Datum: 03-01-2021

© Copyright 2017 CROW

Hogeschool Utrecht

Werken met ver-

keers- en mobiliteits-
modellen
 Inhoud

4 Het proces van modellen bouwen 3

4.1 Te maken keuzen vóór de modelbouw 4

4.2 De fasen in het proces van modellen 6

4.2.1 Opstellen van een conceptueel model 8

4.2.2 Data verzamelen 12

4.2.3 Schatten/kalibreren van het model 15

4.2.4 Vullen en testen van het model 17

4.2.5 Evalueren/valideren van het model 18

4 Het proces van modellen bouwen

Het bouwen van een nieuw verkeersmodel is over het algemeen geen eenvou-
dige zaak. Als er op basis van de beleidsvragen die moeten worden beantwoord
een eerste keuze is gemaakt voor het soort verkeersmodel, moeten er nog veel
verdere keuzen gemaakt worden. Een verkeersmodel bestaat vaak uit een serie
submodellen, zoals het vervoerswijzekeuzemodel of het activiteitenkeuzemodel.
Alhoewel er uiteraard sprake is van een sterke samenhang tussen de submodel-
len, moeten voor elk submodel nog keuzen gemaakt worden voor bijvoorbeeld
het te hanteren detailniveau, de toe te passen rekenmethoden en -technieken
en de te gebruiken gegevens voor het vullen en kalibreren van het model.

Het bouwen van een model is in de praktijk het meest tijd- en vaak ook kosten-
verslindende deel in het totale planningsproces.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 3
4.1 Te maken keuzen vóór de modelbouw
In deel A is de stap van een beleidsprobleem of een beleidsvraag naar de keuze
voor een bepaald type model, zijnde de eerste stappen in het totale proces van
beleidsvraag tot en met beleidsadvies, uitgebreid behandeld. Het is de kunst
om het soort verkeersmodel te kiezen dat het beste in staat is de gestelde
beleidsvragen te beantwoorden, gegeven bepaalde randvoorwaarden zoals
financiële middelen en tijd. In de meeste gevallen wordt die keuze bepaald door
de mate waarin een model in staat is bepaald mobiliteitsgedrag te voorspellen.
In dit boek wordt als kapstok voor het verklaren van mobiliteitsgedrag gewerkt
met het zogenoemde driemarkten concept met de verplaatsings-, vervoers-
en verkeersmarkt. De van oudsher meest toegepaste vertaling van de drie
markten naar een verkeersmodel is de traditionele vierstapsbenadering. Later
zijn daar de ‘land use and transport interaction’ (LUTI) en ‘activity based’ (AB)
benaderingen bijgekomen. In figuur B.2 worden de posities van de verschillende
benaderingen in het driemarktenconcept nogmaals weergegeven, zie hoofdstuk
1 en 3 voor een toelichting.

Afhankelijk van de beleidsvraag moet er een keuze gemaakt worden voor een
van de drie benaderingen. In de meeste gevallen zal worden gekozen voor de
traditionele vierstapsbenadering. Maar bij sommige beleidsvragen komen ook
LUTI en AB in beeld.

De traditionele vierstapsbenadering kan op veel verschillende manieren geïm-

plementeerd worden. Om de juiste vorm te kunnen kiezen, moet vooraf een
uitgebreid pakket van eisen voor het te gebruiken model geformuleerd worden.
Sommige eisen zijn een directe afgeleide van de beleidsvraag. Als men wil weten
wat de omvang van de doorstromingsproblemen in het jaar 2020 is, dan is het
duidelijk dat het verkeersmodel een voorspelling moet kunnen maken voor dat
jaar. Andere eisen komen voort uit een zekere mate van kwaliteit die vereist
wordt. Is het bijvoorbeeld voldoende om enkel de omvang van het doorstro-
mingsprobleem op netwerkniveau te weten of is het noodzakelijk nauwkeurige
locaties voor de doorstromingsproblemen te kunnen aanwijzen? Het antwoord
op die vraag zal ook afhangen van de wensen ten aanzien van de mogelijke
(pakketten van) maatregelen waarvan men de effecten wil testen. Wordt gedacht
aan het effect van een verhoging van de lokale parkeertarieven om het autoge-
bruik te ontmoedigen of wil men voornamelijk het effect van het invoeren van
eenrichtingsverkeer op de centrumring weten? In het eerste geval treden er
vrijwel zeker verschuivingen in de vervoerswijzekeuze op, hetgeen inhoudt dat
het model naast autoverkeer ook openbaar vervoer en fietsverkeer zal moeten
bevatten. Sommige maatregelen hebben specifieke effecten voor verschillende
soorten reizigers. Winkelend publiek is wellicht gevoeliger voor lokale parkeer-
tarieven dan forenzen omdat deze laatste groep de kosten (deels) vergoed krijgt
van zijn werkgever. In een dergelijk geval moet er zeker onderscheid gemaakt
worden tussen deze reis-/verplaatsingsmotieven.

4 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
Figuur B.2. Verschillende verkeersmodelleringsbenaderingen binnen het driemarktenconcept

Uiteindelijk wordt een pakket van eisen (zie deel A) opgesteld met betrekking
tot onder andere de te onderscheiden reismotieven, vervoerswijzen, dagdelen
en/of tijdsperioden, prognosejaren, scenario’s, alternatieven en varianten. De
laatste drie hebben vooral betrekking op de verschillende pakketten van maat-
regelen en ontwikkelingen waarvan men de effecten met elkaar wilt vergelijken.
Bijvoorbeeld enerzijds een scenario met een pakket van nieuwe parkeertarieven
en anderzijds een scenario met flinke investeringen in de fietsinfrastructuur. Of
enerzijds een scenario met een forse groei van de werkgelegenheid in het
centrumgebied en anderzijds een scenario met een sobere groei. Alternatieven
en varianten worden gebruikt voor kleinere variaties binnen de scenario’s, bij-
voorbeeld om verschillende varianten van parkeertarieven te testen. In
Tracé/MER-studies worden alternatieven gebruikt voor de grote infrastructurele
ingrepen, bijvoorbeeld een noordelijk gelegen tracé versus een zuidelijk gelegen
tracé, en varianten voor kleinere variaties daarbinnen, bijvoorbeeld wel of geen
rondweg om een bepaalde dorpskern. In de praktijk worden de termen scena-
rio’s, alternatieven en varianten soms verschillend gebruikt.

Als de keuze voor het te gebruiken model is gemaakt, kan worden gestart met
de bouw van het model. Ook daarbij zal nog een groot aantal keuzen moeten
worden gemaakt. Dit deel B gaat hierover.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 5
4.2 De fasen in het proces van modellen
In sommige gevallen moet een verkeersmodel vanaf nul worden opgebouwd.
In andere gevallen zal een verkeersmodel als detaillering of uitbreiding van een
bestaand model worden gebouwd, Bijna altijd is het zo dat niet voor ieder
beleidsprobleem een model gebouwd/ ontwikkeld wordt. Echter, de methodi-
sche lijn moet wel steeds gehandhaafd blijven. Dit betekent dat via het te for-
muleren pakket van eisen wel nagegaan moet worden in hoeverre het overne-
men of het gebruiken van een bestaand model in welke mate kan.

Het bouwen van een verkeersmodel wordt in veel gevallen gedaan door
gespecialiseerde advies- en ingenieursbureaus. In deze paragraaf wordt ingegaan
op het proces van modelbouw in zijn algemeenheid. Bij de gebruikte voorbeel-
den wordt daarbij telkens uitgegaan van de traditionele vierstapsbenadering.

De traditionele vierstapsbenadering bestaat uit vier stappen. Elke stap kan

worden gezien als een submodel. Alhoewel er uiteraard sprake is van een sterke
samenhang tussen de submodellen, moeten voor elk submodel keuzen worden
gemaakt ten aanzien van het te hanteren detailniveau, de toe te passen reken-
methoden en -technieken en de te gebruiken gegevens voor het kalibreren en
vullen van het model. Dit zijn keuzen die een modelbouwer zal moeten maken.
Over het algemeen maakt een modelbouwer voor aanvang van het daadwerke-
lijke modelbrouwproces, op basis van het gestelde pakket van eisen, keuzen
die betrekking hebben op alle submodellen. Het is bijvoorbeeld bijzonder lastig
om de omvang van het studiegebied in stap drie van het modelproces alsnog
uit te breiden. Daarnaast sluiten bepaalde modeltechnieken qua gegevensinvoer
en -uitvoer slecht op elkaar aan, waardoor afstemming noodzakelijk is. Het is
daarom van belang om voor aanvang van de bouw van een model het totale
proces te overzien en een aantal keuzen te maken die van groot belang zijn bij
het daadwerkelijke bouwen.

Voordat wordt ingegaan op een aantal algemene stappen, de fasen die van
belang zijn bij elk modelbouwproces, is het van belang te weten dat een model
over het algemeen eerst voor een zogenoemd basisjaar gebouwd wordt. Het
basisjaar ligt altijd in het verleden of in het heden, vandaar dat dit vaak de huidige
situatie genoemd wordt. In de huidige situatie kunnen ook metingen verricht
worden (empirisch materiaal). Deze stap is noodzakelijk om het model te kunnen
kalibreren en valideren, dat wil zeggen te kunnen vergelijken met de daadwer-
kelijk gemeten gegevens. Als dat allemaal in orde is, wordt pas de prognose
gedaan, dus het model met de gewijzigde (toekomstige) inputvariabelen door-
gerekend. Daarbij wordt doorgaans eerst een situatie doorgerekend waarin nog
geen beoogde (pakketten van) maatregelen doorgevoerd zijn en waarin alleen
de meest voor de hand liggende ontwikkelingen meegenomen zijn. Dit wordt
aangeduid als de referentiesituatie voor de toekomst. Daarna volgen pas de
modelberekeningen voor de verschillende scenario’s, alternatieven en/of vari-
anten voor de toekomst.

De volgende algemene stappen voor het bouwen van een model hebben vooral
betrekking op bouwen van het model voor het basisjaar, de huidige situatie (en
in mindere mate ook voor de referentiesituatie). Gegeven een bepaald beleids-
probleem, een keuze voor een modelbenadering en een uitgebreid pakket van

6 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
eisen ten aanzien van het te bouwen verkeersmodel, zijn bij het bouwen van
een verkeersmodel in het algemeen de volgende stappen te doorlopen:
1 Opstellen van een conceptueel model.
2 Data verzamelen. De data worden ook empirisch materiaal genoemd en
zijn de basis voor de te schatten modellen.
3 Schatten/kalibreren van het model.
4 Vullen en testen van het model.
5 Evalueren/valideren van het model.

Deze stappen kunnen voor het hele verkeersmodel gelden, maar ook voor bij-
voorbeeld elk submodel in het traditionele vierstapsmodel. Daarnaast kunnen
stappen al naar gelang de reeds beschikbare informatie overgeslagen, gecom-
bineerd of meerdere malen doorlopen worden. Na deze stappen is het model
gereed om als planningsinstrument te fungeren: prognoses maken in kwantitei-
ten (rekenen). Hierna worden de stappen kort toegelicht.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 7
4.2.1 Opstellen van een conceptueel model
In stap A van het modelbouwproces wordt een zogenoemd conceptueel model
geformuleerd. Het is eigenlijk een eerste uitwerking van het model: hoe zit een
bepaalde gedragskeuze waarschijnlijk in elkaar? Dit wordt hierna toegelicht
aan de hand van een voorbeeld.

Stel het (beleids)probleem is dat in de huidige situatie op een aantal relaties in

een bepaald onderzoeksgebied het openbaarvervoergebruik te wensen overlaat.
Het streven is om op korte termijn meer openbaarvervoergebruik te hebben.
Om maatregelen te vergelijken, is men geïnteresseerd in het aandeel openbaar
vervoer, oftewel de modal split, voor elke herkomst-bestemmingsrelatie in het
onderzoeksgebied, alsmede het aandeel openbaar vervoer in de totale vervoers-
markt.

Als modelbenadering wordt gebruikgemaakt van de traditionele vierstapsbena-

dering, die gebaseerd is op de volgende vier individuele keuzen (en bijbehorende
submodellen):
1 Wel of niet op pad gaan (ritgeneratiemodel);
2 Naar welke bestemming (distributiemodel);
3 Met welke vervoerswijze (vervoerswijze keuzemodel);
4 Over welke route (routekeuzemodel).

Figuur B.3. Vierstapsbenadering

Voor het modelleren van het beleidsprobleem in het voorbeeld lijkt in ieder
geval het vervoerswijzekeuzemodel van cruciaal belang. De submodellen uit
de andere stappen zijn daarbij voornamelijk van belang voor het genereren van
de juiste invoergegevens van het vervoerswijzekeuzemodel. In het resterende

8 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
deel van de toelichting van het proces van modelbouw wordt als voorbeeld
enkel gesproken over het opstellen van dit (eenvoudige) vervoerswijzekeuze-
model.

Stel dat door middel van literatuuronderzoek een conceptueel model voor de
vervoerswijzekeuze gehanteerd kan worden zoals weergegeven in figuur B.4.

Figuur B.4. Een eenvoudig conceptueel model voor de vervoerswijzekeuze

Conceptuele modellen geven de invloedsfactoren en hun onderlinge samenhang

aan in termen van oorzaak (verklarende variabele) en gevolg (te verklaren vari-
abele). Vaak wordt in deze fase al via de pijlen aangegeven wat de verwachting
is van een verband, namelijk, zie figuur B.4, positief (+) of negatief (–). Positief
betekent dat als de oorzaak toeneemt ook het gevolg toeneemt. Zo is de ver-
wachting dat als het autobezit toeneemt, het aandeel openbaar vervoer (ov)
zal dalen, een negatief verband dus. Het verzamelen van empirisch datamateriaal
moet laten zien in hoeverre deze verwachtingen (ook wel hypothesen genoemd)
uitkomen. Data verzamelen is de volgende stap in het proces van modelbouw
en is medebepalend voor de keuze van het uiteindelijke conceptuele model.

Eerst wat meer over conceptuele modellen en de stap naar dataverzameling.

Het hanteren van een conceptueel model is een cruciale fase in het bouwen
van modellen. Op basis van figuur B.4 zouden bijvoorbeeld twee deelmodellen
ontwikkeld moeten worden:
1 Een model op basis van het inkomen als verklarende variabele voor het
autobezit.
2 Een model op basis van autobezit en reistijdverhouding als verklarende
variabelen voor het aandeel ov op een relatie.

Omdat vanuit het voorbeeld de te verklaren variabele op geaggregeerd niveau

zit (modal split op relaties tussen zones) is het handig om als onderzoekseenheid
zones te nemen. Theoretisch gezien is het echter beter als de onderzoekseen-
heden personen of huishoudens zijn. Beide aggregatieniveaus zijn in principe
dus van toepassing. Gezien de vraagstelling kan het model echter beter op deze
geaggregeerde manier, met zones als onderzoekseenheid, ontworpen worden.

Voor de verdere gedachtevorming wordt vervolgens alleen gekeken naar het

tweede deelmodel, het model dat op basis van het autobezit en de reistijdver-
houding het aandeel ov per relatie bepaald. Een volgende stap daarvoor is om
te kijken of de variabelen operationeel gedefinieerd kunnen worden. Operatio-
naliseren betekent in dit verband het zodanig formuleren dat eraan gemeten
kan worden. De reistijdverhouding is al operationeel gedefinieerd, er kan direct
en eenduidig aan gemeten worden. Voor autobezit geldt dat nog niet.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 9
 Meetniveau

Als er een conceptueel model bepaald is, is het belangrijk het meetniveau
van de variabelen vast te stellen. Dit is nodig om te bepalen welke statisti-
sche analyse- en modeltechnieken er wel of niet toegepast mogen worden.

Tabel B.1 laat zien welke meetniveaus er zijn [9]. Zo vraagt de regressie-
techniek om een ratio-meetniveau omdat in deze techniek het rekenkundig
gemiddelde een belangrijke rol speelt. Voor het nominaal en ordinaal
meetniveau kunnen geen rekenkundig gemiddelde bepaald worden. Daar
moet met andere statistische technieken aangeven worden wat de verban-
den zijn tussen variabelen. Voor het interval-meetniveau kan eigenlijk ook
niet goed de regressietechniek worden toegepast.

In het voorbeeld in de hoofdtekst wordt bij de gedesaggregeerde operati-

onalisatie van het variabele autobezit gesproken over het wel of niet heb-
ben van een auto (op naam). Hiermee wordt een zogenoemde binaire of
dichotome variabele op een nominaal meetniveau geïntroduceerd. De
geaggregeerde operationalisatie van het variabele autobezit met het aantal
auto’s per 1000 inwoners kent een ratio-meetniveau. Reistijdverhoudingen
en het aandeel openbaar vervoer op een relatie kennen eveneens een
ratio-meetniveau. De keuze voor de geaggregeerde operationalisatie met
het ratio-meetniveau is mede ingegeven door het feit dat de samenhang
tussen de variabelen in een wiskundige formule gegoten kan worden en
de statistische techniek regressie kan worden gebruikt.

Tabel B.1. Meetniveaus

Ratio niveau

Interval niveau Verhoudingen blijven

gelijk

Ordinaal niveau Gelijke verschillen Gelijke verschillen

Nomminaal niveau Ordening Ordening Ordening

Onderscheid Onderscheid Onderscheid Onderscheid

Bijvoorbeeld Bijvoorbeeld oplei- Bijvoorbeeld inkomen Bijvoorbeeld reistijd

geslacht dingsniveau

Als op gedesaggregeerd niveau gewerkt zou worden, kan voor autobezit als
operationele definitie gekozen worden: ‘het wel of niet hebben van een auto,
op naam’. Op geaggregeerd niveau kan bijvoorbeeld voor het autobezit worden
gekozen voor het aantal auto’s per 1000 inwoners gemiddeld over de herkomst-
en de bestemmingszone. De twee mogelijke operationalisaties hebben verschil-
lende meetniveaus, wat gevolgen heeft voor de mogelijke statistische analyse-
en modeltechnieken. In dit geval wordt gekozen voor de geaggregeerde
benadering van het aantal auto’s per 1000 inwoners omdat deze net als de

10 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
reistijdverhouding en het aandeel ov een ratio-meetniveau kent. Dit maakt bij-
voorbeeld het gebruik van een regressieanalyse aanzienlijk makkelijker/mogelijk.

De volgende stap betreft de modelspecificatie. Voor het eerder aangegeven

tweede deelmodel kan de modelspecificatie op basis van de volgende twee
onderzoeksvragen opgesteld worden:
1 Wat is de relatie tussen enerzijds autobezit en reistijdverhouding (als verkla-
rende of onafhankelijke variabelen) en het aandeel openbaar vervoer (als
te verklaren, afhankelijke variabel) anderzijds op relaties tussen zones?
2 In welke functievorm kan het model worden gegoten?

Tabel B.2. Benodigde gegevens per reden

PERCOV RTVERH A/1000INW Hele studiegebied

Schatten X X X Nee

Vullen X X Ja

Evalueren X Nee

Stel dat er verondersteld wordt dat het modalsplitmodel als volgt is gespecifi-
ceerd (modelspecificatie):

PERCOV = a + b × RTVERH + c × A/1000INW

Waarbij PERCOV het te bepalen aandeel openbaar vervoer is, RTVERH de reis-
tijdverhouding ov-auto en A/1000INW het aantal auto’s per 1000 inwoners. A,
b en c zijn de te schatten parameters, ook wel modelcoëfficiënten genoemd,
met als bijzondere parameter de constante a.

Het bepalen van de waarden van de modelcoëfficiënten, schatten genoemd,

kan door het verzamelen van een set van gegevens met alle te verklaren en
verklarende variabelen. Dit maakt deel uit van de dataverzameling. Soms zijn
de modelcoëfficiënten al bekend uit eerdere studies of literatuur. In dat geval
kan dit deel van de dataverzameling en de stap met het schatten van de
modelparameters overgeslagen worden. In andere gevallen is het niet mogelijk
om op basis van literatuur een modelspecificatie op te stellen en moet eerst
(uitgebreider) data verzameld te worden alvorens bepaald kan worden wat de
(beste) verklarende variabelen zijn waarvoor het model geschat kan worden.
De stappen van het bepalen van het conceptueel model, het verzamelen van
de data en het schatten van de modelparameters zijn dus sterk met elkaar ver-
weven.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 11
4.2.2 Data verzamelen
Stap B van het modelbouwproces betreft de dataverzameling, oftewel het ver-
zamelen van empirisch materiaal. In hoofdlijnen wordt er om drie redenen
gegevens verzameld tijdens de bouw van een model:
- Voor het schatten/kalibreren van het model.
- Voor het vullen van het model.
- Voor het evalueren/valideren van het model.

De eerste reden vloeit direct voort uit de wens de parameters van het (concep-
tuele) model te schatten en het model daarmee gebruiksklaar te maken. Op
basis van het voorgestelde modalsplitmodel, moeten er gegevens worden ver-
zameld voor alle variabelen in het model. Het gaat dan dus om het te voorspellen
aandeel openbaar vervoer, de reistijdverhouding ov-auto en het aantal auto’s
per 1000 inwoners. Deze gegevens hoeven niet voor alle zones in het onder-
zoeksgebied te worden verzameld. Sterker nog, het model kan geschat worden
op basis van een selectie van landelijke gegevens of gegevens uit een vergelijk-
baar gebied, dus met behulp van reeds door anderen verzamelde data.

Als het model na stap C van het modelbouwproces geschat is, moet het model
gevuld worden zodat het kan worden getest. In dat geval kunnen voor het
voorbeeld voor alle combinaties van zones de reistijden voor auto en ov bepaald
worden en voor alle zones het aantal auto’s per 1000 inwoners. Het grote ver-
schil met de gegevens voor het schatten is dat nu voor alle zones in het
onderzoeksgebied gegevens verzameld moeten worden, maar dat er geen
gegevens over het aandeel openbaar vervoer verzameld hoeven te worden
omdat dat immers de te verklaren variabele is. Een nadere toelichting van deze
stap volgt in paragraaf 4.2.4.

Nadat het model in stap D is getest, dat wil zeggen, het aandeel openbaar ver-
voer is voor alle combinaties van zones bepaald, moet gecontroleerd worden
of de uitkomsten juist zijn. Voor een aantal combinaties van zones in het
onderzoeksgebied zal daarom wel het daadwerkelijke aandeel openbaar vervoer
gemeten moeten worden. In sommige gevallen kunnen ook andere ‘berekende’
gegevens gecontroleerd worden. Zo zal een groot deel van de reistijden van
auto en openbaar vervoer met behulp van een toedelingsmodel bepaald worden.
In dat geval worden de reistijdverhoudingen ook meegenomen in de evaluatie.
Tijdens de evaluatie of validatie wordt gebruikgemaakt van gegevens die niet
gebruikt zijn voor de kalibratie/schatting van het model. Een nadere toelichting
van deze stap volgt in paragraaf 4.2.5. In tabel B.2 staat een overzicht van de
benodigde gegevens per genoemde reden.

Los van de reden van het verzamelen van de data, zijn er in principe twee
hoofdmanieren (uiteraard zijn er tussenvormen), voor het verkrijgen van de
gegevens. De ene manier is het daadwerkelijk zelf meten, de andere manier
betreft het gebruiken van bestaande gegevensdatabanken en -bestanden, ook
wel primaire bronnen genoemd.

Het verzamelen van data door eigen metingen kan op veel verschillende
manieren en is uiteraard sterk afhankelijk van het benodigde type gegevens, de
beschikbare onderzoeksmethoden, het beschikbare budget (in tijd en geld) en

12 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
het gewenste kwaliteitsniveau. Informatie over een systematische aanpak van
verkeersonderzoek en een overzicht van onderzoeksmethoden op verkeerskun-
dig gebied, staat in het ‘Handboek verkeersonderzoek’ [17]. Dit handboek gaat
in op het verzamelen van gegevens via tellen en meten. De hoofdstukken ‘Nut
en noodzaak van verkeersonderzoek’, ‘Verkeersonderzoek is het maken van
keuzen’ en ‘Methoden’ passen uitstekend bij het proces van dataverzameling
voor verkeers- en mobiliteitsmodellen. Figuur B.5 toont de stappen voor het
uitvoeren van verkeersonderzoek volgens het handboek.

Figuur B.5. Fasen in het onderzoek volgens het ‘Handboek verkeersonderzoek’ [17]

In het handboek wordt bijvoorbeeld beschreven hoe een rijtijdmeting aangepakt

kan worden. Een dergelijke meting kan gebruikt worden voor het bepalen van
de reistijden van auto en ov tussen de zones in het onderzoeksgebied. Andere
onderzoeksmethoden die vermeld worden en die vaak gebruikt worden voor
de dataverzameling van verkeers- en mobiliteitsmodellen zijn onder meer de
mechanische doorsnedetelling, de visuele kruispunttelling en het kentekenon-
derzoek.

Een andere vorm van dataverzameling door zelf onderzoek te doen, is het uit-
voeren van enquêtes. Dat kan enerzijds met het doel om de huidige situatie
middels een steekproef in beeld te brengen. Voor het voorbeeld kunnen reizigers
in het onderzoeksgebied ondervraagd worden naar hun huidige herkomst en
bestemming en hun vervoerswijze om zodoende de modal split tussen zones
in beeld te brengen. Deze gegevens worden dan bijvoorbeeld gebruikt tijdens
de evaluatie van het model. Anderzijds kan een enquête gebruikt worden om
het keuzegedrag van reizigers in beeld te brengen om zodoende de parameters
van een conceptueel model te schatten. Deze methode wordt vaak gebruikt
bij het opstellen (schatten) van discrete keuzemodellen (zie paragraaf 13.1) op
basis van revealed-preference- (gebleken voorkeuren), stated-preference-
(beweerde voorkeuren), of stated-choicetechnieken (beweerde voorkeuren
met aangeven van een keuze). Er is een groot aantal boeken beschikbaar over
het voorbereiden en uitvoeren van enquêtes in het algemeen en het gebruik
van stated-preference-technieken in het bijzonder.

Naast het zelf meten en enquêteren is het soms mogelijk gebruik te maken van
bestaande gegevens met betrekking tot mobiliteit. Dat kan variëren van een
incidentele lokale kruispunttelling tot en met meerjarige mobiliteitsgegevens
uit een landelijke databank. Een veelgebruikte gegevensbron voor verkeersmo-
dellen, met name voor het evalueren van de modellen, is het OViN. OViN staat

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 13
voor het Onderzoek Verplaatsingen in Nederland en is een doorlopend onder-
zoek naar de mobiliteit van de Nederlandse bevolking. Waarheen, wanneer,
hoe en waarom verplaatsen Nederlanders zich? Elk jaar werken ongeveer 40.000
mensen mee aan dit onderzoek. Het OViN heette voorheen MON (Mobiliteits-
onderzoek Nederland) en OVG (Onderzoek verplaatsingsgedrag). Het Centraal
Bureau voor de Statistiek (CBS) onderhoudt de databank en verstrekt de gege-
vens.

Uiteraard is het OViN niet de enige beschikbare databank met mobiliteitsgege-

vens. Er is een grote hoeveelheid gegevens beschikbaar bij commerciële partijen,
Rijkswaterstaat, provincies en gemeenten. Dit betreft gegevens over het ver-
keersproces, zoals intensiteiten, passagierstellingen en dergelijke.

OViN

Het basisonderzoek, het standaardonderzoek op nationaal niveau, is een

continu onderzoek naar de mobiliteit van de Nederlandse bevolking. Er
worden via enquêtes dagelijks gegevens verzameld over de verplaatsingen
van individuen. Dit zijn gegevens als: het doel van de verplaatsing, de
herkomst en bestemming, de vervoerswijze en het tijdstip. Ook worden
gegevens over het huishouden geregistreerd. Voorbeelden daarvan zijn:
samenstelling en grootte van het huishouden en leeftijd, geslacht en
opleiding van de personen. Op grond van het basisonderzoek zijn uitspra-
ken te doen over alle verplaatsingen die beginnen en/of eindigen in
Nederland (met uitzondering van vakanties) van alle inwoners van Neder-
land (met uitzondering van tehuisbewoners). Via dit databestand zijn dus
gebieden te definiëren waarvoor kenmerken als aantal inwoners en het
totaal aantal gemaakte verplaatsingen door deze inwoners achterhaald
kunnen worden.

14 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
4.2.3 Schatten/kalibreren van het model
Stap C van het modelbouwproces betreft het daadwerkelijk schatten (kalibreren)
van het conceptuele model. Het resultaat van deze stap is een geschat model.
Met het schatten wordt dus bedoeld het bepalen van de modelparameters. Dit
wordt ook modelkalibratie genoemd.

Eerst nog het volgende. Bij het verder gaan verwerken van de verzamelde data
waarmee het model geschat gaat worden, moet worden gelet op:
- Niet klakkeloos data overnemen die voor andere doeleinden zijn verzameld.
Een paar aandachtspunten:
- Er moet zeker worden nagegaan hoe deze data tot stand zijn gekomen.
- Uiteraard moeten deze data wel passen bij de geformuleerde onder-
zoeksvragen;
- Zijn de gegevens plausibel?
- In hoeverre is een ander gebied representatief voor het eigen onder-
zoeksgebied?

- Het opschonen van de data. Bijvoorbeeld onlogische combinaties eruit

halen. Zo kan iemand van 10 jaar geen rijbewijs hebben. Dus ook hier weer:
plausibiliteit nagaan. Dit is bij het zelf verzamelen van data, in het bijzonder
enquêtedata altijd een vereiste activiteit.

Als de data goed zijn bevonden, kan met het schatten van het model worden
begonnen. Daarvoor zijn statistische technieken beschikbaar.

Het modal-splitmodel van het gebruikte voorbeeld wordt weer opgepakt. De

veronderstelde specificatie was:

PERCOV = a + b × RTVERH + c × A/1000INW

Waarbij PERCOV het te bepalen aandeel openbaar vervoer is, RTVERH de reis-
tijdverhouding ov-auto en A/1000INW het aantal auto’s per 1000 inwoners.
Verder zijn a, b en c de te schatten parameters.

Omdat alle betrokken variabelen een ratio-meetniveau hebben, kan de statisti-

sche regressietechniek toegepast worden [33]. Het is dan handig om alle
beschikbare data in een zogeheten datamatrix onder te brengen. Een datamatrix
is een tabel waarin voor een aantal onderzoekseenheden de data staan. In tabel
B.3 staat een voorbeeld van een datamatrix. Iedere rij stelt dan een onderzoeks-
eenheid voor, bijvoorbeeld zones in een onderzoeksgebied. Voor het voorgaande
modal-splitmodel zouden dan in iedere rij gegevens (data) over aandeel open-
baar vervoer, reistijdverhouding en autobezit staan. Iedere rij representeert dan
een herkomst-bestemmingsrelatie.

Stel dat de uitkomst van de modelschattingen het volgende model opleverde:

PERCOV = 45 – 18,0 × RTVERH – 0,01 × A/1000INW

Tabel B.3. Voorbeeld van een wat datamatrix (met willekeurige waarden)

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 15
 zone v+a wo arbpl inw auto's

1 7920 696 23 1470 470

2 6050 789 33 2050 900

3 5820 520 52 1450 668

4 2600 233 20 900 276

5 6720 964 140 2500 812

6 3800 412 55 1300 512

7 9920 954 191 3000 855

8 5290 331 42 1050 402

9 7820 1037 140 2850 807

10 4660 457 37 1280 419

11 6160 983 62 2600 915

12 3220 356 6 900 400

13 3180 403 18 1170 299

Met:
v+a = totaal aantal vertrekken plus aankomsten
wo = aantal woningen
arbpl = aantal arbeidsplaatsen
inw = aantal inwoners (personen in de wijk)
auto's = aantal auto's

De parameter a is een positieve constante. De parameters b en c hebben een

negatieve invloed op het aandeel openbaar vervoer. Als nu in de toekomstige
situatie RTVERH 1,3 is en het autobezit (A/1000INW) gemiddeld voor de her-
komst- en bestemmingszone 600 is, dan geeft het model aan dat het aandeel
openbaar vervoer 15,6 procent wordt. Echter, voor het model gebruikt gaat
worden als planningsinstrument, moet eerst worden nagegaan hoe goed het
geschatte model is (evaluatie).

16 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen
4.2.4 Vullen en testen van het model
In stap D van het modelbouwproces wordt het model gevuld met de daadwer-
kelijke data van de huidige situatie en wordt het doorgerekend voor het hele
onderzoeksgebied. Als dat laatste erg tijdrovend is, kan in sommige gevallen
worden volstaan met een selectie van zones of relaties in het onderzoeksgebied.
Welke dat zijn, zal afhangen van de elementen waarop het model gevalideerd
moet worden.

In het voorbeeld worden dus de RTVERH en A/1000INW voor alle herkomst-

en bestemmingszones bepaald, hetgeen resulteert in een percentage openbaar
vervoer voor alle herkomstbestemmingsrelaties.

03-01-2021 Hogeschool Utrecht Werken met verkeers- en mobiliteitsmodel-

len | 17
4.2.5 Evalueren/valideren van het model
Stap E betreft de evaluatie of validatie van het model. Eenmaal geschat en
doorgerekend voor de huidige situatie (basisjaar) is de vraag aan de orde hoe
goed het geschatte model is. Daarbij gaat het er om of de richting (positief of
negatief) en de absolute waarde van de geschatte parameters (a,b en c) juist
zijn. Enerzijds omdat deze parameters iets zeggen over de gevoeligheid van de
respectievelijke verklarende variabelen op de modal split, in dit geval het aandeel
openbaar vervoer, anderzijds omdat deze twee parameters significant moeten
zijn. Dan komen een aantal statistische criteria om de hoek kijken.

Let wel, de constante speelt een bijzondere rol. Het schattingsresultaat hiervan
zou idealiter op nul moeten uitkomen. Immers, als de beide verklarende varia-
belen nul zijn dan zou ook het aandeel openbaar vervoer nul moeten zijn, tenzij
niet alle verklarende variabelen zijn meegenomen. In de praktijk zal vaak blijken
dat het moeilijk is deze constante op nul te krijgen; complexe werkelijkheid.

Als het model goed is bevonden, kan gezegd worden dat het model gekalibreerd
(geschat) is. Dat is de situatie A (huidige beschikbare data) in figuur B.6. Als nu
geschatte parameters in situatie A naar een andere situatie (B) overgenomen
worden, dan moet op basis van in situatie B aanwezige/beschikbare data de
toets gedaan worden of het model in de situatie B goed is. Dit heet validatie
van het model.

Figuur B.6. Kalibratie en validatie

In de volgende hoofdstukken (5 tot en met 11) wordt het bouwen van een ver-
keersmodel toegelicht aan de hand van de stappen voor het bouwen van een
traditioneel vierstapsmodel. Keuzen ten aanzien van het detailniveau, de toe te
passen rekenmethoden en -technieken en de te gebruiken gegevens voor het
vullen en kalibreren van de submodellen komen in deze hoofdstukken aan de
orde.

18 | Werken met verkeers- en mobiliteitsmo- 03-01-2021 Hogeschool Utrecht

dellen