Een herkomst-bestemmingsmatrix (H/B-matrix), ook wel origin-destination matrix (OD-matrix) of verplaatsingsmatrix genoemd, is een tabel die het aantal verplaatsingen tussen geografische gebieden vastlegt over een bepaalde periode. Elke cel in de matrix beschrijft het geschatte gemiddelde aantal ritten van een herkomstgebied naar een bestemmingsgebied. H/B-matrices vormen de basis voor verkeersmodellen, mobiliteitsanalyses en beleidsmonitoring en bieden inzicht in verplaatsingsstromen, modal split en tijdsgebonden mobiliteitspatronen.
Dit artikel behandelt de methodologische opbouw van een herkomst-bestemmingsmatrix op basis van GPS-paneldata, zoals Resono Mobiliteit die levert. De toelichting richt zich op de berekening vanuit smartphone-paneldata met circa 5% dekking van de Nederlandse bevolking. Historische enquêtemethoden en kentekenonderzoek vallen buiten de scope van dit artikel.
De doelgroep bestaat uit verkeerskundigen, beleidsmedewerkers bij gemeenten en provincies, modelleurs en onderzoekers die werken met mobiliteitsdata in Nederland.
Kernantwoord: Een herkomst-bestemmingsmatrix is een vierkante tabel waarin herkomsten verticaal en bestemmingen horizontaal staan. De matrix legt het aantal verplaatsingen tussen zones vast, berekend door stops en ritten te detecteren uit GPS-data, deze te aggregeren naar gebiedsrelaties en op te hogen naar representatieve daggemiddelden met inachtneming van privacydrempels.
Na het lezen van dit artikel begrijpt de lezer:
- De structuur en functie van een H/B-matrix
- Het zesstappenproces voor berekening vanuit GPS-paneldata
- De definities van stops, ritten en relaties
- De variabelen per cel, waaronder modaliteit en tijdklassen
- De beperkingen en toepassingen in verkeersmodellen
Wat is een herkomst-bestemmingsmatrix (H/B-matrix)?
Een herkomst-bestemmingsmatrix is een gestructureerde weergave van mobiliteitsstromen tussen geografische zones. De termen H/B-matrix, OD-matrix en verplaatsingsmatrix verwijzen naar hetzelfde concept en worden in de verkeerskunde door elkaar gebruikt.
De matrix heeft een vierkante indeling: elke rij vertegenwoordigt een herkomstgebied en elke kolom een bestemmingsgebied. De waarde in elke cel geeft het gemiddelde aantal verplaatsingen weer van herkomst naar bestemming over een gedefinieerde periode. De H/B-matrix laat zien hoeveel verkeer van locatie A naar locatie B gaat, en andersom.
Een H/B-matrix kan op twee manieren ontstaan: gegenereerd door een verkeersmodel, of empirisch afgeleid uit metingen. Bij de meetgebaseerde aanpak, zoals Resono Mobiliteit hanteert, worden GPS-signalen van een groot panel verwerkt tot verplaatsingspatronen. De resulterende matrix kan vervolgens als input dienen voor modelbouw en kalibratie.
De geografische eenheden die in Nederland gangbaar zijn:
- Gemeente: geschikt voor landelijke en bestuurlijke overzichten
- Postcode-4 (PC4): circa 4.072 gebieden, resulterend in potentieel 17 miljoen relaties
- Postcode-3 (PC3): grovere indeling voor regionale analyses
- CBS-wijk: 3.394 gebieden, fijnmazige eenheid voor stedelijke mobiliteitsanalyse (CBS wijk- en buurtindeling)
Een belangrijk kenmerk van de matrix is de asymmetrie: het aantal verplaatsingen van gebied A naar gebied B hoeft niet gelijk te zijn aan het aantal van B naar A. Intra-zonale verplaatsingen (verplaatsingen binnen hetzelfde gebied) zijn in meetgebaseerde matrices niet zichtbaar, omdat alleen verplaatsingen tussen onderscheiden gebieden worden geregistreerd. In modelmatige matrices kunnen intra-zonale verplaatsingen apart worden geschat.
In een volledig gesloten matrix geldt dat de som van alle rijtotalen gelijk is aan de som van alle kolomtotalen. In de praktijk kunnen totalen afwijken door privacy- en betrouwbaarheidsfilters of doordat niet alle cellen worden gerapporteerd.
Waarom wordt een H/B-matrix gebruikt in mobiliteitsonderzoek?
H/B-matrices zijn een essentieel instrument voor het modelleren van verkeer. De matrix maakt inzichtelijk hoeveel mensen zich verplaatsen tussen locaties, zodat beleidsmakers en planners onderbouwde beslissingen kunnen nemen.
De belangrijkste toepassingen zijn:
Inzicht in mobiliteitsstromen
De matrix toont verplaatsingspatronen tussen gebieden, bijvoorbeeld het dagelijks woon-werkverkeer tussen twee steden. Dit helpt bij het identificeren van belangrijke corridors met hoge verkeersintensiteit.
Ondersteuning van beleidsmonitoring
Overheden gebruiken matrices om effecten van infrastructuurprojecten te meten en scenario’s te analyseren. Door vergelijking van matrices over verschillende periodes wordt zichtbaar of beleid leidt tot verandering in mobiliteitsgedrag.
Infrastructuurplanning
De dimensionering van wegen, fietspaden en OV-verbindingen vereist inzicht in verwachte verkeersvolumes. Een H/B-matrix levert de basis voor capaciteitsberekeningen en scenario-analyses.
Modal split analyse
Door modaliteit per relatie te registreren (auto, fiets, voetganger) ontstaat inzicht in de verdeling van transportmiddelen per corridor. Dit ondersteunt beleid gericht op verduurzaming van mobiliteit. Lees meer over modal split analyse met Resono Mobiliteit.
Tijdsgebonden analyse
Matrices per tijdklasse (ochtendspits, avondspits, daluren, weekend) tonen variatie in mobiliteitspatronen. Dit is relevant voor spitsmijding-programma’s en optimalisatie van OV-dienstregelingen.
Hoe wordt een herkomst-bestemmingsmatrix berekend?
De berekening van een herkomst-bestemmingsmatrix uit smartphone-paneldata volgt een systematisch proces. GPS-signalen van deelnemers worden verwerkt tot stops en ritten, vervolgens geaggregeerd naar gebiedsrelaties en opgehoogd naar representatieve schattingen voor de gehele populatie.
De methodiek van Resono Mobiliteit is gebaseerd op grootschalige panelmetingen met circa 5% dekking van de Nederlandse bevolking. Dit panel genereert continue mobiliteitsdata die wordt verwerkt in zes stappen:
- Afbakening van gebieden
- Detectie van stops
- Definitie van een rit
- Aggregatie naar relaties
- Opschaling en representativiteit
- Privacy- en betrouwbaarheidsdrempels
Elke stap kent specifieke methodologische keuzes die invloed hebben op de uitkomsten van de matrix.
Stap 1: Afbakening van gebieden
De eerste stap is het definiëren van de geografische zones die als herkomst en bestemming fungeren. De keuze voor gebiedsindeling bepaalt de granulariteit van de analyse.
In Nederland worden de volgende indelingen toegepast: Postcode-4 (PC4) met 4.072 gebieden, Postcode-3 (PC3) als grovere eenheid, CBS-wijk met 3.394 gebieden, en gemeente voor bestuurlijke overzichten.
Elke combinatie van twee gebieden vormt één relatie in de matrix. Bij 4.072 PC4-gebieden resulteert dit in theoretisch circa 17 miljoen mogelijke relaties. In de praktijk bevat slechts een deel van deze relaties daadwerkelijke verplaatsingen.
De gebiedskeuze hangt af van het doel van de analyse. Nationale verkeersmodellen werken vaak met PC4, terwijl gemeentelijke studies een fijnmaziger niveau hanteren zoals CBS-wijken.
Stap 2: Detectie van stops
Een stop wordt bepaald op basis van een minimale verblijfsduur in een PC4- of wijkgebied. De deelnemer moet zich gedurende een vastgestelde tijd binnen het gebied bevinden voordat een locatie als betekenisvolle bestemming wordt aangemerkt.
Om rand-effecten te vermijden wordt een bufferzone rondom elk gebied toegepast. Het device moet zich buiten deze bufferzone bevinden om een stop te beëindigen. Dit voorkomt dat kleine bewegingen nabij een gebiedsgrens onterecht als verplaatsing worden geregistreerd.
Vertrek- en aankomstmomenten worden bepaald op basis van het eerste meetpunt buiten, respectievelijk binnen het betreffende gebied.
Stap 3: Definitie van een rit
Een rit wordt gedefinieerd als de verplaatsing tussen twee opeenvolgende stops. Het moment van vertrek uit het herkomstgebied bepaalt in welke tijdklasse de rit wordt ingedeeld (bijvoorbeeld ochtendspits of daluren).
In de praktijk kan één geregistreerde rit meerdere activiteiten omvatten. Korte tussenstops die niet voldoen aan de minimale verblijfsduur worden samengevoegd met de hoofdrit. Denk aan iemand die vanuit huis twee minuten langs de bakker gaat en vervolgens 40 minuten boodschappen doet: de reistijd is dan inclusief het bezoek aan de bakker. Ook pakket- en postbezorgers hebben korte stops die door het systeem als deel van één rit worden gezien. Hierdoor kunnen gemiddelde reistijden hoger uitvallen dan de zuivere transporttijd.
De ritdefinitie bepaalt ook hoe multimodale verplaatsingen worden behandeld. Een reis met de auto naar een P+R en vervolgens met de trein naar het werk kan als één rit worden geregistreerd, afhankelijk van de verblijfsduur bij de overstap.
Stap 4: Aggregatie naar relaties
Na detectie van individuele ritten worden deze geaggregeerd naar gebiedsrelaties. Elke cel in de matrix bevat vervolgens drie kernwaarden: het gemiddeld aantal ritten per dag, de gemiddelde afstand en de gemiddelde reisduur.
De afstandsberekening verdient toelichting. De afstand in de matrix betreft de hemelsbredelijn (rechte lijn) tussen de geografische centra (centroids) van herkomst en bestemming. Dit is geen routeafstand via het wegennetwerk. Voor analyses die werkelijke reisafstanden vereisen, is aanvullende routeberekening nodig.
Omdat het starttijdstip wordt bepaald als eerste meetpunt buiten het herkomstgebied (inclusief bufferzone), ligt dit meestal iets later dan het werkelijke vertrekmoment. Hierdoor kunnen korte ritten een relatief te korte gemeten reistijd hebben.
Stap 5: Opschaling en representativiteit
Paneldata vertegenwoordigt een steekproef van de bevolking. Om tot schattingen voor de volledige populatie te komen, wordt een gewogen ophoging toegepast.
De ophoogfactoren worden bepaald op basis van het woongebied (correctie op basis van CBS-bevolkingsdata per zone), seizoenseffecten (aanpassing voor vakantieperiodes met afwijkend mobiliteitsgedrag) en dagtype (verdeling naar werkdagen en weekend- en feestdagen).
Om daggemiddelden te berekenen wordt het jaarlijks totaal gedeeld door het aantal dagen per klasse. Voor 2024 geldt: 255 werkdagen en 111 weekend- en feestdagen.
De uitkomsten zijn schattingen en geen exacte tellingen. De representativiteit hangt af van de omvang en samenstelling van het panel. Bij een dekking van circa 5% van de Nederlandse bevolking zijn schattingen op PC4-niveau statistisch robuust, maar op zeer fijnmazig niveau neemt de onzekerheid toe.
Stap 6: Privacy- en betrouwbaarheidsdrempels
De verwerking van mobiliteitsdata moet volledig AVG/GDPR-conform zijn. Diverse maatregelen waarborgen de privacy van paneldeelnemers:
- Minimale device-ondergrens: cellen worden alleen gerapporteerd als voldoende unieke devices bijdragen aan de telling
- Differentiële privacy: statistische ruis wordt toegevoegd om herleiding naar individuen te voorkomen
- Niet-rapportage: relaties met onvoldoende data of te weinig unieke deelnemers worden niet opgenomen in de outputmatrix
Deze drempels beperken de granulariteit van de data, maar garanderen ethisch verantwoord datagebruik. De balans tussen detail en privacy is een fundamentele afweging in elke mobiliteitsanalyse. Meer over de certificeringen en validaties van Resono.
Welke variabelen bevat een H/B-matrix?
Een volledig uitgewerkte herkomst-bestemmingsmatrix bevat meerdere variabelen per cel. De belangrijkste dimensies zijn tijdklasse en modaliteit.
Tijdklassen
| Tijdklasse | Periode |
|---|---|
| Weekday_Morning_Peak | Maandag t/m vrijdag, 06:30–08:59 CET |
| Weekday_Evening_Peak | Maandag t/m vrijdag, 16:00–18:29 CET |
| Weekday_Off_Peak | Overige werkdaguren (buiten ochtend- en avondspits) |
| Weekend | Zaterdag, zondag en feestdagen |
De spitsindeling sluit aan bij het gebruikelijke verkeerspatroon in Nederland met piekmomenten in ochtend- en avondspits.
Modaliteit
Modaliteit wordt per rit bepaald op basis van de pieksnelheid van de verplaatsing. De classificatie maakt onderscheid tussen drie categorieën: voetganger (lage pieksnelheid), fiets (gemiddelde pieksnelheid) en automotive, een categorie die auto, trein, bus en scooter omvat (hogere pieksnelheid). Bij grotere afstanden wordt de verplaatsing altijd als automotive geclassificeerd, ongeacht de gemeten snelheid, om misclassificatie te voorkomen.
Let op: in binnensteden kan de snelheid van autoverkeer laag zijn, waardoor deze verplaatsingen soms ten onrechte als fiets worden geclassificeerd. Bij stedelijke analyses is aanvullende interpretatie daarom wenselijk.
Dagklasse
De dagklasseverdeling zorgt voor correcte daggemiddelden. Het jaarlijks totaal aantal verplaatsingen wordt gedeeld door het aantal dagen per klasse. Voor 2024 geldt: 255 werkdagen en 111 weekend- en feestdagen.
Overige variabelen per cel
Naast het gemiddeld aantal ritten per dag bevat elke cel de gemiddelde ritafstand (hemelsbredelijn in kilometers) en de gemiddelde reisduur in minuten. Optioneel kunnen reistijdcategorieën en reisafstand per modaliteit worden toegevoegd.
Wat zijn beperkingen van een H/B-matrix?
Ondanks de waarde van H/B-matrices voor mobiliteitsanalyse kent de methodiek inherente ontwerpkeuzes waar gebruikers rekening mee moeten houden.
Gericht op verplaatsingen tussen gebieden
De methodiek meet verplaatsingen tussen geografische zones. Verplaatsingen binnen hetzelfde PC4- of wijkgebied worden niet gedetecteerd. Ook verplaatsingen binnen de bufferzone rondom het startgebied worden niet geregistreerd.
Classificatie in stedelijke situaties
In binnensteden is de snelheid van autoverkeer vaak laag, waardoor verplaatsingen per auto soms als fietsrit worden geclassificeerd. Bij stedelijke analyses is aanvullende interpretatie wenselijk.
Steekproefgebaseerde schattingen
De uitkomsten zijn gebaseerd op een steekproef van circa 5% van de bevolking. Ondanks gewogen ophoging blijft sprake van schattingen met bijbehorende onzekerheidsmarges. Voor relaties met weinig verkeer is de betrouwbaarheid lager.
Centroid-gebaseerde afstanden
De afstand in de matrix betreft de hemelsbredelijn tussen gebiedscentra. Werkelijke routeafstanden via het verkeersnetwerk kunnen aanzienlijk afwijken, vooral bij barrières zoals rivieren of spoorlijnen.
Reistijdeffecten
Door samenvoeging van korte tussenstops kan de geregistreerde reistijd hoger uitvallen dan de zuivere transporttijd. Tegelijkertijd kunnen korte ritten een iets te korte gemeten reistijd hebben doordat het starttijdstip pas wordt bepaald bij het eerste meetpunt buiten de bufferzone.
Privacy-beperkingen
Cellen met onvoldoende unieke devices worden niet gerapporteerd. Dit beperkt de beschikbare data op zeer fijnmazig niveau of voor relaties met weinig verkeer.
Deze ontwerpkeuzes maken kalibratie tegen onafhankelijke bronnen zoals teldata of het ODiN-onderzoek (Onderweg in Nederland) essentieel voor betrouwbare toepassing in verkeersmodellen.
Toepassing in verkeersmodellen en beleidsanalyse
Herkomst-bestemmingsmatrices vormen een fundamentele invoer voor verkeersmodellen en mobiliteitsanalyses. De toepasbaarheid hangt samen met de kwaliteit en beschikbaarheid van de data.
Integratie in verkeersmodellen
H/B-matrices worden direct toegepast in het klassieke vierstapsmodel: ritgeneratie, ritdistributie, vervoerwijzekeuze en toedeling aan het netwerk. Een meetgebaseerde matrix levert de input voor de distributiestap en kan dienen als referentie voor het kalibreren van modelparameters, zoals weerstandsfuncties in zwaartekrachtmodellen.
Continue meting en fijnmazigheid
Panel-gebaseerde methoden zoals Resono Mobiliteit maken continue meting mogelijk zonder de kosten en logistiek van periodieke enquêtes. De data is beschikbaar op PC4- en wijkniveau, geschikt voor zowel nationale als regionale analyses.
Gegevensformaat
Het outputbestand wordt geleverd als CSV conform de RFC 4180-standaard en is direct inzetbaar in gangbare modelsoftware. De gestandaardiseerde structuur vergemakkelijkt integratie in bestaande workflows. Relaties van fijnmaziger niveau (bijvoorbeeld wijk) kunnen worden samengevoegd naar grover niveau (gemeente) door het sommeren van gemiddelde ritten en het middelen van afstanden en reisduren.
Conclusie en praktische toepassing
Een herkomst-bestemmingsmatrix vormt een krachtig instrument voor het analyseren van mobiliteitsstromen tussen geografische zones. Mits methodologisch zorgvuldig opgebouwd en correct geïnterpreteerd, biedt de matrix inzicht in verplaatsingspatronen, modaliteit, tijdsafhankelijke drukte en ruimtelijke samenhang tussen gebieden.
Bij toepassing in beleid en modellering zijn enkele aandachtspunten essentieel:
Kalibratie en validatie
Vergelijk matrixuitkomsten waar mogelijk met onafhankelijke bronnen zoals telpunten of het ODiN. Dit versterkt de betrouwbaarheid bij inzet in verkeersmodellen en beleidsanalyses.
Schaalniveau afstemmen op de onderzoeksvraag
De gekozen zonering bepaalt de bruikbaarheid van de uitkomsten. Nationale vraagstukken vragen om grovere indelingen zoals PC4, terwijl stedelijke analyses vaak fijnmaziger zones vereisen.
Tijdsdifferentiatie bewust inzetten
Uitsplitsing naar spits-, dal- of weekendperioden maakt het mogelijk om capaciteitsvraagstukken en gedragsveranderingen nauwkeurig te analyseren.
Interpretatie van modaliteit en reistijd
Modaliteitsclassificatie is gebaseerd op pieksnelheid en afstandskenmerken en dient indicatief te worden geïnterpreteerd. De matrix registreert verplaatsingen van personen, niet direct het aantal voertuigen. Daarnaast kunnen methodologische keuzes, zoals het samenvoegen van korte stops, invloed hebben op gemeten reistijden.
Rekening houden met privacy- en betrouwbaarheidsgrenzen
Niet alle relaties worden gerapporteerd wanneer onvoldoende waarnemingen beschikbaar zijn. Bij analyses op fijnmazig niveau moet hiermee rekening worden gehouden.
Binnen verkeersmodellen fungeert de herkomst-bestemmingsmatrix als fundament voor de verdeling en toewijzing van verplaatsingen binnen het netwerk. In combinatie met continue panelmetingen, zoals die van Resono Mobiliteit, ontstaat een schaalbare en reproduceerbare basis voor mobiliteitsmonitoring, infrastructuurplanning en beleidsontwikkeling.
Wilt u weten hoe een herkomst-bestemmingsmatrix op basis van GPS-paneldata uw mobiliteitsanalyse kan versterken? Neem contact op met Resono voor een vrijblijvend gesprek, of bekijk de veelgestelde vragen over Resono Mobiliteit.
Veelgestelde vragen over de herkomst-bestemmingsmatrix (OD-matrix)
Wat is het verschil tussen een herkomst-bestemmingsmatrix en een verkeersmodel?
Een herkomst-bestemmingsmatrix beschrijft het aantal verplaatsingen tussen geografische zones in een bepaalde periode. Een verkeersmodel gebruikt deze matrix als input om verkeer toe te wijzen aan het netwerk en scenario’s te simuleren. De OD-matrix geeft antwoord op de vraag waar mensen zich verplaatsen, terwijl een verkeersmodel inzicht geeft in hoe deze verplaatsingen zich over de infrastructuur verdelen.
Hoe wordt een OD-matrix berekend met smartphone- of paneldata?
Een herkomst-bestemmingsmatrix op basis van smartphone-paneldata wordt berekend via zes stappen: detectie van stops op basis van GPS-signalen, definitie van ritten tussen opeenvolgende stops, koppeling aan herkomst- en bestemmingszones, aggregatie naar gebiedsrelaties, statistische ophoging naar populatieniveau, en toepassing van privacy- en betrouwbaarheidsdrempels. Hierdoor ontstaat een representatieve schatting van mobiliteitsstromen.
Hoe betrouwbaar is een herkomst-bestemmingsmatrix op basis van paneldata?
De betrouwbaarheid hangt af van de omvang van het panel, de representativiteit naar woongebied en dagtype, de gekozen geografische schaal en de toegepaste ophoogmethodiek. Op grovere schaalniveaus, zoals gemeenten of PC4-gebieden, zijn uitkomsten doorgaans robuuster dan op zeer fijnmazig niveau. Het blijft een statistische schatting, geen volledige telling.
Wat zijn intra-zonale verplaatsingen in een H/B-matrix?
Intra-zonale verplaatsingen zijn ritten die binnen één en dezelfde zone plaatsvinden. In meetgebaseerde OD-matrices zijn deze niet zichtbaar, omdat alleen verplaatsingen tussen onderscheiden gebieden worden geregistreerd. In verkeersmodellen kunnen intra-zonale verplaatsingen apart worden geschat en opgenomen in de diagonale cellen van de matrix.
Wat is het verschil tussen hemelsbrede afstand en netwerkafstand in een OD-matrix?
In de H/B-matrix wordt de afstand berekend als de hemelsbredelijn tussen de centroids van herkomst en bestemming. De netwerkafstand houdt rekening met wegen, infrastructuur, omwegen en barrières. Voor analyses die werkelijke reisafstanden vereisen, is aanvullende routeberekening nodig.
Meet een H/B-matrix personen of voertuigen?
Een herkomst-bestemmingsmatrix op basis van paneldata registreert verplaatsingen van personen, niet het aantal voertuigen. Eén persoon kan meerdere ritten maken en meerdere personen kunnen samen in één voertuig reizen. Voor verkeersintensiteit in voertuigen is aanvullende modellering of voertuigfactorcorrectie nodig.
Hoe wordt modaliteit bepaald in GPS-mobiliteitsdata?
Modaliteit wordt per rit afgeleid op basis van de pieksnelheid en afstandskenmerken van de verplaatsing. De classificatie onderscheidt voetganger, fiets en automotive. Bij grotere afstanden wordt altijd automotive toegekend. Deze classificatie is indicatief en gebaseerd op patroonherkenning, niet op directe detectie van het vervoermiddel. In stedelijke situaties met lage snelheden kan aanvullende interpretatie nodig zijn.
Waarom worden sommige relaties niet gerapporteerd in een OD-matrix?
Relaties met onvoldoende unieke devices of te weinig waarnemingen worden niet gerapporteerd. Dit waarborgt zowel de statistische betrouwbaarheid als de privacy van deelnemers, conform de AVG. Hierdoor kan een matrix in de praktijk een subset zijn van alle theoretisch mogelijke relaties.
Kan een herkomst-bestemmingsmatrix worden gebruikt voor beleidsmonitoring?
Ja. Door OD-matrices over meerdere perioden te vergelijken, worden veranderingen in mobiliteitspatronen inzichtelijk. Dit maakt de matrix geschikt voor evaluatie van infrastructuurprojecten, analyse van mobiliteitsmaatregelen, monitoring van woon-werkstromen en onderzoek naar modal shift. Resono Mobiliteit levert data vanaf januari 2023, waardoor trendanalyses over meerdere jaren mogelijk zijn.
