Methodische Verkenning Zelfrijdende Auto's en Bereikbaarheid

Methodische Verkenning Zelfrijdende Auto's en Bereikbaarheid

Snelder, M.
Van Arem, B.
Hoogendoorn, R.G.
Van Nes, R.

Civil Engineering and Geosciences

Transport & Planning

2015-03-20

De verwachting is dat de zelfrijdende auto op termijn gaat bijdragen aan het verbeteren van de doorstroming, de verkeersveiligheid en de leefbaarheid. Zodra de zelfrijdende auto een substantiële trend is, wordt deze meegenomen in de afwegingen voor nieuwe infrastructuur, onder andere via de Nationale Markt en Capaciteits-Analyse (NMCA). Om hier klaar voor te zijn is een verkenning uitgevoerd naar de manier waarop de bereikbaarheids- en doorstromingseffecten van zelfrijdende auto's met het LMS kunnen worden berekend en het soort effecten dat zich voor kan doen. Bij de verkenning is een literatuurstudie uitgevoerd, is een expertsessie georganiseerd en zijn vijf verkennende modelruns met het LMS uitgevoerd: • Run 1: afname van de capaciteit van het hoofdwegennetwerk met 5% (als de volgtijden groter worden). • Run 2: toename van de capaciteit van het hoofdwegennetwerk met 15% (als de volgtijden kleiner worden). • Run 3: combinatie run 2 + afname van de ruimte die vrachtwagens innemen ten opzichte van personenauto’s (pae-factor) als gevolg van pelotonvorming van het vrachtverkeer. • Run 4: combinatie run 2 +toename van de capaciteit op het onderliggend wegennetwerk met 10%. • Run 5: combinatie run 4 + afname van de tijdwaardering van woon-werk en zakelijk verkeer omdat de tijd in de auto alternatief kan worden besteed. Uit de literatuurstudie, de expertsessie en modelruns is gebleken dat de huidige versie van het LMS niet toereikend is om het effect van zelfrijdende auto’s te bepalen. Om in 2016 het effect van zelfrijdende auto’s op de doorstroming en bereikbaarheid in de NMCA wel te kunnen modelleren voor het zichtjaar 2040 is daarom een aanzet tot een onderzoeksagenda gemaakt. Hierbij is onderscheid gemaakt naar scenario’s, de doorvertaling daarvan naar modelinvoer voor het LMS en de modellering in het LMS zelf. De uitvoer van de modelruns is gebruikt om te analyseren wat voor soort effecten kunnen optreden. De verkenning biedt dus nog geen betrouwbaar inzicht in de omvang van de effecten die kunnen optreden omdat daarvoor eerst de modelinvoer en de modellering moet worden verbeterd. Deze samenvatting richt zich op de onderzoeksagenda waarbij de belangrijkste conclusies uit het literatuuronderzoek, de expertsessie en de modelruns als basis voor de agenda zijn samengevat. Uit het literatuuronderzoek en de expertsessie is gebleken dat de rijtaken op het hoofdwegennetwerk eerder geheel of partieel worden overgenomen dan op het onderliggend wegennetwerk en pelotonvorming van het vrachtverkeer zal zich op de snelwegen concentreren. Op basis van deze verwachting zijn de onderwerpen op de onderzoeksagenda geprioriteerd: • P1: Hoge prioriteit omdat ook bij de lagere niveaus van automatisering effect wordt verwacht. • P2: Lagere prioriteit omdat alleen bij de hogere niveaus van automatisering effect wordt verwacht. De aanbevelingen voor de onderzoeksagenda zijn opgesteld voor de situatie waarin zelfrijdende auto’s een substantiële rol gaan spelen. Om het effect van zelfrijdende auto’s goed te kunnen modelleren zijn aanzienlijke ingrepen in delen van het LMS nodig zoals aangegeven in enkele aanbevelingen. Mocht echter blijken dat de verwachte aandelen van zelfrijdende auto’s beperkt zijn, dan kan in een aantal gevallen voor pragmatische oplossingen worden gekozen.

zelfrijdende auto's

http://resolver.tudelft.nl/uuid:bc31ea10-bc05-42f7-acd8-1a810ecac47c

22120491

Institutional Repository

report

(c) 2015 Snelder, M.
Van Arem, B.
Hoogendoorn, R.G.
Van Nes, R.