Mobility Matching: van mobiliteitsanalyse naar gerichte keuzes voor duurzame mobiliteit
In een eerder artikel introduceerden we Mobility Matching als een systematiek om mobiliteitsdata slimmer te combineren en zo beter onderbouwde keuzes te maken voor duurzame mobiliteit. Inmiddels is die verkenning een stap verder. Samen met Argaleo heeft SmartwayZ.NL een eerste demo ontwikkeld die de werking van de Mobility Matching-systematiek laat zien. Daarmee zetten we de volgende stap: van inzicht in mobiliteit naar gerichte keuzes voor effectieve mobiliteitsmaatregelen.
Hoe bepaal je waar investeringen in duurzame mobiliteit daadwerkelijk het meeste effect hebben? En belangrijker nog: welke maatregel past het beste in een bepaalde omgeving?
Dat zijn vragen waar overheden, werkgevers en mobiliteitspartners dagelijks mee te maken hebben. Er is steeds meer data beschikbaar over mobiliteit, maar die data leidt lang niet altijd tot betere keuzes. Veel analyses laten zien waar duurzame mobiliteit mogelijk is. De vervolgvraag blijft vaak onbeantwoord: welke maatregel zorgt hier daadwerkelijk voor gedragsverandering?
Niet alleen inzicht, maar handelingsperspectief
Mobility Matching brengt verschillende publieke en private databronnen samen tot één integraal beeld van bereikbaarheid, auto-afhankelijkheid en de mogelijkheden om mobiliteitsgedrag daadwerkelijk te beïnvloeden.
De demo combineert onder andere:
- bereikbaarheid per modaliteit;
- auto-afhankelijkheid van werklocaties;
- fietspotentie;
- herkomst-bestemmingsinformatie;
- infrastructuur, verkeersveiligheid en OV-aanbod.
Maar de echte meerwaarde zit niet in de data zelf. Door deze informatie met elkaar te combineren wordt zichtbaar waar duurzame mobiliteit daadwerkelijk kansrijk is én welke maatregel het meeste effect heeft.
De eerste resultaten laten zien dat vergelijkbare werklocaties vaak om heel verschillende oplossingen vragen. Op de ene locatie ligt de grootste winst in het stimuleren van e-bike gebruik of aanpassing van de werkgeversregeling, terwijl op een andere locatie juist een hogere OV-frequentie of een betere ketenverbinding meer impact heeft. Daarmee verschuift de discussie van "waar ligt het probleem?" naar "welke maatregel levert hier de grootste maatschappelijke impact op?"
Landelijke dekking en lokaal toepasbaar
Een belangrijk onderscheidend kenmerk van Mobility Matching is de tweelaagse aanpak. De basis bestaat uit een generieke analyse van de multimodale bereikbaarheid van bedrijventerreinen op basis van openbare data. Daardoor kan de methode landelijk worden toegepast, zonder dat aanvullende datasets nodig zijn.
Wanneer organisaties of overheden beschikken over eigen mobiliteitsgegevens, kan daarop een maatwerklaag worden toegevoegd. Zo ontstaat een veel gedetailleerder beeld van de mobiliteitsopgave en de meest effectieve interventies. Deze combinatie maakt Mobility Matching niet alleen schaalbaar, maar ook direct toepasbaar voor specifieke werkgevers, bedrijventerreinen en gebieden.
Toelichting afbeeldingen:
- Landsdekkende kaart van werklocaties: overzicht van alle bedrijventerreinen in Nederland (hier ingezoomd op Zuid-Nederland), gekleurd op een gekozen indicator, in dit geval de afstand tot een treinstation. Het laat zien dat de tool generiek en landelijk werkt, volledig op basis van open data, met filters en scorelagen in het linkerpaneel.
-
Data en infrastructuur rond een werklocatie: ingezoomd op een bedrijventerrein bij 's-Hertogenbosch, met de kaartlagen aan: doorfietsroutes, OV-haltes en stations, fietsongevallen en P+R-locaties. Dit toont hoe verschillende openbare databronnen samenkomen tot één beeld van de bereikbaarheid en infrastructuur van een gebied.
- Auto-afhankelijkheid per werklocatie: de scorelaag kleurt werklocaties naar de mate van auto-afhankelijkheid, met in het paneel de onderbouwing per locatie. Rechts staan de bereikbaarheidsstaffels per modaliteit (fiets, e-bike, auto, OV), zodat direct zichtbaar is waar en waarom het alternatief tekortschiet.
Provinciehuis Noord-Brabant als eerste praktijkvoorbeeld
Voor de eerste maatwerktoepassing is het Provinciehuis Noord-Brabant gebruikt als casus.
Hier laat de demo zien hoe generieke analyses kunnen worden verrijkt met organisatie specifieke gegevens, zoals woonlocaties van medewerkers en bestaande modaliteitskeuzes. Hierdoor ontstaat inzicht in welke modaliteit het best te beïnvloeden is en welke maatregelen de meeste impact kunnen opleveren.
Daarnaast laat de demo zien dat de oorzaak van auto-afhankelijkheid per locatie sterk verschilt. Soms lijkt de e-bike of fiets een reëel alternatief, maar zijn er geen goede stallingsvoorzieningen, is er een bushalte in de buurt, maar heeft deze een gemiddelde wachttijd van 30 minuten wat mensen belemmert om het openbaar vervoer te gebruiken.
Een hulpmiddel voor betere keuzes
Mobility Matching is daarmee meer dan een mobiliteitsanalyse. Mobility Matching ondersteunt overheden, werkgevers en mobiliteitspartners bij het maken van gerichte keuzes. Niet door alleen inzicht te geven in mobiliteit, maar door te laten zien waar investeringen de grootste maatschappelijke impact kunnen hebben.
De komende periode werken SmartwayZ.NL en Argaleo verder aan de doorontwikkeling van de demo. Denk daarbij aan scenarioanalyses, verdere verfijning van de methodiek en nieuwe praktijktoepassingen zodat het een waardevolle aanvulling is op het bestaande instrumentarium van de diverse betrokken partijen.
Zelf Mobility Matching testen?
Ben je benieuwd hoe Mobility Matching werkt of wil je verkennen wat deze aanpak kan betekenen voor jouw organisatie, gemeente of project? Neem dan contact op via onderstaand e-mail adres.
Bij voldoende belangstelling organiseren we bovendien een open webinar, waarin we de demo laten zien, de eerste resultaten toelichten en ruimte bieden voor vragen en discussie.
We horen graag van je als je:
- toegang wilt krijgen tot de demo omgeving;
- wilt deelnemen aan het webinar;
- een interessante praktijkcasus hebt;
- of wilt meedenken over de verdere ontwikkeling van Mobility Matching.