Document · PDF

04 CROW rapport Wat-is-het-effect-van-deelautos-op-autobezit

Raadsvergadering 18 november 2021, gemeente TilburgBij agendapunt: Raadsvoorstel Actualisatie parkeerbeleid8.695 woorden

Open het PDF bij de gemeente ↗Naar de vergadering →

Tekst van het document

Uit het bestand gehaald, zonder opmaak, tabellen en afbeeldingen

Wat is het effect van deelauto’s op autobezit? Onderzoek naar de invloed van de woonomgeving en het type deelautosysteem op de bereidheid om de privéauto weg te doen

CROW-KpVV CROW-KpVV ontwikkelt, verspreidt en borgt collectieve kennis voor de decentrale overheden op het gebied van mobiliteit. Het gaat om kennis die fundamenteel ondersteunt bij de beleidsontwikkeling en -uitvoering.

Over CROW CROW bedenkt slimme en praktische oplossingen voor vraagstukken over infrastructuur, openbare ruimte, verkeer en vervoer in Nederland. Dat doen we samen met externe professionals die kennis met elkaar delen en toepasbaar maken voor de praktijk. CROW is een onafhankelijke kennisorganisatie zonder winstoogmerk die investeert in kennis voor nu en in de toekomst. Wij streven naar de beste oplossingen voor vraagstukken van beleid tot en met beheer in infrastructuur, openbare ruimte, verkeer en vervoer en werk en veiligheid. Bovendien zijn wij experts op het gebied van aanbesteden en contracteren.

Wat is het effect van deelauto’s op autobezit? Onderzoek naar de invloed van de woonomgeving en het type deelautosysteem op de bereidheid om de privéauto weg te doen

CROW Postbus 37, 6710 BA Ede Telefoon (0318) 69 53 00 E-mail klantenservice@crow.nl Website www.crow.nl April 2021

CROW en degenen die aan deze publicatie hebben meegewerkt, hebben de hierin opgenomen gegevens zorgvuldig verzameld naar de laatste stand van wetenschap en techniek. Desondanks kunnen er onjuistheden in deze publicatie voorkomen. Gebruikers aanvaarden het risico daarvan. CROW sluit, mede ten behoeve van degenen die aan deze publicatie hebben meegewerkt, iedere aansprakelijkheid uit voor schade die mocht voortvloeien uit het gebruik van de gegevens. De inhoud van deze publicatie valt onder bescherming van de auteurswet. De auteursrechten berusten bij CROW.

Inhoud

Inleiding

Onderzoeksopzet

Gegevensverzameling

Bepalende kenmerken

Modeltoepassing

Situatie gebaseerde scenario’s 6.1 Gehele steekproef 6.2 Bewoners huurwoningen met lagere inkomens

11 11 12

Conclusies

Referenties16 Bijlagen A Samenstelling klankbordgroep B Samenstelling huishoudens respondenten C Doelgroep gebaseerde scenario’s D Kenmerk gebaseerde scenario’s E Beschrijvende analyse

17 18 19 23 25

Inleiding

Door een toenemende vraag naar woningen in stedelijke gebieden is het belang van en de aandacht voor het invullen van de beschikbare ruimte in binnenstedelijk gelegen gebieden sterk toegenomen. De ambities op het vlak van bijvoorbeeld leefbaarheid en klimaatadaptatie zijn groot, evenals de claims die daaruit volgen voor de openbare ruimte. Een van deze qua ruimtelijk beslag belangrijke invullingen betreft het parkeren van de auto in de nabijheid van de woning. Bij nieuwe woonontwikkelingen wordt het aantal aan te leggen parkeerplaatsen bepaald aan de hand van lokale parkeernormen, die meestal zijn afgeleid van de door CROW gepubliceerde kencijfers parkeren (publicatie 381, 2018).

Het vervolg van het rapport bestaat uit de volgende onderdelen. Allereest wordt de opzet van het onderzoek beschreven. Vervolgens worden enkele zaken rond de gegevensverzameling besproken. Daarna volgt een beschrijving van enkele achtergrondgegevens en ervaringen van de respondenten. De bevindingen rond de invloeden van de geselecteerde kenmerken van de omgeving en van het deelautosysteem worden in het daarop volgende hoofdstuk beschreven. De gevonden resultaten worden gebruikt bij het uitwerken van enkele scenario’s. Het rapport eindigt met de conclusies en aanbevelingen.

Vanwege de toegenomen ruimteclaim voor woningbouw, zijn ontwikkelaars en gemeenten gezamenlijk op zoek gegaan naar maatregelen die de parkeerbehoefte en daarmee de vraag naar parkeerplaatsen zouden kunnen verminderen. Een van deze maatregelen betreft de inzet van (elektrische) deelvoertuigen. Op dit moment is er nog weinig bekend over de gevolgen van de inzet van deelauto’s (of andere vormen van deelvervoer) op de vraag naar parkeerplaatsen in de woonomgeving. De beschikbare informatie over het effect van de inzet van een deelauto op het autobezit loopt nogal uiteen van ongeveer 20 procent tot ongeveer 50 procent minder auto’s (Zie bijlage VII voor enkele onderliggende studies). De gevonden percentages hebben meestal betrekking op bestaande gebruikers van deelautosystemen. Centrale vraag van CROW is: ‘In welke mate kan met de inzet van deelmobiliteit het aantal parkeerplaatsen in woongebieden naar beneden worden bijgesteld?’. Het onderzoek dat in dit rapport wordt beschreven heeft als doel meer inzicht te verschaffen in de invloed van specifieke kenmerken van de woonomgeving en van kenmerken van het deelautosysteem op de beslissing van mensen om bij een verhuizing naar een binnenstedelijke woonomgeving een auto weg te doen of geen auto aan te schaffen.

Bij de uitvoering van het onderzoek is er vanuit de Technische Universiteit Eindhoven samengewerkt met het adviesbureau Empaction en CROW (opdrachtgever). Daarnaast is op enkele strategische momenten een beroep gedaan op een klankbordgroep (voor deelnemers zie bijlage A).

DISCLAIMER Iedereen die bezig is met binnenstedelijke nieuwbouwplannen is vooral geïnteresseerd in de hiernaast geformuleerde vraag van CROW: wat is het effect van de inzet van een deelauto op het benodigde aantal parkeerplaatsen bij nieuwbouw? Die vraag wordt in dit rapport niet direct beantwoord. Het onderzoek heeft vooral inzicht gegeven over het potentiële effect van verschillende omstandigheden op het autobezit. Daarnaast bevat de dataset informatie over de verschillen daarin per doelgroep. Met dat inzicht kunnen ontwikkelaar en gemeente een beter gesprek voeren. Echter, er is nog geen generiek algoritme dat nauwkeurig het benodigde aantal parkeerplaatsen en deel voertuigen kan berekenen.

Onderzoeksopzet

Om de invloed van de specifieke woonomgeving- en van deelautosysteem-gerelateerde kenmerken op de bereidheid van mensen om een auto weg te doen of om geen auto aan te schaffen te kunnen bestuderen is een denkbeeldig keuze-experiment opgezet. Een dergelijk experiment kent een aantal voordelen (Hensher, Rose & Greene, 2015), waaronder: Geselecteerde kenmerken kunnen onafhankelijk van elkaar worden bestudeerd; Nog niet bestaande situaties en kenmerkwaarden kunnen worden opgenomen in het experiment; Eén respondent kan meerdere situaties beoordelen.

Op basis van eerdere ervaringen en input vanuit de deelnemers van de klankbordgroep zijn vier woon omgevingskenmerken geselecteerd (Tabel 2-1). De woonomgevingskenmerken betreffen enerzijds de nabijheid van alternatief vervoer, zijnde de nabijheid van een OV-knooppunt, uitgedrukt in fietstijd, en de aanwezigheid van een hoogwaardig fietsinfrastructuur en anderzijds kenmerken betreffende de geldende parkeersituatie rondom de woning (kosten van een parkeervergunning en parkeerdrukte, uitgedrukt in gemiddelde loopafstand naar geparkeerde privé auto). Daarnaast zijn er ook vier deelauto systeemkenmerken geselecteerd, te weten: beschikbaarheid, kosten ten opzichte van het bezit van een eigen auto,

loopafstand tot deelvervoer en diversiteit van het aanbod aan deelvervoer. Toelichting: Fietstijd naar hoogwaardig Openbaar Vervoer loopt van 1 minuut (ook nog te lopen) naar maximaal 20 minuten. Dit maximum is afgestemd op de begrenzing van het stedelijke gebied waarop het onderzoek zich primair richt. Loopafstand naar de geparkeerde privé auto heeft feitelijk de waarden: voor de deur (0 m), in de straat (100 m) of in de wijk (300 m). Bij de kosten van het parkeren van de eigen auto ontbreekt de waarde 0 euro. Oftewel, er is in dit onderzoek uitgegaan van het feit dat er altijd sprake is van gereguleerd parkeren. Dit is vooral ingegeven door de focus op het stedelijke gebied. De beschikbaarheidsgarantie kent relatief hoge waarden (90% en hoger). De kosten van de deelmobiliteit zijn gerelateerd aan de kosten verbonden aan het bezit van een eigen auto en zijn gelijk of goedkoper. Deze keuze is gemaakt omdat de keuze voor deelmobiliteit geen reële optie is voor mensen die de auto dagelijks gebruiken. Daarnaast is uitgegaan van het feit dat hoe minder het auto gebruik, des te groter het te behalen financiële voordeel zal zijn.

Tabel 2-1. O verzicht van geselecteerde kenmerken en kenmerkwaarden

Kenmerkgroepen

Kenmerken

Kenmerkwaarden

Woonomgeving

Fietstijd naar hoogwaardig openbaar vervoer

1 minuut 10 minuten 20 minuten

Aanwezigheid hoogwaardig fietsnetwerk

Ja Nee

Loopafstand naar parkeren eigen auto

0 meter 100 meter 300 meter

Kosten parkeren eigen auto in de woonomgeving

10 euro per maand 40 euro per maand 100 euro per maand

Beschikbaarheidsgarantie

90 procent 95 procent 100 procent

Kosten ten opzichte van de eigen auto

Gelijk 20 procent goedkoper 40 procent goedkoper

Looptijd naar de deelauto

1 minuut 5 minuten 15 minuten

Aanbod aan deelmobiliteit

Eén autotype Verschillende autotypen Verschillende autotypen + Scooter/(bak)fiets

Aanbod deelmobiliteit

Hoofdstuk 2 – Onderzoeksopzet

Belangrijk is te constateren dat de range van de kernmerkwaarden bepalend zijn voor de situaties die onderzocht zijn. Zo is, bijvoorbeeld, alleen gekeken naar situaties waarbij de fietstijd naar het station maximaal 20 minuten bedraagt en waar altijd sprake is van parkeerregulering. De verschillende situaties zijn willekeurig in setjes van 2 situaties geplaatst (zie voorbeeld Figuur 2-2). De setjes zijn opgenomen in een digitale enquête, waarbij elk setje is aangevuld met een antwoordcategorie ‘Geen van beiden’. Vervolgens is de respondenten gevraagd drie verschillende setjes van twee situaties te beoordelen en aan te geven bij welke situatie de kans het grootst is dat een auto wordt weggedaan of geen (extra) auto wordt aangeschaft.

Figuur 2-2. Voorbeeld van een denkbeeldige keuze situatie

Wat is het effect van deelauto’s op autobezit?

Gegevensverzameling

De uitnodigingen voor de digitale enquête zijn verspreid via verschillende media (websites, Twitter, Facebook, LinkedIn) en nieuwsbrieven. Participanten waren, onder andere: Neprom (www.bewustnieuwbouw.nl/bent-u-bereiduw-eigen-auto-te-verruilen-voor-een-deelauto/), reizigersorganisatie Rover, woningcoöperatie Woonbond, vereniging Eigen Huis, GNMI-Contactgroep Parkeren en Zuid-Limburg Bereikbaar; Kranten (Tubantia, Eindhovens Dagblad); Gemeenten, o.a. Ede, Enschede (zie figuur 2.4), Alkmaar, Eindhoven, Tilburg, Den Haag en Utrecht.

Onderzoek naar autobezit en deelmobiliteit paar minuten van uw tijd. Klik hier om deel te nemen aan de enquête. Over het onderzoek De komende tien jaar moeten er in Nederland bijna één miljoen woningen bijkomen. De behoefte aan woningen is gigantisch en de ruimte beperkt. In verschillende steden is men al aan het testen of met de inzet van deelauto’s het aantal parkeerplekken teruggebracht kan worden. Daardoor komt er meer ruimte voor woningen en andere belangrijke dingen, zoals groen of ruimte voor spelende kinderen. 04 november 2020 In opdracht van CROW en in samenwerking met de Eindhoven University of Technology onderzoekt Empaction wat het effect is van deelauto's (en/of -scooters) op het autobezit. Dat doen zij aan de hand van een enquête. Helpt u mee door deze enquête in te vullen? Het kost u slechts een

Ook voor Enschede is het belangrijk om te weten wanneer bewoners bereid zijn hun eigen auto weg te doen. Wat is daarvoor nodig? Niet iedereen zal afstand willen doen van zijn of haar eigen auto. Ook deze groep roepen we op om de enquête in te vullen. Alleen zo krijgen we een goed beeld wat de invloed is van een hoogwaardig aanbod aan deelmobiliteit. En dat is nodig om juiste keuzes te maken als het gaat om mobiliteit en bereikbaarheid.

Figuur 3-1. Voorbeeld van uitnodiging (gemeente Enschede)

Hoofdstuk 3 – Gegevensverzameling

In totaal hebben 2.473 respondenten de enquête volledig ingevuld. In de onderstaande figuur (Figuur 3-2) zijn alle uit Nederland afkomstige respondenten (2.436) weergegeven naar woonlocatie (4-cijferige postcode gebieden). Een aantal respondenten (37) komt uit de Belgische grensstreek bij Zuid-Limburg.

Tabel 3-3 geeft enkele details weer van de steekproef. Uit een vergelijking met de gegevens van het CBS (opendata.cbs.nl) blijkt dat de steekproef een acceptabele representatie is van de Nederlandse bevolking met slechts enkele afwijkingen. In verhouding tot het Nederlandse beeld bestaat de steekproef uit meer oudere en hoog opgeleide respondenten. Dit was te verwachten omdat personen met deze kenmerken meer geneigd zijn om te reageren op (digitale) vragenlijsten. Gelet op de aantallen is het niet te verwachten dat deze verhouding invloed heeft op het vervolg van de analyses.

Figuur 3-2. Verdeling van respondenten over 4-cijferige postcodes in Nederland (N=2.473)

Tabel 3-3. Persoonskenmerken van de respondenten

Kenmerken

Kenmerkwaarden

Frequentie

Percentage

CBS*

Geslacht

Man Vrouw Anders

1.394 1.073 6

56,4 43,4 0,2

49,3 50,7 0

Leeftijd

30 jaar of jonger 31 tot en met 40 jaar 41 tot en met 50 jaar 51 tot en met 60 jaar 61 tot en met 70 jaar Ouder dan 70 jaar

256 390 486 681 489 171

10,3 15,8 19,7 27,5 19,8 6,9

16,4 15,8 16,2 18,6 15,5 17,4

Opleiding

Middelbaar algemeen voortgezet onderwijs Middelbaar beroepsonderwijs Hoger algemeen en voorbereidend wo Hoger beroepsonderwijs Wetenschappelijk onderwijs

186 433 216 942 696

7,4 17,5 8,7 38,1 28,1

20,6 21,7 23,1 20,8 13,7

Dagelijkse activiteit

Niet werkzaam/Student/gepensioneerd Parttime werkend Fulltime werkend

511 630 1.332

20,6 25,5 53,9

34,2 32,3 33,5

* Op basis van totale bevolking vanaf 20 jaar

Wat is het effect van deelauto’s op autobezit?

Bepalende kenmerken

In tabel 2-1 zijn de acht kenmerken beschreven die zijn meegenomen in dit onderzoek. Kort gezegd gaan die over de beschikbaarheid van alternatieve vervoersmiddelen voor de eigen auto, te weten: Openbaar vervoer (uitgedrukt in de (fiets)afstand tot een OV-knooppunt); Fiets (aanwezigheid van een hoogwaardige fietsinfrastructuur, incl. stallen); Hoogwaardig van het aanbod aan deelmobiliteit, uitgesplitst in drie kenmerken; Betaalbaarheid van deelmobiliteit.

Daarnaast gaan twee kenmerken over de mate van azijn voor de eigen auto (prijs van een vergunning/abonnement en parkeerdrukte, uitgedrukt in loopafstand naar de eigen auto). Dankzij de gekozen onderzoeksmethode kan goed vastgesteld worden welke kenmerken het meest bijdragen aan (of afbreuk doen aan) de bereidheid om te verhuizen naar een binnenstedelijke omgeving zonder eigen auto mee te nemen. Het blijkt dat over de gehele steekproef bekeken de kenmerken kosten van de deelauto ten opzichte van de privé auto, looptijd naar de deelauto en Fietstijd tot hoogwaardig openbaar vervoer de drie meest bepalende kenmerken zijn. Daarnaast is de aanwezigheid van een hoogwaardig fietsnetwerk een goede vierde.

De meeste gevonden verbanden zijn conform verwachtingen. Toch is over een aantal kenmerken nog wel wat op te merken. Bijvoorbeeld: Kostenbesparing is een belangrijke drijfveer om bij een verhuismoment de eigen auto weg te doen (of er geen aan te schaffen). In de praktijk is een substantiële kostenbesparing, zeker bij niet-dagelijks gebruik van de eigen auto (60% van de respondenten), redelijk eenvoudig te bereiken. Daarbij wel de kanttekening dat in de regel mensen de werkelijke kosten van een eigen auto onderschatten. Het onderzoek laat zien dat het effect van het tarief voor de parkeervergunning slechts een gering effect heeft op de keuze wel of niet de eigen auto weg te doen (of er geen aan te schaffen). Daarbij dient opgemerkt te worden dat niet onderzocht is wat het verschil is tussen wel of geen parkeerregulering. De invloed van beschikbaarheid van een deelvoertuig (nooit misgrijpen) is lager dan in eerste instantie verwacht. Daarbij dient wel de kanttekening te worden gemaakt dat gekozen is voor een minimale beschikbaarheid van 90%. Dit onderzoek laat zien dat het verschil tussen 90% en 100% beschikbaarheid minder doorslaggevend is dan andere kenmerken van het aanbod deelmobiliteit, zoals kosten en loopafstand. Een vergelijkbaar iets geldt waarschijnlijk ook voor de hoogwaardigheid van de fietsinfrastructuur. Die is namelijk in Nederland eigenlijk nergens echt slecht.

0,35 0,30 0,25 0,20 0,15 0,10 0,05 0 Fietstijd HOV

Aanwezigheid HFN (ja)

Loopafstand parkeren

Kosten parkeren

Kosten deelauto

Beschikbaarheid deelauto

Looptijd deelauto

Aanbod deelservice

Figuur 4-1. Overzicht van de gestandaardiseerde gewichten (absoluut)

Hoofdstuk 4 – Bepalende kenmerken

Modeltoepassing

Met de gevonden deeleffecten kan worden berekend wat de kansen zijn op het wegdoen van de auto / geen auto aanschaffen voor de gehele steekproef. Hierbij is het mogelijk om meerdere situaties door te rekenen. In de onderstaande figuur zijn de kansen weergeven voor de optimale, gemiddelde en minimale situatie. Bij het definiëren van optimaal en minimaal is uitgegaan van de minimale en maximale grenzen van kenmerkwaarden zoals, die zijn opgenomen in de vragenlijst (Tabel 5.1).

percentages dat daar niet toe bereid is, oftewel altijd 100% minus de waarde van de blauwe kolom. Deze grafiek laat zien dat over de hele populatie in de optimale situatie de kans van het wegdoen van de auto bij verhuizing naar een binnenstedelijke omgeving ongeveer 70% bedraagt. Dit hoge percentage vermindert snel als de situatie minder wordt: via 37% (gemiddelde situatie) naar 12% (minimale situatie).

Tabel 5-1. Omschrijving van de optimale, gemiddelde en minimale situatie

Kenmerk

Optimale waarden

Gemiddelde waarden

Minimale waarden

Fietstijd naar hoogwaardig OV Aanwezigheid hoogwaardig fietsnetwerk Loopafstand parkeren eigen auto Kosten parkeren eigen auto

1 minuut Ja 300 meter 100 euro

9,5 minuten Ja/nee 150 meter 55 euro

20 minuten Nee 0 meter 10 euro

Beschikbaarheidsgarantie Kosten t.o.v de eigen auto Looptijd naar de deelauto Aanbod deelmobiliteit

100% 40% goedkoper 1 minuut Verschillende types Plus

95% 20% goedkoper 8 minuten Eén type

90% Gelijk 15 minuten Verschillende types

Opmerking: De optimale en minimale waarden zijn gebaseerd op de waardering van de kernmerkwaarden door de respondenten en wijken daarop op onderdelen af van het logisch te verwachten patroon. Dit betreft dan altijd kenmerken die van weinig invloed blijken te zijn. In onderstaande grafiek geeft de blauwe kolom steeds het percentage weer van de respondenten dat bereid is bij een verhuizing naar een binnenstedelijk omgeving de auto weg te doen/geen auto aan te schaffen. De oranje kolom is het

100 90 80 70 60 50 40 30 20 10 Ja

0 Optimaal

Gemiddeld

Nee

Minimaal

Figuur 5-2. Effecten van verschillende situatie gebaseerde scenario’s (N=2.473)

Wat is het effect van deelauto’s op autobezit?

Situatie gebaseerde scenario’s

Met de opgenomen kenmerken en kenmerkwaarden kunnen verschillende situatie gebaseerde scenario’s worden gemaakt met minimale en maximale instellingen. Bij het samenstellen van de scenario’s passen we steeds een tweedeling toe en daarbij zijn de volgende niveaus aangehouden. Nabijheid van alternatief vervoer (OV en Fiets): Goed: fietstijd naar station tussen de 1 minuut en 10 minuten én hoogwaardig fietsnetwerk aanwezig, Minder goed: fietstijd naar station tussen de 10 minuten en 20 minuten én hoogwaardig fietsnetwerk is niet aanwezig.

Parkeersituatie op locatie (eigen auto): Beperkend: Kosten per maand 100 euro en loopafstand naar auto 300 meter, Weinig beperkend: kosten per maand 10 euro en loopafstand naar auto 0 meter.

Hoogwaardig aanbod aan deelmobiliteit: Beschikbaarheid: minimaal 95%, Kostenreductie: minimaal 20%, Loopafstand naar deelvoertuig: maximaal 5 minuten, Aanbod deelmobiliteit: meerdere autotypes (minimaal) en meerdere autotypes plus extra vervoersmiddelen (maximaal).

Basis aanbod aan deelmobiliteit: Beschikbaarheid: maximaal 95%, Kostenreductie: maximaal 20%, Loopafstand naar deelvoertuig: minstens 5 minuten, Aanbod deelmobiliteit: een autotype of verschillende autotypes.

6.1

Gehele steekproef

Met de genoemde niveaus zijn in totaal 16 scenario’s gegenereerd. De onderstaande tabel 6.1 geeft per scenario aan welk percentage van de bewoners bereid is (tussen minimum en maximum percentages) om de auto weg te doen / om geen auto aan te schaffen. De meest kansrijke situaties zijn te vinden bij een goede nabijheid van alternatief vervoer en een hoogwaardig aanbod van deelmobiliteit. De invloed van de parkeersituatie op locaties is beperkt.

Hoofdstuk 6 – Situatie gebaseerde scenario’s

Tabel 6-1. Minimale en maximale percentages voor wegdoen auto / geen auto aanschaffen (gehele steekproef)

Nabijheid alternatief vervoer Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed

Minder goed

Min %

Max %

Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

Toelichting: In deze tabel staat bijvoorbeeld dat bij een beperkende parkeersituatie op locatie (dus parkeren van eigen auto is duur en niet gemakkelijk) en bij een hoogwaardig aanbod aan deelmobiliteit met in de directe omgeving een goed aanbod van alternatief vervoer (OV en fiets) het percentage van de mensen dat bereid is bij verhuizing naar zo’n omgeving de auto weg te doen (of er geen aan te schaffen) ligt tussen de 48% en 60%. Aan de andere kant van het spectrum (een weinig beperkende parkeersituatie, een basis aanbod aan deelmobiliteit en minder alternatief vervoer in de directe nabijheid) daalt de bereidheid om geen auto mee te brengen naar tussen de 18% en 29%. De percentages in deze tabel zijn net iets minder extreem dan de maximale en minimale percentages die in de eerdere hoofdstukken zijn gerapporteerd. Dit komt omdat in de gehanteerde definities van wat goed en minder goed (nabijheid alternatief vervoer), hoog of basis (aanbod deelmobiliteit) en al dan niet beperkend (parkeersituatie op locatie) verschillende waarden van kenmerken zijn samengenomen, waarbij in de optimale situatie alleen is uitgegaan van de beste waarden. In deze tabel komen de volgende effecten naar voren: Het effect van de parkeersituatie op locatie heeft een gering effect op de bereidheid van mensen om de auto weg te doen / geen auto aan te schaffen(zo’n 2% punten).

Nabijheid alternatief vervoer Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed

Minder goed

Min %

Max %

Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

Het effect van het aanbod deelmobiliteit heeft een groot effect (ongeveer 20% punten). Nabijheid alternatief vervoer

Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed

Minder goed

Min %

Max %

Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

Het effect van de nabijheid van alternatief vervoer (OV/ fiets) is ook redelijk groot (zo’n 12% punten). Nabijheid alternatief vervoer

Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed Min %

Max %

Minder goed Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

6.2 Bewoners huurwoningen met lagere inkomens Ter illustratie zijn dezelfde berekeningen ook uitgevoerd voor een specifieke doelgroep. Te weten bewoners van huurwoningen met een lager inkomen (zeg maar: ‘sociale huur’).Onderstaande Tabel 6.2 geeft per scenario aan welk percentage van deze doelgroep bereid is om bij een verhuizing naar een binnenstedelijke omgeving de auto weg te doen / om geen auto aan te schaffen. Tabel 6-2. Minimale en maximale percentages voor wegdoen auto / geen auto aanschaffen (steekproef: bewoners huurwoningen met lagere inkomens, N=313)

Nabijheid alternatief vervoer Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed Min %

Max %

Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

Minder goed

Wat is het effect van deelauto’s op autobezit?

In het algemeen zijn de getoonde percentages lager dan in de tabel voor de gehele steekproef. Bewoners van huurwoningen met een lager inkomen zijn bij een verhuismoment iets minder bereid de privé auto weg te doen / geen auto aan te schaffen. Relatief gezien is de verdeling over de scenario’s vergelijkbaar met die van de gehele steekproef. Wel kan geconstateerd worden dat het verval bij de maximale varianten groter is dan bij de minimale. Hetzelfde geldt bij de hoge versus de basis (aanbod). Het verschil qua parkeersituatie (beperkend versus weinig beperkend) heeft op de bereidheid om de auto weg te doen/geen aan te schaffen op deze doelgroep een verwaarloosbaar effect. Ook hier valt de grootste winst (~47%) te behalen bij een goede nabijheid van alternatief vervoer (OV en fiets) en een hoogwaardig en betaalbaar aanbod aan deelmobiliteit. Dit maximum ligt wel ongeveer 13% punten lager dan bij de hele populatie.

Conclusies

Er is de afgelopen jaren al veel onderzoek geweest naar het effect van de opkomst van deelmobiliteit. Veel van die onderzoeken richten zich op het effect op het autogebruik, bijvoorbeeld om zo inzicht te krijgen in het effect van deelmobiliteit op files en op de parkeervraag bij de bestemming. Langzaam maar zeker wordt de focus ook meer gelegd op het effect van deelmobiliteit op het autobezit (en dus op de parkeervraag bij herkomst). Aanleiding daarvoor is onder andere de binnenstedelijke verdichtingsopgave, waarbij vaak de ruimte ontbreekt om volledig te kunnen voorzien in de parkeerbehoefte. Als hoeder van de parkeerkencijfers wil CROW meer inzicht in het kwantitatieve effect van de inzet van deelauto’s op het autobezit bij nieuwe ontwikkelingen. De primaire vraag daarbij is: ‘Wat is het effect van een deelauto bij een (nieuw) wooncomplex op het autobezit?’ In dit onderzoek is die vraag breder getrokken, namelijk: ‘Onder welke omstandigheden zijn (toekomstige) bewoners van binnenstedelijke gebieden bereid de privé auto weg te doen of er geen aan te schaffen? De omstandigheden waaronder de bewoners dienen te reageren kunnen behoorlijk verschillend zijn. In samenspraak met de klankbordgroep zijn de volgende kenmerken meegenomen met de bijbehorende set van kenmerkwaarden.

Kenmerken De belangrijkste onderscheidende kenmerken zijn: - Loopafstand tot de deelauto, - Kosten van de deelauto (ten opzichte van eigen auto), - Nabijheid van een OV-knooppunt (uitgedrukt in fietstijd), - Aanwezigheid van een hoogwaardig fietsnetwerk. De eerste twee zijn onderdeel van het aanbod aan deelmobiliteit en de andere twee zijn omgevingskenmerken. Opvallend is dat de rol van het al dan niet faciliteren van de eigen auto (azijn-maatregelen) beperkt is. Een hoge prijs voor het parkeren van de eigen auto heeft een gering positief effect op het wegdoen van de auto (of niet aanschaffen). Daartegenover staat dat geen parkeerplaats dichtbij huis juist een licht negatief effect heeft. Dit laatste effect is nog moeilijk te duiden. De zekerheid over de beschikbaarheid van een deelauto heeft op basis van dit onderzoek ook een beperkt effect. Mogelijk dat dit wordt veroorzaakt door de keuze van de mogelijke waarden. In worst case was de beschikbaarheid 90%, wat respondenten mogelijk al hoog vinden. Dit percentage ophogen tot 100% heeft slechts een licht positief effect.

Kenmerkgroepen

Kenmerken

Kenmerkwaarden

Woonomgeving

Fietstijd naar hoogwaardig openbaar vervoer

1 / 10 / 20 minuten

Aanwezigheid hoogwaardig fietsnetwerk

Ja / Nee

Loopafstand naar parkeren eigen auto

0 / 100 / 300 meter

Kosten parkeren eigen auto in de woonomgeving

€10 / €40 / €100 per maand

Aanbod deelmobiliteit Beschikbaarheidsgarantie

90% / 95% / 100%

Kosten ten opzichte van de eigen auto

Gelijk of 20% / 40% goedkoper

Looptijd naar de deelauto

1 / 5 / 15 minuten

Aanbod aan deelmobiliteit

Eén autotype / Verschillende autotypen / Verschillende autotypen + Scooter/(bak)fiets

Uiteindelijk zijn de respondenten in de enquête drie keer geconfronteerd met twee situaties, waarbij hen steeds de vraag gesteld werd welke van die twee situaties hen het meest verleidt om de auto weg te doen/geen auto aan te schaffen. Met de aldus verkregen dataset is vooral te achterhalen welk percentage van een specifieke doelgroep onder specifieke omstandigheden bereid is bij een verhuismoment naar een binnenstedelijke omgeving de auto weg te doen (of niet aan te schaffen). In dit rapport is een aantal doorsnedes gemaakt aan de hand waarvan enkele conclusies kunnen worden getrokken.

Hoofdstuk 7 – Conclusies

Tevens is te zien dat ten opzichte van één type deelauto er een positief effect is van een breed aanbod, bestaande uit meerdere types auto’s en andere deelvoertuigen (scooters, fietsen, et cetera). Alleen meerdere types auto’s aanbieden doet beduidend minder.

Op basis van deze resultaten zijn er een drietal basis situaties gedefinieerd: een optimale, een minimale en een gemiddelde situatie (zie Tabel 5.1). Het verschil in effect op de bereidheid van respondenten (hele populatie) om de auto weg te doen / niet aan te schaffen tussen deze scenario’s is groot (tussen 70% en 12%): %

100 90 80

ook niet van plan waren er een aan te schaffen. Hun resultaten zijn buiten de gegevensverzameling gelaten. In totaal is de input van 2.473 respondenten meegenomen in het onderzoek. Ten opzichte van de gemiddelde samenstelling van de bevolking bevinden zich in de steelproef verhoudingsgewijs meer oudere mannen, hoger opgeleid, wonend in een koophuis en met een fulltime baan. Deze constatering is gebruikelijk bij dit type onderzoeken. Uiteindelijk is een dataset ontstaan waarmee veel verschillende doorsneden kunnen worden gemaakt en die divers genoeg is om verantwoorde conclusies te kunnen trekken.

Scenario’s Door enkele kenmerkwaarden samen te nemen is een aanzet gegeven om tot een meer overzichtelijk geheel te komen van percentages van mensen die bereid zijn onder de gegeven omstandigheden hun auto weg te doen, dan wel er geen aan te schaffen. De getoonde tabel geldt voor de gehele steekproef.

60 50 40 30 20 10 Ja

0 Optimaal

Gemiddeld

Nee

Toelichting: In deze grafiek geeft de blauwe kolom het percentage weer van de respondenten dat bereid is de auto weg te doen (of er geen aan te schaffen). De oranje kolom zijn de mensen die wel een auto zullen meenemen. Blauw en oranje zijn samen dus altijd 100%. Steekproef Eerder is al geconstateerd dat verhuizen een life event is waarop mensen opnieuw nadenken over mobiliteit (Verhoeven, 2010). Het CBS constateert dat van auto bezitters die in 2017 verhuisden 8,1% de auto wegdeed. Ter referentie: bij mensen die niet verhuisden was dat percentage 4,2%. De discussie over een lager autobezit doet zich vooral binnenstedelijk voor, waar ruimte een zeer schaars goed is en de ambities met betrekking tot de openbare ruimte hoog zijn. Vandaar dat in dit onderzoek deelnemers zich vooral moesten focussen op verhuizen naar een binnenstedelijke omgeving. Deze focus heeft overigens geen effect gehad op de selectie van de respondenten. Zij kwamen vanuit alle soorten omgevingen. De online enquête is zo breed mogelijk weggezet. Via algemene gemeentelijke sites, LinkedIn of facebookpagina’s, via specifieke panels, brancheorganisaties, krantenpublicaties, et cetera. Alle respondenten waren welkom, uitgezonderd respondenten uit huishoudens waar niemand een rijbewijs heeft en uit huishoudens die geen auto hebben en

Nabijheid alternatief vervoer

Minimaal

Wat is het effect van deelauto’s op autobezit?

Parkeersituatie op locatie

Aanbod deelmobiliteit

Goed Min %

Max %

Minder goed Min %

Max %

Beperkend

Hoog

Basis

Weinig beperkend Hoog

Basis

Uit deze tabel is op te maken dat op basis van de gekozen kenmerkwaarden de effecten van verschillende factoren behoorlijk verschillend zijn: Het verschil tussen een beperkend parkeersituatie op locatie of een weinig beperkende situatie (parkeerkosten en parkeerdruk op basis van loopafstand) bedraagt minder dan 2%. Hierbij de kanttekening dat er in alle gevallen sprake is van gereguleerd parkeren. De situatie ‘gratis parkeren’ is niet meegenomen, omdat die in een binnenstedelijke context niet erg reëel (meer) is. Het verschil tussen een hoogwaardig en betaalbaar aanbod aan deelmobiliteit en een basisaanbod ligt tussen de 17% en 20% en is daarmee substantieel. Het verschil tussen goede alternatieven (OV-knooppunt bij de hand en een goed fietsnetwerk) en een minder goed alternatief ligt rond de 12%.

Al met al is de belangrijkste conclusie dat bij een optimale situatie een hoog percentage (gemiddeld 70%) van de doelgroep bereid is te verhuizen naar een dergelijke omgeving zonder een eigen auto mee te nemen. En die optimale situatie is eigenlijk dat alle alternatieven goed op orde zijn. En

alle alternatieven zijn niet alleen de trein en de fiets/scooter, maar juist ook de deelauto. En het is juist deze laatste categorie (aanbod deelmobiliteit) die het meeste verschil maakt. Het aanbod deelmobiliteit moet hoogwaardig zijn én betaalbaar. En hoogwaardig in deze betekent onder andere dichtbij, hoge mate van beschikbaarheid en diver siteit in deelvoertuigen. Deze hoogwaardigheid bieden in combinatie met betaalbaarheid is bij veel ontwikkelingen een niet-eenvoudige opgave, die mogelijk alleen kan worden ingevuld als gemeente, ontwikkelaar(s) en aan bieders van deelmobiliteit de handen ineen slaan,. Het onderzoek laat ook zien dat de hoge percentages bereidheid om geen eigen auto mee te nemen smelten als sneeuw voor de zon als de condities minder worden. Alleen enkele deelauto’s bij een wooncomplex aanbieden is nadrukkelijk niet genoeg en zal daarom maar beperkt effect hebben op het autobezit. Overige constateringen Naast alle bovenstaande percentages zijn er nog meer resultaten het benoemen waard, zoals: Op de vraag: Hoe groot schat u de kans in dat u zelf binnen nu en een jaar gebruik gaat maken van een deelauto (als bestuurder of passagier)? antwoordt 83% klein tot zeer klein. Bij een optimaal aanbod aan deelmobiliteit is de bereidheid om de auto weg te doen / niet aan te schaffen onder hoog opgeleiden 25% hoger dan anders opgeleiden (77% versus 52%).

Bij een minimaal aanbod deelmobiliteit met mindere omstandigheden is het verschil nihil (12% versus 13%). Bij een hoogwaardig aanbod aan deelmobiliteit is de bereidheid om de auto weg te doen / niet aan te schaffen onder mensen met ervaring met deelmobiliteit zo’n 17% hoger dan mensen die geen ervaring hebben met deelmobiliteit. Initiatieven waarbij mensen laagdrempelig de gelegenheid krijgen om ervaring op te doen met deel auto’s zijn in deze zin dus nuttig.

Vervolg Het onderzoek heeft een zeer uitgebreide dataset opgeleverd die in principe gebruikt kan worden voor het verder verdiepen van de resultaten. Dat kan relevant zijn, omdat geen enkele ontwikkeling zich richt op de gehele bevolking. In het rapport valt te lezen dat specifieke kenmerken soms tot behoorlijke verschillen kunnen leiden. Bijvoorbeeld: onder gunstige omstandigheden is de bereidheid op een auto weg te doen of er geen aan te schaffen onder hoogopgeleiden zo’n 25% punten hoger dan bij minder hoog opgeleiden. En ook is aangetoond dat ervaring hebben met deelmobiliteit tot meer dan 10%

Hoofdstuk 7 – Conclusies

punten toename leidt van deze groep. Serieuze verschillen, dus. Het is aannemelijk dat de dataset meer relevante inzichten bevat dan dat we in deze eerste fase naar boven hebben gehaald. Het is voor een eventueel vervolgonderzoek wenselijk om enerzijds nog meer doorsnedes te maken en zo meer inzicht te krijgen over het effect van deelmobiliteit op autobezit bij verschillende kenmerken van personen en van de huishoudens waarvan ze deel uitmaken. Voor de oorspronkelijke vraagstelling is het mogelijk ook relevant om te proberen per type woning (in een binnenstedelijke context) een indicatie te krijgen van de logische doelgroepen die in een dergelijke woning geïnteresseerd zijn. Als we in staat zijn een dergelijke match te maken, dan kan uit de dataset gedestilleerd worden hoe groot de animo is onder potentiële bewoners om te verhuizen naar zo’n woning zonder een eigen auto mee te brengen. Opmerking In dit rapport worden vooral percentages genoemd van mensen die onder specifieke omstandigheden bereid zijn zonder eigen auto te verhuizen naar een binnenstedelijke context. Zo is geconcludeerd dat onder ideale omstandigheden 70% van de respondenten daartoe bereid is. En als per ontwikkeling de beoogde doelgroep nader kan worden geduid, dan kan dat percentage mogelijk iets naar boven of ver naar beneden worden bijgesteld.

Stel dat re sprake is van een doelgroep en omstandigheden waarbij 50% bereid is te verhuizen zonder eigen auto mee te brengen. Is het dan logisch om een parkeernorm Eigen Gebruik te hanteren van 0,5 pp per woning? Het antwoord op deze vraag hangt af van de ambities van de gemeente (en van de ontwikkelaar). Met een norm van 0,5 faciliteer je de beoogde doelgroep volledig. Als de ambitie een autoluwe binnenstad is met minder autoverkeer dan kan die binnenstad misschien juist wel heel aantrekkelijk zijn voor de 50% die juist bereid is te verhuizen naar deze binnenstad zonder eigen auto. Met die ambitie kan een gemeente dus prima meebewegen met een ontwikkelaar die zich juist op dit deel van de doelgroep wil richten en zo minder parkeerplaatsen wil aanleggen, zonder daarvoor gecompenseerd te worden met extra parkeerrechten in de omgeving. Parkeerregulering in de omgeving is dan wel een nood zakelijke voorwaarde.

Referenties

Cervero, R., Golub, A. & Nee, B. (2006) San Francisco City CarShare: Longer-term TravelDemand and Car ownership Impacts, Working Paper, No. 2006,07, University of California, Institute of Urban and Regional Development (IURD), Berkeley CA, USA. CROW (2018) Toekomstbestendig Parkeren (van parkeerkencijfers naar parkeernormen), CROW, Ede, Nederland. Dieten, R. (2015) Identifying Preferences regarding Carsharing Systems using a Stated Choice Experiment among Car Users to identify Factors of Influence, Master thesis Construction Management & Engineering, Eindhoven University of Technology, Eindhoven, the Netherlands. Giesel, F. & Nobis, C. (2016) The Impact of Carsharing on Car Ownership in German Cities, Transportation Research Procedia 16, 215-224. Hensher, D.A., Rose, J.M. & Greene, W.H. (2015) Applied Choice Analysis, second Edition, Cambridge University Press, Cambridge, UK. KiM (2015) Carsharing in the Netherlands: Trends, Use Characteristics and Mobility Effects, Ministry of Infrastructure and the Environment, The Hague, the Netherlands. Kim, D., Park, Y. & Ko, J. (2019) Factors underlying Vehicle Ownership Reduction among Carsharing Users: A Repeated Cross-sectional Analysis, Transportation Research Part D 76, 123-137. Liao, F., Molin, E., Timmermans, H. & Van Wee, B.

(2020) Carsharing: the Impact of System Characteristics on its Potential to Replace Private Car Trips and Reduce Car Ownership, Transportation 47, 935-970. Martin, E. & Shaheen, S. (2011) The Impact of Carsharing on Household Vehicle Ownership, Access 38, 22-27. Nijenhuis, J., Kampert, A. Tummers, M. (2019) Wie doet de auto weg, (CBS-publicatie) Nijland, H., & Van Meerkerk, J. (2017). Mobility and environmental impacts of car sharing in the Netherlands. Environmental Innovation and Societal Transitions, 23, 84-91. Nijland, H., Van Meerkerk, J. & Hoen, A. (2015) Effecten van Autodelen op Mobiliteit en CO2-uitstoot, Plan Bureau voor de Leefomgeving, Den Haag, Nederland. Namazu, M. & Dowlatabadi, H. (2018) Vehicle Ownership Reduction: A Comparison of One-way and Two-way Carsharing Systems, Transport Policy 64, 38-50. Petersen, E., Zhang, Y. & Darwiche, A. (2016) Modeling Car Sharing and its Impact on Auto Ownership: Evidence from Vancouver and Seattle, internal paper Metro Vancouver, Canada. Steijns, T. (2019) De Potentie van Deelauto’s bij Sociale Huurwoningen, Materproef Mobiliteitswetenschappen, Universiteit Hasselt, Hasselt, België. Verhoeven, M.

(2010) Modelling Life Trajectories and Mode Choice Using Bayesian Belief Networks, PhD Thesis, Eindhoven University of Technology, Eindhoven, the Netherlands Whooz BV (2019) Whize, Segmenten en Sub-segmenten: Slim gebruik van data voor klant gesegmenteerde communicatie, Den Haag, Nederland. Van der Waerden (2020) De Invloed van Deelauto aanbod op het Autobezit van Bewoners: Een Denkbeeldig Keuze Experiment. Presentatie tijdens de TRAIL: Verdiepingssessie Autodelen in Nederland, 29 september 2020. Zijlstra, T., & Durand, A. (2020) Mobility-as-a-Service: kansen en verwachtingen (KIM- brochure)

Wat is het effect van deelauto’s op autobezit?

Bijlage A

Samenstelling klankbordgroep

De volgende personen en organisaties hebben deelgenomen aan de klankbordgroep: Gemeenten: 'Arjen van Heerde' <AHeerdevan@alkmaar.nl>; 'Rik Goossens (ENS-SBF)' <r.goossens@enschede.nl>; 'Gerben Groenewegen (ENS-SBF)' <g.groenewegen@enschede.nl>; 'Christian Ratering' <christian.ratering@ede.nl>; 'Rob Temme' <rob.temme@tilburg.nl>; 'Wietske Doornbos' <w.doornbos@utrecht.nl>; 'Walter Prot' <WN.Prot@amersfoort.nl>; 'Lars van den Berg' <lars.van.den.berg@maastricht.nl>;

Organisaties: Eugene van de Poel <eugene.vandepoel@gnmi.nl>; René Nass, (WVL) rene.nass@rws.nl; Margriet Schepman <m.schepman@neprom.nl>; Stefan Westerman <swesterman@anwb.nl>

Ontwikkelaars: 'Shahid Talib' <STalib@heijmans.nl>; 'Angelique Remijn' <a.remijn@triborgh.nl>; 'Stijn Boogerd' <s.boogerd@bpd.nl>;

Bijlage A – Samenstelling klankbordgroep

Bijlage B

Samenstelling huishoudens respondenten

In hoofdstuk 3 is de tabel opgenomen van de persoonskenmerken van de respondenten. Naast persoonskenmerken zijn er enkele kenmerken op het niveau van het huishouden gevraagd (Tabel 3.2). De kenmerken aantal personen met een rijbewijs en aantal auto’s in het huishouden hebben gefungeerd als selectiekenmerken. Respondenten uit huishoudens waar niemand een rijbewijs heeft en uit huishoudens die geen auto hebben én ook niet van plan waren er een aan te schaffen zijn buiten de gegevensverzameling gelaten. In de onderstaande tabel zijn de verdelingen van de kenmerken weergegeven. In het algemeen blijkt dat alle onderscheiden kenmerkwaarden meerdere keren voorkomen in de steekproef. Daar waar de aantallen (te) klein zijn voor het kunnen doen van significante uitspraken worden de kenmerkwaarden bij verdere analyses samengevoegd. Tabel B-1. Huishoudkenmerken van de respondenten

Kenmerken

Kenmerkwaarden

Frequentie

Aantal personen in huishouden

1 persoon 2 personen 3 personen 4 personen of meer

363 1.123 396 591

14,7 45,4 16,0 23,9

Aantal personen met rijbewijs*

1 persoon 2 personen Meer dan 2 personen

568 1.581 324

23,0 63,9 13,1

Aantal auto’s in huishouden*

0 auto’s (maar wel van plan er een te kopen) 1 auto 2 auto’s Meer dan 2 auto’s

52 1.485 803 133

2,1 60,0 32,5 5,4

Huishoud samenstelling

Alleenstaand zonder kinderen Alleenstaande met kinderen Meerspersoonshuishouden zonder kinderen Meerpersoonshuishouden met kinderen Anders

365 119 1.029 930 30

14,8 4,8 41,6 37,6 1,2

Huishoudinkomen (per maand)

Niet meer dan € 1650,00 € 1651,00 tot en met € 2700,00 € 2701,00 tot en met € 4250,00 € 4251,00 tot en met € 6500,00 Meer dan € 6500,00 Zeg ik liever niet

152 449 714 609 148 401

6,1 18,2 28,9 24,6 6,0 16,2

Woonlocatie

Zeer sterk stedelijk Sterk stedelijk Matig stedelijk Weinig stedelijk Niet stedelijk (inclusief België)

647 701 433 373 319

26,2 28,3 17,5 15,1 12,5

Koop-/huurwoning

Koopwoning Huurwoning

1.838 635

74,3 25,7

Type woning

Vrijstaande woning Half-vrijstaande woning Hoekwoning Tussenwoning Etagewoning, begane grond Etagewoning, niet begane grond Anders

459 516 302 611 90 437 58

18,6 20,9 12,2 24,7 3,6 17,7 2,3

* deze informatie is gebruikt om geschikte respondenten te selecteren (meer dan 0 personen/auto’s)

Wat is het effect van deelauto’s op autobezit?

Percentage

Bijlage C

Doelgroep gebaseerde scenario’s

Doelgroep gebaseerd op persoon/huishoudkenmerk In aanvullingen op de mogelijkheden om vanuit de gehele steekproef te kijken naar de kans op het wegdoen van de auto / geen auto aan te schaffen, kan er ook meer specifiek naar verschillende groepen van bewoners worden gekeken. Op basis van de modelschattingen blijkt dat er een significant verschil bestaan tussen bewoners met een hoog opleidingsniveau en bewoners met een gemiddeld opleidingsniveau (de rest). De onderstaande figuur laat zien dat bij een optimale samenstelling van woonomgeving en deelautosysteem (zie tabel 5.1), respondenten met een hogere opleiding meer geneigd zijn de auto weg te doen /geen auto aan te schaffen (in ongeveer 77% van de situaties) dan respondenten met een gemiddeld opleidingsniveau (ongeveer 52%). Bij een minimale samenstelling van woonomgeving en deelautosysteem blijkt het opleidingsniveau nauwelijks van invloed: gemiddeld opgeleide respondenten scoren dan nog 13% kans om de auto weg te doen/geen auto aan te schaffen versus 12% bij hoger opgeleide respondenten.

100 90 80 70 60 50 40 30 20 10 Ja

0 Hoog optimaal

Gemiddeld optimaal

Hoog minimaal

Nee

Gemiddeld minimaal

Figuur C-1. Scenario voor Hoog opleidingsniveau (N=1643) versus Gemiddeld opleidingsniveau (N=830)

Naast opleidingsniveau blijken er ook verschillen te bestaan bij stedelijkheidsgraad van het herkomstgebied van de bewoner, ervaring met gebruik van deelauto’s en het aantal personen in het huishouden. Voor dit onderscheid visualiseren onderstaande grafieken de verschillen.

Bijlage C – Doelgroep gebaseerde scenario’s

100 90 80 70 60 50 40 30 20 10 0 Hoog stedelijk optimaal

Laag stedelijk optimaal

Hoog stedelijk minimaal

Nee

Laag stedelijk minimaal

Figuur C-2. Scenario voor Hoog-stedelijk (N=1348) versus Laag-stedelijk (N=1125)

100 90 80 70 60 50 40 30 20 10 0 Nooit DA_optimaal

Een of meer DA_optimaal

Nooit DA_minimaal

Een of meer DA_minimaal

Figuur C-3. Scenario voor Nooit Deelauto gebruikt (N=2131) versus Minimaal één keer gebruikt (N=342)

100 90 80 70 60 50 40 30 20 10 0 1 persoons optimaal

2 of meer persoons optimaal

1 persoons minimaal

2 of meer persoons minimaal

Figuur C-4. Scenario voor 1 persoonshuishouden (N=363) versus 2 of meer persoonshuishouden (N=2110)

Wat is het effect van deelauto’s op autobezit?

Uit deze analyses blijkt het volgende: Bewoners uit een minder hoog-stedelijke gebied zijn eerder bereid om de auto weg te doen (of geen aan te schaffen) dan bewoners uit een hoog-stedelijke gebied; Bewoners met enige deelauto ervaring zijn eerder bereid om de auto weg te doen (of geen aan te schaffen) dan bewoners die nog geen ervaring hebben met een deelauto; Bewoners uit meerpersoonshuishoudens zijn eerder bereid om de auto weg te doen (of geen aan te schaffen) dan bewoners uit een éénpersoonshuishouden.

Toelichting: Het onderzoek laat op basis van de data het verband zien. Verklaren van de verbanden is minder wetenschappelijk onderbouwd. Hier een voorzichtige poging: Respondenten uit een minder hoog-stedelijke gebied zijn eerder bereid om de auto weg te doen (of geen aan te schaffen) dan bewoners uit een hoog-stedelijke gebied, bijvoorbeeld omdat in een hoog-stedelijke omgeving sowieso al kritischer gekeken wordt naar het eigen autobezit. Daar zit dan waarschijnlijk minder rek in. Bewoners met enige deelauto ervaring zijn eerder bereid om de auto weg te doen (of geen aan te schaffen) dan bewoners die nog geen ervaring hebben met een deelauto, bijvoorbeeld omdat zij ervaren hebben hoe gemakkelijk het reserveren, ontgrendelen, gebruiken, inleveren en betalen in de praktijk is. Anderen zonder deze ervaring kunnen daar mogelijk tegenop zien. Dat bewoners uit meerpersoonshuishoudens eerder bereid zijn om de auto weg te doen (of geen aan te schaffen) dan bewoners uit een éénpersoonshuishouden wordt mogelijk verklaard door het feit dat bij meerpersoonshuishoudens meervoudig autobezit veel vaker voor komt. (zie onderstaande tabel 6.1). In dat geval zijn de meerdere auto’s dan meer de reden dan de meerdere personen in het huishouden.

Tabel C-5. Verband Huishoudgrootte en Autobezit binnen huishouden

Over hoeveel auto's beschikt uw huishouden? 0 Uit hoeveel personen bestaat uw huishouden?

Totaal

Meer dan 2

Totaal

1 persoon

339

363

2 personen

740

333

1.123

3 personen

181

176

396

4 personen

188

227

476

Meer dan 4 personen

115

1.485

803

133

2.473

Doelgroep gebaseerd op Whize indeling Om te laten zien hoe de bereidheid om te auto weg te doen (dan wel geen auto aan te schaffen) voor verschillende doelgroepen uitpakt, zijn voor een drietal doelgroepen uit de veelgebruikte Whize-categorisering (Whooz BV, 2019; zie ook Bijlage VIII) de kansen berekend. Dit is gedaan voor zowel de optimale (opt) als minimale (min) invulling van de woonomgeving en het deelautosysteem.

Bijlage C – Doelgroep gebaseerde scenario’s

100 90 80 70 60 50 40 30 20 10 Ja

0 Groep E22_optimaal

Groep E23_optimaal

Groep E24_optimaal

Groep E22_minimaal

Groep E23_minimaal

Groep E24_minimaal

Figuur C-6. Scenario voor groep E22 (N=257), E23 (N=177) en groep E24 (N=67)

Figuur C-7. Overzicht van doelgroepen kader “Stedelijke Dynamiek’ (Whooz BV, 2019)

Deze cijfers laten (wederom) zien dat: Er een groot verschil zit tussen de optimale omstandigheden en de minimale omstandigheden (van rond de 70% naar rond de 10% bereidheid om de eigen auto weg te doen of geen aan te schaffen). Er tussen deze doelgroepen een beperkt verschil zit, zowel bij de optimale omstandigheden als bij de minimale. De ene doelgroep is gevoeliger voor de omstandigheden dan de andere. Zo is bij optimale omstandigheden de bereidheid van E23 (grootstedelijke gezinsdrukte) het hoogst, terwijl bij minimale omstandigheden juist deze groep de bereidheid om de auto weg te doen het laagst is.

Wat is het effect van deelauto’s op autobezit?

Nee

Bijlage D

Kenmerk gebaseerde scenario’s

Om het effect van de meest invloedrijke kenmerken nader te duiden zijn in deze bijlage per kenmerk enkele scenario’s geformuleerd bestaande uit verschillende voorkomende kenmerkwaarden (zie Tabel 2.1). De scenario’s zijn gekozen aan de hand van enerzijds het kenmerk Fietstijd naar Hoogwaardig Openbaar Vervoer en anderzijds het kenmerk Looptijd van woning naar de ophaalplek van de deelauto. Kenmerk Nabijheid OV-knooppunt, uitgedrukt in Fietstijd naar HOV Voor het kenmerk Fietstijd naar HOV is de kans op het wegdoen van de auto berekend voor de kenmerkwaarden: 5, 10, 15 en 20 minuten. Om de aansluiting met de vragenlijst te behouden zijn de minimale en maximale waarden zodanig gekozen dat ze binnen het bereik (1-20 minuten) van de vragenlijst vallen. De kansen zijn berekend voor een optimale (situatie, waarbij de termen optimaal de waarden van de andere kenmerken betreffen (zie tabel 5.1). De grafiek maakt wederom duidelijk dat de kans op het wegdoen van de auto / geen auto aan te schaffen afneemt naarmate de fietstijd tussen woning en hoogwaardig openbaar vervoer toeneemt. Bij de optimale situatie neemt de kans af van 67% (bij 5 minuten) naar 56% (bij 20 minuten). In de minimale situatie, hier niet getoond, neemt de kans af van ongeveer 15% naar ongeveer 10%.

100 90 80 70 60 50 40 30 20 10 Ja

0 5 minuten

10 minuten

15 minuten

Nee

20 minuten

Figuur D-1. Effecten van het kenmerk ‘Fietstijd naar hoogwaardig openbaar vervoer’, bij een verder optimale situatie

Bijlage D – Kenmerk gebaseerde scenario’s

Kenmerk Looptijd woning - deelauto Bij het kenmerk Looptijd tussen woning en de ophaalplek van de deelauto variëren de waarden van 1, 5, 10 en 15 minuten. Ook hier vallen de minimale en maximale binnen het bereik (1-15 minuten) van de vragenlijst. Uit Figuur D.2 blijkt dat bij de optimale situatie de bereidheid om de auto weg te doen / geen auto aan te schaffen afneemt van ongeveer 70% (bij 1 minuut) naar ongeveer 47% (bij 15 minuten). Bij de minimale situatie is het verval van 22% naar 10%.

1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Ja

0 1 minuut

5 minuten

10 minuten

Nee

15 minuten

Figuur D-2. Effecten van het kenmerk ‘Looptijd van huis naar deelauto’, bij een verder optimale situatie

Wat is het effect van deelauto’s op autobezit?

Bijlage E

Beschrijvende analyse

In deze bijlage worden enkele achtergrondgegevens gepresenteerd die worden gebruikt bij de verdere detaillering van de modelresultaten. Allereerst is er gekeken naar de noodzaak om de auto tijdens het werk te gebruiken, bijvoorbeeld voor het bezoeken van klanten en afnemers (Tabel D.1). Uit de cijfers blijkt dat ongeveer 37 procent van de respondenten de auto (weleens) nodig heeft gedurende een werkdag. Tabel D-1. Noodzakelijk gebruik van de auto tijdens werkdag

Frequentie Valide

Percentage

Cum. Percentage

Geen auto

2,1

336

13,6

15,7

Soms

582

23,5

39,2

Nee

1.503

60,8

100,0

Totaal

2.473

100,.0

In de vragenlijst is tevens gevraagd of de respondent als bestuurder of passagier wel eens gebruik heeft gemaakt van een deelauto (Tabel 4.2). In de vragenlijst is het fenomeen ‘deelauto’ toegelicht met: ‘een auto die door meerdere mensen wordt gebruikt en bijvoorbeeld wordt aangeboden door Greenwheels’. Uit de antwoorden blijkt dat er relatief weinig respondenten (ongeveer 14 procent) zijn die wel eens gebruik hebben gemaakt van een deelauto. Verder op in dit rapport zal blijken dat ervaring hebben met deelmobiliteit een belangrijke ervaring is die bijdraagt aan eerder afscheid nemen van de eigen auto (of er geen aan te schaffen). Tabel D-2. Gebruik van Deelauto

Frequentie Valide

Ik heb nog nooit gebruik gemaakt van een deelauto

Percentage

Cum. Percentage

2.131

86,2

Ik heb nog maar één keer gebruik gemaakt van een deelauto

3,6

89,8

Ik heb al een paar keren gebruik gemaakt van een deelauto

138

5,6

95,3

Ik heb meerdere keren gebruik gemaakt van een deelauto

2,6

97,9

2,1

100,0

2.473

100,0

Ik heb vaak gebruik gemaakt van een deelauto Totaal

Ondanks de enigszins eenzijdige verdelingen kunnen zowel de noodzaak van het gebruik van de auto gedurende de werkdag als de bekendheid met de deelauto worden gebruikt bij de model analyse.

Bijlage E – Beschrijvende analyse

Wat is het effect van deelauto’s op autobezit?

Colofon

Wat is het effect van deelauto’s op autobezit? – Onderzoek naar de invloed van de woonomgeving en het type deelautosysteem op de bereidheid om de privéauto weg te doen Dit rapport is tot stand gekomen op basis van een samenwerking van het adviesbureau Empaction met de Technische Universiteit Eindhoven en dat in opdracht van CROW is uitgevoerd. uitgave CROW-KpVV, Ede Deze uitgave is (mede) mogelijk gemaakt door een bijdrage vanuit het KpVV-programma. Dit programma ontwikkelt, verspreidt en borgt collectieve kennis voor de decentrale overheden op het gebied van mobiliteit. Het gaat om kennis die fundamenteel ondersteunt bij de beleidsontwikkeling en -uitvoering. Het KpVVprogramma wordt gefinancierd door de provincies en de vervoerregio’s.

artikelnummer K-D108 tekst Paul van Loon (Empaction) Sebastiaan Dommeck (Empaction) Peter van der Waerden (TU/e, Faculteit Bouwkunde) foto Hillie Talens (CROW) vormgeving Inpladi bv, Cuijk productie CROW contact CROW Klantenservice: klantenservice@crow.nl of (0318) 69 53 15 bestellen Deze uitgave is gratis te downloaden/bestellen via www.crow.nl/K-D108

De tekst is automatisch uit het bestand gehaald en kan afwijken van het origineel (kolommen, tabellen en koppen lopen door elkaar). Het officiële stuk bij de gemeente is leidend. Bron: https://api.notubiz.nl/document/10792385/1