Innovaties in het LMS/NRM: een nieuw Groeimodel (GM3) Remko Smit (RWS-WVL) & Marits Pieters (Significance) Platos Colloquium 2016, Apeldoorn 9 maart 2016

Rijkswaterstaat 2Verbeterprogramma Modellen RWS BEDRIJFSINFORMATIE Doel van het Verbeterprogramma Modellen Verkeers- en impactmodellen zijn cruciaal maar omstreden, het moet: –Eenvoudiger: consistent en evenwichtig gebruik van modellen stabiele, plausibele en uitlegbare resultaten niet te veel detail –Multimodaler: integrale aanpak via samenhangende modellering op nationaal niveau en regionaal niveau –Onafhankelijker / controleerbaarder betere transparantie begrijpelijk en vergelijkbaar gebruik modelresultaten en onzekerheden

Rijkswaterstaat 3Verbeterprogramma Modellen RWS BEDRIJFSINFORMATIE Kernboodschap verbeterprogramma modellen Het ministerie wil haar investeringsbeslissingen baseren op een integrale en multimodale benadering van mobiliteitsvraagstukken (waarbij in samenhang naar de weg en het spoor wordt gekeken). Modellen zijn daarbij een belangrijk hulpmiddel om mogelijke effecten van maatschappelijke ontwikkelingen en beleidsmaatregelen te kunnen concretiseren. In het verbeterprogramma modellen wordt in de periode een belangrijk stap gezet in het inzichtelijk, eenduidig en geïntegreerd gebruik van de verkeers- en vervoermodellen door het ministerie. Dit wordt bereikt door: –meer samenhangende prognoses voor Weg en Spoor op nationaal niveau; –eenduidig gebruik van modellen en de daarbij gehanteerde uitgangspunten; –een goede balans tussen meten en rekenen bij verkeers- en milieuberekeningen; –transparant en begrijpelijk gebruik van de modelresultaten en de onzekerheden die hierbij een rol spelen.

Rijkswaterstaat 4Verbeterprogramma Modellen RWS BEDRIJFSINFORMATIE Verbeterprogramma modellen 1. Spoor 2. Vereenvoudiging 3. Communicatie Eind 2015: verbeterde stabiliteit van het modelgebruik: betere beschikbaarheid en gebruik OV data, hanteren gezamenlijke uitgangspunten voor verkeers- en impactmodellen, professionalisering gebruik milieumodellen (m.n. bij geluid), systematisch in kaart brengen onzekerheden goede uitleg modelresultaten, gebaseerd op storytelling. Eind 2016: structurele verbeteringen modellen en omgaan met onzekerheden: integrale modellering weg en OV, betere balans tussen modellen en metingen bij milieumodellen praktische handreiking omgaan met onzekerheden in MIRT processen NMCA 2016

Rijkswaterstaat 5Verbeterprogramma Modellen RWS BEDRIJFSINFORMATIE Integrale modellering spoor

Rijkswaterstaat 6Verbeterprogramma Modellen RWS BEDRIJFSINFORMATIE Op welke informatiebehoefte richt LMS zich Indicatoren Deur tot deur reistijden Reizigersstromen, bezetting treinen / corridors, belasting infrastructuur Via aanvullende analyses ook link naar (ruimte voor) goederenvervoer Beleidsmaatregelen Effecten van andere dienstregelingen (o.a. nieuw mogelijkheden a.g.v. investeringen in infrastructuur, overstapkwaliteit) Effect van tariefmaatregelen / studentenkaart Ruimtelijke maatregelen (verdichting, parkeerfaciliteiten fiets en auto, kwaliteit voor- en natransport met BTM) Niet Effecten van gemak / comfort / crowding op vervoersvraag

GM3 deelt auto’s zelf toe aan en bepaalt level-of-service voor de auto Voor Trein levert de NS en/of ProRail de level-of-service tussen stations aan het GM Voor Trein genereert het GM stationsrelatiematrices Het Groeimodel: korte intro (1/2) 7

Het Groeimodel: korte intro (2/2) Het GM is een gedesaggregeerd keuzemodel Veel persoonskenmerken zijn te onderscheiden: □ Geslacht □ Leeftijd □ Opleiding □ Inkomen □ Rijbewijs- en autobezit □ Huishoudkenmerken □ Maatschappelijke participatie □ Meer dan persoonstypen Alle keuzes worden simultaan gemodelleerd □ Vervoerwijzekeuze □ Bestemmingskeuze □ Dagdeelkeuze □ Voor/natransportkeuze □ Stationspaarkeuze □ Aantal keuzemogelijkheden: ruim 2 miljoen 8

Van GM2 naar GM3 Belangrijkste verbeteringen: □ Betere monitoring tijdens modelontwikkeling □ Kostenfunctie □ Reiskosten voor de autopassagier □ Stationskeuzemodel herzien 9

Uitbreiding monitoring tijdens ontwikkeling Al tijdens het schatten van het GM3 worden keuzes, bijvoorbeeld welke modelspecificatie te kiezen, op meerdere indicatoren gebaseerd Indicatoren tijdens de ontwikkeling van GM3: 1.Kwaliteit van de schattingen: hoe goed fit het geschatte model op de waarnemingen? 2.Elasticiteiten: hoe verhouden de elasticiteiten zich tot de literatuurwaarden? 3.Triplengteverdeling: komen gemiddelde triplengten en de triplengteverdeling goed overeen? 4.Value-of-time: welke reistijdwaarderingen worden impliciet gemodelleerd? 10

Kosten in het GM 11

Reiskosten voor autopassagiers Autobestuurder en Autopassagier delen de kosten afhankelijk van de gemiddelde bezettingsgraad van een auto Kostendeelfactor (Fox et al. 2009) tussen beide vervoerwijzen bepaald aan de hand van de indicatoren Kosten voor autopassagier modelleren heeft diverse voordelen: 1. Modelschattingen verbeteren; 2. Triplengteverdeling voor autopassagier wordt ook beter; 3. Bij verhoging van de reiskosten voor auto, stijgen ook de kosten voor de autopassagier; 4. Op de lange-afstand bleek Autopassagier een ‘gratis rest-alternatief’ wanneer de kosten voor Autobestuurder of Trein werden verhoogd; 5. Bij de invoering van tol of kilometerheffing zullen autopassagiers nu ook met een deel van de kosten worden geconfronteerd. 12

Verbeteringen in GM3 met name voor Trein Het stationskeuzemodel bepaalt voor iedere herkomst- en bestemmingszone: □ Het in- en uitstapstation □ De voortransportvervoerwijze: autobestuurder, passagier, BTM, fietsen of lopen □ De natransportvervoerwijze: passagier, BTM, fietsen of lopen GM2 geschat op ongeveer 1400 waarnemingen, GM3 op meer dan 5000, dankzij Klimaat V data van de NS, hierdoor (meer) segmentatie mogelijk 13

Voor- en natransportkeuze afhankelijk van de persoon en zone Studenten en werkenden kiezen vaker de fiets als voor-en natransport: reguliere treinreizigers Studenten en ouderen boven de 75 kiezen vaker voor het BTM: goedkoop alternatief en ouderen boven de 75 fietsen en lopen minder makkelijk Mensen boven de 35 kiezen eerder de auto als voortransport dan mensen onder de 35: dit hangt waarschijnlijk samen met de beschikbaarheid van een auto Hoe hoger de stedelijkheidsgraad van een zone, hoe eerder BTM wordt gekozen: de kwaliteit van het OV-systeem is hoger binnen steden 14

Stationskeuze Belangrijkste uitdagingen: □ Goede modellering van grote stations en stations die dichtbij elkaar liggen: bijvoorbeeld Den Haag Centraal en HS □ Niet teveel auto als voor-en natransport naar de grote stations in binnensteden Stationsgrootte is meegenomen in termen van vertrekkend aantal treinen, beginnende treinen wegen zwaarder mee, evenals Intercity’s Hogere parkeertarieven leiden tot minder auto als voortransport naar stations Zeer hoge stedelijkheidsgraad leidt eveneens tot minder auto als voortransport naar stations 15

Parkeerplaatsen en fietsenstallingen bepalend bij voor-en natransportkeuze Een hoger aantal parkeerplaatsen voor de auto leidt tot meer voortransport met de auto naar een station Het aantal fietsers van of naar een station neemt toe, wanneer er meer plaats is om je fiets te stallen Rekening houdend met het aantal parkeerplaatsen/fietsplekken ten opzichte van de grootte van het station Beschikbaarheid van parkeerdata is van essentieel belang, ook voor prognoses 16

Vragen? Voor aanvullende info: □ Remko Smit: of □ Marits Pieters: 17