Effecten van belonen in Spitsmijden in het OV

Transcriptie

1 Effecten van belonen in Spitsmijden in het OV Hoe verleid je OV-reizigers? 2008/2009

2 Inhoudsopgave Executive Summary 4 1. Inleiding Rapportages Spitsmijden Samenwerkingsverband Spitsmijden Rapport Effecten van belonen in Spitsmijden in het OV Leeswijzer 7 2. Waarom de spits niet mijden? Een gedragsanalyse Theoretische achtergrond: de kosten van te vroeg of te laat komen Opzet en analyse van het onderzoek Spitsmijden in het OV Resultaten Gevolgen voor reisgedrag Conclusie Praktijkproef: Spitsmijden in het OV Spitsmijden tussen Utrecht CS en Den Haag CS: de proef Resultaten Deelnemers en niet-deelnemers aan Spitsmijden in het OV Conclusie Conclusie en aanbevelingen Referenties 33 Bijlagen 35 Bijlage A: Stated preference enquête 36 Bijlage B: Introductie enquête 43 Bijlage C: Eindenquête 51 Bijlage D: Logboek 56 Bijlage E: Non respons enquête 57 Effecten van belonen in Spitsmijden in het OV

3 Executive Summary Spitsmijden in het openbaar vervoer (verder Spitsmijden in het OV) is opgezet om te onderzoeken of treinreizigers bereid zijn hun reistijdstip aan te passen als zij daar een positieve prijsprikkel voor ontvangen. De vraag welke factoren het reistijdstip van reizigers bepalen en of zij bereid zijn het reistijdstip naar hun werk aan te passen, staat centraal. Een belangrijk uitgangspunt in het onderzoek is dat de schaduwkosten van te vroeg (schedule delay early) en te laat (schedule delay late) aankomen op het werk, medebepalend zijn voor het tijdstip waarop treinreizigers naar het werk reizen. Een enquêteonderzoek is gehouden onder treinreizigers die minimaal 3 keer per week in de ochtendspits met de trein naar het werk reizen. Deze treinreizigers is gevraagd hoe interessant het voor hen is hun huidige abonnement in te ruilen voor een (alleen voor het onderzoek geïntroduceerd) goedkoper Dalurentrajectabonnement. Het Dalurentrajectabonnement levert dus een korting op ten opzichte van het huidige abonnement. Het Dalurentrajectabonnement is niet geldig tijdens de ochtendspits, tenzij reizigers een speciaal dagkaartje, een spitssupplement, hebben aangeschaft. Uit het onderzoek blijkt dat, als we respondenten laten kiezen tussen een Dalurentrajectabonnement en hun huidige Jaar- of Maandtrajectabonnement, 80% van de keuzes het huidige abonnement is. Voor de respondenten, die deze keuze maken, is het, bij de geboden prijs van een Dalurentrajectabonnement en de prijs van een spitssupplement, niet aantrekkelijk het reistijdstip te verplaatsen naar vóór of na de ochtendspits. Voor 20% van keuzes is het Dalurentrajectabonnement wel een aantrekkelijk aanbod. In het gedragsmodel vinden we als gemiddelde schatting voor de benodigde compensatie voor het aanpassen van het reistijdstip met 1 uur bedragen tussen de 2,30 en 4,05, afhankelijk van hoe de reiziger het geld ontvangt (namelijk het aanpassen van de prijs van het spitssupplement versus de korting op de abonnementsprijs). Bij doorvertaling van de gevonden resultaten naar veranderingen in reisgedrag blijkt dat, op een traject van kilometer, het voor de NS mogelijk is met een positieve prijsprikkel 5,8% van de reizen tijdens de ochtendspits te verschuiven naar buiten de ochtendspits. Dit kost de NS 1,90 per gemeden spitsrit, of 0,05 per zitplaats per kilometer. Een positieve prijsprikkel lijkt hiermee voldoende potentieel te bieden om inzet van dit prijsmechanisme in overweging te nemen. Een groep van 124 treinreizigers, die voor het werk op het traject Utrecht CS - Den Haag CS reist, heeft tussen februari en juni 2009 daadwerkelijk het huidige abonnement omgeruild voor een Dalurentrajectabonnement. Het Dalurentrajectabonnement, dat deze reizigers hebben ontvangen, is ongeveer 20% goedkoper dan het huidige abonnement dat zij hebben. Het Dalurentrajectabonnement is zonder spitssupplement niet geldig tussen uur. Het meest in het oog springende resultaat van deze praktijkproef Spitsmijden in het OV is dat vrijwel alle deelnemers tijdens de proef niet meer in de ochtendspits hebben gereisd. Dit is deels te verklaren door het feit dat ongeveer eenderde van de deelnemers heeft aangegeven doorgaans nooit tijdens de spits te reizen. Zij hebben hun reisgedrag dus niet hoeven aanpassen. De deelnemers, die doorgaans wel tijdens de ochtendspits reizen, hebben hun reistijdstip voornamelijk verplaatst naar vóór de ochtendspits. Dit hangt samen met het feit dat zij voorafgaande aan de proef, vooral op de rand van de spitsperiode (rond uur, maar net in de spits, of rond uur maar net in de spits) reisden waardoor het relatief makkelijk is het gedrag aan te passen en de spits te mijden. Dit geeft aan dat er een groep reizigers bestaat waarvoor een product zoals het Dalurentrajectabonnement aantrekkelijk kan zijn. Zoals in eerdere onderzoeken van Spitsmijden ook gevonden is, blijken socio-economische en socio demografische kenmerken niet veel te verschillen tussen de deelnemers en niet-deelnemers aan de praktijkproef. Om reisgedrag te veranderen kunnen we daarom, naast het invoeren van prijsprikkels, ook kijken naar de mogelijkheid van de invoering van flexibele werktijden en thuiswerken Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

4 1. Inleiding Het Nederlandse wegennet, en zeker ook de snelwegen, en de treinen worden steeds drukker met alle gevolgen vandien. Een aantal bedrijven, universiteiten en overheidsinstellingen heeft eind 2006, in het project Spitsmijden, het initiatief genomen gezamenlijk een korte termijnoplossing te onderzoeken met als algemene doelstelling: het uitbreiden van het repertoire van sturingsinstrumenten ten aanzien van weggebruik tijdens de spits. Soortgelijke instrumenten kunnen naar verwachting ook bijdragen aan het realiseren van een transitie naar duurzame mobiliteit in Nederland: die is schoner, veiliger en leefbaarder en versterkt de economie. Eerste proef De eerste wetenschappelijke proef Spitsmijden is in 2007, als onderdeel van onderzoek naar demand management-concepten binnen het nationale kennisontwikkelingsprogramma Transumo 1, afgerond. De proef op de A12 bewees dat financiële prikkels werken: de 340 deelnemers halveerden hun ritten in de ochtendspits. Ook werd bevestigd dat flexibiliteit, thuis en op het werk - bijvoorbeeld door de betrokkenheid van werkgevers - van groot belang zijn. Vervolgproef Spitsmijden blijkt een vernieuwend en kansrijk concept, dat de moeite van verdere ontwikkeling waard is. Internationaal bestaan er nog weinig vergelijkbare wetenschappelijke experimenten en ervaringen. In november 2007 besloot de minister van Verkeer en Waterstaat dan ook in verschillende regio s meer proeven conform het spitsmijden concept te stimuleren in het kader van Anders Betalen voor Mobiliteit. Het is van belang de kennis en ervaring - die voorhanden is bij wetenschappers, ondernemers en beleidsmakers - zo breed en zorgvuldig mogelijk te delen om feiten en ficties van elkaar te onderscheiden. Met dat in gedachten is de tweede proef Spitsmijden ontwikkeld, met de volgende centrale vragen: tijdsbestendigheid: werkt belonen ook over een langere periode? andere modaliteiten: hoe belangrijk zijn alternatieve modaliteiten voor de gedragsverandering? volumereductie: leiden de spitsmijdingen van de deelnemers daadwerkelijk tot merkbaar minder spitsverkeer op de A12 of wordt de ruimte opgevuld door de latente vraag? Voor deze vervolgproef Spitsmijden zijn 2 nieuwe projecten gestart: a) Spitsmijden voor automobilisten op de A12 op het traject van Gouda naar Den Haag; b) Spitsmijden in het openbaar vervoer op het treinreistraject van Utrecht naar Den Haag. Transitieonderzoek Binnen het kader van de proef Spitsmijden vindt, naast gedragsonderzoek, ook transitieonderzoek plaats, dat zich specifiek richt op het verwerven van zodanig inzicht en kennis, en de verspreiding daarvan, dat een bijdrage kan worden geleverd aan een transitie naar duurzame mobiliteit ( Een transitie is een structurele maatschappelijke verandering, ook wel omschreven als een fundamentele verandering van structuur, cultuur en werkwijzen op systeemniveau. Voor het bewerkstelligen van transities zijn daarom per definitie tal van samenhangende systeeminnovaties op verschillende terreinen nodig. Van het transitieonderzoek in Spitsmijden zijn nog geen kwantitatieve onderzoeksresultaten beschikbaar. Wel hebben onze ervaringen geleid tot een basisstructuur en een aantal bouwstenen voor nieuwe toepassingen van het concept Spitsmijden. De intentie was er toe bij te dragen dat in de toekomst steeds goede afwegingen worden gemaakt voor de beste kans op resultaat en dat via een permanent leerproces het concept tijdsbestendig kan blijven door, indien opportuun, bijstelling op basis van voortschrijdend inzicht. 1.1 Rapportages Spitsmijden 2 De resultaten van deze proeven zijn vastgelegd in verschillende rapportages: Effecten van belonen in Spitsmijden 2; hoe verleid je automobilisten? Effecten van belonen in Spitsmijden 2; samenvatting Effecten van belonen in Spitsmijden in het OV; hoe verleid je OV-reizigers? Deelname aan Spitsmijden; welke factoren spelen een rol? Bouwstenen voor scenario s Spitsmijden; wat is het, hoe werkt het en wat zijn de effecten? EVI-proef in Spitsmijden 2; chiptechnologie voor elektronische voertuigherkenning Leerervaringen uit Spitsmijden 2 Daarnaast hebben we een film geproduceerd over deze vervolgproef met een verkenning naar mogelijke toekomstige ontwikkeling van het concept Spitsmijden. De rapportages en de film zijn te downloaden van Rapportages andere proeven Naast de wetenschappelijke vervolgproef Spitsmijden is sprake van vele regionale projecten en enkele specifieke projecten, gericht op volumereductie tijdens wegwerkzaamheden, zoals het project Spitsmijden A12 Gouda Zoetermeer en diverse FileMijden projecten. Resultaten van deze projecten zijn, of komen beschikbaar, in afzonderlijke rapportages van andere samenwerkingsverbanden. In de rapportage Bouwstenen voor scenario s Spitsmijden worden er ervaringen in een tiental Spitsmijden en daaraan verwante projecten naast elkaar gezet binnen een raamwerk, dat als basis kan dienen voor nieuwe projecten en de verdere kennisontwikkeling over dit concept. 1.2 Samenwerkingsverband Spitsmijden 2 Het samenwerkingsverband Spitsmijden 2 bestaat uit: Bereik, ARS T&TT, Rabobank, Vrije Universiteit Amsterdam, TU Delft, Universiteit Utrecht, Nederlandse Spoorwegen, OC Mobility Coaching, RDW en Transumo Rapport Effecten van belonen in Spitsmijden in het OV Voor u ligt het rapport Effecten van belonen in Spitsmijden in het OV, een uitgave van het samenwerkingsverband Spitsmijden. De doelstelling van Spitsmijden in het OV is het verkrijgen van inzicht in het verplaatsingsgedrag van forensen wanneer we positieve financiële prikkels geven om de spits in het OV te mijden. Allereerst hebben we een gedragsmodel ontwikkeld, waarna we in de praktijk ervaring hebben opgedaan. In dit rapport zijn de opzet, uitvoering en resultaten van Spitsmijden in de trein beschreven. Naast dit rapport zijn er nog 3 andere rapportages: de financiële prikkels en zelfsturing in het OV, leerervaringen en transitieonderzoek (dat onder andere ingaat op uitbreiding van Spitsmijden in de trein naar belonen in het totale OV-systeem). Deze rapportages kunt u vanaf 1 november 2009 downloaden van Leeswijzer In hoofdstuk 2 beantwoorden we de belangrijkste vraag van het onderzoek naar het gedragsmodel: wat bepaalt of en, zo ja, hoe vaak OV-reizigers het reistijdstip naar hun werk willen aanpassen? In hoofdstuk 3 beschrijven we de praktijkproef die als testcase diende voor het gedragsmodel. Hierin kijken we naar de verandering in het reisgedrag van de deelnemers, hun ervaringen en socio-economische en -demografische kenmerken. In het laatste hoofdstuk geven we conclusies en aanbevelingen voor onder andere vervolgonderzoek. 1 Transumo is een Nederlands platform van bedrijven, overheden en kennisinstellingen die gezamenlijk kennis ontwikkelen op het gebied van duurzame mobiliteit ( 2 Spitsmijden wordt mede mogelijk gemaakt door Transumo Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

5 2. Waarom de spits niet mijden? Een gedragsanalyse auto. Als treinreizigers bijvoorbeeld na de ochtendspits willen reizen, kunnen zij de eerste volgende trein na uur nemen en niet altijd precies na de ochtendspits vertrekken. In de proef Spitsmijden in het OV staat de vraag centraal wat bepaalt of treinreizigers het reistijdstip naar hun werk willen aanpassen en zo ja, hoeveel keer per week. De factoren die hierbij een belangrijke rol spelen, zijn de schaduwkosten van eerder of later aankomen op het werk, de zogenoemde schedule delay early en schedule delay late kosten. Andere factoren zijn bijvoorbeeld reiscomfort en socio-economische kenmerken van treinreizigers. Om te bepalen wat de invloed is van deze factoren op het reisgedrag in de trein, hebben we een onderzoek gedaan bij leden van het NS-reizigerspanel. In dit hoofdstuk beschrijven we dit onderzoek. We beginnen eerst met een korte omschrijving van de invloed die verschillende factoren hebben op reisgedrag. Vervolgens omschrijven we de opzet en de resultaten van het onderzoek. 2.1 Theoretische achtergrond: de kosten van te vroeg of te laat komen In onderzoek naar reisgedrag nemen we vaak een dagelijks patroon van activiteiten, zoals werk en de zorg voor het gezin, als uitgangspunt. Een verplaatsing staat dan ook niet op zichzelf, maar moeten we zien in het licht van de activiteiten die iemand op een dag wil ondernemen en hoe hij deze activiteiten organiseert. Deze manier van kijken naar reisgedrag noemen we de activity-based benadering (zie bijvoorbeeld Hensher en Button, 2008). De verplaatsing, die iemand s ochtends naar zijn werk maakt, is dan een voorbeeld van een verplaatsing die we moeten zien als een onderdeel van de activiteiten die iemand over de hele dag onderneemt. Het tijdstip waarop iemand naar zijn werk gaat, bepaalt men dan dus ook door die activiteiten. Aangezien op bepaalde tijdstippen van een dag de congestie op de weg en in de trein piekt, hebben blijkbaar veel mensen hun activiteiten zo georganiseerd dat ze rond hetzelfde tijdstip willen reizen. Dit leidt er toe dat we de wegcapaciteit, of de capaciteit op het spoor, buiten de piek niet optimaal gebruiken. De vraag is dan ook waarom reizigers voor een bepaald reistijdstip kiezen en wat bepaalt of reizigers dit zouden willen veranderen. Als we bij het beantwoorden van deze vraag kijken naar een treinreis naar het werk, dan blijkt dat veel reizigers rond een bepaalde tijd op hun werk willen of moeten zijn. Als ze afwijken van deze geprefereerde aankomsttijd, is dat voor de reiziger suboptimaal. De schaduwkosten die verbonden zijn aan te vroeg of te laat aankomen op het werk noemen we schedule delay kosten 3. Het idee achter schedule delay kosten is dat reizigers een geprefereerde aankomsttijd op de plek van bestemming (thuis, op het werk) hebben en dat we een geldwaarde kunnen toekennen aan elke minuut dat zij te vroeg of te laat aankomen op de plek van bestemming. De kosten zijn dus een maat voor het nadeel dat een reiziger ondervindt als hij te vroeg of te laat arriveert. De kosten voor te vroeg komen, noemen we de kosten voor schedule delay early. De kosten voor te laat komen, noemen we de kosten voor schedule delay late. Meestal vinden reizigers het vervelender te laat te komen dan te vroeg. De kosten van een minuut te laat komen zijn dan ook hoger dan de kosten van een minuut te vroeg komen. Modellen die schedule delay kosten verklaren, richten zich traditioneel op reizen met de auto en niet op reizen met de trein. Bij het analyseren van de data uit de enquêtes hebben we rekening gehouden met het feit dat het organiseren van een reis met de trein anders verloopt dan met de 3 Voor een verdere beschrijving van scheduling kosten verwijzen we naar Small (1982). 2.2 Opzet en analyse van het onderzoek Spitsmijden in het OV Om een gedragsmodel voor treinreizigers te ontwikkelen, hebben we in mei 2009 een enquête gehouden onder leden van het NS- reizigerspanel. De NS gebruikt het NS-reizigerspanel om klantonderzoek te doen. Het panel bestaat uit ongeveer treinreizigers. We hebben panelleden benaderd die volgens de gegevens van de NS een Jaar- of Maandtrajectkaart hebben voor een traject van tariefkilometer. In totaal hebben panelleden een uitnodiging voor een on line enquête gekregen waarvan er zijn ingevuld en teruggestuurd (respons van 37%). De enquête staat in bijlage A Opzet van de enquête Uit de enquête wilden we weten onder welke voorwaarden treinreizigers de ochtendspits zouden willen mijden. De enquête is opgezet als een conjoint choice experiment. Dit houdt in dat we het gewoonlijke reisgedrag van reizigers meten en vervolgens vragen wat het reisgedrag zou zijn in verschillende hypothetische situaties. Het eerste gedeelte van de enquête stelt een aantal controlevragen om te bepalen of de respondent tot de doelgroep behoort. Een respondent behoort tot de doelgroep als hij: in het bezit is van een Maand- of Jaartrajectkaart van de NS; minimaal 3 keer per week met de trein naar het werk reist tijdens de ochtendspits (reizigers zitten in de trein tussen uur of vertrekken vanaf hun beginstation tussen uur en/ of komen aan op hun eindstation tussen uur) op een vast traject; in de periode, waarin de enquête we de enquête uitvoeren, met de trein naar het werk heeft gereisd. Het onderzoek richt zich op reisgedrag in de ochtendspits, omdat deze veel geconcentreerder verloopt dan de avondspits. Iedereen, die niet voldoet aan deze criteria, heeft de vragenlijst niet verder ingevuld. Vervolgens is het gewoonlijke reisgedrag van de respondent in kaart gebracht. We hebben gevraagd of de respondenten voor een recente, representatieve, werkweek konden invullen hoe laat ze hebben gereisd. Ook zijn vragen gesteld over het comfort in de trein en vertraging. In het derde gedeelte van de enquête wilden we weten of de respondent zijn huidige abonnement zou inruilen voor een zogenaamd Dalurentrajectabonnement. Een Dalurentrajectabonnement is geen bestaand abonnement, maar een trajectabonnement dat speciaal is bedacht om het onderzoek te kunnen uitvoeren voor Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

6 Het Dalurentrajectabonnement is niet geldig tijdens de ochtendspits en daardoor goedkoper dan een normaal trajectabonnement. Om reizigers flexibiliteit te geven, is het Dalurentrajectabonnement in combinatie met een speciaal dagkaartje, een spitssupplement, wel geldig tijdens de ochtendspits. Alle respondenten kregen 6 keer een fictieve situatie voorgelegd waarin ze konden kiezen tussen hun huidige trajectabonnement of een Dalurentrajectabonnement. De 6 situaties verschilden volgens een orthogonaal, partieel factoreel ontwerp dat de korting van het Dalurentrajectabonnement ten opzichte van het huidige abonnement, de kosten van een spitssupplement en de duur van de ochtendspits combineerde. De duur van de ochtendspits was van uur of van uur. Voor een eerste klas Dalurentrajectabonnement boden we een korting van 50 of 120 ten opzichte van het huidige abonnement en een spitssupplement kostte 2,50, 6 of 9,50. Voor een tweede klas Dalurentrajectabonnement boden we een korting van 30 of 70 ten opzichte van het huidige abonnement en een spitssupplement kostte 1,50, 3,50 of 5,50. Niet alle respondenten betalen de reiskosten voor woon-werkverkeer zelf. We hebben aangegeven dat respondenten er bij hun afweging van moesten uitgaan, dat zij de korting zelf zouden ontvangen. De aankoop van spitssupplementen geschiedt dan ook voor eigen rekening. Als respondenten aangaven een Dalurentrajectabonnement te willen kopen, moesten ze vervolgens voor een werkweek aangeven hoe ze zouden reizen: vóór de ochtendspits, tijdens de ochtendspits met een spitssupplement of na de ochtendspits. In het vierde gedeelte van de enquête vroegen we tot slot naar socio-economische en -demografische kenmerken van de respondent Data verzamelen en verrijken We hebben een aantal vertaalslagen gemaakt voordat we de dataset konden analyseren. Een eerste vertaalslag is het verwijderen van respondenten die de enquête niet volledig hebben ingevuld. Ook hebben we gekeken naar de afstand die respondenten reizen. In de dataset zit een aantal respondenten die over een traject reizen dat niet tussen de tariefkilometer ligt. Uit analyses blijkt echter dat deze observaties weinig invloed hebben op de resultaten en zijn daarom niet verwijderd. Een volgende, belangrijke, stap is dat we de gerapporteerde vertrek- en aankomsttijden in de enquête hebben vergeleken met de dienstregeling van de Nederlandse Spoorwegen zoals deze is opgenomen in de reisplanner van de Duitse Spoorwegen. Op deze manier konden we voor de in de enquête gerapporteerde vertrek- en aankomsttijden de treinreis volgens de reisplanner achterhalen. De reizen, waarvoor we geen goede overeenkomst tussen de reistijden uit de reisplanner en de gerapporteerde reistijden in de enquête konden vinden, zijn uit de dataset verwijderd. Om de schedule delay kosten te kunnen berekenen, hebben we ook voor alle respondenten gekeken wat, volgens de dienstregeling, de eerste 2 mogelijke reizen vóór en na de ochtendspits zijn. Deze data hadden we nodig zodat we konden berekenen hoeveel tijd het mensen kost een reis te verschuiven naar vóór (sde) of na (sdl) de ochtendspits. Na deze bewerking hielden we 733 respondenten over voor de analyse van de data. Door de bewerking, die we op de dataset hebben toegepast, hebben we niet voor alle respondenten 6 keuzesets overgehouden. In totaal hebben we keuzes geanalyseerd De respondenten De respondenten zijn op een aantal socio-economische en socio-demografische kenmerken bekeken. Aan de enquête hebben meer mannen dan vrouwen meegedaan. De grootse groep respondenten is tussen de leeftijd van 31 en 60 jaar. Aangezien we ons hebben gericht op reizigers, die voor hun werk met een trajectabonnement reizen, ligt dit in de lijn der verwachting. De verhouding tussen man - vrouw en de leeftijd komt goed overeen met de verhouding die we in het NS-reizigerspanel terugvinden als we naar de subgroep van Jaartrajectkaarthouders kijken. Als we naar het totale NS-reizigerspanel kijken, zien we dat daar juist meer vrouwen in zijn vertegenwoordigd en dat de verdeling over de verschillende leeftijdsgroepen meer evenredig is. tabel 2.1 geslacht respondenten Aantal Percentage man % vrouw % Totaal % tabel 2.2 leeftijd respondenten Aantal Percentage tot 30 Jaar 62 8% jaar % jaar % 60+ jaar 23 3% Totaal % Bijna 80% van de respondenten woont samen, al dan niet met kinderen. De zorg voor kinderen kan invloed hebben op de flexibiliteit die reizigers hebben om eerder te beginnen of later thuis te komen. Uit de analyses blijkt vooralsnog niet dat het verschil tussen de schedule delay kosten van mensen met kinderen erg veel afwijkt van de mensen die geen kinderen hebben. De meeste respondenten werken in een ondersteunende, adviserende of uitvoerende functie. Opvallend is dat 26% van de respondenten werkzaam is in de financiële of zakelijke dienstverlening. 17% van de respondenten is werkzaam bij de rijksoverheid. tabel 2.3 samenstelling huishouden Aantal Percentage alleenstaand % getrouwd/ samenwonend met kinderen % getrouwd/ samenwonend zonder kinderen % alleenstaande ouder 17 2% woongroep/ studentenhuis 3 0% anders 12 2% Totaal % tabel 2.4 beroepsgroep Aantal Percentage eigenaar van een bedrijf/winkel 2 0% vrij beroep (arts, advocaat, kunstenaar) 5 1% manager/ leidinggevende in een bedrijf, organisatie, instelling of overheid werkzaam in beleid/ staf/ advies/ onderzoek/ consultancy in een bedrijf, organisatie, instelling of overheid uitvoerend/ ondersteunende functie in een bedrijf, organisatie, instelling of overheid 98 13% % % student/ zonder beroep 1 0% anders 30 4% Totaal % Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

7 tabel 2.5 sector waartoe de werkgever behoort Aantal Percentage rijksoverheid % provinciale overheid 10 1% gemeente 39 5% onderwijs 61 8% landbouw, tuinbouw, visserij 0 0% industrie, openbare nutsbedrijven 54 7% bouw 5 1% groothandel, detailhandel 22 3% horeca 3 0% transport, communicatie 40 5% financiële of zakelijke dienstverlening % gezondheidszorg of welzijnszorg 66 9% anders % Totaal % Thuiswerken is voor veel respondenten een minder voor de hand liggende mogelijkheid de ochtendspits te mijden. Rond 70% van de respondenten geeft aan over het algemeen niet de mogelijkheid te hebben (een deel van de dag) thuis te werken. Maar 3% van de respondenten zegt 3 of meer dagen in de week de mogelijkheid te hebben thuis te kunnen werken. tabel 2.8 aantal dagen per week dat doorgaans de mogelijkheid is (een deel van de dag) thuis te werken Aantal Percentage 0 dagen % 1 dag % 2 dagen 24 3% 3 dagen 7 1% 4 dagen 9 1% 5 dagen 8 1% Totaal % Van de respondenten blijkt iets meer dan de helft doorgaans 5 dagen per week tijdens de ochtendspits met de trein naar het werk te reizen. Dit betekent dat zij in de trein zitten tussen en uur of tussen en uur vertrekken en/ of aankomen. In totaal reist iets meer dan 90% van de respondenten doorgaans 4 of 5 keer per week tijdens de ochtendspits met de trein naar het werk. Dit mag geen verrassing zijn aangezien we de respondenten hebben geselecteerd op 3 of meer dagen in de week met de trein reizen. Het feit dat we ons hebben gericht op Maand- en Jaartrajectkaarthouders speelt hier mee; deze abonnementen zijn niet lonend als men er weinig mee reist. In de enquête hebben we respondenten ook gevraagd of zij vóór of na de spits zouden reizen als zij, om welke reden dan ook, niet tijdens de ochtendspits kunnen reizen. In Figuur 2.1 staat de afweging van respondenten die 5 keer per week met de trein tijdens de ochtendspits reizen als de ochtendspits respectievelijk 1 of 2 uur zou duren. Dit geeft ons een indruk van de voorkeuren die reizigers hebben om eerder of later op het werk aan te komen. In de enquête hebben we ook gevraagd of respondenten, als zij de spits zouden mijden, de eindtijd van hun werk kunnen aanpassen als zij eerder of later op het werk aankomen. Rond de 45% van de respondenten kan op enige manier de werktijden aanpassen. Ongeveer 40% geeft anders aan. Dit kan duiden op de mogelijkheid onder bepaalde voorwaarden de werktijden te kunnen aanpassen. Het hebben van afspraken met collega s of klanten is een reden niet altijd de werktijden te kunnen aanpassen. Al met al lijkt de groep respondenten enige flexibiliteit te hebben werktijden aan te passen. Dit is een gunstige voorwaarde de spits te kunnen mijden. tabel 2.6 aantal dagen per week dat men doorgaans tijdens de ochtendspits naar het werk reist Aantal Percentage 3 dagen 39 5% 4 dagen % 5 dagen % wisselend, gemiddeld meer dan 3 dagen 21 3% Totaal % Bij een korte ochtendspits, uur, kiest bijna 70% van de respondenten, die 5 keer in de week tijdens de ochtendspits reist, er voor alle reizen vóór de ochtendspits te maken. Als de ochtendspits langer wordt, wordt dit iets minder, maar veruit de meesten willen vóór de ochtendspits reizen. Uit Figuur 2.1 komt ook naar voren dat reizigers de voorkeur hebben alle reizen dezelfde richting op te veranderen in tegenstelling tot een paar keer per week vóór en een paar keer per week na de ochtendspits te reizen. figuur 2.1 respondenten die 5 keer per week in de ochtendspits reizen: verplaatsen naar vóór of na de spits (n = 398) tabel 2.7 mogelijkheid om werktijd aan te passen aan aankomsttijd op het werk 100% 90% uur uur Aantal Percentage eindtijd van mijn werk ligt vast 91 12% eerder beginnen, eerder stoppen % later beginnen, later stoppen 62 8% eerder beginnen, eerder stoppen en later beginnen, later stoppen % volledig vrij bepalen 32 4% anders % Totaal % 80% 70% 60% 50% 40% 30% 20% 10% 0% 0 vóór 0 - na 5 vóór 1 - na 4 vóór 2 - na 3 vóór 3 - na 2 vóór 4 - na 1 vóór 5 - na 0 vóór - na 5vóór - na 4vóór - na 3vóór - na 2vóór - na 1vóór - na Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

8 U nietspitsmijden = Dummy_geen dalurentrajectabonnement U U nietspitsmijden = Dummy_geen dalurentrajectabonnement U spitsmijden,i = nietspitsmijden = Dummy_geen dalurentrajectabonnement " korting * korting + " supplement * supplement + " sde * sde( i i = 0,...,5 i = 0,...,5 i = 0,...,5 U nietspitsmijden = Dummy_geen dalurentrajectabonnement i = 0,...,5 figuur 2.2 aanpassing reisgedrag om de spits te mijden (n = 4.278) Behoud huidige abonnement 80% Dalurentrajectabonnement 20% Aantal spitssupplementen per week 4 Voor een uitgebreide omschrijving van discrete keuzemodellen verwijzen we naar Train, K. E. (2003). 1 3% 0 9% 2 3% 3 2% 4 2% 5 1% Als we vervolgens kijken naar de keuzes, die respondenten hebben gemaakt als zij konden kiezen tussen hun huidige abonnement of een Dalurentrajectabonnement, blijkt dat 80% van de keuzes voor het behouden van het huidige abonnement is. De respondenten zouden 9% van de reizen maken met een Dalurentrajectabonnement waarbij zij dan alle dagen van de week de spits mijden. Uit de antwoorden in de enquête blijkt dat, hoe korter de spits en hoe hoger de korting, hoe meer reizigers bereid zijn een Dalurentrajectabonnement te kopen. Hoe hoger de prijs van een supplement, hoe minder reizigers bereid zijn een Dalurentrajectabonnement te kopen. In de volgende paragraaf gaan we verder met de rekenkundige analyse van de data en betekenis van de resultaten voor de schedule kosten en de abonnementskeuzes De analyse We analyseren de antwoorden uit de enquête door gebruik te maken van discrete keuzemodellen 4. Discrete keuzemodellen zijn rekenkundige gedragsmodellen waarin we de kans berekenen dat personen een bepaalde keuze maken. Aangezien de keuze, die personen krijgen voorgelegd, discreet moet zijn, moeten de geboden alternatieven elkaar uitsluiten, uitputtend en eindig zijn. Discrete keuzemodellen gaan er van uit dat consumenten gedrag vertonen dat hun nut optimaliseert. De nutsfunctie, die we in een discrete keuzemodel gebruiken, bestaat uit een waarneembaar gedeelte en een gedeelte dat niet waarneembaar is. Het grote voordeel van discrete keuzemodellen is dat de onderzoeker de verdeling van de niet waarneembare term zelf kan bepalen. Bij het simuleren van de discrete keuzemodellen kijken we dan ook naar de kans dat we de niet waarneembare component van de nutsfunctie observeren. Uit de simulatie krijgen we de geschatte coëfficiënten van de nutsfuncties. De nutsfuncties die we schatten zijn: U spitsmijden,i = " korting * korting + " supplement * supplement + " sde * sde( i) + " sdl * sdl( i) U nietspitsmijden = Dummy_geen dalurentrajectabonnement i = 0,...,5 sde( i) = sde *( r " i) * sdl( i) = sdl * ( r " i) * before before + after after before + after before before sde before ( i) = sde *( r " i) * sde( i) = sde *( r " i) * sde( i) = sde *( r " i) * before + after before + after before + after before De functie U spitsmijden,i = " korting * korting + " supplement * supplement + " after sde staat voor het nut dat we sdl after ontlenen ( i) = sdl * aan ( r " de i) sde * sde ( i) = sde * ( i) + " ( r " i * sdl) * ( i after keuze * voor een Dalurentrajectabonnement U nietspitsmijden sdl( i) = sdl )* before ( r " i) * + after waarbij sdl de = ( i i Dummy_geen staat ) = sdl voor *( r het " i) aantal * before + after before + after dalurentrajectabonnement before keer + after per week dat men nog in de spits reist 5. Dit after betekent dus dat i staat voor het aantal spitssupplementen dat een reiziger sdl( i aankoopt. ) = sdl *( r De " i) korting * is i = 0,...,5 before + after de geboden korting per week op het huidige abonnement. In de enquête was dit voor een tweede klas abonnement 30 of 70 per maand (ofwel sde = 7,50 maxof ( pat 17,50 " arrival per week). before,0) De supplementkosten sde = max( pat " arrival before,0) zijn de kosten die een sde reiziger = max per ( pat week " arrival kwijt Uis before aan spitsmijden,i,0 het ) kopen = " korting van * een korting supplement. + " supplement Voor * supplement een tweede + " sde * sde i klas abonnement kostte een supplement before 1,50; 3,50 of 5,50 per dag. sde( i) = sde *( r " i) * sdl = max arrival sde = max pat " arrival ( after " pat,0) before,0 U nietspitsmijden = Dummy_geen dalurentrajectabonnement sdl ( = max( arrival after )" pat,0) U spitsmijden,i U spitsmijden,i = " korting = * sdl korting " korting = max * + korting (" arrival supplement before + after " + * after " pat,0) supplement supplement i = 0,...,5 * supplement + " sde * sde + "( sde i) + * sde " sdl (* i) sdl + ( " i sdl ) * sdl( i) De uren, die het de reizigers per week after kost de sde(i) reistijd aan te passen om voor sdl = de max spits arrival te reizen, after " is pat,0 de U nietspitsmijden U nietspitsmijden ( ) schedule delay sdl = Dummy_geen ( early, i) = sdl = sde(i) * Dummy_geen ( r ", en i) * dalurentrajectabonnement sde(i) de before uren die + after het de reiziger per week kost de reistijd aan te passen om na i = de 0,...,5 spits i = te 0,...,5 reizen, is de schedule delay late, sdl(i). De berekening van sde(i) en sdl(i) is als volgt: U sdl(i) spitsmijden,i = " korting * korting + " supplement * supplement + " sde U niet ( i) = sde * spitsmijden ( r " i) * sde before * sde( i) + " sdl * sdl( i) sdl(i) U niet spitsmijden U before + after sde nietspitsmijden = maxu = ( niet pat Dummy_geen spitsmijden " arrival,0 dalurentrajectabonnement before before ) sde( i) = sde i = (* i) 0,...,5 ( r " i) " 2 after = sde *( r " i) * sdl( i) = sdl *( r " i) * U niet spitsmijden " 2 sdl = max" before ( arrival 2 + before after + after before + after after " pat,0 ) after after U sdl i spitsmijden,i " ( ) = sdl* ( i( ) r = " sdl i) *( r " i) * 2 U spitsmijden,i U before sde(i) spitsmijden,i + before after + after before sde U ( i) = sde *( r " i) * sde = max pat " arrival spitsmijden,i before,0 before + after ( ) sdl(i) i = 4 i = 4 i = 4 after Waarbij, sde = max sde ( sdl pat = ( max i) " = arrival sdl ( pat *(" r U before arrival " i),0* ),0) en sdl = max niet spitsmijden i = 5 ( arrival after " pat,0 i = ). De prefered arrival before + after 4 i = 5 time, pat, is berekend i door = 5 het rekenkundige gemiddelde te nemen van de aankomsttijden (volgens de sdl dienstregeling) = max sdl ( arrival = " 2 maxdie after ( arrival respondenten " pat,0 after )" pat,0 over ) een sde(i) week hebben ingevuld. De i = arrival 5 before en arrival after is de aankomsttijd die een respondent zou hebben als hij respectievelijk de trein zou nemen, die sdl(i) sde(i) het laatste sde(i) sde aankomt = max( pat vóór " arrival het begin before van,0) de spits, en de trein zou nemen, die het vroegst mogelijk U aankomt, als spitsmijden,i hij na de spits zou reizen. U sdl(i) sdl(i) = max( arrival niet spitsmijden after " pat,0) Before en after verwijst naar de verdeling U i = 4 tussen reizen vóór en na de spits, die respondenten zouden niet spitsmijden kiezen U niet spitsmijden als zij niet tijdens de ochtendspits " 2 sde(i) zouden kunnen reizen 6. Tot slot staat r voor het referentiegedrag, i = 5 het aantal keer dat een respondent gewoonlijk tijdens de ochtendspits met de " 2 " 2 U trein naar het sdl(i) werk reist. spitsmijden,i U spitsmijden,i = " korting * korting + " supplement * supplement + " sde * sde( i) + " sdl * sdl( i) De U U spitsmijden,i functie spitsmijden,i spitsmijden,i U = " korting * korting + " niet spitsmijden staat voor supplement * supplement + " het nut dat respondenten sde U* sde U ontlenen aan de keuze voor het i = spitsmijden,i = nietspitsmijden ( i) + " = sdl Dummy_geen * sdl( i) dalurentrajectabonnement " 4 korting * korting + " supplement * supplement + " sde * sde( i) + " sdl * sdl( i) U huidige abonnement. nietspitsmijden = Dummy_geen dalurentrajectabonnement Deze nutsfunctie bestaat uit de i = alternatief 0,...,5 U specifieke constante, de dummy_geen " 2 nietspitsmijden = Dummy_geen dalurentrajectabonnement i = 0,...,5 Dalurentrajectabonnement, voor i i = 50,...,5 het gebruik van het huidige abonnement. De i = dummy 4 i = interpreteren 4 we als het relatieve nut van het gebruik van het huidige abonnement before ten opzichte Uvan spitsmijden,i andere alternatieven voor alle factoren sde( i) = sde die *( we r " i) nu * before niet in het model verklaren. i = 5 sde before + after i = ( i) 5 = sde *( r " i) * before + after before sde( i) = sde *( r " i) after sdl( i) = sdl * ( before r " i) * + after In eerste instantie schatten after sdl we een multinominal logit model. Dit is een before simpel + after ( i) = sdl * ( r " i) * discreet keuzemodel dat erg 4 handig is before voor + het after after schatten van sdl de ( i) eerste = sdl * ( resultaten r " i) * uit een dataset. Vervolgens before + after schatten we een mixed logit model. Dit is een discreet keuzemodel met de mogelijkheid de strikte i = 5 sde = max( pat " arrival aannames, die ten grondslag liggen aan een multinominal logit model, before,0) los te laten. Een mixed sde = max( pat " arrival before,0) logit model staat toe dat de factoren, die invloed sde = kunnen max( pat " hebben arrival before op,0 sdl = max( arrival after " de ) pat,0 keuzes ) die reizigers maken maar die sdl niet = max in ( het arrival model after " pat,0 staan, ) gecorreleerd kunnen zijn over tijd. Dit betekent dat, als reizigers sdl = max arrival herhaalde ( keuzes maken, we kunnen aannemen dat er achtergrondkenmerken after " pat,0) sde(i) zijn die telkens een sde(i) rol spelen in de keuze die een reiziger maakt. We sde(i) kunnen sdl(i) de data die we hebben dus zien als een paneldataset. sdl(i) Ook kunnen we bij een mixed logit model rekening houden met verschillen in voorkeuren van U niet spitsmijden sdl(i) U niet spitsmijden reizigers. Verschil in voorkeur kunnen we verklaren door factoren die niet in het model staan of die gewoon random variëren. U niet spitsmijden " 2 " 2 " 2 U spitsmijden,i U spitsmijden,i U spitsmijden,i i = 4 i = 4 5 Voor respondenten, die maar 3 keer per week reizen, bestaan i = 4 en i = 5 niet. Voor respondenten die 4 keer per week reizen, bestaat i = 5 niet. 6 We hebben alle respondenten gevraagd hun scheduling voorkeuren i = 5 aan te geven in een hypothetische situatie, dus ook als zij nooit buiten de spits zouden reizen. Op basis van de antwoorden, die respondenten gaven die wel buiten de spits zouden willen reizen, blijkt dat dit een goede indicatie is voor de scheduling keuze van respondenten. ( ) + " sdl * sdl( i) sde = max( pat " arrival before,0) Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV ( ) sdl = max arrival after " pat,0

9 2.3 Resultaten sde = max( pat " arrival before,0) sdl = max( arrival after " pat,0) sde(i) sdl(i) U niet spitsmijden De geschatte coëfficiënten van het multinominal logit model staan in Tabel 2.9. Dit vrij simpele model blijkt in staat een groot gedeelte, een " 2 van 0,615, van het reisgedrag in de trein te verklaren 7. Bovendien zijn alle coëfficiënten significant verschillend van 0 bij een betrouwbaarheidsinterval van 99%. De overeenkomstige schedule kosten U spitsmijden,i geven we weer in Tabel In Tabel 2.10 staan de kosten voor te laat en te vroeg aankomen (value of schedule delay early/late) door de ratio s van de coëfficiënt van sde (of i sdl) = 4 en de coëfficiënt van korting (of supplement) te berekenen. Uit deze ratio s blijkt dat reizigers bereid zijn een uur eerder dan hun geprefereerde i = 5 aankomsttijd aan te komen op hun bestemming als ze daarvoor 5,03 korting per keer op de abonnementsprijs krijgen. Een uur later dan geprefereerd aankomen, staat gelijk aan een korting van rond de 4,10 per keer op de abonnementsprijs. Opvallend in dit model is dat de kosten voor te laat komen kleiner zijn dan de kosten voor te vroeg komen. Dit vinden we in studies bij weggebruikers niet, maar is een resultaat dat in toepassingen voor treinverkeer vaker voorkomt. Het feit dat in de opzet van het model de invloed van diegene die niet te laat willen komen (dus aangeven altijd hun reizen te verschuiven naar vóór de spits en dus een hoge waarde voor de schedule delay late kosten hebben) op de waarde van de schedule delay late kosten 0 is, is hiervoor een verklaring. Een andere verklaring kan zijn dat reizigers te laat komen met de trein kunnen afwentelen op het vervoersbedrijf waardoor zij deze kosten minder hoog waarderen. Wat dit betreft levert de schatting van het model met een panelstructuur betere resultaten op. tabel 2.9 geschatte resultaten multinominal logit model Coëfficiënt Waarde Standard error 8 T-waarde 9 β-sde -0,488 0, ,45 β-sdl -0,398 0, ,07 β-korting 0,0970 0, ,66 β-supplement -0,236 0, ,15 dummy_geen Dalurentrajectabonnement 2,25 0,118 19,04 ρ 2 0,615 De schatting van het model met een panelstructuur levert resultaten op die beter inzichtelijk maken wat het reisgedrag in de trein verklaart (zie Tabel 2.11 en 2.12). In het model zijn alle coëfficiënten significant verschillend van 0 bij een betrouwbaarheidsinterval van 99% en bovendien is de " 2 hier 0,66. In dit model vinden we dat de schedule delay late coëfficiënt inderdaad groter is dan de schedule delay early coëfficiënt. Bovendien ligt de puntschatting van de coëfficiënten veel dichter bij elkaar. U spitsmijden,i = " korting * korting + " supplement * supple U nietspitsmijden = Dummy_geen dalurentrajectabon i = 0,...,5 sde( i) = sde *( r " i) * sdl( i) = sdl * ( r " i) * before before + after after before + after sde = max( pat " arrival before,0) sdl = max( arrival after " pat,0) sde(i) sdl(i) U niet spitsmijden U spitsmijden,i De waarde van de dummy_ geen Dalurentrajectabonnement is 3,60 met een geschatte standaard i = 4 afwijking van 2,5. Dit geeft aan dat de verdeling van waarnemingen van de dummy redelijk gespreid i = 5 is, en er dus grote verschillen zitten in het nut dat respondenten aan de verschillende abonnementen toekennen. Er is een groep die het Dalurentrajectabonnement erg aantrekkelijk vindt, maar er is ook een groep die dit helemaal niet vindt. Reizigers zijn bereid een uur af te wijken van hun geprefereerde aankomsttijd als zij daar een korting van ongeveer 4,00 op hun abonnement voor krijgen per keer dat ze dit doen. Reizigers zijn bereid om 2,30 te betalen om de tijdsperiode, waarin het Dalurentrajectabonnement niet geldig is, een uur te verkorten. Ook hier geeft het verschil tussen de schatting van de coëfficiënten voor de korting en het supplement weer dat reizigers de moeite om een supplement te kopen ook beprijzen. NB: Alle coëfficiënten zijn significant bij een betrouwbaarheidsinterval van 99%. tabel 2.10 waarden schedule delay kosten tabel 2.11 geschatte resultaten mixed logit model (panel) U spitsmijden,i = " korting * korting + " supplement * supplement + " sde * sde( i) + " sdl * sdl( i) VSDE VSDL U nietspitsmijden = Dummy_geen dalurentrajectabonnement U spitsmijden,i = " korting * korting + " supplement * supplement + " sde * sde( i) + " sdl * sdl( i) korting i = 0,...,5 U nietspitsmijden = Dummy_geen -5,03 /uur dalurentrajectabonnement -4,10 /uur supplement i = 0,...,5 2,07 /uur 1,69 /uur Coëfficiënt Waarde Standard error T-waarde β-sde -0,690 0, ,43 β-sdl -0,705 0, ,26 β-korting 0,174 0, ,04 before β-supplement -0,300 0, ,27 sde( i) = sde *( r " i) * before + after before sde( i) = sde *( r " i) * dummy_geen Dalurentrajectabonnement 3,60 0,228 15,80 Verder blijkt uit de schedule after delay kosten dat reizigers bereid zijn before 2,07 + after betalen om de periode sdl( i) = sdl * ( r " i) * dummy_geen Dalurentrajectabonnement (sigma) 2,50 0,143 17,49 waarin het Dalurentrajectabonnement before + after niet geldig is te verkorten met after sdl( i) = sdl *( r " i) * een uur, als dit zou betekenen ρ dat de spits later zou beginnen. Reizigers zijn bereid 1,69 te betalen before om + after 2 0,658 de periode waarin het NB: Alle coëfficiënten zijn significant bij een betrouwbaarheidsinterval van 99%. Dalurentrajectabonnement niet geldig is met een uur te verkorten, als dit betekent dat de spits sde = max( pat " arrival eerder zou eindigen. before,0) Hierbij moeten we opmerken dat de coëfficiënt van het supplement zowel sde = max( pat " arrival before,0) de sdl prijs = max van ( arrival het supplement after " pat,0) als de moeite om het supplement te kopen, de transactiekosten, verklaart. Dit is ook te zien in het verschil tussen de sdl = coëfficiënt max( arrival after van " pat,0 de korting ) en de coëfficiënt van tabel 2.12 waarden schedule delay kosten het sde(i) supplement. Belangrijk is in het achterhoofd te houden dat al deze resultaten van toepassing sde(i) zijn sdl(i) op reizigers die frequent tijdens de ochtendspits met de trein naar het werk reizen. VSDE VSDL sdl(i) U niet spitsmijden korting -3,97 /uur -4,05 /uur U niet spitsmijden supplement 2,30 /uur 2,35 /uur 7 " 2 geeft aan in hoeverre de onafhankelijke variabelen in het model de spreiding van de afhankelijke variabele kunnen verklaren. Het is dus een maatstaf voor de verklaringskracht van het model. " 2 heeft een waarde tussen 0 en 1. 8 De U spitsmijden,i standard error geeft aan wat de gemiddelde afwijking van het gemiddelde in de steekproef is. 9 T-waarde geeft aan of de waarde van de coëfficiënt significant anders U spitsmijden,i is dan 0. i = 4 i = 4 i = 5 i = Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV

10 tabel 2.13 aandeel dalurentrajectabonnement Evenredige kortings- en supplementsprijs Kortingspercentage lager dan supplementsprijs Kortingspercentage hoger dan supplementsprijs Afstand km km km km km km korting op het abonnement 20% 20% 20% 20% 30% 30% korting per maand 29,57 43,95 29,57 43,95 44,35 65,93 prijs supplement per dag 1,48 2,20 2,96 4,40 1,48 2,20 aandeel dalurentrajectabonnement 14% 16% 8% 10% 21% 24% aanpassing van totaal aantal ritten naar daluren aanpassing totaal aantal ritten van houders dalurentrajectabonnement 5,8% 8,1% 5,4% 7,9% 8,3% 12,0% 40,7% 52,3% 66,3% 82,0% 40,8% 51,3% kosten NS per gemeden spitsrit 1,90 2,90 1,01 2,22 3,93 5,36 kosten NS per zitplaats per km 0,05 0,05 0,03 0,04 0,11 0,10 NB: Alle schattingen zijn gebaseerd op voorkeuren van reizigers die frequent voor het werk tijdens de ochtendspits reizen. 2.4 Gevolgen voor reisgedrag Nu we deze schattingen hebben, kunnen we bekijken wat dit concreet betekent voor het gedrag van treinreizigers. Hiervoor hebben we uit de groep respondenten diegene genomen die tussen de tariefkilometer en tussen de tariefkilometer reizen. De opzet van het model leidt er toe dat de hoogte van de korting de afweging voor het wel of niet kopen van een Dalurentrajectabonnement bepaalt. Terwijl de hoogte van het spitssupplement bepaalt of reizigers dit abonnement zouden willen kopen, maar ook hoeveel dagen zij vervolgens hun reisgedrag aanpassen. In Tabel 2.13 staat voor verschillende kortingspercentages en supplementsprijzen het aandeel van Dalurentrajectabonnementen. Als de korting en de supplementsprijs evenredig zijn aan elkaar (dit betekent dat als je een Dalurentrajectabonnement koopt en 5 dagen in de week een spitssupplement koopt, je per saldo op 0 uitkomt), zal ongeveer 15% van de reizigers een Dalurentrajectabonnement kopen en in totaal zullen 40% tot 50% van de reizen, die deze mensen in totaal maken, buiten de ochtendspits plaatsvinden. Dit zijn voor een afstand van tariefkilometer in totaal 8,1% van de ritten. Als we kijken naar het verschil tussen de kosten van de korting en de opbrengsten van spitssupplementen, kost het de NS 2,90 om een plek vrij te maken in de spits op een traject van kilometer. De kosten per zitplaats per kilometer zijn 0,05 ( 1,90/ 35 km). Als het kortingspercentage lager zou liggen dan de prijs van een spitssupplement, kost het reizigers netto meer dan de korting om 5 dagen per week met een spitssupplement te reizen. Het gevolg is dat minder reizigers een Dalurentrajectabonnement zouden kopen dan in de eerste situatie, maar dat de houders van een Dalurentrajectabonnement wel een groot gedeelte van hun ritten buiten de ochtendspits zouden maken. Effectief levert dit bijna dezelfde reductie in spitsreizen op als het eerste alternatief met minder kosten voor de NS om een zitplaats vrij te maken in de ochtendspits. is ongeveer gelijk aan het eerste alternatief waardoor men in totaal meer reizen zou aanpassen. De reden, dat meer reizigers de kaart zullen aanschaffen, is dat de kosten voor het aanpassen van de reistijd relatief laag zijn. De kosten voor de NS om een zitplaats vrij te maken, zijn daarentegen wel hoger dan in de eerste situatie. 2.5 Conclusie In het onderzoek naar Spitsmijden in het OV hebben we een gedragsmodel ontwikkeld waarin we de aantrekkelijkheid van spitsmijden kunnen meten. Het blijkt dat er een groep reizigers is voor wie het interessant is de spits te mijden als zij daar een positieve prijsprikkel voor ontvangen. Als we kijken naar de keuzes die respondenten hebben gemaakt als zij konden kiezen tussen hun huidige abonnement of een Dalurentrajectabonnement, blijkt dat 20% van de keuzes een Dalurentrajectabonnement zou zijn. Uit het gedragsmodel blijkt dat respondenten bereid zijn een uur eerder of later te reizen als zij ongeveer 4 korting op hun abonnement ontvangen. Reizigers zijn bereid om 2,30 te betalen om de tijdsperiode, waarin het Dalurentrajectabonnement niet geldig is, een uur te verkorten. Bij doorverlating van de gevonden resultaten naar veranderingen in reisgedrag blijkt dat het voor de NS potentieel mogelijk zou zijn met een positieve prijsprikkel 5,8% (afhankelijk van de gekozen tariefkilometer en proposities) van de reizen tijdens de ochtendspits te verschuiven naar buiten de ochtendspits. Voor een traject van tariefkilometers kost dit de NS 1,90 per gemeden spitsrit, of 0,05 per zitplaats per kilometer. Wanneer het kortingspercentage hoger zou liggen dan de effectieve prijs van een spitssupplement (een treinreiziger houdt geld over van de korting die hij ontvangt als hij 5 dagen in de week met een spitssupplement zou reizen), kopen meer reizigers het Dalurentrajectabonnement dan in de eerste situatie. Het totaal aan reizen dat mensen met een Dalurentrajectabonnement zouden aanpassen, Of dit een aantrekkelijke businesscase is voor de NS, is ook afhankelijk van de nettokosten die gepaard gaan met invoering van een positieve prijsprikkel en de opbrengsten die de NS genereert door de vrijgekomen zitplaatsen te verkopen. Een positieve prijsprikkel lijkt voldoende potentieel te bieden om inzet van dit prijsmechanisme in overweging te nemen. 10 Het midden van de afstandsklasse bepaalt de kosten van het abonnement. Alle prijzen op basis van een tweede klas abonnement. De duur van de spits is gedefinieerd op uur Effecten van belonen in Spitsmijden in het OV Effecten van belonen in Spitsmijden in het OV