KiM: Houd rekening met verdelingseffecten bij je projecten

Het besef dringt door dat veranderingen niet voor iedereen hetzelfde uitpakken. Een verbetering voor de één kan juist nadelig uitpakken voor een ander. Wat is bijvoorbeeld het effect van een nieuwe metrolijn (met veranderingen in het busnet) voor de bereikbaarheid van banen voor praktisch opgeleiden? Welke groepen hebben er het meeste voordeel van als een weg wordt verbreed? Wie profiteren er het meest van lagere prijzen voor trein of bus? Kunnen scholieren door de aanleg van een doorfietsroute meer scholen bereiken?

Het Kennisinstituut voor Mobiliteitsbeleid (KiM) heeft onderzocht of en in hoeverre het huidige Nederlandse modelinstrumentarium in staat is om verschillen in effecten van mobiliteitsbeleid tussen bevolkingsgroepen en gebieden in kaart te brengen. Onderzoekers Gerbert Romijn en Iris Roeleven geven een toelichting op de publicatie Verdelingseffecten van mobiliteitsbeleid met als ondertitel ‘Een overzicht van de mogelijkheden van (verkeers)modellen om effecten van beleid in beeld te brengen voor verschillende bevolkingsgroepen’.

Het KIM heeft gekeken naar de effecten op potentiële bereikbaarheid voor verschillende groepen mensen en naar de effecten op reistijden en reiskosten voor verschillende groepen mensen. Duidelijk is dat de gebruikte modellen verdelingseffecten in beeld kunnen brengen, maar ze brengen ook alle andere soorten effecten aan het licht. Daarnaast blijkt dat er met die modellen veel meer mogelijk is dan nu in de praktijk gebeurt.

Aanleiding voor het onderzoek is de toenemende aandacht voor verschillen tussen groepen mensen en het streven naar inclusiviteit, ook bij mobiliteit en bereikbaarheid. Steeds vaker staat niet alleen de totale vervoerprestatie centraal, maar gaat het er ook om welke gebieden en welke groepen er in bereikbaarheid op voor- en achteruitgaan als gevolg van mobiliteitsprojecten. Toch staan we daarmee nog maar aan het begin, stelt Gerbert Romijn, een van de onderzoekers: "Het verdelingsaspect wordt inderdaad steeds belangrijker, maar het wordt bijna nooit ingezet bij mobiliteit. Bij projecten wordt gekeken naar effecten op nationaal niveau, maar nauwelijks bij wie de voordelen terechtkomen en wie er last of nadeel van heeft."

Dat er meer aandacht voor dit welvaartsaspect ontstaat, blijkt uit de onlangs verschenen Werkwijzer MKBA bij het MIRT, een document met regels voor de uitwerking van maatschappelijke kosten-batenanalyses van MIRT-projecten. In die werkwijzer komt het woord ‘verdeling’ 106 keer voor. Romijn: "Er staat in feite 'gij zult aandacht besteden aan…', maar hoe je dat doet staat er niet in. In ons onderzoek geven we aan welke modellen de verdelingseffecten in kaart kunnen brengen. Denk daarbij aan sociaaleconomische verschillen, geografische verschillen van regionaal tot buurtniveau, inkomen, werk, opleidingsniveau, leeftijd, geslacht, auto- of rijbewijsbezit."

Voor het in beeld brengen van verdelingseffecten is veel detailinformatie nodig over bijvoorbeeld de demografische en sociaaleconomische samenstelling van de bevolking, maar het kan anderzijds niet té gedetailleerd worden. Romijn: "Er zijn zoveel variabelen die je met elkaar kunt kruisen dat je de gegevens bijna tot één persoon zou kunnen herleiden. Dat is natuurlijk niet de bedoeling en door al te precieze details wordt een model onwerkbaar. Een model zal altijd een tamelijk globaal beeld opleveren."

Hij noemt als voorbeeld de toekomstverwachtingen voor de welvaart en de leefomgeving tot 2060 waar het Planbureau voor de Leefomgeving momenteel aan werkt. "In die scenario’s zitten wel uitsplitsingen naar groepen, maar niet in veel detail. De inkomensgroei verbijzonderen naar regio’s bijvoorbeeld is voor dergelijke scenario’s te gedetailleerd. Dat geldt ook voor het Landelijk Model Systeem (LMS) dat Rijkswaterstaat hanteert voor de planning van aanleg, verbreding en onderhoud van wegen of sporen. Dat LMS kent zo’n 1500 zones; je kunt niet voor elke zone een raming met verdelingsaspecten maken." Zoals in het onderzoek staat: meer detail in data en modellen betekent niet altijd een verbetering van de uitkomsten.

Dat laatste is ook een argument om niet alles in één model onder te brengen, hoe efficiënt dat ook lijkt. "Hoe ingewikkelder een model, hoe groter de kans dat het verkeerd gaat." Gebruikers zullen dus moeten kiezen welk model ze gaan gebruiken, afhankelijk van de verdelingseffecten die ze in beeld willen krijgen.

Op gemeentelijk schaalniveau moet je de verdelingseffecten van maatregelen wel kunnen zien, zegt Romijn. "Neem bijvoorbeeld de recente proefafsluiting van de Wibautstraat in Amsterdam, met grote gevolgen voor het verkeer in delen van de stad. In principe moet je kunnen zien wat de voordelen daarvan zijn voor verschillende groepen inwoners en wie daar last van heeft. Voor een dergelijke schaalgrootte is een model nodig op gemeentelijke of regionale schaal. Een voorbeeld van een dergelijk model is het model Zwolle-Almere, ontworpen voor de lokale situaties daar. Ons advies is: kijk welk model het beste past voor lokaal gebruik."

We staan nog maar aan het begin, stelt onderzoeker Iris Roeleven: "Er is nu wel meer aandacht voor verdelingseffecten, maar het is nog steeds iets wat pas aan het einde van het proces aan de orde komt. Als sluitpost."

"Er is inderdaad nog heel weinig ervaring met modellen als het om verdelingseffecten gaat", voegt Romijn toe. "Ik heb daar in 2013 al eens aandacht voor gevraagd, maar er was toen nauwelijks belangstelling voor. Onze boodschap is nu: houd rekening met verdelingseffecten bij je projecten en ga vooral aan de slag."

Wat het ministerie van IenW zelf met de bevindingen gaat doen, is nog niet duidelijk. Romijn: "We hebben het onderzoek gedaan op verzoek van het ministerie, maar er zijn momenteel niet veel grote projecten. Nu er vanuit de politiek meer aandacht is voor regio’s buiten de Randstad zou je bijvoorbeeld bij de Nedersaksenlijn, de voorgestelde spoorverbinding Enschede–Emmen–Groningen, kunnen kijken wat de verdelingseffecten daarvan zijn. Wat heeft die spoorlijn voor gevolgen voor de regio? Verdwijnen er buslijnen of zitten daar alleen nog scholieren in? En welke bevolkingsgroepen hebben er voordeel of juist nadeel van?"

Kort en goed: het KiM heeft laten zien dat de modellen om daarachter te komen beschikbaar zijn. Nu is het de kunst om ze ook te leren gebruiken.

Voor het onderzoek heeft KiM gekeken naar zes modellen die in meer of mindere mate iets zeggen over verdelingseffecten:

• LMS/NRM en Zwolle/Almere bieden inzicht in de impact van mobiliteitsbeleid op de mobiliteitskeuzes van mensen en afgeleid daarvan de impact op netwerken, landelijk/regionaal (LMS/NRM) of lokaal (Zwolle/Almere). De typen verdelingseffecten zijn verschillen in reistijden en kosten en potentiële bereikbaarheid.
• TIGRIS XL en ORANGE leveren inzicht in de impact van mobiliteitsbeleid op de mobiliteitskeuzes van mensen en de interactie met de woningmarkt en arbeidsmarkt. De typen verdelingseffecten in deze modellen verschillen in reistijden en kosten en potentiële bereikbaarheid.
• IKOB en Urban Strategy zijn twee quick scan tools. IKOB levert inzicht in de impact van mobiliteitsbeleid op de mogelijkheid van mensen om bestemmingen te bereiken, Urban Strategy heeft aandacht voor de effecten van mobiliteitsbeleid op de leefomgeving, met onderwerpen als geluidsoverlast en luchtkwaliteit. Het verdelingseffect is in beide gevallen de potentiële bereikbaarheid.

• Publicatie Verdelingseffecten van mobiliteitsbeleid
• Aan de slag met brede welvaart
• Kennisinstituut voor Mobiliteitsbeleid (KiM)