De impact van coronavirus op mobiliteit en vice versa

8 MEI 2020
Oded Cats en Serge Hoogendoorn  
Met bijdragen van Panchamy Krishnakumari en Hans van Lint

Het coronavirus heeft een dramatisch effect op reispatronen. We zien een afname van het gebruik van auto's en openbaar vervoer en een toename van het aantal wandel- en fietstochten. Ook wordt er veel meer online gewinkeld. Aan de hand van reisgegevens kunnen we de impact van de verschillende maatregelen op de mobiliteit analyseren en vergelijken. Omgekeerd draagt personenvervoer waarbij mensen dezelfde faciliteiten en voertuigen delen met medereizigers bij aan de virusverspreiding. Recente studies benadrukken deze risico’s en wijzen op de noodzaak van beperking van het aantal medereizigers waaraan reizigers zowel in tijd als in ruimte wordt blootgesteld.

Het effect van de virusverspreiding en daarmee samenhangende maatregelen op de mobiliteit

De COVID-19 pandemie heeft grote impact op hoe er wereldwijd gereisd wordt. Het aantal vliegreizen is dramatisch gedaald en een ongekend aantal mensen werkt vanuit huis. Deels komt dat door overheidsmaatregelen en het sluiten van hele delen van de economie, deels door reizigers die thuisblijven om het risico van besmetting via contact met medereizigers te verkleinen. Het virus heeft dus grote invloed op aantallen reizen, afgelegde afstanden, reisdoelen en keuze van vervoersmiddel. Het gebruik van auto's en openbaar vervoer daalt, maar we zien meer fiets- en wandelverkeer, ook recreatief. Met behulp van reisgegevens kunnen we de impact van de verschillende coronamaatregelen op de mobiliteit analyseren.

Afbeelding 1. Florida Traffic, Urban and Rural Roads March 2020 and 2019, en COVID-19-gereporteerde gevallen (m.m.v. Prof. Brian Wolshon)

Meerdere onderzoeksgroepen wereldwijd volgen de huidige mobiliteitstrends. Bovenstaande figuur maakt deel uit van een internationale onderzoek naar de impact van de verschillende maatregelen op de mobiliteit. Om daar goed inzicht in te krijgen, moet je verschillende gegevensbronnen combineren, zoals aantallen passagiers en reistrajecten van de verschillende vervoersmiddelen. Dit kun je aanvullen met inzichten uit enquêtes onder reizigers. Opvallend is dat gegevens van de Nationale Databank Wegverkeersgegevens (NDW) een verschuiving laten zien in reisbewegingen in tijd en ruimte, maar niet noodzakelijkerwijs in het aantal reizen dat mensen hebben gemaakt. We zien ook meer voetgangers in parken in het weekend, maar over het algemeen veel minder mensen op straat.

De verwachting is dat de coronacrisis langdurige effecten zal hebben op mobiliteit en logistiek, mede onder invloed van veranderende reizigersvoorkeuren en –activiteiten. Voorlopige onderzoeksresultaten laten zien dat mensen vaker vanuit huis zullen werken, minder gebruik zullen maken van het openbaar vervoer en meer zullen fietsen en lopen. Een andere verwachte verandering is dat het autogebruik uiteindelijk toeneemt, ook door de dalende benzineprijzen. We verwachten dus een verschuiving naar meer individuele vervoersmodaliteiten.

Het idee dat het OV een risico vormt voor de volksgezondheid kan leiden tot ‘OV-schaamte’. We verwachten ook minder interesse in gedeelde mobiliteit zoals carpoolen of autodelen. Tegelijkertijd zijn er kansen voor ‘ride hailing', bedrijven zoals Uber, om hun marktaandeel te vergroten. En wat zal er gebeuren met de Nederlandse voorkeur voor het fysiek boodschappen doen en winkelen? Nederland loopt hier achter en zelfs tijdens de crisis lijkt het erop dat veel mensen liever niet online hun boodschappen doen. Tot slot kan de financiële levensvatbaarheid van sommige vervoersaanbieders, met name luchtvaartmaatschappijen, in gevaar komen. Omdat het openbaar vervoer een kritieke sociale infrastructuur is, wordt hiervoor overheidssteun verwacht. 

Effecten van mobiliteit op de verspreiding van het virus

De coronacrisis heeft pijnlijk duidelijk gemaakt dat connectiviteit niet alleen een groot goed is en een middel om ideeën en goederen uit te wisselen, maar ook een potentiële katalysator van rampspoed. De coronavirusepidemie is mede door onze hypermobiliteit – met name door het vliegverkeer –d een pandemie geworden. Vooral het passagiersvervoer, waarbij mensen dezelfde faciliteiten en voertuigen delen met medereizigers met uiteenlopende herkomst en bestemmingen, is een factor in de virusverspreiding.

Twee recente studies bieden inzicht in de potentiële verspreiding van virussen in OV-netwerken en bij diensten voor het delen van ritten (ride sharing). Beide studies laten de risico's voor de volksgezondheid in het personenvervoer zien, en benadrukken het belang van het beperken van het aantal medereizigers waaraan je in tijd en ruimte wordt blootgesteld. 

OV-netwerken

Het OV, normaal gesproken een zeer efficiënt vervoersmiddel, vormt momenteel een potentieel gevaar voor de volksgezondheid. Drukte in het openbaar vervoer heeft twee elkaar versterkende negatieve gevolgen voor de verspreiding van virussen: een grotere kans om te worden blootgesteld aan besmette medepassagiers en de nabijheid van medereizigers en de daaruit voortvloeiende kans om het virus over te dragen. Met behulp van smartcard-data kunnen we reconstrueren welke reizigers met elkaar in contact komen in het OV. Zulke gegevens kunnen we ook gebruiken om de kans van besmettingen te beoordelen op basis van schattingen van de drukte.

Krishnakumari en Cats (2020) bestuderen hoe het virus zich kan verspreiden in het OV. Daarvoor passen ze een epidemiologisch model toe op het Washington DC-metrosysteem. Met behulp van smartcard-gegevens brengen ze contactnetwerken in kaart. Het contactnetwerk voor het Washington DC-metronetwerk geeft voor elke passagier aan met hoeveel andere passagiers zij op een bepaalde werkdag in contact kunnen komen, d.w.z. dat ze op hetzelfde moment op hetzelfde station of in dezelfde trein zijn geweest. Op basis van deze definitie heeft de gemiddelde passagier in de metro ~1200 interacties. Dit aantal verschilt echter sterk van passagiers tot passagier, waarbij sommige passagiers een heel hoog potentieel hebben om het virus te verspreiden.

Op basis van de smartcard-trajecten berekenen de onderzoekers vervolgens de drukte die elke passagier op elk stuk van de reis ervaart, evenals de waarschijnlijkheid dat een persoon naast iemand staat die geïnfecteerd is. Elke passagier op een bepaalde dag is in een van de volgende toestanden: vatbaar (niet geïnfecteerd), geïnfecteerd (en reizend), in quarantaine (geïnfecteerd en niet reizend), en immuun (en weer reizend).

De resultaten van de studie tonen aan dat zelfs wanneer slechts drie passagiers besmet zijn op dag 1, 55% van de passagiers binnen 20 dagen besmet is (afbeelding 2 hieronder). Dit laat zien wat er had kunnen gebeuren als er niet meteen strenge lockdown-maatregelen waren genomen in de meeste landen. Het laat ook zien wat er fout kan gaan bij een onverantwoorde exit-strategie. De inzichten uit deze studie kunnen helpen bij het opstellen van exit-strategieën voor de overgang naar een anderhalvemetersamenleving. Het model kan worden gebruikt om maatregelen als het beperken van passagiersaantallen of het sluiten van stations te beoordelen. 

Het model laat ook zien hoe smartcardgegevens kunnen worden gebruikt voor het traceren van contacten en voor het onderzoeken hoe thuisisolatie op basis van informatie over contacten (in tegenstelling tot op basis van incubatietijd) de verspreiding van het virus kan beïnvloeden.

Afbeelding 2. Spreidingsprofiel voor verschillende aantallen initieel geïnfecteerde reizigers

‘Ride-sharing’-netwerken

Het delen van ritten kan de blootstelling aan het virus niet teniet doen, maar kan in de stad wel een betaalbaar alternatief zijn om de blootstelling te verminderen. Kucharski en Cats (2020) onderzoeken hoe het delen van ritten bijdraagt aan het verspreiden van het virus. Aan de ene kant worden passagiers blootgesteld aan medepassagiers die mogelijk besmet zijn. Aan de andere kant kan het beperkte aantal medepassagiers (het contactnetwerk) de verspreiding belemmeren. De onderzoekers gaan ervan uit dat geïnfecteerde passagiers eerst anderen besmetten voordat ze in quarantaine gaan, en dat de vervoersvraag van dag tot dag kan variëren. Passagiers kunnen dus van dag tot dag in contact komen met verschillende medepassagiers. Als de geïnfecteerde passagiers eenmaal in quarantaine zitten, ontstaan er nieuwe matchingpatronen onder de overige reizigers, die elkaar verder kunnen infecteren.

Kucharski en Cats pasten een epidemiologisch model toe op gegevens over het delen van ritten in Amsterdam. Ze ontdekten ze dat het virus zich daarbinnen gemakkelijk kan verspreiden en een groot deel van de reizigers kan besmetten. Ze constateerden echter ook grenzen in tijd en plaats aan de virusverspreiding en op basis hiervan laten ze zien hoe de verspreiding is te beperken. De incubatietijd – de periode tussen de besmetting en de diagnose gevolgd door quarantaine – is een belangrijke bepalende factor voor de verspreiding van het virus. Afbeelding 3 hieronder laat zien hoe het aantal passagiers in elke categorie – vatbaar, geïnfecteerd, in quarantaine – zich ontwikkelt over een aantal dagen tot quarantaine. De resultaten van deze studie tonen het belang aan van het beperken van de omvang van het contactnetwerk dat door het delen van ritten ontstaat.

Dit heeft grote gevolgen voor de dienstverlening. Het advies van de onderzoekers is daarom om:

  • passagiers zoveel mogelijk te stimuleren om de dienst zoveel mogelijk op dezelfde trajecten en tijden te gebruiken
  • passagiers zo veel mogelijk te matchen met medepassagiers die hun contactnetwerk niet te veel uitbreiden (bijvoorbeeld in plaats van twee mensen matchen die nog nooit een rit hebben gedeeld, liever twee die in het verleden aan ongeveer dezelfde mensen zijn blootgesteld)
  • waar mogelijk dezelfde pool van chauffeurs aan dezelfde pool van reizigers toe te wijzen

Deze maatregelen zullen de volksgezondheid ten goede komen, zij het dat dit ten koste gaat van de operationele kosten en van het niveau van de dienstverlening.

Afbeelding 3. Spreidingsprofiel met verschillende duur tot aan quarantaine

Dr. Oded Cats

Oded Cats is gespecialiseerd in passagiersvervoersystemen. In zijn richt hij zich op het ontwikkelen van netwerk-, operatie- en gedragsmodellen voor multimodale passagiersvervoersystemen. Samen met zijn collega's ontwikkelt hij nu empirische kennis en instrumenten om de rol van het openbaar vervoer in de anderhalvemetersamenleving te ondersteunen.

Meer informatie:

Smart Public Transport Lab

Prof.dr.ir. S.P. (Serge) Hoogendoorn

Serge Hoogendoorn is gespecialiseerd in verkeersmanagement. Hij richt zich daarbij op het waarnemen, begrijpen en modelleren van verkeersstromen in netwerken. Zijn interesse gaat vooral uit naar de sturingsprincipes om dat zo goed mogelijk te doen. Hoogendoorn en zijn collega’s zetten hun kennis en ervaring op dit gebied nu in voor het vormgeven van onze mobiliteit binnen de 1,5 metersamenleving.

Meer informatie

‘Stories of Science’ over Transport & Planning
Artikel ‘De gevolgen van corona voor verkeer en vervoer’ (NM Magazine) 

Dr. Panchamy Krishnakumari

Panchamy Krishnakumari is gespecialiseerd in de analyse van verkeersgegevens. Haar onderzoek richt zich op patroonherkenning in grootschalige grootstedelijke netwerken. Samen met collega's combineert ze nu kennis van complexe netwerken, epidemiemodellen en data om de uitdagingen van het openbaar vervoer te midden van de coronaviruspandemie te bestuderen.