Tabel 24. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze 8 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 9.4 in deel 1). Wanneer er toch gewerkt wordt op basis van de gegevens in het verplaatsingendeel, dan wordt dit duidelijk aangegeven. Tabel 24. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze 8 woon-werkverkeer Cumulative Cumulative HVMWERK Frequency Percent Frequency Percent ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ autobestuurder autopassagier trein tram/metro bedrijfs- of schoolvervoer lijnbus brom/snorfiets motor fiets te voet Frequency Missing = ,6% van de beroepsactieve Vlamingen rijdt met de auto naar het werk, 4,2% komt als passagier naar het werk. 12,9% gebruikt de fiets voor het woon-werkverkeer, terwijl 2,6% de woon-werkafstand te voet aflegt. Het openbaar vervoer is goed voor 7,9%, terwijl het bedrijfsvervoer nog 1,9% toevoegt aan het totaal van het collectief vervoer dat zo uitkomt op 9,8%. Uit deze tabel blijkt dat bijna 30 % van de beroepsactieve Vlamingen een duurzaam vervoermiddel gebruiken (als hoofdvervoerswijze) om te gaan werken. De "autopassagiers" hebben we in dit percentage meegerekend omdat we ervan uitgaan dat dit meestal carpoolers zijn. 8 De hoofdvervoerswijze is die vervoerswijze waarmee men de langste afstand van de verplaatsing aflegt. 30

2 Tabel 25. 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 bedrijfs- of sch oolvervoer ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ lijnbus ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ brom/snorfiets ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ motor ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ fiets ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ te voet ƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒˆ Total Frequency Missing =

3 Het beroepsstatuut van de respondent staat in verband met het hoofdvervoermiddel waarmee hij of zij naar het werk gaat. 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. Fiets en bedrijfsvervoer zijn twee andere groepen waar de arbeiders het hoogst scoren. De trein doet het opvallend goed bij de kaderleden en bij de bedienden. Merk op dat niet alle cellen voldoende waarnemingen bevatten. 32

4 Tabel 26. Verdeling van personen (beroepsactieven) volgens hoofdvervoerswijze woon-werkverkeer en netto-inkomen (persoonsniveau) 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 =

5 Een aantal cellen in deze tabel haalt niet het benodigde aantal om zinvolle uitspraken te doen. We beperken de commentaar tot deze cellen waar er wel voldoende gegevens zijn en hieruit blijkt de duidelijke relatie met het inkomen: bij de autobestuurders en de treinreizigers vinden we merkelijk meer respondenten met een netto-inkomen boven BEF. Tabel 27. 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 = ,7% woont op minder dan 5 kilometer van zijn werk en 48,2% legt hoogstens 10 km af op weg van thuis naar het werk. 6,3% van de woon-werkverplaatsingen is langer dan 50 km. De afstanden in Tabel 27 werden globaal vergeleken met de afstanden genoteerd in het verplaatsingendeel van de vragenlijst. Deze percentages kwamen behoorlijk overeen. Tabel 28. Gemiddeld afgelegde afstand thuisadres/werkadres (beroepsactieven) Mean De gemiddelde woon-werkafstand in Vlaanderen bedraagt 19 kilometer. Op basis van de verplaatsingsgegevens komen we aan een vergelijkbaar cijfer van 18,7 kilometer. 34

6 Tabel 29. 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 vergelijking met Tabel 27 merken we dat voor de woon-werkafstanden tot 5 km de percentages hoger liggen in de algemene verdeling dan in de specifieke verdeling voor de autobestuurders. Dit betekent dat er op die korte afstanden minder gebruik wordt gemaakt van de auto. Tabel 30. 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 = Hier gelden dezelfde opmerkingen zoals geformuleerd bij Tabel 19 (inzake de afstanden). Er is evenwel een verschil: terwijl bij de afstandsschattingen woonplaats-btm-halte er een zekere systematiek in de afwijking vastgesteld werd (eerder systematische overschatting van de afstanden), is hier minder sprake van enige systematiek. De absolute getallen hebben dus nog minder indicatieve waarde. Bijna de helft van de beroepsactieve Vlamingen zegt dat zij op minder dan 500 m van hun werk een halte van lijnbus, tram of metro hebben. Voor twee derde zou er zo een halte op minder dan 1 kilometer liggen. Voor dat andere derde, waarbij men denkt dat de afstand van het meest nabije lokale openbaar vervoer verder ligt dan 1 km, wordt dit toch al een behoorlijk afstand voor het natransport. 35

7 Tabel 31. 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) 36

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 31 bekijken we voor de beroepsactieve Vlamingen 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 ook af van het feit of de bus 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 (lijnvoering) en van de frequentie. 37

9 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, dan wordt het zowat onmogelijk om het traject met bus, tram of premetro af te leggen. Ook deze situaties zitten verwerkt in bovenstaande tabel. Opnieuw herinneren we eraan dat de tabel gebaseerd is op subjectieve afstandswaarnemingen en dus louter ten indicatieven titel wordt opgenomen. Zie ook opmerking onder Tabel ,81% van de respondenten (de som van de percentages in ) zegt zowel thuis als op het werk binnen een straal van 500 m een BTM-halte te hebben. Voor 58,35% (de som percentages in ) zou er op beide plaatsen een halte binnen 1 kilometer zijn. Wanneer we de effectieve gebruikspercentages naast deze theoretisch potentiële percentages leggen, moeten we toegeven dat er een groot gat gaapt: 2,4% (Tabel 24) tegenover 35,81 of 58,35 %, en in deze 2,4 % zitten dan nog repondenten bij die niet opgenomen zijn in de afgebakende rechthoeken. De dichtheid van het haltenet is dus zeker niet slecht te noemen. Maar er zijn natuurlijk nog bijkomende voorwaarden voor gebruik (lijnvoering en frequentie) die minstens zo belangrijk zijn als de afstand tot de halte. Tabel 32. 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?) Frequency Missing = Ook hier wijzen we erop dat de cijfers subjectieve waarnemingen zijn. Een gelijkaardig onderzoek (zie voetnoot 6) naar schattingen van de afstand woonplaats-station werd door ons niet uitgevoerd. Bijna 7% van de beroepsactieve Vlamingen zegt een station te hebben op 500 m van het werk. 13,8% zou maximaal 1 kilometer moeten afleggen van het station naar het werk. In vergelijking met het BTMnet liggen deze percentages laag, maar de maaswijdte van het treinnet is dan ook niet gericht op zeer lokale ontsluitingen en verbindingen. 38

10 Tabel 33. Verdeling van personen (beroepsactieven) volgens de afstand van het werkadres tot het dichtstbijzijnde treinstation en de afstand van het thuisadres tot het dichtstbijzijnde treinstation 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) 39

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 = Opnieuw herinneren we eraan dat de tabel gebaseerd is op subjectieve afstandswaarnemingen en dus louter ten indicatieven titel wordt opgenomen. Dezelfde oefening als bij bus-, tram- en metrohalte, maar nu voor de trein. 2,59% van de beroepsactieve Vlamingen stelt zowel thuis als op het werk op minder dan 500 m een station te hebben. 6,82% zou maximaal een kilometer moeten afleggen om de trein te nemen (zowel van thuis 40

12 als van het werk). Deze 6,82% komt aardig in de buurt van de 5,5% effectieve gebruikers (Tabel 24), maar ook hier weer geldt de opmerking (zie Tabel 31) dat er bij de effectieve gebruikers respondenten zitten die verder dan 1 km van een station werken en/of wonen. Tabel 34. 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

13 (Continued) 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 =

14 In Tabel 34 gaan we na welk hoofdvervoermiddel de beroepsactieve Vlaming meestal gebruikt voor het afleggen van welke afstand. Het gaat hierbij om de opgegeven woon-werkafstand en het (opgegeven) meest gebruikte hoofdvervoermiddel om naar het werk te gaan. In de klasse tot 1 kilometer zijn de fietsers heer en meester met een rijpercentage van bijna 44%. In de volgende afstandsklassen (van 1 tot 2.5 km) worden fietsers en auto s even belangrijk, met ± 44%. Van zodra de woon-werkafstand boven 5 kilometer uitkomt zit koning auto op zijn troon. Vanaf 30 km komt de trein langzaam opzetten, maar haalt nooit meer dan een kwart van de verplaatsingen binnen. Als we naar de kolompercentages kijken, dan zien we waar elk vervoermiddel zijn natuurlijke bereik heeft. De voetgangers halen hun cliënteel in overgrote meerderheid in de klasse tot 1 kilometer met een kolompercentage van 82,58%. De fiets heeft zijn belangrijkste afstand van 0 tot 5 km. Slechts enkele gedrevenen fietsen dagelijks verder dan 10 km naar hun werk. De bus heeft een gespreid bereik over afstanden van 7.5 tot 30 km, en de trein begint pas echt vanaf 20 km, met een hoogtepunt in de klasse van km. De auto heeft het meest verspreide bereik van alle vervoermiddelen. Beperkt gebruik tot 2.5 km, en vanaf die afstand heel egaal verspreid over alle klassen (telkens ongeveer 12%). Tabel 35. Logistische regressie van auto als hoofdvervoerswijze woonwerkverkeer (bestuurders en passagiers) N=2119 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 8 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT VROUW RYBEWYSC NIETVAST PARKENIG PARKVEEL TOTINK4P ATRE20M ABUS10M Zie voor deze en de volgende regressietabellen: bijlage 10.2 met de lijst van de betekenis van de variabelennamen in regressies. We hebben een logistische regressie gemaakt voor het autogebruik waarbij we degenen die 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 dichtstbijgelegen bushalte thuis en op het werk, afstand dichtstbijgelegen station thuis en op het werk, parkeermogelijkheden bij het werk, persoonlijk en gezinsnetto-inkomen en statuut van het gezinshoofd. Het statistisch pakket kiest als referentiesituatie om het autogebruik te modelleren: man, geen rijbewijs, een vaste urenregeling op het werk, geen parkeerproblemen bij het werk, netto gezinsinkomen minder dan BEF per maand, afstand treinstation bij het werk meer dan 2 km, afstand bushalte bij het werk meer dan 1 km. Voor de andere variabelen uit de vorige paragraaf (leeftijd, statuut,.) 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 een rijbewijs (zie Tabel 1). 43

15 De kans op een autoals hoofdvervoermiddel voor iemand met een rijbewijs 1+ 1 = = ( ) 1+ e 1 29% 80% 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. 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 31%. 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. Personen uit een gezin met een gezinsinkomen groter dan BEF per maand gebruiken meer de auto dan anderen. Mensen die geregeld op verschillende werkuren hebben nemen ook gemakkelijker de auto. De nabijheid van een bushalte of een treinstation bij het werk haalt mensen uit de auto. Tabel 36. Logistische regressie van trein als hoofdvervoerswijze woonwerkverkeer N= 2020 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 PARKENIG PARKVEEL VEELKMC VASTKMC ARBEIDER TOTINK ATRE10M TRE1MKMC ATREH20M 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 dichtstbijgelegen bushalte thuis en op het werk, afstand dichtstbijgelegen station thuis en op het werk, parkeermogelijkheden bij het werk, persoonlijk en gezinsnetto-inkomen en statuut van het gezinshoofd. 44

16 Het statistisch programma selecteert als referentiesituatie een bediende, geen parkeerproblemen bij het werk, met een netto-gezinsinkomen groter dan BEF per maand, treinstation thuis meer dan 2 km en een treinstation aan het werk meer dan 1 km en de afstand. Wat de afstand betreft, moeten we zelf de parameter invullen voor de referentiesituatie. Hiervoor kiezen we het gemiddeld aantal kilometers zoals opgegeven door de respondenten zelf: ± 20 km. Een eerste belangrijke conclusie is dat zelfstandigen (in deze steekproef), nooit met de trein gaan werken. Dit effect is zo sterk, dat we het uit de eigenlijke regressie hebben moeten nemen. De regressie uit Tabel 36 is dus gemaakt voor alle niet-zelfstandigen. De kans opeen treinals hoofdvervoermiddel in dereferentiesituatie 1+ 1 = = ( * ) e 2.2% Conclusie: beroepsactieven komen nauwelijks met de trein. Arbeiders nemen nog minder de trein, en zelfstandigen al helemaal niet. Mensen met een gezinsinkomen tussen BEF en BEF per maand nemen ook iets minder de trein. Dit effect komt bovenop het statuut van de persoon zelf, en is dus geen dubbeltelling met bv. het statuut arbeider. 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 3/4 met de trein! De kans op een treinbij ' veel' parkeerproblemen en 60 km ver 1+ 1 = = ( * * ) e 74.5% Een treinstation in de buurt van de woonplaats of het werk haalt ook mensen naar de trein. Hoe verder de mensen van huis werken, hoe groter het effect van een station vlakbij het werk. Tabel 37. Logistische regressie van lijnbus als hoofdvervoerswijze woonwerkverkeer N= 2486 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 3 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT RYBEWYSC PARKENIG PARKVEEL 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 dichtstbijgelegen bushalte thuis en op het werk, afstand dichtstbijgelegen station thuis en op het werk, parkeermogelijkheden bij het werk, persoonlijk en gezinsnetto-inkomen en statuut van het gezinshoofd. 45

17 Het resultaat van deze regressie was beperkt. Het statistische pakket selecteert als referentie: de referentiepersoon heeft geen rijbewijs en geen parkeerproblemen bij het werk. Alle andere in vorige paragraaf vermelde variabelen hadden geen invloed in deze regressie. 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 = = ( ) e 0.8% Personen zonder rijbewijs (4.3%) nemen vaker de lijnbus dan personen met een rijbewijs (0.8%). En parkeerproblemen jagen de mensen ook de lijnbus op. Enige parkeerproblemen laat 2.2% de bus nemen, en veel parkeerproblemen 6.2%. Tabel 38. Logistische regressie van tram als hoofdvervoerswijze woonwerkverkeer Niet gemaakt wegens te weinig data. Gaan de Vlamingen in de referentiesituatie nauwelijks met de trein of met de lijnbus naar het werk, de tram nemen ze helemaal niet. We beschikken zelfs niet over voldoende gegevens om een analyse te maken. Aangezien deze analyse over gans Vlaanderen gaat, is dit niet verwonderlijk. Er zijn nauwelijks steden of gemeenten in Vlaanderen waar een tram rijdt. Tabel 39. Logistische regressie van fiets als hoofdvervoerswijze woonwerkverkeer N= 2094 Intercept Intercept and Criterion Only Covariates Chi-Square for Covariates AIC SC LOG L with 5 DF (p=0.0001) Parameter Standard Wald Pr > Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT VROUW PARKIETS VASTKMC ZELFST TOTINK4P 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 dichtstbijgelegen bushalte thuis en op het werk, parkeermogelijkheden bij het werk, persoonlijk en gezinsnetto-inkomen en statuut van het gezinshoofd. Het statistische pakket selecteert zelf als referenties: een mannelijke arbeider of bediende zonder parkeerproblemen bij het werk, met een netto gezinsinkomen onder BEF per maand en de 46

18 afstand. Wat dit laatste betreft moeten we zelf de parameter invullen voor de referentiesituatie. We beschouwen 6 km als een redelijke fietsafstand. Voor de andere variabelen uit de vorige paragraaf (leeftijd, uurregeling op het werk,.) selecteert het statistisch pakket geen referentiesituatie, want die variabelen zijn door het regressiemodel niet weerhouden. De mensen fietsen al meer naar het werk dan dat ze het openbaar vervoer nemen. Hoe verder het werk, hoe kleiner de kans dat men fietst: voor 1 km fietst 50% van de mannen, voor 6 km 23%, en voor 10 km nog 10%. Vrouwen fietsen minder: voor 1 km fietst 34% van de vrouwen, voor 6 km 13%, en voor 10 km nog 5%. Parkeerproblemen bij het werk doen mensen sneller naar de fiets grijpen. Bv. bij een afstand van 6 km stijgt het aantal fietsende mannen tot 40%. Zelfstandigen in Vlaanderen fietsen duidelijk minder. Bij een gezinsinkomen boven BEF fietsen minder gezinsleden naar het werk. Tabel 40. Logistische regressie van voetganger als hoofdvervoerswijze woonwerkverkeer N= 2425 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 LFT PARKIETS VASTKMC ARBEIDER IETSKMC 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 dichtstbijgelegen bushalte thuis en op het werk, afstand dichtstbijgelegen station thuis en op het werk, parkeermogelijkheden bij het werk, persoonlijk en gezinsnetto-inkomen en statuut van het gezinshoofd. Het statistische pakket selecteert zelf als referenties: een bediende, jonger dan 55 jaar, zonder parkeerproblemen bij het werk en de afstand. Wat dit laatste betreft moeten we zelf de parameter invullen voor de referentiesituatie. Zeg dat 1 km best haalbaar is. Dan bedraagt het percentage voetgangers De kans op een voetgangerbij de referentiesituatieen 1km ver 1+ 1 = = ( * ) e 13.1% Hoe groter de afstand tot het werk, hoe minder de mensen te voet gaan. Parkeerproblemen bij het werk laten mensen over langere afstanden te voet gaan. Voor een afstand van 2 km komt normaal nog 2% te voet, maar als er parkeerproblemen zijn, dan wil zelfs 19% nog te voet gaan. Personen ouder dan 55 gaan meer te voet dan jongere personen. Arbeiders gaan minder vaak te voet dan andere beroepscategorieën. 47

19 Tabel 41. Schematisch overzicht van de modale verschuiving van woonwerkverkeer op basis van de regressies voor Vlaanderen. De variabelen in een kader met een + (-) teken wil zeggen dat dit hoofdvervoermiddel meer (minder) gebruikt wordt bij die voorwaarde. Vb. indien het werk ver weg is neemt men minder de fiets. De pijlen geven redenen aan voor modale verschuiving. Vb. bij parkeerproblemen schakelen autorijders sneller over op de trein. FIETS TREIN Werk ver weg - Hoog inkomen - Zelfst. - Parkeerprobl. + Vrouw - Parkeerproblemen 1) Parkeerproblemen 2) Station dichtbij werk Werk ver weg + Zelfstandige - Arbeider - Trein thuis dichtbij + Trein werk dichtbij + Parkeerprobleem + Gemiddeld inkomen - 1) Hoog inkomen 2) Vrouw AUTO Trein werk dichtbij - Vrouw + Rijbewijs + Hoog Inkomen + Parkeerprobleem - Geen vaste uren + Bushalte werk dichtbij - Rijbewijs VOET BUS Parkeerprobl jaar + Werk ver weg - Arbeider - Parkeerproblemen Parkeerproblemen Rijbewijs - Parkeerprobleem + 48

20 In Tabel 41 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 zonder rijbewijs meer de lijnbus nemen, en dat mensen met een rijbewijs meer auto rijden, dan kunnen we niet bewijzen dat bij het behalen van een rijbewijs mensen van de lijnbus overschakelen op autogebruik, maar het klinkt toch wel erg aannemelijk. Anderzijds vinden we bijvoorbeeld dat indien het werk ver weg is mensen minder te voet gaan en meer met de trein, maar toch denken we niet dat mensen de trein nemen als alternatief om niet te voet 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 het werk lokt een aantal mensen naar de trein. Mensen met een hoog netto-inkomen nemen gemakkelijker de auto, ten koste van de fiets. Vrouwen nemen vaker dan mannen de auto om de fiets te vermijden. Personen die hun rijbewijs halen laten hierna de lijnbus staan. Uit deze analyse volgen twee 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 stelt 88% van de beroepsactieve (of studerende) Vlaamse autobestuurders dat zij zonder problemen een parkeerplaats vinden (zie Tabel 29 in deel 3B) (Zwerts & Nuyts 2002c). Een ruwe vergelijking tussen deze 88% en de tabel van de zoektijd naar een parkeerplaats (Tabel 161), laat vermoeden dat mensen vinden dat ze parkeerproblemen hebben als ze meer dan 1 minuut moeten zoeken. Ook voor de stadsgewesten Antwerpen, Hasselt-Genk en Gent vonden we dat meer dan 1 minuut zoektijd ervaren wordt als parkeerproblemen (Zwerts et al. 2001, Nuyts et al. 2001, Nuyts & Zwerts 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. 49

21 Tabel 42. Verdeling van de personen (beroepsactieven) volgens hoofdvervoerswijze voor woon-werkafstanden kleiner dan 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 42 beperken we ons tot de opgegeven woon-werkafstanden die kleiner zijn dan 5 km. In vergelijking met Tabel 24 zien we een duidelijke daling van het autogebruik (van 72,8% naar 49,2%) en een opvallende stijging van de aandelen fiets en te voet. De idee dat mensen blindelings in hun auto stappen wordt met andere woorden niet helemaal ondersteund aangezien er zich voor afstanden kleiner dan 5 kilometer een opmerkelijke verschuiving voordoet in het vervoermiddelengebruik. Tabel 43. 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 = Tabel 43 geeft de verdeling aan van de tijd die aan een woon-werkverplaatsing 9 besteed wordt. Bijna 60% van alle woon-werkverplaatsingen duurt hoogstens 20 minuten. Slechts 7% van de verplaatsingen duurt langer dan een uur. 9 In deze tabel en in de volgende tabellen tot en met tabel 48 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 woonvisiteverplaatsingen handelen. 50

22 Tabel 44. Gemiddelde woon-werkverplaatsingstijd (o.b.v. verplaatsingsgegevens) N Mean Std Dev Minimum Maximum De gemiddelde verplaatsingsduur van een woon-werkverplaatsing in Vlaanderen bedraagt 26 minuten. Tabel 45. Gemiddelde woon-werkverplaatsingstijd volgens afstand (o.b.v. verplaatsingsgegevens) ACAT N Obs N Mean Std Dev Minimum Maximum tot 0.2 km tot 0.5 km tot 1 km tot 2 km tot 3 km tot 5 km tot 7.5 km tot 10 km tot 15 km tot 25 km tot 40 km meer dan 40 km Voor elke afstandsklasse gaan we na wat de gemiddelde duur is van een woon-werkverplaatsing in dit afstandssegment. Hoe verder de afstand, hoe meer tijd er voor nodig is. 51

23 Tabel 46. Gemiddelde woon-werkverplaatsingstijd volgens hoofdvervoerswijze (o.b.v. verplaatsingsgegevens) HFDVM N Obs N Mean Std Dev Minimum Maximum metro andere/onbep autobestuurder autopassagier brom/snorfietser lijnbus fietser motorrijder te voet tram trein Voor elke hoofdvervoerswijze gaan we na wat de gemiddelde woon-werkverplaatsingstijd is. De vervoerswijzen die vooral op de korte afstanden gebruikt worden (fiets, te voet) hebben een gemiddelde dat onder het gemiddelde van Tabel 44 ligt. De auto is de hoofdvervoerswijze wiens gemiddelde het algemene gemiddelde het best benadert. De hoogste gemiddelde verplaatsingstijd is voor rekening van de trein (72 minuten). Deze vergelijking is natuurlijk niet helemaal fair, want de afgelegde afstanden verschillen ook vaak. Hou er ook rekening mee dat de tijd betrekking heeft op de ganse verplaatsing van deur tot deur, niet alleen op de tijd die men doorbrengt in of op het hoofdvervoermiddel hetgeen van belang is voor het openbaar vervoer (voor-en natransport). Daarom hebben we in Tabel 47 voor een aantal afstandsklassen de snelheden getoond per hoofdvervoermiddel. 52

24 Tabel 47. Gemiddelde woon-werkverplaatsingssnelheid (in km/uur) volgens afstand en hoofdvervoerswijze. (o.b.v. verplaatsingsgegevens). Hoofdvervoerswijzen met minder dan 10 observaties zijn niet meegenomen. ATOTKMKL HFDVM N Obs N Mean Std Dev Minimum km autobestuurder autopassagier brom/snorfietser lijnbus fietser motorrijder te voet autobestuurder autopassagier brom/snorfietser lijnbus fietser motorrijder trein autobestuurder autopassagier lijnbus trein meer dan 40 autobestuurder autopassagier trein Uit Tabel 47 blijkt dat op de korte afstand de motor waarschijnlijk het snelste vervoermiddel is (40 km/u), dan gevolgd door auto (30 km/u), bromfiets (22 km/u) en fiets (15 km/u). De lijnbus is de voorlaatste (9 km/u), en de voetgangers sluiten de rij (6km/ u). Voor afstanden van 7.5 tot 25 km bestaat de kopgroep uit auto en motor (45 km/u), dan komen de bromfietsen (34 km/u) met in hun spoor de trein (28 km/u). De lijnbus haalt op deze afstand tenminste al de snelheid van een fiets (21 km/u). Voor afstanden tussen dan 25 en 40 km verdwijnen de tweewielers. De auto blijft de snelste met 55 km/u, gevolgd door het openbaar vervoer (± 35 km/u). Op nog grotere afstanden verdwijnt ook het lijnbusgebruik. De auto s halen inmiddels 77 km/u, de trein 55 km/u. Het valt op dat elk vervoermiddel, tot aan de bovengrens van zijn bereik, efficiënter wordt als de afstanden langer worden. De redenen daarvoor verschillen echter per vervoermiddel. De fiets lijkt op langere afstanden efficiënter omdat enkel geoefende fietsers bereid zijn die langere afstanden elke dag af te leggen. Er is dus een wijziging van de populatie van gebruikers. De auto wordt efficiënter omdat met het stijgen van de kilometers ook steeds meer grote wegen en autosnelwegen gebruikt kunnen worden, waarop men indien er geen file staat- toch sneller kan rijden. Er is dus een wijziging van het parcours. Het openbaar vervoer wordt efficiënter omdat bij het openbaar vervoer er een vaste tijdkost is van het voor- en natransport en de wachttijden. De verhouding openbaar vervoer / (voor- en natransport + wachttijden) stijgt, waardoor de gemiddelde snelheid ook stijgt. Een vuistregel zegt dat het openbaar vervoer concurrentieel wordt met de auto als de verplaatsingstijdfactor van het openbaar vervoer (= tijd nodig voor openbaar vervoer/tijd nodig voor een auto) globaal genomen maximaal gelijk is aan 1.5 (in meer of min naargelang de huidige verplaatsingstijd). Uit de vorige tabel kunnen we een schatting maken van deze verplaatsingstijdfactor. Dit is slechts een schatting, want het gaat over verplaatsingen die mensen effectief gemaakt hebben. Verplaatsingen waarbij het tijdverlies van een vervoermiddel zo groot is, dat bijna niemand dat vervoermiddel neemt, zijn niet in onze waarnemingen opgenomen. We krijgen dus 53

25 een te mooie voorstelling van de snelheidsverhoudingen van de vervoermiddelen. Hoewel dit zowel voor de auto als voor het openbaar vervoer telt, denken we dat deze vertekening gemiddeld toch in het voordeel van het openbaar vervoer speelt. We zien dat voor de lijnbus de gemiddelde verplaatsingstijdfactor (=VF bus ) verbetert als de afstand stijgt: voor afstanden km is VF bus = 3.3; voor km is VF bus =2.1; voor km is VF bus = 1.6. Dat wil zeggen dat in Vlaanderen de -zelfs te positief voorgestelde- verplaatsingstijdfactor van de lijnbus enkel min of meer concurrentieel begint te worden vanaf km. 'Probleem' is dat voor deze langere afstanden men voor het woon-werkverkeer nog nauwelijks een lijnbus neemt. Uit Deel 3B blijkt overigens dat het gaakppd (gemiddeld aantal afgelegde kilometer per persoon per dag) voor de lijnbus = 24 km (zie Tabel 23 in deel 3B). Indien we uitgaan van een minimum aantal lijnbusverplaatsingen (n.l. 2, een heen - en terug), komen we nog maar aan 12 km (24/2). Let wel: deze analyse houdt noodzakelijkerwijze geen rekening met de ruimtelijke localisatie van de verplaatsingen: lijnbusverplaatsingen zullen verhoudingsgewijs meer in een stedelijk gebied plaatsvinden hetgeen de cijfers ten nadele van de lijnbus 'bijkleurt'. Voor de trein vinden we: voor km is VF trein =1.6; voor km is VF trein = 1.6; voor > 40 km is VF trein = 1.4. De trein scoort veel beter dan de lijnbus, en op lange afstand wordt de trein concurrentieel met de auto. 54