In het Strategisch Plan Verkeersveiligheid wordt ingezet op proactief verkeersveiligheidsbeleid op basis van risico-indicatoren, waaronder snelheid. Op 25 juni 2019 organiseerden CROW, Rijkswaterstaat en SWOV een werksessie om voor dit thema de balans op te maken en kennisvragen te formuleren.
De sessie had de volgende doelen:
- Conclusies trekken over wat werkbare indicatoren zijn voor de SPI snelheid. Deze input wordt gebruikt voor de opzet van een landelijke monitor.
- De stand van zaken opmaken over kennis, data en methoden om in de praktijk met dergelijke indicatoren te werken en bepalen welke behoeften aan kennis en gegevens nog niet kunnen worden vervuld. Dit is input voor de kennisagenda van kennisnetwerk verkeersveiligheid dat door CROW en SWOV wordt opgezet voor de implementatie van het Strategisch Plan Verkeersveiligheid.
Het bereiken van het eerste doel geeft niet alleen invulling aan de landelijke monitor maar ook aan maatregel 40 van het Landelijk Actieplan Verkeersveiligheid (Inventarisatie voor snelheidsindicator). Voor het tweede doel moet een overzicht van de huidige kennis, data en methoden worden geschetst waardoor de onderwerpen globaal behandeld worden. Op die manier kan worden afgetast welke hiaten er zijn en welke onderwerpen prioriteit zouden moeten krijgen in de kennisagenda van de komende jaren. Daarnaast zouden aanvullend op deze werksessie verdiepingssessies georganiseerd kunnen worden als daar voor deelonderwerpen behoefte aan is.
Indicatoren voor snelheid (definitie)
Charlotte Bax presenteerde waaraan indicatoren zouden moeten voldoen om te kunnen fungeren als risico-indicatoren voor verkeersveiligheidsbeleid, in de literatuur ook wel aangeduid als ‘Safety Performance Indicators’. SWOV publiceerde hierover vorig jaar het volgende rapport:
Aats, L.T., 2018. Prestatie-indicatoren voor verkeersveiligheid (SPI’s); Overzicht van beschikbare kennis over SPI’s als basis voor risicogestuurd beleid. Den Haag: SWOV.
https://www.swov.nl/publicatie/prestatie-indicatoren-voor-verkeersveiligheid-spis
Een indicator die ook in Europees verband is omarmd in relatie tot snelheid is ‘het aandeel van het verkeer dat op of onder de snelheidslimiet rijdt’.[1] Het toepassen daarvan is vooralsnog vrijwillig. SWOV geeft aan dat een SPI voor snelheid vanwege de relatie met infrastructuur nog een tweede onderdeel zou moeten hebben: ‘het aandeel van het verkeer dat op of onder de veilige snelheid rijdt’. De ‘veilige snelheid’ volgt uit kenmerken van de weginfrastructuur en niet uit tijdelijke omstandigheden zoals gladheid waarop weggebruikers hun snelheid ook zouden moeten aanpassen. Om invulling te geven aan dit tweede deel moeten de infrakenmerken verzameld en toegankelijk zijn.
In de discussie blijkt dat het voorstel van SWOV met bovengenoemde twee onderdelen wordt gesteund. Daarbij wordt opgemerkt dat het tweede onderdeel het belangrijkste is maar dat dit qua data, en tot op zekere hoogte ook kennis, nog meer uitwerking behoeft. Verder wordt opgemerkt dat het vaststellen van een streefwaarde voor de indicatoren een (politieke) beslissing is. Josh Bennink geeft aan dat het de vraag is of alleen het ministerie een rol heeft bij het officieel vaststellen van een definitie. De keuze is eerder vergelijkbaar met de status van een CROW richtlijn. Net zoals bij een CROW richtlijn zouden decentrale overheden wel samen kunnen besluiten om zo’n definitie te bekrachtigen. De definitie kan bijvoorbeeld in het nieuwe Bestuurlijk Overleg over het SPV ter besluitvorming worden voorgelegd.
In de discussie worden ook lage snelheden en snelheidsverschillen genoemd als factoren die iets zeggen over risico’s in relatie tot snelheid. Afgezien van onverwachte files komen snelheden die dermate laag zijn dat ze risico’s veroorzaken minder vaak voor. Snelheidsverschillen kunnen inderdaad een indicator zijn maar zijn moeilijker meetbaar. De provincie Utrecht gebruikt ze overigens al wel. Over de V85 (snelheid waar 85% van het verkeer zich aan houdt) wordt verder opgemerkt dat die minder geschikt is om af te spreken als landelijke indicator voor monitoring maar dat die nog steeds prima gebruikt kan worden om te onderzoeken waar hard gereden wordt en waar handhaving van belang is.
Lessen uit de praktijk (Rijkswaterstaat, Paul Schepers)
Een relevant project in relatie tot het tweede doel van de sessie is het project Proeftuinen snelheid en verkeersveiligheid dat CROW en Rijkswaterstaat in 2017 samen met een aantal gemeenten hebben uitgevoerd. Destijds is ook de balans opgemaakt over wat aanwezig is en wat nog mist qua kennis, data en methoden. Daarnaast zijn lessen getrokken over de (politieke) context maar die zijn minder relevant voor het doel van deze sessie. Het rapport van de proeftuinen is te vinden
op:
Slinger, W., Talens, H., 2017. Proeftuinen Risicogestuurde aanpak; Ervaringen met de indicator ‘snelheid’; K-D054. Ede: CROW.
https://www.crow.nl/publicaties/proeftuinen-risicogestuurde-aanpak
In dit project werden de volgende behoeften geïdentificeerd:
- Data:
- toegankelijke snelheidsdata, liefst landelijk via een partij zoals NDW
- toegankelijke infra data, liefst breed in de BGT (Basisregistratie Grootschalige Topografie)
- Methoden en tools om:
- snelheid en infra te combineren
- werk voor databewerkingen uit handen te nemen
Methoden (SWOV, Charlotte Bax; Rijkswaterstaat, Paul Schepers)
Dit deel van de sessie bestond uit twee onderdelen. Als er vanuit gegaan wordt dat risicogestuurd werken grotendeels proactief en zonder ongevalsgegevens ingevuld moet kunnen worden zou enkel van snelheids- en infrastructuurgegevens uitgegaan moeten worden. Charlotte presenteert hoe ver die methoden zijn ontwikkeld. Paul beschrijft methoden om snelheidsgegevens met ongevalsgegevens te combineren. Gezien de aard van de input is deze methode deels reactief en deels proactief. Bezien vanuit de beschikbaarheid van benodigde gegevens is het op dit moment de best toepasbare methode.
Paul vatte methoden voor het combineren van ongevalsgegevens en snelheidsgegevens samen aan de hand van de concepten die bij CROW zijn gepresenteerd bij een workshop op 30 oktober 2018. De uitkomsten zijn te vinden op de website van CROW:
https://www.crow.nl/kennis/bibliotheek-verkeer-en-vervoer/kennisdocumenten/terugblik-oncepten-gebruik-ndw-snelheidsgegevens
Hans van Mook was niet in de gelegenheid om deel te nemen op 25 mei maar vatte in een eerdere telefonische reactie de variatie in methoden goed samen. De ene groep methoden werkt vooral met visualisatie, werkt intuïtief en is makkelijk bruikbaar. De gebruiker kan visualiseren waar hard gereden wordt en vervolgens na inzoomen kijken of daar ook veel ongevallen gebeuren en met foto’s de situatie ter plaatse beoordelen. Of vergelijkbare stappen worden gestart met als eerste stap het visualiseren van locaties waar veel ongevallen gebeuren.
In een andere groep concepten worden snelheidsgegevens eerst aan ongevalsgegevens gekoppeld zodat lijstjes aan de gebruiker aangeboden kunnen worden met locaties waar én veel ongevallen gebeuren én relatief hard gereden wordt. Dit geeft extra mogelijkheden en is een makkelijk startpunt voor verdere analyse. In de discussie wordt opgemerkt dat de lijstjes geen eigen leven moeten krijgen omdat er geen oorzakelijk verband hoeft te zijn en er soms pas bij verdere beschouwing fouten in de onderliggende data worden gevonden (bijvoorbeeld een foutieve maximumsnelheid).
Charlotte Bax presenteert de VSGS methode (Veilige Snelheden Geloofwaardige Snelheidslimieten) die SWOV heeft ontwikkeld voor het combineren van rijsnelheid en infrastructuurkenmerken. Het onderdeel VS is beter onderbouwd dan het onderdeel GS. Charlotte legt uit dat bij enkele recente onderzoeken rijsnelheden zijn vergeleken met geloofwaardigheidskenmerken. Op afzonderlijke factoren is er wel een bijdrage aan rijsnelheden, maar de gemiddelde ‘GS-score’ heeft daar geen sterke samenhang mee. Meer onderzoek is nodig en is door SWOV al in zijn programmering opgenomen voor 2020.
Voor de definitie kan het VS deel al wel gebruikt worden. In de discussie stelt Eric voor om een nieuwe naam te zoeken en het VS- en GS-deel uit elkaar te halen als de methode verder wordt ontwikkeld.
Beschikbaarheid infragegevens (Datascientist, Arjan Knol)
Voor toepassing van een methode zoals VSGS zijn veel infrastructuurgegevens nodig. Arjan Knol heeft als datascientist recent voor andere doeleinden infrastructuurgegevens verzameld en gekoppeld. Hij licht zijn ervaringen toe en beschrijft in hoeverre de gevraagde kenmerken met nu beschikbare gegevensbronnen toegankelijk gemaakt kunnen worden. Ook legt hij op hoofdlijnen uit dat daarvoor vaak enkele tussenstappen nodig zijn. Bijvoorbeeld, wegbreedtes kunnen met GIS-analyses afgeleid worden uit de breedtes van vlakken in de BGT (Basisregistratie Grootschalige Topografie) en voor verder gebruik gekoppeld worden aan een bestand zoals NWB (Nationaal Wegenbestand). Aanvullend op dit soort landelijke bestanden kunnen met name grotere overheden vaak ook beschikken over eigen bestanden met beheergegevens, bijvoorbeeld de coördinaten van lichtmasten.
Landelijk lijkt de toegankelijkheid van infrastructuurgegevens langzaam te verbeteren met bronnen zoals de BGT die verplicht moet worden gevuld en WKD (Weg Kenmerken Database) waarin Rijkswaterstaat voor alle wegen maximumsnelheden registreert. In 2017 zijn hiervoor gegevens verzameld. Vanaf dat moment zijn de nieuwe verkeersbesluiten, via KOOP (oude Staatcourant) gebruikt om wijzigingen in de maximum snelheden op te sporen. Daarmee worden wijzigingen gemist waardoor de vulling naar schatting enkele procenten is gezakt. Er zijn plannen om landelijk verkeersborden in te meten en dat als extra bron voor actualisatie van snelheden in WKD te gaan gebruiken zodat ontbrekende data en fouten tot enkele procenten van de wegvakken beperkt kunnen worden. CROW heeft recent voor de informatiebehoefte vanuit verkeer het IMWV (Informatie Model Wegen en Verkeer) ontwikkeld. Daarmee kan iedere wegbeheerder met dezelfde standaard en afspraken gegevens vastleggen. De toepassing is vrijwillig. Er zijn nog weinig wegbeheerders die het gebruiken. Naarmate het informatiemodel breder wordt toegepast zal de toegankelijkheid van infrastructuurgegevens verbeteren.
In discussie komt de vraag op hoe je de grote aantallen kleinere gemeenten zou kunnen helpen die geen eigen afdeling hebben voor verwerking van gegevens zoals beschreven door Arjan. Mogelijk zouden deze gemeenten geholpen kunnen worden door de algoritmes die experts ontwikkelen voor landelijke datasets ook landelijk toe te passen en op een toegankelijke manier (bijvoorbeeld gekoppeld aan het NWB) beschikbaar te stellen. Zo’n aanpak zou eerst in enkele (kleinere) gemeenten uitgetest kunnen worden waarbij bijvoorbeeld gekeken kan worden of de kwaliteit voldoet aan wat er voor verkeersveiligheidsbeleid nodig is, bijvoorbeeld qua dekking van variabelen, volledigheid en juistheid. Dit past in Arjan’s aanbeveling om incrementeel te werken aan het landelijk beschikbaar stellen van infradata. De provincie Utrecht geeft bij de discussie aan in hun provincie het voortouw te nemen zodat gegevens beschikbaar komen voor alle gemeenten in de provincie.
Verder wordt in de discussie de link gelegd met de ontwikkeling in modellen om verkeersveiligheid te voorspellen omdat daarmee de voor verkeersveiligheid meest bepalende infrastructuurkenmerken bepaald kunnen worden. Dat kan de inspanningen om data te verzamelen beperken en daarmee landelijke dekking haalbaarder maken. Een model als PROMEV (Proactief Meten Verkeersveiligheid)[2] voor provinciale wegen is begonnen met veel variabelen. Later zijn bij de ontwikkeling van PROMEV light drie kenmerken geïdentificeerd die de verschillen in ongevalsrisico’s op deze wegen het beste verklaren (berminrichting, rijbaanscheiding en erfaansluitingen).[3] Charlotte stelt dat deze 3 indicatoren een groot deel van de verkeersonveiligheid verklaren
Beschikbaarheid snelheidsgegevens
Charlotte Bax presenteerde aan de hand van een onderzoek in Zeeland hoe je zelf lokaal een meetnet kan opzetten met behulp van puntmetingen op een selectie van locaties per wegtype. De methode is vooral geschikt voor monitoring. Specifieke plekken waar hard gereden wordt krijg je minder goed in kaart met puntmetingen. Aandachtspunten zijn de plaats en representativiteit van de locaties met meetlussen. Meetlussen zijn het meest betrouwbaar. In de discussie wordt opgemerkt dat ze wel kostbaar zijn. Charlotte presenteert ook voor- en nadelen van andere meetmethoden, bijvoorbeeld telslangen en wegkantradars waarmee tijdelijk op een selectie van punten gemeten zou kunnen worden. Aanbevelingen voor het opzetten van lokale meetnetten zijn te vinden in het volgende rapport:
Goldenbeld, C., Aarts, L.T., 2013. Monitoring snelheid in het verkeer; Handreiking voor de opzet van een gestructureerd decentraal meetnet. https://www.swov.nl/publicatie/monitoring-snelheid-het-verkeer
Natascha Kijk in de Vegte presenteerde namens Nationale Databank Wegbeheergegevens (NDW) wat er met Floating Car Data (FCD) aan snelheidsgegevens beschikbaar is voor verkeersveiligheidsbeleid. NDW heeft namens wegbeheerders voor verkeersmodellen FCD ingekocht bij Be-mobile. Natascha legt uit hoe met behulp van kalibratie aan gegevens met meetlussen V85 waarden (snelheid waar 85% van het verkeer zich aan houdt) zijn geschat voor verkeersveiligheidsbeleid. NDW biedt hiermee een basisproduct dat vanaf juli beschikbaar komt voor wegbeheerders. Hiermee wordt invulling gegeven aan maatregel 39 uit het Landelijk Actieplan Verkeersveiligheid. Meer over de methode en achtergronden is te vinden in het volgende rapport:
Kijk in de Vegte, K., 2019. V85 schatten met FCD Model voor het schatten van de V85 uit Floating Car Data. Utrecht: Nationale Databank Wegverkeersgegevens. https://www.crow.nl/downloads/documents/2019/terugblik/eindrapport-ndw-v85-schatten-uit-fcd.aspx.
NDW biedt de V85 en nog geen schatting van het aandeel van het verkeer dat zich aan de maximumsnelheid houdt. Gezien de uitkomsten ten aanzien van de definitie zou het interessant zijn om dat uit te zoeken. Onderzoek hiernaar zal in de tweede helft van het jaar worden uitgevoerd. Afhankelijk van de uitkomsten zou NDW dit kunnen meenemen in een volgende jaarlevering. Deze gegevens zijn inmiddels beschikbaar. Natascha licht ook de voordelen en beperkingen van FCD in het algemeen toe, bijvoorbeeld de representativiteit van de vloot van voertuigen waarmee FCD wordt ingewonnen die ook over de tijd kan variëren.
In de discussie wordt gesproken over 30 km/uur wegen. De ongevalsdichtheid is laag maar het gaat wel om veel lengte aan wegen en er zijn relatief veel klachten van bewoners. NDW heeft ervoor gekozen om geen data te leveren voor deze wegen omdat er teveel twijfels zijn over de kwaliteit van de gegevens op dit wegtype (lage dekking). Commerciële aanbieders leveren deze gegevens wel, de eerste indruk is dat de kwaliteit per aanbieder verschilt. In de discussie wordt ook de vraag gesteld of je hier wel met snelheidsgegevens moet willen werken en of het niet beter is om risico-indicatoren voor deze wegtypen geheel op infrastructuurkenmerken te baseren.
Discussie en afsluiting
Definitie Safety Performance Indicator Snelheid
SWOV stelt de volgende definitie voor een SPI snelheid voor met twee componenten:
- Het aandeel gemotoriseerd verkeer dat niet harder rijdt dan de snelheidslimiet (per wegtype)
- Het aandeel gemotoriseerd verkeer dat (per wegtype) niet harder rijdt dan de veilige snelheid
De discussie toont dat er draagvlak is voor deze indicator. Met name de tweede component is van belang voor de verkeersveiligheid maar deze is nog moeilijk meetbaar omdat niet alle benodigde gegevens beschikbaar zijn (zie ook uitkomsten tweede deel bijeenkomst). De eerste component is al wel goed werkbaar. Rijkswaterstaat zal daar dan ook van uit gaan in een op te zetten monitor op basis van meetlusgegevens.
Stand van zaken op het terrein van kennis, data en methoden
De stand van zaken voor data en methoden voor risicogestuurd werken voor snelheid en verkeersveiligheid kan als volgt worden samengevat:
- Data:
- Snelheidsdata: snelheidsdata zijn de afgelopen jaren beter toegankelijk geworden door de beschikbaarheid van floating car data waardoor het makkelijker wordt om locaties waar hard wordt gereden op te sporen. Vanaf juli stelt NDW een basisproduct beschikbaar aan wegbeheerders. Aan de hand van gebruikerservaringen in wensen qua definitie (zie 7.1) zou dit product verder ontwikkeld kunnen worden.
- Infrastructuurgegevens: wegkenmerken zijn aanmerkelijk minder goed beschikbaar dan snelheidsgegevens. Hierin lijkt langzaam verbetering te komen door de beschikbaarheid van landelijke registraties zoals de BGT (Basisregistratie Grootschalige Topografie) in combinatie met technische mogelijkheden om hier informatie uit af te leiden, bijvoorbeeld de afstand tot de weg van objecten die op een kaart zijn ingetekend en iets zeggen over berminrichting. De dekking qua variabelen, volledigheid en juistheid moet nog verder worden verkend. Met name kleinere gemeenten zouden geholpen moeten worden met het ontsluiten van de genoemde data
- Methoden en tools om:
- snelheid en ongevallen te combineren: deze aanpak is deels proactief (de component snelheid) en deels reactief (de component ongevallen). Marktpartijen bieden diverse concepten die als bruikbaar worden ervaren.
- snelheid en infrastructuurkenmerken te combineren: theoretisch is een aanpak voor de combinatie van snelheid en infrastructuurkenmerken ontwikkeld in de vorm van VSGS (Veilig Snelheden Geloofwaardige Snelheidslimieten). Uit recente onderzoeken is gebleken dat met name het GS deel nog verder ontwikkeld zou moeten worden. SWOV pakt dit volgend jaar op
Vertaald naar thema’s voor een kennisagenda kan prioriteit gegeven worden aan:
- Het makkelijker toegankelijk maken van infrastructuurkenmerken voor verkeersveiligheidsbeleid. Enkele grote overheden onderzoeken welke informatie uit landelijke bestanden afgeleid kan worden. In een later stadium kan worden bepaald in hoeverre de algoritmes landelijk bruikbaar zijn.
- Het verder ontwikkelen van methoden om snelheid en infrastructuurkenmerken te combineren zoals VSGS en daarbij het VS- en GS-deel uit elkaar halen. Naar analogie van PROMEV en PROMEV light kan dit onderzoek ook leren welke infrastructuurkenmerken echt belangrijk zijn voor verkeersveiligheid. Die kunnen prioriteit krijgen bij het breder beschikbaar maken van infrastructuurkenmerken.
Hier ligt een aanvullende vraag voor 30 km/u-gebieden waar de meeste mensen, wensen en vragen zijn, hoewel de ongevalsdichtheden laag liggen. Je kan jezelf de vraag stellen of het belangrijk is om snelheidsgegevens te hebben over 30 km-gebieden. Het gaat dan eerder over de geloofwaardigheid van de snelheid. Het feit dat FCD minder gevuld zijn met gegevens uit deze gebieden is dan minder cruciaal. Een onderzoeksvraag is hoe ‘geloofwaardigheid’ in deze gebieden het beste met weg- en omgevingskenmerken ingevuld kan worden.
- Combinatie van voorgaande twee stappen kan meer zicht geven op de kosten en baten van eventuele aanvullende meer kostbare gegevensinwinning als gegevens niet met voldoende kwaliteit uit landelijke registraties af te leiden zijn.
- Dialoog met de markt over het doorontwikkelen van hun producten zodat die zo goed mogelijk aansluiten op de vraag vanuit de overheden. Bijvoorbeeld dankzij gesprekken tussen leveranciers en een paar grotere gemeenten zijn er meer exportopties mogelijk gemaakt in een van de huidige producten. Hierdoor kan er meer gecombineerd worden met andere data zoals een fietsnetwerk. Deze opties zouden breder beschikbaar gesteld moeten worden.
Bekijk hier de gebundelde presentaties van de werksessie Snelheid en Verkeersveiligheid.
[1] European Commission, 2019. EU Road Safety Policy Framework 2021-2030 – Next steps towards “Vision Zero” https://ec.europa.eu/transport/sites/transport/files/legislation/swd20190283-roadsafety-vision-zero.pdf
[2] Aarts, L., Dijkstra, A., Bax, C., 2014. ProMeV: Proactief Meten van Verkeersveiligheid. Den Haag: SWOV. https://www.swov.nl/publicatie/promev-proactief-meten-van-verkeersveiligheid
[3] Bax, C., Eenink, R., Commandeur, J., Loenis, B., 2017. ProMeV Light; Een invulling van risicogestuurde aanpak van weginfrastructuur. https://www.swov.nl/publicatie/promev-light