Prognose: Toekomstvisie op Laadinfrastructuur
Waarom maken we prognoses en voor wie zijn ze bedoeld?
Het opstellen van nauwkeurige prognoses voor laadinfrastructuur is essentieel voor overheden en beleidsmakers om toekomstige behoeften te kunnen voorzien en duurzame mobiliteit te ondersteunen. We voorspellen de groei van EV’s en laadpunten, welke helpen bij het plannen van de openbare ruimte en het waarborgen van voldoende laadcapaciteit. Daarmee dragen we bij aan een soepele transitie naar elektrisch vervoer en ondersteunen we lokale en regionale overheden bij het realiseren van hun duurzaamheidsdoelstellingen.
Welke bronnen gebruiken we en waarom zijn ze relevant?
Onze prognoses zijn gebaseerd op socio-economische databronnen. We kijken onder meer naar:
- CBS: Voor demografische inzichten om een sociaaleconomische trend te bepalen, waarbij de midden- en hoge inkomens met name van belang zijn
- RDW: Voor up-to-date voertuiginformatie en -registraties, waarbij rekening wordt gehouden met de registratielocatie van elektrische leaseauto’s
- Kadaster: Voor nauwkeurige locatiegegevens en eigendomsinformatie over woningen, utiliteitsgebouwen & openbare voorzieningen
- BGT: Voor het uniform vastleggen van fysieke objecten in de openbare ruimte, waaronder gebouwen, wegen, waterlichamen, spoorinfrastructuur en groenvoorzieningen.
- LISA: Het werkgelegenheidsregister waardoor het aantal forenzen per regio wordt bepaald
Door deze gegevens te combineren ontstaat een compleet beeld van de huidige situatie en de verwachte groei in laadbehoefte.
Methodiek en uitgangspunten
De prognose wordt opgebouwd uit een combinatie van statistische gegevens, scenario-analyses en ruimtelijke verdeling van vraag en aanbod. Hierbij houden we rekening met:
- Gebruikersgroepen: Bij de prognose houden we rekening met
- bewoners: inkomensniveaus, woningaantallen, voertuigbezit en de beschikbaarheid van privéladers;
- forenzen: werkgelegenheid, reisgedrag en het aandeel autorijders;
- bezoekers: locatiekenmerken van voorzieningen, parkeernormen en oppervlakte.
- Verdeling van laadbehoefte: In de prognose wordt onderscheid gemaakt tussen”
- het publieke domein: laadpunten op straat die altijd toegankelijk zijn;
- het semipublieke domein: laadvoorzieningen bij bijvoorbeeld bedrijven, sportclubs of supermarkten die deels toegankelijk zijn;
- het private domein laadmogelijkheden bij woningen of op eigen terrein.
Ruimtelijke granulariteit: De prognoses worden uitgewerkt op een fijnmazig niveau (bijvoorbeeld hexagonen van 250 meter), zodat lokaal beleid beter onderbouwd kan worden.
Het resultaat
De prognoses worden ingeladen in de kaartomgeving EVMaps, die inzicht geven in het verwachte aantal elektrische voertuigen en laadpunten per gebied:
- Het totaal aantal EV’s per jaar.
- De verdeling per gebruikersgroep.
- De mate waarin laadpalen gedeeld zullen worden tussen groepen.
De resultaten worden gebruikt om plankaarten op te stellen waarin de prognose wordt gecombineerd met beleidsdoelen, bestaande infrastructuur en actuele verbruiksgegevens. Zo ontstaat een concreet uitvoeringsplan voor de uitbreiding van publieke laadvoorzieningen.