Routekeuze modellen voor fietsers Danique Ton Oded Cats Dorine Duives Serge Hoogendoorn 30 November 2017
Waarom routekeuze modellen voor fietsers? Om het gedrag beter te begrijpen Welke factoren beïnvloeden fietsers bij hun keuze voor een route? Hulp bij het begrijpen van ontstaan van modal split issues en fietsfiles Dit soort onderzoek vooral in landen waar weinig gefietst wordt! Zoals Canada, VS en Zwitserland (met 1-6% fietsritten) Geen tot zeer weinig onderzoek in fietsrijke landen zoals bijv. Nederland (27% fietsritten) In transport planning modellen is de fietser vaak niet correct opgenomen Hij mist volledig, Fietsen en wandelen worden samen genomen, Een fiets wordt gelijk behandeld aan een auto 2
Wat heb je nodig om te modelleren? Routekeuze is discreet (je kiest er altijd maar 1) Veel aandacht voor ontwikkeling in data in afgelopen jaren Transitie van enquêtes naar echt observeren van gedrag met bijv. GPS Dataset Factoren Keuze set Keuze GPS of Wi-Fi data samengevoegd tot ritten. Optioneel; een enquête om extra data te verzamelen. Daarvoor alle datasets combineren en factoren in de data identificeren; zoals afstand of %fietspad. Andere routes die; mogelijk zijn of zijn geobserveerd in de data tussen de herkomst en bestemming. De geobserveerde route is onderdeel van de keuze set. 3
Toepassing van methodiek voor Amsterdam Dataset Fietstelweek data GPS data uit September 2016 Alleen geaggregeerd individuele info 3,045 ritten in 7 dagen in centrum Geen fietstochtjes zonder stoppen De fietsers in Amsterdam Hoofdzakelijk tussen de 31-65 jaar Ongeveer 50/50 in man vrouw verhouding 77% fiets naar werk of terug 4
Factoren die zijn getest Factoren Data beschikbaarheid is laag! Alleen GPS Geen individuele info Openstreetmap informatie is niet compleet Netwerk Factoren Contextuele Factoren Afstand (km) (-) Donker / daglicht % Fietspad (+) Regen / droog # Kruisingen per km (-) Spits / buiten de spits Voor- en natransport / hele rit 5
Hoe is de keuze set opgebouwd? Keuze set Keuze Gebruik van alleen geobserveerde data Data gedreven pad identificatie Legend <20 trips 20 < trips < 50 50 < trips Alle geobserveerde routes voor een herkomst-bestemming relatie Samengevoegd tot de keuze set van die relatie Vereiste aan de methode Meer dan 1 route/rit per relatie 6
De resultaten van het routekeuze model Factor Significante invloed? Positief of Negatief? Afstand Ja Negatief # Kruisingen per km Ja Negatief % Fietspad Nee - Regen Nee - Spits Ja (ochtendspits) Negatief op afstand Voor- en natransport Nee - Donker Nee - 7
Conclusies omtrent routekeuze modellen voor fietsers Model helpt met geven inzichten in factoren die gedrag beïnvloeden De keuze set identificeren uit data werkt hiervoor De factoren van invloed zijn in lijn met ander onderzoek Uitzondering is fietspad, die in buitenlands onderzoek erg belangrijk is! In Amsterdam Centrum is fietspad niet een factor die routekeuze beïnvloed Het aantal kruisingen dat je tegenkomt per km en de afstand zijn wel belangrijk! Gemeente Amsterdam heeft o.a. dit model als input gebruikt voor nieuw fiets routekeuze model 8
Routekeuze modellen voor fietsers Contact: d.ton@tudelft.nl 30 November 2017