Rekenregels Modal Shift

Op deze pagina omschrijven we hoe de modal shift wordt berekend op basis van een berekende modal split.

De modal split wordt berekend in het analysemodule Modal split op relatie.

Van oudsher is de Mobiliteitsscan een tool gericht op autoverkeer. In de loop van de tijd zijn daar de modaliteiten fiets en ov bijgekomen. Modaliteiten staan bijna overal nog op zichzelf op twee plekken na:

In bovenstaande modules kan het effect van reistijdwijzigingen van een modaliteit op het gebruik van een ander modaliteit worden bekeken. Dit gebeurt met de rekenregels voor de modal shift. In deze paragraaf wordt deze berekening toegelicht en geïllustreerd met een voorbeeld.

De parameters in onderstaande formules zijn verouderd. Er wordt momenteel gewerkt aan een nieuwe methode voor de berekening van de modal shift.

Berekening modal split ten behoeve van modal shift berekening

Voor de berekening worden eerst de kosten voor de modaliteiten (auto, OV en fiets) bepaald. Dat gebeurt voor elke modaliteit apart en op een andere manier:

ModalSplit_formule1-3
Modal Split - formule 1,2 en 3: Kosten voor de modaliteiten auto, openbaar vervoer en fiets

waarbij cm de kosten voor modaliteit m zijn (in Euro), tm de reistijd (in minuten) en dm de afgelegde afstand voor modaliteit m (in kilometers). De reistijd t en afstand d worden voor de modaliteiten auto, openbaar vervoer (OV) en fiets berekend met de Mobiliteitsscan en geconverteerd naar kosten met behulp van de parameters αmt en αmd . De waarden voor deze parameters komen uit een regressieanalyse op gecombineerde MON-OViN onderzoeken van ongeveer 2005 tot en met 2010 en staan in tabel 1. Daarbij is gewerkt met een reistijdwaardering van 8,80 euro per uur.

Tabel 1: Waarden parameters alpha
tijd afstand
auto 0.14666666 0.100
OV 0.14383333 --
fiets 0.14666666 0.025

Voor het OV wordt de afstand naar kosten omgezet met behulp van het tarief voor trein ptrein en overig OV pbtm (BTM = bus, tram, metro). Daarbij wordt ook gebruik gemaakt het aandeel van de trein λtrein. De gebruikte waarden staan in tabel 2, 3 en 4.

Tabel 2. Tarieven trein per afstandsklasse
afstand (km) tarieven trein (€)
<= 9 0,91
<= 13 1,25
<= 17 1,61
<= 21 1,97
<= 25 2,28
<= 29 2,59
<= 33 2,92
<= 37 3,31
<= 41 3,63
<= 49 4,13
<= 57 4,79
<= 65 5,39
<= 73 6,01
<= 81 6,60
> 81 7,17
TABEL 3. TARIEVEN BTM (BUS, METRO, TRAM) PER AFSTANDSKLASSE
afstand (km) tarieven btm(€)
<= 5 0,64
<= 13 1,13
<= 21 1,68
<= 29 2,24
<= 37 2,79
<= 45 3,34
> 45 3,97
TABEL 4. AANDEEL TREIN binnen totale ov PER AFSTANDSKLASSE
afstand (km) aandeel trein (%)
<= 5 1,9
<= 10 6
<= 15 22
<= 20 40,4
<= 30 58,8
<= 50 80
<= 80 92,9
>80 97,2

De kosten worden vervolgens gebruikt om het aandeel van alle modaliteiten λ m te bepalen. Dat gebeurt voor elke modaliteit m op dezelfde wijze met:

ModalSplit_formule4
Modal Split - formule 4: Aandeel van de modaliteiten

De waarden voor parameters γm en δm staan in tabel 5. Ook deze waarden zijn afkomstig uit de eigen regressieanalyse op gecombineerde MON-OViN onderzoeken van ongeveer 2005 tot en met 2010.

Tabel 5: Waarden van parameters gamma en delta
γ δ
auto 500 0,83
OV 145 0,70
fiets 460 0,95

Als laatste worden dan de relatieve aandelen voor modaliteit m bepaald met:

ModalSplit_formule5
Modal Split - formule 5: Relatieve aandelen voor de modaliteiten

waarbij M de set van modaliteiten is. Deze relatieve aandelen worden vervolgens verder in de berekeningen gebruikt.

Bovenstaande modal split berekening wordt alleen gebruikt voor het bepalen van het effect van maatregelen (modal shift). De analysemodule modal split toont de modal split op basis van ingelezen HB-matrices.

Voorbeeld modal split

Om de werking van deze module te illustreren is een rekenvoorbeeld en een praktische toepassing uit de scan uitgewerkt. In het rekenvoorbeeld is steeds slechts n van de aanpasbare variabelen aangepast. Dit geeft inzicht hoe de modaliteiten zich tot elkaar verhouden. Het tweede voorbeeld is een praktisch voorbeeld, waarbij de vervoerwijzekeuze tussen het centrum van Amsterdam en Utrecht gebruikt wordt.

Rekenvoorbeeld

Wanneer de reistijd voor de auto omhoog gaat (bijvoorbeeld door congestie) zal het aandeel fiets snel toenemen en het aandeel auto snel afnemen. Het aandeel OV stijgt langzaam mee. Het aandeel fiets neemt snel toe op korte afstand, het aandeel OV speelt pas op rol op grotere afstanden (omdat OV gebruik ook hogere kosten met zich meebrengt vergeleken met de fiets). In figuur 1 is te zien dat bij een afstand van 5 km het aandeel fiets snel toeneemt wanneer de reistijd met de auto langer wordt. De toenemende reistijd met de auto kun je vergelijken met wegwerkzaamheden (waar OV en fiets niet mee te maken hebben), of de reistijd in de spits.

ModalSplit_Figuur1
Figuur 1: Modal split voor 5 km met variabele reistijd auto

In figuur 2 is te zien dat bij een afstand van 20 km, een hogere fietssnelheid leidt tot meer fietsgebruik. De snelle reistijd met de fiets kan vergeleken worden met het fietsen op een e-bike en de lange reistijd met een langzame fietser of omrijden. De normale fietssnelheid is 15 km/u, wat betekent dat in dit voorbeeld een fietser over 20 km 80 min. onderweg is terwijl een e-fietser (25 km/uur) slechts 48 minuten aan het fietsen is. Het aandeel fiets stijgt van 3% naar 18%.

ModalSplit_Figuur2
Figuur 2: Modal split voor 20 km met variabele reistijd fiets

In figuur 3 is geanalyseerd in welke mate het OV aandeel verandert naarmate een autorit langer duurt. Bij autoreistijden boven de 90 minuten (over een rit van 80 km) wordt het OV (bij een vaste reistijd van 100 minuten) echt concurrerend. Concluderend kan er gezegd worden dat mensen op korte afstanden veel voor de fiets kiezen, zeker wanneer de reistijd met de auto concurrerend is. Op langere afstanden begint het OV een grotere rol te spelen zeker als de reistijd met de auto langer is dan met het OV.

ModalSplit_Figuur3
Figuur 3: Modal split voor 80 km met variabele reistijd auto

Praktische toepassing

Een reis van centrum Amsterdam naar centrum Utrecht is 39 km en duurt 47 minuten met de auto en 41 minuten met het OV, zie ook figuur 4. Met de fiets zou het 157 minuten duren: leidend tot 0% fietser over deze afstand. De verdeling zoals die in de scan is bepaald, is 51% auto tegenover 49% met het OV. Echter, wanneer de reistijd in een drukke spits langer wordt en de reistijd met het OV daalt, laat de scan een verandering van vervoerwijzekeuze zien. Bij een auto reistijd van bijvoorbeeld 60 minuten en 30 minuten met het OV verschuift de modal split naar 25% auto en 75% OV.

ModalSplit_Figuur4
Figuur 4: Modal split relatie Amsterdam-Utrecht



HB-matrix

Herkomst-bestemming matrix. Bestaat voor submodellen en scenario’s. Bij submodellen zijn de herkomsten en bestemmingen gebaseerd op de bronzones, bij scenario's op de scenario-zones.

Submodel

Een dagdeel binnen een bronmodel. Bijvoorbeeld een bronmodel ‘NRM’ kan een submodel ‘ochtend’ bevatten.

Bronmodel

Een bronmodel is een verkeersmodel dat wordt geïmporteerd in de Mobiliteitsscan en wordt gebruikt als basis voor uitgangsscenario’s. Het is een combinatie van allerlei gegevens zoals autonetwerk met snelheden, HB-matrix auto/ov/fiets, reistijden auto/OV/fiets (niet verplicht) en sociodata (arbeidsplaatsen en inwoners). Een bronmodel kan gegevens voor ochtendspits en/of avondspits bevatten.

Scenario

De Mobiliteitsscan kent twee typen scenario's: uitgangsscenario's en maatregelscenario's.

Uitgangsscenario

Basis voor analyses en uitgangspunt voor maatregelscenario's. Bij het aanmaken van een uitgangsscenario bepaalt u welke data gebruikt worden en welk gebied u wilt analyseren.

Maatregelscenario

Maatregelscenario's zijn gebaseerd op uitgangsscenario's. U kunt maatregelen toevoegen aan een maatregelscenario en de effecten bekijken op het tabblad Effecten.

Bronzones

Orginele zones in het bronmodel.

Scenario-zones

Geaggregeerde zones (meestal 250) in het uitgangs- en/of maatregelscenario.

Zie ook:

-> Basiskennis Mobiliteitsscan

-> Aanmaken uitgangsscenario