EVMaps Prognose: Gedetailleerde Toekomstvisie op Laadinfrastructuur
Geavanceerde Voorspellende Modellen:
Wij maken gebruik van voorspellende algoritmes uit het SparkCity model, ontwikkeld in samenwerking met de TU Eindhoven, om nauwkeurige toekomstvoorspellingen te genereren.
Waarom Prognoses? Wat gaan we voorspellen en waarom? Voor wie?
Het opstellen van nauwkeurige prognoses voor laadinfrastructuur is essentieel voor gemeenten en provincies om toekomstige behoeften te anticiperen en duurzame mobiliteit te faciliteren. We voorspellen de groei van elektrische voertuigen en laadpunten om beslissingen te ondersteunen. Deze inzichten helpen bij het plannen van de openbare ruimte en het waarborgen van voldoende laadcapaciteit. Zo dragen we bij aan een soepele transitie naar elektrisch vervoer en ondersteunen we lokale overheden bij het realiseren van hun duurzaamheidsdoelstellingen.
Data, welke bronnen gebruiken we en waarom is die data relevant?
Wij baseren onze inzichten op een reeks van betrouwbare databronnen voor maximale precisie:
- CBS (Centraal Bureau voor de Statistiek): Voor demografische inzichten om een sociaaleconomische trend te bepalen, waarbij de midden- en hoge inkomens met name van belang zijn
- RDW (Dienst Wegverkeer): 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
Prognose modellen & Methodiek
Wij maken gebruik van 2 modellen voor het aantal EV’s in 2030. Het eerste is een algoritme uit het SparkCity model om nauwkeurige landelijke EV-voorspellingen te genereren. Het tweede model is gebaseerd op het model van ElaadNL, een kennis- en innovatiecentrum dat het slim en duurzaam opladen van EV’s onderzoekt. Met behulp van deze twee modellen worden prognoses gemaakt voor de vraag naar elektrisch opladen op gedetailleerd buurtniveau.
SparkCity
SparkCity is een voorspellend algoritme, ontwikkeld in samenwerking met de Technische Universiteit Eindhoven. Het richt zich op het begrijpen en begeleiden van de complexe interactie tussen het leven van mensen, de gebouwde omgeving, verschillende vervoerswijzen en energiebehoeften in bruisende steden zoals Amsterdam, en het bieden van routekaarten om de overgang naar duurzame energie en mobiliteit te versnellen.
ElaadNL
ElaadNL voorspelt een volledige transitie naar personen EV’s in 2050, gestimuleerd door Europese regelgeving en de ontwikkeling van betaalbare modellen. Door uitgebreid onderzoek en samenwerking met netbeheerders, autofabrikanten en overheden ontwikkelt ElaadNL geavanceerde inzichten in laadgedrag, netimpact en toekomstige behoeften van elektrische mobiliteit. Hun model voorziet in een prognose op buurt niveau van de groei van EV’s en de benodigde laadinfrastructuur. Onze prognose is gebaseerd op de buurtniveau prognose van ElaadNL, waarbij we de prognose verfijnen tot op een hexagonaal niveau van 250 meter. Hierdoor wordt de gemeente voorzien van een nauwkeuriger inzicht in de verwachte groei van EV’s en laadinfrastructuur.
Op basis van het huidige aantal EV’s, laadpunten en recente marktontwikkelingen heeft ElaadNL drie toekomstscenario’s (laag, midden, hoog) ontwikkeld voor het aantal personen EV’s. Het midden scenario voorspelt dat er 1,9 miljoen EV’s in 2030 zullen zijn.
Prognose op buurtniveau
Om tot een juiste prognose te komen, houden we rekening met verschillende gebruikersgroepen om een compleet beeld te geven van de toekomstige laadbehoefte, zodat elke sector optimaal bediend kan worden. Daarbij wordt een onderscheid gemaakt tussen publieke, semipublieke en private laadbehoefte van iedere gebruikersgroep. In de prognose wordt het verwacht aantal EV’s per gebruikersgroep geschat in een gebied in de vorm van een hexagoon met een grootte van 250 meter. Bij het opstellen van de prognose worden alleen publieke laadpalen gepland, die 24/7 toegankelijk zijn en op grond van de gemeente liggen.
Berekening van Laadbehoeften per Gebruikersgroep
Bewoners: De prognose voor bewoners combineert data over inkomen, EV-adoptie per inkomensdeciel, woningaantallen en -grootte, voertuigbezit per woning en de aanwezigheid van laadpalen. Dit geeft inzicht in de publieke laadbehoefte van bewoners zonder een eigen oprit. Voor alle gebruikersgroepen wordt eerst het aantal personenauto’s per hexagoon bepaalt, waarna tijdens de tweede stap de verdeling tussen publiek en privaat laden wordt vastgesteld.
Forenzen: Voor forenzen wordt gekeken naar gemeentelijke forensencijfers, het aandeel dat met de auto reist, en EV-adoptie percentages. De ruimtelijke verdeling wordt verder bepaald door werknemersaantallen per sector en postcodegebied.
Bezoekers: De prognose voor bezoekers richt zich op de locatie en functies van utiliteitsgebouwen en voorzieningen, oppervlakte van verblijfslocaties, parkeernormen, en EV-adoptie percentages.
Totale prognose per hexagoon: Tijdens de laatste stap van de prognose worden het aantal verwachte EV’s per gebruikersgroep bij elkaar opgeteld om tot een totale prognose te komen.
Output van de modellen en interpretatie
Door middel van de prognose wordt een prognose kaart gemaakt, waarin het totaal aantal verwachte EV’s per jaar weergeven wordt per hexagonaal. Inzichten in het aantal EV’s per gebruikersgroep geeft waardevolle informatie over het deelgebruik van een laadpaal.
Gebruik van prognoses bij het opstellen van plankaarten
De prognose wordt vervolgens gebruikt om in combinatie met verschillende beleidsaspecten en actueel verbruiksinformatie om een plankaart op te stellen
Overige toepassingen, deelbaarheid, continuïteit en updates
Onze databronnen worden met grote regelmaat geüpdatet, om de prognose up-to-date te houden. Zo wordt verbruikersdata dagelijks geüpdatet, LISA & RDW gegevens jaarlijks en het prognose model van ElaadNL eens in de 2 jaar.
Deze prognose is van toepassing op de publieke laadinfrastructuur. Voor private-, logistieke- en snel laad infrastructuur is hebben wij een ander model.
