Elektrische fietsen in de stroomversnelling

  • Soort:Onderzoeksrapporten
  • Auteur:Jeroen Loijen
  • Uitgever:Faculteit Civiele Techniek, TU Delft
  • Datum:13-01-2011

Met behulp van statistische modellen is onderzocht welke factoren het bezit en het gebruik van elektische fietsen bepalen.


 

Klik op de knop om de link te openen (opent in een nieuw venster)

downloaden
  • Conclusie
    Met dit onderzoek is een breed kwalitatief inzicht gekregen in de factoren die ertoe leiden dat iemand een elektrische fiets bezit en gebruikt. Het onderzoek biedt vele aanknopingspunten voor beleid en vervolgonderzoek.
    De beschikbare kwantitatieve informatie is niet toereikend om een goed kwantitatief beeld te krijgen van het bezit en gebruik van de elektrische fiets. Het is daarom niet gelukt om alle onderzoeksvragen ook kwantitatief te beantwoorden. Daarom verdient het aanbeveling om meer kwantitatieve informatie in te zamelen over het bezit en gebruik van de elektrische fiets.

    Bezitsfactoren van de elektrische fiets
    Met interviews is nagegaan welke factoren een rol spelen bij het bezit van een
    elektrische fiets. Vervolgens is met kwantitatieve data een model gemaakt,
    waarmee is gezocht naar een statistisch verband tussen de factoren en het
    bezit van een elektrische fiets. Hiervoor is een dataset gebruikt die in 2007 is
    samengesteld voor een marktonderzoek over elektrisch fietsen. In de dataset
    zijn niet voor alle gevonden factoren gegevens aanwezig, dus een deel van de
    factoren is niet gekwantificeerd.
    Na de modelanalyses bleken zes factoren een statistisch verband te hebben
    met het bezit van een elektrische fiets. Deze zijn hieronder weergegeven. Het
    percentage achter de factor geeft aan welk aandeel de factor heeft in de
    modelvoorspelling (dus hoe belangrijk de factor is). De factoren zijn:
    • Iemand kennen die een e-fiets bezit (41%)
    Als iemand een ander met een e-fiets kent, is de kans groter dat deze
    persoon zelf ook een e-fiets bezit. Dit geldt in zeer sterke mate wanneer
    zij in hetzelfde huishouden wonen.
    • Leeftijd (16%)
    Hoe ouder, hoe groter de kans op een e-fiets
    • Reisafstand/woon-werkafstand (16%)
    Hoe groter het aantal afgelegde fietskilometers, hoe groter de kans dat
    iemand een e-fiets bezit
    • Lichamelijke gesteldheid (15%)
    Hoe gezonder iemand is, hoe kleiner de kans op bezit van een e-fiets
    • Geslacht (9%)
    Vrouwen bezitten vaker een e-fiets dan mannen
    • Mate waarin iemand actief is ingesteld (3%)
    Minder actieve mensen hebben meer kans op bezit van een e-fiets

    Belangrijke factoren die vanwege het ontbreken van benodigde data niet
    kunnen worden gekwantificeerd, maar wel van invloed zijn op het bezit van
    een e-fiets zijn (gebaseerd op de interviews):
    • Etniciteit
    Bezitters van e-fietsen zijn vrijwel altijd autochtoon
    • Mate waarin de e-fiets wordt beschouwd als een fiets voor oude mensen
    Iemand die de e-fiets als fiets voor oude mensen beschouwt, heeft
    minder kans op bezit van een e-fiets
    • Verplaatsingsmotief
    De e-fiets wordt meestal gebruikt voor recreatie of woon-werkverkeer
    • Aanschafprijs van de e-fiets
    Hoe hoger de aanschafprijs, hoe kleiner de kans dat mensen een e-fiets
    kopen
    • Vormgeving van de e-fiets
    Hoe meer de vormgeving van de e-fiets is aangepast aan de betreffende
    doelgroep, hoe groter de kans op bezit
    • Mate van verstedelijking
    Hoe hoger de verstedelijking, hoe kleiner de kans op bezit van een e-fiets
    • De vervoerwijze die meestal wordt gekozen
    Wanneer voorheen vaak een gewone fiets werd gekozen, neemt de kans
    op bezit van een e-fiets toe.

    Om iets te kunnen zeggen over de toekomstige bezitters van een elektrische
    fiets is ook een model gemaakt dat een verband aantoont tussen de factoren
    en de interesse in een elektrische fiets onder niet-bezitters. Voor dit model
    bleken vier factoren een statistische relatie met de interesse in een elektrische
    fiets te hebben. Dit zijn:
    • Iemand kennen die een e-fiets heeft (31%)
    • Lichamelijke gesteldheid (27%)
    • Leeftijd (32%)
    • Mate waarin iemand de e-fiets beschouwt als een fiets voor oude mensen (10%)

    Verschillen van dit interessemodel ten opzichte van het bezitsmodel zijn dat
    voor de interesse de factoren “Reisafstand / Woon-werkafstand”, “Geslacht”
    en “Mate waarin iemand actief is ingesteld” niet significant blijken.
    Daarentegen speelt de “Mate waarin iemand de e-fiets beschouwt als een
    fiets voor oude mensen” wel een rol bij de interesse.

    Gebruiksfactoren van de elektrische fiets
    Ook de factoren die een rol spelen bij het gebruik van een elektrische fiets
    zijn bepaald op basis van interviews met deskundigen. Dit zijn de
    belangrijkste gebruiksfactoren:
    • Mate waarin iemand actief is ingesteld
    Hoe actiever iemand is ingesteld, hoe meer gebruik van de e-fiets
    • Verplaatsingsmotief
    Forenzen gebruiken de e-fiets dagelijks, recreanten incidenteel
    • Reisafstand/woon-werkafstand
    Ritten tussen 10km en 20km worden vaker op een e-fiets afgelegd dan andere afstanden
    • Beschikbaarheid van veilige fietsenstalling op bestemming
    Bij beschikbaarheid van een veilige stalling op de bestemming, neemt de
    kans op gebruik van de e-fietse toe.
    • Klimaat / weer
    Bij mooi weer en zomers neemt de kans op gebruik van de e-fiets toe
    t.o.v. slecht weer en ’s winters.
    • Gewoonte-aspect in de vervoerwijzekeuze
    Iemand gebruikt vaak een vervoermiddel uit gewoonte.
    Om inzicht te krijgen in de keuzeafweging die mensen maken tussen
    verschillende vervoermiddelen is een vervoerwijzekeuzemodel gemaakt. Dit
    model voorspelt op basis van de reistijd welk vervoermiddel iemand kiest.
    Voor dit model is gebruik gemaakt van dezelfde dataset als die is gebruikt
    voor het bezitsmodel.
    Voor het vervoerwijzekeuzemodel is gebruik gemaakt van een logit model. Uit
    het model blijkt dat op de korte afstanden (met korte reistijden) de fiets en
    elektrische fiets worden geprefereerd boven de auto en het OV. Op de
    langere afstanden (met langere reistijden) voorspelt het model vaker de
    keuze voor auto en OV.
    Het was de bedoeling om met dit model inzicht te krijgen in de verandering in
    vervoerwijzekeuze. Hiervoor bleek de data echter niet toereikend.

Relevantie

Terug naar 'Kennisbank'
Submenu openen

Elektrische fietsen in de stroomversnelling

Scroll naar boven