De gemeente elektrisch

De gemeente elektrisch D E F I N IT I E F R A P P O R T Onderzoek naar de effectiviteit van elektrisch vervoer beleid van gemeenten O P D R A C H T G E V E R : PROVINCIE NOORD-HOLLAND O P G E S T E L D D O O R : APPM MANAGEMENT CONSULTANTS DECISIO NOVEMBER 2014

SAMENVATTING Nederlandse gemeenten kunnen met lokaal beleid de groei van het aantal elektrische auto s in de gemeente beïnvloeden. Onderzoek van APPM en Decisio in samenwerking met de Vrije Universiteit Amsterdam in 2012 heeft inzicht gegeven in de effectiviteit die beleidsmaatregelen van gemeenten hebben op het aantal elektrische auto s. Sinds medio 2012 is het aantal elektrische auto s in Nederland gegroeid van circa 5.000 naar 40.000 en zijn gemeenten steeds actiever met beleid op het gebied van elektrisch vervoer (hierna EV). De provincie Noord-Holland neemt deel aan het North Sea Electric Mobility Network (E-Mobility NSR) waarin regio s in de Noordzeeregio samenwerken aan de verdere introductie van EV. Vanuit dit project heeft zij APPM en Decisio opdracht verleent om de effectiviteit van het EV beleid van gemeenten anno 2014 opnieuw te onderzoeken. Ten tweede is gevraagd om de haalbaarheid van een dergelijk onderzoek in de landen die aangesloten bij E-Mobility NSR te verkennen. Onderzoek effectiviteit van het EV beleid De effectiviteit van het EV beleid betreft een kwantitatief onderzoek met behulp van een regressiemodel. Dit model analyseert de invloed van beleidsmaatregelen op het aandeel en de groei van elektrische ten opzichte van het totale aantal auto s in Nederland. Daarbij maken we onderscheid tussen volledig elektrische auto s en plug-in hybrides. Voor een zuivere analyse is tevens een aantal controle variabelen met kernmerken van gemeenten meegenomen in de analyse. Het onderzoek naar de effectiviteit van het EV beleid is uitgevoerd op basis van de beleidsmaatregelen van 85 gemeenten. Uit het onderzoek blijkt dat de beleidsmaatregelen gericht op laden in de openbare ruimte en aanschafsubsidies een significant positief effect hebben. Daarnaast hebben de controle variabelen aanwezigheid van een leasemaatschappij en een hoger gemiddeld inkomen een significant effect op het aandeel en de groei van elektrische auto s in een gemeente. Uit de analyse trekken we de volgende conclusies: 1. De mogelijkheid om elektrische auto s te kunnen laden is het meest bepalend voor het aandeel en groei van elektrische auto s in een gemeente. Willen gemeenten dat het aantal elektrische auto s blijft groeien, dan is het dus noodzakelijk om te zorgen dat het aantal laadpunten toe blijft nemen. 2. Gemeenten kunnen met hun beleidsmaatregelen onderscheid maken voor volledig elektrische auto s of plug-in hybrides. Aanschafsubsidies lijken vooral bij te dragen aan de groei van het aantal plug-in hybrides. De mogelijkheid om te laden lijkt relevanter voor de groei van het aantal volledig elektrische auto s. Op basis van dit inzicht kunnen gemeenten zeer waarschijnlijk ook met gericht beleid er voor zorgen dat plug-in hybrides meer gaan laden en zo bijvoorbeeld de lokale luchtkwaliteit verbeteren. 3. De effectiviteit van beleidsmaatregelen verandert met de groei van het aantal elektrische auto s. In 2012 bleek bijvoorbeeld de gemeente als launching customer een significant positief effect te hebben op het aandeel elektrische NOVEMBER 2015 2 van 28

auto s in een gemeente. In 2014 is dat niet langer het geval. Het loont dus dat gemeenten hun EV beleid regelmatig evalueren. 4. De gemeenten die deel hebben genomen aan dit onderzoek voeren voor het merendeel effectief beleid. Ofwel, het EV beleid van die gemeenten bestaat voor een groot deel uit beleidsmaatregelen die een significant positief effect hebben op het aandeel elektrische auto s in een gemeente. Voor opvolging van dit onderzoek bevelen we het volgende aan: 1. Herhaal het onderzoek met een grotere groep van gemeenten. In dit onderzoek is bewust gekozen voor een kleine groep gemeenten. Het vergroten van de dataset maakt het mogelijk om de betrouwbaarheid van de resultaten te vergroten en te verdiepen. 2. Een verdieping van de controle variabelen geeft mogelijk nog meer inzichten. Het gebruik van de woonplaats (of werkplek) van elektrische leaserijders in plaats van de controle variabele leasemaatschappij aanwezig maakt een nog zuivere analyse van de beleidsmaatregelen mogelijk. 3. Herhaal het onderzoek op een regelmatige basis omdat de effectiviteit van de beleidsmaatregelen verandert. Gemeenten kunnen op basis van de onderzoeksresultaten een effectief EV beleid samenstellen. Aangezien we duidelijke verschillen zien in het effect van beleidsmaatregelen in 2012 en 2014 is het goed mogelijk dat de effectiviteit van de beleidsmaatregelen in de toekomst verder verandert. 4. Onderzoek ook de kosteneffectiviteit van de beleidsmaatregelen. Het huidige onderzoek richt zich uitsluitend op de invloed van het beleid op het aandeel elektrische auto s. Verdieping op kosteneffectiviteit maakt het mogelijk een uitspraak te doen op de beleidsmaatregelen die per euro het meest effectief zijn voor de groei van het aantal elektrische auto s. Verkenning haalbaarheid onderzoek in Europa Voor de landen die deelnemen aan E-Mobility NSR (te weten België, Denemarken, Duitsland, Groot-Brittannië, Nederland, Noorwegen en Zweden) is onderzocht in hoeverre de benodigde data (beleidsmaatregelen van gemeenten en aantallen geregistreerde elektrische auto s) beschikbaar of toegankelijk zijn. Uit de bureaustudie blijkt dat deze data zeer waarschijnlijk op voldoende detail niveau beschikbaar is. Bij het uitvoeren van een onderzoek naar de effectiviteit van EV beleid in Europese steden bevelen we aan ook het nationale EV beleid mee te nemen. Door een vergelijking van het nationale EV beleid in verschillende landen is het ook mogelijk de invloed en effectiviteit van het landelijke beleid (bijvoorbeeld fiscale maatregelen) te onderzoeken. NOVEMBER 2015 3 van 28

COLOFON De gemeente elektrisch! Onderzoek naar de effectiviteit van elektrisch vervoer beleid van gemeenten Opdrachtgever Provincie Noord-Holland als onderdeel van het E-Mobility NSR programma Jan Wijkhuizen Peter van Deventer Opgesteld door APPM Management Consultants Mark van Kerkhof Harm-Jan Idema Decisio Kees van Ommeren Martijn Lelieveld Daan van Gent Siebe Visser Datum 10 november 2014 Meer informatie Voor vragen naar aanleiding van deze studie kunt u contact opnemen met Harm-Jan Idema via idema@appm.nl of + 31 6 46 34 60 24. NOVEMBER 2015 4 van 28

INHOUDSOPGAVE SAMENVATTING 2 COLOFON 4 1 INLEIDING 6 1.1 Onderzoek naar effectiviteit van EV beleid van gemeenten 6 1.2 Effectiviteit van het EV beleid van gemeenten in 2012 6 1.3 Scope 7 2 METHODE 8 2.1 Kwalitatief onderzoek op basis van regressiemodel 8 2.2 Data verzameling Nederland 10 2.3 Bureaustudie voor Europees niveau 12 3 RESULTATEN 13 3.1 Kernmerken deelnemende gemeenten 13 3.2 Populariteit van beleidsmaatregelen 13 3.3 Aandeel en groei van elektrische auto s per gemeente 15 3.4 Effectiviteit van beleidsmaatregelen 17 3.5 Vergelijking resultaten onderzoek 2012 en 2014 21 4 BESCHIKBAARHEID VAN BENODIGDE DATA IN EUROPA 23 4.1 Resultaten 23 4.2 Aandachtspunten voor dataverzameling 25 5 CONCLUSIES EN AANBEVELINGEN 26 5.1 Conclusies invloed van beleidsmaatregelen 26 5.2 Conclusie onderzoek op Europees niveau 27 5.3 Aanbevelingen 27 NOVEMBER 2015 5 van 28

1 INLEIDING 1.1 Onderzoek naar effectiviteit van EV beleid van gemeenten In het North Sea Electric Mobility Network (hierna E-Mobility NSR) werken regio s in de Noordzee regio samen aan de verdere introductie van elektrisch vervoer (hierna EV). Vanuit Nederland neemt de provincie Noord-Holland deel in dit netwerk. Eén van de doelstellingen van het programma is het bieden van actuele informatie die bij kan dragen aan de beleidsontwikkeling van EV in de Noordzee regio. De groei van het aantal elektrische auto s wordt voor een groot deel toegeschreven aan het Rijksbeleid met daarin veel belastingvoordelen. Uit onderzoek naar de effectiviteit van EV beleid van gemeenten in 2012 1 blijkt dat ook het EV beleid van een gemeente van invloed is op het aantal elektrische auto s. Sinds medio 2012 vertienvoudigde het aantal elektrische auto s in Nederland tot circa 40.000 medio 2014 2. In diezelfde periode is ook het beleid van gemeenten ontwikkeld. Hierdoor is het wenselijk om opnieuw onderzoek te doen naar de effectiviteit van EV beleid van gemeenten De provincie Noord-Holland heeft vanuit haar deelname aan E-Mobility NSR Decisio en APPM gevraagd om onderzoek te doen naar: de effectiviteit van EV beleid van gemeenten op het aandeel en de groei van elektrische auto s, gebaseerd op het onderzoek uit 2012 (zie toelichting in paragraaf 1.2), en; de haalbaarheid van een onderzoek naar de effectiviteit van EV beleid van steden en regio s binnen de landen die deelnemen aan E-Mobility NSR in beeld te brengen. Het voorliggende rapport beschrijft de resultaten van de twee onderzoeken. Hoofdstuk 2 beschrijft de onderzoeksmethoden. Hoofdstuk 3 en 4 geven respectievelijk de resultaten voor de effectiviteit van EV beleid van Nederlandse gemeenten en de haalbaarheid van een onderzoek binnen de deelnemers aan E- Mobility NSR. Hoofdstuk 5 bevat de conclusies en aanbevelingen. 1.2 Effectiviteit van het EV beleid van gemeenten in 2012 In 2012 is door APPM en Decisio in samenwerking met de Vrije Universiteit een vergelijkbaar onderzoek gedaan naar de effectiviteit van het EV beleid van gemeenten. De resultaten van dit onderzoek zijn opgenomen in tabel 1. 1 Universiteit van Amsterdam i.sm. Decisio en APPM (2012). Faciliteren of stimuleren? 2 RVO (2014). Cijfers elektrisch rijden, augustus 2014. NOVEMBER 2015 6 van 28

1.3 Scope Variabele (+ positief verband, - negatief verband, leeg geen verband vastgesteld) Beleidsmaatregelen Effect 1. Informeren over en promoten van EV 0 2. Parkeervoordelen voor elektrische auto s 0 3. De gemeente als launching customer + 4. Subsidie voor de aanschaf van een elektrische auto + 5. Aantal laadpunten in de openbare ruimte + 6. Overige laadoplossingen in de openbare ruimte* Controle variabelen 1. Leasemaatschappij aanwezig + 2. Bevolkingsdichtheid 0 3. Inwoneraantal - 4. Inkomen 0 Tabel 1. Resultaten onderzoek naar effectiviteit van het EV beleid in 2012. Toelichting: 0 is geen significant effect gemeenten, - is een negatief significant verband en + is een positief significant verband. Het onderzoek heeft de volgende scope: Het onderzoek richt zich uitsluitend op elektrische personenauto s. Onder elektrische auto s worden alle elektrische auto s verstaan die een accu kunnen laden via een externe bron. Hiertoe behoort een Full Electric Vehicle (FEV) zoals een Nissan Leaf, Tesla Model S en BMW i3 en een Plug-in Hybrid Electric Vehicle 3 (PHEV) zoals een Mitsubishi Outlander en Volvo V60 PHEV. Een Range Extended Electric Vehicle (REEV) zoals een Opel Ampera nemen we in dit onderzoek mee in de categorie van PHEV, aangezien de gebruikskenmerken vergelijkbaar zijn. Het onderzoek focust zich op gemeenten in de provincie Noord-Holland. De verkenning voor de haalbaarheid van een vergelijkbaar onderzoek op Europees niveau richt zich uitsluitend op landen die deelnemen aan het NSR E-Mobility programma: Noorwegen, Zweden, Denemarken, Groot-Brittannië, Nederland, Duitsland en België. 3 Een Range Extended Electric Vehicle (REEV) benoemen we in dit onderzoek als een PHEV aangezien deze voor de berijder vergelijkbaar is in o.a. de noodzaak om te laden en de incentives in het fiscale beleid gelijk zijn. NOVEMBER 2015 7 van 28

2 METHODE 2.1 Kwalitatief onderzoek op basis van regressiemodel Het onderzoek beoogt een onderbouwde uitspraak te doen over de invloed van EV beleid op het aantal elektrische auto s in een gemeente. Hiervoor voeren we een kwalitatief onderzoek uit dat op basis van een regressiemodel de relatie tussen EV beleid en het aandeel en groei van de elektrische auto s in een gemeente analyseert. Het onderzoek doorloopt de volgende stappen (zie ook figuur 1): 1. Het verzamelen van de benodigde data; 2. Data analyseren in het regressiemodel; 3. Analyseren van de resultaten; 4. Interpreteren van de resultaten om tot conclusies en aanbevelingen te komen. Aandeel elektrische auto s Regressie vergelijking met als afhankelijke variabele: 1. aandeel FEV 2. aandeel FEV en PHEV 3. groei FEV en PHEV in een gemeente Beleidsmaatregelen Controle variabelen Inzicht in effect beleidsmaatregelen op aantal elektrische auto s Conclusies en aanbevelingen data invoer data analyse resultaten interpretatie Figuur 1. Stappen onderzoek effectiviteit EV beleid Ad 1. Verzamelen van de benodigde data Een regressiemodel analyseert de relatie tussen onafhankelijke variabelen en een afhankelijke variabele (zie figuur 2). Door van zo veel mogelijk gemeenten de data als input te gebruiken volgt er uit het regressiemodel het meest betrouwbare inzicht in de invloed van het EV beleid en controle variabelen (als onafhankelijke variabelen) op het aandeel of groei van elektrische auto s in het wagenpark (afhankelijke variabelen). De controle variabelen gebruiken we voor een zuivere analyse van de effectiviteit van het EV beleid. Zonder het gebruik van de controlevariabelen zou het resultaat kunnen zijn dat een subsidieregeling een positief effect heeft op het aantal elektrische auto s terwijl veel gemeenten met een dergelijke regeling ook een gemiddeld hoog inkomen hebben. Er is in deze situatie sprake van een compositie effect doordat het verband tussen de subsidieregeling en het aantal NOVEMBER 2015 8 van 28

elektrische auto s mede wordt bepaald door het gemiddelde inkomen in de gemeente. Onafhankelijke Afhankelijke variabelen variabele relatie EV beleid Aandeel of groei (beleidsmaatregen) van elektrische Controle variabelen auto s Figuur 2. Schematische weergave regressiemodel Voor het uitvoeren van dit onderzoek is de volgende data nodig: Het aantal en de groei van elektrisch auto s ten opzichte van het totaal aantal auto s per gemeente; De beleidsmaatregelen die gemeenten toepassen in hun EV beleid; Specifieke kenmerken van gemeenten als controle variabelen. Een verdere toelichting op de dataverzameling is opgenomen in paragraaf 2.2. Ad 2. Data analyseren in het regressiemodel We voeren op basis van de beschikbare data de volgende zes analyses uit met het regressiemodel: 1. De invloed van het EV beleid en de controle variabelen op het aandeel FEV s in een gemeente; 2. De invloed van het EV beleid en de controle variabelen op het aandeel PHEV s in een gemeente; 3. De invloed van het EV beleid en de controle variabelen op het aandeel FEV s en PHEV s in een gemeente; 4. De invloed van het EV beleid en de controle variabelen op de groei van het aandeel FEV s in een gemeente; 5. De invloed van het EV beleid en de controle variabelen op de groei van het aandeel PHEV s in een gemeente; 6. De invloed van het EV beleid en de controle variabelen op de groei van het aandeel FEV s en PHEV s in een gemeente. We voeren binnen deze analyses iteraties uit om tot een regressiemodel te komen waarin de verklarende variantie (R 2 ) zo hoog mogelijk is. De iteraties bestaan uit het gericht opnemen van beleidsmaatregelen in het regressiemodel. Hierdoor komen we tot een regressiemodel met daarin de beleidsmaatregelen die het meest verklarend zijn voor het aandeel en groei van elektrische auto s in een gemeente. Ad 3. Analyseren van de resultaten We voeren analyses uit op de ingewonnen data over het wagenpark, de enquêteresultaten en op de resultaten van de regressie analyses. Dit leidt tot: Inzicht in de populariteit van de beleidsmaatregelen in het EV beleid van gemeenten; Inzicht in het aandeel en groei van elektrische auto s in het totaal aantal auto s per gemeente; NOVEMBER 2015 9 van 28

Inzicht in het effect van beleidsmaatregelen op het aandeel en groei elektrische auto s in het totaal aantal auto s per gemeente; Een vergelijking van het effect van de beleidsmaatregelen in 2012 en 2014. Ad 4. Interpreteren van de resultaten om tot conclusies en aanbevelingen te komen Op basis van deze analyses komen we tot conclusies over de effectiviteit van gemeentelijk EV beleid. Tevens volgen uit het onderzoek een aantal aanbevelingen. 2.2 Data verzameling Nederland Voor het uitvoeren van dit onderzoek maken we gebruik van de volgende data: 1. Aantallen elektrische auto s ten opzichte van conventionele auto s per gemeente 2. Het EV beleid en daarin beleidsmaatregelen van gemeenten 3. Controle variabelen met specifieke kenmerken van gemeenten Ad 1. Aantallen elektrische auto s ten opzichte van conventionele auto s per gemeente Voor de inventarisatie van het aantal FEV s, PHEV s en conventionele voertuigen per gemeente maken we gebruik van de RDW Klimaatmonitor 4. De Klimaatmonitor bevat een actueel overzicht met aantal auto s en wordt continu bijgewerkt. In dit onderzoek maken we gebruik van het aantal geregistreerde auto s op de peildatum 1 augustus 2014. Voor de groei van het aandeel elektrische auto s gaan we in dit onderzoek uit van de ontwikkeling van het aantal registraties in de periode 31 december 2012 tot en met 1 augustus 2014. Ad 2. Beleidsmaatregelen die gemeenten toepassen Voor dit onderzoek inventariseren we via een online enquête het EV beleid van gemeenten. Medewerkers van gemeenten die bekend zijn met het EV beleid nodigen we uit om een enquête in te vullen. Het onderzoek focust op gemeenten in Noord-Holland. Daarnaast benaderen we gemeenten in andere provincies waarvan de EV contactpersonen bekend zijn om extra data in te winnen en daarmee de betrouwbaarheid van de resultaten te vergroten. Gemeenten die niet reageren ontvangen reminders en bellen we na met als doel een zo groot mogelijke groep van respondenten te krijgen. De onderzochte beleidsmaatregelen zijn als volgt: 1. Het promoten van EV Het promoten van EV bestaat uit het gericht organiseren van lokale activiteiten om EV bij haar inwoners en bedrijven onder de aandacht te brengen. Voorbeelden hiervan zijn de organisatie van EV roadshows en informatiebijeenkomsten voor inwoners en/of bedrijven. 4 De data is openbaar beschikbaar via klimaatmonitor.databank.nl. NOVEMBER 2015 10 van 28

2. Het bieden van parkeervoordelen voor elektrische auto s Het bieden van parkeervoordelen voor elektrische auto s bestaat uit het gratis parkeren voor elektrische auto s, het vrijstellen van een elektrische auto voor (de kosten van) een parkeervergunning en niet financiële voordelen zoals het voor onbeperkte tijd parkeren indien er een maximum parkeertijd geldt. 3. De gemeente als launching customer De gemeente als launching customer houdt in dat de gemeente in haar eigen wagenpark elektrische auto s heeft en daarmee de zichtbaarheid van EV in de gemeente vergroot. 4. Het verstrekken van een subsidie voor de aanschaf van een elektrische auto De gemeente versterkt een subsidie aan inwoners en/of bedrijven die een elektrische auto aanschaffen (zowel FEV s als PHEV s). 5. Het aantal laadpunten in de openbare ruimte in de gemeente Het aantal laadpunten dat in een gemeente aanwezig is. Zodra een gemeente laadpunten plaatst betekent dit dat zij daarvoor tenminste vergunningen voor heeft verleend en vaak ook aanverwant beleid heeft opgesteld. 6. Het toestaan van private laadvoorzieningen in de openbare ruimte De gemeente staat het toe dat e-rijders eigen laadoplossingen gebruiken zoals het leggen van kabels over de openbare weg van het woonhuis of bedrijf naar de auto en/of staande de verlengde huisaansluiting toe. 7. Informeren over laadpalen De gemeente informeert over de mogelijkheden om een elektrische auto op te laden binnen en buiten de openbare ruimte. Voorbeelden daarvan zijn communicatie over het beleid van de gemeente op dit gebied en het doorverwijzen naar leveranciers voor laadpalen op eigen terrein. 8. EV in lokale media De gemeente zorgt (eventueel samen met andere lokale partijen) voor EV aandacht in de lokale media. Die aandacht kan gaan over bijvoorbeeld het beleid van de gemeente, ondernemers die elektrisch gaan rijden, evenementen en de elektrische auto s van de gemeente zelf. 9. Contactpersoon EV Een contactpersoon EV bij een gemeente kan inwoners, bedrijven en andere partijen helpen met hun EV vragen over bijvoorbeeld het beleid van de gemeente, subsidies en laadinfrastructuur. 10. Informeren over EV De gemeente verzorgt informatievoorziening over bijvoorbeeld EV in algemene zin en het EV beleid van de gemeente. Voorbeelden daarvan zijn informatie op de website van een gemeente en het organiseren van bedrijven- en bewonersbijeenkomsten. NOVEMBER 2015 11 van 28

11. Subsidie voor laadpalen op eigen terrein Onder de subsidie voor laadpalen verstaan we een subsidie van de gemeente voor het realiseren laadpalen op eigen terrein. Voorbeelden hiervan zijn een (al dan niet publiek toegankelijke) laadpaal bij woningen of lokale bedrijven. Ad 3. Controle variabelen De controle variabelen zijn specifieke kenmerken van gemeenten. De volgende controle variabelen zijn onderdeel van het regressiemodel: 1. Aanwezigheid van één of meer leasemaatschappijen in een gemeente met als bron VNA top 10 leasemaatschappijen 2011; 2. Gemiddelde inkomen per inwoner met als bron CBS Statline over het jaar 2012; 3. Absoluut aantal inwoners op peildatum 1 januari 2014 met als bron CBS Statline; 4. De bevolkingsdichtheid uitgedrukt in de omgevingsadressendichtheid in 2012 met als bron CBS StatLine. 2.3 Bureaustudie voor Europees niveau Voor het uitvoeren van de onderzoek naar de effectiviteit van EV beleid in Europese steden is dezelfde data nodig als voor het onderzoek in de Nederlandse gemeenten. Het doel van dit deel van het onderzoek is om inzicht te krijgen in de beschikbaarheid van de benodigde data. Het gaat dus niet om het verkrijgen van de data om er de analyses in onder andere het regressiemodel mee uit te voeren. Het onderzoek voeren we uit door: 1. Het via websites achterhalen in hoeverre de benodigde data beschikbaar is; 2. Het leggen van contact met landelijke organisaties die zicht hebben op de beschikbaarheid van de benodigde informatie; 3. Het waar mogelijk benutten van bestaande kennis van voorgaande onderzoek die mogelijk in Europees verband zijn uitgevoerd; 4. Voor de beschikbaarheid op het niveau van gemeente en regio maken we gebruik van voorbeeldregio s en gemeenten (steekproef) om het onderzoek behapbaar te houden. Dit deel van het onderzoek richt zich uitsluitend op de Europese landen die deelnemen in E-Mobility NSR. NOVEMBER 2015 12 van 28

3 RESULTATEN 3.1 Kernmerken deelnemende gemeenten Voor de enquête zijn alle gemeenten in Noord-Holland benaderd aangevuld met andere Nederlandse gemeenten waarvan de medewerker met kennis van het EV beleid bij ons bekend was. In totaal zijn 159 benaderd met een respons van 85 gemeenten (respons 53%). Deze gemeenten zijn gelegen in de provincies Noord-Holland, Utrecht, Flevoland, Noord-Brabant en Zeeland. Voor Noord- Holland is de respons 33 van de 53 gemeenten (respons 62%). In Tabel 2 is een aantal relevante kenmerken van deze 85 gemeenten weergegeven. Controle variabele Gemiddelde Gemiddelde Nederland deelnemende gemeenten per gemeente 1. Inkomen 25.412 25.327 2. Aantal inwoners 42.751 43.969 3. Omgevingsadressendichtheid 1.132 992 Tabel 2. Kenmerken gemeenten o.b.v. de controle variabelen De gemeenten die zijn meegewogen in het onderzoek vormen wat betreft gemiddeld inkomen en aantal inwoners een representatieve vertegenwoordiging. De deelnemende gemeenten zijn over het algemeen wel dichter bevolkt dan de gemiddelde Nederlandse gemeente. Voor de controle variabele leasemaatschappijen geeft tabel 3 weer in welke gemeenten in dit onderzoek de aanwezigheid van een leasemaatschappij is meegenomen. Deze indeling is gebaseerd op de Top-10 Leasemaatschappijen 5. Naam Leasemaatschappij Gevestigd in gemeente Gemeente respondent Leaseplan Nederland Almere Ja Athlon Car Lease Almere Ja Alphabet Nederland Breda Ja Arval Houten Ja ALD Automotive Haarlemmermeer Ja Terberg Leasing Nederland Utrecht Nee Business Lease Nederland Zeist Ja Mercedes-B Financial Services Utrecht Nee PSA Finance Nederland Rotterdam Nee BMW Group Financial Services Rijswijk Nee Tabel 3. Overzicht Top 10 Leasemaatschappijen en gemeenten in dit onderzoek 3.2 Populariteit van beleidsmaatregelen Uit de inventarisatie van het EV beleid van gemeenten kunnen we opmaken welke beleidsmaatregelen en activiteiten populair zijn bij gemeenten. In respectievelijk figuur 3 zijn hiervan de resultaten opgenomen. 5 ING. Top 10 Leasemaatschappijen 2012. Beschikbaar via https://www.ing.nl/media/ing_autolease_op_weg_naar_2020_juni_2013_tcm162-32638.pdf NOVEMBER 2015 13 van 28

De beleidsmaatregelen voor publieke laadinfrastructuur zijn het meest populair. In het grootste deel van de gemeenten in het onderzoek (87%) staan laadpalen in de openbare ruimte, voor gemeenten in Noord-Holland is dit aandeel zelfs 94%. Ook mogelijkheden voor het laden via een verlengde huisaansluiting en/of een kabel over de weg komt relatief vaak voor: dit mag bij 51% van alle gemeenten en 70% van de gemeenten in Noord-Holland. Ook valt op dat gemeenten veel informeren over EV. Landelijk en in Noord-Holland heeft 74% van de gemeenten deze beleidsmaatregel. Het minst populair zijn de beleidsmaatregelen die e-rijders financieel ondersteunen zoals gratis parkeren en een subsidie voor de aanschaf van een elektrische auto. 80 70 60 50 40 30 20 10 0 1. Promoten 2. Parkeervoordelen 3. Launching customer 4. Aanschafsubsidie 5. Laadpalen in openbare ruimte 6. Overige laadoplossingen 7. Informeren over laadpalen 8. EV in lokale media 9. Contactpersoon 10. Informeren over 11. Subsidie voor EV EV laadpalen Alle gemeenten (n=85) Gemeenten in Noord-Holland (n=34) Figuur 3. Aantal keer dat EV beleidsmaatregelen voorkomen Het EV beleid van gemeenten bestaat gemiddeld uit twee tot drie beleidsmaatregelen die in dit onderzoek zijn meegenomen. Figuur 5 laat zien dat gemeenten in Noord-Holland gemiddeld een wat uitgebreider beleidspakket hebben dan de andere gemeenten in dit onderzoek. Het aantal gemeenten met een beperkt aantal beleidsmaatregelen (geen tot drie) is in Noord-Holland duidelijk lager dan het gemiddelde van alle 85 gemeenten in dit onderzoek. Uit de enquête blijkt ook dat het elektrisch vervoer beleid van gemeenten vaak uit meerdere beleidsmaatregelen bestaat. Drie kwart van de gemeenten heeft 3 tot 6 beleidsmaatregelen in haar elektrisch vervoer beleid, zoals blijkt uit figuur 4. NOVEMBER 2015 14 van 28

35% 30% 25% 20% 15% 10% 5% 0% Geen 1 Beleidsmaatregel 2 Beleidsmaatregelen 3 Beleidsmaatregelen 4 Beleidsmaatregelen 5 Beleidsmaatregelen 6 Beleidsmaatregelen 7 Beleidsmaatregelen 8 Beleidsmaatregelen Alle gemeenten (n=85) Gemeenten in Noord-Holland (n=34) Figuur 4. Overzicht het aantal beleidsmaatregelen in het elektrisch vervoer beleid 3.3 Aandeel en groei van elektrische auto s per gemeente De analyse van het aandeel en groei van elektrische auto s per gemeente leidt tot de volgende inzichten. Aandeel elektrische auto s per gemeente Het aandeel elektrische auto s geven we weer in figuur 5. Dit figuur laat het percentage elektrische auto s ten opzichte van het totaal aantal auto s in een gemeente zien. In bijvoorbeeld de gemeente Amsterdam rijden circa 230.000 auto s waarvan 664 FEV s. Het aandeel FEV s in de gemeente Amsterdam is daarmee 0,2878%. Op deze wijze kunnen we de gemeenten met elkaar vergelijken. Uit deze analyse komen we tot de volgende inzichten: In meer stedelijke gebieden is het aandeel FEV s en PHEV s het hoogst. Op Vlieland en Schiermonnikoog staan geen FEV s en PHEV s geregistreerd. In de gemeente Montfoort is het aandeel geregistreerde FEV s het grootst van Nederland. Daarna volgend Woerden, Blaricum, De Ronde Venen, Amstelveen en de Haarlemmermeer. Van deze gemeenten is alleen in de gemeente Haarlemmermeer een leasemaatschappij gevestigd die in dit onderzoek is meegenomen. In de gemeente Amersfoort is het aandeel geregistreerde PHEV s het grootst van Nederland. Daarna volgen de gemeenten Alkmaar, Edam-Volendam, Woerden, Purmerend, Houten en Zeist. In Houten en Zeist zijn leasemaatschappijen geregistreerd die zijn meegenomen in dit onderzoek. NOVEMBER 2015 15 van 28

Figuur 5. Aandeel elektrische auto s per gemeente in Nederland op peildatum 1 augustus 2014 Groei van het aandeel elektrische auto s per gemeente De groei van het aandeel elektrische auto s geven we per gemeente weer in figuur 6. Om een vergelijking tussen de gemeenten te kunnen maken drukken we de groei uit in percentages ten opzichte van het totaal aantal auto s in 2012. In 2012 waren bijvoorbeeld in de gemeente Amsterdam 230.000 auto s geregistreerd. In de periode tot en met medio 2014 zijn daar 917 PHEV s bijgekomen, een aandeel van 0,4070%. Uit deze analyse komen we tot de volgende inzichten: De groei van het aantal FEV s was in de periode 2012 2014 het grootst in de gemeente Montfoort, gevolgd door de Haarlemmermeer (leasemaatschappij gevestigd) en Eindhoven. Het aandeel FEV s nam af in 22 gemeenten en bleef in 30 gemeenten gelijk. De groei van het aantal PHEV s was het grootst in Eindhoven en Zeewolde. Er is geen daling van het aantal PHEV s aangezien de PHEV s pas vanaf 2012 in Nederland verkrijgbaar zijn. NOVEMBER 2015 16 van 28

Figuur 6. Groei van het aandeel elektrische auto s per gemeente in Nederland in de periode 31 december 2012 t/m 1 augustus 2014. 3.4 Effectiviteit van beleidsmaatregelen Het regressiemodel geeft inzicht in de mate waarin een beleidsmaatregel effect heeft op het aandeel of de groei van elektrische auto s in een gemeente. De resultaten van de zes analyses, na iteratie en selectie van beleidsmaatregelen, (zie de toelichting in paragraaf 2.1) presenteren we in Tabel 4 en 5. We geven vervolgens een toelichting en analyse van de resultaten voor elk van de beleidsmaatregelen en controle variabelen. De interpretatie van de resultaten vindt als volgt plaats: De verklaarde variantie (R 2 ) geeft de verklaringskracht van het gebruikte regressiemodel weer. Ofwel, de mate waarin de onafhankelijke variabelen uit het model het aantal elektrische auto s in een gemeente verklaren. Een belangrijk onderdeel in de interpretatie is de mate waarin het effect van een maatregel significant is. Ofwel, de mate waarin het gevonden effect (Bèta) op toeval berust. Hiervoor hanteren we een grens van 10%. Dat betekent dat we een significantie van 0,1 of kleiner als niet toevallig zien. Voor de variabelen met een significant effect geeft de Bèta de omvang en richting van het effect van een onafhankelijke variabele op de afhankelijke variabelen weer. Door interpretatie van de Bèta kan een uitspraak worden gedaan over de effectiviteit van een maatregel en of er sprake is van een positief of negatief verband. Een positieve en negatieve waarde van de Bèta duiden respectievelijk op een positief en negatief effect van de variabele. Een hogere Bèta betekent doorgaans een sterke invloed van de beleidsmaatregel of controle variabele op bijvoorbeeld het aandeel FEV s. NOVEMBER 2015 17 van 28

Aandeel FEV, PHEV en FEV en PHEV (n=85) Beleidsmaatregelen Bèta FEV R 2 = 0,345 Significantie (p) Bèta PHEV R 2 = 0,744 Significantie (p) FEV en PHEV R 2 = 0,768 Bèta Significantie (p) 1. Het promoten van elektrisch vervoer -0,075 0,476-0,054 0,412-0,086 0,171 2. Parkeervoordelen voor elektrische auto s 0,002 0,983 0,027 0,672-0,001 0,984 3. De gemeente als launching customer 0,024 0,820 0,024 0,715 0,014 0,828 4. Subsidie voor de aanschaf van een elektrische auto 0,152 0,182 0,136 0,060 0,148 0,031 5. Aantal laadpunten in de openbare ruimte 0,525 0,014 0,338 0,011 0,421 0,001 6. Overige laadoplossing openbare ruimte 0,177 0,086-0,009 0,892 0,031 0,611 Controle variabelen 1. Leasemaatschappij aanwezig 0,207 0,089 0,749 0,000 0,704 0,000 2. Bevolkingsdichtheid -0,196 0,154 0,124 0,150 0,055 0,498 3. Inwoneraantal -0,199 0,451-0,251 0,132-0,232 0,143 4. Inkomen 0,296 0,008 0,201 0,004 0,251 0,000 Tabel 4. Analyse van de effectiviteit van EV beleidsmaatregelen op het aandeel FEV, PHEV en FEV en PHEV. De groene arcering betreft de gevonden verbanden met een significant effect. Groei van FEV, PHEV en FEV en PHEV (n=85) Beleidsmaatregelen Bèta FEV R 2 = 0,308 Significantie (p) Bèta PHEV R 2 = 0,680 Significantie (p) FEV en PHEV R 2 = 0,696 Bèta Significantie (p) 1. Het promoten van elektrisch vervoer -0,071 0,511-0,061 0,407 0,071 0,323 2. Parkeervoordelen voor elektrische auto s 0,008 0,939 0,021 0,765 0,019 0,759 3. De gemeente als launching customer -0,054 0,618 0,018 0,805 0,004 0,948 4. Subsidie voor de aanschaf van een elektrische auto 0,165 0,159 0,133 0,095 0,156 0,046 5. Aantal laadpunten in de openbare ruimte 0,436 0,045 0,333 0,025 0,397 0,006 6. Overige laadoplossing openbare ruimte 0,214 0,044-0,029 0,688 0,019 0,783 Controle variabelen 1. Leasemaatschappij aanwezig 0,143 0,251 0,677 0,000 0,648 0,000 2. Bevolkingsdichtheid -0,198 0,160 0,111 0,244 0,059 0,525 3. Inwoneraantal -0,122 0,653-0,193 0,297-0,202 0,263 4. Inkomen 0,302 0,008 0,228 0,004 0,269 0,001 Tabel 5. Analyse van de effectiviteit van EV beleidsmaatregelen op de groei van FEV, PHEV en FEV en PHEV. De groene arcering betreft de gevonden verbanden met een significant effect. Beleidsmaatregelen Voor elk van de beleidsmaatregelen geven we een toelichting en analyse van de resultaten. 1. Het promoten van elektrisch vervoer door de gemeente Uit de analyses volgt geen significant effect tussen het promoten van EV door een gemeente en het aandeel elektrische auto s in een gemeente. Van de 85 gemeenten in dit onderzoek onderneemt 26% activiteiten om EV te promoten. NOVEMBER 2015 18 van 28

Een verklaring voor het niet vinden van een significant verband kan zijn dat de promotie gericht is op een breder publiek en niet op de doelgroep van potentiele e-rijders in een gemeente. Bij bijvoorbeeld een roadshow is er veel meer aandacht voor elektrische fietsen en scooters dan voor elektrische auto s waar we ons in dit onderzoek op richten. Ook kan het zijn dat dergelijke activiteiten een bredere uitstalling hebben dan specifiek voor de gemeente die de activiteit faciliteert en we daardoor geen significant effect vinden. Het is niet onwaarschijnlijk dat het promoten van EV wel leidt tot een algemene groei van het aantal elektrische auto s. Zo zorgt bij voorbeeld de National Drive Electric Week (NDEW) tot een significante stijging van de elektrische autoverkopen. De NDEW is een jaarlijkse week in september waarbij verspreid over de Verenigde Staten evenementen ter promotie van EV plaatsvinden. In Nederland vonden op 20 september 2014 vergelijkbare activiteiten plaats met de Instapdag van Natuur & Milieu en de Schone Lucht Rally. 2. Parkeervoordelen voor elektrische auto s Uit de analyse komt geen significant effect tussen parkeervoordelen voor elektrische auto s en het aandeel of groei van elektrische auto s in een gemeente. In dit onderzoek zijn 12 gemeenten die parkeervoordelen bieden (te weten: gratis parkeren bij het opladen van elektrische auto s). In deze gemeenten maken de e-rijders gebruik van een vergunning en in woonwijken is geen betaald parkeren. Hierdoor is er voor e-rijders geen verschil tussen het rijden in een elektrische auto of een auto met conventionele aandrijving. Het is dan ook niet verrassend dat er uit het regressiemodel geen significant verband volgt voor de beleidsmaatregelen parkeervoordelen voor elektrische auto s. Hiermee is niet gezegd dat deze maatregel niet effectief is. 3. De gemeente als launching customer Volgens het regressiemodel heeft de gemeente als launching customer geen significant effect op het aandeel of groei van het aantal (plug-in) hybride elektrische auto s. De beleidsmaatregel launching customer is voorheen door gemeenten ingezet om EV zichtbaarheid te creëren en om het eigen wagenpark te verschonen. Het niet aantonen van dit verband is vermoedelijk te verklaren door het grote aantal elektrische auto s in Nederland en de adequate informatievoorziening. In het onderzoek uit 2012 kwam deze maatregel wel als significant naar voren. Een mogelijke verklaring voor dit verschil is dat elektrisch rijden is inmiddels bij iedereen bekend en normaal is in het straatbeeld, de gemeente hoeft hierdoor geen voortrekkersrol meer te vervullen om EV bekend te maken onder haar inwoners. 4. Subsidie voor de aanschaf van een elektrische auto De subsidie voor de aanschaf van een elektrische auto heeft volgens het regressiemodel geen effect op de aandeel en groei van FEV s. We zien wel een relatief beperkt significant effect op het aandeel en groei van PHEV s en de combinatie van FEV s en PHEV s. Het verschil tussen FEV s en PHEV s duidt er mogelijk op dat de eigenaren van PHEV s meer financieel gedreven zijn dan de eigenaren van FEV s. NOVEMBER 2015 19 van 28

5. Aantal laadpunten in de openbare ruimte Het aantal laadpunten in de openbare ruimte heeft in alle analyses een significant positief en relatief sterk effect op het aandeel en groei van elektrische auto s in een gemeente. Dit resultaat geeft duidelijk aan dat de aanwezigheid van laadpalen van groot belang is voor de groei van het aantal elektrische auto s in een gemeente. Ofwel, meer laadpalen in een gemeente betekent ook meer elektrische auto s. Dit is ook een beleidsmaatregel waar de gemeente als eigenaar en beheerder van de openbare ruimte veel invloed op uit kan oefenen. Ten tweede valt op dat het effect op het aandeel en groei van FEV s duidelijk sterker is dan het effect van het aantal laadpalen op de PHEV s. Dit verschil is mogelijk te verklaren door het feit dat het voor FEV rijders van een groter belang is dat er laadvoorzieningen beschikbaar zijn dan voor PHEV rijders. 6. Overige laadoplossingen in de openbare ruimte Voor de overige laadoplossingen in de openbare ruimte geeft het model alleen een significant positief effect van deze beleidsmaatregel op het aandeel en de groei van FEV s. Voor de groei en het aandeel PHEV s en de combinatie van PHEV s en FEV s volgt uit het model geen significant effect. Ook dit is vermoedelijk te verklaren uit het feit dat de mogelijkheid om te laden voor FEV rijders van groter belang is dan voor PHEV rijders. Controle variabalen Voor elk van de controle variabelen geven we een toelichting en analyse van de resultaten. 1. Leasemaatschappij aanwezig De aanwezigheid van een leasemaatschappij heeft een significant positief en relatief sterk effect op het aandeel en de groei van elektrische auto s in een gemeente. Dit geldt niet voor de groei van het aantal FEV s. Aangezien veel elektrische auto s in Nederland leaseauto s zijn is het logisch dat de aanwezigheid van een leasemaatschappij een positief effect heeft op het aandeel en groei van de elektrische auto s in een gemeente. Opvallend is dat uit het regressiemodel geen significant verband volgt tussen de aanwezigheid van een leasemaatschappij en de groei van het aantal FEV s. Dit kan er op duiden dat de elektrische auto s die de afgelopen jaren zijn aangeschaft geen lease auto s zijn maar in eigendom van een berijder of bedrijf zijn. Ook is het mogelijk dat kleinere leasemaatschappijen die niet in dit onderzoek zijn meegenomen meer FEV s in hun wagenpark hebben dan grotere leasemaatschappijen. In de onderzoeksperiode (2012 2014) waren er voor ondernemers veel belastingvoordelen op de aanschaf van een elektrische auto en was er met bijvoorbeeld de Tesla Model S een volwaardig alternatief voor een personenauto met een conventionele aandrijving. NOVEMBER 2015 20 van 28

2. Bevolkingsdichtheid Uit het regressiemodel volgt geen significant effect tussen de bevolkingsdichtheid van een gemeenten en de aandeel of groei van het aantal elektrische auto s in een gemeente. 3. Inwoneraantal Uit het regressiemodel volgt geen verband tussen het inwoneraantal van een gemeente en het aandeel of de groei van het aantal elektrische auto s. De omvang van een gemeente blijkt dus niet bepalend voor het aandeel elektrische auto s in een gemeente. 4. Inkomen Uit alle onderzochte relaties in het regressiemodel blijkt dat het aandeel en groei van elektrische auto s in een gemeente een positieve significante relatie heeft met het gemiddelde inkomen. Ofwel, in een gemeente met een gemiddeld hoog inkomen rijden meer elektrische auto s dan bij gemeenten met een gemiddeld laag inkomen. Dit is een logisch gevolg aangezien de gemiddelde prijs van een elektrische auto hoger is dan de prijs van een conventionele auto en de aanschaf of het leasen van een elektrische auto eerder mogelijk is bij een hoger inkomen. 3.5 Vergelijking resultaten onderzoek 2012 en 2014 Een onderzoek naar de effectiviteit van EV beleidsmaatregelen heeft ook in 2012 plaatsgevonden (zie ook de toelichting in de inleiding). Tabel 6 geeft een vergelijking van de resultaten in 2012 en 2014. Variabele (+ positief verband, - negatief verband, leeg geen 2012 2014 verband vastgesteld) Beleidsmaatregelen 1. Informeren over en promoten van EV 0 0 2. Parkeervoordelen voor elektrische auto s 0 0 3. De gemeente als launching customer + 0 4. Subsidie voor de aanschaf van een elektrische auto + 0/+** 5. Aantal laadpunten in de openbare ruimte + + 6. Overige laadoplossingen in de openbare ruimte* +/0** Controle variabelen 1. Leasemaatschappij aanwezig + + 2. Bevolkingsdichtheid 0 0 3. Inwoneraantal - 0 4. Inkomen 0 + * Geen onderdeel van onderzoek in 2012 en dus geen vergelijking mee mogelijk voor de resultaten in 2014. ** Bij deze beleidsmaatregelen zien we een onderscheid tussen het effect voor respectievelijk FEV s en PHEV s. Tabel 6. Vergelijking resultaten 2012 en 2014. Verschillen zijn gemarkeerd. Voor de beleidsmaatregelen en controle variabelen analyseren we de verschillen in de resultaten tussen 2012 en 2014. NOVEMBER 2015 21 van 28

Beleidsmaatregelen Bij de volgende beleidsmaatregelen constateren we een verandering van de effectiviteit tussen 2012 en 2014. 3. Launching customer De gemeente als launching customer verschuift van een positief significant verband in 2012 naar een beleidsmaatregel zonder significant effect in 2014. Deze verandering is vermoedelijk te verklaren doordat in 2012 de elektrische auto in het straatbeeld nog zeer beperkt was, terwijl de zichtbaarheid op straat anno 2014 veel groter is en er bijvoorbeeld ook veel commercials zijn. Een elektrische auto van een gemeente droeg daardoor in 2012 sterk bij aan de zichtbaarheid van elektrische auto s onder de inwoners van een gemeente en daarmee aan de bewustwording van de mogelijkheid om elektrisch te gaan rijden in een gemeente. Het effect van een gemeente om het goede voorbeeld te geven blijkt momenteel niet meer zo groot te zijn. Dit wil niet zeggen dat er geen effect is. Controle variabelen Bij de controle variabelen is er een verandering op het gemeenten effect van de beleidsmaatregelen op het aandeel of groei van elektrische auto s tussen 2012 en 2014. 3. Inwoneraantal In 2012 bleek het inwoneraantal van een gemeente een significant negatief effect te hebben op het aandeel elektrische auto s in een gemeente. Met andere woorden, hoe groter de gemeente hoe kleiner het aandeel elektrische auto s. In 2014 is er niet langer sprake van een significant effect van het aantal inwoners van een gemeente en de aandeel of groei van elektrische auto s in een gemeente. De vermoedelijke verklaring voor dit verschil is dat het gemeentelijke wagenpark in 2012 een veel groter gewicht in de schaal legde dan in 2014. Omdat al in 2012 een relatief groot aantal gemeenten elektrische auto s in het wagenpark had, leek het daardoor dat er in kleinere gemeenten een groter aandeel elektrische auto s was. Dit effect is in 2014 niet langer aan de orde omdat het aandeel elektrische auto s in bezit of gebruik van een gemeente nu relatief klein is ten opzichte van het totaal aantal elektrische auto s in een gemeente. 4. Inkomen In 2012 bleek geen significant verband tussen het gemiddelde inkomen van een gemeente en het aandeel elektrische auto s. Anno blijkt er anno 2014 wel een significant verband te zijn tussen het gemiddelde inkomen en het aandeel elektrische auto s. Een mogelijke verklaring is evenals het effect van het inwoneraantal van een gemeente dat er anno 2014 meer elektrisch auto s in het bezit en gebruik van particulieren zijn, waardoor er nu ook een effect zichtbaar wordt van het inkomen op de aandeel en groei van elektrische auto s in een gemeente. NOVEMBER 2015 22 van 28

4 BESCHIKBAARHEID VAN BENODIGDE DATA IN EUROPA 4.1 Resultaten Land en niveau Voor de landen die deelnemen aan E-Mobility NSR volgt uit de bureaustudie in hoeverre de benodigde data voor een onderzoek naar de effectiviteit van EV beleid beschikbaar is. De benodigde data bestaat uit aantallen FEV s en PHEV s en beleidsmaatregelen, per land, regio en gemeente. Tabel 7 bevat het overzicht met de resultaten. Hieronder is per land een toelichting opgenomen. Aantal FEV en PHEV Beleidsmaatregelen Toelichting België Nationaal Regionaal Referentie: Brussels Gewest, Vlaams gewest Stad Denemarken Nationaal Regionaal Stad Referentie: Kopenhagen, Frederiksberg, Odense Duitsland Nationaal Regionaal ~ Stad ~ Referentie: Berlijn, München Groot-Brittannië Nationaal Regionaal ~ Referentie: Greater London Stad ~ Referentie: Birmingham, London/Westminster, Norwich, Oxford, Preston Nederland Nationaal Onderscheid FEV en PHEV bekend Regionaal Onderscheid FEV en PHEV bekend Stad Onderscheid FEV en PHEV bekend Noorwegen Nationaal Onderscheid FEV en PHEV bekend Regionaal Onderscheid FEV en PHEV bekend Stad Onderscheid FEV en PHEV bekend Referentie: ingezoomd op de steden Bergen, Oslo, Stavanger, Trondheim Zweden Nationaal Regionaal ~ ~ Vooral beleid voor alternatieve brandstoffen Stad ~ Referentie: Stockholm, Helsingborg, Malmö Legenda: informatie beschikbaar, ~ vermoedelijk beschikbaar, niet gevonden Tabel 7. Beschikbaarheid van data voor onderzoek effectiviteit EV beleid België In België is goed inzicht in het aantal FEV s en PHEV s, Febiac (de Belgische federatie voor de auto- en tweewielindustrie) houdt deze cijfers bij op landelijk niveau. Op regionaal niveau en op stedelijk niveau is de data vanuit deze registraties ook beschikbaar. De EV beleidsmaatregelen zijn goed beschikbaar op landelijk niveau fiscus en de federale overheden. Denemarken De Dansk Elblil Alliance houdt de cijfers over elektrische auto registraties in Denemarken bij. Via deze organisatie en de Dansk Elblil Komite zijn de beleidsmaatregelen op landelijk niveau beschikbaar. Via de steden en NOVEMBER 2015 23 van 28

gemeenten zijn de beleidsmaatregelen op lokaal niveau beschikbaar, dat geldt bijvoorbeeld voor de steden Kopenhagen, Frederiksberg en Odense. Uit de bureaustudie volgt geen zicht op het regionale EV beleid. Duitsland Via de Kraftfahrt-Bundesamt (KBA) is er inzicht in de registraties van het aantal elektrische auto s in Duitsland op landelijk niveau. Vermoedelijk is hieruit ook het aantal registraties op regionaal en lokaal niveau te destilleren. Op landelijk niveau zijn de beleidsmaatregelen bekend via de overheid. Via de verschillende gemeenten en andere lokale overheden is er zicht op de lokale beleidsmaatregelen. Op regionaal niveau (deelstaten) volgt er vanuit deze studie geen zicht op de EV beleidsmaatregelen die zij kennen. Groot-Brittannië Op landelijk niveau zijn in Groot-Brittannië de aantallen elektrische auto s bekend via publicaties van de landelijke overheid. De beleidsmaatregelen op landelijk en regionaal niveau zijn tevens via publicaties van de landelijke overheid bekend. Op regionaal niveau verstrekt ook de regio Greater London informatie over EV beleid. Ook steden en gemeenten presenteren hun EV beleid, zoals de steden Birmingham, London en Norwich dat doen. Nederland Via de RDW zijn in Nederland de actuele gegevens over de registratie van elektrische auto s beschikbaar. Op landelijk niveau (via o.a. RVO), regionaal niveau (via provincies) en lokaal niveau (via gemeenten) zijn de EV beleidsmaatregelen bekend. Noorwegen Via Gronn Bil is er inzicht in de aantallen elektrische auto s in Noorwegen. Daarnaast is er ook veel zicht op de beleidsmaatregelen via bijvoorbeeld via EV Norway. Zowel de registratie van elektrische auto s als de beleidsmaatregelen is inzichtelijk op landelijk, regionaal en stedelijk niveau. Zweden Via Bil Sweden is er zicht op de registratie van elektrische auto s op landelijk niveau. Op regionaal niveau en stedelijk niveau is er vermoedelijk ook de benodigde informatie beschikbaar, zekerheid daarover volgt echter niet vanuit de bureaustudie. Op landelijk en stedelijk niveau is er tevens zicht op het EV beleid, bijvoorbeeld via de landelijke overheid en de stad Stockholm. Op regionaal niveau blijkt het beleid meer gericht op duurzame mobiliteit. Daaruit kan vermoedelijk ook het beleid ter stimulering van EV worden gedestilleerd. NOVEMBER 2015 24 van 28

4.2 Aandachtspunten voor dataverzameling Vanuit de bureaustudie zien wij de volgende aandachtspunten: Elk land kent een organisatie die het aantal auto s en daarbinnen ook het aantal elektrische auto s registreert, zoals in Nederland de RDW doet. Voor elk land in deze verkenning is contact gelegd met deze organisatie. Het blijkt dat het niet altijd snel lukt om de gewenste informatie te krijgen. Vermoedelijk is vanuit deze organisaties op landelijk, regionaal en lokaal niveau inzicht in de aantallen elektrische auto s. RVO voert op dit moment een benchmark onderzoek uit naar aantallen laadpunten, elektrische auto s en beleidsmaatregelen in Europese landen en een aantal landen daarbuiten. De resultaten van dit onderzoek zijn nog niet gepubliceerd maar bieden naar verwachting naast de al gevonden databronnen extra toegang tot de benodigde data. Het European Electromobility Observatory (EOO) werkt op dit moment aan het inventariseren van kwantitatieve en kwalitatieve inventarisatie van de ontwikkeling van elektrisch vervoer in alle Europese landen. De data verzameling is in de zomer van 2014 gestart waardoor er op dit moment nog weinig beschikbaar is. Naar verwachting biedt ook deze inventarisatie aanvullingen op de al gevonden databronnen. Het International Council on Clean Transport (ICCT) voert diverse onderzoeken uit op het gebied van schoon vervoer. Onderdeel daarvan is onder andere onderzoek naar het effect van het financieel instrumentarium voor elektrisch vervoer van verschillende landen waaronder Noorwegen, Nederland en Denemarken. NOVEMBER 2015 25 van 28

5 CONCLUSIES EN AANBEVELINGEN 5.1 Conclusies invloed van beleidsmaatregelen Uit het regressiemodel volgt voor een aantal beleidsmaatregelen en controle variabelen een significant effect. Op basis van de analyse van de resultaten (zoals beschreven in hoofdstuk 3) komen we tot de volgende conclusies. Kunnen laden in de openbare ruimte is het meest bepalend voor het aandeel en groei van (volledig) elektrische auto s in een gemeente Het aantal laadpalen in een gemeente heeft een zeer sterk significant effect op het aandeel elektrische auto s in een gemeente. Hoe meer laadpalen, hoe meer elektrische auto s er in een gemeente zijn. Daarbij blijkt ook dat voor de volledig elektrische auto s het kunnen laden zeer cruciaal is doordat het toestaan van andere oplossingen dan laden bij een laadpaal een significant positief effect hebben op het aandeel en de groei van FEV s. Voorbeelden daarvan zijn de verlengde huisaansluiting of het toestaan van het uitrollen van een laadkabel over de openbare weg. Het effect van het aantal laadpalen is ook significant sterker dan het effect van andere beleidsmaatregelen. Hieruit komen we tot de conclusie dat de mogelijkheid tot laden het meest bepalend is voor het aandeel en de groei van elektrische auto s in een gemeente. Aangezien in dit onderzoek het aantal elektrische auto s als variabele is genomen betekent dit ook voor gemeenten dat voor een verdere groei van het aantal elektrische auto s een uitbreiding van het netwerk van publieke laadinfrastructuur nodig is. Het verschil tussen FEV s en PHEV s biedt kansen voor gemeenten In de resultaten van het regressiemodel zien we dat er verschillende beleidsmaatregelen een significant effect hebben op het aandeel en groei van FEV s of PHEVs in een gemeente. De aanschafsubsidie heeft bijvoorbeeld wel een significant effect voor PHEV s en geen aantoonbaar effect voor FEV s. De mogelijkheid om in de openbare ruimte te laden (niet via de publieke laadpalen) heeft een significant effect voor FEV s en niet voor PHEV s. Hieruit maken we twee conclusies op. Ten eerste kunnen gemeenten op basis van deze resultaten een onderscheid maken in hun beleid gericht op FEV s en/of PHEV s. Zo heeft meer inzet op laadoplossingen in de openbare ruimte (zoals een verlengde huisaansluiting) een positiever effect of het aandeel FEV s dan PHEV s. Ten tweede is het voor PHEV rijders minder van belang om te laden, waardoor het voor de hand ligt dat de gemeente met gericht beleid het laadgedrag van PHEV s positief kan beïnvloeden en zo zeer effectief de lokale luchtkwaliteit kan verbeteren. De effectiviteit van de beleidsmaatregelen verandert met de groei van het aantal elektrische auto s in Nederland De vergelijking van de onderzoeksresultaten uit 2012 en 2014 laat een verschuiving zien in de beleidsmaatregelen en controle variabelen die significant NOVEMBER 2015 26 van 28

effect hebben op het aandeel of groei van elektrische auto s in een gemeente. Zo heeft de gemeente als launching customer in 2014 geen positief significant effect waar dat in 2012 wel het geval was. Ook zien we een ontwikkeling in het onderscheid tussen de beleidsmaatregelen die bijdragen aan FEV s of PHEV s. Bij de controle variabelen zien we dat het aantal inwoners anno 2014 geen significant effect heeft op het aandeel elektrische auto s. De hoogte van het gemiddelde inkomen had in 2012 geen effect en heeft in 2014 wel een significant positief effect. Hieruit concluderen we dat de effectiviteit van de beleidsmaatregelen verandert met de groei van het aantal elektrische auto s. Gemeenten kunnen daar in de ontwikkeling van hun beleid rekening mee houden, dat geldt ook voor de invloed van lokale kenmerken die zijn opgenomen in de controle variabelen. Het EV beleid van gemeenten in dit onderzoek is effectief De beleidsmaatregelen van het merendeel van de gemeenten heeft een grote overlap met de beleidsmaatregelen die een significant positief effect hebben op het aandeel elektrische auto s. Het belangrijkste voorbeeld hiervan is de aanwezigheid van publieke laadinfrastructuur in het merendeel van de gemeenten (bij 88% van de gemeenten in dit onderzoek). Hieruit volgt dat voor een groot deel van de gemeenten het huidige EV beleid effectief is op de verdere groei van het aantal elektrische auto s. 5.2 Conclusie onderzoek op Europees niveau Binnen de landen die in de bureaustudie zijn verkend (België, Denemarken, Duitsland, Groot-Brittannië, Nederland, Noorwegen en Zweden) is naar verwachting voldoende data beschikbaar voor het uitvoeren van het voorliggende onderzoek. Er zijn databronnen beschikbaar en daarnaast blijken er zowel vanuit Nederlandse initiatieven als vanuit Europese initiatieven te worden gewerkt aan het inventariseren van de data die voor dit onderzoek nodig is. De bureaustudie leert dat het inventariseren van deze data een tijdsintensief proces is. 5.3 Aanbevelingen Uit de conclusies volgen de volgende aanbevelingen. Herhaal het onderzoek met een grotere groep aan deelnemende gemeenten In dit onderzoek hebben we vanwege een korte doorlooptijd de keuze gemaakt om een beperkte groep van gemeenten te benaderen. De betrouwbaarheid en de inzicht in de resultaten kan worden vergroot door zoveel mogelijk van gemeenten in Nederland in het onderzoek mee te nemen. Hiervoor is het nodig om alle gemeenten in Nederland te benaderen en actief na te jagen om tot een zo volledig mogelijke dataset met het EV beleid van gemeenten in Nederland te komen. Verdieping van de controle variabelen kan nog meer inzicht geven De controle variabelen in het huidige onderzoek zorgen voor een zuivere meting van het effect van de beleidsmaatregelen op het aandeel of groei van elektrische NOVEMBER 2015 27 van 28

auto s in een gemeente zoals toegelicht in paragraaf 2.1. Een verdieping van deze controle variabelen kan het inzicht vergroten. Zo blijkt op dit moment dat de aanwezigheid van een leasemaatschappij een significant effect heeft op het aandeel en groei van elektrische auto s in een gemeente. Door te verdiepen waar de berijders van deze elektrische leaseauto s wonen en/of werken is het mogelijk om nog een gerichter onderzoek te doen naar effect van de beleidsmaatregelen van een gemeente. Ten tweede zien we in het huidige onderzoek dat de mogelijkheid om te laden in de openbare ruimte een significant effect heeft op het aandeel en groei van elektrische auto s in een gemeente. Het ligt voor de hand dat voor gemeenten waar de mogelijkheid op eigen terrein te laden beperkt is (doorgaans gemeenten met veel inwoners en een hoge bevolkingsdichtheid), de aanwezigheid van laadinfrastructuur nog relevanter is. Dit zou mogelijk onderzocht kunnen worden door de controle variabele bevolkingsdichtheid ter vervangen door of aan te vullen met het aandeel van de huishoudens dat in een gemeente beschikt over parkeergelegenheid op eigen terrein. De effectiviteit van het beleid ontwikkelt zich, blijf het onderzoek herhalen Uit de vergelijking van de resultaten in 2012 en 2014 zien we dat de effectiviteit van de verschillende beleidsmaatregelen verandert. Ofwel, in 2014 zijn er andere beleidsmaatregelen met een significant effect dan in 2012. Het loont daardoor om dit onderzoek op regelmatige basis (bijvoorbeeld eens per één of twee jaar) te herhalen om de effectiviteit van het beleid van een gemeente in beeld te houden. De ontwikkeling van de effectiviteit van de beleidsmaatregelen betekent dat het voor gemeenten ook loont om het EV beleid regelmatig te evalueren en aan te passen op de actuele ontwikkeling van EV. Onderzoek ook de kosteneffectiviteit van de beleidsmaatregelen Het onderzoek richt zich alleen op de effectiviteit van de beleidsmaatregelen. Verdere verdieping van het onderzoek is mogelijk door ook de kosteneffectiviteit van de beleidsmaatregelen te onderzoeken. Daarbij loont het om niet alleen te kijken naar de beleidsmaatregelen met een significant effect. Uit een dergelijk onderzoek zou bijvoorbeeld kunnen blijken dat de organisatie van de promotie van EV kosten effectiever is dan bijvoorbeeld een aanschafsubsidie voor elektrische auto s. Ofwel, een onderzoek naar de kosteneffectiviteit kan inzicht geven in welke beleidsmaatregelen per geïnvesteerde Euro tot het meeste elektrische auto s leiden. Voer een onderzoek uit tussen verschillende landen voor inzicht in de effectiviteit van de Rijksmaatregelen Vanuit andere Europese landen lijkt er voldoende data beschikbaar te zijn om een vergelijkbaar onderzoek uit te voeren. Dat kan op gemeentelijk niveau, interessant is ook om de effectiviteit van de landelijke beleidsmaatregelen te onderzoeken. Het onderzoeken van die effectiviteit is alleen mogelijk door op internationaal niveau een vergelijking tussen landen te maken. Aanvullend op de invloed van gemeenten kan daardoor ook een uitspraak worden gedaan over het effect van het nationale EV beleid. NOVEMBER 2015 28 van 28