STEDENSTRUCTUUR VLAANDEREN. Onderzoeksopdracht in het kader van het Witboek Beleidsplan Ruimte Vlaanderen

STEDENSTRUCTUUR VLAANDEREN

Onderzoeksopdracht in het kader van het Witboek Beleidsplan Ruimte Vlaanderen

SumResearch – september 2013 1

Opdrachtgever: Departement Ruimtelijke Ordening, Woonbeleid en Onroerend Erfgoed Afdeling Ruimtelijke Planning Koning Albert II-laan 19 1210 Brussel

Opdrachthouder SumResearch nv Dendermondsesteenweg 50 B-9000 Gent t +32 9 225 54 88 f +32 9 223 98 92 www.sum.be Projectmedewerker: Liesbeth Van Damme Projectleider: Brecht Vandekerckhove

m.m.v. Grontmij Belgium nv 2

INHOUD 1 2 2.1 2.2 2.2.1 2.2.2 2.2.3 2.2.3.1 2.2.3.2 2.2.3.3 2.2.3.4 2.2.3.5 2.2.3.6 2.2.4 2.2.4.1 2.2.4.2 2.2.4.3 2.2.4.4 2.2.4.5 2.2.4.6 2.2.5 2.2.5.1 2.2.5.2 2.2.5.3 2.2.5.4 2.2.5.5 2.2.5.6 2.2.6 2.2.6.1 2.2.6.2 2.2.6.3 2.2.6.4 2.2.6.5 2.2.6.6 2.2.7 2.2.7.1 2.2.7.2 2.2.7.3 2.2.7.4 2.2.7.5 2.2.8 2.2.8.1 2.2.8.2 2.2.8.3 2.3 2.3.1 2.3.1.1 2.3.1.2 2.3.1.3

HOOFDSTUK 1: INLEIDING HOOFDSTUK 2: ONDERZOEKSRAPPORT DEEL 1: Selectie gemeenten DEEL 2: Indicatoren om gemeenten met elkaar te vergelijken Bestaande indicatoren als leidraad Vijf indicatoren voor de stedenstructuur in Vlaanderen Hoofdindicator 1: Knooppuntwaarde Achtergrond Omschrijving indicator Deelindicatoren Eindwaarde hoofdindicator 1 Bespreking kaartbeeld Bronnen Hoofdindicator 2: Voorzieningen Achtergrond Omschrijving indicator Deelindicatoren Eindwaarde hoofdindicator 2 Bespreking kaartbeeld Bronnen Hoofdindicator 3: Integratie in de economische structuur Achtergrond Omschrijving indicator Deelindicatoren Eindwaarde hoofdindicator 3 Bespreking kaartbeeld Bronnen Hoofdindicator 4: Internationale connectiviteit Achtergrond Omschrijving indicator Deelindicatoren Eindwaarde hoofdindicator 4 Bespreking kaartbeeld Bronnen Hoofdindicator 5: Verstedelijkingsgraad Achtergrond Omschrijving indicator Eindwaarde hoofdindicator 5 Bespreking kaartbeeld Bronnen Composietkaart Achtergrond Omschrijving indicator Bespreking kaartbeeld DEEL 3: Typologie van de steden Drie manieren om de hoofdindicatoren te combineren Composiet 1: Stedelijkheid Composiet 2: Openbaar vervoer Composiet 3: Verzorgingsniveau

7 10 10 12 12 13 14 14 15 15 18 18 18 19 19 19 19 20 21 21 22 22 22 23 24 24 24 25 25 25 26 27 27 27 28 28 29 29 30 30 31 31 31 31 32 32 33 34 35 3

2.3.2 2.3.2.1 2.3.2.2 2.3.2.3 2.3.2.4 2.3.3 2.3.4 2.3.4.1 2.3.4.2 2.3.4.3 2.3.5 2.3.6 2.4 2.4.1 2.4.2 2.4.2.1 2.4.2.2 2.4.2.3 2.4.2.4 2.4.2.5 2.4.2.6 2.4.3 2.4.4 2.4.5 2.4.6 2.4.6.1 2.4.6.2 2.4.6.3 2.5 3 4 5 6

Indeling in klassen Gelijke intervallen Kwantielen Standaardafwijking Natural breaks – Methode van Jenks Natural breaks – methode in detail Toepassing Jenks voor stedentypologie Composiet 1: Stedelijkheid Composiet 2: Openbaar vervoer Composiet 3: Verzorgingsniveau Interpretatie en opbouwen typologie Finale typologie steden DEEL 4: Daily urban systems Situering in de literatuur Provinciaal verkeersmodel van De Lijn Vijf provinciale verkeersmodellen Afstemming verkeersmodel Invoertuigtijd Wachttijd Opstappen Keuzes binnen de onderzoeksopzet Analyse invoertuigtijd en kruislingse connectiviteit Stap 1: Bepalen ‘startgebied’ via de invoertuigtijd Stap 2: Bepalen daily urban systems via kruislingse connectiviteit Stap 3: Totaalbeeld daily urban systems in Vlaanderen Daily urban systems in Vlaanderen – volgens stedelijke regio Daily urban systems in Vlaanderen – 101 gemeenten Daily urban systems in Vlaanderen – het verdichtingsnet DEEL 5: Conclusie HOOFDSTUK 3: KAARTMATERIAAL HOOFDSTUK 4: BIJLAGEN HOOFDSTUK 5: DIGITALE KAARTEN EN DATA-OVERDRACHT HOOFDSTUK 6: REFERENTIES

36 36 36 36 36 37 37 38 40 43 45 46 49 50 51 51 54 54 54 55 55 56 57 63 68 69 71 71 74 76 77 87 88

4

FIGUREN Figuur 1: Indicator 1: knooppuntwaarde Figuur 2: Indicator 2: voorzieningenniveau Figuur 3: Indicator 3: Integratie in de economische structuur Figuur 4: Indicator 4: Internationale connectiviteit Figuur 5: Indicator 5: Verstedelijking Figuur 6: Composietindicator 1 Figuur 7: Data-verdeling composiet 1 Figuur 8: Data-verdeling composiet 2 Figuur 9: Data-verdeling composiet 3 Figuur 10: Composiet 1: Stedelijkheid (indeling in vijf klassen) Figuur 11: Composiet 2: Openbaar vervoer (indeling in vijf klassen) Figuur 12: Composiet 3: Verzorgingsniveau (indeling in vijf klassen) Figuur 13: Typologie van de steden en gemeenten in Vlaanderen Figuur 14: Zonering provinciaal verkeersmodel Antwerpen Figuur 15: Zonering provinciaal verkeersmodel Limburg Figuur 16: Zonering provinciaal verkeersmodel Oost-Vlaanderen Figuur 17: Zonering provinciaal verkeersmodel Vlaams-Brabant Figuur 18: Zonering provinciaal verkeersmodel West-Vlaanderen Figuur 19: Invoertuigtijd naar Brussel-Noord of Brussel-Zuid Figuur 20: Invoertuigtijd naar Antwerpen-Centraal Figuur 21: Invoertuigtijd naar Gent-Sint-Pieters Figuur 22: Invoertuigtijd naar Leuven-station Figuur 23: Invoertuigtijd naar Brugge-station Figuur 24: Invoertuigtijd naar Mechelen-station Figuur 25: Invoertuigtijd naar Hasselt-station of Genk-station Figuur 26: Invoertuigtijd naar Kortrijk-station Figuur 27: Case Mechelen Figuur 28: Kruislingse connectiviteit in de top stedelijke regio Brussel Figuur 29: Kruislingse connectiviteit in de top stedelijke regio Antwerpen Figuur 30: Kruislingse connectiviteit in de top stedelijke regio Gent Figuur 31: Kruislingse connectiviteit in de stedelijke regio niveau 1 Leuven Figuur 32: Kruislingse connectiviteit in de stedelijke regio niveau 1 Brugge Figuur 33: Kruislingse connectiviteit in de stedelijke regio niveau 1 Mechelen Figuur 34: Kruislingse connectiviteit in de stedelijke regio niveau 1 Hasselt-Genk Figuur 35: Kruislingse connectiviteit in de stedelijke regio niveau 1 Kortrijk Figuur 36: Daily urban systems in Vlaanderen – volgens stedelijke regio Figuur 37: Daily urban systems in Vlaanderen – 101 gemeenten Figuur 38: Daily urban systems in Vlaanderen – het infrastructuurnetwerk

18 21 24 27 30 31 38 40 43 45 45 45 48 52 52 52 53 53 58 58 59 59 60 60 61 61 62 64 64 65 65 66 66 67 67 70 72 73

5

TABELLEN Tabel 1: ‘Selectie van kleinstedelijke gebieden’ (Loopmans et al., 2011) Tabel 2: Composiet 1: Detecteren van stedelijke regio’s Tabel 3: Composiet 2: Detecteren van openbaar vervoersknooppunten Tabel 4: Composiet 3: Detecteren van verzorgende steden Tabel 5: Overzicht typologie steden Tabel 6: Criteria typologie steden Tabel 6: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten) Tabel 7: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten) Tabel 8: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101gemeenten) Tabel 9: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten) Tabel 10: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten) Tabel 11: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks Tabel 12: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks Tabel 13: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks Tabel 14: Typologie steden in alfabetische rangschikking

11 33 34 35 46 49 78 79 80 81 82 83 84 85 86

6

1 HOOFDSTUK 1: INLEIDING Situering onderzoek Naar aanleiding van de opmaak van het Witboek Beleidsplan Ruimte Vlaanderen werd aan SumResearch de onderzoeksvraag gesteld een beleidsvoorbereidende analyse te maken over het netwerk van steden in Vlaanderen. De studie moet nagaan of bepaalde beleidshypotheses en strategieën realistisch en haalbaar zijn en moet ook inzicht brengen in het bestaande netwerk. De onderzoeksvraag heeft betrekking op de generieke strategie ‘Polycentrische ontwikkeling in stedelijke regio’s’ en op de thematische strategie ‘Bevolkingsgroei’. Uitgangspunt is dat bijkomende ontwikkelingen in Vlaanderen in de toekomst zullen worden opgevangen via verdichting, binnen verschillende types van stedelijke ruimte. Het basisidee voor het Beleidsplan Ruimte Vlaanderen is dat Vlaanderen kan uitgroeien tot een polycentrisch netwerk van steden en voorzieningen op verschillende niveaus. Enerzijds is er het stedelijk netwerk binnen Vlaanderen dat op zijn beurt ingebed is in een ruimer gebied, nl. de NoordWest-Europese Delta. Anderzijds heeft dit polycentrisch netwerk betrekking op de polycentrische ontwikkeling binnen onze steden – de stedelijke regio’s – zelf. Een polycentrisch netwerk van steden in Vlaanderen zal opgebouwd worden langs de assen van een snel en performant openbaar vervoerssysteem. Groei en nieuwe ontwikkelingen zullen zich dus moeten situeren in gebieden die vlot bereikbaar zijn. Enkel deze aanpak is de garantie om verdere verneveling in Vlaanderen tegen te gaan. Een eerste stap in de uitbouw van een polycentrisch netwerk is het in kaart brengen van onze huidige stedenstructuur. Daartoe hebben SumResearch en de opdrachtgever een methodologie opgebouwd om de types van stedelijke ruimte in Vlaanderen te detecteren. Voorliggende nota bespreekt deze methodologie en bestaat uit zes hoofdstukken: een inleiding (1), het eigenlijke onderzoeksrapport (2), het geproduceerde kaartmateriaal (3), de bijlagen (4), de digitale kaarten (5) en referenties (6).

Het onderzoeksrapport zelf (Hoofdstuk 2) is opgebouwd uit vijf delen: Deel 1: Selectie gemeenten Deel 2: Indicatoren Deel 3: Typologie van gemeenten Deel 4: Daily Urban Systems Deel 5: Conclusie

Het eindresultaat van deze opdracht is een inzicht in de daily urban systems in Vlaanderen, die de basis vormen voor de toekomstige ontwikkeling tot een polycentrisch netwerk van steden en voorzieningen. Deze daily urban systems worden afgebakend op basis reistijden. Hoofdstuk 2 moet integraal gelezen worden met de bijbehorende kaarten (Hoofdstuk 3) en vormt een hulpmiddel ten aanzien van het beleid. Vooraleer de methodologie wordt toegelicht worden eerst nog enkele begrippen kort gesitueerd in de literatuur.

7

Begrip ‘Polycentrische metropolitane gebieden’ Polycentrische metropolitane gebieden zijn “verzamelingen van steden die administratief, politiek en historisch onafhankelijk van elkaar zijn (ontstaan) maar die in elkaars nabijheid liggen en goed verbonden zijn via infrastructuur” (Meijers et al., 2012). Binnen dergelijke gebieden hebben steden agglomeratievoordelen doordat ze deel uitmaken van een netwerk. Het ‘samenvloeien’ van steden is ofwel het resultaat van ‘incorporatie’ wanneer een dominante stad haar invloed uitbreidt over een groter gebied; ofwel het resultaat van ‘fusie’ waarbij steden die in elkaars buurt liggen sterker verbonden geraken door het gedrag van en de interactie tussen bedrijven en inwoners. Door een toegenomen mondialisering, schaalvergroting en het gebruik van ICT zijn sommige steden geëvolueerd van een monocentrisch naar een polycentrisch systeem. Dergelijke polycentrische systemen waarbij de werkgelegenheid en andere voorzieningen gebundeld en gedecentraliseerd zijn over de stad, kunnen een positieve bijdrage leveren aan het terugdringen van het autogebruik (Schwanen et al., 2001).

Begrip ‘Bereikbaarheid’ Binnen een polycentrisch netwerk is bereikbaarheid een andere belangrijke variabele. Bovendien zorgt een hogere bereikbaarheid door een bepaald vervoermiddel meestal voor een hoger gebruik van dit vervoermiddel (Kitamura et al., 1997; Rajamani et al., 2003). Bewoners van een wijk of buurt die goed bereikbaar is met het openbaar vervoer, zullen eerder gebruikmaken van het openbaar vervoer. Daarbij dient opgemerkt te worden dat de afstand ten opzichte van het openbaarvervoernetwerk een belangrijke rol speelt. Hoe groter deze afstand is, des te groter de kans dat de auto wordt gebruikt (Chen et al., 2008). Uit onderzoek van Van Wee (2002) blijkt dat de afstand tot een treinstation een belangrijke rol speelt in het verplaatsingsgedrag van mensen. Indien woningen en werken zich in de directe nabijheid van een treinstation bevinden, zal dit een positief effect hebben op het openbaarvervoergebruik.

Begrip ‘Reistijd’ De factor tijd vormt een grens voor ons verplaatsingsgedrag (Vleugels et al., 2007). De beschikbare tijd begrenst de maximale afstand waarover men zich kan verplaatsen. In de afgelopen decennia is de gemiddelde woon- werkafstand enorm toegenomen maar de gemiddelde reistijd per persoon per dag is vrijwel constant gebleven (ongeveer 70 tot 90 minuten per persoon per dag). Dit in tegenstelling tot wat vaak wordt gedacht. Dit komt overeen met de bevindingen van Hupkes (1977) en Zahavi (1979; 1974). Theoretische worden deze bevindingen omschreven als de Wet van het Behoud van REistijd en VERplaatsingen (BREVER- wet). Het aantal verplaatsingen op lange termijn (20-30 jaar) is redelijk stabiel en de tijdsbesteding aan verplaatsingen blijft constant. Ruimere beschikbaarheid en hogere snelheid van vervoermiddelen leiden ertoe dat er in dezelfde tijd meer en/of langere verplaatsingen kunnen worden gemaakt. Reistijd bestaat uit verschillende componenten die elk een andere invloed hebben op het verplaatsingsgedrag (Kropman & Katteler, 1993). Deze componenten zijn: voorbereidingstijd, wachttijd, effectieve reistijd, overstaptijd en de tijd die nodig is om zich naar de halte of het voertuig te verplaatsen.

8

Begrip ‘Verplaatsingsgedrag’ Individuele reizigers ervaren en waarderen de tijdscomponenten op verschillende manieren en kunnen op basis van deze componenten besluiten om een verplaatsing niet te maken of om een andere route te kiezen. Onderzoek van Hine et al. (2001) wijst uit dat de betrouwbaarheid van het verkeer- en vervoersysteem (kans op vertragingen), de afstand tussen vertrekpunten, frequentie, aantal beschikbare buslijnen, voorzieningen op overstappunt, comfort, sociale veiligheid, informatievoorziening en bijkomende kosten, andere factoren zijn die deze belevingswaarde beïnvloeden (Vleugels et al., 2007). Door onderzoek van Brok (2001) is aangetoond dat openbaarvervoerreizigers een langere route prefereren in plaats van een “ onbetrouwbare” snelle route. Veel reizigers verkiezen 10 minuten extra reistijd op de koop toe, boven een (kortere) route met 50% kans op 15 minuten vertraging. Verplaatsingsafstand en- tijd zijn onderling afhankelijke determinanten van het verplaatsingsgedrag van mensen en hangen nauw samen met de verplaatsingssnelheid (Vleugels et al., 2007). De gemiddelde snelheid en de maximale aanvaardbare reistijd bepalen bovendien de activiteitenruimte waarbinnen personen zich kunnen verplaatsen. Van Eijck (2006) concludeert dat personen verder van hun werk blijken te wonen dan vanuit theoretische modellen kan worden voorspeld. Personen hanteren vaak een psychologische buffer tussen woon- en werklocatie. Het vaak wisselen van baan in combinatie hoge verhuiskosten kan een andere factor zijn. Met het toenemende aantal tweeverdieners binnen een huishouden is het moeilijk om een geschikte woonplaats te vinden die de reistijd naar beide werklocaties kan bekorten. Een andere beïnvloedingsfactor zijn de persoonlijkheden en leefstijlen van mensen (Giuliano en Small,1993). Indien mensen wonen op een prettige woonlocatie die aansluit bij de persoonlijke behoefte en leefstijl, kan dit betekenen dat deze personen een langere reistijd naar het werk accepteren.

9

2 HOOFDSTUK 2: ONDERZOEKSRAPPORT Het in kaart brengen van de stedenstructuur gebeurt op een stapsgewijze manier. SumResearch doet hiervoor ten dele een beroep op bestaand onderzoek, maar heeft ook expliciet gekozen voor ‘nieuwe insteken’ die zijn uitgewerkt in overleg met de opdrachtgever. Hoofdstuk 2 is opgebouwd uit vijf delen. In het eerste deel (§2.1, p.10) wordt een selectie gemaakt uit de 308 gemeenten in Vlaanderen waarvoor we de stedenstructuur gaan bekijken. In het tweede deel (§2.2, p.12) worden vijf selectiecriteria of indicatoren naar voor geschoven die in overeenstemming zijn met de visie én die ons in staat stellen een eerste indeling te maken in de gemeenten. Op basis van deze indicatoren worden vijf afzonderlijke kaartbeelden verkregen én een composietbeeld dat een eerste weergave is van de stedenstructuur in Vlaanderen. Er wordt ten dele gewerkt met bestaande indicatoren, ten dele met nieuwe indicatoren. In het derde deel (§2.3 p.32) wordt aan de hand van deze indicatoren én het composietbeeld een typologie opgemaakt. Op basis van de indicatoren uit het eerste deel, worden de gemeenten op drie verschillende manieren ingedeeld en verkrijgen we een hoofdindeling: stedelijke regio’s, openbaar vervoersknooppunten en verzorgende steden. Het vierde deel (§2.4, p.49) vertrekt van deze typologie en omvat een afbakening van de daily urban systems of het ‘invloedsgebied van de stedelijke regio’s’ in Vlaanderen. Deze afbakening gebeurt op basis van ‘nabijheid’ en ‘bereikbaarheid’ en wordt geoperationaliseerd via maximale aanvaardbare reistijden (MAR) via het openbaar vervoersnetwerk van trein en bus (NMBS en De Lijn). Er wordt een opdeling gemaakt in deze MAR, al naargelang de grootte en typologie van de stad. In het vijfde deel (§2.5, p.74) wordt een conclusie gemaakt met een insteek naar algemene aanbevelingen voor het beleid. 2.1 DEEL 1: Selectie gemeenten In deze studie wordt eerst een selectie gemaakt uit de 308 gemeenten in Vlaanderen, om vervolgens een rangschikking te kunnen opmaken. Uitgangspunt is dat we inzicht willen verkrijgen in de gemeenten die een belangrijke schakel kunnen zijn in de uitbouw van een polycentrisch netwerk. Voorliggende studie vertrekt daarom van de 901 Vlaamse gemeenten met het hoogste voorzieningenniveau zoals bepaald in het onderzoek “Selectie van kleinstedelijke gebieden in Vlaanderen” van Loopmans et al. (2011, KULeuven) in opdracht van RWO. Deze selectie wordt aangevuld met 10 gemeenten in Vlaanderen die een treinstation op hun grondgebied hebben met minstens 1.000 opstappers per dag2, zodat in totaal 100 gemeenten het basisraster vormen waarbinnen we de structuur gaan bepalen (zie Tabel 1). Het onderzoek vertrekt dus niét van alle gemeenten in Vlaanderen, maar vanuit de visie dat het huidig niveau toekomstige ontwikkelingsmogelijkheden bepaalt. Zoals blijkt uit voorgaande selectie is Brussel niet mee opgenomen in de oorspronkelijke selectie. Verwacht wordt dat de stad zodanig hoge waarden zal hebben op de indicatoren dat ze de rangschikking te sterk zou beïnvloeden. Brussel wordt daarom niet meegenomen tijdens het verwerkingsproces. De indicatorwaarden voor Brussel werden wel bepaald. Op die manier blijft het

1

We vertrekken van deze 90 omdat voor deze 90 de deelindicatoren met al hun informative is opgenomen in de studie van Loopmans et al. (2011). 2 Reizigerstellingen NMBS uit 2009 (www.treintrambus.be, op 20 maart 2013)

10

mogelijk om Brussel op alle kaarten voor te stellen. Haar waarden werden enkel ‘uitgesloten’ tijdens het berekenen van de indicatoren en het daaropvolgend classificatieproces.

Tabel 1: ‘Selectie van kleinstedelijke gebieden’ (Loopmans et al., 2011) 90 gemeenten uit 'Selectie kleinstedelijke gebieden' Loopmans et al. (2011) Aalst Aalter Aarschot Antwerpen Asse Beringen Beveren Bilzen Blankenberge Bonheiden Boom Bornem Brasschaat Bree Brugge Deinze Dendermonde Diepenbeek Diest Diksmuide Dilbeek Edegem Eeklo Geel Genk Gent Geraardsbergen Grimbergen Haacht Halle Hamme Harelbeke Hasselt Heist-op-den-Berg Herentals Heusden-Zolder Houthalen-Helchteren Ieper Izegem Kapellen Knokke-Heist Koksijde Kontich Kortrijk Lanaken

Leuven Lier Lokeren Lommel Maaseik Maasmechelen Machelen Malle Mechelen Menen Merelbeke Middelkerke Mol Mortsel Neerpelt Ninove Oostende Oudenaarde Overijse Overpelt Poperinge Puurs Roeselare Ronse Schoten Sint-Katelijne-Waver Sint-Niklaas Sint-Pieters-Leeuw Sint-Truiden Temse Tielt Tienen Tongeren Torhout Turnhout Veurne Vilvoorde Waregem Westerlo Wetteren Wevelgem Willebroek Zaventem Zelzate Zottegem

10 gemeenten met minstens 1000 opstappers per dag Denderleeuw Landen Lichtervelde Liedekerke Lede De Pinte Ternat Erpe-Mere Zele Essen

11

2.2 DEEL 2: Indicatoren om gemeenten met elkaar te vergelijken 2.2.1

Bestaande indicatoren als leidraad

Het uitgangspunt van het Beleidsplan Ruimte Vlaanderen is een netwerk van steden en voorzieningen, veeleer dan een hiërarchisch systeem van steden. Dit netwerk zal zich opbouwen rond de bestaande hoogwaardige infrastructuurlijnen en in het bijzonder rond het spoorwegennet. Dit net krijgt dan ook een belangrijk aandeel in de vijf geselecteerde indicatoren. Vooraleer we inzoomen op elk van de vijf indicatoren, staan we kort stil bij de definitie van een indicator. Een indicator is “een meeteenheid samengesteld uit (één of) meerdere variabelen dat een bepaald fenomeen zo nauwkeurig en betrouwbaar mogelijk meet” (Lievois et al., 2011). Vier van de vijf indicatoren zijn dan ook samengestelde indicatoren, waarin de deelindicatoren een evenwaardig gewicht krijgen. Een samengestelde indicator met 2 deelindicatoren, geeft elke deelindicator een gewicht van 50%. Een samengestelde indicator met 3 deelindicatoren geeft elke deelindicator een gewicht van 33.3%. Voor de inhoudelijke uitwerking van indicatoren is zoveel mogelijk beroep gedaan op bestaande indicatoren. Input hiervoor is onder meer de ‘Indicatorennota’ van het Steunpunt Ruimte en Wonen (Lievois et al., 2011), de Ruimtemonitor Vlaanderen en de studie ‘Selectie van kleinstedelijke gebieden’ (Loopmans et al., 2011).

Indicatorennota De Indicatorennota (Lievois et al., 2011) ontstond als een overzicht van de ruimtelijke indicatoren die binnen de verschillende werkpakketten van het Steunpunt Ruimte en Wonen zijn ontwikkeld. In tegenstelling tot het team wonen dat tot doel had om een set van prestatie-indicatoren te ontwikkelen om de strategische en operationele doelstellingen van het Vlaamse beleid te kunnen aftoetsen aan de realiteit, dienen de indicatoren binnen het team Ruimte eerder als analytische instrumenten om de ruimtelijke differentiatie van Vlaanderen te bestuderen en te bekijken hoe ruimtegebruik over de tijd evolueert. De indicatorennota maakt met andere woorden een omgevingsanalyse van de bestaande toestand en heeft als eerste doel via ruimtelijke meeteenheden (in kwantitatief onderzoek binnen de basispakketten en/of de Ruimtemonitor) verschillende fenomenen in beeld te brengen die op kwantitatieve (hoeveel ruimtegebruik, infrastructuur) en kwalitatieve wijze (vb. typologieën binnen categorieën van ruimtegebruik) de ruimte transformeren.

Ruimtemonitor De Ruimtemonitor is een instrument ontwikkeld door het Steunpunt Ruimte en Wonen van de Vlaamse Overheid en bevat gefocuste informatie-indicatoren met betrekking tot de belangrijkste ruimtelijke trends in de Vlaamse context. Doelstelling is om deze indicatoren te analyseren, op een ruimtelijk gedifferentieerde manier en op het adequate schaalniveau per fenomeen.

12

Selectie van kleinstedelijke gebieden Deze studie heeft als doel aan te geven tot welk type kleinstedelijk gebied de geselecteerde gemeenten kunnen behoren dan wel of een dergelijk onderscheid nog zinvol is of verscherpt moet worden (Loopmans et al., 2011). De studie omvat een evaluatie van de selectie van de kleinstedelijke gebieden in Vlaanderen in functie van de uitgangspunten van het Ruimtelijk Structuurplan Vlaanderen en de provinciale ruimtelijke structuurplannen. 2.2.2

Vijf indicatoren voor de stedenstructuur in Vlaanderen

Om inzicht te krijgen in de stedenstructuur in Vlaanderen wordt gewerkt met vijf ‘domeinen’ waarvoor telkens een samengestelde indicator wordt bepaald. Hierbij is het belangrijk om de keuze voor deze domeinen, en dus de indicatoren te motiveren. Men moet er zich echter van bewust zijn dat de keuze voor een domein afhankelijk is van de beleidsmatige insteek die aan dit onderzoek gekoppeld is. Zo gaat er in de indicatoren veel aandacht naar het openbaar vervoerssysteem: de uitbouw van een duurzaam polycentrisch netwerk van steden en voorzieningen is vanuit de beleidsvisie immers sterk gekoppeld aan de aanwezige infrastructuur van spoorlijnen en aan de mogelijkheden daarvan. Tegelijkertijd kiest men voor een beperkt aantal domeinen, die elk als evenwaardig worden beschouwd.

De vijf domeinen om de stedenstructuur te bepalen zijn: een hoogwaardig openbaar vervoersnetwerk (= knooppuntwaarde); voorzieningen; integratie in de economische structuur; internationale connectiviteit; verstedelijkingsgraad.

De combinatie van bovenstaande indicatoren resulteert in een rangschikking die ons inzicht geeft in de stedenstructuur. In bijlage worden de oorspronkelijke tabellen en cijferwaarden voor elke indicator weergegeven. Elke indicator is zoals eerder gezegd, herschaald zodat het gewicht van één indicator niet groter kan zijn in de totaalscore van de vijf indicatoren samen. De ongelijke verdeling van de scores kan er wel toe leiden dat één indicator tot meer differentiatie leidt dan een andere. De indicatoren worden berekend voor de 100 gemeenten én voor Brussel. Brussel wordt niet meegenomen op het moment dat de classificatie zelf wordt gemaakt.

In volgende paragrafen wordt elke indicator apart besproken. Voor de exacte waarden en berekeningen verwijzen we naar de tabellen in bijlage.

13

2.2.3 2.2.3.1

Hoofdindicator 1: Knooppuntwaarde Achtergrond

Zoals eerder gezegd is de bereikbaarheid binnen een polycentrisch netwerk een belangrijke variabele. Bereikbaarheid is één van de belangrijkste vestigingscriteria voor de meeste economische activiteiten, inclusief het wonen (Lievois et al., 2011). De definitie van bereikbaarheid varieert echter met de inhoud van de beschouwde activiteit, alsook met het soort en de intensiteit van relaties die de activiteit nodig heeft. Volgens Geurs en Ritsema van Eck (2001) weerspiegelt bereikbaarheid “de mate waarin het vervoers- en ruimtelijk systeem mogelijk maakt dat (groepen van) personen of goederen activiteiten of bestemmingen bereiken door middel van (een combinatie van) vervoermiddelen” (geciteerd uit Vandenbulcke et al., 2007). Om een vergelijking te maken van bereikbaarheid van Vlaamse steden kan men theoretisch de bereikbaarheid over autowegen, waterwegen en spoorwegen beschouwen. Rekening houdende met het STOP-principe – dat door het mobiliteitsplan Vlaanderen én het mobiliteitsdecreet wordt onderschreven – zal indicator 1 enkel rekening houden met het openbaar vervoer, in het bijzonder het personenvervoer via spoor. Voor de volledigheid wijzen we op de relativiteit van de trein als hoofdvervoermiddel naar werk of school. De trein neemt een aandeel in van 7,12% t.o.v. 66,8% voor de auto (Onderzoek Verplaatsingsgedrag 2004). Het openbaar vervoer via tram en bus wordt in een latere fase in dit onderzoek mee opgenomen (zie §0). Het STOP-principe geeft een rangorde weer voor een duurzaam gebruik van de verschillende modi van personenvervoer: zoveel mogelijk Stappen, Trappen (fiets), het Openbaar vervoer gebruiken en pas in laatste instantie de Personenwagens inzetten. (Vlaamse Regering VR 2012 3003 MED.0160/1, mededeling aan de Vlaamse Regering, Missie en visie Ontwerp Mobiliteitsplan Vlaanderen, 2012). Een hogere bereikbaarheid door een bepaald vervoermiddel zorgt meestal voor een hoger gebruik van dit vervoermiddel (Kitamura et al., 1997; Rajamani et al., 2003). Bewoners van een wijk of buurt die goed bereikbaar is met het openbaar vervoer, zullen eerder gebruikmaken van het openbaar vervoer. De relevantie van het aspect bereikbaarheid voor het ruimtelijk beleid verschilt sterk tussen personenvervoer en goederenvervoer. Voor personenvervoer is in ieder geval de bereikbaarheid met congestievrij openbaar vervoer van belang (Lievois et al., 2011). Voor het ruimtelijk beleid is het belangrijk de gebieden met een hoogwaardig openbaarvervoeraanbod te onderscheiden van de gebieden met een minder hoogwaardig aanbod. Hoogwaardig openbaar vervoer (HOV) is openbaar vervoer dat tot op zekere hoogte concurrentieel is met het autoverkeer, en in die zin naast een sociale rol (= basismobiliteit, ook aangeboden door het niet hoogwaardig openbaar vervoer) ook een economische (= verminderen van de congestie) en een ecologische rol (= verminderen van uitstoot) vervult. Vanuit het ruimtelijk beleid is het wenselijk dat nieuwe ontwikkelingen, in het bijzonder de ontwikkelingen die veel personenverkeer genereren, op een locatie komen die bediend wordt door hoogwaardig openbaar vervoer. Stationslocaties die door IC-treinen worden bediend, zijn klassieke voorbeelden, maar deze kunnen uitgebreid worden naar locaties die bediend worden door sneltrams (lightrail), metro of bussen op eigen bedding. Deze vormen van openbaar vervoer zijn op dit ogenblik schaars op Vlaams grondgebied. Delen van sommige bestaande tramlijnen kunnen als lightrail beschouwd worden, zoals bijvoorbeeld de Kusttram, of de verbinding Melsele-Antwerpen. Daarnaast zijn er enkele metrostations van het Brusselse (en ook het Rijselse) net die zich vlakbij het Vlaams Gewest bevinden (Lievois et al., 2011).

14

Componenten van bereikbaarheid zijn de transportcomponent (het vervoersysteem) en de ruimtelijke component (de omvang, de kwaliteit, …). Daarnaast spelen ook nog een tijdscomponent en een individuele component mee (Lievois et al., 2011). Aangezien de individuele component moeilijk op te nemen valt in een indicator kiest dit onderzoek ervoor om de eerste indicator op te bouwen uit drie deelindicatoren, overeenkomstig met de drie componenten van bereikbaarheid: Het aantal hoofdlijnen: komt overeen met de transportcomponent of de aanwezige infrastructuur. De graad van het treinstation of het aantal vertrekkende treinen: komt overeen met de ruimtelijke component. De reistijd naar grote steden: komt overeen met de tijdscomponent. 2.2.3.2

Omschrijving indicator

De knooppuntwaarde van een gemeente is de mate waarin ze verbonden is met andere gemeenten via het hoogwaardig openbaar vervoersnetwerk van treinen. De knooppuntwaarde van een stad/gemeente is bepaald door de aanwezige infrastructuur, de graad van het grootste treinstation en de reistijd naar de drie snelst bereikbare grote steden Antwerpen, Gent, Brussel, Luik, Charleroi, Rijsel, Eindhoven en Aachen. Gemeenten zonder station op hun grondgebied, krijgen een nulwaarde voor deze indicator. In totaal hebben 20 gemeenten geen station: Bonheiden, Brasschaat, Bree, Edegem, Grimbergen, Hamme, Heusden-Zolder, Houthalen-Helchteren, Koksijde, Lanaken, Maaseik, Maasmechelen, Machelen, Malle, Middelkerke, Overijse, Schoten, Sint-Pieters-Leeuw, Westerlo en Zelzate. 2.2.3.3

Deelindicatoren

De indicator knooppuntwaarde is opgebouwd uit drie deelindicatoren, overeenkomstig de drie componenten van bereikbaarheid: de fysieke component, de ruimtelijke component en de tijdscomponent. Alle waarden zijn terug te vinden in Tabel 6 in bijlage.

Deelindicator 1: Aantal hoofdlijnen ( ~ transportcomponent) Het aantal hoofdlijnen is gelijk aan de infrastructurele hoofdlijnen van het spoorwegnet waarlangs het grootste station van een gemeente gelegen is en waarvoor dit station als stopplaats fungeert. Met het grootste station bedoelt men het station met het grootste aantal opstappers per dag volgens de reizigerstellingen van de NMBS uit 2009 (www.treintrambus.be, op 20 maart 2013). Het aantal fysieke spoorlijnen geeft dus het aantal richtingen weer die iemand vanuit elk station kan uitgaan. Herschaling: Brussel-Noord, -Centraal en –Zuid hebben elk 6 passerende lijnen, het grootste aantal in de reeks. Het aantal passerende lijnen in elk station in de gehele gebruikte dataset wordt daarom gedeeld door zes zodat deelindicator 1 herschaald wordt naar waarden tussen 0 en 1. Mechelen heeft bijvoorbeeld 5 lijnen. De waarde na de eerste herschaling wordt dan 5/6 = 0.8333.

15

Deze waarde wordt nadien nogmaals herschaald zodat de totaalsom deze deelindicator 1 over alle 100 gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren. Deze herschaling is nodig opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen (van 100 op 500) in de composietindicator. Voor Mechelen geeft dit dan bijvoorbeeld 0.83333/20,8333*33,3333 = 1,3333 als waarde na de tweede herschaling.

Deelindicator 2: Graad treinstation ( ~ ruimtelijke component) De graad van een treinstation is gelijk aan de som van het aantal vertrekkende treinen in het grootste station op het grondgebied van de gemeente3 gedurende 24u, bepaald op dinsdag 19 maart 2013. Deze indicator komt overeen met de ruimtelijke component, er van uitgaande dat een groot aantal vertrekkende treinen iets zegt over de omvang van het aanbod op die plaats. Met de graad van het treinstation wordt aangegeven hoe frequent een station wordt bediend en dus hoe functioneel elk knooppunt is. Herschaling: Mechelen heeft met 478 treinen het grootste aantal vertrekkende treinen in de reeks. Het aantal vertrekkende treinen in het hoofdstation van elke gemeente wordt daarom gedeeld door 478 zodat deelindicator 2 herschaald wordt naar waarden tussen 0 en 1. Net zoals bij deelindicator 1 wordt deze waarde nogmaals herschaald zodat de totaalsom over alle 100 gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren. Voor Gent geeft dit bijvoorbeeld met 413 vertrekkende treinen een eerste herschaalde waarde van 713/478 = 0,8640. De tweede herschaling geeft dan 0,8640/18,374 * 33,3333 = 1,5675.

Deelindicator 3: Bereikbaarheid grote steden ( ~ tijdscomponent) De bereikbaarheid van grote steden wordt uitgedrukt door de totale kortste reistijd (in minuten) via het openbaar vervoer vanuit de gemeente tussen 7u en 10u op dinsdag 19 maart 2013 naar drie grote steden (uit de acht4 onderstaande)]5. Antwerpen Gent Rijsel Charleroi

Brussel-Zuid of Brussel-Noord Luik Aachen Eindhoven

Met deze derde deelindicator wordt weergegeven hoe snel men vanuit elk station in drie grote steden geraakt. Het geeft weer in welke mate een knooppunt verbonden is met een (grotere) stad of knooppunt, waar er veel mogelijkheden aan bijvoorbeeld tewerkstelling zijn. Een kleinere gemeente kan met andere woorden betekenis krijgen doordat ze ‘goed’ verbonden is met een grotere stad. De reistijd vanuit Antwerpen, Gent of Brussel naar zichzelf, wordt als 0 minuten beschouwd.

3

(Van Obbergen, 2012) gebruikt tussen 8 en 9u. Het gaat om 8 agglomeraties met minstens 200.000 inwoners én die vanuit 1 Vlaams treinstation op minder dan 30 minuten te bereiken zijn. 5 Van Obbergen gebruikt Mechelen, Brugge, Antwerpen Centraal, Leuven, Brussel-Zuid en Gent. 4

16

Aanpassingen deelindicator 3: Omdat de verkregen resultaten voor deze deelindicator bijzonder weinig differentiatie weergeven tussen de gemeenten onderling, werd een aanpassing doorgevoerd aan de oorspronkelijke gegevens. Voor elke overstap op een traject per trein wordt de reistijd verlengd met in totaal 10 minuten. Een overstap zorgt er niet alleen voor dat de er een kans bestaat dat men de aansluiting mist, maar zorgt ook voor een extra (psychologische) drempel bij het nemen van het traject. Om de verschillen te vergroten worden de oorspronkelijke waarden van de reistijd opgesplitst: De eerste dertig minuten in een reistraject worden behouden (x1). De volgende 15 minuten in een reistraject (minuut 31 t.e.m. minuut 45) worden met twee vermenigvuldigd. Elke minuut van een reistraject boven de 45 minuten wordt met drie vermenigvuldigd. Voorbeelden: Een reistraject van 27 minuten, blijft na de bewerking een reistraject van 27 minuten. Een reistraject van 37 minuten, wordt na de bewerking een reistraject van 30 + 14 = 44 minuten. Een reistraject van 53 minuten, wordt na de bewerking een reistraject van 30 + 30 +24 = 84 minuten. Herschaling: Vanuit Gent kan men in 83 minuten drie stations bereiken. Dit is de kortste reistijd uit heel de dataset. De langste reistijd naar drie stations bedraagt 305 minuten (vanuit Neerpelt). Door de manipulatie van de reistijden zoals hierboven beschreven krijgt Mechelen de kortste tijd nl. 94 minuten. Neerpelt krijgt de langste tijd met 723 minuten. De waarden worden omgekeerd herschaald: Mechelen heeft met de kleinste waarde, de beste bereikbaarheid naar grote steden en krijgt de waarde 1. Neerpelt krijgt de kleinste waarde6. De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:

herschaalde indicatorwaarde = 1 −

Voor Leuven (129 minuten) is dit bijvoorbeeld 1 – [(129-94)/(723-94)] = 0,9444. Neerpelt zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar drie grote stations vanuit Neerpelt het grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Neerpelt en de 20 gemeenten zonder een station (die sowieso waarde 0 krijgen) is ervoor gekozen om Neerpelt de herschaalde waarde 0,041 (95% van de tweede kleinste waarde) te geven. Ook hier wordt deze waarde een laatste keer herschaald zodat de totaalsom over alle 100 gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren (3). Leuven krijgt bijvoorbeeld na deze tweede herschaling waarde 0,9444 / 51,578 * 33,333 = 0,6103.

6

Neerpelt zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar drie grote stations vanuit Neerpelt het grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Neerpelt en gemeenten zonder station (die sowieso waarde 0 krijgen) is ervoor gekozen om Neerpelt de herschaalde waarde 0,1 te geven.

17

2.2.3.4

Eindwaarde hoofdindicator 1

De som van de drie herschaalde deelindicatoren wordt opgeteld zodat 1 hoofdindicator wordt bekomen per gemeente. Deze waarde is in een vorige stap zodanig herverdeeld dat de totaalsom van alle 100 gemeenten voor hoofdindicator 1 gelijk is aan 100 (Brussel wordt hier niet in meegerekend). De waarde voor hoofdindicator 2, 3, 4 en 5 zullen later ook herverdeeld worden naar 100 zodat elke indicator een gelijk gewicht krijgt in de composietindicator. Het is deze herverdeelde waarde van de hoofdindicator 1 die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1). De waarden voor indicator 1 worden voorgesteld in Tabel 6 in bijlage. 2.2.3.5

Bespreking kaartbeeld

Op het kaartbeeld (Figuur 1 en Kaart 1 in bijlage) wordt elke gemeente voorgesteld door een bol: in totaal zien we dus 101 bollen (1 per gemeente). De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 1. Brussel valt onmiddellijk op en heeft de grootste knooppuntwaarde. De stad onderscheidt zich duidelijk van de steden die op haar volgen. Achtereenvolgens gaat het om Mechelen, Gent-SintPieters, Antwerpen-Centraal en Leuven. Uit deze volgorde blijkt het belang van een station als Mechelen omwille van haar historische positie binnen het spoorwegennet en op de kruising van enkele belangrijke lijnen. Hierna volgen Denderleeuw, Halle, Hasselt, Kortrijk, Vilvoorde, Lier, Geraardsbergen, Merelbeke, Sint-Niklaas, Lokeren, Dendermonde, Wetteren, Aarschot, Brugge en Aalst. Voor de gedetailleerde volgorde van gemeenten volgens hoofdindicator 1, verwijzen we naar Tabel 6 in bijlage. Algemeen kunnen we stellen dat centraal in het kaartbeeld in het gebied tussen Antwerpen, Gent en Brussel en Leuven de gemeenten een grote knooppuntwaarde hebben, dankzij hun centraliteit in het netwerk. Figuur 1: Indicator 1: knooppuntwaarde (SumResearch, 2013)

2.2.3.6

Bronnen

Deelindicator 1: Reizigerstellingen nmbs (2009) http://www.treintrambus.be/actueel/blog/1216-opstapcijfers.html Deelindicator 2 en 3: Reisrouteplanner NMBS (maart 2013) www.nmbs.be en www.railtime.be

18

2.2.4 2.2.4.1

Hoofdindicator 2: Voorzieningen Achtergrond

In het Ruimtelijk Structuurplan Vlaanderen werden nederzettingen geanalyseerd op basis van de aanwezige voorzieningen en op basis van het verzorgingsgebied dat door deze nederzettingen werd bediend. Dit is gebeurd op basis van een veelheid aan statistische gegevens. Het heeft als eindresultaat een wetenschappelijke en robuuste rangschikking van gemeenten naar hun mate van centraliteit of stedelijkheid, zoals gemeten aan de hand van het voorzieningenniveau. In de studie ‘Selectie van kleinstedelijke gebieden in Vlaanderen’ (Loopmans et al., 2011) wordt de oorspronkelijke methode geëvalueerd en geactualiseerd. Het is op basis van deze methode dat het voorzieningenniveau van elk van de 100 gemeenten in deze studie is bepaald. Christaller (1933) formuleert in zijn centrale plaatsentheorie dat de hiërarchie van steden samenhangt met de hiërarchie van voorzieningen: hoe zeldzamer de voorzieningen die men in een bepaalde stad aantreft, hoe hoger de stad wordt gerangschikt. Dit is typisch voor een kwalitatieve benadering, waarbij een bepaald kenmerk (vb. de aanwezigheid van een ziekenhuis van meer dan 500 bedden) een kenmerk van een lagere orde uitsluit. In een kwantitatieve benadering zou men met naar het geheel van ziekenhuizen (het aantal) kijken om de steden te rangschikken. Nadeel hiervan is dat dit echter een duidelijke relatie heeft met het bevolkingsaantal. De studie van Loopmans et al. (2011) die in voorliggend onderzoek wordt gebruikt, hanteert voor haar indicatoren een gemengd kwalitatieve/kwantitatieve benadering. Het totale voorzieningenniveau van elke stad of gemeente is dus gebaseerd op meerdere kwalitatieve en kwantitatieve indicatoren. Het is deze totaalindicator ‘voorzieningenniveau’ die hier wordt overgenomen en wordt benoemd als ‘indicator 2’. 2.2.4.2


Het voorzieningenniveau van een stad/gemeente is de mate waarin de gemeente een rol vervult op het vlak van aanwezige diensten en verzorgende functies, meer bepaald in de zorg, recreatie, diensten, overheidsfuncties, cultuur, onderwijs, detailhandel en vervoer. 2.2.4.3

Deelindicatoren

Deze indicator is opgebouwd uit 8 deelindicatoren en is gelijk aan de geactualiseerde indicator ‘gemengd kwalitatieve/kwantitatieve uitrustingsscore (op 8 functies)’ die bepaald werd voor 100 steden en gemeenten in de studie van Loopmans et al. (2011). Voor de 90 gemeenten die het hoogst in de rangschikking staan zijn ook de scores7 opgenomen voor elk van de acht deelfuncties. De oorspronkelijke waarden zijn te raadplegen in Tabel 7 in bijlage. Voor de methodologie wordt verwezen naar het oorspronkelijke rapport.

7

Scores in kolom ‘gemengd kwalitatief/kwantiatief 8 functies’ in Appendix B: Samenvattende tabel voor nieuwe versie van alle 308 gemeenten in Loopmans et al. (2011) - pp.154.

19

De indicator voorzieningen geeft weer in welke mate een stad of gemeente een rol vervult op het vlak van volgende acht deelindicatoren: de medische, maatschappelijke en sociale zorgfunctie sport, recreatie en horeca diensten met loketfunctie overheidsfuncties culturele functies onderwijs detailhandelsfunctie vervoersfunctie.

Herschaling: Antwerpen heeft met een uitrustingsscore van 78,14 de hoogste waarde. De uitrustingsscore van alle gemeenten wordt daarom gedeeld door 78,14 zodat alle waarden in de dataset worden herschaald naar waarden tussen 0 en 1. Voor Aalst krijgen we bijvoorbeeld een eerste herschaling: 18,28 / 78,14 = 0,2339. De som van deze waarden komt op 10,5 over al 100 gemeenten en wordt in een volgende stap nogmaals herverdeeld zodat deze som op 100 komt. 2.2.4.4


Opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen, werden de waarden van indicator 2 herverdeeld zodat de som van deze indicator 2 in de gehele dataset op 100 komt. Het is deze waarde die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1). Voor Aalst zorgt deze tweede herschaling voor een nieuwe waarde: 0,2339 / 10,3587 * 100 = 2.2584.

20

2.2.4.5


Op het kaartbeeld (Figuur 2 en Kaart 2 in bijlage) wordt elke gemeente voorgesteld door een bol. De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 2. De kaart toont dat de Brussel het hoogste voorzieningenniveau heeft. In Vlaanderen staat Antwerpen op kop, samen met Gent. Steden die hierop volgen zijn Leuven, Brugge, Hasselt, Kortrijk, Oostende, Mechelen, Aalst, Turnhout, Roeselare, Sint-Niklaas en Genk. De dertien hoogste posities worden m.a.w. ingevuld door de dertien centrumsteden. Waar Mechelen een hoge knooppuntwaarde heeft, scoort het eerder middelmatig qua voorzieningenniveau. Steden zoals Genk, Brugge, Oostende en Aalst scoorden iets minder qua knooppuntwaarde, maar herstellen nu hun positie op het vlak van voorzieningenniveau. Deze dertien centrumsteden worden gevolgd door Asse, Ieper, Geel, Diest, Dendermonde, Lier, Knokke-Heist, Halle en Tongeren. Daarnaast is er een groot aantal gemeenten dat zich een niveau lager bevindt. Hierbij valt op dat kleinere gemeenten die zich in de buurt van Brussel, Antwerpen of Gent bevinden over het algemeen een iets lager voorzieningenniveau hebben dan gelijkaardige steden buiten deze driehoek die verder verwijderd zijn van een grote centrumstad waarop ze beroep kunnen doen. Voor de exacte waarden van de indicator voor elke stad, verwijzen we naar Tabel 8 in bijlage.

Figuur 2: Indicator 2: voorzieningenniveau (SumResearch, 2013)

2.2.4.6

Bronnen

Deelindicator 1 t.e.m. 8 : Loopmans et al. (2011) Selectie van kleinstedelijke gebieden http://www.ruimtelijkeordening.be/NL/Beleid/Studies/articleType/ArticleView/articleId/8417

21

2.2.5 2.2.5.1

Hoofdindicator 3: Integratie in de economische structuur Achtergrond

Als maat voor integratie in de economische structuur wordt er in dit onderzoek gekozen om enerzijds te werken met de tewerkstelling in elke gemeente en anderzijds met de toegevoegde waarde die in elke stad of gemeente (bij benadering) wordt gegenereerd. De bruto toegevoegde waarde kan worden gebruikt als globale maatstaf voor de geproduceerde welvaart in een regio, ongeacht waar de productiefactoren vandaan komen (Provincie WestVlaanderen, Dienst Economie, 2011). De totale bruto toegevoegde waarde is het bedrag dat de productiefactoren aan de waarde van de verbruikte goederen en diensten toevoegen. Anders gezegd kan de bruto toegevoegde waarde ook beschouwd worden als de som van de vergoedingen voor de primaire productiefactoren die ingeschakeld zijn in het productieproces (lonen, wedden, kapitaalinkomen, winst enz.) en is een goede indicatie van de economische positie van een stad of regio. De regionale rekeningen die door de Nationale Bank van België worden opgemaakt, bevatten cijfers tot op het arrondissementeel niveau. Om de globale toegevoegde waarde per gemeente te reconstrueren werd de toegevoegde waarde per arrondissement verdeeld over de gemeenten a rato van hun aandeel in de loontrekkende tewerkstelling van het arrondissement. Door te grote verschillen tussen de dataverzameling van loontrekkende en zelfstandige tewerkstelling, werd ervoor geopteerd de analyse te beperken tot de loontrekkende tewerkstelling. Gegeven dat dienstensectoren in het algemeen en horeca en toerisme in het bijzonder gekenmerkt worden door een hogere graad aan zelfstandigen, kunnen de gerapporteerde resultaten enigszins vertekend zijn. Extra analyses geven echter aan dat deze vertekening minimaal is en de resultaten bijgevolg relatief robuust zijn (Provincie West-Vlaanderen, Dienst Economie, 2011). De verkregen toegevoegde waarde is een indicatief cijfer, dit omdat bij deze werkwijze uitgegaan wordt van een gelijke arbeidsproductiviteit in de verschillende gemeenten van hetzelfde arrondissement, terwijl dit in realiteit niet het geval is. De arbeidsproductiviteit is namelijk afhankelijk van de economische structuur: er zijn verschillen tussen de productiviteit van sectoren enerzijds én ondernemingen anderzijds. Desalniettemin geeft de totale bruto toegevoegde waarde een goede indicatie van de economische positie van een stad of regio. De totale tewerkstelling per gemeente is een maat voor het belang dat een gemeente heeft in de tewerkstelling in Vlaanderen. Het geeft aan hoeveel arbeidsplaatsen er momenteel gecreëerd zijn binnen elke gemeente. Dit betekent uiteraard niet dat er enkel inwoners van uit de gemeente zelf werken. De keuze voor beide deelindicatoren ‘tewerkstelling’ en ‘toegevoegde’ waarde kan vanuit voorgaande optiek verantwoord worden. 2.2.5.2


De integratie van een stad of gemeente in de economische structuur bestaat uit de mate waarin ze tewerkstelling binnen haar gemeente creëert én door de totale toegevoegde waarde die deze tewerkstelling creëert.

22

2.2.5.3

Deelindicatoren

Deze indicator wordt samengesteld uit de combinatie van twee deelindicatoren: tewerkstellingsdichtheid en toegevoegde waarde en is een maatstaf voor de mate waarin een stad of gemeente is geïntegreerd in de economische structuur. Deelindicator 1: Tewerkstelling De deelindicator ‘tewerkstelling’ in een gemeente is gelijk aan het totaal aantal tewerkgestelde personen (VTE) in een gemeente volgens de statistieken van de Rijksdienst voor Sociale Zekerheid (31 december 2010). Zelfstandigen en helpers worden niet meegerekend in de RSZ-statistieken. Deze indicator is reeds opgemaakt voor RuimteModel (2011) door Engelen et al. (2011) en voor MIRA door Uljee et al. (2011). Herschaling: Antwerpen heeft de grootste totale tewerkstelling uit de reeks, nl. 247.650 voltijds equivalenten. De totale tewerkstelling in elke gemeente wordt daarom gedeeld door 247.650 zodat deelindicator 1 herschaald wordt naar waarden tussen 0 en 1. Brugge heeft bijvoorbeeld 62.396 VTE en krijgt hierdoor een eerste herschaalde waarde van 62.396/247.650 = 0,2520. Deze waarde wordt nadien nogmaals herverdeeld zodat de totaalsom van deze deelindicator 1 over alle 100 gemeenten gelijk wordt aan 50 of 100 gedeeld door het aantal deelindicatoren (2). Deze herschaling is nodig opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen in de composietindicator. Brugge krijgt bvb. na deze tweede herschaling een waarde van 0,2520 / 6,5777 * 50 = 1,9152.

Deelindicator 2: Toegevoegde waarde De deelindicator ‘toegevoegde waarde’ is gelijk aan de gerealiseerde bruto toegevoegde waarde tegen basisprijzen8 in een gemeente. Deze waarde wordt door de Nationale Bank van België echter niet geaggregeerd op gemeentelijk niveau, maar enkel op arrondissementeel niveau. De bruto toegevoegde waarde wordt daarom binnen elk arrondissement verdeeld over de gemeenten volgens hun aandeel in de totale tewerkstelling van het arrondissement. Herschaling: Ook voor de toegevoegde waarde heeft Antwerpen de grootste waarde uit de reeks (23.149 miljoen euro). De toegevoegde waarde in elke gemeente wordt daarom gedeeld door dit getal zodat deelindicator 2 herschaald wordt naar waarden tussen 0 en 1. Voor Brugge geeft dit een waarde van 5.062 / 23.149 = 0,2187. Ook hier wordt deze waarde nadien herverdeeld zodat de totaalsom van deelindicator 2 gelijk wordt aan 50. Brugge krijgt bvb. een tweede herschaalde waarde van 0,2187 / 6,1219 * 50 = 1,7860.

8

De bruto toegevoegde waarde is de toegevoegde waarde inclusief de bedragen die opzij worden gezet voor vervangingsinvesteringen.

23

2.2.5.4


De som van de twee herschaalde deelindicatoren wordt per gemeente opgeteld. Deze waarden zijn in de bovenstaande stappen zodanig herverdeeld dat de totaalsom van hoofdindicator 3 van alle 100 gemeenten gelijk is aan 100 (Brussel wordt hier niet in meegerekend). Deze eindwaarde is samen met de oorspronkelijke input terug te vinden in de bijlage (Tabel 9). Brugge krijgt bijvoorbeeld de waarde 1,9152 + 1,7858 = 3,7011. Het is deze herverdeelde waarde van de hoofdindicator die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1). 2.2.5.5


Net zoals bij de vorige indicatoren wordt elke gemeente voorgesteld door een bol (Figuur 3 en Kaart 3 in bijlage). De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 3. Het kaartbeeld toont het grote belang van Brussel, gevolgd door Antwerpen en Gent op het vlak van economie. Ook Leuven, Brugge, Hasselt en Mechelen zijn van groot belang. Zaventem, Kortrijk, Genk, Sint-Niklaas, Roeselare, Aalst, Vilvoorde, Oostende, Turnhout, Machelen, Geel, Ieper, Halle en Waregem volgen hierop. Naast de dertien centrumsteden scoren ook Zaventem, Vilvoorde en Machelen hoog op indicator 3. Dit is niet geheel onlogisch, omwille van de luchthaven van Zaventem en de nabijheid van de hoofdstad. Het verschil tussen de reeds genoemde steden en gemeenten en de andere gemeenten in de rangschikking is vrij groot.

Figuur 3: Indicator 3: Integratie in de economische structuur(SumResearch, 2013)

2.2.5.6

Bronnen

Deelindicator 1: Bezoldigde tewerkstelling in Vlaamse gemeenten - RSZ, 31.12.2010 - NACE2. Deelindicator 2: Bruto toegevoegde waarde tegen basisprijzen, tegen lopende prijzen van de totale economie in absolute cijfers (miljoenen euro’s) - Nationale Bank van België, 2011. [http://www.nbb.be/belgostat/PublicatieSelectieLinker?LinkID=68000012%7C910000082&Lang=N]

24

2.2.6 2.2.6.1

Hoofdindicator 4: Internationale connectiviteit Achtergrond

Om na te gaan in welke mate de gemeenten in Vlaanderen internationaal verbonden zijn met de rest van de wereld, doen we beroep op het infrastructuurnetwerk van HST-lijnen en de verbinding via spoor naar de luchthaven van Zaventem. We focussen ons hier vooral op het personenvervoer en niet zozeer op vrachtvervoer (via bvb. zeehavens). Deze indicator is mee bepalend voor het opstellen van programma’s rond wonen, werken, .. binnen elke stedelijke regio. Zoals ook bij Indicator 1 (knooppuntwaarde) als is gezegd, is bereikbaarheid binnen een polycentrisch netwerk een belangrijke variabele. Het is één van de belangrijkste vestigingscriteria voor de meeste economische activiteiten (Lievois et al., 2011). De bereikbaarheid van locaties wordt gezien als een belangrijke factor voor de locatiekeuzes van (internationale) bedrijven en instellingen (Willigers et al., 2007). Voor veel investeringen in infrastructuur speelt het lokale of regionale effect op economische activiteiten een rol. Dit is met name het geval voor de aanleg van hogesnelheidslijnen. De bereikbaarheid per trein kan locatiekeuzes zowel beïnvloeden via de connectiviteit (dat is het voortransport naar een station en de level-of-service van dat station) als via de potentiële bereikbaarheid (het aantal zakenpartners dat bereikt kan worden) (Willigers et al., 2007). Hogesnelheidstreinen zijn via de connectiviteit met name van belang in het geval van internationale verbindingen (Willigers et al., 2007). Vandaar de keuze om als indicator voor internationale connectiviteit, de bereikbaarheid van deze HST-stations mee te nemen en dit in de vorm van reistijd vanuit elke gemeente naar één van deze HST-stations in België of net over de grens. HST-verbindingen worden steeds vaker de dominante transportmodus op bepaalde routes (Givoni, 2007). De HST-verbindingen kunnen conventioneel spoorverkeer het best vervangen wanneer er vraag is naar zowel een grotere capaciteit als kortere reistijden op die lijn. Binnen het netwerk neemt de luchthaven van Zaventem een belangrijke plaats in. Ze ligt in het midden van de FLAP-area, het gebied tussen de luchthavens van Frankfurt, Londen, Amsterdam en Parijs. Dit gebied omvat het grootste deel van het internationaal passagiersverkeer met Europa als bestemming en is daarom bijzonder belangrijk voor de economie in Vlaanderen. De tweede deelindicator bestaat dan ook uit de reistijd vanuit elke gemeente met de trein naar Zaventem te reizen, als indicatie voor deze connectiviteit. 2.2.6.2


Deze indicator geeft aan in welke mate een gemeente internationaal aangesloten is is op het HSTnetwerk en verbonden is met de internationale luchthaven van Zaventem. De 20 gemeenten zonder station op hun grondgebied, krijgen opnieuw een nulwaarde voor deze indicator. De reistijden die worden opgegeven worden opnieuw gemanipuleerd (net zoals bij hoofdindicator 1 het geval was). Om de verschillen te vergroten worden er tien minuten bijgeteld voor elke overstap en wordt deze nieuwe reistijd opgesplitst: De eerste dertig minuten in een reistraject worden behouden (x1). De volgende 15 minuten in een reistraject (minuut 31 t.e.m. minuut 45) worden met twee vermenigvuldigd. Elke minuut van een reistraject boven de 45 minuten wordt met drie vermenigvuldigd. De waarden in Tabel 9 in bijlage geven deze gemanipuleerde waarden weer.

25

2.2.6.3

Deelindicatoren

Deelindicator 1: Luchthaven Zaventem De deelindicator ‘Luchthaven Zaventem’ geeft de bereikbaarheid van de luchtaven van Zaventem weer vanuit elke gemeente en is gelijk aan de kortste reistijd (in minuten) via de trein vanuit elke gemeente om 8u ’s morgens op een weekdag (dinsdag 19 maart 2013) naar de luchthaven van Zaventem (station Brussel Nationale Luchthaven). Herschaling: Vanuit de gemeente Zaventem geraak je het snelst met de trein in Brussel Nationale Luchthaven (4 minuten). Dit is logisch, aangezien Zaventem ruimtelijk geografisch het dichtst bij de luchthaven ligt. Vanuit Poperinge doe je er dan weer het langste over (185 minuten). Poperinge krijgt na manipulatie een waarde van 375 minuten. De reistijden worden omgekeerd herschaald: Zaventem krijgt met de kortste reistijd de waarde 1. De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:


Poperinge zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar de luchthaven van Zaventem vanuit Poperinge het grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Poperinge en gemeenten zonder station (die sowieso waarde 0 krijgen) is ervoor gekozen om Poperinge de herschaalde waarde 95% van de tweede kleinste waarde (Ieper) in de tabel te geven (=0.95 *0,06469 = 0,065). Als voorbeeld nemen we Vilvoorde dat op 36 minuten reistijd ligt. De eerste herschaalde waarde wordt dan 1 –[(36-4)/(371] = 0,9137. Aangezien hoofdinciator 4 uit 2 deelindicatoren bestaat wordt deze herschaalde waarde zondig herverdeeld dat de som van deelindicato 1 over alle 100 gemeenten gelijk wordt aan 50 (=100/2). Vilvoorde krijgt dan bijvoorbeeld de waarde 0,9137/47,242*50 = 0,9671.

Deelindicator 2: HST-stations De deelindicator ‘HST-stations’ geeft de bereikbaarheid van HST-stations weer. Deze deelindicator is gelijk aan de kortste reistijd (in minuten) via de trein vanuit elke gemeente om 8u ’s morgens op een weekdag (dinsdag 19 maart 2013) naar één van de volgende vier HST-stations: AntwerpenCentraal, Brussel-Zuid, Luik-Guillemins of Rijsel (Lille-Europe). Herschaling: Aangezien Antwerpen-Centraal en Brussel-Zuid zelf HST-stations zijn, ligt hun station zogezegd op ‘0 minuten’ reistijd. Vanuit Veurne doe je er het langste over (103 minuten) om in een HST-station (Brussel-Zuid) te geraken. Na manipulatie krijgt Veurne een gemanipuleerde reistijd van 264 minuten en krijgt daarom ook de kleinste herschaalde waarde. De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:


Veurne zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar een HST-station het

26

grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Veurne en gemeenten zonder station (die sowieso waarde 0 krijgen) is ervoor gekozen om Veurne de herschaalde waarde 0,2375 te geven (= 95% van de tweede kleinste waarde 198 minuten van Diksmuide). Vervolgens wordt ook deze deelindicator zondig herverdeeld dat de som van over alle 100 gemeenten gelijk wordt aan 50 (=100/2). 2.2.6.4


De som van de twee herschaalde deelindicatoren wordt opgeteld zodat 1 hoofdindicator wordt bekomen per gemeente. Deze waarde is in een vorige stap zodanig herverdeeld dat de totaalsom van alle 100 gemeenten voor hoofdindicator 4 gelijk is aan 100. De eindwaarden worden weergegeven in Tabel 9 in bijlage. Het is deze herverdeelde waarde van de hoofdindicator 4 die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1). 2.2.6.5


Op het kaartbeeld (Figuur 4 en Kaart 4 in bijlage) wordt elke gemeente voorgesteld door een bol. De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 4. Het kaartbeeld geeft een weinig differentiërend beeld voor internationale connectiviteit. Enkel gemeenten die geografisch nabij de Internationale Luchthaven van Zaventem liggen of nabij een HSTstation worden relatief groter weergegeven. Zaventem is het best geconnecteerd, net zoals een groot aantal gemeenten in de buurt van Brussel. Niet verwonderlijk omwille van de keuze van de indicatoren. Volgend op Zaventem vinden we: Mechelen, Antwerpen, Leuven, Vilvoorde, Halle, Liedekerke, Denderleeuw, Sint-Katelijne Waver en Dilbeek. De centrumsteden Mechelen, Antwerpen en Leuven zijn m.a.w. internationaal het best geconnecteerd. Daarop volgen Aalst en Gent, maar ook Sint-Niklaas. Rond de 50ste plaats vinden we Kortrijk en Turnhout terug. Centrumsteden zoals Hasselt, Brugge, Roeselare, Oostende en Genk scoren relatief laag en vinden we in de onderste helft van de dataset terug. Gemeenten zonder station worden aangeduid, maar hebben geen proportioneel symbool gekregen omdat zij nulwaarde hebben op deze indicator. Figuur 4: Indicator 4: Internationale connectiviteit(SumResearch, 2013)

2.2.6.6

Bronnen

Deelindicator 1 en 2: Reisrouteplanner NMBS (maart 2013) www.nmbs.be en www.railtime.be

27

2.2.7

Hoofdindicator 5: Verstedelijkingsgraad

2.2.7.1

Achtergrond

Stad en platteland kunnen gezien worden als twee ideaalbeelden die in hun zuiverste vorm al lang niet meer bestaan in Vlaanderen (Lievois et al., 2011). Elementen van deze tegenpolen komen verspreid en gefragmenteerd voor in het Vlaamse landschap en leveren karakteristieke ruimtelijke patronen op. Als gevolg van verschillende verstedelijkingsgolven in Vlaanderen is een complexe ruimtelijke structuur ontstaan van onderling gekoppelde regio's. De traditionele grenzen tussen stadscentra en voorsteden, tussen stad en platteland, tussen bebouwde ruimte en open ruimte vervagen. Het resultaat is een hybride en onduidelijke ruimtelijke structuur, bestaande uit fragmenten met verschillende functies en dichtheden. Vertrekkende van dichtheden als potentiële maat voor de verstedelijking van een gebied werd gekozen voor de indicatoren ‘dichtheid bebouwing t.o.v. oppervlakte of aantal inwoners’ en ‘ de verstedelijkingsgraad’ - opgesteld voor het RuimeModel Vlaanderen (Engelen et al., 2011). Basisidee is dat grote economische, demografische, … veranderingen een drijvende kracht kunnen zijn achter het realiseren van nieuwe bebouwing (Lievois et al., 2011) en dat deze processen belangrijk zijn bij het bepalen van de stedenstructuur in Vlaanderen. Het RuimteModel Vlaanderen is een dynamisch landgebruiksmodel met een ruimtelijke resolutie van 1ha dat werd ontwikkeld om ruimtelijke planners en beleidsmakers te confronteren met de complexiteit van landgebruiksveranderingen en ze te ondersteunen om omgewenste gevolgen ervan te voorkomen (Engelen et al., 2011). Het model geeft inzicht in de landgebruiksveranderingen als gevolg van de zelf-organiserende, autonome dynamiek en de externe, sturende processen zoals de migratie, Europese regelgeving en macro-economische ontwikkelingen. Als voorspellend instrument voor scenario-analyse ondersteunt het RuimteModel het ontwerp van ruimtelijke beleidsmaatregelen evenals de a priori inschatting van de effectiviteit daarvan. In voorliggende studie werd eerst een test-indicator ontwikkeld op basis van twee deelactoren. Deelindicator 1: Woondichtheid 9

[de som van het aantal huishoudens in de statistische sectoren van het afgebakend (regionaal)stedelijk gebied of de woonkern waartoe de gemeente behoort] [de oppervlakte van deze ruimtelijke eenheid]

Deelindicator 2: Bebouwingspercentage [de som van de oppervlakte van de kadastrale bebouwing in de statistische sectoren Cabu uit Cadmap 2011 (regionaal)stedelijk gebied of de woonkern waartoe de gemeente behoort] ]de oppervlakte van deze woonkern / stedelijk gebied]

De combinatie van deze indicatoren gaf een ietwat vertekenend beeld. De indicator ‘bebouwingspercentage’ wordt immers ook bepaald door de vorm, grootte en afbakening van de statistische sectoren en van het stedelijk gebied of de woonkern van een gemeente. Op basis van

9

uit de Mercatordatabank of via gegevens van de Studiedienst van de Vlaamse Regering

28

deze indicator kregen gemeenten met een dichtbebouwde en vrij compacte kern zoals Oostende, Blankenberge, Schoten, Mortsel, Machelen, Vilvoorde, Grimbergen, Menen, Ronse, Hamme, Zele, … onverwacht een zeer hoge waarde in vergelijking met steden zoals Antwerpen en Gent. Omwille van dit vertekenend beeld wordt deze indicator niet weerhouden en vervangen door het ‘inwonersaantal’ als maat voor verstedelijking. 2.2.7.2


Deze indicator geeft aan in welke mate een gemeente verstedelijkt is en van tel is in de stedenstructuur in Vlaanderen op basis van haar inwonersaantal. De indicator bestaat uit 1 deelindicator. Herschaling: De gemeente Antwerpen heeft in totaal 474.775 inwoners en is de grootste gemeente van Vlaanderen. Het inwonersaantal van elk van de 100 gemeenten in de dataset wordt daarom gedeeld door 474.775 zodat indicator 5 herschaald wordt naar waarden tussen 0 en 1. Brussel krijgt met 1.048.491 inwoners een waarde groter dan 1, nl. 2,21 (= 1.048.491 / 474.775). Vervolgens worden deze waarden herverdeeld zodat de totaalsom voor alle 100 gemeenten gelijk wordt aan 100. 2.2.7.3


Opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen, werden de waarden van indicator 5 herverdeeld zodat de som van deze indicator 2 in de gehele dataset op 100 komt. Het is deze waarde die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1).

29

2.2.7.4


Op het kaartbeeld wordt elke gemeente voorgesteld door een bol. De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 5. Figuur 5 geeft ons een beeld van de gemeenten volgens inwonersaantal (zie ook Kaart 5 in bijlage). Op basis van het inwonersaantal kunnen we er van uitgaan dat Brussel het meest verstedelijk is, gevolgd door Antwerpen, Gent, Brugge, Leuven, Mechelen, Kortrijk, Oostende, Aalst, Sint-Niklaas, Genk, Hasselt en Roeselare. Het gaat hier om 12 van de centrumsteden. Nadien volgen Dendermonde, Beveren, Turnhout en Vilvoorde.

Figuur 5: Indicator 5: Verstedelijking (SumResearch, 2013)

2.2.7.5

Bronnen

ADSEI, Bevolkingsaantal op 1 januari 2010 (via Studiedienst Vlaamse Regering)

30

2.2.8 2.2.8.1

Composietkaart Achtergrond

Nu er voor elk van de vijf hoofdindicatoren een beeld is verkregen wordt in de volgende stap een kaart gemaakt van alle indicatoren samen. Hiervoor wordt een composietwaarde berekend. Dergelijke composietkaart geeft een totaalbeeld van alle indicatorwaarden samen en is dus een indicatie van de totale stedenstructuur in Vlaanderen. De composietwaarde voor elke gemeente is gelijk aan de som van de herverdeelde waarden van elke hoofdindicator. De som van de composietwaarden over alle gemeenten is gelijk aan 500 en elke indicator neemt hierin een gelijk aandeel in (100). De waarden voor deze composiet zijn terug te vinden in Tabel 11 in de bijlage. 2.2.8.2


De composiet bestaat uit de som van de herschaalde indicatorwaarden voor de vijf hoofdindicatoren en geeft een samenvattend beeld van de stedenstructuur in Vlaanderen. De opgenomen indicatoren zijn: Knooppuntwaarde, Voorzieningen, Economische integratie, Internationale connectiviteit en Verstedelijkingsgraad. 2.2.8.3


De grootte van de symbolen zoals voorgesteld op Figuur 6 (of Kaart 6 in bijlage) komt proportioneel overseen met de waarde voor de composietindicator. Het kaartbeeld toont dat Brussel, Antwerpen en Gent de hoogste waarde hebben. In aflopende volgorde voor de indicator zien we volgende steden op de kaart: Leuven, Brugge, Mechelen, Hasselt, Kortrijk, Aalst, Sint-Niklaas, Oostende, Zaventem, Vilvoorde, Roeselare, Halle, Genk en Turnhout. De dertien centrumsteden staan dus in de top 16. Zaventem, Vilvoorde en Halle behoren niet tot de centrumsteden, maar nemen wel een belangrijke positie in. Ook Lier, Dendermonde, Asse en Lokeren behoren tot de top 20. Figuur 6: Composietindicator 1(SumResearch, 2013)

31

2.3 DEEL 3: Typologie van de steden In het derde deel van het onderzoeksrapport vertrekken we van de resultaten uit § 2.2. De vijf hoofdinciatoren vormen de basis voor de opmaak van een stedentypologie. Om van de vijf indicatoren, één composietindicator te maken zullen een aantal mogelijkheden worden onderzocht. Een eerste composiet is reeds gemaakt (§2.2) door simpelweg de som te nemen van de herschaalde indicatorwaarden. Op die manier kregen we een indicatief beeld van de totale stedenstructuur in Vlaanderen. Door de waarden van de vijf deelindicatoren op een andere manier te combineren, is het mogelijk om een aantal klemtonen te leggen. Zo zullen we meer inzicht krijgen in de stedenstructuur. De vijf hoofdindicatoren worden een eerste keer gecombineerd zodat ‘stedelijke regio’s meer uitgesproken naar voor komen. Een tweede maal worden ze zodanig gecombineerd opdat ‘openbaar vervoersknooppunten’ sterker worden benadrukt. Een laatste keer wordt het ‘verzorgingsniveau’ van een stad benadrukt. Om een afgelijnde typologie te bekomen zullen vervolgens grenswaarden moeten worden bepaald, zodat elke gemeente kan worden ‘toegewezen’ aan een bepaalde klasse binnen elk van de drie composieten. Hiervoor doen we beroep op statistische dataklassificatie. Door het toewijzen van gemeenten tot een bepaalde klasse zullen we uiteindelijk tot een stedentypologie voor heel Vlaanderen komen. 2.3.1

Drie manieren om de hoofdindicatoren te combineren

We gaan uit van drie manieren om dezelfde indicatorwaarden te combineren. Op die manier leggen we telkens de nadruk op een ander aspect: Composiet 1: Totaalbeeld stedelijkheid Composiet 2: Openbaar vervoer Composiet 3: Verzorgingsniveau

32

2.3.1.1

Composiet 1: Stedelijkheid

Gemeenten worden gerangschikt en ingedeeld op basis van de waarde voor de composietindicator, waarin alle vijf de indicatoren als evenwaardig worden beschouwd. De gemeenten die hier hoog op scoren, kunnen we beschouwen als stedelijke regio’s. Onderstaande tabel geeft de waarden van deze composietindicator voor de 101 gemeenten en hun positie ten opzichte van elkaar. Tabel 2: Composiet 1: Detecteren van stedelijke regio’s nr

gemeente

composiet 1

0

Brus s el

84,391

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwerpen Ge nt Leuven Brugge Mechel en Ha s s el t Kortri jk Aa l s t Si nt-Ni kl a a s Oos tende Za ve ntem Vi l voorde Roes el a re Ha l l e Ge nk Turnhout Li er De ndermonde As s e Loke ren Beveren Ti enen Ge el He renta l s Wa regem Oudena a rde De nderl eeuw Si nt-Trui de n Aa rs chot Morts el Ge ra a rds bergen Di es t Merel beke Wetteren De i nze He i s t-op-den-Berg Zottegem Di l be ek Iepe r Ni nove Konti ch Tongeren Mol Wi l l e broe k Puurs Menen Li ede kerke Knokke-Hei s t Si nt-Ka tel i jne-Wa ver Tems e

45,814 29,275 18,051 13,761 13,508 11,381 11,141 9,317 9,036 8,206 7,835 7,509 7,066 7,047 6,789 6,722 6,696 6,622 5,946 5,662 5,564 5,397 5,342 5,312 5,286 5,202 5,081 4,992 4,933 4,868 4,859 4,816 4,706 4,553 4,535 4,518 4,518 4,499 4,479 4,322 4,267 4,192 4,133 3,983 3,905 3,860 3,852 3,842 3,842 3,827

nr

gemeente

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Di epenbeek Boom Ize gem Ha re l beke Ti el t La nden Bornem Wevel gem Bi l zen Ha a cht Terna t Ka pel l en De Pi nte Beri ngen Erpe-Mere Lede Aa l ter Zel e Lommel Torhout Eekl o Rons e Es s en Li chterve l de Overpel t Bl a nkenberge Ma a s mechel en Bra s s cha a t Veurne Di ks mui de Neerpel t Gri mbergen Poperi nge Ma che l en Heus den-Zol der Houtha l en-Hel chtere n Ma a s ei k Edegem La na ken Wes terl o Si nt-Pi ete rs -Leeuw Koks i jde Ha mme Overi js e Schote n Ma l l e Bree Mi ddel kerke Zel za te Bonhei de n

composiet 1

3,785 3,771 3,749 3,745 3,653 3,651 3,637 3,624 3,567 3,558 3,518 3,451 3,435 3,403 3,381 3,353 3,324 3,308 3,255 3,127 3,124 2,896 2,665 2,537 2,534 2,493 2,378 2,298 2,240 2,167 2,077 2,019 1,977 1,946 1,867 1,843 1,710 1,586 1,519 1,519 1,506 1,492 1,248 1,229 1,212 1,173 1,070 0,973 0,862 0,675

33

2.3.1.2

Composiet 2: Openbaar vervoer

Gemeenten worden gerangschikt en ingedeeld op basis van de vijf indicatoren, waarin de indicator knooppuntswaarde een relatief groter gewicht krijgt. Er wordt dus een nieuwe composietwaarde berekend die bestaat uit: 60% hoofdindicator 1(knooppuntwaarde) 10% hoofdindicator 2(voorzieningen) 10% hoofdindicator 3 (integratie in economische structuur) 10% hoofdindicator 4 (internationale connectiviteit) 10% hoofdindicator 5 (inwoners) Steden of gemeenten die hier hoog op scoren en die niet als stedelijke regio functioneren, kunnen worden beschouwd als openbaar vervoersknooppunten. Tabel 3 geeft de waarde voor deze nieuwe composietindicator 2. Tabel 3: Composiet 2: Detecteren van openbaar vervoersknooppunten nr

gemeente

0

Brus s e l

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwerpe n Ge nt Leuve n Me chel en Brugge Ha s s el t Kortri jk Ha l l e Si nt-Ni kl a a s Vi l voorde De nderl ee uw Aa l s t Li er De ndermonde Za ve nte m Ge ra a rds be rge n Loke ren Me rel be ke Aa rs chot Wette re n Oude na a rde Oos tende Zottege m He renta l s Morts el Roe s el a re Ti e ne n As s e De Pi nte De i nze Bevere n Wa re ge m Li edeke rke La nde n Di e s t Puurs Turnhout Ge el Konti ch Di l bee k He i s t-op-den-Berg Erpe-Me re Ha a cht Ni nove Si nt-Trui de n Ge nk Aa l te r Si nt-Ka tel i jne -Wa ver Ha rel be ke Lede

composiet 2

nr

gemeente

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Izege m Li chte rve l de Wi l l e broek Te rna t Ka pe l l e n Di e pe nbe ek Te ms e Ze l e Tonge re n Mol Borne m Me ne n Weve l gem Torhout Bi l ze n Ti e l t Boom Ie pe r Knokke-He i s t Es s e n Ee kl o Beri nge n Rons e Lommel Bl a nke nberge Di ks mui de Overpe l t Veurne Pope ri nge Ne erpe l t Ma a s meche l e n Bra s s cha a t Gri mbe rgen Ma che l en He us de n-Zol der Houtha l en-He l chte ren Ma a s ei k Edege m La na ken Wes te rl o Si nt-Pi e ters -Le euw Koks i jde Ha mme Overi js e Schote n Ma l l e Bree Mi dde l ke rke Ze l za te Bonhe i den

composiet 2

11,456 6,239 4,691 3,331 3,248 2,185 2,179 2,148 1,869 1,795 1,774 1,760 1,727 1,637 1,508 1,495 1,443 1,436 1,401 1,304 1,293 1,255 1,230 1,220 1,177 1,167 1,163 1,160 1,135 1,131 1,125 1,116 1,111 1,094 1,073 1,050 1,022 1,014 0,994 0,968 0,957 0,952 0,946 0,923 0,916 0,907 0,901 0,897 0,890 0,878 0,870

0,861 0,861 0,859 0,859 0,845 0,833 0,825 0,819 0,816 0,811 0,803 0,800 0,797 0,797 0,788 0,776 0,760 0,745 0,714 0,693 0,651 0,611 0,592 0,572 0,538 0,529 0,469 0,451 0,417 0,392 0,238 0,230 0,202 0,195 0,187 0,184 0,171 0,159 0,152 0,152 0,151 0,149 0,125 0,123 0,121 0,117 0,107 0,097 0,086 0,067

34

2.3.1.3

Composiet 3: Verzorgingsniveau

In de derde manier worden de steden gerangschikt en ingedeeld op basis van de drie van de vijf indicatoren, waarin de indicator voorzieningenniveau het grootste gewicht krijgt. Er wordt dus een nieuwe waarde berekend die bestaat uit: 0% hoofdindicator 1 (knooppuntwaarde) 60% hoofdindicator 2 (voorzieningen) 20% hoofdindicator 3 (integratie in economische structuur) 0% hoofdindicator 4 (internationale connectiviteit) 20% hoofdindicator 5 (inwoners) Steden of gemeenten die hier hoog op scoren én die niet kunnen worden aangeduid als ‘stedelijke regio’ of ‘openbaar vervoersknooppunt’ kunnen worden beschouwd als verzorgende stad. Tabel 4: Composiet 3: Detecteren van verzorgende steden nr

gemeente

composiet 3

0

Brus s e l

20,228

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwerpe n Gent Le uve n Brugge Ha s s el t Kortri jk Mechel e n Oos tende Aa l s t Si nt-Ni kl a a s Roes el a re Genk Turnhout I epe r Za ve nte m As s e Dendermonde Gee l Li e r Vi l voorde Ha l l e Knokke -He i s t Di es t Wa re ge m Oude na a rde Si nt-Trui de n Tonge re n Ti ene n Here nta l s Loke ren Be ve re n Ma a s me chel e n Bra s s cha a t Di epe nbe e k Mol Ni nove Eekl o Hei s t-op-de n-Be rg Mene n Be ri nge n Ti el t Dei nze Aa rs chot Ma a s e i k Lomme l I ze ge m Gera a rds be rge n Gri mbergen Morts el Zotte ge m

11,997 7,967 5,028 3,836 3,048 2,805 2,697 2,484 2,133 1,935 1,851 1,765 1,754 1,311 1,270 1,266 1,148 1,129 1,090 1,066 1,050 1,020 0,978 0,916 0,903 0,895 0,869 0,842 0,833 0,826 0,822 0,793 0,753 0,742 0,735 0,691 0,688 0,685 0,679 0,673 0,670 0,653 0,650 0,646 0,639 0,633 0,611 0,610 0,571 0,567

nr

gemeente

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

We tte ren Torhout Houtha l e n-He l chte re n He us den-Zol der Boom Ve urne Rons e Di l be e k Bl a nke nberge Koks i jde Ede ge m Bi l zen Ove rpe l t Te ms e Ma che l e n We ve l ge m La na ke n Ha re l beke Me re l beke Borne m Poperi nge We s te rl o Si nt-Pi ete rs -Le euw Ove ri js e Wi l l e broe k Konti ch Schote n Si nt-Ka te l i jne -Wa ve r Bre e Di ks mui de Ha mme Ma l l e Ne e rpel t Puurs Mi dde l ke rke Aa l ter Ka pel l en Ze l za te Ze l e Bonhe i de n Ha a cht Te rna t De nde rl e e uw La nde n Lede Li e de ke rke Es s en Erpe -Me re Li chte rvel de De Pi nte

composiet 3

0,560 0,556 0,556 0,553 0,551 0,550 0,548 0,532 0,528 0,514 0,501 0,499 0,490 0,486 0,485 0,480 0,478 0,469 0,468 0,458 0,437 0,432 0,431 0,424 0,422 0,421 0,398 0,394 0,390 0,376 0,375 0,364 0,338 0,335 0,329 0,325 0,317 0,315 0,304 0,279 0,258 0,251 0,236 0,232 0,232 0,228 0,201 0,194 0,159 0,117

35

2.3.2

Indeling in klassen

In deze nieuwe waardenreeksen zullen een aantal breakpoints worden aangeduid om de overgang te bepalen tussen de verschillende categorieën van steden en gemeenten. We gaan m.a.w. op zoek naar een aantal betekenisvolle klassen binnen elk van onze drie composieten. Statistisch gezien kunnen datasets zoals op verschillende methoden worden ingedeeld in klassen. De meest gangbare zijn: gelijke intervallen kwantielen standaardafwijking natural breaks : Jenks-methode 2.3.2.1

Gelijke intervallen

Bij deze methode wordt de dataset verdeeld in een opgegeven aantal klassen met gelijke klassebreedte. De data worden ‘uitgesmeerd’ tussen de minimale en maximale waarde. Deze verdeling kan gebruikt worden bij een gelijke verdeling van de data om de verschillen te duiden. In onze datasets is deze methode echter niet wenselijk omdat er een grote skewness of scheefheid in de data zit. 2.3.2.2

Kwantielen

De dataset wordt verdeeld over een opgegeven aantal klassen waarbij elke klasse evenveel items bevat. Deze indeling is in ons geval niet wenselijk omdat ze geen patronen weergeeft, maar de data gewoon gelijk verdeelt. 2.3.2.3

Standaardafwijking

De klassen worden opgebouwd rond het gemiddelde. De klassengrenzen liggen op 1 keer; 0,5 keer of 0,25 keer de standaardafwijking. Deze classificatiemethode is enkel te gebruiken bij verdelingen die normaalverdeeld zijn wat hier niet het geval is. 2.3.2.4

Natural breaks – Methode van Jenks

De methode van Jenks verdeelt een dataset op basis van een statistisch algoritme. Dit algoritme zorgt er voor dat de binnen de klassen de variatie in de data minimaal is en dat de klassen onderling maximaal verschillen. In het ideale geval vallen klassegrenzen samen met de dalen in de grafiek die de verdeling van de meetwaarden weergeeft. Deze methode is geschikt voor data met een ongelijke verdeling en zal daarom gehanteerd worden. De methode zelf zal worden uitgevoerd in ArcMap 10.1 in een GIS-omgeving.

36

2.3.3

Natural breaks – methode in detail

De Jenks-optimalisatie methode wordt ook de ‘natural breaks classification’ methode genoemd. Het is een classificatie die waarden van een scheve verdeling in klassen indeelt10. Het algoritme tracht bínnen elke klasse de standaardafwijking t.o.v. het klassegemiddelde te minimaliseren. Tegelijkertijd wordt de standaardafwijking van elke klasse t.o.v. het gemiddelde van de andere klassen gemaximaliseerd. De methode zoekt met andere woorden een manier om de variantie binnen een klasse te minimaliseren, en om de variantie tussen klassen te maximaliseren. De methode verloopt volgens een iteratief proces: Berekeningen moeten worden herhaald, telkens met verschillende klassegrenzen. Het algoritme bestaat uit vier stappen: Bereken tussenvariantie = de variantie van de gemiddeldes van de x klassen rondom het algemeen gemiddelde (TV) Bereken de binnenvariantie voor elke klasse = het gewogen gemiddelde van de variantie binnen iedere klasse (BV) Trek beide waarden van elkaar af: (BV)-(TV). Dit is gelijk aan de som van de varianties van de klassegemiddelden. Op basis van de binnenvariantie van elke klasse, wordt een beslissing genomen om één waarde uit de klasse met de grootste binnenvariantie te verschuiven naar de klasse met de kleinste binnenvariantie. Op dat moment zijn er nieuwe standaardafwijkingen per klasse en worden de bovenstaande berekeningen herhaald, net zolang als de som van de binnenklassevarianties een minimum bereikt. 2.3.4

Toepassing Jenks voor stedentypologie

Er bestaat geen exacte regel om het aantal klassen te bepalen in een dataset. Onderzoekers zijn relatief ‘vrij’ om die intervallen te bepalen, op voorwaarde dat ze een betekenisvolle en nuttige indeling weergeven. Walpole et al. (2012) geven in hun handboek “Probability and Statistics for Engineers and Scientists” aan dat het aantal klassen bij benadering gelijk moet zijn aan de vierkantswortel van het aantal observaties. Voor onze 100 steden betekent dit dus dat een tiental klassen of types van steden een begrijpbaar eindresultaat zal geven. Om tot deze indeling te komen, verdelen we elk van de drie composieten eerst in 2, 3, 4 en 5 klassen, zodat we die nadien kunnen combineren om uiteindelijk een tiental klassen te bekomen. Deze indeling gebeurt automatisch door de software van ArcMap 10.1® (Esri). In bijlage zitten voor de drie composieten de exacte lijsten met aanduiding van elke gemeente tot welke klasse ze behoren (Tabel 11, 12 en 13).

10

Jenks, George F. 1967. "The Data Model Concept in Statistical Mapping", International Yearbook of Cartography 7: 186– 190

37

0 Antwerpen Gent Leuven Brug ge Mechelen Hasselt Kortrijk Aalst Sint-Niklaas Oostende Zaventem Vilvoorde Roeselare Halle Genk Turnhout Lier Dendermonde Asse Lokeren Beveren Tienen Geel Herentals Waregem Oudenaarde Denderleeuw Sint-Truiden Aarschot Mortsel Geraardsbergen Diest Merelbeke Wetteren Deinze Heist-op-den-Berg Zotteg em Dilbeek Ieper Ninove Kontich Tongeren Mol Willebroek Puurs Menen Liedek erke Knok ke-Heist Sint-Katelijne-Waver Temse Diepenbeek Boom Izegem Harelbeke Tielt Landen Bornem Wevelgem Bilzen Haacht Ternat Kapellen De Pinte Beringen Erpe-Mere Lede Aalter Zele Lommel Torhout Eeklo Ronse Essen Lichtervelde Overpelt Blankenberge Maasmechelen Brasschaat Veurne Diksmuide Neerpelt Grimbergen Poperinge Machelen Heusden-Zolder Houthalen-Helchteren Maaseik Edegem Lanaken Westerlo Sint-Pieters-Leeuw Koksijde Hamme Overijse Schoten Malle Bree Middelkerke Zelzate Bonheiden

2.3.4.1 Composiet 1: Stedelijkheid

Onderstaande grafiek geeft de dataverdeling voor de eerste composiet. Deze composiet zal worden gebruikt om de stedelijke regio’s te bepalen.

Figuur 7: Data-verdeling composiet 1

50

Composiet 1

45

40

35

30

25

20

15

10

5

Bovenstaande verdeling voor composietindicator 1 wordt volgens de methode van Jenks in klassen opgedeeld. De resultaten worden hieronder weergegeven.

Indeling in 2 klassen

[45.813516 - 18.051024] Antwerpen, Gent [18.051023 - 0.674733] alle overige gemeenten

38

Indeling in 3 klassen [45.813516 - 18.051024] Antwerpen, Gent [18.051023 - 5.946182] Leuven, Brugge, Mechelen, Hasselt, Kortrijk, Aalst, Sint-Niklaas, Oostende, Zaventem, Vilvoorde, Roeselare, Halle, Genk, Turnhout, Lier, Dendermonde [5.946181 - 0.674733] alle overige gemeenten Indeling in 4 klassen [45.813516 - 18.051024] Antwerpen, Gent [18.051023 - 9.316756] Leuven, Brugge, Mechelen, Hasselt, Kortrijk [9.316755 - 4.266978] Aalst, Sint-Niklaas, Oostende, Zaventem, Vilvoorde, Roeselare, Halle, Genk, Turnhout, Lier, Dendermonde, Asse, Lokeren, Beveren, Tienen, Geel, Herentals, Waregem, Oudenaarde, Denderleeuw, Sint-Truiden, Aarschot, Mortsel, Geraardsbergen, Diest, Merelbeke, Wetteren, Deinze, Heist-op-den-Berg, Zottegem, Dilbeek, Ieper, Ninove [4.266977 - 0.674733]] alle overige gemeenten Indeling in 5 klassen [45.813516 - 18.051024] Antwerpen, Gent [18.051023 - 9.316756] Leuven, Brugge, Mechelen, Hasselt, Kortrijk [9.316755 - 5.661811] Aalst, Sint-Niklaas, Oostende, Zaventem, Vilvoorde, Roeselare, Halle, Genk, Turnhout, Lier, Dendermonde, Asse [5.661810 - 2.895653] Lokeren, Beveren, Tienen, Geel, Herentals, Waregem, Oudenaarde, Denderleeuw, SintTruiden, Aarschot, Mortsel, Geraardsbergen, Diest, Merelbeke, Wetteren, Deinze, Heist-opden-Berg, Zottegem, Dilbeek, Ieper, Ninove, Konticht, Tongeren, Mol, Willebroek, Puurs, Menen, Liedekerke, Knokke-Heist, Sint-Katelijne-Waver, Temse, Diepenbeek, Boom, Izegem, Harelbeke, Tielt, Landen, Bornem, Wevelgem, Bilzen, Haacht, Ternat, Kapellen, De Pinte, Beringen, Erpe-Mere, Lede, Aalter, Zele, Lommel, Torhout, Eeklo [2.895652 - 0.674733] 39

0 Ant werpen Gent Leuven Mechelen Brugge Hasselt Kort rijk Halle Sint-Niklaas Vilvoorde Denderleeuw Aalst Lier Dendermonde Zaventem Geraardsbergen Lokeren Merelbeke Aarschot Wetteren Oudenaa rde Oostende Zotteg em Herentals Mortsel Roeselare Tienen Asse De Pinte Deinze Beveren Waregem Liedek erke Landen Diest Puurs Turnhout Geel Kontich Dilbeek Heist-op-den-Berg Erpe-Mere Haacht Ninove Sint-Truiden Genk Aalter Sint-Katelijne-Waver Harelbeke Lede Izegem Lichtervelde Willebroek Terna t Ka pellen Diepenbeek Temse Zele Tongeren Mol Bornem Menen Wevelgem Torhout Bilzen Tielt Boom Ieper Knok ke-Heist Essen Eeklo Beringen Ronse Lommel Blankenberge Diksmuide Overpelt Veurne Poperinge Neerpelt Maasmechelen Brasschaat Grimbergen Machelen Heusden-Zolder Houthalen-Helchteren Maaseik Edegem Lana ken Westerlo Sint-Pieters-Leeuw Koksijde Hamme Overijse Schoten Malle Bree Middelkerke Zelzate Bonheiden

alle overige gemeenten

2.3.4.2 Composiet 2: Openbaar vervoer

Onderstaande grafiek geeft de dataverdeling voor de tweede composiet. Deze composiet zal worden gebruikt om de openbaar vervoersknooppunten te bepalen.


7

OV-knooppunten

6

5

4

3

2

1

Bovenstaande verdeling voor composietindicator 2 wordt volgens de methode van Jenks als volgt in klassen opgedeeld. De resultaten worden hieronder weergegeven.


[6.238891 – 2.185411] Antwerpen, Gent, Leuven, Mechelen [2.185410 – 0.067473] alle overige gemeenten

40

Indeling in 3 klassen [6.238891 – 2.185411] Antwerpen, Gent, Leuven, Mechelen [2.185410 – 0.713683] Brugge, Hasselt, Kortrijk, Halle, Sint-Niklaas, Vilvoorde, Denderleeuw, Aalst, Lier, Dendermonde, Zaventem, Geraardsbergen, Lokeren, Merelbeke, Aarschot, Wetteren, Oudenaarde, Oostende, Zottegem, Herentals, Mortsel, Roeselare, Tienen, Asse, De Pinte, Deinze, Beveren, Waregem, Liedekerke, Landen, Diest, Puurs, Turnhout, Geel, Kontich, Dilbeek, Heist-op-den-Berg, Erpe-Mere, Haacht, Ninove, Sint-Truiden, Genk, Aalter, Sint-Katelijne-Waver, Harelbeke, Lede, Izegem, Lichtervelde, Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele, Tongeren, Mol, Bornem, Menen, Wevelgem, Torhout, Bilzen, Tielt, Boom [0.713682 – 0.067473] alle overige gemeenten Indeling in 4 klassen [6.238891 – 2.185411] Antwerpen, Gent, Leuven, Mechelen [2.185410 – 1.304327] Brugge, Hasselt, Kortrijk, Halle, Sint-Niklaas, Vilvoorde, Denderleeuw, Aalst, Lier, Dendermonde, Zaventem, Geraardsbergen, Lokeren, Merelbeke, [1.304326 – 0.591695] Aarschot, Wetteren, Oudenaarde, Oostende, Zottegem, Herentals, Mortsel, Roeselare, Tienen, Asse, De Pinte, Deinze, Beveren, Waregem, Liedekerke, Landen, Diest, Puurs, Turnhout, Geel, Kontich, Dilbeek, Heist-op-den-Berg, Erpe-Mere, Haacht, Ninove, SintTruiden, Genk, Aalster, Sint-Katelijne-Waver, Harelbeke, Lede, Izegem, Lichtervelde, Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele, Tongeren, Mol, Bornem, Menen, Wevelgem, Torhout, Bilzen, Tielt, Boom, Ieper Knokke-Heist, Essen, Eeklo, Beringen, [0.591694 – 0.067473] alle overige gemeenten

41

Indeling in 5 klassen [6.238891 – 3.330524] Antwerpen, Gent [3.330523 – 1.868827] Leuven, Mechelen, Brugge, Hasselt, Kortrijk [1.868826 – 1.093950] Halle, Sint-Niklaas, Vilvoorde, Denderleeuw, Aalst, Lier, Dendermonde, Zaventem, Geraardsbergen, Lokeren, Merelbeke, Aarschot, Wetteren, Oudenaarde, Oostende, Zottegem, Herentals, Mortsel, Roeselare, Tienen, Asse, De Pinte, Deinze, Beveren, Waregem, [1.093949 – 0.468921] Liedekerke, Landen, Diest, Puurs, Turnhout, Geel, Kontich, Dilbeek, Heist-op-den-Berg, Erpe-Mere, Haacht, Ninove, Sint-Truiden, Genk, Aalster, Sint-Katelijne-Waver, Harelbeke, Lede, Izegem, Lichtervelde, Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele, Tongeren, Mol, Bornem, Menen, Wevelgem, Torhout, Bilzen, Tielt, Boom, Ieper KnokkeHeist, Essen, Eeklo, Beringen, Ronse, Lommel, Blankenberge, Diksmuide [0.468920 – 0.067473] alle overige gemeenten

42

0 Antwerpen Gent Leuven Brug ge Hasselt Kortrijk Mechelen Oostende Aalst Sint-Niklaas Roeselare Genk Turnhout Ieper Zaventem Asse Dendermonde Geel Lier Vilvoorde Halle Knok ke-Heist Diest Waregem Oudenaarde Sint-Truiden Tongeren Tienen Herentals Lokeren Beveren Maasmechelen Brasschaat Diepenbeek Mol Ninove Eeklo Heist-op-den-Berg Menen Beringen Tielt Deinze Aarschot Maaseik Lommel Izegem Geraardsbergen Grimbergen Mortsel Zotteg em Wetteren Torhout Houthalen-Helchteren Heusden-Zolder Boom Veurne Ronse Dilbeek Blankenberge Koksijde Edegem Bilzen Overpelt Temse Machelen Wevelgem Lanaken Harelbeke Merelbeke Bornem Poperinge Westerlo Sint-Pieters-Leeuw Overijse Willebroek Kontich Schoten Sint-Katelijne-Waver Bree Diksmuide Hamme Malle Neerpelt Puurs Middelkerke Aalter Kapellen Zelzate Zele Bonheiden Haacht Ternat Denderleeuw Landen Lede Liedek erke Essen Erpe-Mere Lichtervelde De Pinte

2.3.4.3 Composiet 3: Verzorgingsniveau

Onderstaande grafiek geeft de dataverdeling voor de derde composiet. Deze composiet zal worden gebruikt om de verzorgende steden te bepalen.


14

Verzorgende steden

12

10

8

6

4

2

Bovenstaande verdeling voor composietindicator 3 wordt volgens de methode van Jenks als volgt in klassen opgedeeld. De resultaten worden hieronder weergegeven.


[11.997441 – 3.835990] Antwerpen, Gent, Leuven [3.835989 – 0.116988] alle overige gemeenten

43

Indeling in 3 klassen [11.997441 – 5.028196] Antwerpen, Gent [5.028195 – 1.310731] Leuven, Brugge, Hasselt, Kortrijk, Mechelen, Oostende, Aalst, Sint-Niklaas, Roeselare, Genk, Turnhout [1.310730 – 0.116988] alle overige gemeenten Indeling in 4 klassen [11.997441 – 5.028196] Antwerpen, Gent [5.028195 – 2.133497] Leuven, Brugge, Hasselt, Kortrijk, Mechelen, Oostende [2.133496 – 0.915712] Aalst, Sint-Niklaas, Roeselare, Genk, Turnhout, Ieper, Zaventem, Asse, Dendermonde, Geel, Lier, Vilvoorde, Halle, Knokke-Heist, Diest [0.915711 - 0.116988] alle overige gemeenten Indeling in 5 klassen [11.997441 – 5.028196] Antwerpen, Gent [5.028195 – 3.048043] Leuven, Brugge [3.048042 – 1.310731] Hasselt, Kortrijk, Mechelen, Oostende, Aalst, Sint-Niklaas, Roeselare, Genk, Turnhout [1.310730 – 0.691047] Ieper, Zaventem, Asse, Dendermonde, Geel, Lier, Vilvoorde, Halle, Knokke-Heist, Diest, Waregem, Oudenaarde, Sint-Truiden, Tongeren, Tienen, Herentals, Lokeren, Beveren, Maasmechelen, Brasschaat, Diepenbeek, Mol [0.691046 – 0.116988] alle overige gemeenten

44

2.3.5

Interpretatie en opbouwen typologie

In een volgende stap worden de klassen die bepaald zijn voor elk van de drie composieten (zie §2.3.4) voorgesteld op kaart. In totaal gaat het om 15 kaarten (5 kaarten per composiet; en er zijn 3 composieten). Deze kaarten leren ons dat de visuele differentiatie het sterkst naar voren komt wanneer elke composiet wordt ingedeeld in vijf klassen. Enkel de kaarten met een indeling in vijf klassen worden hieronder voorgesteld. De kaarten zitten ook in bijlage in een groter formaat (zie Kaart 7, 8 en 9).

Figuur 10: Composiet 1: Stedelijkheid (indeling in vijf klassen) (SumResearch, 2013)

Figuur 11: Composiet 2: Openbaar vervoer (indeling in vijf klassen) (SumResearch, 2013)

Figuur 12: Composiet 3: Verzorgingsniveau (indeling in vijf klassen) (SumResearch, 2013)

45

2.3.6

Finale typologie steden

Bedoeling is dat deze drie manieren van indeling worden gecombineerd tot 1 indeling of 1 gezamenlijke typologie. Hiervoor gaan we voor elke gemeente na tot welke klasse ze behoort in elk van de drie composieten (o.b.v. de klasse-indeling van Jenks, §2.3.4). Onderstaande tabel geeft de resultaten van deze analyse. We gaan uit van een zekere hiërarchie binnen deze composieten. Eerst wordt er gekeken naar de klasse van composiet 1, vervolgens naar composiet 2 en dan pas naar composiet 3. Gemeenten die hoog scoren op de eerste composiet (stedelijkheid) beschouwen we als ‘stedelijke regio’s’. Zij behoren tot de klasse 1, 2 of 3 van composiet 1. Gemeenten die hoog scoren op de tweede composiet (klasse 3) maar niet zo hoog op de eerste (klasse 4) worden beschouwd als ‘openbaar vervoersknooppunten’. Gemeenten die niet hoog scoren op composiet 1 en 2 (klasse 4 of 5) vervullen de rol van een ‘verzorgende stad’. Tabel 5: Overzicht typologie steden Omschrijving



Composiet 3: Verzorgingsniveau

1

Top stedelijke regio

1

1

1

Antwerpen, Gent

2

Stedelijke regio niveau 1

2

2

2

Leuven, Brugge

2a

Met beperkter verzorgingsniveau

2

2

3

Mechelen, Hasselt, Kortrijk

3


3

3

3

Aalst, Sint-Niklaas, Oostende, Roeselare

3a


3

3

4

Zaventem, Vilvoorde, Halle, Lier, Dendermonde, Asse

3b

Met beperktere knooppuntwaarde

3

4

3

Genk, Turnhout

4

OV-Knooppuntstad

4

3

4

Lokeren, Beveren, Tienen, Herentals, Waregem, Oudenaarde

4a


4

3

5

Denderleeuw, Aarschot, Mortsel, Geraardsbergen, Merelbeke, Wetteren, Deinze, Zottegem, De Pinte

5

Verzorgende stad niveau 1

4

4

4

Geel, Sint-Truiden, Diest, Ieper, Tongeren, Mol, Knokke-Heist, Diepenbeek

6


4

4

5

Heist-op-den-Berg, Dilbeek, Ninove, Kontich, Willebroek, Puurs, Menen, Liedekerke, SintKatelijne-Waver, Temse, Boom, Izegem, Harelbeke, Tielt, Landen, Bornem, Wevelgem, Bilzen, Haacht, Ternat, Kapellen, Beringen, ErpeMere, Lede, Aalter, Zele, Lommel, Torhout, Eeklo

6a


5

4

5

Ronse, Essen, Lichtervelde, Blankenberge, Diksmuide

7

Beperkte stedelijke functie

5

5

4

Maasmechelen, Brasschaat

5

5

5

Overpelt, Veurne, Neerpelt, Grimbergen, Poperinge, Machelen, Heusden-Zolder, HouthalenHelchteren, Maaseik, Edegem, Lanaken, Westerlo, Sint-Pieters-Leeuw, Koksijde, Hamme, Overijse, Schoten, Malle, Bree, Middelkerke, Zelzate, Bonheiden

7a

46

Een ‘Top stedelijke regio’ behoort bij alle drie de composieten tot de eerste klasse. Het gaat om Antwerpen en Gent. Zij scoren hoog op composiet 1, 2 en 3. Zij vervullen m.a.w. zowel de functie van de belangrijkste stedelijke regio’s; zijn een centraal openbaar vervoersknooppunt én hebben de grootste verzorgende functie t.a.v. andere gemeenten. Zij behoren m.a.w. tot een topklasse, samen met Brussel. Gemeenten die voor alle drie de composieten tot de tweede klasse worden gerekend, behoren tot de typologie ‘Stedelijke regio niveau 1’. Deze gemeenten scoren hoog op composiet 1 en kunnen zeker worden beschouwd als een stedelijke regio. Het gaat om Leuven en Brugge. Om het onderscheid te maken met Antwerpen en Gent worden ze benoemd als het type stedelijke regio niveau 1. Voorts zijn er steden die op composiet 1 ook tot de tweede klasse behoren, maar die op 1 van de twee andere composieten iets lager scoren. Mechelen, Hasselt en Kortrijk scoren iets lager op composiet 3 en worden op die manier tot het subtype ‘Stedelijke regio niveau 1, met beperkter verzorgingsniveau’ gerekend. Voorts zijn er gemeenten die bij alle drie de composieten tot de derde klasse behoren. Zij vormen de typologie ‘Stedelijke regio niveau 2’. Deze gemeenten scoren nog relatief hoog op composiet 1 en functioneren als een stedelijke regio. Het gaat om Aalst, Sint-Niklaas, Oostende en Roeselare. Wederom zijn er binnen de groep die tot klasse 3 van composiet 1 behoort gemeenten met een iets beperkter verzorgingsniveau: Zaventem, Vilvoorde, Halle, Lier, Dendermonde en Asse; of met een iets beperktere knooppuntwaarde: Genk en Turnhout. Hun beperktere score op één van de drie composieten impliceert dat ze als stedelijke regio niveau 2 worden getypeerd. Ze behoren immers allemaal tot de derde klasse op composiet 1. Openbaar vervoersknooppunten zijn steden die tot de derde klasse behoren van composiet 2. Zij vervullen m.a.w. een belangrijke knooppuntsfunctie. Het gaat om Lokeren, Beveren, Tienen, Herentals, Waregem en Oudenaarde. Doordat ze iets lager scoren op composiet 1 worden ze niet meer als een stedelijke regio’s getypeerd. Ook hier is er een subtype dat lichtjes lager scoort op composiet 3 en een beperktere verzorgingsfunctie heeft binnen het type van openbaar vervoersknooppunten: Denderleeuw, Aarschot, Mortsel, Geraardsbergen, Merelbeke, Wetteren, Deinze, Zottegem en De Pinte. Gemeenten die niet als stedelijke regio, noch als openbaar vervoersknooppunt zijn getypeerd worden tot de verzorgende steden gerekend. Een verzorgende stad niveau 1 zoals Geel, SintTruiden, Diest, Ieper, Tongeren, Mol, Knokke-Heist en Diepenbeek behoren bij elke composiet tot de vierde klasse. Het onderscheid met het type verzorgende steden niveau 2 wordt gemaakt doordat deze laatste tot de vijfde klasse behoren van composiet 3. Voorts zijn er nog enkele gemeenten die een beperkter verzorgingsniveau hebben en die lager scoren op het vlak van stedelijkheid (composiet 1). Zij behoren tot de verzorgende steden niveau 2 met beperkter verzorgingsniveau. Gemeenten die tot geen van voorgaande types behoren worden gerekend tot het type met een beperkte stedelijke functie. Binnen dit type wordt een laatste opdeling gemaakt tussen gemeenten die tot klasse 4 of klasse 5 behoren van composiet 3. De figuur op de volgende pagina geeft een samenvattend beeld van de typologie van de 101 geselecteerde steden en gemeenten in Vlaanderen. Tabel 14 in de bijlage geeft een alfabetische lijst van alle 101 gemeenten met de typologie waartoe ze behoren.

47

Figuur 13: Typologie van de steden en gemeenten in Vlaanderen (SumResearch, 2013)

48

In onderstaande tabel geven we tot slot voor elke typologie van de steden de exacte numerieke criteria om tot bovenstaande kaart en de indeling in Tabel 5 te komen. Voor een top stedelijke regio bijvoorbeeld liggen de score voor composiet 1 grofweg tussen 45,81 en 18,05; voor composiet 2 tussen 18,05 en 9,32 en voor composiet 3 tussen 12 en 5,03. Tabel 6: Criteria typologie steden Omschrijving 1

Top stedelijke regio



Composiet 3: Verzorgings-niveau

[45.813516 - 18.051024]

[6.238891 - 3.330524]

[11.997441 – 5.028196]

Antwerpen, Gent

2


[18.051023 - 9.316756]

[3.330523 - 1.868827]

[5.028195 – 3.048043]

Leuven, Brugge

2a


[18.051023 - 9.316756]

[3.330523 - 1.868827]

[3.048042 – 1.310731]

Mechelen, Hasselt, Kortrijk

3


[9.316755 - 5.661811]

[1.868826 - 1.093950]

[3.048042 – 1.310731]

Aalst, Sint-Niklaas, Oostende, Roeselare

3a


[9.316755 - 5.661811]

[1.868826 - 1.093950]

[1.310730 – 0.691047]

Zaventem, Vilvoorde, Halle, Lier, Dendermonde, Asse

3b

Met beperktere knooppuntwaarde

[9.316755 - 5.661811]

[1.093949 - 0.468921]

[3.048042 – 1.310731]

Genk, Turnhout

4

OV-Knooppuntstad

[5.661810 - 2.895653]

[1.868826 - 1.093950]

[1.310730 – 0.691047]

Lokeren, Beveren, Tienen, Herentals, Waregem, Oudenaarde

4a


[5.661810 - 2.895653]

[1.868826 - 1.093950]

[0.691046 – 0.116988]

Denderleeuw, Aarschot, Mortsel, Geraardsbergen, Merelbeke, Wetteren, Deinze, Zottegem, De Pinte

5


[5.661810 - 2.895653]

[1.093949 - 0.468921]

[1.310730 – 0.691047]

Geel, Sint-Truiden, Diest, Ieper, Tongeren, Mol, Knokke-Heist, Diepenbeek

6


[5.661810 - 2.895653]

[1.093949 - 0.468921]

[0.691046 – 0.116988]

Heist-op-den-Berg, Dilbeek, Ninove, Kontich, Willebroek, Puurs, Menen, Liedekerke, Sint-Katelijne-Waver, Temse, Boom, Izegem, Harelbeke, Tielt, Landen, Bornem, Wevelgem, Bilzen, Haacht, Ternat, Kapellen, Beringen, Erpe-Mere, Lede, Aalter, Zele, Lommel, Torhout, Eeklo

6a


[2.895652 - 0.674733]

[1.093949 - 0.468921]

[0.691046 – 0.116988]

Ronse, Essen, Lichtervelde, Blankenberge, Diksmuide

7

Beperkte stedelijke functie

[2.895652 - 0.674733]

[0.468920 - 0.067473]

[1.310730 – 0.691047]

Maasmechelen, Brasschaat

[0.468920 - 0.067473]

[0.691046 – 0.116988]

Overpelt, Veurne, Neerpelt, Grimbergen, Poperinge, Machelen, Heusden-Zolder, HouthalenHelchteren, Maaseik, Edegem, Lanaken, Westerlo, Sint-PietersLeeuw, Koksijde, Hamme, Overijse, Schoten, Malle, Bree, Middelkerke, Zelzate, Bonheiden

7a

49

2.4 DEEL 4: Daily urban systems In §2.3 werd een typologie opgemaakt van de steden en gemeenten in Vlaanderen. Voor de stedelijke regio’s die daar gedetecteerd zijn, zullen in dit vierde deel daily urban systems of ‘invloedsgebieden’ van de stedelijke regio’s worden afgebakend op basis van het bestaande openbaar vervoerssyteem. Hiervoor doen we een beroep op de databases van De Lijn (Provinciaal verkeersmodel 2009). Dit model verdeelt Vlaanderen in een aantal zones en omvat data over het globale verplaatsingsgedrag en verplaatsingsmogelijkheden van personen binnen de desbetreffende provincie naar gelijk welke andere zone in België. Deze informatie is gebaseerd op het openbaar vervoer, kan worden aangeleverd op uurbasis en zal stapsgewijs worden geanalyseerd. Eerst wordt het begrip daily urban system kort geschetst binnen de bestaande literatuur. In een tweede stap wordt het provinciaal verkeersmodel van De Lijn (2009) besproken. Vervolgens wordt de invoertuigtijd onderzocht vanuit de centrale zones in elke stedelijke regio. Dit is de tijd die men effectief in het voertuig doorbrengt. In een vierde stap zal de kruislingse connectiviteit worden bepaald binnen elke stedelijke regio. In een laatste stap zullen samenvattende kaartbeelden van de daily urban systems worden opgemaakt en besproken. 2.4.1

Situering in de literatuur

De term daily urban system hangt sterk samen met de zogenaamde space-timeboxtheorie (Hägerstrand, 1970). Op basis van deze theorie is een model ontwikkeld waarmee het tijd-ruimtepad van mensen in kaart kan worden gebracht. Het tijd-ruimtepad beschrijft de bewegingen die iemand in een bepaalde tijd en ruimte maakt. Dergelijk pad bepaalt de omvang van het daily urban system van een stad. (Hagget, P, Geography: A Modern Synthesis (1972). De term daily urban system wordt ook gebruikt om het functionele samenspel tussen een centrale stad en de hiermee sterk verweven randgemeenten te bepalen (Visscher en Jobsen, 2011). Een daily urban system is opgebouwd rond verschillende stromen van bewegingen (Visscher en Jobsen, 2011). Mogelijke stromen zijn: wonen (verhuisstromen), werken (woon-werkverkeer), winkelen (koopstromen), vrije tijd/recreatie/horeca (bezoekersstromen), mobiliteit (verkeersstromen), … . Waar daily urban systems initieel zijn opgevat als de ‘commuting area’s around a city’ (Bretagnolle & Pumain, 2001) zijn onderzoekers meer en meer overtuigd van een uitbreiding van deze definitie (van Eck & Snellen, 2006). De dagelijkse activiteiten van mensen situeren zich steeds vaker in grotere netwerken. De relaties tussen steden worden steeds belangrijker t.a.v. de relaties tussen het stadscentrum en de suburbane gebieden van één stad. Vanuit deze optiek kan het bepalen van daily urban systems bijdragen aan het verankeren van deze systemen binnen één polycentrisch netwerk van steden. Deze schaalsprong en ‘expansie’ van de stedelijke leefruimte kan zich ook vertalen in het beleid. Met termen als ‘stedelijke netwerken’ kan worden aangegeven dat de vorming van daily urban systems een nieuwe fase is ingegaan, waarbij polynucleaire structuren ontstaan en stedelijke gebieden procesmatig met elkaar versmelten (Van Eck et al., 2006). Ze zijn daarmee equivalent aan het begrip ‘polycentric urban regions’.

50

We kunnen in voorliggende studie onmogelijk het daily urban system van alle 101 geselecteerde steden en gemeenten bepalen. De stedelijke regio’s waar we in dit onderzoek zullen mee werken zijn: 3 top stedelijke regio’s (Brussel, Antwerpen, Gent); 2 stedelijke regio’s niveau 1 (Leuven, Brugge); 3 stedelijke regio’s niveau 1 met beperkter verzorgingsniveau (Mechelen, Hasselt, Kortijk); 4 stedelijke regio’s niveau 2 (Aalst, Sint-Niklaas, Oostende, Roeselare); 6 stedelijke regio’s niveau 2 met beperkter verzorgingsniveau (Zaventem, Vilvoorde, Halle, Lier, Dendermonde en Asse); 6 stedelijke regio’s niveau 2 met beperktere knooppuntswaarde (Genk, Turnhout). Het is niet de bedoeling om bovenstaande stedelijke regio’s strikt af te bakenen. Het is wél de bedoeling om een zicht te krijgen op het invloedsgebied vanuit elk van deze verschillende stedelijke regio’s, er van uitgaande dat een polycentrisch netwerk zich ontwikkelt over de gemeentegrenzen heen. Zoals eerder vermeld zal het polycentrisch netwerk van steden in Vlaanderen opgebouwd worden langs de assen van een snel en performant openbaar vervoerssysteem. Groei en nieuwe ontwikkelingen zullen zich situeren in gebieden die vlot bereikbaar zijn met het openbaar vervoer. Enkel deze aanpak is de garantie om ‘verneveling’ in Vlaanderen tegen te gaan en om een duurzaam netwerk van steden uit te bouwen. Daarom worden de daily urban systems gedetecteerd op basis van het bestaande openbaar vervoersnetwerk van De Lijn en de nmbs. Tot slot willen we er op wijzen dat ervoor gekozen is om te werken met de bipool Hasselt-Genk om het daily urban system te bepalen. Dit past geheel binnen de globale beleidsvisies voor de twee steden (o.a. het Gewestelijk RUP Afbakening stedelijk gebied Hasselt-Genk, mobiliteitsvisie Spartacus, …). 2.4.2 2.4.2.1

Provinciaal verkeersmodel van De Lijn Vijf provinciale verkeersmodellen

De provinciale verkeersmodellen van De Lijn zijn ontwikkeld voor de evaluatie van strategische projecten op het netwerk van hoofdwegen en de belangrijkste gewestwegen. Ze brengen het globale verplaatsingsgedrag van personen binnen de desbetreffende provincie van Vlaanderen in kaart voor zowel het privévervoer (autobestuurder en –passagier) als het openbaar vervoer op uurbasis. Input voor het model komt uit teldatabanken voor het privé en collectief vervoer en uit het validatieproces dat hierop gebeurt. Een uitgebreide technische omschrijving van het verkeersmodel is terug te vinden in “Opbouw van het Multimodaal Model versie 3.6.1” van het Verkeerscentrum (2013). Het provinciaal verkeersmodel gebruikt in totaal vijf verschillende indelingen van België. Er wordt een andere indeling gebruikt voor elke provincie. De fijnmazigheid van elke indeling verschilt afhankelijk van waar de zones gelegen zijn. De zones binnen de provinciegrenzen komen meestal overeen met de statistische sectoren. De zones aangrenzend aan de provincie zijn gegroepeerd per gemeente. Zones die verder liggen zijn gegroepeerd per arrondissement. Onderstaande figuren geven de zonering per provincie weer.

51

Figuur 14: Zonering provinciaal verkeersmodel Antwerpen

Figuur 15: Zonering provinciaal verkeersmodel Limburg

Figuur 16: Zonering provinciaal verkeersmodel Oost-Vlaanderen

52

Figuur 17: Zonering provinciaal verkeersmodel Vlaams-Brabant

Figuur 18: Zonering provinciaal verkeersmodel West-Vlaanderen

Voor elk van deze zones kan de totale reistijd worden bepaald naar gelijk welke andere zone binnen elke provinciale afbakening, en dit voor een bestemming in Vlaanderen of Brussel naar de rest van België. Deze matrices werden aangeleverd in Excel files (zie Hoofdstuk 5). Deze reistijd is gebaseerd op waarden voor transport via bus, trein, metro of premetro van het netwerk van de NMBS, De Lijn en de MIVB. De diabolo-verbinding is niet opgenomen in de lijnvoering, aangezien de meegenomen lijnen van de NMBS diegene waren van 2011.11 De gebruikte datamatrix met alle reistijden van zone A naar zone B kan opgevat worden als een tijdskostenmatrix. Deze matrix is samengesteld op basis van alle relevante lijnen om van zone A naar zone B te gaan. Lijnen die slechts functioneel rijden (i.k.v. school- en werkuren) zijn ook mee opgenomen omdat ze het aanbod vergroten (vb. tussen 8 en 9 u ’s morgens). 11

Echter, de kortste reistijd via de trein is wel opgenomen in ‘Indicator 4: Internationale connectiviteit’ (zie § 2.2.6). Hierin werd voor elk van de geselecteerde 100 gemeenten de kortste reistijd via trein bepaald naar Brussel Nationale Luchthaven, op 19 maart 2013. Op dat moment was de diabolo-verbinding reeds operatief.

53

2.4.2.2

Afstemming verkeersmodel

Voor deze studie werd een tijdskostenmatrix uit het verkeersmodel gehaald die de reistijden geeft tijdens het spitsuur (8 en 9uur) op een gemiddelde schooldag in februari 2012. De totale reistijd om van zone A naar zone B te gaan bestaat uit de som van: de invoertuigtijd (IVT) de wachttijd (WT) Ook omvat het model het aantal opstappen die nodig zijn om het traject van en naar elke zone af te leggen. De tijdskostenmatrix werd voor deze studie aangepast, zodat enkel die reistrajecten werden opgenomen waar er maximaal 4 opstappen zijn, wat neerkomt op 3 overstappen. Achtereenvolgens zullen deze drie bepalende componenten van de matrix worden besproken. 2.4.2.3

Invoertuigtijd

Met de invoertuigtijd bedoelt met de tijd om met het openbaar vervoer van zone A naar zone B te gaan via de bus, tram, metro en/of trein. Het is de tijd die men effectief ‘ín het voertuig’ doorbrengt. Deze tijd houdt geen rekening met voor- en natransport en belbusverbindingen zijn hier niet in opgenomen. De invoertuigtijd is geen weergave van de kortste reisafstand tussen twee zones, maar geeft als gemiddelde een goede indicatie van de connectiviteit tussen de zones. Een reistijd van 0 minuten tussen twee zones kan voorkomen omwille van drie mogelijke redenen: Te dicht: de vertrekzone ligt zo dicht bij de aankomstzone dat openbaar vervoer geen relevantie heeft. Het wandelen naar de dichtstbijzijnde halte is dan bijvoorbeeld verder dan de aankomstzone zelf. Te ver: de bestemming ligt zo ver dat er zodanig veel moet worden overgestapt, dat het openbaar vervoer geen optie meer is. Het aantal overstappen is in het verkeersmodel op maximum 3 ingesteld. Onbereikbaar: de zone wordt in het onderzochte uur niet bediend door het openbaar vervoer. Industriezones en kleine dorpjes (die enkel met een belbus bereikbaar zijn) vallen in deze categorie. 2.4.2.4

Wachttijd

De wachttijd geeft een idee van een gemiddelde wachttijd, berekend op de frequentie van de lijn waarop men na een eerder traject moet overstappen. Afhankelijk van hoe groot het interval is tussen twee opeenvolgende passages van een lijn wordt de wachttijd verhoudingsgewijs aangepast. Het model hanteert hiervoor onderstaande tabel: Interval

Wachttijd

om de 2 minuten

1 minuut

om de 10 minuten

5 minuten

om de 15 minuten

6,5 minuten

om de 20 minuten

8 minuten

om de 30 minuten

10,5 minuten

om de 60 minuten

17,5 minuten 54

Als de lijn waarop men moet overstappen een interval heeft van 10 minuten heeft (vb. Er is om de 10 minuten een bus.), dan is de wachttijd gelijk aan een half interval of 5 minuten. Gemiddeld moet je immers 5 minuten wachttijd voor je aansluiting. Bij een groter interval (en dus een lagere frequentie) gaat men er van uit dat mensen naar de dienstregeling kijken. De wachttijd is dan minder lang dan een half interval. Dit wordt ook echter niet te sterk bevooroordeeld, omdat er bijvoorbeeld ook slechte aansluitingen zijn. Belangrijk om te onthouden is dat deze gemiddeld zijn en niet noodzakelijk een goed beeld geven voor 1 bepaald traject, bijvoorbeeld wanneer we op zoek zijn naar het snelste traject. In goed bereikbare zones is er een hoge frequentie van snelle verbindingen beschikbaar. Daarom sluit de gemiddelde verplaatsingsstijd (invoertuigtijd + wachttijd) eerder aan bij wat mensen beschouwen als de beste of snelste verbinding. In minder goed bereikbare zones (of laag frequente gebieden) zal het algoritme van het verkeersmodel méér tragere verbindingen moeten inschuiven. De gemiddelde wachttijd en invoertuigtijd worden daarom groter en genereren een vertekend beeld t.o.v. de ‘beste of snelste’ verbinding tussen twee zones. 2.4.2.5

Opstappen

De opstappen geven aan hoe vaak men gemiddeld moet ‘opstappen op een voertuig’ om van zone A naar zone B te gaan en is gelijk aan het aantal ‘overstappen’ +1. Dat wil zeggen: 0 opstappen: Men kan het reistraject niet via het openbaar vervoer afleggen. Dit komt enerzijds voor op zeer korte afstanden. Bijvoorbeeld om van zone A naar zone A te gaan kan je de bus niet nemen, want dit is intern verkeer. Anderzijds komt dit ook voor op zeer lange afstanden. Bijvoorbeeld als er om van zone A naar B te gaan méér dan 4 opstappen nodig zijn. Het model is hierop immers afgetopt. 1 opstap: Het gaat om een rechtstreekse verbinding. De totale reistijd in de matrix gebeurt zonder overstappen. 2 opstappen: Twee opstappen op een verschillende modus, komt neer op 1 overstap. De eerste opstap is het opstappen van het voortransport (te voet, met de fiets, …) op bijvoorbeeld de trein. De tweede opstap kan dan een overstap zijn van trein 1 naar trein 2. Voor 3 opstappen geldt een analoge redenering. 2.4.2.6

Keuzes binnen de onderzoeksopzet

Na veelvuldige analyses en overleg met de opdrachtgever is ervoor gekozen om enkel te werken met de invoertuigtijd en niet met de wachttijd. De wachttijd geeft immers een idee van een gemiddelde wachttijd, berekend op de frequentie van de lijn waarop men moet overstappen. De waarden voor de wachttijd zijn sterk geaggregeerd en gemiddeld en geven dus geen goed beeld voor 1 individu of voor de snelste verbinding en worden daarom niet gebruikt voor de afbakening van de daily urban systems. Bovendien zijn er ook in de invoertuigtijd reeds verbindingen opgenomen die niet de meest ideale zijn en die vertragend werken. De invoertuigtijd is daarom vaak iets groter dan de snelste verbinding tussen twee zones.

55

2.4.3

Analyse invoertuigtijd en kruislingse connectiviteit

In deze derde stap willen we het daily urban system detecteren van meerkernige stedelijke regio’s in Vlaanderen. Op basis van het verkeersmodel van De Lijn (2009) zullen we het ‘invloedsgebied’ bepalen van de top stedelijke regio’s en de stedelijke regio’s niveau 1, zoals bepaald in deel 3 van dit onderzoek. Het gaat meer bepaald om Brussel, Antwerpen, Gent, Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk. Belangrijk is dat we ons voor het ‘invloedsgebied’ niet enkel baseren op de reistijd tussen de hoofdkern en de subkernen, maar dat het netwerk als één geheel wordt beschouwd. De reistijd vanuit een centrale vertrekzone naar alle andere zones wordt meegenomen, alsook de kruislingse reistijd tussen alle andere zones onderling. De reistijden tussen alle types van kernen (vb. tussen twee subkernen) in een stedelijke regio zijn immers bepalend voor de potentiële ontwikkelingen als meerkernige stedelijke regio. Het bepalen van de daily urban systems gebeurt op basis van maximaal aanvaardbare reistijden. Uit de literatuur (Vleugels et al., 2007) en de BREVER-wet leerden we dat de gemiddelde reistijd per persoon per dag zich rond de 80 minuten bevindt. We nemen daarom 40 minuten als reistijd voor een enkele pendelbeweging. Daarnaast doen we ook de aanname van gemiddeld 5 minuten voor- en natransport (vb. om tot aan een halte of station te geraken). We durven dit doen omwille van de fijnmazigheid van het model en omdat het model zich ent op alle openbaar vervoerslijnen (ook buslijnen) en niet enkel op hoofdlijnen en hoofdstations. Dit betekent dat voor zones die verderaf van een hoofdstation liggen er reeds een invoertuigtijd is opgenomen. In het geval er geen openbaar vervoersconnectie is tussen zones, houdt het model reeds rekening met wandelafstanden tussen de zones. Toegepast op het verkeersmodel waar we mee werken zullen deze 30 minuten invoertuigtijd worden gebruikt als grenswaarde voor het bepalen van het daily urban system van elke stedelijke regio. We weten ook dat grotere steden een groter bereik hebben. Mensen zijn bereid om langer te pendelen, op voorwaarde dat er meer voorzieningen of werkmogelijkheden bevinden in een grotere stad. Dergelijke steden bieden een gespecialiseerde werkgelegenheid aan waarvoor uit een groter gebied moet gerecruteerd worden (Verhetsel et al., 2007). Voor onze gedetecteerde top stedelijke regio’s (Brussel, Antwerpen en Gent) zal daarom gewerkt worden met een grenswaarde voor de kruislingse bereikbaarheid of kruislingse connectiviteit van 40 minuten, i.p.v. 30 minuten. Kruislingse connectiviteit kan worden gedefinieerd als de gemiddelde reistijd die nodig is om vanuit één zone naar àlle andere zones binnen een bepaald gebied te geraken. Op basis van deze kruislingse connectiviteit zal dus het invloedsgebied worden bepaald van elk daily urban system. Natuurlijk kan ons model niet worden opgebouwd zonder een bepaald ‘startgebied’ af te bakenen van elke stedelijke regio. We moeten een bredere selectie maken van zones rond een centrale ‘startzone’ waarbinnen we deze kruislingse connectiviteit kunnen onderzoeken. Als startzone nemen we telkens de zone waarin het grootste nmbs-station van de stedelijke regio zich bevindt12. Vervolgens wordt de invoertuigtijd bepaald om vanuit deze zone naar alle andere zones in België te geraken. Het gebied dat we binnen de 10, 20, 30, 40, … minuten kan bereikt worden geeft een eerste aanzet. Vervolgens moeten we een ‘grenswaarde’ instellen voor elke ‘startzone’. Werken we met alle zones op 10, 20, 30, 40, … minuten van deze startzone? Welk gebied vormt een goede basis om de kruislingse connectiviteit te onderzoeken? Belangrijk is om dit gebied niet te klein te nemen, anders

12

Deze startzones zijn gecontroleerd door experts van De Lijn. Soms is het niet duidelijk welke zone nu precies overeenkomt met het grootste station: een station kan zich uitstrekken over méér dan één zone, de vertrekzone ligt net op de grens van het hoofdstation of er is een verschil tussen de ‘voorkant’ en de ‘achterkant’ van een station. 56

missen we bepaalde details. Het mag ook zeker niet te groot zijn, opdat de kruislingse connectiviteit geen belachelijk hoge waarden zou aannemen. De grenswaarden zijn daarom bepaald op basis van de literatuur en (inter)nationaal onderzoek en vanuit een iteratief trial-and-error-proces. Sinds 1994 wordt door de afdeling Beleid Mobiliteit en Verkeersveiligheid (departement Mobiliteit en Openbare Werken) van de Vlaamse overheid onderzoek uitgevoerd naar het verplaatsingsgedrag van Vlamingen. Dit onderzoek wordt kortweg 'OVG' genoemd (Onderzoek VerplaatsingsGedrag). Het Onderzoek Verplaatsingsgedrag Vlaanderen 3 liep in de periode 2007-2008 en leert dat bijna 60% van alle woon-werkverplaatsingen hoogstens 20 minuten duurt en dan 73% van alle woonwerkverplaatsingen maximum 30 minuten duurt (Janssens et al., 2009). Ook uit Belgisch tijdsbudgetonderzoek (TOR 2004) met dagboekregistratie blijkt dat de gemiddelde woonwerkverplaatsingstijd van een werkende 30 minuten bedraagt (Glorieux en Minnen, 2008). Tijdsbudgetonderzoek probeert het alledaagse handelen van mensen op een zo getrouw mogelijke manier in kaart te brengen. Aan respondenten wordt gevraagd alle handelingen en hun tijdsstippen te noteren in een dagboek. 2.4.4

Stap 1: Bepalen ‘startgebied’ via de invoertuigtijd

In een eerste deelstap bepalen we voor elke stedelijke regio de startzone. De startzone is de connector van het gebied en omvat het NMBS-hoofdstation. Ter illustratie wordt hier het nummer van de startzone in elke stad gegeven. Afhankelijk van de stad, wordt gewerkt met het verkeersmodel van de provincie waarin de stad gelegen is. Op die manier wordt gewerkt met de fijnmazigste indeling rond elke startzone. Antwerpen-Centraal:

zone 47 uit basiszonering provincie Antwerpen

Gent-Sint-Pieters:

zone 684 uit basiszonering provincie Oost-Vlaanderen

Leuven:

zone 456 uit basiszonering provincie Vlaams-Brabant

Brugge:

zone 151 uit basiszonering provincie West-Vlaanderen

Mechelen:


Hasselt:

zone 416 uit basiszonering provincie Limburg

Genk:

zone 283 uit basiszonering provincie Limburg

Kortrijk:


Brussel-Noord:


Brussel-Zuid:


Uit de datamatrix van de lijn halen we vervolgens alle gemiddelde invoertuigtijden om vanuit alle andere zones in België naar deze startzone te gaan. Onderstaande figuren geven het resultaat. De uiterste grenzen worden kort besproken. Deze kaarten13 werden ook in bijlage opgenomen (Kaart 11 t.e.m. Kaart 18). Voor Brussel werken we met alle zones die zich op een bepaalde IVT van de stations Brussel-Noord of Brussel-Zuid bevinden. Voor Hasselt-Genk geldt een analoge redenering t.a.v. Hasselt-station en Genk-station. Het startgebied voor Brussel, Antwerpen en Gent is bepaald op 30 minuten IVT van de startzone. Voor Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk is dit vastgelegd op 20 minuten IVT. De reden hiervoor wordt na de bespreking van de kaarten toegelicht.

13

Voor de kaarten is gewerkt met de gegevens uit de Mercatordatabank van de Vlaamse Overheid worden enkel treinstations op Vlaams grondgebied weergegeven. De treinlijnen in Wallonië zijn enkel opgenomen, wanneer ze in een aangeduid invloedsgebied liggen. 57

Figuur 19: Invoertuigtijd naar Brussel-Noord of Brussel-Zuid

De invoertuigtijd naar Brussel-Noord of Brussel-Zuid wordt voorgesteld op bovenstaande figuur. Binnen de 50 minuten geraak je vanuit pakweg Antwerpen, Landen, Bergen, Gent en het grootste deel van het gebied daartussen in Brussel. Binnen de 30 minuten geraak je tot net voorbij Mechelen en Leuven en tot in Aarschot, Nijvel, Ath, Haaltert, Denderleeuw, Asse, Opwijk en Dendermonde. Figuur 20: Invoertuigtijd naar Antwerpen-Centraal

Figuur 20 geeft het beeld voor Antwerpen. Binnen de 50 minuten geraak je vanuit Gent, Lokeren, Dendermonde, het zuiden van Brussel, Leuven, Aarschot, Geel en Kasterlee tot in Antwerpen. Antwerpen blijft binnen de 30 minuten invoertuigtijd bereikbaar vanuit Sint-Niklaas, Beveren, Londerzeel, Kapelle-op-den-Bos, Zemst, Boortmeerbeek, Heist-op-den-Berg, Zoersel en Kalmthout.

58

Figuur 21: Invoertuigtijd naar Gent-Sint-Pieters

De kaart met Gent als startzone toont een omvangrijk gebied en palmt een groot deel van Oost- en West-Vlaanderen in. Binnen de 50 minuten geraak je in Oostende, Knokke Heist, Antwerpen, Bonheiden, Halle, Lessen, Moeskroen en Roeselare. Aalter, Waregem, Wetteren liggen binnen het invloedsgebied van 20 minuten invoertuigtijd. Dit gebied strekt zich (omwille van het infrastructuurnetwerk) relatief ver uit in zuidelijke en westelijke richting. Figuur 22: Invoertuigtijd naar Leuven-station

Leuven is binnen de 50 minuten bereikbaar vanuit Antwerpen, Denderleeuw, Tubeke, Luik, Hasselt en Tessenderlo. Volgens het verkeersmodel geraak je binnen de 20 minuten invoertuigtijd vanuit Brussel, Machelen, Mechelen, Aarschot en Tienen tot in Leuven-Centraal.

59

Figuur 23: Invoertuigtijd naar Brugge-station

Binnen de 50 minuten geraak je vanuit Brugge tot in Veurne, Alveringem, Kortrijk, Waregem, Zottegem, Lede, Lokeren en Eeklo. Gemeenten die zich binnen de 20 minuten radius bevinden zijn Oostende, Blankenberge, Knesselare, Aalster en Torhout. Figuur 24: Invoertuigtijd naar Mechelen-station

Mechelen is voor een groot aantal gemeenten bereikbaar binnen de 50 minuten invoertuigtijd. Vanuit Kalmthout, Geel, Scherpenheuvel-Zichem, Lokeren, Wetteren, Halle maar ook vanuit een groot aantal gemeenten in Wallonië: Zinnik, Walhain, Geer, … Wanneer we het startgebied bekijken dat binnen 20 minuten invoertuigtijd ligt, merken we dat zich dit uitstrekt tot zowel Antwerpen en Brussel en quasi alle tussenliggende stations. In westelijke richting loopt het invloedsgebied tot Buggenhout. Ook Lier en Haacht vallen binnen het startgebied van 20 minuten. Leuven valt er net buiten.

60

Figuur 25: Invoertuigtijd naar Hasselt-station of Genk-station

Het invloedsgebied van de bipool Hasselt-Genk omspant een groot deel van Limburg, maar loopt ook tot in de provincie Antwerpen, Vlaams-Brabant en richting Wallonië. Hannuit, Heers en Herstal zijn daar binnen de 50 minuten invoertuigtijd bereikbaar. Hoegaarden, Leuven, Berlaar, Mol en Maaseik bevinden zich ook op 50 minuten invoertuigtijd. Het startgebied van 20 minuten omvat Genk, Hasselt en een gedeelte van de aangrenzende gemeenten met uitlopers richting Diest, Heusden-Zolder en Sint-Truiden. Figuur 26: Invoertuigtijd naar Kortrijk-station

Vanuit Bernissart, Ath, Geraardsbergen, Denderleeuw, Wetteren, Gent, Aalter, Brugge, Diksmuide en Poperinge is Kortrijk bereikbaar binnen 50 minuten invoertuigtijd. De startzone voor Kortrijk binnen de 20 minuten heeft uitlopers tot in Wervik, Moeskroen, Oudenaarde, Waregem en Roeselare en Hooglede.

61

Nu we voor bovenstaande stedelijke regio’s een eerste idee hebben van hun invloedsgebied is het startgebied bepaald. Voor de grootste steden (Brussel, Antwerpen en Gent) wordt gewerkt met de zones die op 30 minuten invoertuigtijd liggen. Dit blijkt in Vlaanderen de maximum grenswaarde te zijn voor alle woon-werkverplaatsingen (OVG 3 en TOR 2004). Voor de top stedelijke regio’s (Brussel, Antwerpen, Gent) blijkt dit zeker te kloppen. Voor de stedelijke regio’s niveau 1 (Leuven, Brugge, Mechelen, Hasselt en Kortrijk) bleek dit geen goede keuze. Wanneer we de 30 minuten als grens hanteren, merken we dat in een volgende stap het invloedsgebied te groot wordt. Dit konden we bijvoorbeeld vaststellen bij Mechelen. Je komt dan in het invloedsgebied van een andere stad en het zwaartepunt verschuift in het geval van Mechelen naar Antwerpen. Op de linkse kaart van figuur 27 verschuift het zwaartepunt naar Antwerpen (groene kleur). Dit geeft geen logisch beeld, aangezien de vertreksector zich in Mechelen bevindt. Voor de stedelijke regio’s niveau 1 wordt daarom gewerkt met een startzone van 20 minuten. Figuur 27: Case Mechelen: Kruislingse connectiviteit met een maximum van 30 minuten bepaald voor het startgebied op 30 minuten invoertuigtijd (links) versus het startgebied op 20 minuten invoertuigtijd (rechts)

Tot slot gaat men voor de top stedelijke regio’s (Brussel, Antwerpen, Gent) na of alle zones op 30 minuten invoertuigtijd te bereiken zijn in maximum 3 opstappen (of 2 overstappen). Zones die hier niet aan voldoen, worden uit het invloedsgebied van de steden geschrapt. Voor de stedelijke regio’s niveau 1 (Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk) mogen alle zones op 20 minuten invoertuigtijd maximum in 2 opstappen (of 1 overstap) te bereiken zijn. Zones die hier niet aan voldoen worden opnieuw geschrapt uit het startgebied. Voor deze startgebieden zal vervolgens de kruislingse connectiviteit worden bepaald om het daily urban system te definiëren.

62

2.4.5

Stap 2: Bepalen daily urban systems via kruislingse connectiviteit

Het startgebied van elke stedelijke regio is in stap 1 bepaald. Hiermee weten we welke zones op 20 minuten of 30 minuten invoertuigtijd van de startzone liggen én dat ze maximaal op 3 of 2 opstappen liggen. Enkel voor de zones die in dit afgebakende gebied liggen wordt nu de kruislingse connectiviteit bepaald. Kruislingse connectiviteit wordt berekend als de gemiddelde reistijd die nodig is om vanuit een zone naar àlle andere zones binnen het startgebied van 20 minuten (voor Brussel, Antwerpen of Gent) of 30 minuten (voor Leuven, Brugge, Mechelen, Hasselt-Genk of Kortrijk) te geraken. Op die manier wordt een maat gegeven voor de robuustheid en consistentie van de invloedszone rond elk van de 8 stedelijke regio’s. Dit gemiddelde geeft aan hoe snel men in gelijk welke andere zone van de stedelijke regio geraakt. Voor de steden Brussel, Antwerpen en Gent is een startzone afgebakend met alle zones die op 30 minuten invoertuigtijd van het vertrekstation liggen. Er wordt vervolgens enkel met deze zones verdergewerkt. Met andere woorden: de oorspronkelijke matrix wordt verkleind. Voor elk van deze zones wordt de kruislingse connectiviteit (of gemiddelde reistijd naar alle andere zones op 30 minuten van Brussel-Noord of Brussel-Zuid, in het geval van Brussel) berekend. Bedoeling is dat deze kruislingse connectiviteit maximum 40 minuten mag zijn naar analogie met de gemiddelde verplaatsingstijd (zie §2.4.1). Via een iteratief proces waarbij de zones met de hoogste waarden voor kruislingse connectiviteit er stap voor stap worden uitgehaald, komen we tot een matrix waar de maximumwaarde voor kruislingse connectiviteit 40 minuten bedraagt. Van zodra een zone er wordt uitgehaald, wordt de volledige matrix opnieuw berekend. Met deze nieuwe matrix wordt de kruislingse connectiviteit opnieuw berekend, tot geen enkele waarde voor kruislingse connectiviteit nog het maximum van 40 minuten overstijgt. Voor de stedelijke regio’s niveau 1 werd het startgebied bepaald als alle zones die op 20 minuten invoertuigtijd liggen én via maximum 1 overstap de startzone bereiken. Ook voor de zones in dit startgebied wordt de kruislingse connectiviteit bepaald en wordt de oorspronkelijke matrix stapsgewijs verkleind. Het invloedsgebied van deze steden wordt na een iteratief proces bepaald op die zones die een maximale kruislingse connectiviteit hebben van 30 minuten. Onderstaande figuren geven de resultaten van deze kruislingse connectiviteit en dus van het daily urban system van elke stedelijke regio weer. Voor Brussel, Antwerpen en Gent betekent dit dat elke kaart het gebied weergeeft waarin je: vanuit elke zone binnen de 30 minuten het hoofdstation (Brussel-Noord, -Zuid, Gent-Sint-Pieters of Antwerpen) kan bereiken; én dat alle zones onderling op maximum 40 minuten invoertuigtijd van elkaar verwijderd liggen. Voor Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk omvat het daily urban system: de zones die op 20 minuten invoertuigtijd liggen van het hoofdstation; én die onderling op maximum 30 minuten invoertuigtijd van elkaar verwijderd liggen. We willen nog vermelden dat alle kaarten analysekaarten zijn. Hiermee bedoelen we dat er hier en daar een juist, maar ‘onlogisch’ patroon kan opduiken, dat eigen is aan onze werkwijze en aan de structuur van de database, maar vertaald naar de realiteit soms een vreemd beeld kan opleveren. Zo moeten we standaard werken met de voorafgebakende zoneringen uit het verkeersmodel van De Lijn (2009). Van zodra er zich in een zone één halte van bus of trein bevindt, dan krijgt automatisch heel de zone de eigenschappen die aan deze halte zijn toegekend. Zo kan het zijn dat een deel van een natuurgebied is opgenomen omdat er in een excentrische hoek een halte aanwezig is. Dit doet zich bijvoorbeeld voor op de Kamthoutse Heide op de kaarten voor Antwerpen. De figuren die volgen zijn als het ware een verkleining van de beelden die we eerder zagen in stap 2. We vertrekken telkens van alle zones op 20 of 30 minuten invoertuigtijd. Deze selectie is vervolgens ingekrompen o.b.v. de stapsgewijze aanpak bij kruislingse connectiviteit. 63

Figuur 28: Kruislingse connectiviteit in de top stedelijke regio Brussel

Het daily urban system van Brussel situeert zich op de noord-zuidelijke as van Mechelen tot ’s Gravenbrakel/Edingen en op de oost-westelijke as van Leuven tot Denderleeuw/Liedekerke. De zone omvat ook Leuven en Mechelen. Het Brusselse daily urban system omvat in totaal 117 nmbs-stations of (pre)metrohaltes, een enorm potentieel. Figuur 29: Kruislingse connectiviteit in de top stedelijke regio Antwerpen

Het daily urban system van Antwerpen wordt bepaald door zones die zich op 30 minuten invoertuigtijd bevinden van Antwerpen-Centraal én die een gemiddelde reistijd naar alle andere zones van maximum 40 minuten hebben. Het gebied strekt zich uit tot Sint-Niklaas, Kalmthout, Nijlen, Lier, Heist-op-den-Berg en voor een groot deel ook richting Mechelen. In totaal bevinden er zich 45 nmbs-stations of (pre)metrohaltes in dit hele daily urban system.

64

Figuur 30: Kruislingse connectiviteit in de top stedelijke regio Gent

In het Gentse systeem zien we een hoge kruislingse connectiviteit in gemeenten buiten Gent zoals De Pinte, Wetteren, Melle en Deinze. Van hieruit vertrekken verschillende afsplitsingen die het Gentse systeem vervolledigen. Met Aalst en Lokeren bevinden zich twee stedelijke regio’s niveau 2 in het daily urban system van Gent. Er situeren zich 38 nmbs-stations in deze regio. Figuur 31: Kruislingse connectiviteit in de stedelijke regio niveau 1 Leuven

Voor de kruislingse connectiviteit van Leuven werd rekening gehouden met zones die op 20 minuten invoertuigtijd van station Leuven liggen en die onderling op maximum 30 minuten invoertuigtijd van elkaar liggen. Het daily urban system strekt zich hoofdzakelijk uit richting het noorden (Rotselaar/Haacht) en het westen (verbinding met Brussel). Het daily urban system van Leuven is gekoppeld aan de top stedelijke regio Brussel en met ‘stedelijke regio niveau 1 met beperkter verzorgingsniveau’ Mechelen. Er zijn in totaal 25 nmbs-stations.

65

Figuur 32: Kruislingse connectiviteit in de stedelijke regio niveau 1 Brugge

De Brugse zone kent uitlopers tot Oostende, Blankenberge, Aalter en Torhout. Ook Zeebrugge heeft een hoge kruislingse connectiviteit binnen het systeem. Het daily urban system is met 13 nmbsstations aanzienlijk kleiner dan de andere stedelijke regio niveau 1 Leuven. Dit heeft uiteraard alles te maken met de geografische situering.

Figuur 33: Kruislingse connectiviteit in de stedelijke regio niveau 1 Mechelen

Het daily urban system van Mechelen zit vervat tussen dat van Antwerpen en Brussel. Het maakt deel uit van beide daily urban systems, maar daarnaast heeft het ook zijn eigen systeem. Dit situeert zich logischerwijs in hoofdzaak op de noord-oostelijke as, maar kent ook uitlopers tot Buggenhout, Londerzeel, Haacht, Putte en Lier. Er zijn 33 nmbs-stations of (pre)metrohaltes.

66

Figuur 34: Kruislingse connectiviteit in de stedelijke regio niveau 1 Hasselt-Genk

Bij de regio Hasselt-Genk is duidelijk te zien dat het daily urban system zicht beperkt tot deze twee steden aangevuld met Alken, Bilzen en Diepenbeek. De kruislingse connectiviteit werd berekend op basis van staion Hasslet en station Genk. In totaliteit omvat het daily urban system 7 nmbs-stations.

Figuur 35: Kruislingse connectiviteit in de stedelijke regio niveau 1 Kortrijk

Tot slot is de kruislingse connectiviteit voor Kortrijk in kaart gebracht. Er is een sterke connectiviteit tussen station Kortrijk en Wevelgem, Anzegem, Izegem en Ingelmunster. Verder vallen steden zoals Roeselare, Waregem, Harelbeke en Wervik binnen het Kortrijkse daily urban system. Het volledige daily urban system omvat 11 nmbs-stations.

67

2.4.6

Stap 3: Totaalbeeld daily urban systems in Vlaanderen

Nu voor de steden Brussel, Antwerpen, Gent, Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk de stedenstructuur en hun invloedsgebied of daily urban system is bepaald, gaan we deze resultaten samenbrengen met de steden van het niveau ‘stedelijke regio niveau 2’. Op die manier kunnen we een aantal samenvattende kaartbeelden genereren in deze derde stap. Omdat het praktisch onmogelijk en inhoudelijk niet nodig is om voor deze steden de kruislingse connectiviteit weer te geven, stellen we hun invloedszone voor door de zones te bepalen die op 15 minuten invoertuigtijd liggen van elke vertrekzone. We kiezen ervoor om te werken met 15 minuten opdat we zo het onderscheid kunnen maken met de stedelijke regio’s niveau 1 (20 minuten) en met de top stedelijke regio’s waarvoor we 30 minuten De vertrekzones voor de stedelijke regio’s niveau 2 zijn de volgende: Aalst:


Sint-Niklaas:


Dendermonde:


Oostende:


Roeselare:


Zaventem:


Vilvoorde:


Halle:


Asse:


Lier:


Turnhout:


In totaal worden er drie verschillende overzichtskaarten opgemaakt. Het invloedsgebied van de stedelijke regio’s niveau 2 wordt op elk van deze overzichten voorgesteld door een lijn. Zones die zich op minder dan 15 minuten invoertuigtijd bevinden van één van de vertrekzones worden dus opgenomen. Dit betekent dat er soms ‘gaten’ kunnen zijn in de afbakening van deze gebieden. Een zone kan geografisch dicht bij een station liggen, maar kan omwille van een slechte verbinding via het openbaar vervoer toch niet worden opgenomen in de 15 minuten-zone.

68

2.4.6.1

Daily urban systems in Vlaanderen – volgens stedelijke regio

Het eerste totaalbeeld (Figuur 36 of Kaart 27 in bijlage) geeft de daily urban systems van de steden van type 1, 2, 2a, 3, 3a en 3b weer. Het gaat met andere woorden om alle top stedelijke regio’s, alle stedelijke regio’s niveau 1 en 2. Alle stedelijke regio’s worden voorgesteld door middel van een kleurgradatie. De regio’s worden ingekleurd op basis van de waarden van hun kruislingse connectiviteit. De afbakeningslijn van de gebieden is dezelfde als de daily urban systems zoals die in stap 2 zijn bepaald en komt m.a.w. overeen met de grens hun kruislingse connectiviteit (40 of 30 minuten, al naargelang om welke stad het gaat). Brussel wordt als top stedelijke regio in een rode kleurgradatie voorgesteld; Antwerpen en Gent in Antwerpen en Gent in groen. Leuven en Brugge zijn paars en Mechelen, Hasselt-Genk en Kortrijk zijn in blauw voorgesteld. Zoals we eerder zagen overlappen sommige daily urban systems elkaar. Zo zijn er zones die in het daily urban system van zowel Mechelen, Antwerpen, Leuven als Brussel liggen. Opdat het kaartbeeld leesbaar zou blijven hanteren we een zekere hiërarchie. Brussel ligt als laag bovenop Antwerpen, bovenop Gent, bovenop Leuven, … enzoverder. De lagen zijn gedeeltelijk transparant gezet zodat je toch nog kan zien dat bepaalde zones twee of meerdere kleuren krijgen. Globaal kunnen we stellen dat er veel overlap is tussen de stedelijke regio’s. Brussel heeft een grote overlap met Mechelen, maar ook met Leuven en met de stedelijke regio’s niveau 2 Halle, Asse, Vilvoorde, Aalst en Zaventem. Er zijn een groot aantal zones die in het daily urban system van Antwerpen zitten, maar ook in dat van Mechelen. Het daily urban system van Antwerpen reikt net niet tot in Brussel maar wel tot in Sint-Niklaas. Er is overlap vanuit Antwerpen met stedelijke regio’s niveau 2 van Sint-Niklaas, Lier en Vilvoorde. Het daily urban system van Gent heeft een zeer beperkte overlap met dat van Brugge en Kortrijk en Sint-Niklaas en Dendermonde. Een grotere overlap is er met het invloedsgebied van Aalst. Leuven heeft overlap met het invloedsgebied van Brussel, Mechelen en Zaventem. Brugge heeft zoals gezegd beperkte overlap met Gent en met Roeselare. Mechelen heeft naast Antwerpen, Brussel, Leuven ook zones gemeenschappelijk met Vilvoorde en Lier. Hasselt-Genk ligt als daily urban system geïsoleerd. Kortrijk tot slot heeft beperkte overlap met Gent en Roeselare. Tussen de stedelijke regio’s niveau 2 tot slot zien we een grote verwevenheid tussen Aalst, Asse en Dendermond enerzijds en tussen Vilvoorde en Zaventem anderzijds.

69

Figuur 36: Daily urban systems in Vlaanderen – volgens stedelijke regio

70

2.4.6.2

Daily urban systems in Vlaanderen – 101 gemeenten

Dit tweede overzichtsbeeld (Figuur 37 of Kaart 28 in bijlage) is analoog aan Figuur 36. Met dat verschil dat er nu gewerkt wordt met één en dezelfde kleurgradatie voor alle top stedelijke regio’s en stedelijke regio’s niveau 1. Bovendien worden ook de andere steden en gemeenten met een bol voorgesteld: openbaar vervoersknooppunten in het rood en verzorgende steden in het blauw. De rood aangeduide zones zijn zones met een maximale kruislingse connectiviteit van 20 minuten. Deze zones liggen dus in een top stedelijke regio of een stedelijke regio niveau 1 en zijn op minder dan 20 minuten verbonden met alle andere zones in hun eigen stedelijke regio. Vanuit de oranje zones neemt de kruislingse connectiviteit waarden aan tussen 20 en 30 minuten. Gele zones hebben een kruislingse connectiviteit van 40 minuten en worden enkel bepaald voor zones die tot de topstedelijke regio’s Brussel, Antwerpen of Gent behoren. 2.4.6.3

Daily urban systems in Vlaanderen – het verdichtingsnet

Het laatste totaalbeeld focust zich niet op de zoneringen, maar wel op het infrastructuurnetwerk waarrond alles is opgebouwd (Figuur 38 of Kaart 29 in bijlage). Dezelfde zones als op de vorige kaart zijn aangeduid en hebben nu allemaal een lichtgrijze kleur gekregen. De stations, (pre)metrohaltes en spoorverbindingen hebben een kleur gekregen volgens de stedelijke regio waartoe ze behoren (top stedelijke regio of stedelijke regio niveau 1). We zien dat het hoofdstation van Mechelen in het daily urban system ligt van 4 stedelijke regio’s.

71

Figuur 37: Daily urban systems in Vlaanderen – 101 gemeenten

72

Figuur 38: Daily urban systems in Vlaanderen – het infrastructuurnetwerk

73

2.5 DEEL 5: Conclusie Voorliggende studie maakt deel uit van een beleidsvoorbereidende analyse over het netwerk van steden in Vlaanderen. De studie gaat na of een vooropgestelde beleidsstrategie omtrent een polycentrische ontwikkeling in stedelijke regio’s in Vlaanderen mogelijk is. Er werden achtereenvolgens een aantal stappen doorlopen. In het onderzoek is gewerkt met een selectie van 100 gemeenten (+Brussel) (DEEL 1). Vervolgens werden in overleg met de opdrachtgever en op basis van bestaand onderzoek vijf indicatoren opgesteld om een indeling te maken in de steden en gemeenten (DEEL 2). Op basis van deze indicatoren kwamen we tot een drietal composietindicatoren. Elke composiet werd op een andere manier opgesteld, afhankelijk van welke indicator(en) men wou beklemtonen. Vanuit deze composieten is een typologie opgesteld en detecteren we (top) stedelijke regio’s, openbaar vervoersknooppunten en verzorgende steden (DEEL 3). In een volgende stap werd het invloedsgebied van de belangrijkste stedelijke regio’s bepaald (DEEL 4). Dit gebeurt aan de hand van het Verkeersmodel van De Lijn. Voor Brussel, Antwerpen en Gent wordt gewerkt met alle zones die zich op 30 minuten invoertuigtijd van een centrale startzone (het hoofdstation) bevinden. Het invloedsgebied of daily urban system van elke stad wordt dan gevormd door die zones die een maximale kruislingse connectiviteit hebben van 40 minuten. Kruislingse connectiviteit is een maat voor de gemiddelde reistijd naar gelijk welk andere zone in het daily urban system. Voor Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk wordt gewerkt met grenswaarden van 20 minuten invoertuigtijd en 30 minuten kruislingse connectiviteit. Op die manier wordt voor elke stedelijke regio een gebied afgebakend dat een grote interne samenhang heeft. De resultaten van elke stedelijke regio worden gecombineerd op enkele samenvattende kaartbeelden en worden gekoppeld aan de bestaande spoorweginfrastructuur (DEEL 5). Op die manier krijgen we een beeld van hoe het netwerk vandaag is opgebouwd en welke stad op welk knooppunt in het netwerk een invloed heeft. In het onderzoek is ook aangegeven hoeveel stationslokaties zich in elke stedelijke regio bevinden. Uitgangspunt is dat bijkomende ontwikkelingen zich idealiter nabij deze knooppunten bevinden. Uit deze studie kunnen we dan ook concluderen dat er een groot potentieel is voor elk van deze locaties binnen een stedelijk netwerk. Uiteraard moet men zich bewust blijven van het feit dat dit onderzoek is opgestart vanuit een bepaalde beleidsvisie. Keuzes zijn zoveel mogelijk gemaakt op basis van bestaand onderzoek, literatuur en expertise van de onderzoekers, maar dit neemt niet weg dat sommige keuzes eerder ‘arbitrair’ zijn gemaakt, ingegeven door een bepaald beleidsmatig standpunt. In een volgende stap kan een diepgaandere inschatting worden gemaakt van de groeimogelijkheden en potenties die zich situeren binnen de afgebakende stedelijke regio’s. Echter, de grenzen zijn geen harde grenzen en moeten eerder beschouwd worden als invloedsgebieden binnen een polycentrisch netwerk. Het onderzoek geeft een inzicht in de bestaande situatie, de bestaande stedenstructuur. Het is een momentopname op een bepaald tijdsstip waarop toekomstige ontwikkelingen zich verder zullen enten, gestuurd vanuit een bepaalde visie.

74

Het basisidee dat Vlaanderen kan uitgroeien tot een polycentrisch netwerk van steden en voorzieningen op verschillende niveaus blijft hiermee dus zeker overeind, meer nog er is een grote potentie in sommige regio’s. Knooppuntlocaties die volledig zijn opgenomen in een stedelijke regio bieden aldus meer potentie voor toekomstige ontwikkelingen dan knooppunten die dat niet zijn. Indien Vlaanderen echt het netwerk wil versterken én een kritische massa wil genereren binnen een polycentrisch systeem, dan moet het beleidsprogramma afgestemd worden in functie van deze stedelijke regio’s en de bepalende knooppunten. Het is zeker zo dat er een enorm groot aantal knooppuntlocaties (of stations) in de stedelijke regio’s gelegen zijn en dat deze dus een heel groot potentieel in zich dragen.

75

3 HOOFDSTUK 3: KAARTMATERIAAL Kaart 1: Indicator 1 Knooppuntwaarde Kaart 2: Indicator 2 Voorzieningen Kaart 3: Indicator 3 Integratie in de economische structuur Kaart 4: Indicator 4 Internationale connectiviteit Kaart 5: Indicator 5 Verstedelijkingsgraad Kaart 6: Draft Composietkaart Kaart 7: Composietindicator 1: Stedelijkheid Kaart 8: Composietindicator 2: Openbaar vervoer Kaart 9: Composiet 3: Verzorgingsniveau Kaart 10: Typologie van de steden en gemeenten in Vlaanderen Kaart 11: Invoertuigtijd naar Brussel Kaart 12: Invoertuigtijd naar Antwerpen Kaart 13: Invoertuigtijd naar Gent Kaart 14: Invoertuigtijd naar Leuven Kaart 15: Invoertuigtijd naar Brugge Kaart 16: Invoertuigtijd naar Mechelen Kaart 17: Invoertuigtijd naar Hasselt-Genk Kaart 18: Invoertuigtijd naar Kortrijk Kaart 19: Kruislingse connectiviteit Brussel Kaart 20: Kruislingse connectiviteit Antwerpen Kaart 21: Kruislingse connectiviteit Gent Kaart 22: Kruislingse connectiviteit Leuven Kaart 23: Kruislingse connectiviteit Brugge Kaart 24: Kruislingse connectiviteit Mechelen Kaart 25: Kruislingse connectiviteit Hasselt-Genk Kaart 26: Kruislingse connectiviteit Kortrijk Kaart 27: Daily urban systems in Vlaanderen – volgens stedelijke regio Kaart 28: Daily urban systems in Vlaanderen – 101 gemeenten Kaart 29: Daily urban systems in Vlaanderen – het infrastructuurnetwerk

76

4 HOOFDSTUK 4: BIJLAGEN

Tabel 6: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten) Tabel 7: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten) Tabel 8: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101 gemeenten) Tabel 9: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten) Tabel 10: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten) Tabel 11: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks Tabel 12: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks Tabel 13: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks Tabel 14: Typologie steden in alfabetische rangschikking

77

14 0 0 16 18 9 87 24 7 15 44 5 21 20 23 11 28 24 25 5 20 27 7 17 28 8 12 30 42 15 27 40 14 54 44 13 17 20 15 19 21 16 29 21 25 14 40 72 84 44 46 52 90 78 93 87 46 60 34 56 24 48 75 72 42 27 78 40 69 78 58 168 72 159 117 114 186 192 135 144 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

20 32 42 38 18 87 105 32 34 38 58 40 29 34 23 90 42 96 29 52 34 66 120 50 52 84 96 72 72 56 72 144 66 84 48 72 44 69 129 38 120 120 69 90 102 84 58 75 120 54 56 147 93 117 93 102 99 165 138 114 111 141 90 171 168 165 120 174 171 198 150 171 174 210 216 264 210 195 234 243 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

60 81 81 75 126 111 126 117 108 141 210 141 108 63 111 105 177 159 180 132 198 180 126 138 171 132 141 207 117 159 192 183 102 159 108 135 105 168 144 207 138 141 174 99 177 177 90 189 183 186 138 240 207 165 99 105 150 183 231 165 195 219 183 264 192 168 267 180 249 294 264 225 252 213 303 306 246 249 327 336 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

94 113 123 129 162 207 318 173 149 194 312 186 158 117 157 206 247 279 234 189 252 273 253 205 251 224 249 309 231 230 291 367 182 297 200 220 166 257 288 264 279 277 272 210 304 275 188 336 387 284 240 439 390 360 285 294 295 408 403 335 330 408 348 507 402 360 465 394 489 570 472 564 498 582 636 684 642 636 696 723 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOM Brussel

31

0,8333 0,8333 0,6667 0,6667 0,5 0,5 0,6667 0,5 0,3333 0,3333 0,6667 0,5 0,3333 0,3333 0,3333 0,3333 0,3333 0,1667 0,3333 0,3333 0,3333 0,3333 0,3333 0,1667 0,3333 0,1667 0,3333 0,1667 0,3333 0,1667 0,3333 0,3333 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0,1667 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 0,864 0,8996 0,7573 0,6213 0,5502 0,3305 0,387 0,5084 0,4728 0,2343 0,2803 0,3682 0,3222 0,318 0,3368 0,3305 0,4937 0,3054 0,272 0,2866 0,2615 0,2238 0,341 0,2197 0,3201 0,1778 0,3305 0,1234 0,2573 0,1318 0,1736 0,1883 0,2385 0,182 0,1904 0,1548 0,1862 0,2029 0,182 0,1611 0,159 0,1548 0,1172 0,1674 0,1506 0,0879 0,1695 0,1967 0,1381 0,0879 0,1987 0,1674 0,1485 0,0921 0,0941 0,09 0,1506 0,1423 0,09 0,0837 0,1255 0,09 0,1695 0,1088 0,069 0,0837 0,0397 0,0837 0,1109 0,0439 0,09 0,0439 0,0711 0,0753 0,0816 0,0523 0,046 0,0753 0,0418 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

grote steden

op 24u

kortste afstand naar

# hoofdlijnen

HERSCHALING 2 DeelDeelind. 2 ind. 2 # vertrekkende treinen

Deelind. 1 INDICATOR 1

grote steden

op 24u

HERSHCALING 1 DeelDeelind. 2 ind. 2 # vertrekkende treinen

# hoofdlijnen

45)


330 492 273 381 477 474 483 573 387 336 570 519 375 417 453 513 474 579 525 522 549 606 453 465 384 309 540 393 420 423 519 618 573 525 435 537 348 405 501 546 510 486 378 591 432 246 483 690 654 555 435 435 675 486 480 468 642 468 240 657 582 627 432 450 438 393 477 570 687 684 672 714 690 537 495 717 552 762 513 522 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

drie grote steden (0-30-

141 177 210 147 141 138 294 222 144 237 210 234 258 291 228 249 207 264 180 204 204 255 132 141 219 219 225 282 252 186 198 342 255 249 210 285 246 213 171 207 180 159 183 279 273 264 291 276 324 186 234 327 369 309 279 267 348 291 318 363 309 312 288 351 264 294 330 315 348 396 303 417 369 438 396 411 378 441 414 423 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

derde kortste

183 258 252 135 201 186 234 348 156 276 354 300 300 261 192 306 258 366 255 306 255 294 171 222 171 291 327 321 393 177 276 471 351 318 195 336 318 258 210 282 210 189 231 402 318 303 243 390 438 258 273 366 408 237 366 558 387 219 357 402 402 444 183 690 192 333 369 591 483 495 354 456 501 483 615 528 303 480 603 612 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

tweede kortste

300 117 279 279 252 171 420 32 276 309 222 141 210 183 246 183 333 159 234 132 198 180 336 279 387 339 141 375 324 360 249 183 66 375 381 195 252 390 345 219 330 288 357 90 345 345 225 72 120 303 375 408 90 543 285 300 99 513 399 114 195 219 432 432 543 375 546 276 249 357 276 168 252 519 477 306 525 192 495 504 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

kortste

105 204 180 38 126 111 105 273 114 168 294 228 228 276 150 258 177 288 189 231 210 219 129 147 28 219 252 246 267 56 201 363 276 159 108 291 246 168 153 207 138 174 204 297 192 231 171 315 348 243 165 384 333 78 300 288 312 60 285 327 327 336 90 390 42 261 267 429 369 420 279 381 393 210 459 453 210 405 408 486 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Eindhoven

23 32 46 25 18 9 114 117 17 58 58 40 135 90 34 90 44 96 29 52 34 66 16 17 75 105 96 99 81 48 27 144 111 78 69 72 132 96 24 38 29 25 69 99 129 111 72 189 183 54 66 174 207 144 114 102 150 165 165 165 111 141 102 198 180 168 147 174 171 198 150 225 174 240 243 264 213 249 261 270 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Charleroi-Sud

14 50 42 16 27 18 87 144 7 38 75 72 108 63 23 105 28 120 46 75 54 90 7 25 52 84 129 72 72 15 54 171 102 54 48 105 105 69 15 60 21 16 48 126 102 84 40 219 210 69 56 147 234 117 99 87 177 138 138 192 138 168 75 171 168 174 120 201 198 225 180 249 201 213 216 291 186 276 234 243 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Lille

60 0 81 102 18 87 264 24 108 141 44 5 29 20 23 11 186 24 25 5 20 27 126 50 225 132 12 207 117 192 72 40 14 198 138 13 44 168 129 19 120 141 174 21 177 177 58 75 84 44 138 240 93 294 93 105 46 315 231 56 24 48 276 264 345 165 282 40 69 78 58 171 72 351 303 114 333 195 327 336 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Aachen

Luik

981

Brussel-Zuid

6

Gent

20 81 0 75 150 147 126 159 34 15 252 147 21 34 111 105 42 177 195 147 210 228 120 138 186 8 168 30 42 159 192 240 129 84 44 135 17 20 144 219 144 120 29 198 25 14 90 273 300 219 46 52 309 165 93 102 252 183 34 267 207 225 231 72 210 27 78 180 282 294 264 339 285 159 117 330 246 366 135 144 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Brussel-Noord

op 24u

# hoofdlijnen

478 413 430 362 297 263 158 185 243 226 112 134 176 154 152 161 158 236 146 130 137 125 107 163 105 153 85 158 59 123 63 83 90 114 87 91 74 89 97 87 77 76 74 56 80 72 42 81 94 66 42 95 80 71 44 45 43 72 68 43 40 60 43 81 52 33 40 19 40 53 21 43 21 34 36 39 25 22 36 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

5 5 4 4 3 3 4 3 2 2 4 3 2 2 2 2 2 1 2 2 2 2 2 1 2 1 2 1 2 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Deelind. 1

Deelindicator 3

Antwerpen

Mechelen Gent Antwerpen Leuven Denderleeuw Halle Hasselt Kortrijk Vilvoorde Lier Geraardsbergen Merelbeke Sint-Niklaas Lokeren Dendermonde Wetteren Aarschot Brugge Aalst De Pinte Zottegem Oudenaarde Zaventem Liedekerke Landen Mortsel Deinze Herentals Puurs Tienen Erpe-Mere Lichtervelde Waregem Diest Haacht Aalter Beveren Kontich Asse Lede Ternat Dilbeek Sint-Katelijne-Waver Harelbeke Heist-op-den-Berg Kapellen Zele Izegem Torhout Ninove Willebroek Geel Roeselare Diepenbeek Temse Bornem Wevelgem Bilzen Essen Menen Tielt Oostende Sint-Truiden Mol Tongeren Boom Turnhout Eeklo Knokke-Heist Diksmuide Ronse Ieper Blankenberge Beringen Lommel Veurne Genk Poperinge Overpelt Neerpelt Maasmechelen Maaseik Brasschaat Koksijde Grimbergen Edegem Houthalen-Helchteren Overijse Heusden-Zolder Bree Lanaken Schoten Bonheiden Zelzate Sint-Pieters-Leeuw Middelkerke Malle Machelen Westerlo Hamme

# vertrekkende treinen

gemeente

Deelind. 2


INPUT Deelind. 1

1 0,9698 0,9539 0,9444 0,8919 0,8203 0,6439 0,8744 0,9126 0,841 0,6534 0,8537 0,8983 0,9634 0,8998 0,8219 0,7568 0,7059 0,7774 0,849 0,7488 0,7154 0,7472 0,8235 0,7504 0,7933 0,7536 0,6582 0,7822 0,7838 0,6868 0,566 0,8601 0,6773 0,8315 0,7997 0,8855 0,7409 0,6916 0,7297 0,7059 0,7091 0,717 0,8156 0,6661 0,7122 0,8506 0,6153 0,5342 0,6979 0,7679 0,4515 0,5294 0,5771 0,6963 0,682 0,6804 0,5008 0,5087 0,6169 0,6248 0,5008 0,5962 0,3434 0,5103 0,5771 0,4102 0,5231 0,372 0,2432 0,399 0,2528 0,3577 0,2242 0,1383 0,062 0,1288 0,1383 0,0429 0,0408 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

2,8333 2,6671 2,5201 2,3683 2,0132 1,8706 1,6411 1,7614 1,7543 1,6472 1,5544 1,6341 1,5998 1,6189 1,5512 1,4921 1,4206 1,3663 1,4162 1,4543 1,3688 1,3103 1,3044 1,3312 1,3034 1,2801 1,2647 1,1554 1,239 1,2078 1,1519 1,073 1,215 1,0824 1,1802 1,1567 1,207 1,0937 1,0612 1,0784 1,0336 1,0347 1,0385 1,0994 1,0002 1,0295 1,1051 0,9514 0,8975 1,0027 1,0224 0,8169 0,8634 0,8923 0,9551 0,9428 0,9371 0,8181 0,8177 0,8735 0,8751 0,793 0,8528 0,6795 0,7858 0,8128 0,6605 0,7295 0,6224 0,5208 0,6096 0,5094 0,5683 0,462 0,3803 0,3103 0,3477 0,351 0,2849 0,2493 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1,3333 1,3333 1,0667 1,0667 0,8 0,8 1,0667 0,8 0,5333 0,5333 1,0667 0,8 0,5333 0,5333 0,5333 0,5333 0,5333 0,2667 0,5333 0,5333 0,5333 0,5333 0,5333 0,2667 0,5333 0,2667 0,5333 0,2667 0,5333 0,2667 0,5333 0,5333 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0,2667 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1,8141 1,5674 1,6319 1,3739 1,1272 0,9981 0,5996 0,7021 0,9222 0,8577 0,4251 0,5086 0,668 0,5845 0,5769 0,611 0,5996 0,8957 0,5541 0,4934 0,5199 0,4744 0,4061 0,6186 0,3985 0,5807 0,3226 0,5996 0,2239 0,4668 0,2391 0,315 0,3416 0,4327 0,3302 0,3454 0,2808 0,3378 0,3681 0,3302 0,2922 0,2884 0,2808 0,2125 0,3036 0,2733 0,1594 0,3074 0,3567 0,2505 0,1594 0,3605 0,3036 0,2695 0,167 0,1708 0,1632 0,2733 0,2581 0,1632 0,1518 0,2277 0,1632 0,3074 0,1974 0,1252 0,1518 0,0721 0,1518 0,2011 0,0797 0,1632 0,0797 0,129 0,1366 0,148 0,0949 0,0835 0,1366 0,0759 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0,6463 0,6267 0,6165 0,6103 0,5764 0,5302 0,4161 0,5651 0,5898 0,5435 0,4223 0,5517 0,5805 0,6226 0,5815 0,5312 0,4891 0,4562 0,5024 0,5487 0,4839 0,4624 0,4829 0,5322 0,485 0,5127 0,487 0,4254 0,5055 0,5065 0,4439 0,3658 0,5559 0,4377 0,5374 0,5168 0,5723 0,4788 0,4469 0,4716 0,4562 0,4582 0,4634 0,5271 0,4305 0,4603 0,5497 0,3976 0,3452 0,4511 0,4963 0,2918 0,3421 0,373 0,45 0,4408 0,4398 0,3236 0,3288 0,3987 0,4038 0,3236 0,3853 0,2219 0,3298 0,373 0,2651 0,338 0,2404 0,1572 0,2579 0,1634 0,2312 0,1449 0,0894 0,0401 0,0832 0,0894 0,0277 0,0264 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

HOOFDINDICATOR 1

Tabel 7: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten)

3,7937 3,5275 3,3151 3,0508 2,5036 2,3283 2,0824 2,0672 2,0453 1,9346 1,914 1,8603 1,7818 1,7404 1,6917 1,6756 1,622 1,6185 1,5899 1,5754 1,5372 1,4701 1,4223 1,4175 1,4168 1,36 1,3429 1,2917 1,2628 1,24 1,2163 1,2141 1,1641 1,137 1,1342 1,1288 1,1198 1,0832 1,0817 1,0685 1,0151 1,0133 1,0109 1,0063 1,0008 1,0002 0,9758 0,9717 0,9686 0,9682 0,9223 0,919 0,9124 0,9091 0,8837 0,8782 0,8696 0,8636 0,8535 0,8285 0,8223 0,818 0,8152 0,796 0,7938 0,7649 0,6836 0,6768 0,6589 0,625 0,6043 0,5932 0,5775 0,5406 0,4927 0,4548 0,4448 0,4395 0,431 0,3689 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

20,833

18,374

51,578

90,786

33,333

33,333

33,333

100

1

2,0523

1,1002

4,1525

1,6

3,7231

0,711

6,0341

78

vervoer

104,98 92,12 38,04 40,32 41,74 23,13 44,84 50,09 14,38 24,69 15,76 13,99 16,66 2,68 22,06 11,55 20,56 9,86 8,69 12,92 2,75 5,37 1,79 0 2,47 5,9 6,16 3,58 6,62 1,44 10,65 4,41 3,31 4,69 7,06 6,81 8,24 1,92 3,75 2,4 5,15 2,17 9,77 7,89 3,89 3,22 2,6 3,7 1,71 2,43 4,86 5,54 1,17 2,72 3,6 8,33 8,8 1,45 3,35 5,45 2,23 2,88 7,94 1,77 1,66 5,27 6,37 2,35 1,99 6,17 1,76 3,91 1,37 4,72 2,74 1,02 0 0,89 3,03 0,7 0,27 1,52 1,62 1,97 2,62 0,86 3,39 0,66 0,12 0,59

105,8 98,26 123,7 27,65 20,53 42,52 15,46 21,11 19,7 17,91 14,07 15,38 10,48 3,55 5,46 14,43 9,73 6,48 14,4 2,88 7,83 6,01 7,17 36,86 0,95 6,96 5,12 4,34 3,6 6,25 4,53 8,54 6,02 4,82 4,07 5,16 8 5,99 4,14 4,38 10,04 3,56 3,26 3,17 4,27 3,81 5,1 9,5 1,75 3,63 3,7 5,41 1,96 5,81 1,29 1,81 0,73 5,33 6,21 3,67 0,9 1,46 1,49 3,65 2,44 1,42 2,17 2,64 1,74 0,93 5,68 0,77 2,32 2,38 3,56 0,04 1,46 1,5 0,65 0,72 3,07 1,05 3,29 1,22 1,32 3,25 1,67 1,33 3,73 0,89

91 42 18 29 21 14 16 18 16 9,4 17 16 11 10 6,4 6,9 5,9 7,3 7,4 17 18 5,8 5,5 2,4 8,7 7,7 5,9 7,9 5,9 5 7 3,4 4,3 5,5 6,2 4,2 4,1 5,5 8,1 7,2 2,8 2,8 5,5 3,6 5,6 4 4,4 3,1 5,3 4,8 4 5,5 1,6 4 4,1 5,3 4,3 4,4 2,8 3,6 2,6 4,7 3,2 2,9 3,6 3,1 5,2 4,5 2,9 2,3 2 2,7 6,6 3 2 1,2 1,9 4,5 4,5 5,3 1,8 2,5 3 2,8 4,4 3 2,3 2,4 2 4,1

17 15 15 13 8,3 7,9 6,2 9,4 7,4 3,6 4,6 8,4 3,4 2,9 2,1 2,1 2,8 4,9 4,3 1,8 5,2 3,1 3,3 2,1 7,2 2,1 4,7 2 3,4 5,4 1,1 1,6 1,9 3 1,7 1,8 4,7 0,9 2,4 1,9 1,3 1,7 1,2 5,6 2,9 3,4 1,7 2,2 2,4 1,3 1,4 1,5 1,6 2,6 2,3 1,2 1,7 5,3 1,6 1,4 2,5 1,5 2 1 3,2 0,9 2,9 1,7 1,3 1 2,1 1,9 2,2 1,7 2,1 1 0,7 1,8 0,9 1,4 0,9 1,5 1 0,9 1,3 2 2,4 1,7 3,1 4,6

78,14 63,39 48,36 32,59 28,66 25,25 23,33 22,67 18,28 16,00 15,91 15,82 12,97 12,58 12,34 10,26 9,98 9,62 9,62 9,61 9,31 8,06 7,93 7,72 7,28 7,05 7,02 6,97 6,71 6,62 6,42 6,37 6,31 6,22 6,15 6,15 6,13 5,95 5,70 5,68 5,62 5,56 5,42 5,31 5,21 5,07 5,07 5,00 4,97 4,89 4,79 4,66 4,63 4,53 4,45 4,36 4,18 4,06 3,83 3,78 3,71 3,63 3,60 3,55 3,53 3,53 3,50 3,50 3,47 3,46 3,38 3,26 3,15 3,08 2,92 2,91 2,88 2,77 2,71 2,63 2,62 2,62 2,60 2,55 2,53 2,41 2,39 2,36 2,09 1,94 1,79 1,76 1,57 1,51 1,50 1,36 1,31 1,24 1,01 0,57

SOM Bruss el

100

HERSCHALING 1

HERSCHALING 2 HOOFDINDICATOR 2

detailhandelsfunctie

24 24 24 24 24 12 7,4 12 7,4 11 7,4 7,4 4,6 43 10 4,2 2,7 9,5 2,3 1,5 5,6 9,6 11 0 1,8 2,7 2,7 2,7 2,6 5,6 2,7 4,9 5,6 2,7 1,5 6,6 2,6 1,7 2,7 1,7 2,7 11 3,8 2,3 2,2 1,8 2,7 1,7 4,6 1,3 2,1 2,1 0,2 1,9 2,3 1,5 1,7 0,7 1,7 1,2 1,3 1 2,3 2,3 1,7 0,3 0,3 2,1 5 0,1 0,1 1,3 0,4 2,7 0,7 0,2 1,7 1,5 0,6 1,1 0,8 1,9 1,8 1,1 0,2 0,9 0,1 0,9 1 0,2

uitrustingsscore

onderwijs

36 21,61 14,15 10,74 14,3 13,45 9,94 10,45 9,88 9,81 10,09 10,15 5,79 3,81 9,15 5,59 5,9 7,41 4,86 1,23 4,55 6,55 7,38 0 3,82 5,44 7,82 3,69 8,3 7,81 4,96 4,49 5,65 5,2 5,54 2,52 5,66 2,29 4,42 2,7 2,97 3,56 2,55 3,09 5,25 4,05 3,47 5,71 5,36 2,52 3,23 3,2 2,18 3,48 3,14 0,81 0,41 3,09 0,63 3,3 0 0,63 1,06 3,63 1,64 0,91 2,37 3,25 3,81 2,27 0,5 3,02 4,02 2,61 3,74 0 5,38 3,29 0 0,63 2,42 1,06 2,7 0,63 2,52 2,76 2,84 1,38 3,01 1,5

kwalitatieve

culturele functies

medisch,

sport, recreatie, horeca 19,6 16,58 4,78 13,29 6,63 13,36 20,78 2,72 4,67 2,44 2,48 4,96 7,41 1 2,58 2,42 1,9 1,85 1,64 5,69 1,55 1,47 2,48 1,32 20 2,96 1,67 3,82 3,78 1,52 2,12 2,23 1,54 1,93 2,22 1,92 1,43 2,13 1,79 2,3 2,25 1,54 2,01 1,76 1,31 1,59 1,49 1,52 3,63 6,14 1,72 1,62 2,45 0,85 1,5 2,28 2,07 1,02 3,56 3 1,7 2,07 2,43 1,64 2,41 2,7 1,5 1,91 2,21 1,9 1,38 1,47 0,9 1,4 1,25 0,6 1,02 1,17 5,96 1,78 1,32 1,51 1,72 1,48 1,92 1,23 1,48 1,35 0,45 2,79

overheidsfuncties

48,19 53,97 42,66 34,05 30,19 20,29 13,86 10,5 28,89 13,19 20,87 18,79 15,9 5,23 12,17 11,44 8,19 10,55 13,61 11,16 10,48 9,57 7,84 1,92 2,29 7,09 9,17 12,26 6,11 8,88 3,42 7,08 8,36 9,32 7,28 6,62 3,67 13,22 6,39 10,6 5,03 5,46 3,01 7,29 6,12 9,42 8,05 2,31 5,08 6,06 6,78 2,29 15,91 6,15 8,54 3,89 4,99 6,39 2,79 0,56 11,68 7,33 1,34 3,65 6,01 5,73 1,34 2,47 1,43 5,32 7,1 4,73 1,71 0,2 2,12 12,91 4,37 2,39 0,2 4,22 4,68 4,89 0,2 4,84 1,04 1,34 1,39 5 1,23 0,65

diensten met loketfunctie

Antwerpen Gent Leuven Brugge Hasselt Kortrijk Oostende Mechelen Aalst Turnhout Roeselare Sint-Niklaas Genk Asse Ieper Geel Diest Dendermonde Lier Knokke-Heist Halle Tongeren Oudenaarde Diepenbeek Zaventem Waregem Tienen Sint-Truiden Herentals Vilvoorde Maas mechelen Tielt Eeklo Lokeren Mol Maas eik Aarschot Brass chaat Ninove Heist-op-den-Berg Torhout Veurne Lommel Geraards bergen Deinze Zottegem Menen Boom Beveren Blankenberge Izegem Beringen Overpelt Wetteren Ronse Koksijde Grimbergen Mortsel Poperinge Houthalen-Helchteren Edegem Heusden-Zolder Overijse Bree Merelbeke Lanaken Dilbeek Bilzen Diksmuide Bornem Sint-Katelijne-Waver Temse Schoten Harelbeke Neerpelt Bonheiden Zelzate Kapellen Middelkerke Sint-Pieters-Leeuw Malle Willebroek Westerlo Hamme Wevelgem Kontich Puurs Aalter Haacht Machelen Zele Liedekerke Landen Ternat Lede Essen Lichtervelde Denderleeuw Erpe-Mere De Pinte

sociale zorgfunctie

gemeente

maatschappelijke en

INPUT

INDICATOR 2

Tabel 8: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten)

1,0000 0,8112 0,6189 0,4171 0,3668 0,3231 0,2986 0,2901 0,2339 0,2048 0,2036 0,2025 0,1660 0,1610 0,1579 0,1313 0,1277 0,1232 0,1231 0,1229 0,1191 0,1032 0,1014 0,0988 0,0932 0,0902 0,0898 0,0892 0,0859 0,0848 0,0821 0,0815 0,0808 0,0796 0,0787 0,0787 0,0784 0,0761 0,0729 0,0727 0,0720 0,0712 0,0693 0,0679 0,0666 0,0649 0,0648 0,0640 0,0636 0,0625 0,0612 0,0597 0,0593 0,0579 0,0569 0,0558 0,0535 0,0519 0,0490 0,0484 0,0475 0,0465 0,0460 0,0455 0,0452 0,0452 0,0448 0,0448 0,0444 0,0443 0,0433 0,0417 0,0403 0,0394 0,0374 0,0372 0,0369 0,0354 0,0347 0,0337 0,0336 0,0335 0,0333 0,0326 0,0324 0,0309 0,0306 0,0302 0,0268 0,0249 0,0229 0,0225 0,0201 0,0193 0,0192 0,0174 0,0168 0,0159 0,0129 0,0073

9,6537 7,8311 5,9748 4,0266 3,5412 3,1189 2,8824 2,8004 2,2584 1,9767 1,9650 1,9547 1,6025 1,5546 1,5241 1,2678 1,2327 1,1889 1,1885 1,1867 1,1496 0,9960 0,9794 0,9538 0,8996 0,8709 0,8668 0,8610 0,8295 0,8183 0,7929 0,7871 0,7797 0,7682 0,7601 0,7597 0,7568 0,7348 0,7042 0,7022 0,6948 0,6871 0,6694 0,6555 0,6433 0,6263 0,6260 0,6182 0,6144 0,6038 0,5912 0,5762 0,5723 0,5593 0,5494 0,5382 0,5162 0,5014 0,4731 0,4674 0,4589 0,4486 0,4445 0,4389 0,4362 0,4362 0,4326 0,4322 0,4288 0,4277 0,4176 0,4028 0,3895 0,3803 0,3610 0,3590 0,3563 0,3419 0,3351 0,3255 0,3239 0,3235 0,3210 0,3145 0,3131 0,2981 0,2956 0,2913 0,2588 0,2401 0,2211 0,2174 0,1940 0,1866 0,1853 0,1680 0,1618 0,1532 0,1248 0,0704

10,3587

100,0000

1,2798

10,3587

79

Antwerpen Gent Leuven Brugge Hasselt Mechelen Zaventem Kortrijk Genk Sint-Niklaas Roeselare Aalst Vilvoorde Oostende Turnhout Machelen Geel Ieper Halle Waregem Beveren Lier Asse Herentals Dendermonde Oudenaarde Sint-Truiden Lokeren Tienen Dilbeek Kontich Mol Deinze Brasschaat Heist-op-den-Berg Grimbergen Westerlo Izegem Diest Menen Lommel Schoten Tongeren Beringen Aarschot Mortsel Tielt Wevelgem Ninove Knokke-Heist Puurs Wetteren Heusden-Zolder Merelbeke Eeklo Maasmechelen Temse Houthalen-Helchteren Bornem Ronse Overpelt Edegem Malle Willebroek Harelbeke Veurne Sint-Pieters-Leeuw Kapellen Bilzen Zele Geraardsbergen Aalter Zottegem Boom Diepenbeek Torhout Lanaken Sint-Katelijne-Waver Bree Maaseik Ternat Poperinge Koksijde Diksmuide Hamme Overijse Blankenberge Erpe-Mere Essen Bonheiden Zelzate Neerpelt Haacht Middelkerke Landen Denderleeuw Lede Liedekerke Lichtervelde De Pinte

247.650 23.149 149.105 12.519 69.217 6.238 62.396 5.062 48.303 3.708 44.083 3.879 41.365 4.069 42.997 3.328 35.794 2.748 29.629 2.607 30.785 2.437 29.881 2.498 27.233 2.679 27.181 2.376 26.393 2.309 19.701 1.938 18.580 1.626 18.214 1.438 16.002 1.574 17.895 1.385 16.633 1.464 16.414 1.444 15.372 1.512 16.261 1.423 14.944 1.291 14.231 1.325 15.593 1.197 13.763 1.211 12.625 1.138 10.805 1.063 11.064 1.034 11.426 1.000 11.466 963 10.725 1.003 10.922 961 10.224 1.006 10.006 875 10.487 830 9.780 881 10.309 798 10.251 799 9.340 873 10.249 778 10.016 769 9.184 828 8.832 826 8.949 801 9.550 739 8.894 743 8.886 721 8.479 746 8.436 729 8.863 680 8.370 703 8.324 701 8.646 656 7.991 703 8.418 656 7.776 684 7.458 694 7.765 605 7.015 656 6.947 649 7.156 630 7.311 566 6.629 624 6.278 618 6.059 566 6.648 504 6.204 536 6.259 523 6.198 520 6.135 513 5.764 539 6.302 484 6.133 498 6.322 480 5.739 505 6.013 469 5.726 446 4.977 490 5.538 437 4.766 448 4.632 414 4.637 401 4.284 421 3.959 321 3.543 296 3.341 312 3.429 302 3.449 290 3.231 252 2.888 260 2.898 253 2.390 215 2.401 201 2.285 191 2.008 198 2.132 169 1.201 101

SOM Brussel

270.000 62.621

2 1,1429 0,549 0,4706 0,3552 0,3456 0,3428 0,3174 0,2632 0,2323 0,2296 0,2286 0,2257 0,2124 0,2063 0,1633 0,1453 0,1357 0,1326 0,1321 0,1304 0,1287 0,1274 0,1271 0,1161 0,1147 0,1147 0,1079 0,1001 0,0895 0,0894 0,0893 0,0879 0,0866 0,0856 0,0847 0,0782 0,0782 0,0776 0,0761 0,0759 0,0754 0,075 0,0737 0,0728 0,0713 0,0708 0,0705 0,068 0,067 0,0665 0,0655 0,0652 0,0642 0,0639 0,0632 0,0626 0,0623 0,061 0,0601 0,0575 0,0567 0,0561 0,0561 0,054 0,0537 0,052 0,0489 0,0486 0,0482 0,0479 0,0475 0,0469 0,0465 0,0463 0,0463 0,0462 0,045 0,0445 0,0424 0,0412 0,0413 0,0386 0,0366 0,036 0,0355 0,0299 0,0271 0,027 0,0269 0,0265 0,0239 0,0229 0,0226 0,019 0,0184 0,0175 0,0166 0,0159 0,0092

waarde (mio €)

(VTE)

7,6015 4,5767 2,1246 1,9152 1,4826 1,3531 1,2697 1,3198 1,0987 0,9094 0,9449 0,9172 0,8359 0,8343 0,8101 0,6047 0,5703 0,5591 0,4912 0,5493 0,5105 0,5038 0,4718 0,4991 0,4587 0,4368 0,4786 0,4224 0,3875 0,3317 0,3396 0,3507 0,3519 0,3292 0,3352 0,3138 0,3071 0,3219 0,3002 0,3164 0,3146 0,2867 0,3146 0,3074 0,2819 0,2711 0,2747 0,2931 0,273 0,2728 0,2603 0,2589 0,272 0,2569 0,2555 0,2654 0,2453 0,2584 0,2387 0,2289 0,2383 0,2153 0,2132 0,2196 0,2244 0,2035 0,1927 0,186 0,2041 0,1904 0,1921 0,1902 0,1883 0,1769 0,1934 0,1882 0,1941 0,1762 0,1846 0,1758 0,1528 0,17 0,1463 0,1422 0,1423 0,1315 0,1215 0,1088 0,1026 0,1053 0,1059 0,0992 0,0886 0,089 0,0734 0,0737 0,0701 0,0616 0,0654 0,0369

toegevoegde

tewerkstelling

HERSCHALING 2 DeelDeelind. 1 ind. 2 INDICATOR 3

waarde (mio €)

(VTE)

toegevoegde

HERSCHALING 1 DeelDeelind. 1 ind. 2 tewerkstelling

waarde (mio €)

(VTE)

toegevoegde

gemeente

tewerkstelling

INPUT Deel-ind. Deel1 ind. 2

8,1674 4,4169 2,201 1,7858 1,3084 1,3684 1,4356 1,1743 0,9696 0,9199 0,8597 0,8813 0,9451 0,8383 0,8147 0,6837 0,5736 0,5074 0,5553 0,4887 0,5164 0,5095 0,5335 0,502 0,4554 0,4673 0,4224 0,4273 0,4015 0,375 0,3649 0,3527 0,3397 0,3537 0,339 0,3548 0,3089 0,2929 0,311 0,2815 0,2819 0,308 0,2743 0,2713 0,292 0,2913 0,2827 0,2608 0,2623 0,2543 0,2632 0,2571 0,2401 0,2479 0,2472 0,2314 0,2481 0,2315 0,2414 0,2449 0,2135 0,2314 0,2291 0,2221 0,1997 0,22 0,2179 0,1998 0,1779 0,1891 0,1846 0,1836 0,1809 0,1901 0,1707 0,1755 0,1692 0,1782 0,1654 0,1575 0,1727 0,1543 0,1582 0,146 0,1413 0,1487 0,1133 0,1045 0,1102 0,1064 0,1024 0,0889 0,0918 0,0894 0,076 0,0708 0,0674 0,0697 0,0595 0,0356

HOOFDINDICATOR 3

Tabel 9: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101 gemeenten)

1 0,6021 0,2795 0,252 0,195 0,178 0,167 0,1736 0,1445 0,1196 0,1243 0,1207 0,11 0,1098 0,1066 0,0796 0,075 0,0735 0,0646 0,0723 0,0672 0,0663 0,0621 0,0657 0,0603 0,0575 0,063 0,0556 0,051 0,0436 0,0447 0,0461 0,0463 0,0433 0,0441 0,0413 0,0404 0,0423 0,0395 0,0416 0,0414 0,0377 0,0414 0,0404 0,0371 0,0357 0,0361 0,0386 0,0359 0,0359 0,0342 0,0341 0,0358 0,0338 0,0336 0,0349 0,0323 0,034 0,0314 0,0301 0,0314 0,0283 0,0281 0,0289 0,0295 0,0268 0,0254 0,0245 0,0268 0,0251 0,0253 0,025 0,0248 0,0233 0,0254 0,0248 0,0255 0,0232 0,0243 0,0231 0,0201 0,0224 0,0192 0,0187 0,0187 0,0173 0,016 0,0143 0,0135 0,0138 0,0139 0,013 0,0117 0,0117 0,0097 0,0097 0,0092 0,0081 0,0086 0,0048

1 0,5408 0,2695 0,2187 0,1602 0,1675 0,1758 0,1438 0,1187 0,1126 0,1053 0,1079 0,1157 0,1026 0,0998 0,0837 0,0702 0,0621 0,068 0,0598 0,0632 0,0624 0,0653 0,0615 0,0558 0,0572 0,0517 0,0523 0,0492 0,0459 0,0447 0,0432 0,0416 0,0433 0,0415 0,0434 0,0378 0,0359 0,0381 0,0345 0,0345 0,0377 0,0336 0,0332 0,0358 0,0357 0,0346 0,0319 0,0321 0,0311 0,0322 0,0315 0,0294 0,0304 0,0303 0,0283 0,0304 0,0283 0,0296 0,03 0,0261 0,0283 0,0281 0,0272 0,0244 0,0269 0,0267 0,0245 0,0218 0,0231 0,0226 0,0225 0,0222 0,0233 0,0209 0,0215 0,0207 0,0218 0,0202 0,0193 0,0211 0,0189 0,0194 0,0179 0,0173 0,0182 0,0139 0,0128 0,0135 0,013 0,0125 0,0109 0,0112 0,0109 0,0093 0,0087 0,0083 0,0085 0,0073 0,0044

15,769 8,9936 4,3256 3,7011 2,7911 2,7215 2,7052 2,494 2,0683 1,8294 1,8047 1,7985 1,781 1,6726 1,6249 1,2884 1,1439 1,0665 1,0465 1,038 1,027 1,0133 1,0053 1,0011 0,9141 0,9042 0,901 0,8498 0,789 0,7066 0,7045 0,7034 0,6916 0,6829 0,6743 0,6686 0,616 0,6148 0,6112 0,598 0,5965 0,5947 0,5889 0,5787 0,5739 0,5624 0,5574 0,5539 0,5353 0,5271 0,5235 0,516 0,5121 0,5049 0,5027 0,4968 0,4934 0,4899 0,4801 0,4738 0,4519 0,4467 0,4423 0,4418 0,4241 0,4235 0,4106 0,3858 0,382 0,3795 0,3767 0,3738 0,3693 0,367 0,3641 0,3638 0,3633 0,3543 0,3499 0,3332 0,3255 0,3243 0,3045 0,2882 0,2836 0,2802 0,2348 0,2132 0,2127 0,2117 0,2083 0,188 0,1805 0,1783 0,1494 0,1445 0,1375 0,1313 0,125 0,0724

6,5777

6,1219

12,7

50

50

100

1,0902

2,7052

3,7954

8,2875

22,094

30,382

80

Tabel 10: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten)

16 20 0 25 17 9 17 18 29 25 15 48 20 44 8 24 29 46 42 29 32 34 17 42 14 30 38 25 21 27 75 27 60 52 34 40 34 102 93 52 54 66 32 72 78 78 96 58 90 72 66 90 72 105 34 78 60 111 42 96 99 117 114 144 90 135 72 120 144 141 180 150 159 174 198 174 171 264 168 192 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOM Brussel

0

0

0

1 0,9811 0,9084 0,9757 0,9137 0,8868 0,876 0,8544 0,8814 0,8652 0,8329 0,9245 0,8329 0,8868 0,7763 0,8167 0,8086 0,841 0,8086 0,7682 0,7763 0,7763 0,7197 0,7925 0,6954 0,7116 0,7197 0,6792 0,6631 0,6792 0,8005 0,6388 0,7197 0,6873 0,6146 0,6146 0,5499 0,752 0,7197 0,5903 0,5903 0,6065 0,5013 0,5984 0,6146 0,5822 0,6307 0,5013 0,5984 0,5256 0,5013 0,558 0,5013 0,5903 0,372 0,4447 0,3881 0,5256 0,3073 0,4447 0,4205 0,4043 0,3801 0,4367 0,2507 0,3558 0,1617 0,283 0,3315 0,3154 0,4286 0,2668 0,2911 0,2588 0,2911 0,1779 0,1456 0,1941 0,0647 0,0615 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0,9394 0,9242 1 0,9053 0,9356 0,9659 0,9356 0,9318 0,8902 0,9053 0,9432 0,8182 0,9242 0,8333 0,9697 0,9091 0,8902 0,8258 0,8409 0,8902 0,8788 0,8712 0,9356 0,8409 0,947 0,8864 0,8561 0,9053 0,9205 0,8977 0,7159 0,8977 0,7727 0,803 0,8712 0,8485 0,8712 0,6136 0,6477 0,803 0,7955 0,75 0,8788 0,7273 0,7045 0,7045 0,6364 0,7803 0,6591 0,7273 0,75 0,6591 0,7273 0,6023 0,8712 0,7045 0,7727 0,5795 0,8409 0,6364 0,625 0,5568 0,5682 0,4545 0,6591 0,4886 0,7273 0,5455 0,4545 0,4659 0,3182 0,4318 0,3977 0,3409 0,25 0,3409 0,3523 0,2375 0,3636 0,2727 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1,9394 1,9054 1,9084 1,881 1,8494 1,8527 1,8116 1,7863 1,7716 1,7705 1,7761 1,7427 1,7571 1,7201 1,746 1,7258 1,6988 1,6667 1,6495 1,6583 1,6551 1,6475 1,6553 1,6334 1,6424 1,598 1,5757 1,5845 1,5835 1,577 1,5164 1,5365 1,4924 1,4904 1,4858 1,463 1,4211 1,3657 1,3674 1,3933 1,3858 1,3565 1,3801 1,3257 1,3191 1,2868 1,2671 1,2817 1,2575 1,2529 1,2513 1,217 1,2286 1,1926 1,2432 1,1493 1,1609 1,1052 1,1482 1,0811 1,0455 0,9611 0,9482 0,8912 0,9098 0,8444 0,889 0,8285 0,7861 0,7813 0,7468 0,6987 0,6888 0,5997 0,5411 0,5188 0,4978 0,4316 0,4283 0,3342 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108 2,0108

47,242 58,321

145,78

1,0108

2,0108

1

1,0584 1,0384 0,9614 1,0327 0,9671 0,9386 0,9272 0,9043 0,9329 0,9157 0,8815 0,9785 0,8815 0,9386 0,8216 0,8644 0,8558 0,8901 0,8558 0,813 0,8216 0,8216 0,7617 0,8387 0,736 0,7531 0,7617 0,7189 0,7018 0,7189 0,8473 0,6761 0,7617 0,7275 0,6504 0,6504 0,582 0,7959 0,7617 0,6248 0,6248 0,6419 0,5306 0,6333 0,6504 0,6162 0,6675 0,5306 0,6333 0,5563 0,5306 0,5905 0,5306 0,6248 0,3937 0,4707 0,4108 0,5563 0,3252 0,4707 0,445 0,4279 0,4022 0,4621 0,2653 0,3766 0,1712 0,2995 0,3509 0,3338 0,4536 0,2824 0,3081 0,2739 0,3081 0,1883 0,154 0,2054 0,0685 0,065 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0,8054 0,7924 0,8573 0,7761 0,8021 0,8281 0,8021 0,7989 0,7632 0,7761 0,8086 0,7014 0,7924 0,7144 0,8313 0,7794 0,7632 0,7079 0,7209 0,7632 0,7534 0,7469 0,8021 0,7209 0,8119 0,7599 0,7339 0,7761 0,7891 0,7696 0,6138 0,7696 0,6625 0,6885 0,7469 0,7274 0,7469 0,5261 0,5553 0,6885 0,682 0,643 0,7534 0,6235 0,604 0,604 0,5456 0,669 0,5651 0,6235 0,643 0,5651 0,6235 0,5163 0,7469 0,604 0,6625 0,4969 0,7209 0,5456 0,5358 0,4774 0,4871 0,3897 0,5651 0,4189 0,6235 0,4676 0,3897 0,3994 0,2728 0,3702 0,341 0,2923 0,2143 0,2923 0,302 0,2036 0,3118 0,2338 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

50

50

1,0698 0,8573

HOOFDINDICATOR 4

HST-stations

Brussel Nationale Luchthaven

HERSCHALING 2 DeelDeelind. 1 ind. 2

INDICATOR 4

336 300 279 279 276 171 279 252 357 288 309 360 390 381 339 345 330 375 333 234 117 246 252 324 345 375 219 345 210 375 387 249 432 132 198 141 183 300 285 408 303 66 32 225 375 546 141 222 183 432 180 90 195 420 399 543 513 195 543 159 99 477 114 183 90 495 72 120 504 219 525 276 519 276 357 252 249 306 168 192 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

HST-stations

129 105 180 38 114 111 147 126 144 174 168 56 168 78 219 153 138 165 147 189 204 150 246 267 231 246 207 192 228 261 84 201 60 231 180 228 276 288 300 384 183 276 273 171 159 267 252 294 258 390 219 297 291 105 285 78 60 327 42 288 312 459 327 363 333 348 315 348 486 336 180 279 180 429 420 393 369 453 381 405 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

station

Rijsel

16 23 46 25 17 9 17 18 69 25 58 48 96 69 105 24 29 66 44 29 32 34 132 81 111 99 38 129 135 168 75 27 102 52 34 40 90 102 114 174 54 111 117 72 78 147 96 58 90 198 66 99 72 114 165 144 165 111 180 96 150 243 165 144 207 261 189 183 270 141 213 150 240 174 198 174 171 264 225 249 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

kortste reistijd naar HST-

120 20 0 75 34 147 138 150 29 120 15 159 20 44 8 144 144 46 42 195 81 111 17 42 14 30 219 25 21 27 186 192 231 147 210 147 34 102 93 52 219 129 159 90 84 78 168 252 105 72 228 198 135 126 34 165 183 207 210 177 252 117 267 240 309 135 273 300 144 225 246 264 159 180 294 285 282 330 339 366 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Brussel-Zuid

4 11 38 13 36 46 50 58 48 54 66 32 66 46 87 72 75 63 75 90 87 87 108 81 117 111 108 123 129 123 78 138 108 120 147 147 171 96 108 156 156 150 189 153 147 159 141 189 153 180 189 168 189 156 237 210 231 180 261 210 219 225 234 213 282 243 315 270 252 258 216 276 267 279 267 309 321 303 351 375 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Luik-Guillemins

Antwerpen-Centraal

Zaventem Mechelen Antwerpen Leuven Vilvoorde Halle Liedekerke Denderleeuw Sint-Katelijne-Waver Dilbeek Lier Tienen Kontich Haacht Mortsel Asse Ternat Willebroek Aarschot Aalst Gent Dendermonde Beveren Puurs Kapellen Herentals Lede Heist-op-den-Berg Sint-Niklaas Boom Landen Erpe-Mere Sint-Truiden De Pinte Zottegem Merelbeke Lokeren Bornem Temse Geel Ninove Waregem Kortrijk Zele Diest Turnhout Deinze Geraardsbergen Wetteren Mol Oudenaarde Harelbeke Aalter Hasselt Essen Diepenbeek Bilzen Tielt Tongeren Brugge Wevelgem Lommel Menen Lichtervelde Roeselare Overpelt Izegem Torhout Neerpelt Oostende Genk Ronse Beringen Eeklo Diksmuide Blankenberge Knokke-Heist Veurne Ieper Poperinge Bonheiden Brasschaat Bree Edegem Grimbergen Hamme Heusden-Zolder Houthalen-Helchteren Koksijde Lanaken Maaseik Maasmechelen Machelen Malle Middelkerke Overijse Schoten Sint-Pieters-Leeuw Westerlo Zelzate


gemeente

HERSCHALING 1 DeelDeelind. 1 ind. 2

Deelindicator 2


INPUT Deelind. 1

1,8637 1,8308 1,8187 1,8088 1,7692 1,7667 1,7293 1,7032 1,696 1,6919 1,6901 1,68 1,6739 1,653 1,6529 1,6438 1,619 1,598 1,5768 1,5762 1,575 1,5685 1,5638 1,5596 1,5479 1,513 1,4956 1,495 1,4909 1,4885 1,461 1,4458 1,4242 1,4159 1,3973 1,3779 1,3289 1,322 1,317 1,3132 1,3067 1,2849 1,284 1,2568 1,2545 1,2202 1,2131 1,1996 1,1984 1,1798 1,1736 1,1556 1,1541 1,1411 1,1406 1,0747 1,0733 1,0532 1,0461 1,0163 0,9809 0,9053 0,8894 0,8518 0,8304 0,7955 0,7947 0,7672 0,7406 0,7332 0,7264 0,6526 0,6491 0,5661 0,5224 0,4806 0,4561 0,409 0,3802 0,2989 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 1,9271

81

Tabel 11: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten)

Antwerpen Gent Brugge Leuven Mechelen Kortrijk Oostende Aalst Sint-Niklaas Genk Hasselt Roeselare Dendermonde Beveren Turnhout Vilvoorde Maasmechelen Beringen Knokke-Heist Sint-Truiden Lokeren Za ventem Waregem Menen Ieper Wevelgem Heusden-Zolder Houthalen-Helchteren Brasschaat Lier Grimbergen Tienen Bilzen Ninove Mortsel Harelbeke Izegem Sint-Pieters-Leeuw Tongeren Halle Temse La naken Geraardsbergen Geel Willebroek Mol Edegem Herentals Oudenaarde Asse Dilbeek Hamme Koksijde Heist-op-den-Berg Deinze Maaseik Ronse Wetteren Eeklo Blankenberge Lommel Zottegem Westerlo Diest Denderleeuw Boom Bornem Merelbeke Kontich Overijse Diepenbeek Zele Lede Middelkerke Poperinge Tielt La nden Neerpelt Machelen Malle Aarschot Erpe-Mere Aalter Ternat Sint-Ka telijne-Wa ver Liedekerke Torhout Haacht Diksmuide De Pinte Zelzate Essen Overpelt Bree Veurne Puurs Schoten Lichtervelde Kapellen Bonheiden

HOOFDINDICATOR 5

474.775 228.653 105.770 89.961 73.498 67.734 65.335 65.156 61.591 60.593 56.806 48.351 39.158 38.564 37.850 34.073 33.867 32.928 31.541 30.831 30.325 29.365 28.876 28.571 28.471 28.214 28.207 27.552 27.394 27.045 25.967 25.559 25.376 25.122 24.611 24.243 24.182 23.974 23.868 23.513 22.727 22.400 22.206 21.726 21.713 21.572 21.162 21.042 20.990 20.560 20.373 20.238 20.197 20.084 20.027 19.205 19.153 18.802 18.633 18.545 18.408 18.286 18.101 18.067 17.939 16.582 16.463 16.391 15.786 15.682 15.049 14.786 14.510 14.306 13.739 13.468 13.366 13.030 12.981 12.668 12.557 11.850 11.707 11.586 11.303 11.091 10.341 10.323 9.429 9.374 9.243 9.031 8.815 8.758 8.270 8.212 7.079 5.729 5.456 3.239

1 0,4816 0,2228 0,1895 0,1548 0,1427 0,1376 0,1372 0,1297 0,1276 0,1196 0,1018 0,0825 0,0812 0,0797 0,0718 0,0713 0,0694 0,0664 0,0649 0,0639 0,0619 0,0608 0,0602 0,06 0,0594 0,0594 0,058 0,0577 0,057 0,0547 0,0538 0,0534 0,0529 0,0518 0,0511 0,0509 0,0505 0,0503 0,0495 0,0479 0,0472 0,0468 0,0458 0,0457 0,0454 0,0446 0,0443 0,0442 0,0433 0,0429 0,0426 0,0425 0,0423 0,0422 0,0405 0,0403 0,0396 0,0392 0,0391 0,0388 0,0385 0,0381 0,0381 0,0378 0,0349 0,0347 0,0345 0,0332 0,033 0,0317 0,0311 0,0306 0,0301 0,0289 0,0284 0,0282 0,0274 0,0273 0,0267 0,0264 0,025 0,0247 0,0244 0,0238 0,0234 0,0218 0,0217 0,0199 0,0197 0,0195 0,019 0,0186 0,0184 0,0174 0,0173 0,0149 0,0121 0,0115 0,0068 6,5543

100

1.048.491

2,2084

33,694

SOM Brussel

HERSCHALING 1 Deelind. 1 Inwonersaantal

gemeente

inwonersaantal

INPUT Deel-ind. 1

15,257 7,3479 3,399 2,8909 2,3619 2,1767 2,0996 2,0938 1,9793 1,9472 1,8255 1,5538 1,2584 1,2393 1,2163 1,095 1,0883 1,0582 1,0136 0,9908 0,9745 0,9437 0,9279 0,9181 0,9149 0,9067 0,9064 0,8854 0,8803 0,8691 0,8345 0,8214 0,8155 0,8073 0,7909 0,7791 0,7771 0,7704 0,767 0,7556 0,7303 0,7198 0,7136 0,6982 0,6978 0,6932 0,6801 0,6762 0,6745 0,6607 0,6547 0,6504 0,649 0,6454 0,6436 0,6172 0,6155 0,6042 0,5988 0,596 0,5915 0,5876 0,5817 0,5806 0,5765 0,5329 0,529 0,5267 0,5073 0,5039 0,4836 0,4752 0,4663 0,4597 0,4415 0,4328 0,4295 0,4187 0,4172 0,4071 0,4035 0,3808 0,3762 0,3723 0,3632 0,3564 0,3323 0,3317 0,303 0,3012 0,297 0,2902 0,2833 0,2814 0,2658 0,2639 0,2275 0,1841 0,1753 0,1041

82

Tabel 12: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks nr

gemeente

composiet 1

0

Brus s e l

84,391

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwerpe n Gent Le uve n Brugge Me che l e n Ha s s el t Kortri jk Aa l s t Si nt-Ni kl a a s Oos te nde Za ventem Vi l voorde Roe s el a re Ha l l e Genk Turnhout Li e r Dende rmonde As s e Lokere n Beve re n Ti e ne n Gee l Here nta l s Wa rege m Oudena a rde Dende rl e euw Si nt-Trui de n Aa rs chot Morts el Gera a rds berge n Di es t Me re l be ke We tte ren Dei nze Hei s t-op-de n-Be rg Zotte ge m Di l bee k Ie per Ni nove Konti ch Tonge ren Mol Wi l l ebroe k Puurs Me ne n Li e dekerke Knokke-Hei s t Si nt-Ka tel i jne-Wa ver Te ms e

45,814 29,275 18,051 13,761 13,508 11,381 11,141 9,317 9,036 8,206 7,835 7,509 7,066 7,047 6,789 6,722 6,696 6,622 5,946 5,662 5,564 5,397 5,342 5,312 5,286 5,202 5,081 4,992 4,933 4,868 4,859 4,816 4,706 4,553 4,535 4,518 4,518 4,499 4,479 4,322 4,267 4,192 4,133 3,983 3,905 3,860 3,852 3,842 3,842 3,827

2 kl.

3 kl.

4 kl.

5 kl.

nr

gemeente

1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

1 1 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4

1 1 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Di epenbee k Boom Ize gem Ha re l beke Ti e l t La nden Borne m Weve l ge m Bi l ze n Ha a cht Terna t Ka pe l l e n De Pi nte Beri nge n Erpe-Me re Le de Aa l ter Zel e Lommel Torhout Eekl o Rons e Es s e n Li chte rvel de Ove rpel t Bl a nkenbe rge Ma a s me che l en Bra s s cha a t Veurne Di ks mui de Nee rpe l t Gri mbe rgen Pope ri nge Ma che l e n Heus de n-Zol de r Houtha l e n-Hel chte re n Ma a s e i k Ede gem La na ken Wes te rl o Si nt-Pi e ters -Le e uw Koks i jde Ha mme Ove ri js e Schote n Ma l l e Bree Mi dde l kerke Zel za te Bonhe i den

composiet 1

3,785 3,771 3,749 3,745 3,653 3,651 3,637 3,624 3,567 3,558 3,518 3,451 3,435 3,403 3,381 3,353 3,324 3,308 3,255 3,127 3,124 2,896 2,665 2,537 2,534 2,493 2,378 2,298 2,240 2,167 2,077 2,019 1,977 1,946 1,867 1,843 1,710 1,586 1,519 1,519 1,506 1,492 1,248 1,229 1,212 1,173 1,070 0,973 0,862 0,675

2 kl.

3 kl.

4 kl.

5 kl.

1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

83

Tabel 13: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks nr

gemeente

0

Brus s el

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwe rpe n Ge nt Leuve n Mechel e n Brugge Ha s s e l t Kortri jk Ha l l e Si nt-Ni kl a a s Vi l voorde De nderl ee uw Aa l s t Li er De ndermonde Za ventem Ge ra a rds berge n Lokeren Merel beke Aa rs chot We ttere n Oude na a rde Oos tende Zottegem He re nta l s Morts el Roe s e l a re Ti ene n As s e De Pi nte De i nze Beve ren Wa re ge m Li edekerke La nden Di es t Puurs Turnhout Ge el Konti ch Di l beek He i s t-op-den-Berg Erpe-Mere Ha a cht Ni nove Si nt-Trui de n Ge nk Aa l te r Si nt-Ka tel i jne-Wa ve r Ha re l be ke Lede

composiet 2

2 kl.

3 kl.

4 kl.

5 kl.

nr

gemeente

1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

1 1 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Izegem Li chte rve l de Wi l l e broek Terna t Ka pe l l en Di e penbee k Tems e Zel e Tongeren Mol Borne m Me nen Weve l gem Torhout Bi l ze n Ti e l t Boom Ie per Knokke-Hei s t Es s en Eekl o Be ri ngen Rons e Lommel Bl a nke nbe rge Di ks mui de Overpe l t Ve urne Pope ri nge Nee rpe l t Ma a s mechel e n Bra s s cha a t Gri mbe rgen Ma chel en Heus den-Zol der Houtha l e n-He l chteren Ma a s ei k Edegem La na ken Wes te rl o Si nt-Pi eters -Leeuw Koks i jde Ha mme Overi js e Schoten Ma l l e Bree Mi dde l kerke Zel za te Bonhe i den

composiet 2

2 kl.

3 kl.

4 kl.

5 kl.

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

11,456 6,239 4,691 3,331 3,248 2,185 2,179 2,148 1,869 1,795 1,774 1,760 1,727 1,637 1,508 1,495 1,443 1,436 1,401 1,304 1,293 1,255 1,230 1,220 1,177 1,167 1,163 1,160 1,135 1,131 1,125 1,116 1,111 1,094 1,073 1,050 1,022 1,014 0,994 0,968 0,957 0,952 0,946 0,923 0,916 0,907 0,901 0,897 0,890 0,878 0,870

0,861 0,861 0,859 0,859 0,845 0,833 0,825 0,819 0,816 0,811 0,803 0,800 0,797 0,797 0,788 0,776 0,760 0,745 0,714 0,693 0,651 0,611 0,592 0,572 0,538 0,529 0,469 0,451 0,417 0,392 0,238 0,230 0,202 0,195 0,187 0,184 0,171 0,159 0,152 0,152 0,151 0,149 0,125 0,123 0,121 0,117 0,107 0,097 0,086 0,067

84

Tabel 14: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks nr

gemeente

composiet 3

0

Brus s el

20,228

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Antwerpen Gent Leuven Brugge Ha s s el t Kortri jk Meche l e n Oos tende Aa l s t Si nt-Ni kl a a s Roe s el a re Genk Turnhout I e pe r Za ve ntem As s e Dende rmonde Gee l Li e r Vi l voorde Ha l l e Knokke -He i s t Di e s t Wa rege m Oudena a rde Si nt-Trui den Tonge re n Ti enen Herenta l s Loke re n Beveren Ma a s me chel en Bra s s cha a t Di e pe nbee k Mol Ni nove Ee kl o Hei s t-op-den-Be rg Menen Beri nge n Ti el t Dei nze Aa rs chot Ma a s ei k Lomme l I ze gem Gera a rds be rge n Gri mbergen Morts e l Zotte ge m

11,997 7,967 5,028 3,836 3,048 2,805 2,697 2,484 2,133 1,935 1,851 1,765 1,754 1,311 1,270 1,266 1,148 1,129 1,090 1,066 1,050 1,020 0,978 0,916 0,903 0,895 0,869 0,842 0,833 0,826 0,822 0,793 0,753 0,742 0,735 0,691 0,688 0,685 0,679 0,673 0,670 0,653 0,650 0,646 0,639 0,633 0,611 0,610 0,571 0,567

2 kl.

3 kl.

4 kl.

5 kl.

nr

gemeente

1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

1 1 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

1 1 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

1 1 2 2 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Wette re n Torhout Houtha l en-Hel chte re n Heus de n-Zol de r Boom Veurne Rons e Di l be ek Bl a nke nbe rge Koks i jde Edege m Bi l ze n Overpe l t Te ms e Ma che l e n Weve l ge m La na ke n Ha rel be ke Mere l beke Bornem Pope ri nge Wes terl o Si nt-Pi e te rs -Le euw Overi js e Wi l l e broe k Konti ch Schote n Si nt-Ka tel i jne-Wa ver Bree Di ks mui de Ha mme Ma l l e Nee rpel t Puurs Mi ddel kerke Aa l ter Ka pe l l e n Ze l za te Ze l e Bonhei de n Ha a cht Te rna t Dende rl ee uw La nde n Lede Li e de kerke Es s e n Erpe -Me re Li chtervel de De Pi nte

composiet 3

0,560 0,556 0,556 0,553 0,551 0,550 0,548 0,532 0,528 0,514 0,501 0,499 0,490 0,486 0,485 0,480 0,478 0,469 0,468 0,458 0,437 0,432 0,431 0,424 0,422 0,421 0,398 0,394 0,390 0,376 0,375 0,364 0,338 0,335 0,329 0,325 0,317 0,315 0,304 0,279 0,258 0,251 0,236 0,232 0,232 0,228 0,201 0,194 0,159 0,117

2 kl.

3 kl.

4 kl.

5 kl.

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

85

Tabel 15: Typologie steden in alfabetische rangschikking gemeente

type

Aa l s t Aa l te r Aa rs chot Antwerpen As s e Beri nge n Bevere n Bi l zen Bl a nkenbe rge Bonhei den Boom Bornem Bra s s cha a t Bree Brugge Brus s e l De Pi nte De i nze De nderl ee uw De ndermonde Di epe nbe ek Di es t Di ks mui de Di l bee k Ede ge m Eekl o Erpe -Me re Es s e n Ge el Ge nk Ge nt Ge ra a rds bergen Gri mbergen Ha a cht Ha l l e Ha mme Ha rel beke Ha s s el t He i s t-op-den-Berg He renta l s He us de n-Zol de r Houtha l en-Hel chtere n Ie pe r Ize ge m Ka pel l e n Knokke-He i s t Koks i jde Konti ch Kortri jk La na ken La nde n Le de Le uven Li chtervel de Li e dekerke Li e r Loke ren Lommel Ma a s e i k Ma a s mechel en Ma chel en Ma l l e Mechel en Menen Mere l be ke Mi ddel kerke Mol Morts el Ne erpel t Ni nove Oos tende Oude na a rde Ove ri js e Ove rpel t Poperi nge Puurs Roes el a re Rons e Schoten Si nt-Ka tel i jne-Wa ver Si nt-Ni kl a a s Si nt-Pi e ters -Leeuw Si nt-Trui den Tems e Terna t Ti el t Ti enen Tonge ren Torhout Turnhout Veurne Vi l voorde Wa re ge m Wes terl o Wette ren Wevel gem Wi l l ebroe k Za ve ntem Zel e Zel za te Zotte ge m

3 6 4a 1 3a 6 4 6 6a 7a 6 6 7 7a 2 1 4a 4a 4a 3a 5 5 6a 6 7a 6 6 6a 5 3b 1 4a 7a 6 3a 7a 6 2a 6 4 7a 7a 5 6 6 5 7a 6 2a 7a 6 6 2 6a 6 3a 4 6 7a 7 7a 7a 2a 6 4a 7a 5 4a 7a 6 3 4 7a 7a 7a 6 3 6a 7a 6 3 7a 5 6 6 6 4 5 6 3b 7a 3a 4 7a 4a 6 6 3a 6 7a 4a

Stede l i jke regi o ni vea u 2 Ve rzorgende s ta d ni ve a u 2 OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Top s te del i jke re gi o Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 OV-Knooppunts ta d Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 me t bepe rkte r verzorgi ngs ni ve a u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Stede l i jke regi o ni vea u 1 Top s te del i jke re gi o OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 1 Ve rzorgende s ta d ni ve a u 1 Ve rzorgende s ta d ni ve a u 2 me t bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 me t bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 1 Stede l i jke regi o ni vea u 2 met bepe rkte re knooppuntwa a rde Top s te del i jke re gi o OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 1 met bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 OV-Knooppunts ta d Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 1 Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 1 Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 1 met bepe rkte r verzorgi ngs ni ve a u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 1 Ve rzorgende s ta d ni ve a u 2 me t bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u OV-Knooppunts ta d Ve rzorgende s ta d ni ve a u 2 Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Stede l i jke regi o ni vea u 1 met bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 1 OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 OV-Knooppunts ta d Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 Ve rzorgende s ta d ni ve a u 2 me t bepe rkte r verzorgi ngs ni ve a u Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 Be perkte s tede l i jke functi e Ve rzorgende s ta d ni ve a u 1 Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 OV-Knooppunts ta d Ve rzorgende s ta d ni ve a u 1 Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 met bepe rkte re knooppuntwa a rde Be perkte s tede l i jke functi e Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u OV-Knooppunts ta d Be perkte s tede l i jke functi e OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u Ve rzorgende s ta d ni ve a u 2 Ve rzorgende s ta d ni ve a u 2 Stede l i jke regi o ni vea u 2 met bepe rkte r verzorgi ngs ni ve a u Ve rzorgende s ta d ni ve a u 2 Be perkte s tede l i jke functi e OV-knooppunts ta d me t be perkte r verzorgi ngs ni vea u

86

5 HOOFDSTUK 5: DIGITALE KAARTEN EN DATA-OVERDRACHT Zie hiervoor in de map van de digitale data-overdracht.

87

6 HOOFDSTUK 6: REFERENTIES

Brok, M., V. van Doremaele., F. Goosen., K. van Haaften., M. Kemperman & S. Schroder (2001), De keten in de knoop. Een zoektocht naar mogelijkheden om ketenmobiliteit te stimuleren vanuit een ruimtelijk perspectief, Nijmegen, 2001, pp 78. Chen, C., H. Gong & R. Paaswell (2008), “Role of the built environment on mode choice descisions: additional evidence on the impact of density”, Transportation Research Part 35, Vol 3, pp 285-299. Christaller, W. (1933) Die zentralen Orte in Süddeutschland. Gustav Fischer, Jena. Geurs, K. & Ritsema van Eck, J. (2001) Accessibility measures: review and applications: Evaluation of accessibility impacts of land-use transport scenario’s, and related social and economic impacts, Utrecht: Urban research centre Utrecht University. Givoni, M. (2007) “Development and Impact of the Modern High-speed Train: A Review”. Transport Reviews: A Transnational Transdisciplinary Journal. Volume 26, Issue 5, 593-611. Glorieux, I. & Minnen, J. (2008) Website 'Belgisch tijdsbudgetonderzoek' (www.time-use.be), Onderzoeksgroep TOR Vrije Universiteit Brussel & Algemene Directie Statistiek en Economische Informatie, Brussel. Hagget, P. (1972) Geography: A Modern Synthesis. Harper International Editions, Harper & Row Series in Geography, London. pp. 483. Hägerstrand, T. (1970) “ What about people in regional science?” Hine, J.P., M. Wardman., S. Stradling (2001), Interchange and travel Choice, report for Scottisch Executive by Institute for Transport Studies at the University of Leeds and Transport Research Institute at Napier University, Vol 2. Hupkens, (1977), Toekomstscenario’s voor ons vervoerssysteem, Deventer: Kluwer. Janssens, D.; Moons, E.; Nuyts, E. & Wets, G. (2009) Onderzoek Verplaatsingsgedrag Vlaanderen 3 (2007-2008) – Verkeerskundige interpretatie van de belangrijkste tabellen. Universiteit Hasselt, Instituut voor Mobiliteit, Hasselt. http://www.mobielvlaanderen.be/pdf/ovg03/ovg03-analyse-globaal.pdf Kitamura, R., P.L. Moktarian & L. Laidet (1997), A micro-analysis of land use and travel in five neighbourhoods in the San Francisco Bay Area, Transportion, Vol 24. pp. 125-158. Kropman, J., H. Katteler (1993), De Betekenis van de Verplaatsingstijdfactor, Nijmegen, 1993, pp 65. Lievois, E.; Bomans, K.; Boussauw, K.; De Smedt, B.; Engelen, G.; Poelmans, L.; Tempels, B.; Vandenabeele, P.; Verbeek, T.; Uljee, I. (2011), Indicatorennota: Een overzicht van ruimtelijke indicatoren ontwikkeld binnen het Steuntpunt Ruimte en Wonen. Steunpunt Ruimte en Wonen, Heverlee. Loopmans, M.; Van Hecke, E.; De Craene, V.; Martens, M.; Schreurs, J. & Oosterlynck, S. (2011) Selectie van kleinstedelijke gebieden in Vlaanderen. KULeuven: Afdeling Geografie, Departement Aard- en Omgevingswetenschappen; Onderzoeksgroep Planning en Ontwikkeling; Departement Architectuur, Stedenbouw en Ruimtelijke Ordening & bureau voor architectuur & planning, in opdracht van de Vlaamse Overheid, Departement RWO, Afdeling Ruimtelijke Planning. Meijers, E.; Hollander, K. & Hoogerbrugge, M. (2012) A Strategic Knowledge and Research Agenda on Polycentrism. European Metropolitan network Institute, Den Haag. Rajamani, J., C.R. Bhat., S.L. Handy., G. Knaap & Y. Song (2003), “assessing the impact of urban form measures in nonwork trip mode choice after controlling for demographic and level-of-service effects”. Transportation Research Record 1831, pp.158-165. Schwanen, T., F.M. Dieleman & M. Dijst (2001), Travel behaviour in Dutch monocentric and polycentric urban systems, Journal of transport Geography, Vol 9, pp 173-186.

88

Steunpunt Ruimte en Wonen (2012) Ruimtemonitor. Vandenbulcke, G.; Steenberghen & T., Thomas, I. (2007) Accessibility indicators to places and transports. Final Report. Leuven / Louvain-la-Neuve: FOD Mobiliteit en Vervoer / Federaal Wetenschapsbeleid. Van Eck, J. R.; van Oort, F.; Raspe, O.; Daalhuizen, F. en van Brussel, J. (2006) Vele steden maken nog geen randstad. NAi Uitgevers, Rotterdam en Ruimtelijk Planbureau, Den Haag. Verhetsel, A.; Vanelslander, T. & Sellekaerts, N. (2007) Onderzoek naar de relatie tussen locatiebeleid en duurzame mobiliteit voor woonwerkverplaatsingen. Universiteit Antwerpen, Department of Transport and Regional Economics. Verkeerscentrum (2013) Opbouw van het Multimodaal Model (MM) versie 3.6.1 – Gedetailleerde beschrijving modelprocessen. Intern document. Visscher, J. & Jobsen, P. (2011) “Daily Urban System gemeente Pijnacker-Nootdorp - Onderzoeksrapportage”. Motivaction, Amsterdam. Vleugels, I., T. Asperges., T. Steenbergen., PH. Toint., E. Cornelis (2007), Determinanten van modale keuze in ketenverplaatsingen, Brussel: Federaal wetenschapsbeleid. Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K. (2012) “Probability and Statistics for Engineers and Scientists – 9th Edition”; Prentice Hall – Pearson Inc, Boston. Wee, B. van (2002), “Land use and transport: research and policy challenges”, Journal of transport Geography, Vol 10(4), pp. 259-271. Wee, B. van., M. Dijst (2002), Verkeer en vervoer in hoofdlijnen, Bussum: Coutinho. Willigers, J. ; Floor, H. & van Wee, B. (2007) "Accessibility Indicators for Location Choices of Offices: an Application to the Intraregional Distributive Effects of High-speed Rail in the Netherlands”. Environment and Planning A 39(9) 2086 – 2098.

89

Colofon

SumResearch nv Dendermondsesteenweg 50 B-9000 Gent t +32 9 225 54 88 f +32 9 223 98 92 www.sum.be Projectmedewerker: Liesbeth Van Damme Projectleider: Brecht Vandekerckhove m.m.v. Grontmij Belgium nv

90

STEDENSTRUCTUUR VLAANDEREN. Onderzoeksopdracht in het kader van het Witboek Beleidsplan Ruimte Vlaanderen

Recommend Documents