Ja. Resono bepaalt via GPS-snelheidsanalyse of bezoekers lopend, fietsend of gemotoriseerd aankomen. De Module Modaliteit is onderdeel van het Resono Mobiliteit platform. Het meet de gemiddelde aankomstsnelheid in de tien minuten vóór het betreden van de locatie en classificeert bezoekers in drie vervoerscategorieën. De methode is hardware-vrij, retroactief toepasbaar vanaf januari 2022 en levert modal split-indicaties met een betrouwbaarheidsinterval op 90%-niveau.
Wat is modaliteit in verkeerskundige zin? Modaliteit verwijst naar het type vervoersmiddel waarmee een verplaatsing wordt gemaakt. In de verkeerskunde spreken we van modaliteitsherkenning, modaliteitsclassificatie of vervoerwijzebepaling wanneer een meetmethode onderscheid maakt tussen lopen, fietsen en gemotoriseerd verkeer. De verhouding tussen deze vervoersmiddelen op een locatie of in een gebied heet de modal split of vervoermiddelkeuze. Dit artikel beschrijft hoe Resono modaliteitsdata genereert op locatieniveau, zonder hardware en zonder enquêtes.
Wat verkeerskundigen moeten weten: kernprincipes in één oogopslag
| Kenmerk | Waarde |
|---|---|
| Meetprincipe | Gemiddelde GPS-snelheid 10 minuten vóór locatiebetreding |
| Classificatiemethode | Snelheidsdrempel-gebaseerde segmentatie (3 klassen) |
| Datavorm | Steekproef op basis van opt-in mobiele GPS-data |
| Betrouwbaarheidsniveau | 90% betrouwbaarheidsinterval |
| Temporele dekking | Retroactief vanaf 1 januari 2022 |
| Hardware | Geen (volledig passieve meting) |
| Output | Modal split als percentageverdeling per periode |
| Ruimtelijke definitie | Gebruikersdefineerbaar polygoon (meetgebied) |
Waarom modaliteitsmeting per locatie een methodisch probleem is, en hoe Resono het oplost
In klassieke verkeerskunde wordt modal split bepaald via enquêtes (OViN, MON), cordontellingen of verkeersmodellen. Deze methoden hebben één gemeenschappelijk nadeel: ze meten niet op locatieniveau. OViN is bovendien gestopt in 2017. Verkeersmodellen als de Mobiliteitsscan werken met zonale aggregaties en zijn niet geschikt voor het beantwoorden van vragen als: welk aandeel van de bezoekers van dit winkelcentrum komt per fiets?
Floating Car Data (FCD), zoals beschikbaar via het NDW (Nationale Databank Wegverkeersgegevens), biedt snelheidsdata op wegsegmentniveau maar is per definitie gemotoriseerd verkeer. Langzame modi, voetgangers en fietsers, zijn hierin niet vertegenwoordigd.
Resono’s Module Modaliteit vult dit gat: het levert een locatiespecifieke modal split-indicatie die alle vervoersmiddelen omvat, inclusief langzame modi, zonder hardware en zonder respondenten.
Het meetprincipe: hoe modaliteitsclassificatie werkt via aankomstsnelheid
Lagrangiaanse versus Euleriaanse meting
Klassieke verkeerstelinstallaties (lussen, camera’s, buizen) meten vanuit een vast punt: een Euleriaanse benadering. FCD en GPS-locatiedata leveren een Lagrangiaanse beschrijving, het volgen van bewegende objecten door tijd en ruimte. Resono’s module werkt op basis van dit Lagrangiaanse principe: per bezoeker wordt de bewegingstrace voorafgaand aan locatiebetreding geanalyseerd.
Dit is methodisch relevant: een Lagrangiaanse meting geeft toegang tot het individuele snelheidsprofiel van de nadering, niet de gemiddelde snelheid op een wegvak op een willekeurig moment.
Aankomstsnelheid: definitie en tijdvenster
De aankomstsnelheid is de gemiddelde snelheid in een tijdvenster van tien minuten vóór het moment waarop een device het gedefinieerde meetgebied (polygoon) betreedt. Dit venster is methodisch verantwoord om twee redenen:
- Lang genoeg voor representatief reisgedrag: tien minuten rijden op stadssnelheid beslaat circa 3–6 km, ruimschoots voldoende om ruis door incidentele vertraging te middelen.
- Kort genoeg om de nadering naar de specifieke locatie te representeren: de bezoeker is onderweg naar de locatie, niet naar een andere bestemming.
Waarom meten vóór de locatie en niet binnen
Dit is het methodisch cruciale onderscheid. Meting van snelheid bínnen een locatie of bij de ingang is fundamenteel onbetrouwbaar als proxy voor vervoersmiddel, om vier redenen:
- Post-modal gedrag verstoort de classificatie. Een autorijder die parkeert en het laatste stuk loopt, heeft bij aankomst op de locatie een loopsnelheid. Classificatie op die snelheid levert een fout-negatief voor motorized transport op.
- Convergentie van snelheden bij de ingang. Ongeacht het vervoersmiddel convergeren snelheden bij een entree naar laag, iedereen vertraagt, zoekt een plek, oriënteert zich. De snelheidsverdeling verliest zijn discriminerend vermogen.
- Interne verplaatsingen besmetten het signaal. Op parkeerterreinen, pleingebieden of recreatieterreinen bewegen bezoekers zich te voet nadat zij met de auto zijn gekomen. Dit gedrag heeft niets te maken met het gebruikte vervoersmiddel voor de nadering.
- Aankomstsnelheid is stabieler. De variantie van de aankomstsnelheid (vóór locatiebetreding) is lager dan de snelheidsvariantie bínnen een locatie. Dit leidt tot scherpere classificatiebeslissingen.
Snelheidsdrempels en modaliteitsclassificatie: de drie vervoerscategorieën
De Module Modaliteit hanteert drie klassen op basis van snelheidsdrempels. De drempelwaarden zijn afgeleid van empirisch vastgestelde snelheidsbereiken per vervoersmiddel:
| Klasse | Snelheidsdrempel | Onderbouwing | Inclusief |
|---|---|---|---|
| Lopend | < 5,5 km/u | Maximale loopsnelheid gezonde volwassene ≈ 5–6 km/u; CROW-richtlijn rekent met 1,2–1,4 m/s (≈ 4,3–5,0 km/u) voor voetgangers in stedelijk gebied | Voetgangers, rolstoelgebruikers, scootmobielen onder drempel |
| Fietsend | 5,5 – 24 km/u | Gemiddelde fietssnelheid in Nederland ≈ 14–18 km/u (CROW); e-bikes rijden gemiddeld 20–25 km/u maar naderen locaties doorgaans met lagere snelheid | Gewone fietsen, e-bikes, bakfietsen, speed pedelecs onder drempel |
| Gemotoriseerd | > 24 km/u | Minimale stadssnelheid auto in doorstromende situatie; OV-voertuigen rijden stadslijnen gemiddeld > 20 km/u | Auto, motor, bus, tram, bestelwagen |
Kanttekening voor verkeerskundigen, grensgevallen: In geconcentreerde stedelijke omgevingen met structurele congestie (LOS E–F) kunnen auto’s de meetlocatie naderen met snelheden van 10–20 km/u. Dit valt methodisch in de fietscategorie. Dit is geen meettechnische fout, maar een correcte weergave van de naadersnelheid. De classificatiegrens is snelheid, niet voertuigtype. Voor locaties met aantoonbaar hoge congestiedruk is dit een relevante interpretatieoverweging.
Statistische eigenschappen van modaliteitsdata
Steekproefbasis
De data is gebaseerd op een steekproef van geanonimiseerde GPS-locatiedata van opt-in mobiele devices. De penetratiegraad van GPS-smartphones in Nederland is hoog (>85% smartphonebezit, waarvan een relevant deel actief opt-in data deelt via apps). De steekproef is representatief voor de mobiele bevolking, met bekende beperkingen voor subgroepen met lage smartphonepenetratie (ouderen, kinderen).
Betrouwbaarheidsinterval
Uitkomsten worden gerapporteerd met een 90% betrouwbaarheidsinterval. De breedte van dit interval is een functie van de steekproefgrootte, bij hogere bezoekersaantallen per periode wordt het interval smaller en de uitspraak nauwkeuriger.
Praktische implicatie: bij locaties met lage bezoekersaantallen of analyses op dagdeelniveau zijn de betrouwbaarheidsintervallen breed. Het is methodisch onverantwoord om op basis van een korte meetperiode met een kleine steekproef scherpe beleidsuitspraken te doen. Resono raadt aan om voor stabiele modal split-uitspraken voldoende lange meetperiodes te hanteren, minimaal één tot twee weken voor middelgrote locaties.
Kwaliteitsfiltering
Alleen GPS-punten met hoge horizontale nauwkeurigheid worden opgenomen in de analyse. Dit filtert ruis die ontstaat door slechte satellietontvangst (dichte bebouwing, tunnels, parkeergarages). Dit verhoogt de precisie van de snelheidsbepaling maar kan de steekproefgrootte verlagen in dichtbebouwde gebieden.
Validatie en vergelijking met andere meetmethoden
Positionering ten opzichte van bekende methoden
| Methode | Type meting | Modaliteiten gedekt | Locatiespecifiek | Continu | Retroactief | Hardware |
|---|---|---|---|---|---|---|
| Resono Module Modaliteit | Lagrangiaans GPS | Alle (3 klassen) | Ja | Ja | Ja (2022+) | Nee |
| OViN / MON | Enquête | Alle | Nee (zonaal) | Nee (jaarlijks) | Beperkt | Nee |
| NDW Floating Car Data | Euleriaans GPS/GSM | Gemotoriseerd | Nee (wegsegment) | Ja | Deels | Nee |
| Cameradetectie (kenteken/classificatie) | Euleriaans optisch | Auto, fiets (beperkt) | Ja | Ja | Nee | Vereist |
| Bluetooth/WiFi-tellers | Euleriaans RF | Aanwezigheid, geen modal | Ja | Ja | Nee | Vereist |
| Enquête (straatinterview) | Zelfrapportage | Alle | Ja | Nee (eenmalig) | Nee | Nee |
| Verkeersmodel (Mobiliteitsscan) | Modelberekening | Alle | Nee (zonaal) | Nee | OViN t/m 2017 | Nee |
Vergelijking met FCD (NDW)
FCD van het NDW, gebaseerd op data van leveranciers als Inrix en Be-Mobile, is primair bruikbaar voor gemotoriseerd verkeer op het hoofdwegennet (FRC 1–5). Wegen met een maximumsnelheid onder 50 km/u zijn vaak gefilterd. FCD levert geen informatie over voetgangers of fietsers en is niet locatiespecifiek in de zin van een bezoekersanalyse.
Resono’s benadering is complementair: waar FCD inzicht geeft in het rijgedrag op het netwerk, geeft Resono inzicht in het vervoersmiddel van bezoekers aan een specifieke locatie, inclusief langzame modi.
Vergelijking met enquêtes
Enquêtes (straatinterviews, online panels) zijn de traditionele methode voor modal split-onderzoek op locatieniveau. Zij hebben relevante beperkingen voor professioneel gebruik:
- Eenmaligheid: Een enquête is een momentopname. Seizoensvariatie, weerseffecten en trendveranderingen zijn niet zichtbaar.
- Respondentbias: Zelfrapportage over vervoersmiddel is over het algemeen betrouwbaar, maar de bereidheid om deel te nemen varieert per vervoersmiddel (autogebruikers op parkeerterrein versus voetgangers die doorlopen).
- Arbeidsintensiviteit: Goudappel en Roelofsgroep hanteren verkeersonderzoek via enquêtes als kostenintensieve methode, geschikt voor incidentele beleidsonderbouwing.
Resono’s module is geen vervanging voor kwalitatief onderzoek naar motieven of beleving, maar biedt een schaalbaar, continu alternatief voor de kwantitatieve modal split-meting.
Toepassingen van modaliteitsdata in de verkeerskundige praktijk
Bereikbaarheidsanalyse en STOMP-beleid
De STOMP-prioritering (Stappen, Trappen, OV, MaaS, Privéauto) is als beleidsraamwerk steeds breder omarmd door gemeenten. Modal split-monitoring per locatie maakt het mogelijk om te toetsen of STOMP-interventies daadwerkelijk effect hebben op het aandeel langzame modi. Resono’s retroactieve data (vanaf 2022) maakt nulmeting en trendanalyse mogelijk zonder dat er vooraf een meetsysteem geïnstalleerd hoeft te worden. Meer over toepassingen voor gemeenten en overheid: Resono voor gemeentes en overheid.
Parkeerbeleid en parkeernorm-onderbouwing
Parkeernormen worden traditioneel bepaald op basis van verkeersmodellen of nationaal gemiddelde kentallen (CROW-publicatie 381). Deze zijn niet locatiespecifiek. Modaliteitsdata van Resono biedt empirisch bewijs voor de werkelijke vervoersmiddelkeuze bij een locatie, wat de onderbouwing van afwijkende parkeernormen (lager dan CROW-kentallen) versterkt, relevant bij bestemmingsplanprocedures en MER-trajecten.
CO₂-monitoring en mobiliteitsdoelstellingen
De Modal-Splitmethode van Goudappel gaat uit van alle verplaatsingen die een herkomst of bestemming in het gebied zelf hebben en koppelt dit aan emissieberekeningen per modaliteit. Resono’s locatiespecifieke modal split-data is direct inzetbaar als inputvariabele voor dergelijke emissieberekeningen, als aanvulling op de generieke OViN/MON-data die Goudappel’s model gebruikt.
Evenementenplanning en tijdelijk verkeersmanagement
Bij grootschalige evenementen is de modal split van bezoekers bepalend voor de dimensionering van fietsenstallingen, P+R-voorzieningen en tijdelijke verkeersregelmaatregelen. Resono’s retroactieve data maakt het mogelijk om de modal split van een eerder vergelijkbaar evenement als grondslag te gebruiken, zonder dat er destijds een speciaal meetsysteem operationeel hoefde te zijn.
Combinatie met herkomstdata
Door de Module Modaliteit te combineren met Resono’s herkomstmodule ontstaat een vervoersmiddel × herkomstzone-matrix: welk aandeel van bezoekers uit postcodegebied X komt per fiets, versus bezoekers uit postcodegebied Y? Dit is relevant voor het identificeren van potentieel voor modal shift, welke bezoekersgroepen rijden nu met de auto maar wonen op fietsafstand?
Methodische beperkingen van modaliteitsmeting: eerlijk en volledig
1. Snelheid als proxy, niet als directe meting
De module meet snelheid, niet het vervoersmiddel zelf. Snelheid is een betrouwbare proxy onder normale omstandigheden, maar heeft grenzen:
- Congestie: Bij LOS E–F convergeren snelheden van fietsers en auto’s. Classificatie wordt minder betrouwbaar.
- Fietssnelheden op doorgaande wegen: Fietsers op vrijliggende fietspaden of fietssnelwegen kunnen hogere snelheden bereiken (>24 km/u), wat tot fout-positieven voor gemotoriseerd leidt.
- OV: Bus en tram worden als gemotoriseerd geclassificeerd, maar zijn niet te onderscheiden van privéauto, relevant bij locaties met hoge OV-bereikbaarheid.
2. E-bike niet onderscheidbaar van gewone fiets
E-bikes en reguliere fietsen vallen in dezelfde snelheidscategorie. Gegeven het groeiende aandeel van e-bikes in het Nederlandse fietsverkeer (inmiddels >40% van alle fietsen verkocht, bron: RAI) is dit een relevante beperking voor analyses waarbij het onderscheid beleidsmatig relevant is.
3. Steekproefrepresentativiteit
De steekproef is gebaseerd op opt-in GPS-data van smartphonegebruikers. Subgroepen met lagere smartphonepenetratie, met name ouderen en kinderen, zijn ondervertegenwoordigd. Voor locaties met een bovengemiddeld aandeel van deze groepen (zorglocaties, scholen, bejaardencentra) dient dit in de interpretatie te worden meegewogen.
4. Betrouwbaarheidsintervallen bij lage bezoekersdichtheid
Bij locaties met lage absolute bezoekersaantallen of analyses op dagdeelniveau zijn de betrouwbaarheidsintervallen breed. Uitspraken over kleine subgroepen (bijv. “aandeel fietsers op zaterdagochtend”) vereisen langere meetperiodes voor statistische robuustheid.
Veelgestelde vragen van mobiliteitsexperts
Wat is de exacte definitie van het meetgebied bij modaliteitsmeting?
Het meetgebied wordt gedefinieerd als een gebruikersdefineerbaar polygoon. De aankomstsnelheid wordt berekend over het tijdvenster van tien minuten vóór het moment waarop een GPS-trace de grens van dit polygoon kruist. De precisie van de polygoongrens heeft direct invloed op de kwaliteit van de classificatie: een te ruime polygoon trekt interne verplaatsingen mee; een te krappe polygoon kan de nadering verkorten tot een niet-representatief fragment.
Hoe verhoudt de methode zich tot de V85-maatstaf uit FCD?
De V85 (snelheid die door 85% van weggebruikers niet wordt overschreden) is een Euleriaanse grootheid op wegsegmentniveau, bruikbaar voor snelheidsmanagement. Resono’s aankomstsnelheid is een Lagrangiaanse grootheid op persoonsniveau, bruikbaar voor modaliteitsclassificatie. De twee zijn methodisch niet direct vergelijkbaar maar complementair: FCD geeft inzicht in het netwerk, Resono geeft inzicht in de bezoeker.
Kan modaliteitsdata worden ingezet voor voor-na-onderzoek?
Ja. De retroactieve beschikbaarheid van data vanaf 1 januari 2022 maakt het mogelijk om een nulmeting te reconstrueren voor interventies die na die datum zijn uitgevoerd. Dit is methodisch sterker dan een voor-na-vergelijking op basis van één enquêteronde.
Hoe beïnvloedt GPS-ruis de kwaliteit van modaliteitsmeting in stedelijk gebied?
Alleen GPS-punten met hoge horizontale nauwkeurigheid worden opgenomen. Dit filtert significante outliers maar kan de steekproefgrootte verlagen in gebieden met hoge bebouwingsdichtheid (urban canyon-effect). Voor analyses in dichtbebouwde binnensteden is het raadzaam om langere meetperiodes te hanteren om de effectieve steekproefgrootte op peil te houden.
Kan Resono onderscheid maken tussen OV en privéauto?
Nee. Beide vallen in de categorie gemotoriseerd (>24 km/u). Voor locaties met een substantieel OV-aandeel is dit een interpretatieoverweging. Combinatie met OV-reizigersdata (bijv. OV-chipkaartdata of GTFS-realtime) kan dit onderscheid aanvullen, maar dit valt buiten de module zelf.
Kan Resono onderscheid maken tussen een e-bike en een gewone fiets?
Nee. Beide vallen in de snelheidscategorie 5,5–24 km/u. Het snelheidsprofiel van e-bikes overlapt te sterk met dat van reguliere fietsen voor betrouwbare classificatie op basis van snelheid alleen.
Hoe betrouwbaar is de modaliteitsclassificatie bij kleinere locaties?
Bij locaties met lage absolute bezoekersaantallen zijn betrouwbaarheidsintervallen breed. Als vuistregel geldt: hoe hoger het bezoekersvolume en hoe langer de meetperiode, hoe smaller het interval en hoe zekerder de modal split-uitspraak. Resono rapporteert altijd met bijbehorend betrouwbaarheidsinterval op 90%-niveau.
Vanaf welke datum is retroactieve modaliteitsanalyse mogelijk?
Data is beschikbaar vanaf 1 januari 2022. Dit maakt longitudinale trendanalyse over meerdere jaren mogelijk zonder voorafgaande installatie van meethardware.
Conclusie: modaliteitsmeting als datainstrument voor verkeerskundigen en mobiliteitsexperts
De Resono Module Modaliteit is een Lagrangiaanse GPS-methode voor locatiespecifieke modaliteitsclassificatie. Door aankomstsnelheid te meten in het tijdvenster vóór locatiebetreding, en niet bínnen de locatie, vermijdt de methode de fundamentele classificatieproblemen die optreden bij post-modal gedrag (parkeren, afstappen, vertragen).
De methode vult een aantoonbare lacune in het Nederlandse datapalet: OViN is gestopt, FCD dekt alleen gemotoriseerd verkeer op het hoofdnet, en enquêtes zijn eenmalig en arbeidsintensief. Resono levert continue, retroactieve modaliteitsdata voor elke locatie met een definieerbaar polygoon.
De methodische beperkingen van modaliteitsmeting, snelheid als proxy, geen e-bike–fiets-onderscheid, congestie-overlap en brede intervallen bij lage steekproeven, zijn reëel maar beheersbaar bij correct gebruik: voldoende meetperiode, bewuste polygooninrichting en combinatie met aanvullende databronnen waar nodig.
Gerelateerde Resono-modules voor een volledig mobiliteitsonderzoek:
- Resono Mobiliteit. Volledig platform voor verplaatsingsgedrag en modal split
- Resono voor gemeentes en overheid. Toepassingen voor bereikbaarheidsbeleid en STOMP
- Veelgestelde vragen over Resono. Technische en methodische vragen
- Hoe verhoudt Resono zich tot andere mobiliteitsdata?. Vergelijking met NVP, Goudappel en teldata
- Passantentelling met locatiegegevens. Technische uitleg en vergelijking met wifi-sensoren
Voor methodische vragen of een demonstratie van de Module Modaliteit: neem contact op via de contactpagina van Resono.
