Nederland heeft inmiddels (naar onze schatting) een miljoen Strava-gebruikers. Voor de meeste gebruikers geldt dat wielrennen, mountainbiken of hardlopen hun belangrijkste activiteit is. Maar; eenmaal de app geïnstalleerd worden met Strava ook vele ‘commuting’ ofwel utilitaire fietsritten opgenomen.
Ondanks dat utilitair fietsen binnen Strava niet de vaakst opgenomen activiteit is, is het misschien wel de Strava Metro dataset met de grootste potentie. Want, 96% van Nederlandse fietsritten heeft een (hoofdzakelijk) utilitaire aard (CBS). Als Strava-utilitaire fietsritten representatief zijn voor een kenmerkend deel daarvan, geeft het waardevol inzicht in een belangrijk gebruik van stad en landschap.
Binnen Strava worden activiteiten als utilitair gekenmerkt indien óf de fietser dit zelf aanmerkt (knop ‘commute’ aanvinken), of als een activiteit dezelfde eigenschappen heeft als die groep ‘commuters’. Bijvoorbeeld op basis van begin- en eindpunt van een route kan duidelijk herkend worden of dit een ‘van A naar B’ fietsactiviteit is. Dit wordt gedaan door een algoritme van Strava Metro zelf. Bij Endomondo-data hebben we dergelijk onderscheid zelf ook onderzocht in verschillende steden. Voor meer informatie; zie bijvoorbeeld dit document (p15-20) van Utrecht. Maar zo’n onderscheid kan wel degelijk goed gemaakt worden op basis van dergelijke kenmerken van fietsactiviteiten (waaronder ook het tijdstip, de afstand, omrijfactor en snelheid).
Strava gebruik van utilitaire fietsers
In Strava waren in 2018 wereldwijd van de 287 miljoen ‘bike rides’ zo’n 84 miljoen ‘commutes’ (29%). De rest zijn dus ‘leisure rides’. In 2021 lijkt dit commute-aandeel wat lager te liggen in Nederland. O.b.v. Provincie Utrecht kunnen we een indicatie geven.
In 2021 werden in de Provincie Utrecht 272.825 commuting rides opgenomen en 1.365.638 ‘leisure rides’. Circa 17% van alle Strava fietsritten in Utrecht is dus utilitair. 1 op de 12,9 Nederlanders woont in de Provincie Utrecht. Doorgerekend zouden in heel Nederland dan ongeveer 3.5 miljoen utilitaire fietsactiviteiten met Strava worden opgenomen. Die doorrekening is wel een kleine overschatting, omdat een deel van die fietsritten niet afkomstig is van inwoners van de provincie Utrecht, maar van mensen die er (net) buiten wonen, maar hun fietsrit de Provincie Utrecht wel passeert. Dat is naar verwachting wel een minderheid; 3 miljoen is als grove schatting waarschijnlijk redelijk.
Welk aandeel van het totaal aantal Nederlandse fietsritten betreft dit? Op 4.4 miljard Nederlandse fietsritten per jaar; zou het erop neerkomen 1 op de ~1500 utilitaire fietsritten met Strava wordt opgenomen. Dat klinkt enerzijds als weinig; maar het zijn per jaar bijvoorbeeld al 7 keer zo veel fietsritten als er in de fietstelweek gemaakt zijn (416.000 in 2016).
Kenmerken van gebruikers
Strava wordt meer door mannen gebruikt dan door vrouwen, maar vrouwen zijn bezig met een sterke opmars. Dit geldt niet alleen in Provincie Utrecht, en binnen fietsactiviteiten; het is wereldwijd binnen alle activiteiten zichtbaar. Let wel; per weg/pad wordt een onderscheid van mannen en vrouwen gegeven in de tabellen, maar geteld als ‘aantal unieke mannen’ en ‘aantal unieke vrouwen’. Dus niet het aantal passages. De percentages tonen de gemiddeldes van alle wegen in Provincie Utrecht.
Mannen hebben bij zowel utilitair als sportief fietsen nog de overhand, maar bij utilitair fietsen is de gelijkheid wel aanzienlijk groter, vrouwen zijn daar gemiddeld 39% van het aantal unieke personen, mannen 61%. De verdelingen worden steeds gelijker; in 2019 vormden vrouwen 26%.
Bij sportief fietsen speelt ook (licht) mee dat mannen gemiddeld wat langere afstanden fietsen dan vrouwen, en ook iets vaker fietsen. Daarmee passeren ze ook meer paden. De verdeling in ‘aantal activiteiten’ of ‘aantal sportief-fietsende Strava gebruikers’ zal iets gelijker zijn dan 78%/22%.
Representativiteit Strava Metro utilitaire fietsdata
Juist in het activiteitstype ‘bike_commute’ is representativiteit het meest relevant en complex. Om twee reden; (1) omdat Strava bike-commutes slechts een minimaal deel van totale bike commutes vormt (~1 op 1500), en (2) omdat Strava-bike-commutes kenmerkende eigenschappen hebben die afwijken van ‘de gemiddelde’ utilitaire fietsrit’.
De veelgesteld vraag rondom ‘representativiteit’ is in hoeverre de intensiteiten van gebruik, resulterend uit Strava-data, overeenkomen met de ‘werkelijke’ gebruiksintensiteit? Ofwel, fietsen Strava-utilitaire fietsers naar verhouding dezelfde routes als ‘de gemiddelde’ utilitaire fietsers?
Het simpele antwoord op die vraag is: nee.
Strava fietsers/fietsritten vormen zeker geen perfecte doorsnede van alle Nederlandse fietsers/fietsritten. Dat doet overigens geen enkele vorm van ‘crowd-sourced’ fietsdata.
Maar in onze optiek is dat niet de meest relevante vraag. Relevanter is voor welke specifiekere typen utilitaire fietsers de data in hogere mate representatief is, en voor welke utilitaire fietsers in mindere mate? Want dat is het mooie van data die gegenereerd is door echte mensen, en niet door verkeersmodellen. Het ís altijd representatief: op z’n minst voor de groep mensen die Strava gebruikt, en het soort activiteiten die ze daarmee opnemen. En de vervolgvraag is dan: zijn de route-gebruiken van de groep(en) die het ‘goed’ representeert, interessant en relevant?
Afstand
In de afgelopen vijf jaar analyseerden we bij TRACK-landscapes vooral data van de activity tracking app ‘Endomondo’, die net als met Strava ook gebruikt werd voor utilitaire fietsritten.
De belangrijkste factor die zowel de utilitaire fietsactiviteiten van Strava als Endomondo kenmerkt bleek ‘afstand’ te zijn.
Het is een logisch kenmerk, met grote gevolgen voor routegebruik. Wie enkele kilometers gaat fietsen, zal dit zelden met een activity tracker opnemen; het is voor de meesten niet substantieel genoeg als prestatie of beweging. Maar indien de fietsafstand groter is, wordt dit als substantiëlere prestatie/beweging gezien. Utilitaire fietsers zullen zo’n langere fietsrit relatief vaker opnemen met een activity tracking app.
De gemiddelde utilitaire fietsrit in Nederland is 4,1 kilometer (CBS). Bijna 70% van fietsritten, is korter dan 3,7 kilometer (lange fietsritten beïnvloeden het gemiddelde relatief sterk). De meeste fietsritten worden dan ook gedaan om boodschappen te doen, te winkelen of uit te gaan.
Dit ligt bij Strava utilitaire fietsritten heel anders: Wereldwijd was de gemiddelde utilitaire Strava fietsrit 15,4
kilometer (Strava YIS 2019). In diverse Europese landen (Nederland helaas niet bekend) lag de mediaan-fietsafstand op circa 8 kilometer. Bij de utilitaire fietsdata (2012-2017) van de app Endomondo was die afstand (in de provincie Utrecht) redelijk vergelijkbaar; de mediaan was 10,4 kilometer en de gemiddelde fietsafstand 15,5 kilometer (zie figuur rechtsboven).
En of het nu gaat over wandelen, hardlopen, recreatief fietsen of utilitair fietsen: we hebben in veel verschillende steden gezien dat de af te leggen afstand zeer bepalend is voor welke wegen veel of weinig gebruikt worden. Dat heeft bij die verschillende typen activiteiten wel verschillende redenen.
Lange utilitaire fietsritten (5-30km) zijn in Nederland al gauw inter-stedelijk (ook wel boven-lokaal, regionaal): van de ene werk/woonkern naar de andere werk/woonkern. Het type bestemming zal bijvoorbeeld eerder een werklocatie zijn, of een regionale faciliteit. Daarbij worden binnenstedelijk vooral de fietsroutes gebruikt die logisch aansluiten op de doorgaande routes tussen verschillende kernen.
Korte utilitaire fietsritten (<5km) zullen worden meestal gedaan om boodschappen te doen, of naar de binnenstad, of naar de sportvereniging te gaan. Die bestemmingen liggen veelal op andere plekken dan de grote werklocaties en regionale faciliteiten; waarmee ook het gebruik van fietsroutes wezenlijk anders wordt.
De Endomondo gegevens lieten dit ook heel sterk zien in de Provincie Utrecht. Het beeld van fietsgebruik van de stad bij fietsritten van 0-5, 5-10 en 10+ kilometer, is zeer verschillend. Lange fietsritten hebben een veel wijds-verspreider beeld van routegebruik (zie onderstaande afbeelding).
Vergelijkingen met telpunten (Endomondo)
Je kunt natuurlijk utilitaire fietsdata van activity trackers zoals Strava of Endomondo, vergelijken met lokale fietstellingen. In Utrecht vergeleken we bijvoorbeeld lokale fietstellingen en utilitaire fietsdata uit de app Endomondo.
Als je daarin de totale aantallen passages vergelijkt, is er absoluut geen gelijkenis/verband zichtbaar op de telpunten (R^2=0.385). De meest gepasseerde fietsroutes, zijn vaak niet de meest gepasseerde fietsroutes binnen Endomondo (bovenste afbeelding).
Maar wat als we binnen de Endomondo dataset, alle utilitaire fietsactiviteiten nemen van minder dan 4 kilometer lang? Die afstand heeft immers het overgrote deel van binnenstedelijke fietsactiviteiten, daar waar deze meetpunten liggen. Dan is de vergelijking ineens aanzienlijk beter (R^2=0.588, zie afbeelding hiernaast). Te weten; de totale Endomondo dataset was circa 15-20 keer kleiner dan de huidige Strava Metro dataset in Utrecht. De selectie ‘tot 4 kilometer’ maakte deze dataset nog eens 7 keer zo klein. Bijvoorbeeld ‘Vredeburg’ had 2300 utilitaire fietspassages in vijf jaar tijd, waarvan 350 passages afkomstig van activiteiten korter dan 4 kilometer. Strava had op dit punt al 8500 utilitaire fietspassages in één jaar tijd.
En dit is ook waarom in Vlaams-Brabant (zie blog ‘Strava sportief-recreatief fietsen’) de vergelijking tussen de telpunten en de Endomondo fietsdata een sterk verband liet zien: deze telpunten lagen allemaal buiten stedelijk gebied, inter-stedelijk. Daar kun je niet komen als je slechts enkele kilometers fietst, alleen ‘langere’ fietsactiviteiten passeren er. En dus laat het zich goed vergelijken met utilitaire fietsritten uit activity trackers: ook die bevatten vooral langere fietsritten. In de afbeelding hiernaast zijn de verhoudingen utilitair/recreatief getoond op telpunten. De linker van de twee balken toont de verhouding op de lokale telling, de rechter balk de verhouding obv Endomondo data. De vergelijking met Vlaams-Brabant is overigens gemaakt omdat (voorzover wij kennen) alleen hier utilitaire en recreatieve fietsers van elkaar onderscheiden zijn bij een lokale fietstelling. De verhoudingen tussen de telling en Endomondo data kloppen behoorlijk; ondanks dat de Endomondo dataset uiterst klein was (nog kleiner dan in Nederland).
Vergelijkingen met telpunten (Strava)
Zijn die Endomondo-inzichten dan ook op Strava van toepassing? Die conclusie is uiteraard niet zomaar één op één door te trekken, het is denkbaar dat Strava-utilitaire fietsers andere eigenschappen hebben dan Endomondo-utilitaire fietsers. Maar een hele belangrijke eigenschap, het ondernemen van ‘lange’ fietsritten, komt overeen. Ook de leeftijdsverdeling en gender-verdeling van Endomondo en Strava zijn van grote gelijkenis.
Op dit moment kunnen wij wel in IJsselstein (waar we ook toegang hebben tot Strava Metro) een vergelijking maken met lokale fietstellingen. In IJsselstein is het interessant dat de fietstellingen rondom de woonkern gedaan zijn, om regionale fietsbewegingen te meten. De lokale-tellingen zijn in mei 2019 gedaan, de grafiek toont de vergelijking met de Strava commute-passages in heel 2019. Het verband komt uit op R^2 van 0,55; er is een verband maar heel sterk is het niet.
Het lastige van deze vergelijking is echter dat de meeste punten echt buiten stedelijk gebied liggen, maar niet allemaal. Het telpunt ‘Randdijk’ betreft de belangrijkste fietsverbinding naar Nieuwegein Centrum, dat vanuit IJsselstein slechts 3-5 kilometer fietsen is. Op dit fietspad scoort Strava het meest ‘ondermaats’. Maar dat is volkomen logisch als Strava juist lagere fietsritten representeert. Zonder deze Randdijk zou de R^2 op 0,72 uitkomen.
Het telpunt waar Strava het meest ‘bovenmaats’ scoort is ‘de Lagedijk’. Dit is een landschappelijk zeer fraai, smal fietspad. Het zou bijvoorbeeld kunnen (en dit is een hypothese) dat Strava utilitaire fietsers, bovenmaats bereid zijn om een kleine omweg te fietsen, als het een hele mooie route betreft.
Dit blijft het lastige van dit soort vergelijkingen; om nog beter te weten of Strava_commutes de langere fietsbeweging goed representeert, moet je dat idealiter vergelijken met andere bronnen/onderzoeken/telpunten die ook echt de lange fietsritten laten zien. Maar: die zijn er niet. Althans; voor zover wij kennen; mocht u wél onderzoeken kennen met deze focus, dan horen we dat graag!
Die afwezigheid van specifieke kennis over lange fietsbewegingen is echter precies wat de Strava Metro data in potentie zo waardevol maakt.
Wetenschappelijke onderzoeken/vergelijkingen (Strava)
Diverse wetenschappelijke instellingen hebben de Strava fietsdata ook onderzocht op representativiteit en bruikbaarheid. Het artikel “Strava Metro data for bicycle monitoring: a literature review” vat wetenschappelijk onderzoek hiernaar samen.
In verschillende (vooral Amerikaanse) studies werd geconcludeerd dat Strava gegevens van toegevoegde waarde kunnen zijn op andere methodes die fiets-intensiteiten inschatten. In sommige studies worden -zoals wij ook al deden- lokale fietstellingen vergeleken met Strava-tellingen. De studies werden ondernomen in Amerika, Canada, Australië, Verenigd Koninkrijk, en Duitsland. De R-waardes (drukte sterkte van samenhang uit) waren in 5 van de 9 studies >0.75. Dat is een degelijke correlatie. Maar die R-waardes varieerden ook sterk, tussen 0.3 en 0.5 kwam ook voor.
Dit toont ook de moeilijkheid aan van mondiaal-generaliseren over Strava-data-representativiteit. Fiets-gebruik en ook Strava-gebruik is wereldwijd zó verschillend, dat je conclusies voor het ene land, zeer moeilijk kunt aannemen voor een ander land. En dat geldt zeker voor Nederland; Nederland is zowel in het opzicht van verstedelijking (kleine, uitgestrekte steden), fiets-infrastructuur, als fietsgebruik (vergaand ontwikkeld, maar ook specifieke demografische verschillen) onvergelijkbaar met andere landen. Conclusies over Strava-representativiteit in Nederland moet je echt baseren op vergelijkingen/onderzoeken in Nederland.
Wel concluderen studies dat de Strava-data technisch gezien op bruikbare manier aangeboden wordt, de nauwkeurigheid van gps-devices en de doorvertaling naar passages van straten/paden/wegen biedt goede mogelijkheden. Wat daarmee in de review ook aangegeven wordt, is dat Strava Metro bruikbaar is gebleken voor het doen van ingreep-evaluaties. Het bleek bij verschillende studies goed mogelijk om veranderingen in gebruik te zien na het toevoegen of verbeteren van een fietsroute. De algemene vraag m.b.t. representativiteit van Strava-data/ Strava-gebruiker blijft daarbinnen uiteraard van kracht; wie representeert die zichtbare verandering? Geldt deze Strava-verandering in gelijke mate als de lokale fietstellingen? Dit wordt nog beperkt onderzocht.
In algemene zin stipt de review aan dat er een gebrek aan demografische gegevens en fietstrip(aard)-gegevens zoals oorsprong-bestemming relaties, het zicht op representativiteit beperkt. Die beperking herkennen we, tegelijkertijd denken we dat onze inzichten en vergelijkingen hierin een waardevolle toevoeging zijn.
Het is namelijk opvallend dat het meest bepalende kenmerk van activity tracking data onbenoemd is in al deze onderzoeken. Wat onze meetervaring betreft is dit de te fietsen afstand. De verschillen in oorsprong-bestemming worden wel genoemd, maar dat dit veroorzaakt wordt door het feit dat activity trackers meestal pas gebruikt worden als fietsenafstanden langer zijn dan enkele kilometers, krijgt geen nadruk. De vraag of Strava-achtige data wél een goede representatie kan vormen voor ‘regionaal’ of ‘lange afstand-fietsgebruik’, wordt daarom ook niet gesteld. En dat is, ons inziens, juist de belangrijkste vraag die bij deze datasets gesteld moet worden. In Nederland, maar niet onwaarschijnlijk ook in andere landen.
Conclusies Strava utilitaire fietsdata
Het is wenselijk om op meer plekken (in Nederland) vergelijkingen te maken tussen Strava Metro data en lokale telpunten. Dan kan een nog beter beeld ontstaan van wie en wat de Strava Metro wel en niet laat zien. Je kunt wel al concluderen dat de totale/gemiddelde Strava-utilitaire-fiets-dataset geen goede representatie geeft van het totale/gemiddelde Nederlandse fietsgebruik.
Maar, wie fietsdata wil gebruiken om behoeftes, beweegredenen en routegebruiken van fietsers beter te doorgronden, is het ‘totale fietsgebruik’ of het ‘gemiddelde fietsgebruik’ helemaal niet zo interessant. Juist omdat bijvoorbeeld korte fietsritten een totaal ander beeld van routegebruik geeft dan lange fietsritten (vooral als gevolg van andere bestemming), en die fietsers ook andere voorkeuren en beweegredenen hebben.
‘Totalen fietspassages’ kunnen bijvoorbeeld wel relevant zijn voor pure capaciteits-vraagstukken van fietspaden/wegen, waar fietsdata momenteel ook veel voor ingezet lijkt te worden. Maar wat ons betreft ligt daar niet de grootste potentie van fietsdata. Goed fietsbeleid hoort in essentie juist te draaien om inzicht en begrip in verschillende behoeftes van verschillende fietsers.
En op basis van de diverse vergelijkingen die we totnutoe maakten, ontstaat wel degelijk het beeld dat Strava Metro gegevens een goede representatie kunnen geven van een specifieke groep fietsers/fietsritten, namelijk fietsritten van ‘lange afstand’, regionaal fietsverkeer.
Is die groep fietsactiviteiten interessant en relavant? Wat ons betreft juist! Wat uit divers onderzoek in Nederland blijkt (KiM), dat de fiets juist in die langere fiets-beweging de potentie heeft om autogebruik te reduceren. Met de opkomst van de elektrische fiets worden deze langere afstanden steeds vaker en makkelijker gemaakt. Om die reden leggen Nederlandse gemeenten en provincies een steeds sterkere nadruk op het verbeteren van regionale fietsroutes, tussen verschillende woonkernen. En voor dat doeleind is het juist heel waardevol om het fietsgebruik van fietsritten over langere afstanden, apart in kaart te brengen. Om beter (be)grip te krijgen op specifieke routevoorkeuren en gebruik(en) van die groep fietsers.
En dat kunnen lokale fietstellingen juist weer niet. Zo heeft elke manier van meten, elke dataset, bepaalde mogelijkheden en beperkingen. Het is vrijwel nooit een kwestie van ‘wel of niet representatief’.
Het is dan ook mooi zijn als in Strava Metro datasets, een onderverdeling gemaakt wordt in ‘afstandscategorieën’ (bijvoorbeeld 1-5km, 5-10km,10-20km, >20km). Het zou ons -op basis van de inzichten uit de Endomondo data- niet verbazen dat Strava-data dan zelfs een behoorlijke representatie kan geven van korteafstands-fietsgebruik.
En om dit alles eindig ik met een oproep: kent u gegevens van lokale fietstellingen, die zowel binnenstedelijk als buiten stedelijk gelegen zijn? Of: onderzoek naar verschillen in routegebruik tussen fietsritten van lange afstand en korte afstand? Dan doen we graag (nog) meer onderzoek om een (nog) beter beeld te kunnen schetsen van de kansen die deze dataset biedt!
Benieuwd naar de manieren waarop we Strava Metro data en andere activity tracking data, inzichten in sportief-recreatief fietsen doorvertalen naar ruimtelijke ontwikkelkansen?
In Utrecht brachten we met gegevens van Endomondo de gedeelde belangen van recreatief en utilitair fietsverkeer in kaart, zie bijvoorbeeld de blog mooi-snelfietsroutes. In de studie ‘Fiets+OV’ brachten we met data van de fietstelweek in kaart welke routes richting stations worden gefietst. Dit vertaalden we door naar ontwikkelkansen voor de stationsomgeving.
Comments