'Houd rekening met verdelingseffecten bij je projecten en ga vooral aan de slag’

De aandacht voor verdelingseffecten van verbeteringen in de infrastructuur neemt toe. Vroeger werd alleen gekeken naar nationale welvaartseffecten, maar tegenwoordig is er ook oog voor wat bekend staat als ‘brede welvaart’, inclusief verdelingseffecten. Het besef dringt door dat veranderingen niet voor iedereen hetzelfde uitpakken. Een verbetering voor de een 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. We spraken hierover met onderzoekers Gerbert Romijn en Iris Roeleven.
Soorten effecten
In 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’ is 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 (zie kader) allemaal verdelingseffecten in beeld kunnen brengen, maar ze brengen allemaal andere soorten effecten aan het licht. Ook blijkt dat er met die modellen veel meer kan worden gedaan dan nu in de praktijk gebeurt.
Inclusiviteit
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 vervoersprestatie 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 nog nooit ingezet bij mobiliteit. Bij projecten wordt gekeken naar effecten op nationaal niveau, maar er wordt nog steeds weinig onderzocht bij wie de voordelen terecht komen en wie er last of nadeel van heeft.’
Dat er meer aandacht voor dit welvaartsaspect aan het ontstaan is 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 moet doen staat er niet in. In ons onderzoek geven we aan dat modellen – en 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.’
Niet te veel details
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. Zo wordt in de inkomensgroei bijvoorbeeld niet verbijzonderd naar regio’s, dat is voor dergelijke scenario’s te gedetailleerd. Ramingen voor de toekomst zijn belangrijk, maar je kunt ze niet tot in het oneindige detailleren. Dat geldt ook voor het Landelijk Model Systeem 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, ook dat wordt veel te gedetailleerd.’ Zoals ook in het onderzoek staat: meer detail in data en modellen betekent niet altijd een verbetering van de kwaliteit van de uitkomsten.
Dat laatste is ook een argument om niet alles in één model onder te brengen, hoe efficiënt dat ook lijkt. ‘Elk model kan weer andere dingen. Eén model wordt te gecompliceerd. 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.
Gemeentelijke schaal
Hoe zijn de bevindingen praktisch toepasbaar? Romijn: ‘Je moet op bijvoorbeeld gemeentelijk schaalniveau wel verdelingseffecten van maatregelen kunnen zien. 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 effecten 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 maar nog 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. Het is nog steeds een beetje een sluitpost aan het einde van het verhaal.’
‘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 is nauwelijks wat mee gedaan, er was toen geen belangstelling voor. Onze boodschap is nu: het kan, houd rekening met verdelingseffecten bij je projecten en ga vooral aan de slag.’
Leren gebruiken
Het is niet duidelijk wat het ministerie van IenW zelf met de bevindingen gaat doen. 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) eens 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 daarvoor ook te leren gebruiken.
Meer over het onderzoek
Voor het onderzoek is 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 zijn ook 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.