Tabel 25. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze woon-werkverkeer

Transcriptie

1 5 Woon-werkverkeer De gegevens onder deze hoofding zijn gebaseerd op de gegevens van de vragen 21 tot en met 30 van de personenvragenlijst die over het woon-werkverkeer handelen en dus niet op basis van de gegevens in het verplaatsingendeel van de personenvragenlijst (zie voor de vragenlijst: bijlage 8.4 in deel 1). In enkele tabellen wordt evenwel gebruik gemaakt van de verplaatsingsgegevens. Wanneer dit voorkomt wordt dit aangegeven. Tabel 25. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze woon-werkverkeer Cumulative Cumulative HVMWERK Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ autobestuurder autopassagier trein tram/metro bedrijfvervoer lijnbus brom/snorfiets motor fiets te voet Frequency Missing = De hoofdvervoerswijze is de wijze waarmee de grootste afstand van de verplaatsing wordt afgelegd. 63% van de beroepsactieve Gentenaar rijdt met de auto naar het werk. 3,6% komt al carpoolend naar het werk. 11,5% gebruikt de fiets voor het woon-werkverkeer, terwijl 3,3% de woon-werkafstand te voet aflegt. Het openbaar vervoer is goed voor 13,7%, terwijl het bedrijfsvervoer nog 0,7% toevoegt aan het totaal van het collectief vervoer dat zo uitkomt op 14,4%. In vergelijking met Vlaanderen ligt het gebruik van de wagen (zowel als bestuurder en passagier) in Gent 6,1% lager (72,8% tegenover 66,7%). Daartegenover staat dat het woon-werkverkeer met het openbaar vervoer in Gent op 13,7% (9,4% trein + 3,2% lijnbus + 1,1% tram/metro) ligt terwijl we in Vlaanderen maar aan 7,9% komen. Nabijheid en gebruik van vervoermiddelen hebben duidelijk iets met mekaar te maken. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 35

2 Tabel 26. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze woon-werkverkeer en beroepsstatuut HVMWERK(Hoofdvervoermiddel naar werk/school) STAT12 Frequency Percent Row Pct Col Pct arbeider bediende kader vrij ber zelfstan andere, Total oep dige WEL bero epsactie f ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ autobestuurder ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ autopassagier ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ trein ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ tram/metro ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ bedrijfsvervoer ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ lijnbus ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ brom/snorfiets ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ motor ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ fiets ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ te voet ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ Total Frequency Missing = OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 36

3 Het beroepsstatuut van de respondent bepaalt mee met welk hoofdvervoermiddel hij of zij naar het werk trekt. Bij de autobestuurders zijn het vooral zelfstandigen, bij de passagiers de arbeiders; of hoe de sociale hiërarchie van de arbeidsmarkt zich ook toont in het hoofdvervoermiddel waarmee men gaat werken. Bedrijfsvervoer, de lijnbus en de brom- of snorfiets zijn de hoofdvervoermiddelen waar de arbeiders het meest scoren. En zelfs de fiets heeft last van een imagoprobleem: vooral de arbeiders maken hiervan gebruik. De trein doet het opvallend goed bij de kaderleden en bij de bedienden. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 37

4 Tabel 27. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze woon-werkverkeer en netto-inkomen (persoonsniveau) TABLE OF HVMWERK BY INKCAT HVMWERK(Hoofdvervoermiddel naar werk/school) INKCAT(Gemiddeld maandelijks netto inkomen) Frequency Percent Row Pct Col Pct 0 / / /1 meer dan Total 00 fr. p fr f er maand. per ma r. per m fr. per and aand maand autobestuurder autopassagier trein tram/metro bedrijfsvervoer lijnbus brom/snorfiets motor fiets te voet Total Frequency Missing = OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 38

5 Ook de relatie met het inkomen is duidelijk: bij de autobestuurders en de treinreizigers vinden we merkelijk meer respondenten met een netto-inkomen boven fr. Andere vaststelling: bij de tram/metro en de lijnbus scoren vooral de minstverdienenden goed. In Tabel 27 vinden we alleen de beroepsactieven terug. Er is hier dus geen sprake van een gratis vervoer-effect (gratis openbaar vervoer is er enkel voor jongeren en senioren). Tabel 28. Verdeling van personen (beroepsactieven) volgens afstand thuisadres/werkadres Cumulative Cumulative VASTKMKL Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ 0-1 km km km km km km km km km km Frequency Missing = Bijna 30% woont op minder dan 5 km van zijn werk en 54,7% legt hoogstens 10 km af op weg van thuis naar het werk. 15,2% van alle woon-werkverplaatsingen is langer dan 50 km. De Vlaamse cijfers laten een ander beeld zien. Zo zijn er in Gent ten opzichte van Vlaanderen minder zeer korte woon-werkafstanden (tot 2,5 km), meer woon-werkafstanden tussen 2,6km en 10km, minder halflange en lange woon-werkafstanden (15,1 km tot 50 km) en duidelijk meer zeer lange woon-werkafstanden (+50 km). Het grote verschil in percentages tussen Gent en Vlaanderen voor de afstanden boven 50 km heeft naar alle waarschijnlijkheid te maken met de afstanden naar Antwerpen en Brussel. Beide steden liggen op ongeveer 60 km van Gent en zijn zowel met de trein als met de auto vlot bereikbaar. De afstanden in Tabel 28 werden globaal vergeleken met de afstanden genoteerd in het verplaatsingendeel. Deze percentages kwamen behoorlijk overeen. Tabel 29. Gemiddeld afgelegde afstand thuisadres/werkadres Mean De gemiddelde woon-werkafstand voor de Gentse respondenten bedraagt 20,3 km. In Vlaanderen komen we uit op een vergelijkbare 19,0 km (P=0.18). OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 39

6 Tabel 30. Verdeling van personen (beroepsactieve autobestuurders) volgens afstand thuisadres/werkadres Cumulative Cumulative VASTKMKL Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ 0-1 km km km km km km km km km km Frequency Missing = In Tabel 30 bekijken we de woon-werkafstanden enkel voor de autobestuurders. In vergelijking met de algemene tabel voor alle beroepsactieven (Tabel 28) merken we een verschuiving van de afstandspercentages richting langere woon-werkafstanden: tot 5 km zijn de percentages hier kleiner, van 5 tot 7,5 km zijn de percentages ongeveer gelijk, daarna blijven ze tot bij 50 km een stuk groter. Voor afstanden boven de 50 km is het percentage van de algemene tabel weer hoger dan dat van de autobestuurders. Deze afstanden worden dus minder vaak met de auto afgelegd, en waarschijnlijk meer met de trein (zie verder). Tabel 31. Verdeling van personen (beroepsactieven) volgens de afstand van het werkadres tot de dichtstbijzijnde BTM-halte Cumulative Cumulative ABTM Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer dan 5 km?) Frequency Missing = ,7% van alle beroepsactieven heeft op 250m van zijn werk een halte van lijnbus, tram of (pre)metro. Voor 61,3% ligt die halte op maximaal 499m en voor 76,6% op maximaal 1 kilometer. In vergelijking met Vlaanderen is de afstand van de werkplek tot de dichtstbijzijnde BTM-halte in Gent behoorlijk goed te noemen. Voor Vlaanderen vinden we 48,4% van de beroepsactieven die een halte heeft op maximaal 499m (Gent: 61,3%) en 66,6% op hoogstens 1 kilometer (Gent: 76,6%). Hier gelden dezelfde opmerkingen inzake afstanden zoals geformuleerd bij Tabel 19. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 40

7 Tabel 32. Verdeling van personen (beroepsactieven) volgens de afstand van het werkadres tot de dichtstbijzijnde BTM-halte en de afstand van het thuisadres tot de dichtstbijzijnde BTM-halte ABTM(Kortste afstand werk tot bus,tram,metro) ABTMH(Kortste afstand thuis - bus,tram,metro) Frequency Percent Row Pct Col Pct 0-249m km - 1 Total 9 m 9 m.999 km 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer da n 5 km?) Total (Continued) OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 41

8 ABTM(Kortste afstand werk tot bus,tram,metro) ABTMH(Kortste afstand thuis - bus,tram,metro) Frequency Percent Row Pct Col Pct 2 km - 5 meer dan geen ide blanco, Total km 5 km e (meer da n 5 km? ) 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer da n 5 km?) Total Frequency Missing = In Tabel 32 bekijken we voor de beroepsactieve Gentenaren de afstand tot de dichtstbijzijnde BTMhalte, zowel vanuit de woon- als vanuit de werkplaats. Bedoeling is om na te gaan of er een BTMketen gevormd kan worden tussen het wonen en het werken. Uiteraard is deze tabel slechts een indicatie van een mogelijke BTM-keten. Of die keten ook echt gevormd kan worden hangt af van het OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 42

9 feit of de lijnbus die voorbij komt aan de bushalte thuis ook langs de bushalte van het werk rijdt of dat dit mogelijk is via bv. maximaal een overstap. Het is ook mogelijk dat een respondent zowel thuis als aan het werk vlakbij een bushalte heeft liggen maar als de woon-werkafstand meer dan 30 kilometer bedraagt, wordt het zowat onmogelijk om het traject met lijnbus, tram of metro af te leggen. Ook deze situaties zitten verwerkt in bovenstaande tabel. 53,02% van de respondenten (de som van de percentages in ) heeft zowel thuis als op het werk binnen een straal van 500 m een BTM-halte. Voor 71,51% (de som percentages in ) is er op beide plaatsen een halte binnen 1 kilometer. De dichtheid van het haltenet is zeer goed te noemen. De voorwaarden voor gebruik liggen evenwel verspreid over verschillende factoren: lijnvoering, frequentie van de lijnvoering en de reistijd zijn daarbij minstens zo belangrijk als de afstand tot de halte. Algemene conclusie van deze tabel: het lokale openbaar vervoer is zeer nabij op de werkplek, terwijl er toch maar 4,3% van de beroepsactieve Gentenaars gebruik maakt van BTM om naar het werk te gaan (Tabel 25). Tabel 33. Verdeling van personen (beroepsactieven) volgens de afstand van het werkadres tot het dichtstbijzijnde treinstation Cumulative Cumulative ATREIN Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer dan 5 km?) ,3% heeft in een straal van 500m een station of een treinhalte ter beschikking. 17,2% moet maximaal 1 kilometer overbruggen om de trein te kunnen nemen. In vergelijking met het BTM-net liggen deze percentages laag, maar de maaswijdte van het treinnet is dan ook niet gericht op zeer lokale ontsluitingen en verbindingen. Ook de verdeling van de afstand van het werk tot het dichtstbijzijnde treinstation valt voor Gent gunstiger uit dan voor Vlaanderen. 17,2% van de beroepsactieve respondenten in Gent heeft een treinhalte op minder dan 1 kilometer, in Vlaanderen is dit 13,8%. Na 5 kilometer bedraagt dit percentage 62,3% voor Gent en 53,2 voor Vlaanderen. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 43

10 Tabel 34. Verdeling van personen (beroepsactieven) volgens de afstand van het werkadres tot het dichtstbijzijnde treinstation en de afstand van het thuisadres tot het dichtstbijzijnde treinstation TABLE OF ATREINH BY ATREIN ATREINH(Afstand station) ATREIN(Afstand halte trein tot werk/school) Frequency Percent Row Pct Col Pct 0-249m km - 1 Total 9 m 9 m.999 km 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer da n 5 km?) Total (Continued) OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 44

11 ATREINH(Afstand station) ATREIN(Afstand halte trein tot werk/school) Frequency Percent Row Pct Col Pct 2 km - 5 meer dan geen ide blanco, Total km 5 km e (meer da n 5 km? ) 0-249m m m km km km - 5 km meer dan 5 km geen idee blanco, (meer da n 5 km?) Total Frequency Missing = Dezelfde oefening als bij bus-, tram- en (pre)metrohalte, maar nu voor de trein. 3,66% van de respondenten heeft zowel thuis als op het werk op minder dan 500 m een treinhalte of een station. 10,16% moet maximaal een kilometer afleggen om de trein te nemen. Een percentage dat aardig in de buurt komt van 9,4% die we vonden bij het effectief gebruik in Tabel 25. Er moet hier natuurlijk wel OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 45

12 rekening gehouden met het feit dat ook heel wat respondenten van buiten de aangeduide rechthoek de trein nemen en dat dat dus voor een vertekening van de gebruiks-cijfers zorgt. Tabel 35. Verdeling van personen (beroepsactieven) volgens afstand thuisadres/werkadres en hoofdvervoerswijze VASTKMKL(Afstand thuis-werk in km) HVMWERK(Hoofdvervoermiddel naar werk/school) Frequency Percent Row Pct Col Pct autobest autopass trein tram/ bedrijfs Total uurder agier metro vervoer 0-1 km km km km km km km km km km Total (Continued) OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 46

13 VASTKMKL(Afstand thuis-werk in km) HVMWERK(Hoofdvervoermiddel naar werk/school) Frequency Percent Row Pct Col Pct lijnbus brom/sno motor fiets te voet Total rfiets 0-1 km km km km km km km km km km Total Frequency Missing = In Tabel 35 gaan we na welk hoofdvervoermiddel mensen gebruiken voor het afleggen van welke afstanden. Het gaat hier enkel om de opgegeven woonwerkafstand en het (opgegeven) meest gebruikte hoofdvervoermiddel om naar het werk te gaan. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 47

14 In de afstandsklasse tot 1 km vormen de voetgangers een nipte meerderheid (50,47%), maar gaat reeds 20% van de werknemers met de auto werken. In de afstandsklassen tot 2.5 km vormen de fietsers de meerderheid met 43%. Maar vanaf 2,6 km worden steeds meer dan de helft van de verplaatsingen met de auto afgelegd. Wanneer we enkel de kolom van de auto bekijken (en binnen deze kolom de rijpercentages nagaan) kunnen we uitzoeken in welke afstandssegmenten de auto relatief het best vertegenwoordigd is. Dat bijkt in dit onderzoek de afstand 15,1 20 km te zijn. Eenmaal boven 20 km neemt de invloed weer af (en dat vooral ten voordele van de trein). Tabel 36. Logistische regressie van auto als hoofdvervoerswijze in woon-werkverkeer (bestuurders en passagiers) N=2185 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 13 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT VROUW RYBEWYSC PARKENIG PARKVEEL INCAT ZELFST ATRE20M ATREH10M ABUS05M GENT RANDGEM GENTVEEL RANDB05M Zie voor deze en de volgende regressietabellen bladzijde 10 met de lijst van de betekenis van de variabelennamen in regressies. We hebben een logistische regressie gemaakt voor het autogebruik waarbij we degenen meestal met de auto naar het werk gaan, hetzij als bestuurder, hetzij als passagier vergelijken met degenen die meestal niet met de auto naar het werk komen. De gebruikte variabelen waren geslacht, rijbewijsbezit, leeftijd, statuut, vaste uren regeling, deeltijds werken, afstand bushalte thuis en op het werk, afstand treinhalte thuis en op het werk, afstand tramhalte thuis en op het werk, parkeermogelijkheden bij het werk, netto persoonlijk en gezinsinkomen en statuut van het gezinshoofd, ligging van de woning in Gent. Het statistisch pakket kiest als referentiesituatie om het autogebruik te modelleren: man, geen rijbewijs, geen parkeerproblemen bij het werk, persoonlijk netto-inkomen minder dan BEF per maand, gezinshoofd bediende, afstand treinstation bij het werk meer dan 2 km, treinstation thuis meer dan 1 km, afstand bushalte bij het werk meer dan 500 m en de woning ligt in de Gentse deelgemeenten, maar niet in Gent centrum. Voor de andere variabelen uit de vorige paragraaf (leeftijd, vaste urenregeling,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. Hoewel het statistisch pakket geen rijbewijs als referentie selecteert, is het logischer om als eerste waarde die met rijbewijsbezit te tonen. Tenslotte bezit het overgrote deel van de bevolking die een rijbewijs mag hebben ook inderdaad een rijbewijs (zie Tabel 3). OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 48

15 De kans op een autoals hoofdvervoermiddel voor iemand met een rijbewijs 1+ 1 = = ( ) 1+ e 1 30% 84% De kans op een autoals hoofdvervoermiddel voor iemand zonder rijbewijs = = ( ) e Tot onze vreugde zijn er minder mensen zonder rijbewijs die met de auto komen. We hopen dat degenen zonder rijbewijs die toch met de auto komen voornamelijk passagiers zijn. Indien alle andere factoren hetzelfde blijven, nemen vrouwen vaker de auto. De inwoners van Gent centrum nemen minder vaak de wagen dan de inwoners van de deelgemeenten. Parkeerproblemen ontmoedigen naar het werk gaan met de wagen. Indien er enige parkeerproblemen zijn bij de werkplaats, dan daalt de kans dat men een auto neemt tot ongeveer 65%, en indien er veel parkeerproblemen zijn, dan daalt deze kans zelfs tot 47%. Veel parkeerproblemen spelen een nog grotere rol in Gent centrum. Van de inwoners van Gent centrum 1 met veel parkeerproblemen bij het werk komt slechts = = 17% van ( ) 1 + de personen met de wagen naar het werk. Wat enige en veel parkeerproblemen juist betekent, hangt af van de interpretatie van de respondent. Veel wil waarschijnlijk zeggen: zo veel dat ik de slechts met moeite de auto kan nemen naar het werk. Zelfstandigen en personen met een persoonlijk netto-inkomen groter dan BEF per maand gebruiken meer de auto dan anderen. De nabijheid van een bushalte aan het werk, of een treinstation thuis of bij het werk haalt mensen uit de auto. De inwoners van de Gentse randgemeenten nemen op zich niet vaker de wagen (de waarde bedraagt , maar dit is niet significant (Pr = 0.42)). Ze gedragen zich anders in die zin dat de nabijheid van een bushalte bij het werk hen niet minder laat auto rijden. In de vergelijking bekomen we (bushalte < 500m) (bushalte < 5000 én inwoner rand) = en ook deze waarde is niet significant. e OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 49

16 Tabel 37. Logistische regressie van trein als hoofdvervoerswijze in woon-werkverkeer N= 1958 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 9 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT NIETVAST VASTKMC PARKVEEL VEELKMC GZARBEID ATRE20M ATREH05M GENT GENTKMC DEELGEM KMNTVST VEELTR2M We hebben een logistische regressie gemaakt voor het treingebruik waarbij we degenen die meestal met de trein naar het werk gaan, vergelijken met degenen die meestal niet met de trein naar het werk komen. De gebruikte variabelen waren geslacht, rijbewijsbezit, leeftijd, statuut, vaste uren regeling, deeltijds werken, afstand bushalte thuis en op het werk, afstand treinhalte thuis en op het werk, afstand tramhalte thuis en op het werk, parkeermogelijkheden bij het werk, netto persoonlijk en gezinsinkomen en statuut van het gezinshoofd, ligging van de woning in Gent. In de referentiesituatie voor het treingebruik moeten we nu niet alleen het intercept gebruiken, maar ook het aantal kilometers tot aan het werk. Hiervoor gebruiken we het gemiddeld aantal kilometers zoals opgegeven door de respondenten zelf: ± 20 km. Daarnaast selecteert het statistisch programma als referentiesituatie een persoon die vaste werkuren heeft, geen parkeerproblemen bij het werk, het gezinshoofd is bediende, treinstation thuis meer dan 500 m, treinstation aan het werk meer dan 2 km en de woning bevindt zich in de randgemeenten van Gent. Voor de andere variabelen uit de vorige paragraaf (geslacht, rijbewijsbezit,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. De kans op een treinals hoofdvervoermiddel in dereferentiesituatie 1+ 1 = = ( * ) e 1,5% Conclusie: beroepsactieven komen nauwelijks met de trein. Gezinscultuur speelt waarschijnlijk ook een rol bij het pendelen met de trein. Met gezinscultuur bedoelen we die zaken die afhankelijk zijn van het statuut van het gezinshoofd, zonder dat die toewijsbaar zijn aan meer materiële zaken zoals gezinsinkomen, locatie van de woning en zonder dat die toewijsbaar zijn aan de persoon zelf, zoals persoonlijk statuut, persoonlijk inkomen, afstand tot het werk, enzovoorts. Want voor elk van deze laatste redenen zijn er aparte variabelen voorzien in de regressie. Indien dan toch het statuut van het gezinshoofd (en niet dat van de persoon zelf) in de regressie weerhouden wordt, dan menen we dat dit iets zegt over de cultuur van het gezin. Voor het treingebruik vinden we dat, indien het gezinshoofd arbeider is, de personen van dat gezin minder de trein nemen. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 50

17 Hoe verder het werk van de woonplaats, hoe groter de kans op een treinreiziger. Ook parkeerproblemen bij de werkplaats zorgen dat mensen de trein nemen, en zeker in combinatie met een groot aantal kilometers. Van de personen die 60 km van huis werken (bv. Gent-Brussel), en daar veel parkeerproblemen hebben, komt 92% met de trein! De kans op een treinbij ' veel' parkeerproblemen en 60 km ver 1+ 1 = = ( * *0.0691) e 92.5% Mensen van het centrum van Gent sporen meer dan mensen van de Gentse deelgemeenten, en deze sporen op hun beurt nog meer dan mensen uit de Gentse randgemeenten. Indien we ook naar interactie-effecten kijken tussen de afstand naar het werk, en de woonlocatie, dan wordt het beeld iets subtieler. Mensen die verder weg werken, nemen gemakkelijker de trein (waarde per km). Maar bij mensen van het centrum van Gent weegt het effect van de afstand bijna dubbel zo zwaar ( ). Dit geldt niet voor de mensen uit de Gentse deel- of randgemeenten. Mensen zonder vaste werkuren sporen iets meer. De afstand tot het werk speelt voor hen minder sterk. Een treinstation in de buurt van de woonplaats of het werk haalt ook mensen naar de trein. Maar dit effect is helemaal niet optelbaar bij het feit dat iemand veel parkeerproblemen heeft bij het werk. M.a.w. iemand die veel parkeerproblemen heeft bij het werk neemt gemakkelijker de trein dan anderen, onafhankelijk van de afstand van het station tot aan zijn werk. Tabel 38. Logistische regressie van bus (De Lijn) als hoofdvervoerswijze in woonwerkverkeer N= 2107 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 9 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT RYBEWYSC LFT DEELTIJD PARKENIG PARKVEEL VASTKMC INCAT5M ATRAH05M DEELGEM We hebben een logistische regressie gemaakt voor het lijnbusgebruik waarbij we degenen die meestal met de lijnbus naar het werk gaan vergelijken met degenen die meestal niet met de lijnbus naar het werk komen. De gebruikte variabelen waren geslacht, rijbewijsbezit, leeftijd, statuut, vaste uren regeling, deeltijds werken, afstand bushalte thuis en op het werk, afstand treinhalte thuis en op het werk, afstand tramhalte thuis en op het werk, parkeermogelijkheden bij het werk, netto persoonlijk en gezinsinkomen en statuut van het gezinshoofd, ligging van de woning in Gent. In het regressiemodel voor het lijnbusgebruik zit een effect van de afstand tot aan het werk, dus moeten we weer een referentie-afstand kiezen. We kiezen opnieuw 20 km als referentieafstand. Daarnaast selecteert het statistische pakket zelf een aantal referenties: de referentiepersoon heeft OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 51

18 geen rijbewijs, is ouder dan 34 jaar, werkt voltijds en heeft geen parkeerproblemen bij het werk. Hij/zij heeft een netto inkomen van meer dan BEF per maand. De tramhalte thuis is verder dan 500 m ver, en de woonplaats ligt in Gent centrum of in de randgemeenten. Voor de andere variabelen uit de vorige paragraaf (geslacht, statuut,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. Hoewel het statistisch pakket net als bij autogebruik geen rijbewijs als referentie selecteert, is het logischer om als eerste waarde die met rijbewijsbezit te tonen. De kans op een bus als hoofdvervoermiddel voor iemand met een rijbewijs 1+ 1 = = ( *20) e 0.4% Personen zonder rijbewijs nemen vaker de bus (2.7%) dan personen met een rijbewijs (0.4%). Grote afstanden zijn niet bevorderlijk voor het lijnbusgebruik. Personen tussen 25 en 34 jaar nemen minder vaak de lijnbus, mensen die deeltijds werken nemen vaker de lijnbus. Ook parkeerproblemen jagen de mensen de lijnbus op. Enige parkeerproblemen laat 1.2% de lijnbus nemen, en veel parkeerproblemen 1.6%. En zoals rijkdom de auto bevoordeelt, bevordert een lager inkomen (inkomen < BEF) de lijnbus op: 1.2%. Er speelt een beperkte concurrentie met de tram: tramhaltes in de buurt van de woning lokken mensen weg van de lijnbus. Mensen in de deelgemeentes nemen iets meer de lijnbus dan personen uit het centrum of uit de randgemeenten. Tabel 39. Logistische regressie van tram als hoofdvervoerswijze in woon-werkverkeer Niet gemaakt wegens te weinig data. Gaan de Gentenaren in de referentiesituatie nauwelijks met de trein (1.5%) of met de bus (0.4%) naar het werk, de tram nemen ze helemaal niet. We beschikken zelfs niet over voldoende gegevens om een analyse te maken. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 52

19 Tabel 40. Logistische regressie van fiets als hoofdvervoerswijze in woon-werkverkeer N= 1931 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 4 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT PARKIETS VASTKMC INCAT GZZELFST We hebben een logistische regressie gemaakt waarbij we degenen die meestal met de fiets naar het werk gaan vergelijken met degenen die meestal niet met de fiets naar het werk komen. De gebruikte variabelen waren geslacht, rijbewijsbezit, leeftijd, statuut, vaste uren regeling, deeltijds werken, afstand bushalte thuis en op het werk, afstand tramhalte thuis en op het werk, parkeermogelijkheden bij het werk, netto persoonlijk en gezinsinkomen en statuut van het gezinshoofd, ligging van de woning in Gent. In het regressiemodel voor het fietsgebruik zit een effect van de afstand tot aan het werk, dus moeten we weer een referentie-afstand kiezen. We beschouwen 6 km als een redelijke fietsafstand. Daarnaast selecteert het statistische pakket zelf als referenties: een persoon zonder parkeerproblemen bij het werk, met een persoonlijk netto-inkomen onder Bef per maand. Het gezinshoofd is arbeider of bediende. Voor de andere variabelen uit de vorige paragraaf (geslacht, persoonlijk statuut,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. De referentiepersoon fietst al meer naar het werk dan dat hij het openbaar vervoer neemt. Voor een (fiets)afstand van 6 km fietst 11%. Hoe verder het werk, hoe kleiner de kans dat men fietst: voor 1 km fietst 30%, voor 6 km 11%, en voor 10 km nog 4%. Parkeerproblemen bij het werk doet mensen sneller naar de fiets grijpen. Bij een afstand van 6 km stijgt het aantal tot 19%. Personen met een persoonlijk netto-inkomen tussen BEF en BEF fietsen meer naar het werk. Gezinscultuur speelt waarschijnlijk ook een rol bij het fietsen. Met gezinscultuur bedoelen we die zaken die afhankelijk zijn van het statuut van het gezinshoofd, zonder dat die toewijsbaar zijn aan meer materiële zaken zoals gezinsinkomen, locatie van de woning en zonder dat die toewijsbaar zijn aan de persoon zelf, zoals persoonlijk statuut, persoonlijk inkomen, afstand tot het werk, enzovoorts. Want voor elk van deze laatste redenen zijn er aparte variabelen voorzien in de regressie. Indien dan toch het statuut van het gezinshoofd (en niet dat van de persoon zelf) in de regressie weerhouden wordt, dan menen we dat dit iets zegt over de cultuur van het gezin. Voor het fietsgebruik vinden we dat, indien het gezinshoofd zelfstandige is, dan fietsen de personen van dat gezin minder vaak naar het werk. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 53

20 Tabel 41. Logistische regressie van voetganger als hoofdvervoerswijze in woonwerkverkeer N= 2178 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 6 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT DEELTIJD VASTKMC PARKVEEL VEELKMC ABUS02M ATRA05M We hebben een logistische regressie gemaakt waarbij we degenen die te voet naar het werk gaan vergelijken met degenen die meestal niet te voet naar het werk komen. De gebruikte variabelen waren geslacht, rijbewijsbezit, leeftijd, statuut, vaste uren regeling, deeltijds werken, afstand bushalte thuis en op het werk, afstand tramhalte thuis en op het werk, parkeermogelijkheden bij het werk, netto persoonlijk en gezinsinkomen en statuut van het gezinshoofd, ligging van de woning in Gent. Ook hier moeten we een referentie-afstand vastleggen, want het aantal personen dat te voet naar het werk gaat vermindert drastisch per lopende kilometer. Zeg dat 1 km best haalbaar is. Daarnaast selecteert het statistische pakket zelf als referenties: een voltijds werkende persoon zonder parkeerproblemen bij het werk. De bushalte bij het werk is verder dan 200 meter, de tramhalte verder dan 500 m. Voor de andere variabelen uit de vorige paragraaf (leeftijd, geslacht,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. Dan bedraagt het percentage voetgangers De kans op een voetgangerbij de referentiesituatieen 1km ver 1+ 1 = = ( * ) e 16.4% Mensen die deeltijds werken gaan minder vaak te voet. Hoe groter de afstand tot het werk, hoe minder de mensen te voet gaan. Parkeerproblemen bij het werk laten mensen gemakkelijker wat langer te voet gaan. Voor een afstand van 2 km komt normaal nog 3% te voet, maar als er veel parkeerproblemen zijn, dan wil nog 13% te voet gaan. De nabijheid van tram- of bushalte bij het werk laat mensen meer te voet gaan. Dat effect is vreemd, want we praten hier niet over te voet gaan als natransport, maar over te voet gaan als hoofdvervoermiddel. OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 54

21 Tabel 42. Schematisch overzicht van de modale verschuiving in woon-werkverkeer op basis van de regressies voor het stadsgewest Gent. De variabelen in het kader met een + (-) teken wil zeggen dat dit vervoermiddel meer (minder),wordt gebruikt bij de voorwaarde. Bv. indien het werk ver weg is neemt men meer de trein. De pijlen geven redenen aan voor modale veschuiving. Bv. bij parkeerproblemen schakelen autorijders sneller over op de fiets. FIETS TREIN Werk ver weg - Midden inkomen + Hoofd Zelfst. - Parkeerprobl. + Parkeerproblemen 1) Parkeerproblemen 2) Station dichtbij thuis 3) Station dichtbij werk 4) Deelgemeente Gent. Werk ver weg + Geen vaste uren + Hoofd arbeider - Trein thuis dichtbij + Trein werk dichtbij + Parkeerprobleem + Gent- Deelgemeenten + Hoog inkomen AUTO Trein thuis dichtbij - Trein werk dichtbij - Vrouw + Rijbewijs + Zelfstandige + Parkeerprobleem - Groot Inkomen + Gent - Randgemeenten + Bushalte werk dichtbij - 1) Rijbewijs 2) Hoog inkomen VOET Parkeerprobl. + Deeltijds - Werk ver weg - Bushalte dichtbij + Tramhalte dichtbij + Parkeerproblemen 1) 1) Deelgemeenten Gent 2) Parkeerproblemen 3) Laag inkomen Deeltijds BUS Rijbewijs - Werk ver weg jaar - Tram thuis dichtbij - Deeltijds + Parkeerprobleem + Laag inkomen - Deelgemeenten + OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 55

22 In Tabel 42 combineren we de gegevens van de vijf logistische regressies, om een aantal wijzigingen in vervoermiddelenkeuze te bespreken. De richting van de pijlen is niet volkomen wetenschappelijk bepaald, maar gedeeltelijk op gevoel. Indien we bijvoorbeeld vinden dat mensen met een hoog inkomen meer auto rijden, en dat mensen met een laag inkomen meer de lijnbus nemen, dan kunnen we niet bewijzen dat bij een stijging van het inkomen mensen van de lijnbus overschakelen op autogebruik, maar het klinkt toch wel erg aannemelijk. Anderzijds vinden we bijvoorbeeld dat mensen die in de buurt van een treinstation werken minder fietsen en meer met de trein rijden. We denken echter niet dat mensen, zelfs als het natransport erg beperkt is, de fiets laten staan om met de trein te gaan. Hét hoofdvervoermiddel naar het werk is ongetwijfeld de auto. Parkeerproblemen jagen de mensen de auto uit, naar alle mogelijke vervangmiddelen. Een station vlakbij huis of bij het werk zal nog een aantal mensen naar de trein lokken. Mensen met een hoog inkomen nemen gemakkelijker de auto, ten koste van de fiets en de lijnbus. Personen die hun rijbewijs halen laten hierna de lijnbus staan. Mensen in de deelgemeenten van Gent laten gemakkelijker de auto thuis ten voordele van het openbaar vervoer. Personen die deeltijds werken gaan minder te voet, maar nemen vaker de lijnbus. Tenslotte nog een effect dat we hier slechts half 9 kunnen onderbouwen, maar dat we zeer expliciet ook reeds gevonden hebben in het stadsgewest Antwerpen (Zwerts et al. 2001): lijnbus en tram zijn in zekere zin elkaars concurrenten. Indien de tramhalte dichtbij is, nemen de mensen minder de lijnbus. Uit deze analyse volgen enkele praktische toepassingen om mensen uit de auto te halen. - De beste manier om mensen uit de auto te krijgen is de parkeermogelijkheden beperken. Op dit ogenblik heeft 89% van de beroepsactieve Gentse autobestuurders geen enkel moeite om een parkeerplaats te vinden (Nuyts & Zwerts 2001b). Slechts 49% van degenen die niet als bestuurder naar het werk gaan, zeggen dat ze geen problemen zouden hebben ((Nuyts & Zwerts 2001b). Een ruwe vergelijking tussen deze 89% en de tabel van de zoektijd naar een parkeerplaats (Tabel 165), laat vermoeden dat mensen vinden dat ze parkeerproblemen hebben als ze meer dan 1 minuut moeten zoeken. Ook voor de stadsgewesten Antwerpen en Hasselt-Genk vonden we dat 1 à 2 minuten zoektijd ervaren werd als parkeerproblemen (Zwerts et al. 2001, Nuyts et al. 2001). Om mensen te laten overstappen naar andere modi dan de auto, moet het aantal parkeerplaatsen dus zodanig verminderd worden dat men minstens één minuut, en liefst meer moet zoeken. - Door een strategische plaatsing van werklocaties in de buurt van treinstations kan men het treingebruik bevorderen. - Bij een klein inkomen verhoogt het lijnbusgebruik. Het is natuurlijk onredelijk om de inkomens te verlagen om de mensen het openbaar vervoer te laten gebruiken. Maar het is wel mogelijk om de prijs van het openbaar vervoer te verlagen. Het effect van het gratis maken van het openbaar vervoer is statistisch aantoonbaar: in Gent verhoogde het lijnbusgebruik voor de 65-plussers (Tabel 24) en in Hasselt voor alle personen (Zwerts & Miermans 1998). Een ruwe berekening suggereert dat het gratis maken van het openbaar vervoer in Hasselt het autovervoer in Hasselt met slechts 0.4% 10 vermindert heeft. 9 Want we hebben niet voldoende gegevens over het tramgebruik om de redenering sluitend te maken. 10 We weten: 2.7 verplaatsingen per persoon per dag * Hasselaren * 365 dagen = verplaatsingen per jaar, waarvan 57% = met de auto (data Nuyts et al., 2001 ) verplaatsingen van auto omgezet in openbaar vervoer (Zwerts & Miermans 1998) / = OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 56

23 Tabel 43. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze voor de woon-werkafstand < 5 km Cumulative Cumulative HVMWERK Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ autobestuurder autopassagier trein tram/metro bedrijfsvervoer lijnbus brom/snorfiets motor fiets te voet In Tabel 43 beperken we ons tot de respondenten die aangeven dat ze op minder dan 5 km van hun werkplaats wonen. In vergelijking met Tabel 25 zien we een duidelijke daling van het autogebruik (45,8% ten opzichte van 66,7%) en een opvallende stijging van de fiets (31,0% tegenover 11,5%) en het te voet gaan (13,2% tegenover 3,3%). Mensen denken dus wel na over hun autogebruik, aangezien er zich voor verplaatsingen kleiner dan 5 kilometer een opmerkelijke verschuiving in het vervoermiddelengebruik aandient. Tabel 44. Verdeling van de woon-werkverplaatsingen volgens verplaatsingstijd (o.b.v. verplaatsingsgegevens) Cumulative Cumulative TCAT Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ 0 tot 5 min tot 10 min tot 15 min tot 20 min tot 30 min tot 60 min tot 120 min min Frequency Missing = In deze tabel en in de volgende tabellen tot en met tabel 49 wordt met 'woon-werkverplaatsingen' zowel de woon-werk als de werk-woonverplaatsingen bedoeld. Dit geldt ook voor gelijkaardige tabellen die over woon-school, woon-winkel of woon-visiteverplaatsingen handelen. Op basis van de verplaatsingsgegevens geeft Tabel 44 de verdeling aan van de verplaatsingstijd die aan een woon-werkverplaatsing besteed wordt. 60,3% van de woon-werkverplaatsingen duurt hoogstens 20 minuten. Toch duurt 9% van alle woon-werkverplaatsingen langer dan een uur. Tabel 45. Gemiddelde woon-werkverplaatsingstijd (o.b.v. verplaatsingsgegevens) N Mean Std Dev Minimum Maximum OVG GENT (januari 2000-januari 2001): DEEL 3A: ANALYSE PERSONENVRAGENLIJST 57