De fiets wordt (terecht) gezien als panacee voor de overlast die de auto veroorzaakt. Maar gek genoeg weten we heel veel over het probleem auto, maar bar weinig over de oplossing fiets. Zonde, want die fietsdata hebben we echt hard nodig. In deze bijdrage daarom een overzicht van de keur aan methoden om inzicht te krijgen in fietsvolumes, -reistijden en -gedrag.
Als we de fiets serieus willen inzetten voor de bereikbaarheid van een regio of stad, dan zijn data essentieel. We hebben inzichten in het fietsverkeer immers nodig om te weten hoe we er nu voorstaan op fietsgebied, waar het knelt, waar nog ruimte is, welke voorzieningen en maatregelen passend zijn en tot slot hoe die ingrepen in de praktijk uitpakken. Ook zijn goede en volledige fietsdata belangrijk om verkeersmodellen op de juiste wijze te voeden.
Voor deze uiteenlopende doeleinden hebben we drie ‘categorieën’ fietsdata nodig: data over 1) volumes, 2) reistijden, snelheden en herkomsten/bestemmingen, en 3) het gedrag van de fietser. In het onderstaande geven we per type data aan hoe je ze kunt inwinnen.
1) Volumes: fietsen tellen
Volumes geven duidelijkheid over het gebruik van het fietsnetwerk. Om ze te bepalen tellen we simpelweg de passerende fietsers – afhankelijk van het doel tijdelijk op één locatie of meer permanent op verschillende, slim gekozen locaties op ons netwerk.
Voor kortdurend verkeersonderzoek is de inzet van veldwerkers een optie. Dit kan onder vrijwel alle omstandigheden, zonder aanschaf van apparatuur en bovendien op korte termijn. Het nadeel is de arbeidsintensiviteit: het moet ook echt kortdurend zijn om de (arbeids)kosten in de hand te houden.
Een veel ingezette methode zijn telslangen. Meestal worden pneumatische slangen gebruikt, die de assen tellen die over de rubberen slang rijden. Een alternatief is een telslang die werkt met glasvezeltechnologie. Deze techniek baseert zich op het gegeven dat de druk van fietswielen de weerkaatsing in de glasvezel verandert. Als twee fietsers naast elkaar rijden of langs elkaar in tegengestelde richting, is het met enkele telslangen soms lastig om te bepalen in welke richting de fietsers rijden. Door per locatie twee telslangen te gebruiken (en slimme algoritmes toe te passen), los je dit probleem bijna geheel op.
Detectielussen in of onder het wegdek registreren de verstoring van een magnetisch veld. Lussen worden al veel toegepast bij verkeerslichten, om fietsers sneller groen te kunnen geven. De inzet van detectielussen voor specifiek het tellen stelt extra eisen, maar een combi is zeker mogelijk.
We kunnen fietsers ook tellen met behulp van videocamera’s. Voor korte en tijdelijke onderzoeken kan dit op het oog gebeuren: de beelden moeten dan worden uitgekeken. Voor (semi-) permanente meting is er speciale beeldherkenningssoftware beschikbaar. Behalve videocamera’s kunnen we thermische camera’s inzetten, die fietsers ‘herkennen’ op basis van de lichaamstemperatuur. Deze camera’s hebben als voordeel dat ze ook bij minder licht goed meten en minder last hebben van visuele belemmeringen, zoals takken en bladeren voor de lens.
Infrarooddetectoren werken als een bewegingsmelder. Met één detector tellen we in twee richtingen.
Tot slot is er nog radardetectie. Deze methode is privacytechnisch gezien makkelijker in te zetten dan bijvoorbeeld een camera. De nauwkeurigheid is echter van veel factoren afhankelijk – de inzet van deze methode vraagt dan ook de nodige kennis en zorg.
2) Reistijd, snelheid en herkomst/bestemming
Bovenstaande telsystemen zeggen iets over de drukte op specifieke locaties. Willen we een beeld krijgen van wat er op trajecten of zelfs het hele netwerk gebeurt – bijvoorbeeld: wat zijn de reistijden? – dan moeten we (een deel van) het fietsverkeer kunnen ‘volgen’. Dat kan vrij letterlijk met tracking, maar ook door dezelfde fietsers op twee of meer locaties te meten. Je kunt dan bijvoorbeeld de reistijd afleiden uit het verschil in tijd van de meetmomenten: hoe lang hebben ze erover gedaan om van meetpunt A naar meetpunt B te komen? De trajectsnelheid is weer een afgeleide van die reistijd. Technieken om reistijd te bepalen zijn ook geschikt om herkomst/bestemming-matrices te vullen.
Uit welke inwintechnieken kunnen we kiezen? Bluetooth-scanners slaan de unieke MAC-adressen van ingeschakelde apparaten van fietsers (telefoons en tablets) op. Door de gegevens van scanners op verschillende locaties met elkaar te vergelijken, kunnen we voor elke ‘MAC-match’ de reistijd berekenen. In plaats van bluetooth-scanners kunnen we ook gebruik maken van wifi-scanners, die volgens hetzelfde principe werken. Ook een combi bluetooth/wifi is mogelijk.
Een alternatief is de in de inzet van RFID-scanners. RFID staat voor Radio Frequency Identification en met deze technologie kunnen passerende mensen of fietsen met een zogeheten RFID-tag (in een sleutelhanger of geïntegreerd in de fiets) worden geregistreerd.
Reistijd, snelheid en herkomst en bestemming kunnen we echter ook tracken met behulp van smartphone-apps die GPS-data registreren. Deze zogenaamde floating bike data hebben als voordeel dat er geen infrastructuur voor nodig is. Tracking is ook mogelijk met een specifiek GPS-apparaat, al dan niet in de fiets gemonteerd. Deze systemen worden momenteel veel toegepast voor deel- en huurfietsen.
Tot slot kunnen we fietsers nog enquêteren. Dit kan met veldwerkers op straat of online. Het eerste is erg arbeidsintensief, bij het tweede speelt het risico van een lage respons.
3) Gedrag van fietsers
Er zijn grofweg drie typen gedrag die voor beleidsmakers interessant zijn. De eerste is het (strategische) keuzegedrag: welke factoren zijn van invloed op de keuze voor de fiets? Dan is er nog het (tactische) reisgedrag: welke route wordt gekozen, wat zijn de reismomenten enzovoort. De derde categorie is het (operationele) verkeersgedrag, zoals hand uitsteken, rechts houden en wachten voor rood.
Voor het meten van het keuze- en reisgedrag van fietsers is het eerder genoemde tracking een handige methode. Hiermee worden van een geselecteerde populatie de fietsrit en (mits de persoon en niet alleen de fiets getrackt wordt) de eventuele andere reisbewegingen objectief vastgelegd.
Naast registratie van het feitelijk gedrag is het ook mogelijk om fietsers te vragen naar hun gedrag via enquêtes. Hierin kunnen fietsers (en niet-fietsers) worden ondervraagd over aantallen verplaatsingen, de afstanden en (weers)omstandigheden waaronder wel of niet gefietst wordt.
Met (camera-) observatie kunnen we het ‘operationele’ verkeersgedrag van fietsers bestuderen. Een aandachtspunt is wel de zichtbaarheid van de observatie: duidelijk aanwezige camera’s en observanten leiden al snel tot aangepast gedrag. Maar indien goed uitgevoerd geeft (camera)observatie een prima inzicht in bijvoorbeeld conflicten met andere verkeersdeelnemers en de invloed van de inrichting van de infrastructuur op het gedrag van fietsers.
Zaken als door rood rijden in relatie tot wachttijden bij verkeerslichten kunnen door een combinatie van data uit de verkeersregelautomaat en observaties worden onderzocht.
Betere inzichten dankzij datafusie
Door verschillende databronnen te combineren, ontstaan nieuwe en soms ook betere inzichten. Dat geldt binnen het domein van fietsdata, bijvoorbeeld door VRI-data en observaties te combineren, maar zeker ook ‘domeinoverschrijdend’. Denk dan aan het combineren van fietsdata met ov-data, weerdata, sociaaleconomische en demografische data. Een voorbeeld: om de impact van het weer op de modal shift te onderzoeken kunnen we fietstellingen, meteorologische data en autotellingen aan elkaar koppelen.
Let op de privacy
Een belangrijk aandachtspunt bij het verzamelen van fietsdata, is de privacy. De meer abstracte metingen, zoals telslangregistraties, behoeven vaak geen privacybeschermende maatregelen: zonder aanvullende data is het normaal gesproken niet mogelijk deze tellingen naar een specifiek persoon te herleiden. Maar het gebruik van camera’s en smartphones ligt aan de andere kant van het privacyspectrum – en daar zijn uiteraard wel maatregelen nodig.
De belangrijkste waarborgen zijn het zoveel mogelijk anonimiseren van de gegevens en het niet registreren van de eerste en de laatste (honderden) meters, zodat er geen exacte herkomst en bestemming wordt vastgelegd. Daarnaast geldt natuurlijk dat elke inwinning, opslag en verwerking van data moet voldoen aan de Algemene verordening gegevensbescherming. Indien nodig moet om toestemming worden gevraagd.
____
De auteurs
Carl Stolz en Harmen Krusemeijer zijn respectievelijk teamleider Data & Development en adviseur Gedrag bij DTV Consultants.
