Verslag activiteit 5: inventarisatie bruikbare data

Fietsersbond enfb: Benchmarking fietsbeleid

Verslag activiteit 5: inventarisatie bruikbare data Dirk Ligtermoet, 9/11/99

Inleiding In dit verslag wordt uitgewerkt op welke punten en waar data gezocht zijn en wat het resultaat van de zoektocht is. Richtinggevend in de zoektocht is de indeling naar 3 niveaus van beleidsuitkomsten: proces, resultaat en effect. Als vierde ‘niveau’ is ‘algemene data’ onderscheiden: correctie-data waaraan scores gerelateerd kunnen worden. Verder is op het voor het benchmarkingsproject belangrijkste niveau van resultaten een driedeling gemaakt in infrastructuur, parkeren/diefstal en RO/stedebouw: Cluster 1: Algemeen Cluster 2: Beleidsproces Cluster 3: Resultaten infrastructuur Cluster 4: Resultaten parkeren/diefstal Cluster 5: Resultaten RO/stedebouw Cluster 6: Effecten In het verslag wordt een zoektocht beschreven waarvan het startpunt vooraf slechts in beperkte mate was afgebakend. Ligtermoet+Louwerse kreeg van Fietsersbond enfb de opdracht te zoeken naar data ‘op boven-lokaal niveau’. Als we dat letterlijk zouden opvatten, dient met zeer vele (duizenden?) organisaties contact te worden gelegd. Dat hebben we natuurlijk niet gedaan. We hebben zelf een bepaalde selectie van relevantie gemaakt - en dus continu keuzes gemaakt. Ons inziens is het niet mogelijk dat wij ‘gewoon’ opschrijven wat we gezocht en wel en niet gevonden hebben. We kunnen niet anders dan selecties maken in te benaderen organisaties, maar vervolgens kunnen we ook niet anders dan selecties maken uit verwijzingen naar ‘ergens mogelijk bestaande, mogelijk relevante data’. We zien het niet als het grootste probleem dat wij alvast, o.a. vanwege efficientie, bepaalde grove selecties maken. Dit mede omdat we ervan uitgaan dat onze deskundigheid toereikend is om die ‘grove keuzes’ goed te kunnen maken.

L+L 122 Fietsersbond enfb: Benchmarking fietsbeleid

Ook op een ander punt komt dit verslag mogelijk niet exact overeen met de wensen van de opdrachtgever. Ons is duidelijk gemaakt dat de zoektocht op een bepaald punt pas ’af’ is wanneer wij bepaald hebben welke publicatie wel en


2

welke publicatie niet besteld moet worden - en waarom. Dat lijkt ons echter deels onmogelijk en deels zinloos. Wij kunnen niet bepalen wat wel en niet aangeschaft niet worden. Het is maar hoe breed de betrokken enfb-ers zich willen documenteren. Plus: Voor nagenoeg elke publicatie geldt dat de kosten dat niet het doorslaggevende punt zullen zijn. Maar het lijkt ons ook zinloos - het moet toch mogelijk zijn dat enfbers zelf de telefoon pakken om een publicatie te bestellen. Voor de zoektocht waarvan dit stuk verslag doet, is vooral gebruik gemaakt van een groot aantal bronnen die bij Ligtermoet+Louwerse beschikbaar waren. Op basis daarvan konden de nodige conclusies worden geformuleerd en, wanneer dat nog niet mogelijk was, ‘vervolg-acties’. Die acties (vaak: [telefoon-]gesprekken) zijn voortgezet totdat er op elk punt eenduidige conclusies getrokken konden worden.


3

Cluster 1: Algemeen Relevante mogelijke ‘relateringen’: C demografie: aantal, leeftijd, inkomen, geslacht, huishouden e.d. C mobiliteit: modalsplits, voertuigbezit, rijbewijsbezit C infrastructuur: weglengtes e.d. C economie (aantal arbeidsplaatsen e.d.). 1a: demografie CBS heeft -dat zal niemand verrassen- over demografische aspecten een enorme hoeveelheid data op de plank. Nagenoeg steeds betreft dit optimaal betrouwbare gegevens - namelijk niet steekproefgewijs vergaard, maar via de gemeentelijke bevolkingsregisters. De publicatie Bevolking der gemeenten van Nederland op 1 januari ... (zie CBS 1997c) biedt per gemeente veel relevante gegevens. O.a.: S oppervlakte in km2 (zowel ‘totaal’ als ‘land’); S bevolkingsaantal (onderscheiden in mannen/vrouwen) en dus bevolkingsdichtheid; S woningvoorraad en dus woningdichtheid en -enigszins bij benaderinggemiddelde huishoudensgrootte. Deze gegevens zijn via lijsten met de gemeentecodes eenvoudig optelbaar naar verschillende typen ‘regionale niveaus’: S provincie; S WGR-gebied; S Corop-gebied; S stedelijke agglomeratie. Deze publicatie is ook beschikbaar in electronische vorm (kosten fl. 40,=). Meer specifieke demografische gegevens dan ‘aantal inwoners’ zijn op gemeenteniveau beschikbaar in enkele andere bronnen: geslacht en leeftijd (in 5-jaarsklassen) in Leeftijdsopbouw per gemeente: kerncijfers (electronisch, B44D, fl. 40,=). De basisbron: CBS biedt het SBG aan, het Statistisch Bestand Nederlandse Gemeenten. Dit databestand kost, op cd-rom, per aflevering 200,=, terwijl de wat uitgebreidere versie -Statline- 250,= per aflevering kost. Beide cd-roms zijn exact gelijk aan de gelijkluidende bronnen op de website van CBS - alleen zijn de cd-roms veel beter hanteerbaar. Een groot deel van de op gemeenteniveau door CBS verzamelde statistieken staan hierop vergaard. Dus veel van wat nodig is rond demografie, economie, veiligheid en infrastructuur - en nog veel meer. De preciese inhoud van SBG is via Internet te printen. De Statline-cdrom hebben we zelf aangeschaft, en inderdaad: alles staat erop en het werkt handig (na even oefenen).

Gevonden data:

Verschillende CBS-publicaties leveren zeker alle gewenste demografische gegevens, zowel op papier als electronisch.


4

1b: economie Relevant lijkt ons om te weten hoeveel inwoners van een gemeente werken en hoeveel mensen van elders in een gemeente werken. Dit om relatieve mobiliteitscijfers ‘absoluut’ te kunnen maken. Gegevens over aantallen ‘werkenden’ staan, naar woonplaats gerangschikt, in Beroepsbevolking en werkloosheid per gemeente (zie CBS 1997f). Gegevens over werkgelegenheid naar werklocatie zijn, in ieder geval voor regio’s en de grootste gemeenten, beschikbaar via de Enquete beroepsbevolking (zie CBS 1996b). Inkomensgegevens staan, op gemeenteniveau, in de Regionale inkomensverdeling (electronisch: fl. 130,=). Gevonden data:

CBS-publicaties leveren de gewenste economische gegevens (grotendeels ook in electronische vorm).

1c: mobiliteit Gegevens die mogelijk nodig zijn als relaterings-gegeven ‘mobiliteit’ wijken nagenoeg niet af van de gegevens die nodig zijn op het beleidsniveau ‘effecten’. We behandelen ze grotendeels daar; zie punt 6b. Op deze plaats gaat het alleen om mobiliteitgerelateerde cijfers die men moeilijk onder ‘effecten’ kan schuiven en dus primair als relaterings-gegeven relevant zijn. Concreet: data over autobezit en fietsbezit. In het Onderzoek Verplaatsingsgedrag (OVG) van CBS wordt o.a. op persoonsbasis vermeld welke combinaties van vervoermiddelen men bezit. Deze gegevens zijn niet direct per gemeente beschikbaar, maar zeker wel op die manier te rangschikken. Afgezet tegen het inwoneraantal heeft men dan relatieve cijfers over auto- en fietsbezit. Specifiek voor autobezit levert CBS echter ook de betere cijfers, direct uit de officiele RDW-registratie - ook beschikbaar in Statline/SBG. En daarnaast: fietsbezit of fietsbeschikbaarheid lijkt ons, uitgezonderd zo ongeveer alleen Amsterdam, niet echt het meest relevante punt. Bijna overal geldt toch dat tot op redelijk hoge leeftijd de fietsbeschikbaarheid richting 100% gaat. [Het Personenautopanel PAP van CBS is hiervoor geen goede bron. Het PAP is gebaseerd op een per 4 maanden ververste steekproef onder 900 autobezitters, en zal geen of veel minder betrouwbare gegevens per gemeente leveren.] Gevonden data:

Fietsbezit van vervoermiddelen per persoon via CBS-OVG: soms ruime betrouwbaarheidsmarges; wellicht ook minder relevant. Autobezit via het bij CBS beschikbare RDW-bestand raadpleegbaar in Statline/SBG.

1d: infrastructuur Gegevens die mogelijk nodig zijn als relaterings-gegeven ‘infrastructuur’ hebben een overlap met gegevens die nodig zijn op het beleidsniveau ‘resultaten-infrastructuur’. We behandelen ze daar: punt 3.


5


6

Cluster 2: Beleidsproces In de groslijst is aangegeven dat het gaat om zaken als politieke uitspraken/aandacht, planvorming, budgetten, personeel, plaats in organisatie. In die genoemde zaken zit een gelaagdheid. Het gaat om opeenvolgende ‘stappen’ die nodig zijn om tot een goed en effectief fietsbeleid te komen - noodzakelijke maar geen voldoende voorwaarden. C De eerste stap is politieke uitspraken/aandacht. Papier is geduldig, kan men denken, maar de andere kant van de medaille is dat een omslag in politieke formuleringen wel degelijk vaak iets zegt. C De tweede stap is de abstracte vertaling van die politieke aandacht: fietsbeleid een stevige plaats in het verkeersbeleid en bredere gemeentelijk beleid. C Derde stap: de concretisering in financiele en personele beleidscapaciteit. Vanuit benchmarking zijn twee typen ‘beoordelingen’ relevant: C De logische vorm bij gemeentelijke benchmarking: Synchronische beoordeling, ‘statisch’, op 1 moment, tussen gemeenten. C Het alternatief, zij het eerder bij trefwoorden als monitoring en evaluatie dan benchmarking: Diachronische beoordeling, ‘dynamisch’, herhaald, in de tijd 1 gemeente vergelijkend. Voor dit diachronische beoordelen bieden de hierboven onderscheiden (of enigszins andere) beleidsproces-stappen een erg goed, inzichtvol en ‘eerlijk’ handvat. In het rapport Gemeentelijk fietsbeleid: stand van zaken (AVV 1997a) is er mee gewerkt en het bleek dat ondanks de sterk kwalitatieve input er toch een helder, enigszins gekwantificeerd (beter: geclassificeerd) resultaat-beeld gegeven kan worden. In het betreffende rapport werden gemeenten via deze beleidsproces-indicatoren geschaald in een matrix van enerzijds ‘fiets-stimulerend beleid’ en anderzijds ‘auto-werend beleid’. Als het doel is een groot aantal gemeenten synchronisch te vergelijken zijn deze beleidsproces-indicatoren echter wat minder goed bruikbaar. Het is immers niet goed voorstelbaar dat je de gegevens exacter dan in een beperkt aantal waarderingsklassen kan indelen. En dan komen al snel erg veel gemeenten in dezelfde ‘cel’ terecht. Een belangrijker bezwaar tegen het centraal stellen van beleidsproces-indicatoren in benchmarking, in de zin van synchronische vergelijking van gemeenten, is dat de data zeker niet kant-en-klaar voorhanden zijn, en al zeker niet gecentraliseerd bij een bepaalde organisatie. De benodigde inspanning aan data-verzameling is dus groot. Gegevens over politieke uitspraken, budgetten en personeel zijn nog redelijk objectief onderzoekbaar/verzamelbaar. Als het gaat om de ‘plaats van fietsbeleid in de organisatie’ wordt dat al wat dubieuzer. Maar het overheersende bezwaar is toch dat er per gemeente werkelijk bronnen-onderzoek gedaan zal moeten worden. Anderzijds zal dat geen intensief onderzoek per item zijn. Men kan zich dus ook wel voorstellen dat in het benchmarkingsproject op een gegeven moment toch naar deze beleidsproces-indicatoren gekeken wordt - door het (laten) uitvoeren van een intensief (schriftelijk) enquete-onderzoek (mogelijk met behulp van enfb-afdelingen). L+L 122 Fietsersbond enfb: Benchmarking fietsbeleid

7

Gevonden data:

Er zijn geen centrale data beschikbaar. Inventarisatie per gemeente zal nodig zijn en is ook mogelijk - al zal daar wel een onderzoeksbureau voor betaald moeten worden.


8

Cluster 3: Resultaten infrastructuur Aan fietsinfrastructuur zijn kwaliteitseisen gehangen, met samenhang, directheid, aantrekkelijkheid, veiligheid en comfort als belangrijkste. Over dergelijke kwaliteitsaspecten zijn echter, zo kan zeker aangenomen worden, geen databestanden voorhanden. Sterker nog: Het is ook moeilijk onderzoekbaar. Het quickscan project vult dit gat. Overigens heeft de enfb-quickscan ook wel ‘concurrenten’, zoals de DV-meter van SWOV, die begin volgend jaar incl. handleiding beschikbaar komt. Als het gaat om beschikbare data kan voor infrastructuur eigenlijk alleen gekeken worden naar kwantiteits-aspecten: aantal en omvang van voorzieningen. De belangrijkste bron is dan de Statistiek van de Wegen van CBS (zie CBS 1997c). Deze statistiek is gebaseerd op een schriftelijke enquete onder wegbeheerders, die tegenwoordig eens per 4 jaar wordt uitgevoerd. De laatste is van 1996; in 2000 zou de nieuwe enquete gedaan moeten worden (al blijkt dat ter discussie te staan omdat een stevig deel van de gegevens tussentijds in 1998 weer is verzameld in het kader van Duurzaam Veilig). Al in de 1996-rapportage werd aangegeven dat dan hopelijk de weg van schriftelijke enquetering verlaten kan worden - en de basis in een GISsysteem kan liggen. Vooralsnog is dat echter, volgens informatie van dhr. Mullenders van CBS, niet het geval. De respons op de 1996-enquete voor de Statistiek van de Wegen was hoog. Alle RWS-directies en alle provincies vulden het formulier in, 94% van de gemeenten en 17 van de 18 Amsterdamse stadsdelen. Ophoging van de cijfers naar provinciaal en landelijk niveau was dus slechts in zeer beperkte mate nodig. De Statistiek van de Wegen bevat relevante gegevens over o.a. fietspaden- en stroken. Verdeeld naar binnen en buiten bebouwde kom staat de lengte aangegeven van: C fietspaden langs verharde wegen; C fietspaden langs onverharde wegen; C fietspaden met eigen trace; C fietsstroken. In de publicatie zijn deze gegevens beschikbaar voor alle provincies en voor de 23 grootste gemeenten (100.000+). In het databestand van CBS staan de gegevens van alle gemeenten afzonderlijk vermeld - voorzover ze reageerden. Naast de lengte van fietspaden en -stroken geeft de Statistiek van de Wegen ook het aantal woonerven (incl. 30-km gebieden) per gemeente. Dat lijkt ons een derde relevante soort fiets-voorzieningen. Alleen is aantal natuurlijk niet de meest sprekende concretisering. Liever zou men over ‘omvang’ of ‘weglengte binnen woonerf’ spreken. Van CBS begrepen we dat de 1996-gegevens op dit punt niet erg betrouwbaar zijn, en dat men in het vervolg inderdaad liever een bepaalde omvangvraag stelt.


9

Al deze gegevens zijn direct ook beschikbaar voor de jaren 1980, 1983, 1985, 1988 en 1992. Een trendlijn laten zien, iets wat sowieso in deze veel beter is dan de weergave van een score op moment X, is dus mogelijk. Maar tegelijk laat vergelijking van de jaar-cijfers zien dat de (drie- of) vier-jaarlijkse cijfers relatief weinig afwijken. Het is dus maar de vraag wat je bij herhaalde meting per gemeente zal zien. Wellicht te overwegen is om de lengte van fietsinfrastructuur in de benchmarking te relateren aan de lengte (en breedte) van auto-infrastructuur. Dat lijkt heel aardig mogelijk via de Statistiek van de Wegen. Die geeft lengte van auto-infrastructuur (‘wegen’ dus) in alle soorten en maten - ook weer per provincie en voor de 23 grootste gemeenten (en op aanvraag voor alle gemeenten). Over het aantal ‘infrastructuur-omringende voorzieningen’ zoals rotondes, kruispunttypen en VRI’s is ons alleen de informatie bekend die CBS in het kader van Duurzaam Veilig in 1998 heeft verzameld, als een soort toegespitste Statistiek van de Wegen. Mogelijk relevant zijn dan de cijfers over weglengten (in vele categorieen), aantal/type rotondes en aantal 30km- en 60km-gebieden. Deze gegevens zijn niet direct openbaar, want bedoeld voor V&W, IPO, VNG en UvW voor Duurzaam Veilig. Volgens informatie van Alex van Loon (AVV-VMV) zou het misschien wel mogelijk zijn dat de enfb erover beschikt. De vraag is wel wat het echt toevoegt aan de Statistiek van de Wegen uit 1996. Sinds 1998 is een ‘Nationaal wegenbestand’ beschikbaar, dat ook voor het benchmarkingsproject wellicht relevant is als ‘het’ wegenbestand. Separaat is reeds aan de enfb doorgegeven in hoeverre dit relevant lijkt en raadpleegbaar is (contact mw. Hitz van AVV-BG). Wij hebben sterk de indruk dat het voor de enfb wat overdreven is om met het NWB te gaan werken: het zal naar verwachting een grote inspanning vragen en vooral schijn-nauwkeurigheid opleveren, omdat het immers vooral om referentie- of correctie-data gaat. Gemeenschappelijk Functioneel Ontwerp Verkeer en Vervoer Via CROW is door de VNG in 1997 een GFO V&V gemaakt - zoals, maar dan alleen vanuit VNG en alleen voor gemeenten, ook GFO’s voor andere beleidsterreinen zijn gemaakt. Een GFO bevat algemeen aanvaarde gegevensdefinities voor informatiesystemen en uitwisseling daartussen op gemeentelijk niveau. Vier doelen worden genoemd: C afspraken maken over gegevensuitwisseling, o.a. tussen gemeenten; C ontsluiten informatiebehoefte t.b.v. softwareleveranciers; C hulpmiddel voor wegbeheerders voor data-huishouding; C uniforme gegevensverzameling mogelijk maken. In de rapportage (VNG 1997) zijn deze doelen duidelijk zichtbaar: het rapport bevat een ontzagwekkend aantal strak gedefinieerde data-issues die relevant zijn als elementen binnen ‘het verkeers- en vervoersysteem’. Over het daadwerkelijk bestaan en beschikbaar zijn van de betreffende gegevens geeft dit boekwerk echter geen informatie.


10

Gevonden data:

CBS-publicatie Statistiek van de Wegen levert direct de kwantitatieve gegevens over lengtes van auto- en fietsinfrastructuur, voor grotere gemeenten en alle provincies.


11

Cluster 4: Resultaten parkeren/diefstal Eerst is het nodig goed te bepalen wat we onder ‘resultaten’ op dit terrein verstaan en wat onder ‘effecten’. Ons inziens is het navolgende logisch: C aanbieden van voldoende goede fietsparkeervoorzieningen is een resultaat; C handhaving is een ander resultaat, dat echter anders dan via het effect ervan niet meetbaar lijkt (maar de ‘inspanning’ weer wel - al valt dat dan weer eerder onder ‘beleidsproces’); C opsporing is een goed meetbaar resultaat, in termen van ‘aantal opgespoorde en terugbezorgde gestolen fietsen’; C de mate van fietsdiefstal is het effect. De ‘groslijst’ uit de offerte geeft nog een ander punt: ‘verboden’. Ervan uitgaande dat hiermee verbodsbepalingen voor het parkeren van fietsen (en/of verbodsbepalingen voor het gebruiken van fietsen) worden bedoeld, kunnen we het, kijkend naar de praktijk, toespitsen op ‘centrumgebieden’. Ons lijkt de vraag wat er in het benchmarkingsproject te doen valt met ‘wel/geen fietsparkeerverbod’. En de kwalitatieve kant (hoe zwaar, ingrijpend is het verbod) lijkt ons moeilijk objectiveerbaar/kwantificeerbaar. Mogelijk is dit punt nog het meest bruikbaar wanneer ‘wel/geen verboden’ vertaald wordt in ‘gemiddelde loopafstanden vanaf geparkeerde fiets naar centrum-bestemmingen’. Maar goed, dan zitten we op een onderwerp waarover data volstrekt ontbreken. Over het resultaat ‘opsporing’ lijken in principe gewoon gegevens beschikbaar uit de politie-registratie. Maar een erg relevant item lijkt het ons niet. Dan het belangrijkste punt: omvang en kwaliteit van het aanbod aan fietsparkeervoorzieningen. In de groslijst is een onderscheid gemaakt in typen locaties: woningen, OV, scholen/voorzieningen, winkels/horeca (dit laatste ongeveer neerkomend op ‘centrumgebieden’). Voor parkeervoorzieningen bij woningen kunnen we ons geen zinvolle benchmarkingsindicator voorstellen. Schuurtjes zijn bij het gros van de huizen groot genoeg voor fietsen, als bewoners er niet liever iets anders in zouden zetten. Bij hoogbouw en oudere stadswijken, waar ‘bergingen’ soms ontbreken, kan er misschien wel een echt punt van ‘beschikbare ruimte’ zijn - maar hoe zou je dat zinvol aan een gemeente kunnen toerekenen? Net zoals we voor fiets-maatregelen van bedrijven voor hun personeelsleden zeggen dat dat niet primair in deze op gemeenten gerichte benchmarking thuishoort, zou dat naar ons idee ook gezegd moeten worden van ‘fietsparkeervoorzieningen bij woningen’. Voor fietsparkeervoorzieningen bij OV passen twee uiteenlopende constateringen. Voor de NS-stations geldt dat momenteel Railinfrabeheer perfecte gegevens heeft over aantal, kwaliteit, beveiligingsniveau en locatie van fietsparkeercapaciteit bij alle NS-stations. Dit in verband met het omvangrijke meerjarige project ter verbetering van die fietsparkeervoorzieningen. Daarentegen staat vast dat over fietsparkeervoorzieningen bij BTM-haltes geen ‘centrale’ kennis beschikbaar is. Zelfs individuele vervoerbedrijven weten lang niet L+L 122 Fietsersbond enfb: Benchmarking fietsbeleid

12

altijd wat er bij ‘hun’ haltes staan. Aan de andere kant: Erg relevant is dit ook niet, qua aantallen fietsers en stallers. Voor fietsparkeervoorzieningen bij scholen/voorzieningen zou ons inziens ten dele hetzelfde kunnen gelden als voor fietsparkeervoorzieningen bij woningen: Hoe zou je dit eenduidig aan het beleid van gemeenten kunnen toerekenen? Er komt een ander punt bij: Men mag er aardig op vertrouwen dat individuele scholen en andere voorzieningen zeker na verloop van tijd wel zorgen voor voldoende capaciteit. En sowieso: centrale gegevens hierover ontbreken gewoon. Ook gemeenten zullen die niet zomaar beschikbaar hebben. Tot slot fietsparkeervoorzieningen in centrumgebieden. Deze groep bestemmingen is vertaald naar fietsparkeren ongeveer gelijk aan de formulering ‘fietsparkeren in openbare ruimte’ (excl. stations). In opdracht van MPF heeft DSP in 1990 en 1995 een telefonische enquete gehouden onder 50 gemeenten (in 3 grootteklassen) om gegevens over openbare fietsparkeercapaciteit op te sporen. Dat bleek lastig. Als het gaat om gratis, onbewaakte voorzieningen hebben ook gemeenten lang niet altijd een bij benadering juiste indruk van de bestaande capaciteit. Opvallend is wat dit betreft dat in de vragenlijst die CBS hanteert voor de Statistiek van de Wegen het onderwerp ‘capaciteit openbare fietsparkeervoorzieningen’ wel voorkomt, maar in de publicaties niet. Ook CBS blijkt gemerkt te hebben dat gemeenten hieromtrent geen goede gegevens hebben. De DSP-rapporten laten zien dat het bij bewaakte voorzieningen heel anders ligt (zie V&W 1997). In het algemeen hebben gemeenten goede gegevens beschikbaar over het aantal bewaakte stallingen en de capaciteit daarvan. Men zou zich kunnen voorstellen dat in de benchmarking de aandacht gefocust wordt op deze bewaakte capaciteiten. Natuurlijk zitten daar wat haken en ogen aan, maar zeker als men het alleen voor de grotere gemeenten bekijkt, lijkt het ons een redelijk ‘eerlijke’ indicator. Alleen vraagt het wel (beperkt) onderzoek per gemeente; centraal zijn de gegevens niet beschikbaar. Tot slot: De Statistiek van de Wegen bevat gegevens over het aantal openbare autoparkeerplaatsen, per provincie en voor de 23 grootste gemeenten - en dat in alle soorten en maten: betaald en onbetaald, kort en lang. In principe zou hier een mooie relatering in zitten, maar ook deze gegevens blijken volgens CBS minder betrouwbaar [vandaar ook de formulering ‘in exploitatie bij de gemeente’ in de betreffende publicatie]. Gevonden data:

CBS-statistiek politie-registratie voor ‘opsporing’. RIB voor fietsparkeervoorzieningen bij NS-stations. Individuele gemeenten voor bewaakte openbare parkeercapaciteit (in centrumgebieden).


13

Cluster 5: Resultaten RO/stedebouw Steeds duidelijker wordt dat het fietsgebruik in belangrijke mate van ander beleid dan verkeersbeleid afhankelijk is. Fietsgebruik wordt in de praktijk sterk begrensd door verplaatsingsafstanden. Zeker ook de afgelopen jaren zijn verplaatsingen gemiddeld beduidend langer geworden. De toename van het fietsgebruik op ‘fietsbare afstanden’ is daardoor ongeveer weer teniet gedaan. Dit alles geeft aan dat het goed voorstelbaar is dat de enfb in de benchmarking het aspect ‘afstanden-beleid’ wil meenemen. Maar simpel is dat niet. In de eerste plaats niet omdat voor het gros van de verplaatsingen de afstanden niet (meer) te beinvloeden zijn. En voorzover er mogelijk nog wel sprake is van beleidsruimte, betreft dat zelden zowel herkomst als bestemming. Of simpeler gezegd: de binnenstad van Gorinchem ligt nu eenmaal wat excentrisch. ‘Gemiddelde interne afstanden’ zullen daarom per gemeente slechts minimaal veranderen - ook bij perfect beleid. In de tweede plaats lijkt het ons dat er geen centrale data beschikbaar zijn die hieromtrent iets zinvols kunnen zeggen. Ruimtelijke gegevens zouden misschien nog wel bij nieuwbouw-projecten beschikbaar zijn, maar dan ben je wel een erg typische uitsnede van ‘de Nederlandse gemeenten’ aan het maken. Hoogstens kunnen we er op een erg afgeleide manier wat mee, door bijvoorbeeld per gemeente te kijken welk deel van alle verplaatsingen, of welk deel van alle interne verplaatsingen, onder 3 of 5 km zit. Dat lijkt ons nog niet eens zo’n gek idee. Voor de technische kant ervan verwijzen we naar paragraaf 6b - waar ingegaan wordt op de bron (OVG) die deze data kan bieden. Natuurlijk zijn, zoals gezegd, zaken rond ‘ruimtelijke structuren’ terdege van belang voor fietsgebruik en zijn het dus minstens relevante relaterings-gegevens. Neem bijvoorbeeld een gegevens als ‘percentage fiets-verplaatsingen’. Fietsgebruik is duidelijk afstand-gerelateerd en dus verschilt dit percentage per gemeente al snel als ook ‘afstanden’ per gemeente verschillen. Door alleen te spreken over ‘percentage fiets-verplaatsingen binnen verplaatsingen tot 5 km’ corrigeer je voor de ruimtelijke verschillen. Een tweede methode daarvoor, eerder relevant als het gaat om verkeersveiligheid, is een relatering aan ‘omvang infrastructuur’ of aan ‘alleen bibeko’. In theorie is het natuurlijk mogelijk om de genoemde, wat grove, indicator voor ruimtelijke structuren, ‘..... binnen verplaatsingen tot X km’, te verfijnen. Bijvoorbeeld door niet het aantal korte verplaatsingen als relatering te hanteren, maar het aantal ‘nabije bestemmingen’. En dus, meer concreet, bijvoorbeeld het aantal scholen en winkels in een gemeente. We achten dit echter niet zinvol. De weg van relatering aan typen verplaatsingen lijkt ons veel logischer. Als men bijvoorbeeld (a) weergeeft welk deel van alle verplaatsingen korter dan 5 km is en (b) weergeeft welk deel daarvan per fiets gaat, zegt men ons inziens al voldoende over de mate waarin een gemeente ‘nabije bestemmingen’ kent. Zeker als men dat dan ook nog differentieert naar reismotief. Ofwel: Zoeken naar gegevens over aantal winkels, aantal scholen, aantal bedrijven/werknemers, vinden we een moeizame omweg; verplaatsingsgegevens drukken precies hetzelfde uit - en dan veel simpeler (verkrijgbaar). L+L 122 Fietsersbond enfb: Benchmarking fietsbeleid

14

Gevonden data:

CBS-bron OVG: aandeel korte afstanden in totaal van (interne?) afstanden, al of niet onderscheiden naar reismotief. Kostem beperkt; op uurbasis.


15

Cluster 6: Effecten Op het effectniveau onderscheiden we, om deze zoektocht zo systematisch mogelijk te houden, 3 sub-niveaus van effecten - 3 ‘stappen’ waarlangs effectiviteit zich vertaalt naar beleidsdoelen: a. fietsers-tevredenheid: De beleidsresultaten willen de kwaliteit van fietsgebruik verhogen - en je zou dat terug moeten kunnen zien in de tevredenheid van fietsers. b. fietsgebruik, verkeersveiligheid en fietsdiefstal: De werkelijke beleidseffecten. c. geluid, milieu, bereikbaarheid: de indirecte effecten van ontwikkelingen in fietsgebruik - ofwel dat waar men het voor doet. 6a: fietsers-tevredenheid Over tevredenheid van fietsers is, ook op een geaggregeerd niveau, erg weinig bekend. Een beetje vreemd is dat wel, want het is ons inziens toch echt het scharnierpunt in beleidseffectiviteit. Nu zouden we voor het benchmarkingsproject ook niet snel iets hebben aan een landelijk gegeven over tevredenheid. Immers, het is technisch nagenoeg niet mogelijk om een tevredenheid-score anders te ontwikkelen dan via enquete-onderzoek en dus, praktisch gezien, via steekproef-onderzoek. En een landelijk beeld met een voldoende grote steekproef om ook per gemeente uitspraken te kunnen doen, is wel erg hoog gegrepen. Op gemeentelijk niveau zullen zeker de nodige tevredenheid-achtige enquetes gehouden zijn. Maar zeker niet systematisch, dekkend en eenduidig. We willen ervoor pleiten dat in het benchmarkingsproject terdege overwogen wordt of het zinvol is om een standaard-enquete uit te voeren onder een per gemeente representatief aantal burgers - minstens in een bepaalde groep gemeenten. Want fietsers-tevredenheid, en zeker de ontwikkeling daarin, lijkt op allerlei manieren de meest interessante spits van het benchmarkingsproject: een indicator die gemeentebesturen relevant achten en een indicator die niet teveel nadruk legt op ‘beleid’ (zoals resultaat-indicatoren) maar evenmin teveel op ‘effecten’. Gevonden data:

Geen.

6b: fietsgebruik Als het om fietsgebruik gaat, werken gemeenten vaak met punten, minder vaak, cordon-tellingen. Dat is vanuit het beleidsperspectief van gemeenten niet onlogisch. Immers, ze willen vooral weten of intensiteiten op bepaalde routes en plaatsen om infrastructurele maatregelen vragen: Als er teveel auto’s en fietsers tegelijk rijden, moet er iets gescheiden worden - en dergelijke. Die tellingen die men voor de dagelijkse beleidspraktijk goed kan gebruiken, worden meestal ook gebruikt voor beleidsevaluaties - voorzover die uitgevoerd worden. Daar zijn ze echter minder bruikbaar, zelfs de cordon-tellingen. In een periode van X jaar kunnen er immers goed verschuivingen van herkomsten en bestemmingen hebben plaatsgevonden, die zorgen voor veel meer of minder fietsers op een bepaald telpunt. En je weet dus niet echt wat je aan het tellen bent.


16

Een logischer maat in beleidsevaluaties, is het percentage fietsers - ten opzichte van het totale aantal reizigers op een bepaalde relatie of in danwel uit en naar een bepaalde gemeente. Modal-splits dus. Die kunnen weergegevens worden in aantal verplaatsingen of in afgelegde afstand (aantal kilometers). Zo langzamerhand lijkt -gelukkig- de mening te overheersen dat kilometer-gegevens zeker op gemeentelijk niveau eigenlijk minder zeggen dan verplaatsings-gegevens. Kilometer-gegevens worden teveel verstoord door extreem lange verplaatsingen. En fundamenteler: Zeker op gemeentelijk niveau zit de beleidsrelevantie vaak in bestemmingsgeboden problemen. En dan doet het er minder toe hoe lang de afstand is tot aan die bestemmingen. Het mooiste is wellicht om recht te doen aan het afstands-aspect, door zo mogelijk te rekenen in ‘modalsplits per afstandsklasse’. Toegespitst op fietsgebruik komt dat praktisch gezien neer op de indicator ‘fietsaandeel tot X km’ - en dat dan eventueel onderscheiden naar relatie/corridor en naar motief. En om het helemaal mooi te maken: Zeker niet alleen de score in jaar X weergeven, maar vooral ook de trend t.o.v. een referentiejaar. Gemeenten hebben in het algemeen zelf nog erg weinig enquete-onderzoek gedaan om modal-split gegevens te verkrijgen. Een echt probleem is dat gelukkig niet, want het CBS heeft het Onderzoek Verplaatsingsgedrag (OVG). Het OVG wordt de laatste jaren uitgevoerd via een jaarlijkse steekproef onder ca. 70.000 huishoudens. Na telefonische aankondiging worden de leden van een huishouden gevraagd gedurende 1 dag alle (kenmerken van hun) verplaatsingen bij te houden. Een steekproef van 70.000 is groot, maar natuurlijk behoudt het OVG als enqueteonderzoek betrouwbaarheidsproblemen. Daarom corrigeert CBS de ruwe data op tal van manieren. Correcties die zeker ook het aantal fietsverplaatsingen (vaak onderschat) en de lengte ervan (vaak overschat) betreffen. De cijfers die gepresenteerd worden zijn, althans wanneer bovenlokaal geaggregeerd, goed betrouwbaar - zeker als het om fietsgebruik gaat (simpelweg omdat de fiets na de auto het meest gebruikt wordt). Wel zit er een probleem in ‘ritten’ - concreet: fietsgebruik in het voor- en natransport van OV. Vaak wordt de vervoerwijze in dat voor- en natransport niet ingevuld zodat het in het OVG als ‘lopen’ wordt geregistreerd. Voor het benchmarkingsproject lijkt ons dat niet zo’n probleem, omdat het toch niet logisch lijkt om ‘ritten’ mee te nemen in de vergelijkingen: de ene gemeente heeft immers wel een trein-station en de andere niet. Modal-splits van verplaatsingen dus. Ons inziens kunnen in het benchmarkingsproject modal-splits in een sterk vereenvoudigde vorm weergegeven worden: het percentage fietsers (per motief, per corridor, in totaal e.d.). De ‘volledige’ modalsplit hoeft ons inziens niet weergegeven te worden - hoogstens de (4? 10?) grootste steden uitgezonderd. Punt is namelijk dat twee andere vervoerwijzen, lopen en OV, minder relevant zijn. Lopen omdat het, behalve een beduidend lager percentage, vaak relatief weinig verschillen kent per gemeente; OV omdat het procentueel zelden iets voorstelt.


17

Modal-splits die verkort zijn uitgedrukt in ‘percentage fietsers’ zeggen dus bijna automatisch ook iets over het auto-aandeel in de modal-split. En daar gaat het om: fiets versus auto. Beperking tot fiets-percentage heeft nog een ander belangrijk voordeel: Er kunnen uit het OVG dan veel eerder betrouwbare cijfers worden gehaald. Volledige modal-splits van gemeenten uit het OVG halen is kwestieus omdat vooral het lage percentage OV enorme betrouwbaarheidsmarges geeft. Alleen fiets weergeven, als de op 1 na belangrijkste vervoerwijze, maakt dat veel eerder bepaalde soorten gemeentelijke OVcijfers aanvaardbaar zijn. Bekend is dat de OVG-betrouwbaarheidsmarge van ‘fiets-percentage’ in de modalsplit van inwoners van een middelgrote gemeente in het algemeen (slechts) enkele procentpunten bedraagt. Dat wordt natuurlijk meer als slechts naar 1 motief wordt gekeken, of naar een inperking tot bepaalde verplaatsingsafstanden. Maar door 2 jaren samen te nemen, krijgt men het ook dan weer heel wat ‘robuuster’. Verder is relevant dat er nog belangrijke keuzes te maken zijn rond de populatie: C modal-splits van inwoners van een gemeente (de gebruikelijke manier van weergave - feitelijk een rangschikking naar herkomst); C modal-splits gerangschikt naar bestemmingen in de betreffende gemeente; C een combinatie: modal-splits van herkomsten en/of bestemmingen in de gemeente. Het CBS kan deze OVG-analyses leveren. Het werk eraan -de analyse wordt immers ‘op maat’ gemaakt- moet betaald worden.


18

Interessante voorbeelden van gemeentelijke fiets-benchmarking: Als een terzijde: We zijn 3 voorbeelden tegengekomen van producten die inhoudelijk sterk lijken te passen binnen de omschrijving van het benchmarkingsproject van de enfb. En die dus wellicht zinvol zijn om als inspiratiebron te gebruiken. C Nr. 10 van de MPF-periodiek Fietsverkeer. Als een update van het onderzoek van Bovy naar fiets-verschillen tussen middelgrote gemeenten (dat was echt de aanleiding!), zijn hier OVG-cijfers voor de grote en middelgrote gemeenten op een rij gezet: fietsaandeel en fietsaandeel tot 5 km, op 2 tijdstippen. De rest van het nummer wordt gevuld met beschouwingen over de meest extreme casussen: opvallend goed en slecht scorende gemeenten. In het MPF-evaluatierapport (V&W 1997) worden vergelijkbare gegevens gepresenteerd voor de 11 grootste gemeenten (voor 3 jaargroepen) en voor alle provincies. C Het boekje Monitor verkeersveiligheid Overijssel van ROVO. Via kaarten geeft het (als plussen en minnen) de onveiligheidsontwikkeling per Overijsselse gemeente weer - en dat voor een groot aantal specifieke groepen (leeftijdsklassen * vervoerwijzen). Steeds staan er ook verwijzingen aangegeven naar ‘experts’ en relevante ROVO-projecten. C De methodiek AGEM van SWOV, rond 1991 voor en in opdracht van gemeenten enkele malen toegepast. AGEM is een soort standaard-analyse van de per gemeente beschikbare verkeersveiligheidsgegevens van het AVV-BG bestand (ex VOR). De opdrachtgevende gemeente wordt hierin vergeleken met een dictieve ‘referentiegemeente’, samengesteld uit gegevens van qua inwoneraantal, oppervlakte en urbanisatiegraad vergelijkbare gemeenten.

Gevonden data:

OVG van CBS. Alle gewenste analyse zijn mogelijk. De kosten per variabele zijn, ook wanneer voor alle gemeenten gevraagd, relatief beperkt: enkele honderden guldens.

6c: verkeersveiligheid Het ‘AVV-BG bestand verkeersongevallen’, voorheen en in dit stuk nog maar even: VOR - verkeersongevallenregistratie, is een zeer goed en intensief bijgehouden, zeer omvangrijke dataset. Op basis van politiemeldingen wordt de registratie door AVV-BG gemaakt. De VOR heeft specifieke ongevallen als basis - is een ‘optelling’ van ongevallen en gevolgen daarvan. Men kan dus uitsnedes van het databestand maken in elke gewenste specificatie. Onderscheidingen naar vervoerwijze, naar gemeente, naar ernst van de afloop, naar leeftijd, naar bibeko/bubeko e.v.a. zijn dus probleemloos mogelijk. Maar men kan dat niet zomaar zelf doen. Ofwel men baseert zich op gepubliceerde gegevens (met dus bepaalde ‘vaste’ uitsnedes en indelingen), ofwel men koopt van AVV-BG een VOR-jaargang. De prijs van dit laatste weten we nog niet. Maar sowieso lijkt dan de hanteerbaarheid van het bestand en de benodigde expertise een probleempunt. De enfb zou dan eerder/beter aan uitbesteding van analyses kunnen denken. Als het gaat om gepubliceerde VOR-gegevens, is de oogst mager in die zin dat we geen publicaties kennen waarin op gemeente-niveau de gewenste cijfers worden


19

weergegeven. Maar op internet geeft CBS, in SBG, cijfers van het aantal slachtoffers per gemeente, onderscheiden naar vervoerwijze - alleen zijn dan wel doden en gewonden samengevoegd. Tussen ‘databestand’ en ‘publicaties’ zit BIS-V in: het beleidsinformatie-systeem verkeersveiligheid, dat door AVV gemaakt is ten behoeve van landelijke en regionale beleidsmakers - met de VOR als belangrijkste bron. Het lijkt erop dat het BIS-V analyses op gemeente-niveau mogelijk maakt. Het is o.a. beschikbaar bij alle POV’s/ROV’s. Dat is dus al een verkrijgingsoptie. Maar mogelijk wil AVV het de enfb ook direct leveren. Na tal van doorverwijzingen zijn we uitgekomen bij Paul Stefan van AVV-BG, die de persoon lijkt te zijn die over levering van BIS-V beslist (tel. 045560.5201). [Overigens hebben we, vooralsnog via-via, vernomen dat AVV-BG alle of de nodige ongevalsgegevens direct op internet beschikbaar gaat stellen.] De VOR heeft een belangrijk nadeel: De onderregistratie is enorm. Een groot deel van de ongevallen, en ook een groot deel van alle slachtoffers, wordt niet bekend bij de politie (of in ieder geval niet verder doorgegeven). Door confrontatie met andere gegevensbronnen wordt inmiddels de registratiegraad van het VOR door de SWOV als volgt geraamd (zie de website van SWOV): fietsers

-

overleden ziekenhuisopname ehbo overig gewond

100% 36% 8% 7%

De VOR-registratiegraad van fietsers is het slechtste van alle vervoerwijzen. Mede door de SWOV zijn inmiddels allerlei acties uitgezet en ten dele uitgevoerd om de gegevens te verbeteren. In de kern gaat het om een standaard set ophogingsfactoren voor de VOR die men wil afleiden uit andere bestanden (LMR - landelijke medische registratie, VIPORS - slachtoffers eerste hulp, OIN/POLS - ongevallen in Nederland/permanent onderzoek leefsituatie). Men heeft de eerste ‘IVO-cijfers’ gereed (IVO: integraal verkeersveiligheid ophogingskader). Maar men is zeker nog niet toe aan opgehoogde cijfers voor specifieke groepen op gemeentelijk niveau. [Informatie uit SWOV-Kennisbank op internet.] De vraag is welke relevantie dit voor het benchmarkingsproject heeft. Temeer omdat deze gegevens over onderregistratie ons inziens sterk genuanceerd kunnen worden, net zoals in de MPF-evaluatie is gedaan (V&W 1997). Want de onderregistratie zit vooral bij jongeren en dan vooral bij eenzijdige ongevallen, met ‘lichte ernst’: min of meer ‘toevallig’ vallen ook de capriolen van een jochie dat, bij gebrek aan tuin, op de openbare weg langzamerhand de fiets onder controle probeert te krijgen, binnen de definitie van ‘verkeersongevallen’. Hoe het ook zij, juist door de benchmarkingsinvalshoek hebben we uiteindelijk weinig last van deze onderregistratie. Er zijn namelijk, zo zegt ook de SWOV, geen aanwijzingen dat de registratiegraad binnen een bepaalde ernst-klasse en bij de vervoerwijze fiets, verschilt per gemeente. Wel is er een verschil tussen ‘stad’ en ‘platteland’ dat opgevangen kan worden door alleen bibeko te kijken. L+L 122 Fietsersbond enfb: Benchmarking fietsbeleid

20

Een belangrijk probleem van welke data-bron dan ook is dat wat men in verkeersveilig-heidsland de ‘verdunning’ noemt. Per wegvak, per gemeente e.a. gaat het per jaar (nog) maar om zo weinig verkeersslachtoffers dat effectief beleid moeilijk te voeren is (immers, de relevantie van werkelijke ‘incidenten’ wordt steeds groter) en dat -in dit verband relevanter- eenmalige metingen erg weinig zeggen. Door de lage aantallen slachtoffers per eenheid worden de fluctuaties vaak enorm - zeker procentueel gezien. Rond de actie min 25% leidde dit tot enigszins lachwekkende situaties. Een dorp met 7 slachtoffers in het peil jaar, moest op -2 zien te komen maar de jaarcijfers bleven natuurlijk fluctueren, van 2 naar 14 naar 5 naar 11. En een gemeente met een autosnelweg op het grondgebied had sowieso geen kans het cijfer te beinvloeden. De oplossing: in principe 3 jaar tezamen nemen en concentreren op ziekenhuisgewonden. Gevonden data:

AVV-BG bestand verkeersongevallen, in de toegankelijke ‘versie’ van BIS-V; evt. alleen de veiligheidsgegevens in CBSSBG.

6d: fietsdiefstal Vier bronnen met gegevens over fietsdiefstal kunnen relevant zijn: C Enquete Rechtsbescherming en Veiligheid (ERV) van CBS; C Politie-registratie misdrijven (via CBS); C het jaarlijkse marktonderzoek van NSS in opdracht van de RAI Vereniging; C Politie-monitor. De jaarlijkse ERV biedt in ieder geval op landelijk niveau goede cijfers over aantal fietsdiefstallen en aantal slachtoffers van fietsdiefstal per jaar. De ERV-gegevens zijn volgens informatie van CBS (dhr. Huys) niet op gemeentelijk niveau uitsplitsbaar. De ‘eigen’ politie-registratie is voor een indruk van de absolute omvang van fietsdiefstal geen goede bron, omdat het aangiftepercentage van burgers bij fietsdiefstal minimaal is. Aangezien men mag verwachten dat de aangiftebereidheid ook per gemeente sterk verschilt, lijkt dit voor het benchmarkingsproject geen goede bron. De NSS/RAI-enquete biedt heldere cijfers, maar bekend is dat de betrouwbaarheidsmarges enorm zijn, door de erg kleine steekproef. En sowieso kan men er op gemeentelijk niveau niets betrouwbaars mee. De vierde optie, de politie-monitor, lijkt ons eveneens een mindere keuze. Het betreft hier een steekproefgewijze enquete onder burgers. De betrouwbaarheid lijkt voor gemeentelijke gegevens over fietsdiefstal sterk te wensen over te laten. Vanuit MPF zijn ooit 2 keer (1990 en 1995) de politiemonitor-cijfers naast elkaar gezet voor de 50 grootste gemeenten - en het beeld was eigenlijk ‘onmogelijk’ (zie V&W 1997). Gevonden data:

Geen van de 4 bronnen lijkt echt goed.


21

6e: indirecte effecten: geluid, milieu, bereikbaarheid De indirecte effecten van een verandering in het fietsgebruik zijn sterk gerelateerd aan de mate waarin die veranderingen invloed hebben op het autogebruik. Want de uiteindelijke doelen van het verkeersbeleid hebben primair met het autogebruik te maken. Voor verschillende indirecte effecten (vooral allerlei milieu- en energie-aspecten) geldt dat er in principe een rechtlijnige relatie is tussen ‘autokilometers’ en de betreffende indirecte effecten. Als je een getal van X auto-kilometers of zelfs X auto’s weet, heb je in principe alleen een ‘gewicht’ nodig voor de vertaling in energie- en milieu-effect. Dergelijke gewichten zijn nooit knalhard - het blijven inschattingen. De beste kennis wat dit betreft zit naar ons idee momenteel verwerkt in de VPL van NOVEM, de Verkeersprestatie op locatie. Ook de publicatie Auto’s in Nederland (CBS 1996a) geeft hier veel rekenregels voor. Anders ligt het met indirecte effecten op doelen die veel meer lokaal probleem zijn: geluid, stank, zicht-overlast e.d. Daar valt eigenlijk weinig mee te rekenen in dit kader. Ons inziens is het weinig zinvol om in het benchmarkingsproject iets te doen met deze indirecte effecten. Iedereen gelooft dat wel, dat minder autogebruik in een bepaalde mate zinvol is voor deze doelen.


22

Tot slot In de voorgaande paragrafen zijn binnen de onderscheiden clusters van data vele mogelijke bronnen behandeld. Dit overzicht lijkt te pleiten voor een conclusie, waarin per cluster keuzes worden gemaakt - en waarin die keuzes zoveel mogelijk geconcretiseerd worden tot indicatoren. Daar staan echter de nodige zaken tegenover: C De Fietsersbond enfb heeft duidelijk gemaakt dat Ligtermoet+Louwerse ingehuurd is om beschikbare data te verkennen - niet om conclusies te trekken of keuzes te maken. C Min of meer toevallig spoort dat ook met onze beoordeling van de uitkomsten van de zoektocht. Ons inziens zijn de hoofdlijnen per cluster uiterst duidelijk. De keuzes die daarna nog gemaakt moeten worden, zien we deels als details en deels als keuzes die een consultant inderdaad niet kan maken voor een opdrachtgever. Wij zien de volgende hoofdlijnen per cluster - in een andere volgorde die beter aansluit bij de kern van onze zienswijze: Cluster 6a, fietsers-tevredenheid: Naar ons idee zou de kern, het startpunt, het scharnierpunt van de benchmarking op dit punt, of dit ‘niveau’, moeten liggen. Niet bij ‘beleid’ (want inderdaad wat al te vaag als ‘kern’), niet bij ‘effecten’ (want moeilijk relateerbaar aan andere niveaus), ook niet bij ‘resultaten’ (want teveel de indruk wekkend alsof iemand exact weet wat fietsers precies waarderen), maar bij fietsers-tevredenheid: Het rapportcijfer dat fietsers geven aan de fietsomstandigheden in hun gemeente. De indicator bij uitstek om gemeenten te prikkelen. Data hiervoor zijn niet beschikbaar. Per gemeente is nieuw onderzoek nodig: steekproefgewijze enquetering van fietsers, met een gestandaardiseerd instrument. Juist vanwege die standaardisatie en de omvang van dit deelproject lijken ons de kosten aanvaardbaar te kunnen zijn, zeker als niet direct voor alle gemeenten gekozen wordt. Cluster 6b, fietsgebruik: Naast fietsers-tevredenheid zou naar ons idee het tweede elementen in een ‘harde basis’ van de benchmarking moeten zitten in cijfers over fietsgebruik. De bron bij uitstek op dit punt is en blijft het OVG. Goede, redelijk betrouwbare cijfers per gemeenten kunnen hier tegen geringe kosten uit gehaald worden: fietsaandelen in de totalen van verplaatsingen van en naar (alle/geselecteerde) gemeenten - en dat dan in ieder geval ook voor een afstandsklasse die ‘fietsafstanden’ benadert. Voor fietsgebruik zijn zeker ook niet alleen de jaar-scores relevant maar evenzeer de ontwikkelingen.


23

Cluster 6c, verkeersveiligheid: Derde element in de ‘harde basis’: Gegevens over verkeersveiligheid uit het AVV-BG bestand. In hun simpelste vorm (doden+gewonden opgeteld, per vervoerwijze) zijn die direct beschikbaar, maar het lijkt verstandig om te proberen BIS-V ‘in handen’ te krijgen. Verkeersveiligheidsgegevens vragen al snel om een relatering aan fietsgebruik en aan een benadering van ‘blootstelling’ via infrastructuur-lengten of bibeko-oppervlakten. Cluster 3, resultaten infrastructuur: Vanuit de harde basis van fietsers-tevredenheid, fietsgebruik en verkeersveiligheid is de eerste linking naar infrastructuur-resultaten. Er kan volledig gebouwd worden op de Statistiek van de Wegen, met relatief goedkope extra analyses door het CBS. De datering van dit materiaal (1996) achten we gezien de geringe jaarlijkse veranderingen geen probleem (om dezelfde reden zien we voor dit onderwerp weinig in het verwerken van trends in de benchmarking). Het is voorstelbaar dat indicatoren rond kwantiteit van infrastructuur gerelateerd worden aan zaken als inwoner-aantallen en oppervlakten (totaal of bibeko). Interessant is wellicht een relatering van fietsinfrastructuur aan autoinfrastructuur. Cluster 4, resultaten parkeren/diefstal: Cluster 6d, fietsdiefstal: Noch voor fietsparkeerbeleid noch voor het (achterliggende) fietsdiefstalbeleid hebben we, zowel wat resultaten als effecten betreft, goede data kunnen vinden die betrouwbaar per gemeente beschikbaar zijn. Dat mag een probleem lijken - maar het lijkt weinig zinvol er dramatisch over te doen. Tenslotte was de verwachting ook niet dat het op alle punten zo eenvoudig zou zijn. Ons inziens kan het best besloten worden om beide punten eerst dan mee te nemen als besloten wordt primair onderzoek te gaan doen dat hieraan verwant is: C ‘fietsdiefstal-data’ meenemen in enquetering van fietsers-tevredenheid; C ‘fietsparkeren-data’ meenemen in een mogelijk ‘gemeentegesprek’ (zie hierna cluster 2). Cluster 2, beleidsproces: Naar ons idee een zeer relevant aspect van de benchmarking, juist als de enfb richting ‘best practices’ wil gaan. Gegevens ontbreken en zijn ook moeilijk ‘hard’ te krijgen. Maar met ‘harde’ gegevens (fietsers-tevredenheid, fietsgebruik, verkeersveiligheid) en wat minder harde gegevens (resultaten infrastructuur) in de hand, lijkt het toch goed voorstelbaar om, bijvoorbeeld met en via enfbafdelingen, richting gemeenten te gaan - met feitelijk 1 kernvraag: ‘Wat is het verhaal hierachter?’ Het gaat dan in de eerste plaats om verklaringen voor het gevonden ‘harde beeld’ en in de tweede plaats om een beoordeling van de ‘passendheid’ van het huidige beleidshandelen van de gemeente, gezien dat ‘harde beeld’.


24

Cluster 1, relateringen: Naast wat er in het voorgaande al is genoemd, zijn tal van andere relateringen mogelijk. In het algemeen lijken ons eigenlijk alleen de demografische relateringen relevant. Andere relateringen hebben zeker wel vaak een logica vooral in de zin van ‘correctie voor een externe factor’- maar het nadeel van schijn-nauwkeurigheid lijkt ons net zo groot als het voordeel van ‘eerlijkheid’. Cluster 5, resultaten RO/stedebouw: RO-beleid is via ‘afstanden’ zeker relevant voor fietsgebruik. Maar naar ons idee zijn er geen zinvolle, realistische mogelijkheden om op dit punt gemeentelijk beleid te beoordelen. Naar ons idee kan het item ‘afstanden’ daarom beter alleen gezien worden als een relatering, een correctiefactor. En dan is het direct logisch om die relatering rechtstreeks uit dezelfde bron te halen als die waar ook de fietsgebruik-gegevens uit komen: OVG. Het gaat dan om relateringen aan afstandsklassen. En als men specifieke ruimtelijke aspecten als werkgelegenheid, ‘centrumfuncties’ e.d. wil benaderen, is dat ook perfect mogelijk via het OVG, nl. door naast afstandsverdelingen ook reismotiefverdelingen te gebruiken in de indicatoren. Cluster 6e, indirecte effecten: Naar ons idee is het zinloos om in het benchmarkingsproject aandacht te besteden aan de indirecte effecten - zoals geluid, milieu en bereikbaarheid. Tussen fietsgebruik en deze achterliggende beleidsdoelen is er natuurlijk wel een verband, maar kwantificering daarvan is zelfs op nationaal niveau al lastig. En daarbij: iedereen gelooft de richting van het verband wel.


25

Bestudeerde literatuur AVV (1997a): D. Ligtermoet e.a., Gemeentelijk fietsbeleid: stand van zaken, AVV, Rotterdam februari 1997. Relevante gegevensverzameling. AVV (1997b): Wegwijzer personenvervoergegevens, AVV-BG, Rotterdam juni 1997. Overzicht bronnen. Birza, Leo (1999): GemNet is voor ons allemaal, Comma, oktober 1999, p. 19-20. Inhoud bron GemNet. CBS (1995): Zakboek Verkeer en Vervoer 1995, CBS, Voorburg/Heerlen 1995, isbn 9035716728, tel. 045-570.6425, fl. 35,=. Inhoud diverse CBS-bronnen. CBS (1996a): Auto’s in Nederland: Cijfers over gebruik, kosten en effecten, CBS/Kluwer Voertuigtechniek, Heerlen/Deventer 1996, isbn 9020129694, tel. 045-570.6436. Inhoud diverse CBS-bronnen. CBS (1996b): Enquete beroepsbevolking 1995, CBS, Voorburg/Heerlen 1996, isbn 9035719557, tel. 045-570.7970, fl. 40,=. Inhoud bron EBB. CBS (1996c): Het bezit en gebruik van personenauto’s 1995, CBS, Voorburg/Heerlen 1996, isbn 9035719514, tel. 045-570.6528, fl. 21,50,=. Inhoud bron PAP. CBS (1997a): M. Odekerken-Smeets e.a., Mobiliteit in Nederland: Resultaten onderzoek verplaatsingsgedrag 1996, CBS, Voorburg/Heerlen 1997, isbn 9035725840, tel. 045570.6528, fl. 24,50. Inhoud bron OVG. CBS (1997b): Statistiek van de wegen 1996, CBS, Voorburg/Heerlen 1997, isbn 9035729323, tel. 045-570.6439, fl. 26,50. Inhoud bron Statistiek vd Wegen. CBS (1997c): Bevolking der gemeenten van Nederland op 1 januari 1997, CBS, Voorburg/Heerlen 1997, isbn 9035728920, tel. 070-337.5830, fl. 19,=. Inhoud demografische bron. CBS (1997d): N. Snijders, Statistisch Jaarboek 1997, CBS, Voorburg/Heerlen januari 1997, isbn 9035725425, tel. 045-570.7970, fl. 41,50. Inhoud diverse CBS-bronnen. CBS (1997e): CBS-Catalogus 2e kwartaal 1997, CBS, Voorburg/Heerlen 1997, tel. 045570.7970, gratis. Overzicht CBS-bronnen. CBS (1997f): Beroepsbevolking en werkloosheid per gemeente 1994/1996, CBS, Voorburg/Heerlen 1997, isbn 9035728629, tel. 045-570.7970, fl. 25,=. Inhoud economische CBS-bron. CBS (1998a): De mobiliteit van de Nederlandse bevolking in 1997, CBS, Voorburg/Heerlen 1997, isbn 9035728939, tel. 045-570.6528, fl. 29,50. Inhoud bron OVG. CBS (1998b): Bedrijven in Nederland 1998, CBS, Voorburg/Heerlen 1998, isbn 9035725859, tel. 045-570.7937, fl. 25,=. Inhoud economische CBS-bron. CEA (1999): M. Touwen en I.S. Steenwinkel, Monitor vervoermanagement 1998, CEA/V&WAVV, Rotterdam april 1999, rapportnr 9915, tel. 010-2805666. Inhoud bron ReMove. CROW (1994): J.G.M. Boormans en L.A.J. Smit, Tellen en meten in het verkeer, CROW, Ede juni 1994, isbn 9066281707, tel. 0318-620.410, fl. 35,=. Overzicht meetmethoden. CROW (1997): Jaarverslag 1996, CROW, Ede juli 1997, tel. 0318-620.410. Projectenoverzicht. ROVO (1998): Monitor verkeersveiligheid Overijssel, ROVO/Van de Werken Verkeer en Vorm, Zwolle, november 1998. Voorbeeld benchmarking. SWOV (1997): P.C. Noordzij en A. Blokpoel, Masterplan fiets en verkeersveiligheid, SWOV, Leidschendam 1997, rapport R-97-16, tel. 070-320.9323, fl. 25,=. Inhoud bron exVOR. VBV (1998): R.A.A. Kavsek, Het Voetgangers’ Cijferboek 1998: De cijfers achter de voetganger in het verkeer, De Voetgangersvereniging VBV, Den Haag november 1998, isbn 9075333137, tel. 070-347.1501. Inhoud bronnen OVG en ex-VOR. VNG (1997): Gemeenschappelijk Functioneel Ontwerp Verkeer en Vervoer, VNG, IPO, V&W en CROW, Den Haag 1997. Inhoud bron GFO V&V.


26

V&W (1993): Feiten over het fietsen in Nederland, V&W-Masterplan Fiets, Den Haag 1998, tel. 070-351.6269, gratis. Inhoud bronnen OVG en ex-VOR. V&W (1997): Evaluatierapport Masterplan Fiets, Ligtermoet + Louwerse, V&W-Masterplan Fiets, Den Haag december 1997. Inhoud diverse bronnen; beoordeling bruikbaarheid. V&W (1998): Kerncijfers verkeersonveiligheid 1997, V&W-AVV-BG/SWOV, Heerlen/Leidschendam 1998, tel. 045-560.5200, gratis. Inhoud bron ex-VOR. V&W (1999): R. Zonnenberg e.a., Mobiliteitsatlas: Verkeer en vervoer vanuit ruimtelijkeconomisch perspectief, V&W-AVV, Rotterdam augustus 1999, tel. 010-282.5993, gratis. Inhoud bron OVG. (mogelijk) relevante bronnen: Beroepsbevolking en werkloosheid per gemeente, CBS Bevolking der gemeenten van Nederland op 1 januari, CBS BIS-V: beleidsinformatiesysteem verkeersveiligheid, AVV-BG/VMV EBB: enquete beroepsbevolking, CBS Fietsparkeervoorzieningen bij NS-stations, RIB GemNet, VNG Nationaal Wegenbestand, CBS OVG: onderzoek verplaatsingsgedrag, CBS. Politie-registratie misdrijven (voor opsporing), CBS Regionale inkomensverdeling, CBS SBG: statistisch bestand Nederlandse gemeenten, CBS niet relevante bronnen: ERV: enquete rechtsbescherming en veiligheid, CBS GFO V&V: gemeenschappelijk functioneel ontwerp verkeer en vervoer, VNG NSS/RAI enquete fietsdiefstal PAP: personenautopanel, CBS Politie-monitor ReMove: relatiebeheer- en monitoring-systeem vervoermanagement, AVV-VMP ex-VOR: Verkeersongevallenregistratie, AVV-BG


27

geraadpleegde websites: duurzaam-veiligverkeer.com www.crow.nl www.pz.nl/voetver www.verkeerskunde.nl www.gemnet.nl (= publieksversie) www.vvn.nl

www.cbs.nl www.kennisplatform-verdi.nl www.swov.nl www.vng.nl www.vor.nl (avv zit alleen nog in intranet) websites van gemeenten

Data op internet: De meeste relevante en bekeken sites zijn niet echt informatief op het niveau van data. Eigenlijk zijn er maar 3 uitzonderingen: S de site van AVV m.b.t. de VOR geeft verkeers-slachtoffers per gemeente weer (maar niet onderscheiden naar vervoerwijze); S de site van het CBS is erg informatief, want geeft het SBG weer (zie kader hiervoor); S het overgrote deel van de grotere gemeenten in Nederland heeft inmiddels eigen sites, waarvan er de nodige voor benchmarking fietsbeleid zinvolle data geven maar zeker niet over de hele linie. Daarnaast is mogelijk GemNet nog relevant (Birza 1999). 85% van de gemeenten gebruikt GemNet als digitale verbinding met tal van organisaties/leveranciers die op GemNet hun diensten aanbieden aan de abonnees. Er schijnen de nodige databanken online raadpleegbaar te zijn. O.a. CBS behoort tot de aanbieders. Het echte GemNet is alleen voor abonnee-organisaties beschikbaar; op Internet staat slechts de verkorte publieksversie. Het lijkt voor de enfb het overwegen waard om abonnee te worden van GemNet en daarop een benchmarkings-website te openen. Immers, voorzover het om digitale informatie gaat wordt dan in ieder geval het benchmarkingsproject zo dicht mogelijk bij gemeenten gebracht - met de meeste kans op zowel gebruik als voeding. Enfb gaat hieromtrent praten met GemNet, Sjef van de Lans (070-3023.364).


28

Verslag activiteit 5: inventarisatie bruikbare data

Recommend Documents