Onderzoek voor nieuw en inclusief openbaar vervoer

In de wetenschapsbijdragen in NM Magazine schrijven we gewoonlijk over wat we al weten: wat onderzoekers in hun projecten en pilots ontdekt hebben. Maar soms is het ook goed om even stil te staan bij wat we nog niet weten. In deze bijdrage legt universitair hoofddocent Niels van Oort van de TU Delft uit wat hij en zijn team de komende jaren willen onderzoeken om tot een nieuw en inclusief openbaarvervoersysteem te komen.

De trein, tram, bus en metro zijn al decennialang ideale vervoermiddelen om grote groepen reizigers iedere dag van A naar B en terug van B naar A te vervoeren. Wat efficiëntie en ruimtegebruik betreft is het openbaar vervoer vaak niet te overtreffen – en die trein, tram, bus en metro zouden dan ook nog decennialang het ideale vervoermiddel moeten blijven.

Dat is echter geen uitgemaakte zaak. Om de potentie van het openbaar vervoer te ontsluiten, moet het systeem optimaal aansluiten op de behoeften van de passagiers en de samenleving. Dat vereist een bijna perfect ontwerp en een uitmuntende exploitatie. Maar het probleem is dat het speelveld van het ov flink in beweging is.

Veranderend speelveld
Ontwikkelingen als elektrificatie, automatisering en deelmobiliteit hebben om te beginnen tot een scala aan nieuwe vervoermiddelen geleid, variërend van elektrische deelfietsen tot zelfrijdende shuttles. Die nieuwe modaliteiten kunnen een waardevolle aanvulling op het traditionele ov zijn, als een first mile­– en last mile-­oplossing bijvoorbeeld. Maar het is ook mogelijk dat passagiers die nieuwe vervoermiddelen gaan gebruiken als alternatief voor het ov.

Het is ook mogelijk dat passagiers die nieuwe vervoermiddelen gaan gebruiken als alternatief voor het ov.

Ondertussen krijgt het ov ook te maken met nieuwe doelen en ambities vanuit de samenleving. Zo moet het vervoer behalve vlot, stipt en betrouwbaar nu ook groen en inclusief zijn. Met ‘groen’ is het ov­-systeem in Nederland al een eind op weg, maar hoe zit het met ‘inclusief’?

Een laatste ‘ontwikkeling’ die het ov flink heeft geraakt, is covid-19. De lockdowns zelf hebben de vervoerders natuurlijk geen goed gedaan, want het vervoer kwam bij tijden vrijwel stil te liggen. Maar ook nu, post-covid, zijn de effecten merkbaar: thuiswerken is breder geaccepteerd en een deel van de ov-­reizigers is teruggevallen op eigen vervoer. Hoe lang houden die effecten aan? En hoe maken we het ov­-systeem veerkrachtiger, zodat het zich bij eventuele nieuwe crises goed kan aanpassen en weer vlot kan herstellen?

Onderzoeksagenda
Het feit is dat we veel van bovenstaande vragen op dit moment niet of onvoldoende kunnen beantwoorden, in ieder geval niet op wetenschappelijk onderbouwde wijze. Logisch, want een (deels) nieuw speelveld vereist nu eenmaal ook (deels) nieuwe inzichten en tools. Gelet op het belang van het ov en de maatschappelijke doelen die een goed openbaarvervoer­systeem kan helpen invullen, is het wel zaak die hiaten vlot te dichten.

In ons Smart Public Transport Lab nemen we daar graag het voortouw in. We hebben bekeken aan welke kennis, methodieken en modellen het ons ontbreekt om de nieuwe ontwikkelingen en eisen te vatten en ermee te kunnen rekenen. Deze ‘witte vlekken’ hebben we vervolgens opgenomen in een onderzoeksagenda 2023-2027. Die bestaat uit drie hoofdlijnen.

1. REIZIGERSGEDRAG

Met de huidige inzichten en gedragsmodellen is het goed mogelijk te voorspellen wat de effecten zijn van bijvoorbeeld een extra buslijn hier of een verbreding van het spoor daar. Het lukt zelfs nog om de kansen in te schatten van een enkele nieuwe vervoerwijze. Maar willen we bepalen hoe al die verschillende nieuwe en opkomende modaliteiten – flex-­ov, deelfietsen enzovoort – zich tot elkaar verhouden en hoe ze de traditionele trein, tram, bus en metro beïnvloeden, dan is onze huidige kennis ontoereikend.

Keuzegedrag
Het is vooral belangrijk het keuzegedrag van reizigers beter te doorgronden, oftewel: welke factoren bepalen hoe iemand z’n vervoerwijze kiest? Tot op heden is er veel onderzoek gedaan naar de invloed van aspecten als wachttijd, reistijd, overstaptijd en betrouwbaarheid. Dat zijn echter dissatisfiers: een reiziger verwacht niet anders dan bijvoorbeeld een minimale wachttijd en je kan op zo’n punt dus hooguit teleurstellen (als je tekortschiet) en nauwelijks verleiden. Om het plaatje compleet te hebben moeten we veel meer factoren onderzoeken, zoals het weer, de toegankelijkheid van stations en satisfiers als gemak, beschutting en verlichting. Daarbij moeten we ook scherp krijgen in hoeverre die factoren verschillen per reismotief, per type nieuwe vervoerwijze en (bij een multimodale reis) per type aansluiting.

Het is vooral belangrijk het keuzegedrag van reizigers beter te doorgronden, oftewel: welke factoren bepalen hoe iemand z’n vervoerwijze kiest?

Bij dit alles is het belangrijk niet alleen oog te hebben voor de (huidige) ov-­reiziger, maar ook voor de niet­-ov-­reiziger. Waarom kiest die niet voor ov? Is dat te doorbreken? Kunnen die nieuwe vervoerwijzen daarbij helpen?

Een andere kennisleemte rond keuzegedrag betreft de impact van crises en disrupties. Heeft covid-19 bijvoorbeeld onze attitudes en gedrag dusdanig veranderd, dat ook onze modaliteitsvoorkeuren blijvend veranderd zijn?

Nieuwe methoden nodig
Om deze kennis te vergaren hebben we nieuwe methoden nodig. Vragen naar de voorkeuren van reizigers, met bijvoorbeeld een stated preference-­onderzoek, is waardevol maar niet altijd afdoende: naast subjectieve ‘verklaarde voorkeur’ hebben we ook objectieve ‘onthulde voorkeur’ nodig. Die twee werelden moeten we zien te verenigen, bijvoorbeeld door enquêtes te combineren met GPS-­tracking. Gaat het om heel nieuwe scenario’s, dan is de inzet van virtual en augmented reality een interessante optie.

Met die combinatie van subjectieve en objectieve data kunnen we nieuwe gedragsmodellen ontwikkelen, evalueren en verfijnen.

2. INTERACTIE VRAAG EN AANBOD

Met die eerste onderzoekslijn kijken we naar de impact van nieuwe vervoerwijzen en gebeurtenissen als covid­-19 op het reizigersgedrag. Belangrijk vervolgonderzoek is dan om vast te stellen wat dat veranderde reisgedrag betekent voor het verkeer­ en vervoersysteem: wat betekent het voor de vraag en het aanbod van (openbaar) vervoer en de interactie daartussen?

Een voorbeeld. Afhankelijk van ons gebruik van nieuwe vervoerwijzen zullen die modaliteiten de conventionele vervoerwijzen soms verdringen maar vaak ook aanvullen. In dat laatste geval worden ritten multimodaal, waarbij een reiziger bijvoorbeeld een elektrische deelfiets pakt naar het station, vandaar met de trein reist en het laatste deel aflegt per deeltaxi. Dat gegeven van ‘naast elkaar bestaan’ en ‘multimodaal’ wordt nog maar mondjesmaat meegenomen in de huidige prognose­ en vervoersvraagmodellen. Er is meer onderzoek nodig om die dynamiek tussen vraag en het steeds diversere aanbod te vangen.

Nieuw gedrag als gevolg van bijvoorbeeld covid-­19 noopt ons ook de planning nader te bestuderen, met name voor treinverkeer. Nu werken veel ov-­bedrijven nog met vaste uurpatronen over de dag en de week heen. Maar als we bijvoorbeeld meer blijven thuiswerken, kan het nuttig zijn de dienstregelingen wat te flexibiliseren, waarbij bijvoorbeeld een drukke dinsdag een andere regeling krijgt dan een rustige vrijdag. We zouden zelfs een stap verder kunnen gaan door ook de lijnen te variëren: andere begin­- of eindpunten en/of andere stops, afhankelijk van het moment van de dag of week. Reizigers krijgen zo altijd een treindienst die is afgestemd op hun vraag, terwijl de vervoerder die dienst tegen dezelfde of misschien zelfs lagere kosten kan aanbieden. Dat variabel plannen is nog een brug te ver voor de huidige generatie lijnvoerings-­ en dienstregelingsmodellen: die behoeven een stevige update.

We zouden zelfs een stap verder kunnen gaan door ook de lijnen te variëren: andere begin­- of eindpunten en/of andere stops, afhankelijk van het moment van de dag of week.

Nieuwe technieken nodig
Om de genoemde modellen te kunnen (door-) ontwikkelen, hebben we nieuwe technieken nodig. Bij de prognose­ en vervoersvraagmodellen is de uitdaging vooral om de real­time dynamiek en interactie binnen het uitdijende vervoersysteem goed na te bootsen. Met agent-based simulatiemethoden kunnen we de reizigersvoorkeuren effectief modelleren. En om de interactie tussen vraag en aanbod goed te voorspellen, lijken machine learning en deep learning de aangewezen technieken.

Voor de ‘update’ van de lijnvoerings­- en dienstregelingsmodellen denken we aan geavanceerde clustertechnieken om de vraagpatronen over de dag en week te analyseren. Met mixed integer programming-­modellen en genetische algoritmen kunnen we vervolgens een flexibele dienstregeling ontwerpen.

3. ONTWERP EN EVALUATIE

De kennis uit de onderzoekslijnen 1 en 2 is een stevige basis om een openbaarvervoersysteem te ontwerpen, tot aan flexibele dienstregelingen aan toe. Maar waar richten we ons op met dat systeem? Traditioneel meten we het succes van een openbaar­vervoersysteem af aan snelheid, stiptheid en reizigersaantallen. Maar inmiddels is er het besef dat de waarde van het ov – zeker in vergelijking met eigen vervoer – in méér zit. Hiervoor hebben we in ons lab eerder het zogenaamde 5E­model ontwikkeld, dat vijf thema’s onderscheidt die bijdragen aan het succes: Effective mobility, Efficient city, Economy, Equity en Environment. Dit model geeft handvatten om deze verschillende waarden te kwantificeren, maar de laatste twee behoeven verdieping.

Inclusiviteit
We hebben voldoende scherp wat er betrokken is bij het thema equity of inclusiviteit: dat varieert van fysieke uitsluiting tot geografische uitsluiting en de ‘digitale kloof’. De vraag is echter hoe we die aspecten concreet maken, met bijvoorbeeld scherpe definities, en hoe we ze meten. Daar moeten we in eerste instantie ons onderzoek op richten. Is dat eenmaal duidelijk, dan kunnen we de focus verleggen naar het ontwikkelen en testen van ‘inclusiviteitsinterventies’ en op methodieken om die
maatregelen onderbouwd in te zetten.

Voor dit deel van de onderzoeksagenda gebruiken we verschillende kwantitatieve en kwalitatieve methodieken, waaronder GIS-­analyses (waar spelen welke problemen), interviews, focusgroepen en serious gaming.

Duurzaamheid
Dan het punt environment. De vervoersector is verantwoordelijk voor een kwart van de totale uitstoot van broeikasgassen in de EU. Oplossingen als elektrisch (deel)vervoer helpen deze milieuschade te beperken, is de gedachte. Maar hoe duurzaam zijn die nieuwe vervoerwijzen en diensten nu echt? En hoe verhoudt zich dat tot het ov? Natuurlijk is het gebruik van fossiele brandstof terugdringen altijd nuttig. Maar ook elektrisch rijden heeft een milieu­impact: die energie moet immers eerst worden opgewekt. De fijnstofproblemen door remmen en bandenslijtage kunnen zelfs nog iets toenemen omdat elektrische auto’s vaak zwaarder zijn. En om het milieuplaatje van vervoer echt compleet te hebben, moeten we ook de indirecte ‘kosten’ van bijvoorbeeld de infrastructuur en de productie van voertuigen, inclusief eventuele elektrische batterijen, meewegen.

Om het milieuplaatje van vervoer echt compleet te hebben, moeten we ook de indirecte ‘kosten’ van bijvoorbeeld de infrastructuur en de productie van voertuigen, inclusief eventuele elektrische batterijen, meewegen.

Om op het vlak van duurzaamheid de juiste afwegingen te kunnen maken, willen we daarom levenscyclusanalyses maken van alle verschillende vervoerwijzen en ­diensten. Zo kunnen we bij het ontwerpen en evalueren van (openbaar­) vervoersystemen sturen op de directe en indirecte milieu­impact van een oplossing.

Tot slot
Bovenstaande drie onderzoekslijnen maken goed duidelijk dat er werk aan de winkel is voor het ov. ‘Het openbaarvervoersysteem moet optimaal aansluiten op de behoeften van de passagiers en de samenleving’, stelden we in het begin. Maar de opkomst van deelmobiliteit, eisen rond inclusiviteit en (de naschokken van) covid-19 vragen het nodige van het ov, zonder dat we daar nog heel veel tegenover kunnen zetten. Om precies en gericht te kunnen reageren, ontbreekt het ons simpelweg aan de juiste inzichten, methoden en tools.

In onze onderzoeksagenda werken we aan deze uitdagingen, in nauwe samenwerking met vervoerders, overheden, adviesbureaus en andere kennisinstellingen. We doen dat met onderzoek, casestudies en field lab-experimenten. Dat stelt ons in staat om maatschappelijke impact te maken en bij te dragen aan een samenleving die inclusief, leefbaar én bereikbaar is.

_____

De auteur
Dr. ir. Niels van Oort is universitair hoofddocent Openbaar vervoer en deelmobiliteit aan de TU Delft en co-directeur van het Smart Public Transport Lab.
Download de volledige onderzoeksagenda.