salonanarchist | leunstoelactivist

Fiets

Nekt Strava de Fietstelweek?

Strava is een populaire app om fietsritten mee op te nemen. Het bedrijf probeert al een paar jaar om zijn gegevens aan lokale overheden te verkopen zodat die ze kunnen gebruiken bij hun fietsbeleid. NDW, een platform van overheden waaronder Amsterdam, heeft zes maanden aan Stravagegevens gekocht om eens uit te proberen wat je hiermee kan.

De overstap naar Strava betekent mogelijk het einde van de Fietstelweek, een jaarlijkse actie om fietsgegevens te verzamelen waar duizenden vrijwilligers aan meedoen. Ik heb de gegevens van de Fietstelweek ooit gebruikt om te analyseren hoe lang je moet wachten bij stoplichten. De Fietstelweek kreeg geld van dezelfde overheden die nu experimenteren met gegevens van Strava.

Eén van de redenen waarom overheden naar alternatieven kijken is dat de Fietstelweek minder deelnemers heeft dan ze graag zouden willen. Daar zit iets in. Neem bijvoorbeeld de onderstaande kaart, met fietsroutes van en naar Amsterdam Centraal Station.

Op zich een interessante kaart. Niet heel verassend is de intensiteit het hoogst in de buurt van fietsenstallingen. De Geldersekade (met de soms chaotische kruising met de Prins Hendrikkade) en de Piet Heinkade lijken belangrijke toegangswegen te zijn. Het lijkt erop dat mensen die met de fiets naar CS gaan wat vaker in het oosten van de stad wonen.

Maar let op: het gaat om kleine aantallen. Zelfs de drukste segmenten vertegenwoordigen niet meer dan 40 ritten. Eén loyale deelnemer aan de Fietstelweek zou letterlijk de kaart kunnen veranderen door de hele week haar fietsrit naar werk op te slaan.

Strava beschikt over veel grotere datasets, maar deze gegevens roepen weer andere vragen op. Strava noemt zich ‘het sociale netwerk voor sporters’ en wil weten of je een racefiets, een mountainbike, een tijdritfiets of een cyclocrossfiets gebruikt (‘anders’ is geen optie). Is Strava wel representatief voor mensen die bijvoorbeeld op hun stadsfiets naar werk gaan?

Het antwoord van Strava op dit soort vragen is dat ze proberen om competitie minder centraal te stellen en hun app socialer te maken, met Facebook-achtige tools. Op die manier hopen ze meer gegevens te verzamelen over ‘normale’ fietsritten Ze zeggen ook dat mensen met de app vaak dezelfde routes rijden als andere fietsers, vooral in de steden.

Maar klopt dat wel? De Strava heatmap (kies rood en rides) voor Amsterdam zou je misschien kunnen interpreteren als een combinatie van recreatieve routes (Vondelpark, Amstel) en fietsers die zo snel mogelijk de stad in of uit proberen te rijden (plus flink wat mensen die hun rondjes op de Jaap Edenbaan hebben opgeslagen als fietstochten).

Misschien valt er een manier te bedenken om de recreatieve en sportieve ritten eruit te filteren en hou je dan nog genoeg ‘normale’ fietsritten over. Aan de andere kant, bijna driekwart van de fietsritten in Nederland is korter dan 3,7 km, en ik vermoed dat zulke korte ritjes zelden op Strava worden gezet.

Er is ook nog een sociaal-economisch aspect. Er is aangevoerd dat Strava vooral wordt gebruikt door mensen die in de rijkere buurten wonen, terwijl andere buurten misschien wel meer behoefte hebben aan betere fietsinfrastructuur.

Natuurlijk is het fietsgebruik sowieso ongelijk verdeeld, en dat zie je ook terug in de gegevens van de Fietstelweek. De kaart hieronder toont de start- en eindpunten van fietsritten in Amsterdam.

De dichtheid is het grootst in het gebied binnen de ring ten zuiden van het IJ. Het aantal fietstochten per 1.000 inwoners correleert ook met woningwaarde: veel fietstochten beginnen of eindigen in rijkere buurten. Zoals gezegd, dit weerspiegelt waarschijnlijk het werkelijke fietsgebruik en wijst dus niet op een probleem met de gegevens.

Om samen te vatten: de Fietstelweek heeft kleinere aantallen deelnemers dan je zou willen, terwijl de gegevens van Strava vragen oproepen over de representativiteit. Strava zou natuurlijk kunnen helpen om die vragen te beantwoorden door een deel van de Amsterdamse gegevens beschikbaar te stellen als open data.

Dit Python-script laat zien hoe de analyse is uitgevoerd.

Dutch governments consider using Strava data

Strava is a popular app to record bicycle rides. For some years, the company has been trying to sell its data to local governments for traffic planning. NDW, a platform of Dutch governments including the city of Amsterdam, has bought six months’ worth of Strava data to give it a try.

The switch to Strava may mean the end of the Fietstelweek, an annual one-week effort to collect bicycle data from thousands of volunteers. In the past, I’ve used Fietstelweek data to analyse waiting times at traffic lights. The Fietstelweek received funding from the same governments that are now experimenting with Strava data.

One reason why they are looking for alternatives is that the number of Fietstelweek participants is lower than they’d like. They seem to have a point. Consider for example the map below, which shows bicycle routes to and from Amsterdam Central Station.

As such, it’s an interesting map. Unsuprisingly, it seems that intensity is highest near the bicycle parking facilities. Main access routes appear to be the Geldersekade (with the sometimes chaotic crossing with Prins Hendrikkade) and the Piet Heinkade. It seems that people cycling to and from Central Station are somewhat more likely to live in the eastern part of the city.

There’s one caveat though: the numbers are small. Even the busiest segments represent at most 40 rides. One loyal Fietstelweek participant recording her commute during the entire week could literally change the map.

Strava has far larger numbers, but its data raises different kinds of questions. Strava calls itself ‘the social network for athletes’ and wants to know if you use a road bike, a mountain bike, a TT bike or a cyclocross bike (no option ‘other’ available). So how representative is Strava data of people who use their city bike for commutes and other practical purposes?

Strava’s response to such questions is that they’re trying to make the app less competition-focused and more social, with Facebook-like features. This should help them collect data about ‘normal’ bike rides. They have also argued that «especially in cities, those with the app tended to ride the same routes as everyone else».

But is that really true? Strava’s heatmap (choose red and rides) for Amsterdam could perhaps be interpreted as a combination of recreational rides (Vondelpark, Amstel) and cyclists trying to get in or out of the city as quickly as possible (plus quite a few people who recorded their laps at the Jaap Eden ice skating rink as bicycle rides).

Perhaps you could find a way to filter out ‘lycra’ rides and end up with a sufficient number of ‘normal’ rides. Then again, almost three-quarters of bicycle rides in the Netherlands are under 3.7 km, and I suspect very few of those short rides end up on Strava.

There’s also a socio-economic aspect. It has been argued that Strava is used most by people living in wealthier neighbourhoods, which aren’t necessarily the neighbourhoods most in need of better cycling infrastructure.

Of course, bicycle use is unequal in the first place, which is also reflected in Fietstelweek data. The map below shows the start and end points of rides for Amsterdam.

Density is highest in the area within the ring road and south of the IJ. The number of trips per 1,000 residents also correlates with house values: more bicycle trips start or end in affluent neighbourhoods. As said, this probably reflects actual patterns in bicycle use and not a problem of the data.

To summarise, Fietstelweek has smaller numbers than one would like, while Strava data raises questions about representativeness. One way for Strava to help answer these questions would be to make a subset of its Amsterdam data available as open data.

This Python script shows how the analysis was done.

Doe-het-zelfonderzoek: fietsenrekken en stoplichten

DTV Consultants doet een oproep: help tellen hoeveel fietsen er geparkeerd staan bij woningen en bij voorzieningen als winkels, scholen, en horeca. Die cijfers willen ze gebruiken om de fietsparkeerkencijfers te actualiseren. Deze kencijfers zijn in 2010 vastgesteld en worden door gemeenten als richtlijn gebruikt.

De vraag van DTV is simpel: tel op een druk moment hoeveel fietsen er geparkeerd staan bij een woning of voorziening, vul een excelformulier in en stuur de gegevens op. Het ideale tijdstip om te tellen verschilt per voorziening, maar het is in ieder geval de bedoeling om te tellen bij mooi weer. DTV zoekt zelf het vloeroppervlak erbij. Als het opgegeven aantal fietsen niet reëel lijkt, nemen ze contact op.

Er zit wel een nadeel aan de kencijfers en de manier waarop ze worden vastgesteld. Als er te weinig fietsenrekken zijn zullen minder mensen de fiets pakken. Als je dan fietsen gaat tellen om te bepalen hoeveel fietsenrekken er nodig zijn, hou je het probleem in stand.

Informatie over het fietstelproject van DTV Consultants vind je hier. Het is de bedoeling dat de tellingen worden uitgevoerd in de maand mei.

Genoeg fietsenrekken? Bereken het zelf

Kan je je fiets niet kwijt? Je kan zelf berekenen of er wel genoeg fietsenrekken zijn in je straat - althans, volgens de bestaande normen:

  • Zoek bij het Kadaster op straatnaam plus gemeente. Klik op het V-tje naast ‘Toon bijbehorende adressen’, rechts op de resultatenpagina.
  • Zoek voor alle adressen de gebruiksfunctie op en zoek de bijbehorende norm op. Hier vind je de landelijke normen uit 2010, hier de normen voor Amsterdam. Amsterdam hanteert bijvoorbeeld voor supermarkten een norm van 4,3 fietsenrek per 100 vierkante meter vloeroppervlak. Deze norm geldt voor het deel van de stad waar het meest wordt gefietst, grofweg binnen de ring en ten zuiden van het IJ.
  • In dit geval is de norm gebaseerd op het vloeroppervlak. Dat kan je ook vinden bij het Kadaster. Voor Jodenbreestraat 21, waar de AH zit, is dat bijvoorbeeld 1.730 vierkante meter.
  • Je komt dan op 4,3 * 1.730 / 100 ofwel ongeveer 75 fietsparkeerplekken.
  • Voor woningen is er een norm per woning en een norm per kamer. Als je weet hoeveel kamers een woning heeft, kan je die norm gebruiken. Let op: je moet per woning ook nog 0,5 à 1 fietsparkeerplek toevoegen voor bezoekers.

In de Jodenbreestraat halen ze die 75 plekken misschien nog wel, dat hangt er vanaf hoeveel fietsen je rekent per fietsparkeervak. Bij een filiaal als de Vijzelstraat (zie foto boven dit artikel) wordt de norm duidelijk niet gehaald. Maar dat is ook wel een lastige plek. Misschien moet hier de stoep wat breder en de weg wat smaller.

In de praktijk zal de berekening soms wat ingewikkelder zijn. Het werkt waarschijnlijk het beste als je de straat goed kent. En verder is de norm niet heilig. Als er in theorie genoeg fietsenrekken zijn maar je kan toch je fiets niet kwijt, dan betekent dat misschien dat de norm te laag is.

Stoplichten

Het onderzoek van DTV Consultants is natuurlijk niet het enige voorbeeld waarbij de hulp van het publiek wordt ingeroepen. Denk aan de Fietstelweek waarin duizenden fietsers met een app hun lokatiegegevens beschikbaar hebben gesteld. Die gegevens kan je bijvoorbeeld gebruiken als je wil weten hoe lang fietsers bij een rood licht staan te wachten.

Maar dat kan nog simpeler. Althans, dat hoopt de Britse voetgangersorganisatie Living Streets, zo blijkt uit onderstaande tweet:

RESEARCH: Take a 2 hour random walk in your city/town centre with a stopwatch. Record wait time per signal junction. Need number jncts, average and max wait time. Tweet us results using #waitingfortheman

Hier een van de antwoorden:

Central London. 37 junctions. 53 seconds average. 127 max. #waitingfortheman

Tot nog toe lijken er niet zo heel veel bruikbare reacties te zijn binnengekomen (verder gaan sommige #waitingfortheman-tweets natuurlijk over de Velvet Underground). Maar misschien was het doel vooral om mensen aan het denken - en aan het wandelen - te zetten. Hoe dan ook een leuk project.

Radicaal kiezen voor de fiets

Momenteel wordt 48 procent van de ruimte op straat in beslag genomen door auto’s. Aan een buurtgarage voor 250 auto’s wordt evenveel geld uitgegeven als aan 2,5 jaar fietsbeleid. De Fietsersbond vindt dat het tijd is voor nieuwe keuzes en heeft daarover de notitie Amsterdam 2025: Stad van de fiets uitgebracht.

In de notitie staat dat de komende jaren 10 procent van alle autoparkeerplekken boven de grond moet worden omgezet in ruimte voor fietsers, voetgangers en groen. Doorgaand autoverkeer moet worden ontmoedigd, bijvoorbeeld door eenrichtingsverkeer toe te passen. Verkeerslichten moeten ofwel verdwijnen, ofwel fietsvriendelijk worden ingesteld.

De kaart hierboven toont een aantal maatregelen uit Stad van de fiets. Het gaat om lokaties binnen de ring. Buiten de ring is er meestal voldoende ruimte beschikbaar en zijn de fietsnetwerken van voldoende kwaliteit, aldus de Fietsersbond. Toch moet ook daar nog wel wat gebeuren: tegels vervangen door asfalt en kortere wachttijden bij verkeerslichten.

De Fietsersbond heeft ook een aantal verkiezingsprogramma’s doorgelicht. «D66, GroenLinks en PvdA willen fietsers ruim baan geven, ook als dat ten koste gaat van ruimte voor auto’s; de SP doet nauwelijks concrete uitspraken; en voor de VVD mag meer fietsen niet ten nadele gaan van het autoverkeer.»

De lokaties op de kaart zijn misschien niet altijd helemaal correct.

Van vloeken ga je harder fietsen

In een experiment lieten wetenschappers proefpersonen 30 seconden lang op een hometrainer fietsen. Elke drie seconden moesten ze ofwel vloeken, ofwel een neutraal woord uitspreken. Bij het vloeken produceerden ze gemiddeld 429W (met een piek van 570W). In de controlegroep was dat 417W (met een piek van 545W).

Deelnemers in de vloeken-conditie raakten wel sneller vermoeid. Blijkbaar ga je van vloeken wel wat sneller fietsen, maar is het effect van korte duur.

En 429W, is dat veel? Ik zou het niet weten, maar hier zijn wat cijfers om mee te vergelijken. Volgens Cyclist kan de Duitse sprinter André Greipel 30 seconden lang meer dan 1.000W volhouden, terwijl Cyclist’s resident crit racer 600W haalt. En voor wat het waard is, op deze pagina wordt opgeschept over meer dan 900W gedurende 30 seconden.

Terug naar het experiment: met zo’n onderwerp wil je weten hoe het onderzoek is uitgevoerd. Vooral ook wat voor krachttermen (no pun intended) ze hebben gebruikt. Dat vermelden de onderzoekers niet: de deelnemers werd gevraagd welk woord ze zouden gebruiken als ze per ongeluk hun hoofd stoten. In de controleconditie werd ze gevraagd met welk woord ze een tafel zouden omschrijven.

De deelnemers kregen als instructie dat ze niet moesten schreeuwen, maar wel een ‘krachtige en heldere stem’ moesten gebruiken en dat ze tijdens de hele test in het zadel moesten blijven zitten. Tijdens de test werden ze aangemoedigd door de onderzoekers.

Je zou denken dat dit wel een leuk experiment is om aan mee te doen, maar blijkbaar gold dat niet voor iedereen. Van de 35 oorspronkelijke deelnemers vielen er zes af: twee konden het experiment niet afronden, één werd ziek en drie trokken zich terug.

Richard Stephens, David K. Spierer, en Emmanuel Katehis, Effect of swearing on strength and power performance. Psychology of Sport & Exercise 35:111–117. Verschijnt in maart 2018.

Pages