zonder vertraging op het overstappunt aan te komen is het immers van belang om tijdig te vertrekken van het thuisstation. Het feit dat het thuisstation hierbij een hoger gewicht krijgt dan het vertrek- en aankomststation van de huidige treinreis kan erop duiden dat een punctuele aankomst op het station waar werk, school of ander reisdoel zich bevindt belangrijker wordt gevonden dan een punctuele aankomst op het thuisstation. Tabel 4: Resultaten van een regressie- en correlatieanalyse naar de statistische relatie tussen verschillende RTO-indicatoren gespecificeerd als in (3) en het reizigersoordeel ten aanzien van RTO

(Constant) 3MIN 9MIN GEM GEM_NP PERC STDEV

wA

(1) 6.299** -2.359 **

(2) 6.170 **

RTO-indicator (3) (4) 6.229 ** 6.189 **

(5) 6.509 **

(6) 6.296 **

-6.091 ** -0.295 ** -0.040 * -0.371 ** 0.787**

0.709 *

0.915 **

0.000

0.000

-0.126 ** 0.000

10

wA,V/A wA,O wA,T wV wV,V/A wV,O wV,T

0.191 0.691** 0.119** 0.213 0.379 0.000 0.621 Zakenreiziger 0.173** Vrijetijdsreiziger 0.177** Auto beschikbaar 0.155** Geslacht = Vrouw -0.054** Spitsreiziger 0.116** Dalurenreiziger 0.235** Jonge reiziger (<20 jaar) -0.023 Senior (60+) 0.281** Kortingskaart -0.047 Netwerk-/traject-/jaarkaart -0.113** Randstad -0.131** N 22386 Gecorrigeerde R2 0.063 Pearson correlatiecoëfficiënt -0.114 ** Partiële correlatiecoëfficiënt -0.076 ** ** = significant tot het 0.01 niveau * = significant tot het 0.05 niveau

0.082 0.832 ** 0.086 ** 0.291 0.774 0.000 0.225 0.176 ** 0.181 ** 0.152 ** -0.053 ** 0.081 ** 0.242 ** -0.031 0.278 ** -0.045 -0.109 ** -0.140 ** 22386 0.060 -0.081 ** -0.058 **

0.155 0.743 ** 0.102 ** 0.085 0.907 0.000 0.093 0.173 ** 0.175 ** 0.154 ** -0.053 ** 0.112 ** 0.234 ** -0.023 0.280 ** -0.047 -0.116 ** -0.128 ** 22386 0.063 -0.114 ** -0.066 **

0.933 0.006 0.061 1.000 0.165 0.835 * 0.000 0.180 ** 0.188 ** 0.150 ** -0.052 ** 0.044 0.252 ** -0.032 0.276 ** -0.044 -0.103 ** -0.152 ** 22386 0.058 -0.014 ** -0.015 **

0.098 0.898 0.003 1.000 0.365 ** 0.544 ** 0.091 0.172 ** 0.182 ** 0.150 ** -0.053 ** 0.079 ** 0.244 ** -0.028 0.273 ** -0.048 -0.108 ** -0.145 ** 22386 0.060 -0.081 ** -0.057 **

0.321 0.670 0.009 1.000 0.262 0.602 ** 0.136 0.177 ** 0.183 ** 0.150 ** -0.053 ** 0.058 * 0.249 ** -0.031 0.275 ** -0.044 -0.105 ** -0.135 ** 22386 0.059 -0.061 ** -0.047 **

Naast hogere regressiecoëfficiënten, resulteert de implementatie van de in deze sectie geïntroduceerde additionele veronderstellingen ook in hogere R2-waarden, Pearson correlatiecoëfficiënten en partiële correlatiecoëfficiënten. Op basis van deze resultaten concluderen we dat het aanbeveling verdient om bij het meten van de RTO rekening te houden met de mate waarin stations als overstapstation of als begin of eindstation fungeren. In de overige kolommen met betrekking tot 3MIN bij vertrek geldt dat vooral het thuisstation een groot gewicht krijgt. Ook dit resultaat kan worden verklaard vanuit het risico van het missen van de aansluiting op het overstappunt. Om zonder vertraging op het overstappunt aan te komen is het immers van belang om tijdig te vertrekken van het thuisstation. Het feit dat het thuisstation hierbij een hoger gewicht krijgt dan het vertrek- en aankomststation van de huidige treinreis kan erop duiden dat een punctuele aankomst op het station waar werk, school of ander reisdoel zich bevindt belangrijker wordt gevonden dan een punctuele aankomst op het thuisstation. In Tabel 4 zijn ook de resultaten met betrekking tot de overige RTO-indicatoren weergegeven. Ook voor deze indicatoren geldt dat de invloed van de reistijdonbetrouwbaarheid op de klanttevredenheid sterker is wanneer het onderscheid tussen vertrek- en aankomststation en overstapstation wordt meegenomen in de analyse. Met betrekking tot de geschatte gewichten voor aankomst- en vertrekbetrouwbaarheid geldt dat deze grotendeels hetzelfde patroon volgen als de resultaten in Tabel 3. Voor 9MIN en GEM is het geschatte gewicht van de onbetrouwbaarheid bij aankomst groter dan dat bij vertrek. Net als bij 3MIN geldt dat het overstapstation het grootste gewicht krijgt met betrekking tot de onbetrouwbaarheid bij aankomst en het laagste

11

gewicht met betrekking tot de onbetrouwbaarheid bij vertrek. In tegenstelling tot bij 3MIN geldt dat met betrekking tot de onbetrouwbaarheid bij vertrek niet het thuisstation maar het vertrek- en aankomststation het grootste gewicht krijgt. Een verklaring zou kunnen zijn dat een punctuele aankomst op het station waar werk, school of ander reisdoel zich bevindt weliswaar belangrijker wordt gevonden dan een punctuele aankomst op het thuisstation, zoals de resultaten voor 3MIN impliceren, maar dat de omvang van de vertraging of een sterk vertraagde aankomst hierbij weinig invloed heeft. Met betrekking tot de aankomst op het reisdoel geldt blijkbaar "te laat is te laat", terwijl met betrekking tot het thuisstation de omvang van de vertraging en de mogelijkheid op vertraging van grote omvang juist een belangrijkere rol spelen. Bij de GEM_NP indicator en de indicatoren gebaseerd op reistijdvariatie geldt net als in Tabel 3 dat het geschatte gewicht van de onbetrouwbaarheid bij vertrek gelijk is aan 1.000; met name de RTO op het overstappunt is erg belangrijk. Met betrekking tot de indicatoren gebaseerd op reistijdvariatie zou de verklaring kunnen zijn dat deze indicatoren als enigen onbetrouwbaarheid als gevolg van te vroeg vertrekkende treinen meenemen. Bij vervroegde vertrekken vanaf het overstappunt is de kans op het missen van aansluitingen uiteraard groter.6 In vergelijking met de resultaten in Tabel 3 geldt met betrekking tot alle RTOindicatoren dat de specificatie op basis van vertrek- en aankomststation, overstapstation en thuisstation resulteert in hogere waarden voor de R2, de Pearson correlatiecoëfficiënten en de partiële correlatiecoëfficiënten. Bij onderlinge vergelijking van de correlatiecoëfficiënten van de RTO-indicatoren is te zien dat de rangorde grotendeels overeenkomt met die in Tabel 3. 5. CONCLUSIE EN BELEIDSAANBEVELINGEN Deze studie analyseert de statistische relatie tussen daadwerkelijke reistijdonbetrouwbaarheid (RTO) en het reizigersoordeel ten aanzien van RTO. In de inleiding bespraken we het belang van RTO, de wijze waarop RTO op het Nederlandse spoor gemeten wordt en leverden we enige kritiekpunten op deze manier van meten, waaronder de beperkte aandacht voor reistijdonzekerheid, de omvang van de vertraging en onbetrouwbaarheid bij vertrek. In Sectie 2 gaven we een overzicht van de gebruikte data, en introduceerden we zes verschillende RTO-indicatoren; twee indicatoren gebaseerd op punctualiteit, i.e., (i) het percentage treinen met meer dan drie minuten vertraging (3MIN) 7, en (ii) het percentage met meer dan negen minuten vertraging (9MIN); twee indicatoren gebaseerd op de duur van de vertraging, i.e., (iii) de gemiddelde vertraging in minuten (GEM) en (iv) de gemiddelde vertraging van niet-punctuele treinen (GEM_NP); en twee indicatoren die gebaseerd zijn op de verdeling van de aankomst- of vertrektijden, i.e., (v) het 80ste min 50ste percentiel (PERC) en (vi) de standaarddeviatie (STDEV). In Sectie 3 voeren we een serie regressie- en correlatieschattingen uit naar de statistische relatie tussen de daadwerkelijke RTO en het reizigersoordeel ten aanzien van

6

Merk echter op dat het de vraag is of te vroeg vertrekkende treinen statistisch gezien een rol van belang spelen bij NS. Uit onze data is hier niet informatie uit af te leiden. 7 De 3MIN-indicator correspondeert met de punctualiteitmaatstaf zoals gehanteerd door NS, maar is gemeten als het percentage van niet-punctuele in plaats van punctuele treinen om vergelijking met de andere indicatoren te vergemakkelijken.

12

RTO, waarbij we diverse RTO-indicatoren en –specificaties met elkaar vergelijken voor wat betreft de mate waarin deze aansluiten bij het reizigersoordeel. De resultaten tonen aan dat 3MIN bij aankomst nauwer samenhangt met het reizigersoordeel dan 3MIN bij vertrek. Een gewogen specificatie op basis van zowel vertrek als aankomst scoort in dit opzicht nog beter. De geschatte gewichten bevestigen het resultaat dat 3MIN bij aankomst voor de reiziger zwaarder weegt dan bij vertrek. Een dergelijke gewogen specificatie leidt ook bij de andere vijf indicatoren tot de beste resultaten. Verder blijkt dat 3MIN en de indicator gebaseerd op de gemiddelde omvang van de vertraging in minuten (GEM) het nauwst aansluiten bij de reizigersbeleving. Vervolgens voeren we in Sectie 4 een serie regressieschattingen uit waarbij we ons beperken tot de groep frequente reizigers die tijdens de treinreis een overstap maken. Hierbij hanteren we een complexere gewogen specificatie waarin rekening wordt gehouden met de functie die treinstations hebben binnen de treinreis. Uit de resultaten blijkt dat deze specificatie tot sterkere statistische samenhang met het reizigersoordeel leidt dan wanneer de reistijdonbetrouwbaarheid slechts gebaseerd is op het gebruikelijke instapstation van de reizigers. De resultaten laten zien dat met betrekking tot 3MIN, 9MIN en GEM met name de aankomsttijdonbetrouwbaarheid op het overstapstation erg belangrijk is. Dit kan worden verklaard vanuit het feit dat een late aankomst op het overstapstation kan leiden tot het missen van de aansluiting, hetgeen ertoe kan leiden dat de uiteindelijke vertraging sterk oploopt. Verder blijkt dat met betrekking tot de vertrektijdonbetrouwbaarheid het overstapstation juist geen enkele rol speelt. Wellicht speelt het feit dat een kleine vertrektijdvertraging op het overstapstation de kans op het missen van een overstap zelfs kan verkleinen hier een rol. Het feit dat met betrekking tot de vertrektijdonbetrouwbaarheid het begin- en eindstation meer invloed hebben kan veroorzaakt worden door het feit dat een tijdig vertrek vanuit begin- en eindstations samenhangt met een tijdige aankomst op het overstapstation. In de inleiding van deze studie formuleerden we een aantal kritiekpunten ten aanzien van de mate waarin de punctualiteitindicator die op het Nederlandse spoor gehanteerd wordt aansluit bij de door de reiziger gepercipieerde RTO. Ten eerste beargumenteerden we dat vanwege de arbitraire punctualiteitmarge treinen met drie minuten vertraging even zwaar meewegen als treinen met dertig minuten vertraging, wat vanuit een reizigersperspectief niet erg realistisch lijkt. Om dit te onderzoeken hebben we twee RTO-indicatoren in de analyse opgenomen die gebaseerd zijn op de omvang van de vertraging, i.e., GEM en GEM_NP. De resultaten van de analyse toonden aan dat de statistische relatie van GEM met het reizigersoordeel hoog was, hoewel niet hoger dan dat van de punctualiteitindicator (3MIN). De resultaten voor GEM_NP waren minder goed. Dit duidt er op dat dit kritiekpunt geen substantieel nadeel lijkt te zijn van de punctualiteitindicator. Verder beargumenteerden we dat de punctualiteitindicator gebaseerd is op aankomsttijden terwijl RTO bij vertrek ook consequenties kan hebben in de vorm van disnut als gevolg van extra wachttijd en een verhoogde kans op het missen van aansluitingen. De resultaten toonden aan dat punctualiteit bij aankomst belangrijker is dan vertrek. Een specificatie gebaseerd op een gewogen gemiddelde van de twee leidt echter tot nog betere aansluiting met de reizigersbeleving. RTO bij vertrek moet dus niet genegeerd worden. Met betrekking tot sommige andere RTO-indicatoren, bleek vertrektijdonbetrouwbaarheid zelfs een hoger gewicht te krijgen. Verder wezen we er op dat de punctualiteitindicator reistijdonzekerheid an sich niet meeweegt, terwijl dit voor de reiziger misschien wel belangrijker zou kunnen zijn dan de mate waarin een dienstregeling wordt aangehouden. Bovendien wordt geen aandacht besteed 13

aan te vroege aankomsten en vertrekken. Om dit te onderzoeken hebben we twee indicatoren in de analyse opgenomen die gebaseerd zijn op reistijdvariatie, i.e., PERC and STDEV. Deze indicatoren nemen bovendien het effect van te vroege aankomsten en vertrekken mee. De resultaten van de analyse lieten zien dat deze twee indicatoren statistisch minder nauw samenhangen met het reizigersoordeel ten aanzien van RTO. De exclusieve focus op vertrek en het gebrek aan aandacht voor reistijdonzekerheid lijken dan ook geen belangrijke nadelen te zijn van de punctualiteitindicator waarop NS afgerekend wordt. Samenvattend kunnen we concluderen dat een deel van de kritiekpunten op de huidige betrouwbaarheidsmeting gegrond zijn. Het verdient aanbeveling om een betrouwbaarheidsindicator te hanteren die zowel rekening houdt met onbetrouwbaarheid bij aankomst als bij vertrek. Verder blijkt dat het belang van onbetrouwbaarheid op een station sterk afhangt van de rol die het betreffende station binnen de treinreis inneemt. Met name de mate waarin zich situaties voordoen waarin RTO de kans op het missen van een aansluiting vergroten, e.g. vertraging bij aankomst of het overstapstation, beïnvloeden het reizigersoordeel ten aanzien van RTO. Hier zou bij het meten van RTO aandacht aan moeten worden geschonken, bijvoorbeeld door RTO op typische overstapstations zwaarder te laten meewegen. Op basis van de resultaten van deze analyse zou men de conclusie kunnen trekken dat om de ervaren RTO te verlagen de aandacht gericht moet zijn op het verbeteren van de punctualiteit en hieruit volgend, dat NS afgerekend moet blijven worden op de punctualiteit, waarbij wellicht aandacht kan worden besteed aan aspecten van RTO bij vertrek en de functie van treinstations binnen de treinreis. Twee kanttekeningen zijn hierbij echter op zijn plaats. Ten eerste moet worden gerealiseerd dat deze studie het kostenaspect niet in de analyse heeft opgenomen. Dit betekent dat de studie geen vergelijkende analyse oplevert met betrekking tot de kostenefficiency van verbeteringen in de RTO-indicatoren. Met betrekking tot het verbeteren van RTO zou een multicriteriabeslissingsanalyse, waarbij verschillende alternatieve strategieën gericht op het verbeteren van RTO worden vergeleken, rekeninghoudend met zowel de investeringskosten en de mate waarin ze leiden tot verbeteringen in diverse indicatoren, een goede benadering kunnen zijn. Ten tweede geldt dat de huidige analyse gebaseerd is op ‘stated preference’ data. De mate waarin verbeteringen in RTO leiden tot daadwerkelijke veranderingen in het mobiliteitsgedrag zou een interessante vervolgstudie kunnen opleveren. NAWOORD Dit onderzoek is uitgevoerd binnen het kader van het Transumo onderzoeksprogramma. De auteurs willen NS en ProRail bedanken voor het leveren van data. REFERENCES Axhausen K, Dimitrakopoulou E en Dimitripoulos I (1995), Adapting to change: some evidence from a simple learning model. In: Proceedings PTRC, P392. pp. 191–203. Bacon, DR (2003), A comparison of approaches to importance-performance analysis, International Journal of Market Research, 45, pp 55-71. Ben-Akiva ME, De Palma A en Kaysi I (1991), Dynamic network models and driver information systems, Transportation Research, 25A, pp. 251–266. Brons, M.R.E. en Rietveld P (2008), Customer satisfaction and importance of various dimensions of the door-to-door rail journey, submitted to: Built Environment.

14

Brons, M.R.E. en Rietveld, P. (2007), Betrouwbaarheid en klanttevredenheid in de OVketen: een statistische analyse. Internal research report for the Transumo project Betrouwbaarheid van transportketens. Hawes, JM en Rao, CP (1985), Using importance-performance analysis to develop health care marketing strategies, Journal of Health Care Marketing, 5, pp 19-25. Koutsopoulos HN en Xu H (1993), An information discounting routing strategy for advanced traveler information systems, Transportation Research 3C, pp. 249–263. Kristensen, K, Kanji, GK en Dahlgaard, JJ (1992), On measurement of customer satisfaction, Total Quality Management, 3, pp 123-128 Nakayama S en Kitamura R (2000). A route choice model with inductive learning. In: Paper presented at the 79th Annual Meeting of Transportation Research Board, Washington DC, USA. ProRail (2007), Network Statement 2009 Combined Network based on the Railways Act version 1.0 dated 14 December 2007. ProRail. Schreurs L (2005), Klanttevredenheidonderzoek Nederlandse spoorwegen. Een onderzoeksmatige toetsing van de kwaliteit en de onafhankelijkheid van het klanttevredenheidonderzoek van NS, In opdracht van Ministerie van Verkeer en Waterstaat, Rijkswaterstaat, Adviesdienst Verkeer en Vervoer, Sartorius OBA Slack N (1994), The importance-performance matrix as a determinant of improvement priority, International Journal of Operations and Production Management, 14, pp 59-75. APPENDIX A: BEREKENING VAN DE STANDAARDDEVIATIE EN HET 80STE MIN 50STE PERCENTIEL Zoals besproken in Sectie 2 beschikken we over de volgende data met betrekking tot de reistijdonbetrouwbaarheid: - Aantal treinen met respectievelijk <3, 3-5, 5-7, 7-9 en >9 minuten vertraging bij aankomst (vertrek) - Totaal aantal arriverende (vertrekkende) treinen - Totaal aantal minuten vertraging bij aankomst (vertrek) - Totaal aantal minuten vertraging bij aankomst van treinen die met meer dan 3 minuten vertraging arriveren (vertrekken) Ten eerste veronderstellen we dat de verdeling van de aankomst- en vertrektijden binnen de vijf intervallen uniform is. De standaarddeviatie en percentielen kunnen dan op basis van de centrumwaarden voor elk interval berekend worden. De centrumwaarden van de middelste drie intervallen zijn bekend. De centrumwaarde van het laatste interval wordt als volgt geschat: 5

X L   i 2 M i Ni

i 2

N5

X   M i Ni  M 5  L

4

Waarbij X L de gemiddelde vertraging in minuten voor niet-punctuele treinen, Mi de centrumwaarde van interval i, en Ni het aantal treinen in interval i en X de gemiddelde

15

vertraging in minuten aangeeft. De centrumwaarde van het eerste interval kan dan als volgt berekend worden: 5

X   i2 M i Ni

i 1

N1

5

X   M i Ni  M 1 

Op basis van deze berekeningen kan de standaarddeviatie als volgt berekend worden:

 M  X   N 1

2

5

SD 

i

i 1

Ni

5

i 1

i

Het 50ste en 80ste percentiel wordt als volgt berekend:

P

PERC





PERC  i 1 Si 1  k 1  Rk   M1  R1   i 1 Ri  2  SK  k 1

waarbij PERC het benodigde percentiel aangeeft, Ri de range van interval i, k het interval waarbinnen het benodigde percentiel zich bevindt en Si het percentage treinen in interval i. APPENDIX B: TEMPORELE BAARHEIDINDICATOREN

WEGING

VAN

REISTIJDONBETROUW-

De specificaties van reistijdonbetrouwbaarheid in deze studie zijn gebaseerd op de veronderstelling dat de waarde of perceptie van een vervoersvariabele (meestal reistijd) wordt bepaald op basis van een naar tijd gewogen functie van de reiservaringen van een individu in het verleden. Zie bijvoorbeeld Ben-Akiva et al. (1991), Koutsopoulos and Xu (1993), Axhausen et al. (1995) of Nakayama and Kitamura (2000). Alle RTO-waarden die gebruikt zijn, zijn gespecificeerd als een gewogen gemiddelde van reistijdonbetrouwbaarheid met betrekking tot de acht maanden voorafgaand aan de betreffende observatie. Om de relatieve gewichten te schatten is eenmalig het volgende model geschat: TR     R   1 D1  ...   K DK  ε waarbij R is gespecificeerd als een gewogen gemiddelde van de dispunctualiteit bij aankomst op het thuisstation voor de aan de reisdatum van de betreffende observatie voorgaande acht maanden:

R  wRAH ,t  w2 RAH ,t 1  ...  w7 RAH ,t  7  ε waarbij geldt dat: w  w2  ...  w7  1

Dit resulteerde in een geschatte waarde voor w van 0.37, hetgeen impliceert dat de RTOervaring van een individu voor ongeveer 63% gebaseerd is op de betrouwbaarheidservaring 16

in de maand tijdens de treinreis en voor 37% op ervaringen verder in het verleden. De waarde van 0.37 is vervolgens gebruikt om de waarden te berekenen voor alle RTOindictoren die in de analyse in deel twee van deze studie gebruikt zijn.

17