Fietsstromen meten zonder telapparatuur: bewezen aanpak

Fietsstromen meet je zonder telapparatuur door fietsverplaatsingen tussen wijken en postcodegebieden af te leiden uit een groot mobiliteitspanel, waarbij de fiets automatisch als modaliteit wordt herkend op basis van snelheid. Zo ontstaat een herkomst-bestemmingsbeeld van fietsverkeer op gebiedsniveau, zonder dat je telslangen, camera’s of lussen in de weg hoeft te leggen. Dat maakt fietsdata beschikbaar op plekken en routes waar fysieke telpunten ontbreken.

Hoe meet je fietsstromen zonder telapparatuur?

Fietsstromen meet je zonder telapparatuur door verplaatsingen tussen gebieden te analyseren met een herkomst-bestemmingsmatrix waarin de fiets als aparte modaliteit is herkend. In plaats van te tellen hoeveel fietsers één punt passeren, breng je in kaart welke wijken en buurten onderling fietsverkeer uitwisselen, op welke momenten en in welke richting.

Deze aanpak verschuift de vraag van “hoeveel fietsers op deze straat” naar “welke gebieden zijn met de fiets verbonden”. Daarmee wordt het fietsroutenetwerk als geheel zichtbaar, in plaats van losse meetpunten. Voor het onderbouwen van fietsroutes en doorfietsroutes is juist dat netwerkbeeld waardevol, omdat je ziet waar de grootste fietsrelaties liggen en waar het netwerk hiaten vertoont.

Resono Mobiliteit hanteert deze werkwijze op basis van een mobiel panel van meer dan 1 miljoen actieve deelnemers, ongeveer 5 tot 10 procent van de Nederlandse bevolking van tien jaar en ouder, dat jaarlijks meer dan 150 miljoen verplaatsingen registreert. Fietsverplaatsingen worden geleverd op gemeente-, postcode- en CBS-wijkniveau, uit te splitsen naar ochtendspits, avondspits, daluren en weekend.

Waarom is goede fietsdata zo schaars?

Goede fietsdata is schaars omdat vrijwel alle traditionele meetmethoden zijn ontworpen voor het gemotoriseerde verkeer of voor vaste punten. Telslangen, fietstelzuilen en camera’s meten betrouwbaar, maar alleen op de locatie waar ze staan. Ze vertellen je hoeveel fietsers een punt passeren, niet waar die fietsers vandaan komen of naartoe gaan.

Floating car data van TomTom of Be-Mobile registreert fietsers vrijwel niet, omdat die bron is gebaseerd op navigatie- en voertuigdata van auto’s. Mobiele telefoondata van een partij als Mezuro kan fietsverplaatsingen wel benaderen, maar onderschat de korte ritten binnen woonplaatsen, juist het type rit dat veel stedelijk fietsverkeer kenmerkt. In een pilot bracht adviesbureau Decisio fietsstromen met mobiele telefoondata in kaart en concludeerde dat veel regio’s over gebrekkige fietsdata beschikken en dat de korte afstanden binnen plaatsen worden onderschat. Je kunt deze pilot van Decisio met mobiele telefoondata voor fietsgedrag nalezen voor de details.

Het resultaat is dat fietsbeleid vaak wordt onderbouwd met een handvol telpunten, terwijl het complete beeld van waar mensen daadwerkelijk fietsen ontbreekt. Een panelbron die de fiets als modaliteit herkent en verplaatsingen tussen gebieden registreert, vult precies dat gat.

Hoe herkent paneldata een fietsverplaatsing?

Paneldata herkent een fietsverplaatsing op basis van de snelheid van de rit tussen herkomst en bestemming. Resono Mobiliteit onderscheidt drie modaliteiten: gemotoriseerd verkeer (auto, openbaar vervoer en scooter samen), fiets en lopen. Een verplaatsing met een typische fietssnelheid, onder ongeveer 25 kilometer per uur en boven loopsnelheid, wordt als fiets geclassificeerd, waarna het aandeel fiets per herkomst-bestemmingsrelatie wordt gerapporteerd.

Deze snelheidsclassificatie maakt het mogelijk om fietsverplaatsingen in kaart te brengen zonder zelfrapportage en zonder hardware. Wel kent de methode een eerlijke beperking: in drukke binnensteden, waar autoverkeer langzaam rijdt, kan traag gemotoriseerd verkeer soms ten onrechte als fiets worden geclassificeerd. Voor het analyseren van één specifiek fietspad is het daarom betrouwbaarder om die infrastructuur als aparte meetlocatie te benaderen en de relatie met andere gebieden te analyseren, in plaats van uitsluitend op snelheidsclassificatie te leunen.

Voor het bredere netwerkbeeld, de fietsstromen tussen woonwijken en bestemmingsgebieden, is de modaliteitsdetectie juist sterk. Daar gaat het om patronen en richtingen op gebiedsniveau, niet om een exacte telling op één paaltje.

Praktijkvoorbeeld: fietsstromen van de buitenwijken naar het centrum

Een voorbeeld uit de praktijk is de gemeente Amersfoort, die mobiliteitsdata van Resono inzet om fietsbewegingen vanuit de buitenwijken naar het centrum in beeld te brengen. Adviesbureau Sweco voerde deze analyse uit en gebruikte de panelgebaseerde herkomst-bestemmingsdata om de fietsstromen tussen de woonwijken aan de rand van de stad en de binnenstad te kwantificeren, uitgesplitst naar tijdstip.

Met een herkomst-bestemmingsanalyse op wijkniveau wordt zichtbaar welke buitenwijken de sterkste fietsrelaties met het centrum hebben en hoe die zich over de ochtend- en avondspits verdelen. Dat type inzicht is bruikbaar om fietsroutes en doorfietsroutes te onderbouwen, om te bepalen waar fietsparkeren of capaciteit het hardst nodig is, en om de modal split tussen fiets en gemotoriseerd verkeer per relatie te volgen.

Het kenmerkende voordeel in zo’n stedelijke context is dat de data het hele netwerk dekt, niet alleen de straten met een telpunt. Daardoor ontstaat een samenhangend beeld van het fietsverkeer in de stad, in plaats van losse waarnemingen op enkele locaties. Wil je ook het effect van een fietsmaatregel volgen, dan sluit deze aanpak aan op de manier waarop Resono het effect van een verkeersmaatregel meet met een vóór-na-vergelijking.

Welke databron meet fietsstromen het best?

Geen enkele bron meet fietsstromen perfect; de keuze hangt af van of je een exacte telling op één punt nodig hebt of een netwerkbeeld tussen gebieden. Onderstaande vergelijking zet de opties naast elkaar.

Eigenschap	Resono Mobiliteit (paneldata)	Telslangen en fietslussen	Floating car data (TomTom)	Mobiele telefoondata (Mezuro)
Registreert fietsers	Ja, als aparte modaliteit	Ja, op meetpunt	Nee	Beperkt
Herkomst en bestemming van fietsers	Ja, tot wijkniveau	Nee	Nee	Ja, grover
Dekking zonder hardware	Ja, gebiedsdekkend	Nee, alleen op telpunt	Ja	Ja
Korte ritten binnen de stad	Ja	Alleen op meetpunt	Nee	Onderschat
Exacte fietstelling op één punt	Nee	Ja	Nee	Nee

De praktische werkwijze is een combinatie: gebruik paneldata voor het gebiedsdekkende fietsnetwerkbeeld en zet gerichte fietstellingen in op de routes die je nauwkeurig wilt kwantificeren. Een bredere afweging van methoden vind je bij de methoden om verkeersstromen te analyseren, en de productdetails staan bij Resono Mobiliteit.

Veelgestelde vragen over fietsstromen meten

Hoe kom je aan fietsdata zonder telslangen of camera’s?

Fietsdata zonder telslangen of camera’s haal je uit een mobiliteitspanel dat verplaatsingen passief registreert en de fiets automatisch herkent op basis van snelheid. In plaats van fietsers op één punt te tellen, brengt deze methode fietsverplaatsingen tussen wijken en postcodegebieden in kaart. Resono Mobiliteit levert deze fietsdata op gebiedsniveau, inclusief tijdstip en richting, zodat je het hele fietsnetwerk ziet en niet alleen losse telpunten.

Kun je fietsstromen op regionaal niveau in kaart brengen?

Ja. Doordat verplaatsingen op gemeente-, postcode- en CBS-wijkniveau worden geleverd, kun je fietsstromen zowel binnen een stad als tussen plaatsen analyseren. Dat is bruikbaar voor regionale fietsroutes en doorfietsroutes over grotere afstand, waar fysieke telpunten meestal ontbreken. De herkomst-bestemmingsmatrix laat zien welke gebieden de sterkste fietsrelaties hebben, zodat investeringen in fietsinfrastructuur op de feitelijke vraag kunnen worden afgestemd.

Hoe betrouwbaar is de fietsherkenning in paneldata?

De fietsherkenning werkt op basis van de snelheid van de verplaatsing en is sterk voor het netwerkbeeld tussen gebieden. Een aandachtspunt is dat in drukke binnensteden langzaam autoverkeer soms als fiets kan worden geclassificeerd. Voor één specifiek fietspad is een gerichte telling daarom nauwkeuriger. Voor fietsstromen tussen wijken en buurten, waar het om patronen en richtingen gaat, levert de modaliteitsdetectie een betrouwbaar en bruikbaar beeld.

Meet paneldata ook woon-werkfietsverkeer?

Ja. Door fietsverplaatsingen uit te splitsen naar tijdklasse, zoals ochtend- en avondspits op werkdagen, en door terugkerende relaties te analyseren, worden structurele fietsstromen zoals woon-werkverkeer herkenbaar. Een fietsrelatie die zich regelmatig in de spits herhaalt, wijst sterker op woon-werkverkeer dan een incidentele rit. Zo kun je pendelfietsstromen onderscheiden van recreatief of incidenteel fietsverkeer, op gebiedsniveau en zonder individuele personen te identificeren.

Waarom ziet floating car data fietsers niet?

Floating car data is gebaseerd op GPS-navigatie en voertuigdata van auto’s, en is sterk in autoroutes en reistijden. Fietsers gebruiken die databron niet, waardoor fietsverplaatsingen er vrijwel volledig in ontbreken. Voor een multimodaal beeld, inclusief fiets en lopen, is een panelbron met automatische modaliteitsdetectie nodig. Floating car data en fietspaneldata vullen elkaar dus aan: de eerste voor autoverkeer, de tweede voor het fietsnetwerk.

Conclusie: maak het fietsnetwerk zichtbaar

Fietsstromen meten hoeft niet te wachten op telslangen of camera’s. Een herkomst-bestemmingsmatrix uit paneldata maakt het fietsnetwerk gebiedsdekkend zichtbaar, met herkomst, bestemming, tijdstip en modaliteit, juist op de routes waar fysieke telpunten ontbreken. Wil je weten welke fietsdata beschikbaar is voor jouw stad of regio? Bekijk de mogelijkheden van Resono Mobiliteit en vraag een verkenning aan.