Sluit het werkelijke autobezit achteraf aan bij de parkeereis?

Zijn parkeernormen een goede voorspeller voor autobezit? Het blijkt dat gemeenten deze vraag zelden beantwoorden, terwijl ze alle tools voor zo’n analyse voorhanden hebben. Dit constateert Pepijn Stuart tijdens zijn afstudeeronderzoek voor de Universiteit Utrecht bij adviesbureau Empaction. Tim van Schaik begeleidde hem. Stuart analyseerde 92 woningbouwprojecten in vijf (middel)grote steden en kwam tot nieuwe inzichten voor beleidsmakers.

Afstudeeronderzoek

“Bij mijn vooronderzoek kwam ik erachter dat de gehanteerde parkeernorm achteraf, na realisatie van een project, vrijwel nooit wordt gecontroleerd”, zegt Stuart. “Ze stellen dus een norm, maar daarna gaan ze niet kijken of het daadwerkelijke autobezit in een wijk overeenkomt met die norm. Dat vond ik wel opvallend en zodoende zijn we gericht onderzoek gaan doen in een aantal gemeenten. Gemeenten zoeken vaak naar hoe hun parkeerbehoefte ingevuld moet worden, gebaseerd op de nota parkeernormen en de CROW-kencijfers, maar dat zijn richtlijnen, daar is het CROW ook heel duidelijk over.”
Dit onderzoek richtte zich dus op de vraag hoe goed parkeernormen overeenkomen met het daadwerkelijk autobezit in nieuwbouwprojecten. Om hier inzicht in te krijgen maakte Stuart gebruik van RDW-data op adresniveau. Om deze gegevens in te zien kreeg hij als onderzoeker toestemming van de betrokken gemeenten. “Gemeenten hebben er als overheid zelf toegang toe, maar mogelijk is dit niet bij iedere gemeente even bekend.”
Stuart heeft bij de stedelijke projecten gekeken naar ruimtelijke en persoonlijke indicatoren die van invloed zijn op autobezit, om daarna per indicator te kijken of er meer of minder afwijking zit tussen daadwerkelijk autobezit en de parkeernorm. “Ik heb onder meer gekeken naar de mate van stedelijkheid, inkomen en woningsegmenten zoals koop, sociale huur of middenhuur, en vervolgens de voorspelde situatie van het autobezit vergeleken met de werkelijkheid.”

Afwijkingen en variatie

Uit de analyse van Stuart blijkt dat de parkeernormen het autobezit over het algemeen goed voorspellen, maar de data tonen ook aan dat er bij de verschillende variabelen nuanceverschillen en afwijkingen zijn. Zo neemt in buurten met relatief hoge inkomens het effect van een sturende parkeernorm iets af. Hogere inkomens hebben vaak meer keuzemogelijkheden: zij kunnen bewust kiezen voor autoluw wonen of voor locaties met goed openbaar vervoer. Ook de huishoudensgrootte speelt een rol; grotere huishoudens hebben gemiddeld iets minder auto’s dan de norm voorspelt, mogelijk door efficiënter autogebruik. “Effectieve parkeernormen moeten dan ook altijd gepaard gaan met flankerend beleid”, vertelt Van Schaik, “ook om een waterbedeffect te voorkomen, waarbij mensen hun auto in omliggende wijken parkeren.”

Conclusie

Gemeenten stellen normen, maar monitoren zelden in de praktijk of het klopt. Hierdoor ontbreekt een cruciale leercyclus. Gemeenten kunnen dit eenvoudig oplossen. Met data van de RDW kunnen ze op adresniveau het autobezit opvragen. Door deze gegevens structureel te analyseren, krijgen beleidsadviseurs directe feedback op de effectiviteit van hun beleid. Waar afwijkingen worden gevonden, zijn er kansen om het beleid gericht te verbeteren en aan te passen. Deze continue monitoring is de komende jaren belangrijk, zeker nu er door veel steden wordt ingezet op de mobiliteitstransitie.

Aanbevelingen

Uit de bevindingen volgen drie concrete aanbevelingen voor gemeenten:
1. Parkeernormen bewust inzetten
Parkeernormen beïnvloeden autobezit effectief. Gemeenten kunnen via differentiatie naar doelgroep en gebiedstype het mobiliteitsgedrag sturen. Flankerend beleid versterkt het effect, vooral in gebieden met hoge parkeerdruk.
2. Normen kritisch toetsen en monitoren
Afwijkingen tussen parkeereis aan ontwikkelaars (op basis van de parkeernorm) en daadwerkelijk autobezit op nieuwbouwprojecten bieden waardevolle informatie. Door deze data systematisch te verzamelen, kunnen gemeenten hun normen bijstellen en beter aansluiten op lokale behoeften.
3. Projectspecifieke aanpak
De vergelijking tussen de vastgestelde parkeernorm en de realiteit maakt het mogelijk om specifieke knelpunten te identificeren en bij te sturen, waardoor het parkeeraanbod efficiënt en rechtvaardig wordt ingezet.

Oproep

Stuart pleit er tot slot voor om parkeernormen te evalueren na implementatie. “Probeer achteraf actief te monitoren of de norm wel aansluit bij het daadwerkelijk autobezit en leer van de resultaten.” Van Schaik vult aan: “We zien de parkeernorm als een soort rekentool, maar er gaat ook een sturende werking vanuit. Zorg eerst voor flankerend beleid en stel dan je parkeernormen met een zekere mate van sturing op. Kies daarbij ook voor contextspecifieke normen en wees je ervan bewust dat de CROW-kencijfers gebaseerd zijn op generieke data.” Het onderzoek van Stuart toont aan dat gemeenten de mogelijkheid hebben om na realisatie te monitoren of het daadwerkelijke autobezit correleert met de gestelde parkeereisen. Afwijkingen kunnen aanleiding geven voor het aanpassen van parkeernormen en/of flankerend beleid. Daarom roepen wij gemeenten op: doorbreek de blinde vlek, benut beschikbare data, monitor structureel en stuur beleid bij op basis van lokale inzichten. Alleen zo wordt parkeerbeleid niet alleen opgesteld, maar ook daadwerkelijk getoetst en geoptimaliseerd voor de toekomst.

Bron: verkeerskunde.nl