RIS316294 Bijlage 2 Duiding van trend in verkeersongevallen met slachtoffers in Den Haag

Opdrachtgever

Gemeente Den Haag

Datum

28 maart 2023

Auteur

Joep Schyns, Martijn Ruijgers

Kenmerk

013570.20230324.N1.02

Kenmerk opdrachtgever

190043

Status

Definitief

Pagina

1/13

Duiding van trend in STAR-geregistreerde verkeersongevallen met slachtoffers in Den Haag in vergelijking tot andere grote gemeenten 1.

Inleiding

Aanleiding Gemeenten willen graag weten hoe de verkeersveiligheid zicht ontwikkelt in de tijd. De trend kan invloed hebben op de discussie over nut en noodzaak van extra verkeersveiligheidbevorderende maatregelen en dus op het budget voor verkeersveiligheid. Hetzelfde geldt voor een vergelijking met andere gemeenten. Gemeenten willen zich graag vergelijken met andere gemeenten, ook voor verkeersveiligheid. Er wordt dan bijvoorbeeld gekeken naar (de ontwikkeling van) het aantal ongevallen per inwoner, per weglengte of per verkeersprestatie (voertuigkilometers)1. De meest toegankelijke en gebruikte data voor gemeenten om inzicht te krijgen in hoe het aantal geregistreerde verkeersongevallen zich ontwikkelt in de tijd is de VIA Statistiek Ongevallen database die gevoed wordt door het STAR-(Smart Traffic Accident Reporting) initiatief. De ongevallengegevens uit het STAR-initiatief worden jaarlijks verwerkt tot de Bestand geRegistreerde Ongevallen in Nederland (BRON)-database die door Rijkswaterstaat gepubliceerd wordt en slechts een deel van alle door STAR geregistreerde kenmerken bevat (via.nl, 22 maart 2023). Uit VIA Statistiek Ongevallen blijkt dat het aantal geregistreerde verkeersslachtoffers en slachtofferongevallen in de gemeente Den Haag aanzienlijk is toegenomen in de afgelopen 1

Op het nut van dergelijke vergelijkingen valt van alles af te dingen. Er kunnen allerlei oorzaken zijn

waarom de ene gemeente minder ongevallen per inwoner of per kilometer heeft dan de andere gemeente. Bijvoorbeeld een oude of een moderne inrichting, veel of weinig studenten, de mate van stedelijkheid, enzovoorts. Die discussie laten we hier buiten beschouwing.

Goudappel BV werkt vanuit Amsterdam, Den Haag, Deventer, Eindhoven en Leeuwarden en via onze partners in het buitenland

Snipperlingsdijk 4

Postbus 161

+31(0) 570 666 222

BTW NL 0072 11 879 B01

7417 BJ Deventer

7400 AD Deventer

info@goudappel.nl

KVK

Nederland

Nederland

www.goudappel.nl

IBAN NL09 INGB 0001 2746 32

3801 7479

jaren. Het valt op dat deze trend sterk afwijkt van de trends in andere grote gemeenten (Figuur 2.1 in hoofdstuk 2). De gemeente Den Haag wil weten of er verklaringen te vinden zijn voor deze toename in Den Haag en het verschil met andere grote gemeenten en heeft Goudappel opdracht gegeven dit te onderzoeken. Onderzoeksdoel Het doel van dit onderzoek is om de – in de STAR-verkeersongevallenstatistiek waargenomen – toename in het aantal geregistreerde slachtofferongevallen in Den Haag te duiden en de grote verschillen met andere gemeenten te verklaren. Wij denken dat er twee verklaringen kunnen zijn voor dergelijk verschillende trends: 1.

Grootschalige veranderingen van het netwerk of mobiliteitsgedrag. Stijgingen of dalingen van tientallen procenten slachtofferongevallen kunnen volgens ons alleen komen door grootschalige veranderingen. Bijvoorbeeld verlaging van de maximumsnelheid op grote delen van het netwerk, samenvoeging van gemeenten, helmplicht voor fietsers, snorfietsen naar de rijbaan, een omslag in verkeershandhaving, enzovoorts.

2.

Verschillen in registratiegraad. Een andere verklaring kan zijn dat de registratiegraad is veranderd. Bijvoorbeeld doordat er meer of minder capaciteit is gekomen bij de politie of er meer of minder gestuurd wordt op het registreren van ongevallen. Trends die daardoor worden veroorzaakt zeggen dus niets over de daadwerkelijke verkeersonveiligheid en moeten daarom worden uitgesloten.

Het onderzoek beoogt uit te wijzen in welke mate deze verklaringen ten grondslag liggen aan de waargenomen verschillen in trends in slachtofferongevallen. Onderzoeksaanpak Dit onderzoek bestaat uit twee delen: 1.

Analyse verkeersongevallenstatistieken

2.

Interviews

Eerst hebben we de STAR-verkeersongevallenstatistieken geanalyseerd om te beoordelen of daar aspecten of kenmerken uitspringen die mogelijk een verklaring kunnen vormen voor de trends in het aantal ongevallen en slachtoffers. De scope van deel 1 betreft verkeersongevallen in de periode 2018 Q1 t/m 2022 Q3 voor vijf grote gemeenten die duidelijke verschillende trends laten zien: Den Haag, Enschede, Haarlemmermeer, Utrecht, Rotterdam.

2

Vervolgens hebben we diepte-interviews gehouden met verschillende partijen (zie Tabel 1) om te achterhalen of de verschillen in trends in verkeersongevallencijfers tussen gemeenten zijn te verklaren vanuit 1) grootschalige veranderingen van het netwerk of het mobiliteitsgedrag of 2) verschillen in registratiegraad. Van ieder interview zijn samenvattingen gemaakt die ter controle zijn voorgelegd aan de geïnterviewden. Leeswijzer Deel 1 van dit onderzoek is uitvoerig beschreven in het rapport Goudappel (2023)2. De belangrijkste conclusies vatten we samen in hoofdstuk 2 van deze notitie. Vervolgens beschrijven we in hoofdstuk 3 het beeld dat naar voren komt uit deel 2 van het onderzoek; de interviews. Tot slot beantwoorden we in hoofdstuk 4 de onderzoeksvraag en formuleren we aanbevelingen.

Tabel 1. Overzicht van geïnterviewde instanties en personen. Geïnterviewde instantie Nationale Politie Politie eenheid Den Haag Politie eenheid MiddenNederland VIA Traffic Solutions Software SWOV VeiligheidNL

Gemeente Den Haag

Gemeente Rotterdam

Gemeente Utrecht

Geïnterviewde personen Paul Broer, Portefeuillehouder Verkeer / Landelijk projectleider Infrastructuur, Bert van Haaften, Beleidsmedewerker verkeer / Operationeel specialist A André van der Hoek, Verkeersspecialist Utrecht Stad Erik Donkers, Expert Verkeersveiligheid Hugo Coppen, Data-analist Letty Aarts, afdelingshoofd Data en analyse voor beleid Susanne Nijman, Onderzoeker Jac-Paul Spaas, Beleidsmedewerker Mobiliteit Selma van der Zwart, Programmamanager Verkeersveiligheid Kees de Leeuw, Strategisch adviseur Mobiliteit Remco Smit, Thema coördinator Verkeersveiligheid Lennert Kuip, Adviseur Mobiliteit Patricia Stumpel-Vos, (Beleids)Adviseur Mobiliteitsonderzoek/ Projectleider Nick Wilke, Beleidsadviseur mobiliteit

Datum interview 18-1-2023 16-2-2023 16-2-2023 30-1-2023 7-2-2023 14-2-2023

31-1-2023

31-1-2023

26-1-2023

2 Goudappel (2023) Analyse verkeersongevallenstatistieken: Voor vijf grote gemeenten: Den

Haag, Enschede, Haarlemmermeer, Rotterdam en Utrecht. Kenmerk: 013570.20221409.R1.02.

3

2.

Resultaten deel 1: analyse verkeersongevallenstatistieken

Het valt op dat bij alle vijf gemeenten een trendbreuk in het aantal slachtofferongevallen zichtbaar is rond 2021 Q2, in de richting van meer slachtoffers (zie Figuur 2.1). In Den Haag, Enschede en Rotterdam is sprake van een (verdere) toename. In Utrecht en Haarlemmermeer is sprake van een afvlakking van een dalende trend. Deze trendbreuk is in mindere mate waar te nemen in het aantal UMS-ongevallen (Figuur 2.2). We hebben het aantal slachtofferongevallen verdeeld naar basisteam van de politie, wegtype, dag van de week en tijdstip van de dag, en het aantal slachtoffers naar leeftijd en vervoerwijze. Uit de analyse van deze verdelingen concluderen we dat bij geen van deze aspecten een duidelijk trend waarneembaar is die samenvalt met de trend(breuk) in het aantal slachtofferongevallen.

Figuur 2.1. Trends in het aantal verkeersslachtoffers in vijf grote gemeenten. Databron: STARdatabase (VIA Statistiek Ongevallen geraadpleegd op 6 december 2022).

4

Figuur 2.2. Trends in aantal ongevallen met uitsluitend materiële schade (UMS) per gemeente. Databron: STAR-database (VIA Statistiek Ongevallen geraadpleegd op 6 december 2022).

Zoals aangegeven in de inleiding denken we dat er twee verklaringen kunnen zijn voor de verschillende trends in het aantal slachtofferongevallen tussen de gemeenten: 1) grootschalige veranderingen van het netwerk of mobiliteitsgedrag en/of; 2) verschillen in registratiegraad. In het eerste geval verwacht je effecten hiervan terug te zien in de kenmerken van geregistreerde ongevallen (bijv. meer/minder ongevallen met snorfietsen na invoering van de maatregelen ‘snorfietsen naar de rijbaan’). Aangezien we dergelijke effecten niet duidelijk waarnemen, is deze verklaring minder aannemelijk. Daarmee is het des te aannemelijker dat verschillen in verkeersongevallenregistratie een rol spelen. In deel 2 van dit onderzoek hebben we deze mogelijke verklaring uitvoerig bevraagd bij de Politie en VIA die samen in het STAR-initiatief deelnemen.

5

3.

Resultaten deel 2: interviews

Uit de interviews komen twee hoofdzaken naar voren die verschillen in trends in ongevallencijfers tussen gemeenten kunnen verklaren: 1.

De kwaliteit van ongevallenregistraties verschilt tussen basisteams van de Politie; in een deel van de basisteams worden verkeersongevallen met letsel incompleet ingevoerd, waardoor het aantal geregistreerde verkeersgewonden te laag is. Zie paragraaf 3.1.

2.

Er zijn mogelijke verschillen tussen gemeenten in (on)veiligheid op straat en de blootstelling daaraan ten gevolge van verschillen in mobiliteitstrends in combinatie met verschillen in infrastructuur. Zie paragraaf 3.2.

3.1

Kwaliteit van ongevallenregistratie

De STAR-verkeersongevallendatabase wordt gevoed door twee bronnen: 1.

Het Basisvoorziening Handhaving incidentregistratiesysteem (BVH) van de Politie.

2.

Het MobielSchadeMelden-systeem van het Verbond van Verzekeraars.

Uit de data-analyse in deel 1 van dit onderzoek blijkt dat ongevallen in STAR die via MobielSchadeMelden binnenkomen alleen UMS betreffen3. Bij ernstige verkeersongevallen met gewonden of doden zal de Politie nagenoeg altijd de plaats van het ongeval bezoeken en een BVH-registratie aanmaken. Afhankelijk van het ongeval moeten verschillende formulieren worden aangemaakt: een D10 voor een verkeersongeval zonder letsel, een D11 voor een verkeersongeval met letsel en een D12 voor een verkeersongeval met dodelijke afloop. In een D11 formulier dient voor elk van de bij het ongeval betrokkenen expliciet de rol “gewond” of “gewond ziekenhuis” (gewonde is vervoerd naar ziekenhuis) toegekend te worden. Naar aanleiding van de interviews binnen het kader van dit onderzoek zijn VIA en de Politie een onderzoek gestart. Daaruit blijkt dat bij het invullen van een D11 formulier voor een verkeersongeval met letsel niet altijd de rol “gewond” of “gewond ziekenhuis” wordt toegekend. In deze gevallen wordt het slachtoffer ook niet geregistreerd in de STAR database, en wordt het ongeval als een UMS-ongeval geregistreerd. Deze incompleetheid werd tot dusver niet opgepikt door de kwaliteitscontroles en feedbackloops binnen STAR.

3

Goudappel (2023) Analyse verkeersongevallenstatistieken: Voor vijf grote gemeenten: Den Haag,

Enschede, Haarlemmermeer, Rotterdam en Utrecht. Kenmerk: 013570.20221409.R1.02.

6

Op het moment van schrijven is dit onderzoek van VIA en de Politie nog gaande en beschikken wij niet over de data om uitsluitsel te geven over de mate waarin deze registratie-incompleetheid de trend in slachtofferongevallen in Den Haag en andere gemeenten beïnvloedt. Wel kunnen we uit het interview met Bert van Haaften – het landelijk aanspreekpunt voor levering data verkeersongevallen aan Stichting Proces Verbaal, Rijkswaterstaat en VIA – het volgende opmaken: •

De mate waarin de registratie-incompleetheid optreedt (in het vervolg kortweg “foutmarge”) is inzichtelijk te maken door te kijken naar het totaal aantal D11 registraties per politie-eenheid4, afgezet tegen het aantal D11 registraties waar de rol van “gewond” en “gewond ziekenhuis” ontbreekt.

•

De foutmarge was redelijk stabiel tot 2020.

•

In de loop van 2020 is bij de Politie een nieuw kwaliteitscontrolesysteem door middel van zogenaamde “Kennisregels” ingevoerd. Er was een controlesysteem dat standaard draaide op bepaalde invoerfouten. Het nieuwe systeem is vrijblijvender. Een aantal eenheden besteedde daar niet veel aandacht aan, daardoor zie je vanaf 2020 de foutmarges en verschillen tussen eenheden toenemen: -

Politie-eenheid Den Haag heeft een betrekkelijk lage en vrij constante foutmarge van 2-3%.

-

In eenheid Oost-Nederland, waar Enschede deel van uitmaakt, is de kwaliteit van registraties ook stabiel gebleven met een foutmarge van 7-10%.

-

In eenheid Midden-Nederland, waar Utrecht onderdeel van is, is de foutmarge toegenomen van 7% naar 30%.

-

In de eenheid Noord-Holland, waar Haarlemmermeer onderdeel van is, is de foutmarge toegenomen van 9% naar 30%.

•

Het corrigeren van deze registratie-incompleetheid zal ertoe laten dat in een deel van de gemeenten het aantal slachtofferongevallen toeneemt; correctie zal niet leiden tot een daling van het aantal slachtofferongevallen.

4

Ten tijde van het interview (16 februari 2023) had de Politie deze analyse uitgevoerd op het niveau van

politie-eenheden, maar de problemen met de registratie doen zich voor op het lagere niveau van Politie-basisteams.

7

Wat opvalt is dat: 1.

de trendbreuk die we waarnemen aan het begin van 2021 (zie hoofdstuk 2) volgt na de invoering van het nieuwe kwaliteitscontrolesysteem bij de Politie in de loop van 2020;

2.

de gemeenten waar we een duidelijke stijging in het aantal slachtofferongevallen zien (Den Haag en Enschede; zie Figuur 2.1), deel uitmaken van politie-eenheden waar de foutmarge betreffende het toekennen van de rol “gewond” of “gewond ziekenhuis” klein en vrij stabiel is;

3.

de gemeenten waar we een duidelijke daling in het aantal slachtofferongevallen zien (Utrecht en Haarlemmermeer; zie Figuur 2.1), deel uitmaken van politieeenheden waar deze foutmarge flink is toegenomen tot aanzienlijke proporties.

Hieruit maken we op dat de trends in slachtofferongevallen beïnvloed zijn door verschillen in de kwaliteit van ongevallenregistratie binnen de Politie. Onze verwachting is dat de stijging van het aantal slachtofferongevallen in Den Haag een betere weergave van de werkelijkheid is en de ongevallentrends van andere gemeenten sterker stijgend (of minder dalend) zullen zijn als de fout in het dataverwerkingsproces van D11-formulieren is aangepast.

3.2

Mobiliteitstrends

Uit de interviews komt naar voren dat trends in verkeersongevallen zeer moeilijk te duiden zijn, omdat ze de resultante zijn van een veelvoud aan ontwikkelingen die elkaar deels kunnen opheffen of juist versterken en waarvan vaak geen (goede) data beschikbaar zijn. Desalniettemin worden trends in hoeveel en op welke manier mensen zich verplaatsen als een van de belangrijkste verklarende factoren gezien door de geïnterviewden. Om deze reden hebben we van de gemeenten die onder het vergrootglas lagen in deel 2 van dit onderzoek – Den Haag, Utrecht en Rotterdam – gegevens over mobiliteitstrends bestudeerd (Bijlage 1). We concluderen daaruit dat er in deze gemeenten geen dusdanig grote wijzigingen zijn in de mobiliteitsontwikkelingen dat ze een logische verklaring vormen voor de waargenomen trends in het aantal verkeersongevallen.

8

4.

Conclusies en aanbevelingen

Het doel van dit onderzoek was om de – in de STAR-verkeersongevallenstatistiek waargenomen – toename in het aantal geregistreerde slachtofferongevallen in Den Haag te duiden en de grote verschillen met andere gemeenten te verklaren. Onze hypothese was dat dusdanig verschillende trends veroorzaakt worden door 1) grootschalige veranderingen van het netwerk of mobiliteitsgedrag of 2) verschillen in registratiegraad. Op basis van ons onderzoek concluderen wij dat de verklaring met name in deze tweede factor ligt: regionale verschillen in de kwaliteit van ongevallenregistratie – specifiek het niet juist toekennen van de rol “gewond” of “gewond ziekenhuis” in zogenaamde D11 formulieren voor verkeersongevallen met letsel – bij de Politie leiden ertoe dan ongevallen met slachtoffers niet altijd als dusdanig in de STAR-verkeersongevallenstatistiek terecht komen. Op het moment van schrijven loopt er nog een onderzoek van VIA en Politie naar dit registratieprobleem. Dat onderzoek beoogt uiteindelijk inzicht te geven in welke mate de trends in het aantal slachtofferongevallen en slachtsoffers in verschillende gemeenten beïnvloed zijn. Op dit moment kunnen we in ieder geval vaststellen dat, naar alle waarschijnlijkheid, de toename in slachtofferongevallen in Den Haag ten opzichte van andere gemeenten daadwerkelijk minder zal zijn dan de STARverkeersongevallenstatistieken doen vermoeden.

Onze verwachting is dat de stijging van het aantal slachtofferongevallen in Den Haag een betere weergave van de werkelijkheid is en de ongevallentrends van andere gemeenten sterker stijgend (of minder dalend) zullen zijn als de fout in het dataverwerkingsproces van D11formulieren is aangepast. Om te achterhalen of er daadwerkelijk (grote) verschillen in verkeersongevallen met letsel is tussen gemeenten, los van effecten van de kwaliteit van registraties bij de Politie, raden wij een analyse op basis van Landelijke Basisregistratie Ziekenhuiszorg (LBZ) gegevens aan. De SWOV gebruikt LBZ-data als bron om het aantal verkeersgewonden en hun kenmerken te bepalen voor de jaarlijkse “Staat van de Verkeersveiligheid”-publicatie5 waarin landelijke ontwikkelingen in het aantal verkeersdoden en -gewonden gerapporteerd worden. LBZ biedt de mogelijkheid om de ontwikkeling in de tijd te volgen van het aantal ernstige verkeersgewonden (die opgenomen zijn in een ziekenhuis) per ziekenhuis. Een dergelijke analyse kan dus laten zien óf er verschillen bestaan in regionale ontwikkelingen in het aantal ernstige verkeersslachtoffers en hoe die ontwikkelingen zich verhouden tot de waargenomen regionale verschillen in de STAR-database. 5

Aarts et al. (2022) De Staat van de Verkeersveiligheid 2022: Trend in aantal verkeersdoden en -

gewonden daalt niet. R-2022-10, 24 pagina’s, SWOV: Den Haag.

9

Voor de Gemeente Den Haag specifiek is het interessant om te zien hoe de trend in het aantal ernstige verkeersslachtoffers volgens LBZ-gegevens van Haagse ziekenhuizen zich verhoudt tot de trend uit de STAR-database. Dat zal zicht geven op de vraag in hoeverre er daadwerkelijk sprake is van een toename in het aantal verkeersslachtoffers in Den Haag. Bij deze analyse raden we aan om trends te visualiseren per vervoerwijze en leeftijdsgroep. Met name een uitsplitsing naar vervoerwijze is interessant voor een vergelijk met de trends in de STAR-database, omdat in deze database ongevallen met een gekentekend voertuig goed vertegenwoordigd zijn (en ongevallen zonder gekentekend voertuig ondervertegenwoordigd zijn). Een analyse van regionale ontwikkelingen op basis van LBZ-data kent uiteraard ook zijn beperkingen. Zo heeft niet iedere stad of gemeente een eigen ziekenhuis en is het niet gezegd dat een ernstig gewonde bij een verkeersongeval in stad X ook naar een ziekenhuis in die stad vervoerd wordt. Hier zullen dus aannames bij gemaakt moeten. De mate waarin de data van een ziekenhuis of groep van ziekenhuizen een representatief beeld geven van de verkeersonveiligheid in de gemeente waarin ze liggen, zal per ziekenhuis verschillen en hangt samen met hoe groot het verzorgingsgebied van het ziekenhuis is.

Idealiter kun je een inschatting maken van welk aandeel van de in het ziekhuis opgenomen verkeersslachtoffers betrokken waren bij een verkeersongeval in de desbetreffende gemeente. Doordat Den Haag zo'n grote stad is met veel meer vervoerbewegingen dan de omliggende gemeenten, mag verwacht worden dat het beeld van de LBZ-data van de ziekenhuizen in Den Haag een goed beeld geeft van de verkeersonveiligheid in Den Haag.

10

Bijlage 1 Mobiliteitstrends Den Haag, Utrecht en Rotterdam B.1.1

Mobiliteitstrends in Den Haag

In Den Haag is het aantal afgelegde kilometers per dag per persoon met het OV (met name trein) afgenomen in de periode 2019-2022 en het gebruik van de fiets is lichtelijk toegenomen (Figuur B.1). Ook het autogebruik lijkt iets toegenomen te zijn. In zijn totaliteit is het aantal afgelegde kilometers per persoon per dag afgenomen.

Figuur B.1. Aantal afgelegde kilometers per actieve dag per persoon in Den Haag naar modaliteit op basis van het Nederlands Verplaatsingspanel (NVP). Bron Monitor Mobiliteit Den Haag door Dat.mobility.

11

B.1.2

Mobiliteitstrends in Utrecht

De Monitor Mobiliteitsplan 2022 (Gemeente Utrecht, 2022) beschrijft de modal shift in de gemeente Utrecht als volgt (zie Figuur B.2): “De fiets is de meest gebruikte vervoerwijze voor verplaatsingen binnen Utrecht. In 2020 werd voor 42% van de interne verplaatsingen gekozen voor de fiets. Dat is 6 procentpunt minder dan in 2018 en 2019. Er is een verschuiving te zien van fiets naar lopen. Het aandeel lopen is in 2020 toegenomen met 9 procentpunt naar 36%. De coronamaatregelen hebben hier waarschijnlijk aan bijgedragen. Het percentage openbaar vervoer is in 2020 niet betrouwbaar vanwege te weinig waarnemingen. Dit komt omdat het aantal openbaar vervoerverplaatsingen als gevolg van de coronamaatregelen sterk is afgenomen. 19% van de verplaatsingen binnen de gemeente werd gedaan met de auto. De dalende trend zette in 2020 niet door, zeer waarschijnlijk als gevolg van de coronamaatregelen”. De Monitor Mobiliteitsplan 2022 geeft geen informatie over de ontwikkeling in het totaal aantal verplaatsingen of afgelegde kilometers in de gemeente Utrecht, waardoor we hier geen concrete uitspraken over kunnen doen.

Figuur B.2. Aandeel verplaatsingen binnen gemeente Utrecht naar vervoerwijze. Bron data: CBS i.o.v. gemeente Utrecht. Tot en met 2017: OViN. 2018-2020: ODiN. Het betreft gemiddelde weekdagen. Bron figuur: Monitor Mobiliteitsplan 2022 (Gemeente Utrecht, 2022)

12

B.1.3

Mobiliteitstrends in Rotterdam

In Rotterdam zien we in de periode 2020-2022 schommelingen in het gebruik van auto, OV en fiets die samenhangen met de coronamaatregelen (Figuur B.3). Bij het OV was de daling begin 2020 sterk en is het gebruik weer langzaamaan toegenomen tot zo’n 80% van het gebruik in 2019. Het autogebruik daalde minder extreem begin 2020 en schommelde in 2022 tussen 80% en 100% van het gebruik in 2019. Het fietsgebruik kent grote schommelingen maar is in de loop van 2021-2022 gestegen tot boven het niveau van 2019.

Figuur B.3. Het auto-, fiets- en OV-gebruik in Rotterdam sinds het ingaan van de coronacrisis. Belangrijke ‘‘momenten’’ zijn met een verticale lijn ingetekend. Er wordt steeds een week in 2020, 2021 en 2022 met dezelfde week in 2019 vergeleken. Bron: persoonlijke communicatie met Remco Smit, Coördinator verkeersveiligheid Gemeente Rotterdam, op 3 februari 2023.

13