Post on 11-Jan-2017
�
1
STEDENSTRUCTUUR VLAANDEREN
Onderzoeksopdracht in het kader van het Witboek Beleidsplan Ruimte Vlaanderen
SumResearch – september 2013
�
2
Opdrachtgever:
Departement Ruimtelijke Ordening, Woonbeleid en Onroerend Erfgoed
Afdeling Ruimtelijke Planning
Koning Albert II-laan 19
1210 Brussel
Opdrachthouder
SumResearch nv
Dendermondsesteenweg 50
B-9000 Gent
t +32 9 225 54 88
f +32 9 223 98 92
www.sum.be
Projectmedewerker: Liesbeth Van Damme
Projectleider: Brecht Vandekerckhove
m.m.v. Grontmij Belgium nv
�
3
INHOUD
1 HOOFDSTUK 1: INLEIDING 7
2 HOOFDSTUK 2: ONDERZOEKSRAPPORT 10
2.1 DEEL 1: Selectie gemeenten 10
2.2 DEEL 2: Indicatoren om gemeenten met elkaar te vergelijken 12
Bestaande indicatoren als leidraad 12 2.2.1
Vijf indicatoren voor de stedenstructuur in Vlaanderen 13 2.2.2
Hoofdindicator 1: Knooppuntwaarde 14 2.2.3
2.2.3.1 Achtergrond 14
2.2.3.2 Omschrijving indicator 15
2.2.3.3 Deelindicatoren 15
2.2.3.4 Eindwaarde hoofdindicator 1 18
2.2.3.5 Bespreking kaartbeeld 18
2.2.3.6 Bronnen 18
Hoofdindicator 2: Voorzieningen 19 2.2.4
2.2.4.1 Achtergrond 19
2.2.4.2 Omschrijving indicator 19
2.2.4.3 Deelindicatoren 19
2.2.4.4 Eindwaarde hoofdindicator 2 20
2.2.4.5 Bespreking kaartbeeld 21
2.2.4.6 Bronnen 21
Hoofdindicator 3: Integratie in de economische structuur 22 2.2.5
2.2.5.1 Achtergrond 22
2.2.5.2 Omschrijving indicator 22
2.2.5.3 Deelindicatoren 23
2.2.5.4 Eindwaarde hoofdindicator 3 24
2.2.5.5 Bespreking kaartbeeld 24
2.2.5.6 Bronnen 24
Hoofdindicator 4: Internationale connectiviteit 25 2.2.6
2.2.6.1 Achtergrond 25
2.2.6.2 Omschrijving indicator 25
2.2.6.3 Deelindicatoren 26
2.2.6.4 Eindwaarde hoofdindicator 4 27
2.2.6.5 Bespreking kaartbeeld 27
2.2.6.6 Bronnen 27
Hoofdindicator 5: Verstedelijkingsgraad 28 2.2.7
2.2.7.1 Achtergrond 28
2.2.7.2 Omschrijving indicator 29
2.2.7.3 Eindwaarde hoofdindicator 5 29
2.2.7.4 Bespreking kaartbeeld 30
2.2.7.5 Bronnen 30
Composietkaart 31 2.2.8
2.2.8.1 Achtergrond 31
2.2.8.2 Omschrijving indicator 31
2.2.8.3 Bespreking kaartbeeld 31
2.3 DEEL 3: Typologie van de steden 32
Drie manieren om de hoofdindicatoren te combineren 32 2.3.1
2.3.1.1 Composiet 1: Stedelijkheid 33
2.3.1.2 Composiet 2: Openbaar vervoer 34
2.3.1.3 Composiet 3: Verzorgingsniveau 35
�
4
Indeling in klassen 36 2.3.2
2.3.2.1 Gelijke intervallen 36
2.3.2.2 Kwantielen 36
2.3.2.3 Standaardafwijking 36
2.3.2.4 Natural breaks – Methode van Jenks 36
Natural breaks – methode in detail 37 2.3.3
Toepassing Jenks voor stedentypologie 37 2.3.4
2.3.4.1 Composiet 1: Stedelijkheid 38
2.3.4.2 Composiet 2: Openbaar vervoer 40
2.3.4.3 Composiet 3: Verzorgingsniveau 43
Interpretatie en opbouwen typologie 45 2.3.5
Finale typologie steden 46 2.3.6
2.4 DEEL 4: Daily urban systems 49
Situering in de literatuur 50 2.4.1
Provinciaal verkeersmodel van De Lijn 51 2.4.2
2.4.2.1 Vijf provinciale verkeersmodellen 51
2.4.2.2 Afstemming verkeersmodel 54
2.4.2.3 Invoertuigtijd 54
2.4.2.4 Wachttijd 54
2.4.2.5 Opstappen 55
2.4.2.6 Keuzes binnen de onderzoeksopzet 55
Analyse invoertuigtijd en kruislingse connectiviteit 56 2.4.3
Stap 1: Bepalen ‘startgebied’ via de invoertuigtijd 57 2.4.4
Stap 2: Bepalen daily urban systems via kruislingse connectiviteit 63 2.4.5
Stap 3: Totaalbeeld daily urban systems in Vlaanderen 68 2.4.6
2.4.6.1 Daily urban systems in Vlaanderen – volgens stedelijke regio 69
2.4.6.2 Daily urban systems in Vlaanderen – 101 gemeenten 71
2.4.6.3 Daily urban systems in Vlaanderen – het verdichtingsnet 71
2.5 DEEL 5: Conclusie 74
3 HOOFDSTUK 3: KAARTMATERIAAL 76
4 HOOFDSTUK 4: BIJLAGEN 77
5 HOOFDSTUK 5: DIGITALE KAARTEN EN DATA-OVERDRACHT 87
6 HOOFDSTUK 6: REFERENTIES 88
����
�
5
FIGUREN
Figuur 1: Indicator 1: knooppuntwaarde 18
Figuur 2: Indicator 2: voorzieningenniveau 21
Figuur 3: Indicator 3: Integratie in de economische structuur 24
Figuur 4: Indicator 4: Internationale connectiviteit 27
Figuur 5: Indicator 5: Verstedelijking 30
Figuur 6: Composietindicator 1 31
Figuur 7: Data-verdeling composiet 1 38
Figuur 8: Data-verdeling composiet 2 40
Figuur 9: Data-verdeling composiet 3 43
Figuur 10: Composiet 1: Stedelijkheid (indeling in vijf klassen) 45
Figuur 11: Composiet 2: Openbaar vervoer (indeling in vijf klassen) 45
Figuur 12: Composiet 3: Verzorgingsniveau (indeling in vijf klassen) 45
Figuur 13: Typologie van de steden en gemeenten in Vlaanderen 48
Figuur 14: Zonering provinciaal verkeersmodel Antwerpen 52
Figuur 15: Zonering provinciaal verkeersmodel Limburg 52
Figuur 16: Zonering provinciaal verkeersmodel Oost-Vlaanderen 52
Figuur 17: Zonering provinciaal verkeersmodel Vlaams-Brabant 53
Figuur 18: Zonering provinciaal verkeersmodel West-Vlaanderen 53
Figuur 19: Invoertuigtijd naar Brussel-Noord of Brussel-Zuid 58
Figuur 20: Invoertuigtijd naar Antwerpen-Centraal 58
Figuur 21: Invoertuigtijd naar Gent-Sint-Pieters 59
Figuur 22: Invoertuigtijd naar Leuven-station 59
Figuur 23: Invoertuigtijd naar Brugge-station 60
Figuur 24: Invoertuigtijd naar Mechelen-station 60
Figuur 25: Invoertuigtijd naar Hasselt-station of Genk-station 61
Figuur 26: Invoertuigtijd naar Kortrijk-station 61
Figuur 27: Case Mechelen 62
Figuur 28: Kruislingse connectiviteit in de top stedelijke regio Brussel 64
Figuur 29: Kruislingse connectiviteit in de top stedelijke regio Antwerpen 64
Figuur 30: Kruislingse connectiviteit in de top stedelijke regio Gent 65
Figuur 31: Kruislingse connectiviteit in de stedelijke regio niveau 1 Leuven 65
Figuur 32: Kruislingse connectiviteit in de stedelijke regio niveau 1 Brugge 66
Figuur 33: Kruislingse connectiviteit in de stedelijke regio niveau 1 Mechelen 66
Figuur 34: Kruislingse connectiviteit in de stedelijke regio niveau 1 Hasselt-Genk 67
Figuur 35: Kruislingse connectiviteit in de stedelijke regio niveau 1 Kortrijk 67
Figuur 36: Daily urban systems in Vlaanderen – volgens stedelijke regio 70
Figuur 37: Daily urban systems in Vlaanderen – 101 gemeenten 72
Figuur 38: Daily urban systems in Vlaanderen – het infrastructuurnetwerk 73
����
�
6
TABELLEN
Tabel 1: ‘Selectie van kleinstedelijke gebieden’ (Loopmans et al., 2011) 11
Tabel 2: Composiet 1: Detecteren van stedelijke regio’s 33
Tabel 3: Composiet 2: Detecteren van openbaar vervoersknooppunten 34
Tabel 4: Composiet 3: Detecteren van verzorgende steden 35
Tabel 5: Overzicht typologie steden 46
Tabel 6: Criteria typologie steden 49
Tabel 6: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten) 78
Tabel 7: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten) 79
Tabel 8: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101gemeenten) 80
Tabel 9: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten) 81
Tabel 10: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten) 82
Tabel 11: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks 83
Tabel 12: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks 84
Tabel 13: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks 85
Tabel 14: Typologie steden in alfabetische rangschikking 86
�
7
1 HOOFDSTUK 1: INLEIDING
Situering onderzoek
Naar aanleiding van de opmaak van het Witboek Beleidsplan Ruimte Vlaanderen werd aan
SumResearch de onderzoeksvraag gesteld een beleidsvoorbereidende analyse te maken over het
netwerk van steden in Vlaanderen. De studie moet nagaan of bepaalde beleidshypotheses en -
strategieën realistisch en haalbaar zijn en moet ook inzicht brengen in het bestaande netwerk. De
onderzoeksvraag heeft betrekking op de generieke strategie ‘Polycentrische ontwikkeling in
stedelijke regio’s’ en op de thematische strategie ‘Bevolkingsgroei’.
Uitgangspunt is dat bijkomende ontwikkelingen in Vlaanderen in de toekomst zullen worden
opgevangen via verdichting, binnen verschillende types van stedelijke ruimte.
Het basisidee voor het Beleidsplan Ruimte Vlaanderen is dat Vlaanderen kan uitgroeien tot een
polycentrisch netwerk van steden en voorzieningen op verschillende niveaus. Enerzijds is er het
stedelijk netwerk binnen Vlaanderen dat op zijn beurt ingebed is in een ruimer gebied, nl. de Noord-
West-Europese Delta. Anderzijds heeft dit polycentrisch netwerk betrekking op de polycentrische
ontwikkeling binnen onze steden – de stedelijke regio’s – zelf.
Een polycentrisch netwerk van steden in Vlaanderen zal opgebouwd worden langs de assen van een
snel en performant openbaar vervoerssysteem. Groei en nieuwe ontwikkelingen zullen zich dus
moeten situeren in gebieden die vlot bereikbaar zijn. Enkel deze aanpak is de garantie om verdere
verneveling in Vlaanderen tegen te gaan.
Een eerste stap in de uitbouw van een polycentrisch netwerk is het in kaart brengen van onze huidige
stedenstructuur. Daartoe hebben SumResearch en de opdrachtgever een methodologie opgebouwd
om de types van stedelijke ruimte in Vlaanderen te detecteren.
Voorliggende nota bespreekt deze methodologie en bestaat uit zes hoofdstukken: een inleiding (1),
het eigenlijke onderzoeksrapport (2), het geproduceerde kaartmateriaal (3), de bijlagen (4), de
digitale kaarten (5) en referenties (6).
Het onderzoeksrapport zelf (Hoofdstuk 2) is opgebouwd uit vijf delen:
Deel 1: Selectie gemeenten
Deel 2: Indicatoren
Deel 3: Typologie van gemeenten
Deel 4: Daily Urban Systems
Deel 5: Conclusie
Het eindresultaat van deze opdracht is een inzicht in de daily urban systems in Vlaanderen, die de
basis vormen voor de toekomstige ontwikkeling tot een polycentrisch netwerk van steden en
voorzieningen. Deze daily urban systems worden afgebakend op basis reistijden.
Hoofdstuk 2 moet integraal gelezen worden met de bijbehorende kaarten (Hoofdstuk 3) en vormt
een hulpmiddel ten aanzien van het beleid. Vooraleer de methodologie wordt toegelicht worden
eerst nog enkele begrippen kort gesitueerd in de literatuur.
�
8
Begrip ‘Polycentrische metropolitane gebieden’
Polycentrische metropolitane gebieden zijn “verzamelingen van steden die administratief, politiek en
historisch onafhankelijk van elkaar zijn (ontstaan) maar die in elkaars nabijheid liggen en goed
verbonden zijn via infrastructuur” (Meijers et al., 2012). Binnen dergelijke gebieden hebben steden
agglomeratievoordelen doordat ze deel uitmaken van een netwerk. Het ‘samenvloeien’ van steden is
ofwel het resultaat van ‘incorporatie’ wanneer een dominante stad haar invloed uitbreidt over een
groter gebied; ofwel het resultaat van ‘fusie’ waarbij steden die in elkaars buurt liggen sterker
verbonden geraken door het gedrag van en de interactie tussen bedrijven en inwoners.
Door een toegenomen mondialisering, schaalvergroting en het gebruik van ICT zijn sommige steden
geëvolueerd van een monocentrisch naar een polycentrisch systeem. Dergelijke polycentrische
systemen waarbij de werkgelegenheid en andere voorzieningen gebundeld en gedecentraliseerd zijn
over de stad, kunnen een positieve bijdrage leveren aan het terugdringen van het autogebruik
(Schwanen et al., 2001).
Begrip ‘Bereikbaarheid’
Binnen een polycentrisch netwerk is bereikbaarheid een andere belangrijke variabele. Bovendien
zorgt een hogere bereikbaarheid door een bepaald vervoermiddel meestal voor een hoger gebruik
van dit vervoermiddel (Kitamura et al., 1997; Rajamani et al., 2003). Bewoners van een wijk of buurt
die goed bereikbaar is met het openbaar vervoer, zullen eerder gebruikmaken van het openbaar
vervoer.
Daarbij dient opgemerkt te worden dat de afstand ten opzichte van het openbaarvervoernetwerk
een belangrijke rol speelt. Hoe groter deze afstand is, des te groter de kans dat de auto wordt
gebruikt (Chen et al., 2008). Uit onderzoek van Van Wee (2002) blijkt dat de afstand tot een
treinstation een belangrijke rol speelt in het verplaatsingsgedrag van mensen. Indien woningen en
werken zich in de directe nabijheid van een treinstation bevinden, zal dit een positief effect hebben
op het openbaarvervoergebruik.
Begrip ‘Reistijd’
De factor tijd vormt een grens voor ons verplaatsingsgedrag (Vleugels et al., 2007). De beschikbare
tijd begrenst de maximale afstand waarover men zich kan verplaatsen. In de afgelopen decennia is
de gemiddelde woon- werkafstand enorm toegenomen maar de gemiddelde reistijd per persoon per
dag is vrijwel constant gebleven (ongeveer 70 tot 90 minuten per persoon per dag). Dit in
tegenstelling tot wat vaak wordt gedacht. Dit komt overeen met de bevindingen van Hupkes (1977)
en Zahavi (1979; 1974). Theoretische worden deze bevindingen omschreven als de Wet van het
Behoud van REistijd en VERplaatsingen (BREVER- wet). Het aantal verplaatsingen op lange termijn
(20-30 jaar) is redelijk stabiel en de tijdsbesteding aan verplaatsingen blijft constant. Ruimere
beschikbaarheid en hogere snelheid van vervoermiddelen leiden ertoe dat er in dezelfde tijd meer
en/of langere verplaatsingen kunnen worden gemaakt.
Reistijd bestaat uit verschillende componenten die elk een andere invloed hebben op het
verplaatsingsgedrag (Kropman & Katteler, 1993). Deze componenten zijn: voorbereidingstijd,
wachttijd, effectieve reistijd, overstaptijd en de tijd die nodig is om zich naar de halte of het voertuig
te verplaatsen.
�
9
Begrip ‘Verplaatsingsgedrag’
Individuele reizigers ervaren en waarderen de tijdscomponenten op verschillende manieren en
kunnen op basis van deze componenten besluiten om een verplaatsing niet te maken of om een
andere route te kiezen. Onderzoek van Hine et al. (2001) wijst uit dat de betrouwbaarheid van het
verkeer- en vervoersysteem (kans op vertragingen), de afstand tussen vertrekpunten, frequentie,
aantal beschikbare buslijnen, voorzieningen op overstappunt, comfort, sociale veiligheid,
informatievoorziening en bijkomende kosten, andere factoren zijn die deze belevingswaarde
beïnvloeden (Vleugels et al., 2007).
Door onderzoek van Brok (2001) is aangetoond dat openbaarvervoerreizigers een langere route
prefereren in plaats van een “ onbetrouwbare” snelle route. Veel reizigers verkiezen 10 minuten
extra reistijd op de koop toe, boven een (kortere) route met 50% kans op 15 minuten vertraging.
Verplaatsingsafstand en- tijd zijn onderling afhankelijke determinanten van het verplaatsingsgedrag
van mensen en hangen nauw samen met de verplaatsingssnelheid (Vleugels et al., 2007).
De gemiddelde snelheid en de maximale aanvaardbare reistijd bepalen bovendien de
activiteitenruimte waarbinnen personen zich kunnen verplaatsen. Van Eijck (2006) concludeert dat
personen verder van hun werk blijken te wonen dan vanuit theoretische modellen kan worden
voorspeld. Personen hanteren vaak een psychologische buffer tussen woon- en werklocatie. Het
vaak wisselen van baan in combinatie hoge verhuiskosten kan een andere factor zijn. Met het
toenemende aantal tweeverdieners binnen een huishouden is het moeilijk om een geschikte
woonplaats te vinden die de reistijd naar beide werklocaties kan bekorten. Een andere
beïnvloedingsfactor zijn de persoonlijkheden en leefstijlen van mensen (Giuliano en Small,1993).
Indien mensen wonen op een prettige woonlocatie die aansluit bij de persoonlijke behoefte en
leefstijl, kan dit betekenen dat deze personen een langere reistijd naar het werk accepteren.
�
�
10
2 HOOFDSTUK 2: ONDERZOEKSRAPPORT
Het in kaart brengen van de stedenstructuur gebeurt op een stapsgewijze manier. SumResearch doet
hiervoor ten dele een beroep op bestaand onderzoek, maar heeft ook expliciet gekozen voor ‘nieuwe
insteken’ die zijn uitgewerkt in overleg met de opdrachtgever. Hoofdstuk 2 is opgebouwd uit vijf
delen.
In het eerste deel (§2.1, p.10) wordt een selectie gemaakt uit de 308 gemeenten in Vlaanderen
waarvoor we de stedenstructuur gaan bekijken.
In het tweede deel (§2.2, p.12) worden vijf selectiecriteria of indicatoren naar voor geschoven die in
overeenstemming zijn met de visie én die ons in staat stellen een eerste indeling te maken in de
gemeenten. Op basis van deze indicatoren worden vijf afzonderlijke kaartbeelden verkregen én een
composietbeeld dat een eerste weergave is van de stedenstructuur in Vlaanderen. Er wordt ten dele
gewerkt met bestaande indicatoren, ten dele met nieuwe indicatoren.
In het derde deel (§2.3 p.32) wordt aan de hand van deze indicatoren én het composietbeeld een
typologie opgemaakt. Op basis van de indicatoren uit het eerste deel, worden de gemeenten op drie
verschillende manieren ingedeeld en verkrijgen we een hoofdindeling: stedelijke regio’s, openbaar
vervoersknooppunten en verzorgende steden.
Het vierde deel (§2.4, p.49) vertrekt van deze typologie en omvat een afbakening van de daily urban
systems of het ‘invloedsgebied van de stedelijke regio’s’ in Vlaanderen. Deze afbakening gebeurt op
basis van ‘nabijheid’ en ‘bereikbaarheid’ en wordt geoperationaliseerd via maximale aanvaardbare
reistijden (MAR) via het openbaar vervoersnetwerk van trein en bus (NMBS en De Lijn). Er wordt een
opdeling gemaakt in deze MAR, al naargelang de grootte en typologie van de stad.
In het vijfde deel (§2.5, p.74) wordt een conclusie gemaakt met een insteek naar algemene
aanbevelingen voor het beleid.
2.1 DEEL 1: Selectie gemeenten
In deze studie wordt eerst een selectie gemaakt uit de 308 gemeenten in Vlaanderen, om vervolgens
een rangschikking te kunnen opmaken. Uitgangspunt is dat we inzicht willen verkrijgen in de
gemeenten die een belangrijke schakel kunnen zijn in de uitbouw van een polycentrisch netwerk.
Voorliggende studie vertrekt daarom van de 901 Vlaamse gemeenten met het hoogste
voorzieningenniveau zoals bepaald in het onderzoek “Selectie van kleinstedelijke gebieden in
Vlaanderen” van Loopmans et al. (2011, KULeuven) in opdracht van RWO. Deze selectie wordt
aangevuld met 10 gemeenten in Vlaanderen die een treinstation op hun grondgebied hebben met
minstens 1.000 opstappers per dag2, zodat in totaal 100 gemeenten het basisraster vormen
waarbinnen we de structuur gaan bepalen (zie Tabel 1). Het onderzoek vertrekt dus niét van alle
gemeenten in Vlaanderen, maar vanuit de visie dat het huidig niveau toekomstige
ontwikkelingsmogelijkheden bepaalt.
Zoals blijkt uit voorgaande selectie is Brussel niet mee opgenomen in de oorspronkelijke selectie.
Verwacht wordt dat de stad zodanig hoge waarden zal hebben op de indicatoren dat ze de
rangschikking te sterk zou beïnvloeden. Brussel wordt daarom niet meegenomen tijdens het
verwerkingsproces. De indicatorwaarden voor Brussel werden wel bepaald. Op die manier blijft het �1 We vertrekken van deze 90 omdat voor deze 90 de deelindicatoren met al hun informative is opgenomen in de studie van
Loopmans et al. (2011). 2 Reizigerstellingen NMBS uit 2009 (www.treintrambus.be, op 20 maart 2013)�
�
11
mogelijk om Brussel op alle kaarten voor te stellen. Haar waarden werden enkel ‘uitgesloten’ tijdens
het berekenen van de indicatoren en het daaropvolgend classificatieproces.
Tabel 1: ‘Selectie van kleinstedelijke gebieden’ (Loopmans et al., 2011)
Aalst Leuven
Aalter Lier
Aarschot Lokeren
Antwerpen Lommel
Asse Maaseik
Beringen Maasmechelen
Beveren Machelen
Bilzen Malle
Blankenberge Mechelen
Bonheiden Menen
Boom Merelbeke
Bornem Middelkerke
Brasschaat Mol
Bree Mortsel
Brugge Neerpelt
Deinze Ninove
Dendermonde Oostende
Diepenbeek Oudenaarde
Diest Overijse
Diksmuide Overpelt
Dilbeek Poperinge
Edegem Puurs
Eeklo Roeselare
Geel Ronse
Genk Schoten
Gent Sint-Katelijne-Waver
Geraardsbergen Sint-Niklaas
Grimbergen Sint-Pieters-Leeuw
Haacht Sint-Truiden
Halle Temse
Hamme Tielt
Harelbeke Tienen
Hasselt Tongeren
Heist-op-den-Berg Torhout
Herentals Turnhout
Heusden-Zolder Veurne
Houthalen-Helchteren Vilvoorde
Ieper Waregem
Izegem Westerlo
Kapellen Wetteren
Knokke-Heist Wevelgem
Koksijde Willebroek
Kontich Zaventem
Kortrijk Zelzate
Lanaken Zottegem
Denderleeuw
Landen
Lichtervelde
Liedekerke
Lede
De Pinte
Ternat
Erpe-Mere
Zele
Essen
90 gemeenten uit 'Selectie kleinstedelijke gebieden'
Loopmans et al. (2011)
10 gemeenten met minstens 1000 opstappers per dag
�
12
2.2 DEEL 2: Indicatoren om gemeenten met elkaar te vergelijken
Bestaande indicatoren als leidraad 2.2.1
Het uitgangspunt van het Beleidsplan Ruimte Vlaanderen is een netwerk van steden en
voorzieningen, veeleer dan een hiërarchisch systeem van steden. Dit netwerk zal zich opbouwen
rond de bestaande hoogwaardige infrastructuurlijnen en in het bijzonder rond het spoorwegennet.
Dit net krijgt dan ook een belangrijk aandeel in de vijf geselecteerde indicatoren.
Vooraleer we inzoomen op elk van de vijf indicatoren, staan we kort stil bij de definitie van een
indicator. Een indicator is “een meeteenheid samengesteld uit (één of) meerdere variabelen dat een
bepaald fenomeen zo nauwkeurig en betrouwbaar mogelijk meet” (Lievois et al., 2011). Vier van de
vijf indicatoren zijn dan ook samengestelde indicatoren, waarin de deelindicatoren een evenwaardig
gewicht krijgen. Een samengestelde indicator met 2 deelindicatoren, geeft elke deelindicator een
gewicht van 50%. Een samengestelde indicator met 3 deelindicatoren geeft elke deelindicator een
gewicht van 33.3%.
Voor de inhoudelijke uitwerking van indicatoren is zoveel mogelijk beroep gedaan op bestaande
indicatoren. Input hiervoor is onder meer de ‘Indicatorennota’ van het Steunpunt Ruimte en Wonen
(Lievois et al., 2011), de Ruimtemonitor Vlaanderen en de studie ‘Selectie van kleinstedelijke
gebieden’ (Loopmans et al., 2011).
Indicatorennota
De Indicatorennota (Lievois et al., 2011) ontstond als een overzicht van de ruimtelijke indicatoren die
binnen de verschillende werkpakketten van het Steunpunt Ruimte en Wonen zijn ontwikkeld. In
tegenstelling tot het team wonen dat tot doel had om een set van prestatie-indicatoren te
ontwikkelen om de strategische en operationele doelstellingen van het Vlaamse beleid te kunnen
aftoetsen aan de realiteit, dienen de indicatoren binnen het team Ruimte eerder als analytische
instrumenten om de ruimtelijke differentiatie van Vlaanderen te bestuderen en te bekijken hoe
ruimtegebruik over de tijd evolueert. De indicatorennota maakt met andere woorden een
omgevingsanalyse van de bestaande toestand en heeft als eerste doel via ruimtelijke meeteenheden
(in kwantitatief onderzoek binnen de basispakketten en/of de Ruimtemonitor) verschillende
fenomenen in beeld te brengen die op kwantitatieve (hoeveel ruimtegebruik, infrastructuur) en
kwalitatieve wijze (vb. typologieën binnen categorieën van ruimtegebruik) de ruimte transformeren.
Ruimtemonitor
De Ruimtemonitor is een instrument ontwikkeld door het Steunpunt Ruimte en Wonen van de
Vlaamse Overheid en bevat gefocuste informatie-indicatoren met betrekking tot de belangrijkste
ruimtelijke trends in de Vlaamse context. Doelstelling is om deze indicatoren te analyseren, op een
ruimtelijk gedifferentieerde manier en op het adequate schaalniveau per fenomeen.
�
13
Selectie van kleinstedelijke gebieden
Deze studie heeft als doel aan te geven tot welk type kleinstedelijk gebied de geselecteerde
gemeenten kunnen behoren dan wel of een dergelijk onderscheid nog zinvol is of verscherpt moet
worden (Loopmans et al., 2011). De studie omvat een evaluatie van de selectie van de kleinstedelijke
gebieden in Vlaanderen in functie van de uitgangspunten van het Ruimtelijk Structuurplan
Vlaanderen en de provinciale ruimtelijke structuurplannen.
Vijf indicatoren voor de stedenstructuur in Vlaanderen 2.2.2
Om inzicht te krijgen in de stedenstructuur in Vlaanderen wordt gewerkt met vijf ‘domeinen’
waarvoor telkens een samengestelde indicator wordt bepaald. Hierbij is het belangrijk om de keuze
voor deze domeinen, en dus de indicatoren te motiveren. Men moet er zich echter van bewust zijn
dat de keuze voor een domein afhankelijk is van de beleidsmatige insteek die aan dit onderzoek
gekoppeld is. Zo gaat er in de indicatoren veel aandacht naar het openbaar vervoerssysteem: de
uitbouw van een duurzaam polycentrisch netwerk van steden en voorzieningen is vanuit de
beleidsvisie immers sterk gekoppeld aan de aanwezige infrastructuur van spoorlijnen en aan de
mogelijkheden daarvan. Tegelijkertijd kiest men voor een beperkt aantal domeinen, die elk als
evenwaardig worden beschouwd.
De vijf domeinen om de stedenstructuur te bepalen zijn:
een hoogwaardig openbaar vervoersnetwerk (= knooppuntwaarde);
voorzieningen;
integratie in de economische structuur;
internationale connectiviteit;
verstedelijkingsgraad.
De combinatie van bovenstaande indicatoren resulteert in een rangschikking die ons inzicht geeft in
de stedenstructuur. In bijlage worden de oorspronkelijke tabellen en cijferwaarden voor elke
indicator weergegeven. Elke indicator is zoals eerder gezegd, herschaald zodat het gewicht van één
indicator niet groter kan zijn in de totaalscore van de vijf indicatoren samen. De ongelijke verdeling
van de scores kan er wel toe leiden dat één indicator tot meer differentiatie leidt dan een andere. De
indicatoren worden berekend voor de 100 gemeenten én voor Brussel. Brussel wordt niet
meegenomen op het moment dat de classificatie zelf wordt gemaakt.
In volgende paragrafen wordt elke indicator apart besproken. Voor de exacte waarden en
berekeningen verwijzen we naar de tabellen in bijlage.
�
�
14
Hoofdindicator 1: Knooppuntwaarde 2.2.3
2.2.3.1 Achtergrond
Zoals eerder gezegd is de bereikbaarheid binnen een polycentrisch netwerk een belangrijke
variabele. Bereikbaarheid is één van de belangrijkste vestigingscriteria voor de meeste economische
activiteiten, inclusief het wonen (Lievois et al., 2011). De definitie van bereikbaarheid varieert echter
met de inhoud van de beschouwde activiteit, alsook met het soort en de intensiteit van relaties die
de activiteit nodig heeft. Volgens Geurs en Ritsema van Eck (2001) weerspiegelt bereikbaarheid “de
mate waarin het vervoers- en ruimtelijk systeem mogelijk maakt dat (groepen van) personen of
goederen activiteiten of bestemmingen bereiken door middel van (een combinatie van)
vervoermiddelen” (geciteerd uit Vandenbulcke et al., 2007).
Om een vergelijking te maken van bereikbaarheid van Vlaamse steden kan men theoretisch de
bereikbaarheid over autowegen, waterwegen en spoorwegen beschouwen. Rekening houdende
met het STOP-principe – dat door het mobiliteitsplan Vlaanderen én het mobiliteitsdecreet wordt
onderschreven – zal indicator 1 enkel rekening houden met het openbaar vervoer, in het bijzonder
het personenvervoer via spoor. Voor de volledigheid wijzen we op de relativiteit van de trein als
hoofdvervoermiddel naar werk of school. De trein neemt een aandeel in van 7,12% t.o.v. 66,8% voor
de auto (Onderzoek Verplaatsingsgedrag 2004).
Het openbaar vervoer via tram en bus wordt in een latere fase in dit onderzoek mee opgenomen (zie
§0). Het STOP-principe geeft een rangorde weer voor een duurzaam gebruik van de verschillende
modi van personenvervoer: zoveel mogelijk Stappen, Trappen (fiets), het Openbaar vervoer
gebruiken en pas in laatste instantie de Personenwagens inzetten. (Vlaamse Regering VR 2012 3003
MED.0160/1, mededeling aan de Vlaamse Regering, Missie en visie Ontwerp Mobiliteitsplan
Vlaanderen, 2012).
Een hogere bereikbaarheid door een bepaald vervoermiddel zorgt meestal voor een hoger gebruik
van dit vervoermiddel (Kitamura et al., 1997; Rajamani et al., 2003). Bewoners van een wijk of buurt
die goed bereikbaar is met het openbaar vervoer, zullen eerder gebruikmaken van het openbaar
vervoer. De relevantie van het aspect bereikbaarheid voor het ruimtelijk beleid verschilt sterk tussen
personenvervoer en goederenvervoer. Voor personenvervoer is in ieder geval de bereikbaarheid
met congestievrij openbaar vervoer van belang (Lievois et al., 2011).
Voor het ruimtelijk beleid is het belangrijk de gebieden met een hoogwaardig
openbaarvervoeraanbod te onderscheiden van de gebieden met een minder hoogwaardig aanbod.
Hoogwaardig openbaar vervoer (HOV) is openbaar vervoer dat tot op zekere hoogte concurrentieel
is met het autoverkeer, en in die zin naast een sociale rol (= basismobiliteit, ook aangeboden door
het niet hoogwaardig openbaar vervoer) ook een economische (= verminderen van de congestie) en
een ecologische rol (= verminderen van uitstoot) vervult.
Vanuit het ruimtelijk beleid is het wenselijk dat nieuwe ontwikkelingen, in het bijzonder de
ontwikkelingen die veel personenverkeer genereren, op een locatie komen die bediend wordt door
hoogwaardig openbaar vervoer. Stationslocaties die door IC-treinen worden bediend, zijn klassieke
voorbeelden, maar deze kunnen uitgebreid worden naar locaties die bediend worden door sneltrams
(lightrail), metro of bussen op eigen bedding. Deze vormen van openbaar vervoer zijn op dit ogenblik
schaars op Vlaams grondgebied. Delen van sommige bestaande tramlijnen kunnen als lightrail
beschouwd worden, zoals bijvoorbeeld de Kusttram, of de verbinding Melsele-Antwerpen. Daarnaast
zijn er enkele metrostations van het Brusselse (en ook het Rijselse) net die zich vlakbij het Vlaams
Gewest bevinden (Lievois et al., 2011).
�
15
Componenten van bereikbaarheid zijn de transportcomponent (het vervoersysteem) en de
ruimtelijke component (de omvang, de kwaliteit, …). Daarnaast spelen ook nog een tijdscomponent
en een individuele component mee (Lievois et al., 2011).
Aangezien de individuele component moeilijk op te nemen valt in een indicator kiest dit onderzoek
ervoor om de eerste indicator op te bouwen uit drie deelindicatoren, overeenkomstig met de drie
componenten van bereikbaarheid:
Het aantal hoofdlijnen: komt overeen met de transportcomponent of de aanwezige
infrastructuur.
De graad van het treinstation of het aantal vertrekkende treinen: komt overeen met de
ruimtelijke component.
De reistijd naar grote steden: komt overeen met de tijdscomponent.
2.2.3.2 Omschrijving indicator
De knooppuntwaarde van een gemeente is de mate waarin ze verbonden is met andere gemeenten
via het hoogwaardig openbaar vervoersnetwerk van treinen. De knooppuntwaarde van een
stad/gemeente is bepaald door de aanwezige infrastructuur, de graad van het grootste treinstation
en de reistijd naar de drie snelst bereikbare grote steden Antwerpen, Gent, Brussel, Luik, Charleroi,
Rijsel, Eindhoven en Aachen.
Gemeenten zonder station op hun grondgebied, krijgen een nulwaarde voor deze indicator.
In totaal hebben 20 gemeenten geen station: Bonheiden, Brasschaat, Bree, Edegem, Grimbergen,
Hamme, Heusden-Zolder, Houthalen-Helchteren, Koksijde, Lanaken, Maaseik, Maasmechelen,
Machelen, Malle, Middelkerke, Overijse, Schoten, Sint-Pieters-Leeuw, Westerlo en Zelzate.
2.2.3.3 Deelindicatoren
De indicator knooppuntwaarde is opgebouwd uit drie deelindicatoren, overeenkomstig de drie
componenten van bereikbaarheid: de fysieke component, de ruimtelijke component en de
tijdscomponent. Alle waarden zijn terug te vinden in Tabel 6 in bijlage.
Deelindicator 1: Aantal hoofdlijnen ( ~ transportcomponent)
Het aantal hoofdlijnen is gelijk aan de infrastructurele hoofdlijnen van het spoorwegnet waarlangs
het grootste station van een gemeente gelegen is en waarvoor dit station als stopplaats fungeert.
Met het grootste station bedoelt men het station met het grootste aantal opstappers per dag
volgens de reizigerstellingen van de NMBS uit 2009 (www.treintrambus.be, op 20 maart 2013).
Het aantal fysieke spoorlijnen geeft dus het aantal richtingen weer die iemand vanuit elk station
kan uitgaan.
Herschaling:
Brussel-Noord, -Centraal en –Zuid hebben elk 6 passerende lijnen, het grootste aantal in de reeks.
Het aantal passerende lijnen in elk station in de gehele gebruikte dataset wordt daarom gedeeld
door zes zodat deelindicator 1 herschaald wordt naar waarden tussen 0 en 1. Mechelen heeft
bijvoorbeeld 5 lijnen. De waarde na de eerste herschaling wordt dan 5/6 = 0.8333.
�
16
Deze waarde wordt nadien nogmaals herschaald zodat de totaalsom deze deelindicator 1 over
alle 100 gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren. Deze
herschaling is nodig opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen (van 100
op 500) in de composietindicator. Voor Mechelen geeft dit dan bijvoorbeeld
0.83333/20,8333*33,3333 = 1,3333 als waarde na de tweede herschaling.
Deelindicator 2: Graad treinstation ( ~ ruimtelijke component)
De graad van een treinstation is gelijk aan de som van het aantal vertrekkende treinen in het
grootste station op het grondgebied van de gemeente3 gedurende 24u, bepaald op dinsdag 19
maart 2013. Deze indicator komt overeen met de ruimtelijke component, er van uitgaande dat
een groot aantal vertrekkende treinen iets zegt over de omvang van het aanbod op die plaats.
Met de graad van het treinstation wordt aangegeven hoe frequent een station wordt bediend en
dus hoe functioneel elk knooppunt is.
Herschaling:
Mechelen heeft met 478 treinen het grootste aantal vertrekkende treinen in de reeks. Het aantal
vertrekkende treinen in het hoofdstation van elke gemeente wordt daarom gedeeld door 478
zodat deelindicator 2 herschaald wordt naar waarden tussen 0 en 1.
Net zoals bij deelindicator 1 wordt deze waarde nogmaals herschaald zodat de totaalsom over alle
100 gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren.
Voor Gent geeft dit bijvoorbeeld met 413 vertrekkende treinen een eerste herschaalde waarde
van 713/478 = 0,8640. De tweede herschaling geeft dan 0,8640/18,374 * 33,3333 = 1,5675.
Deelindicator 3: Bereikbaarheid grote steden ( ~ tijdscomponent)
De bereikbaarheid van grote steden wordt uitgedrukt door de totale kortste reistijd (in minuten)
via het openbaar vervoer vanuit de gemeente tussen 7u en 10u op dinsdag 19 maart 2013 naar
drie grote steden (uit de acht4 onderstaande)]
5.
Antwerpen
Gent
Rijsel
Charleroi
Brussel-Zuid of Brussel-Noord
Luik
Aachen
Eindhoven
Met deze derde deelindicator wordt weergegeven hoe snel men vanuit elk station in drie grote
steden geraakt. Het geeft weer in welke mate een knooppunt verbonden is met een (grotere) stad
of knooppunt, waar er veel mogelijkheden aan bijvoorbeeld tewerkstelling zijn. Een kleinere
gemeente kan met andere woorden betekenis krijgen doordat ze ‘goed’ verbonden is met een
grotere stad. De reistijd vanuit Antwerpen, Gent of Brussel naar zichzelf, wordt als 0 minuten
beschouwd.
�3 (Van Obbergen, 2012) gebruikt tussen 8 en 9u.
4 Het gaat om 8 agglomeraties met minstens 200.000 inwoners én die vanuit 1 Vlaams treinstation op minder dan 30
minuten te bereiken zijn. 5 Van Obbergen gebruikt Mechelen, Brugge, Antwerpen Centraal, Leuven, Brussel-Zuid en Gent.
�
17
Aanpassingen deelindicator 3:
Omdat de verkregen resultaten voor deze deelindicator bijzonder weinig differentiatie weergeven
tussen de gemeenten onderling, werd een aanpassing doorgevoerd aan de oorspronkelijke
gegevens.
Voor elke overstap op een traject per trein wordt de reistijd verlengd met in totaal 10
minuten. Een overstap zorgt er niet alleen voor dat de er een kans bestaat dat men de
aansluiting mist, maar zorgt ook voor een extra (psychologische) drempel bij het nemen van
het traject.
Om de verschillen te vergroten worden de oorspronkelijke waarden van de reistijd opgesplitst:
De eerste dertig minuten in een reistraject worden behouden (x1).
De volgende 15 minuten in een reistraject (minuut 31 t.e.m. minuut 45) worden met twee
vermenigvuldigd.
Elke minuut van een reistraject boven de 45 minuten wordt met drie vermenigvuldigd.
Voorbeelden: Een reistraject van 27 minuten, blijft na de bewerking een reistraject van 27
minuten. Een reistraject van 37 minuten, wordt na de bewerking een reistraject van 30 + 14
= 44 minuten. Een reistraject van 53 minuten, wordt na de bewerking een reistraject van 30
+ 30 +24 = 84 minuten.
Herschaling:
Vanuit Gent kan men in 83 minuten drie stations bereiken. Dit is de kortste reistijd uit heel de
dataset. De langste reistijd naar drie stations bedraagt 305 minuten (vanuit Neerpelt). Door de
manipulatie van de reistijden zoals hierboven beschreven krijgt Mechelen de kortste tijd nl. 94
minuten. Neerpelt krijgt de langste tijd met 723 minuten. De waarden worden omgekeerd
herschaald: Mechelen heeft met de kleinste waarde, de beste bereikbaarheid naar grote steden
en krijgt de waarde 1. Neerpelt krijgt de kleinste waarde6.
De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:
herschaalde indicatorwaarde = 1 − � ����������
Voor Leuven (129 minuten) is dit bijvoorbeeld 1 – [(129-94)/(723-94)] = 0,9444.
Neerpelt zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar drie grote stations
vanuit Neerpelt het grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen
Neerpelt en de 20 gemeenten zonder een station (die sowieso waarde 0 krijgen) is ervoor
gekozen om Neerpelt de herschaalde waarde 0,041 (95% van de tweede kleinste waarde) te
geven.
Ook hier wordt deze waarde een laatste keer herschaald zodat de totaalsom over alle 100
gemeenten gelijk wordt aan 33,333 of 100 gedeeld door het aantal deelindicatoren (3). Leuven
krijgt bijvoorbeeld na deze tweede herschaling waarde 0,9444 / 51,578 * 33,333 = 0,6103.
�6 Neerpelt zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar drie grote stations vanuit Neerpelt het
grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Neerpelt en gemeenten zonder station (die
sowieso waarde 0 krijgen) is ervoor gekozen om Neerpelt de herschaalde waarde 0,1 te geven.
�
18
2.2.3.4 Eindwaarde hoofdindicator 1
De som van de drie herschaalde deelindicatoren wordt opgeteld zodat 1 hoofdindicator wordt
bekomen per gemeente. Deze waarde is in een vorige stap zodanig herverdeeld dat de totaalsom van
alle 100 gemeenten voor hoofdindicator 1 gelijk is aan 100 (Brussel wordt hier niet in meegerekend).
De waarde voor hoofdindicator 2, 3, 4 en 5 zullen later ook herverdeeld worden naar 100 zodat elke
indicator een gelijk gewicht krijgt in de composietindicator.
Het is deze herverdeelde waarde van de hoofdindicator 1 die op kaart wordt voorgesteld én die als
basis dient voor de composietindicator (zie §2.3.1). De waarden voor indicator 1 worden voorgesteld
in Tabel 6 in bijlage.
2.2.3.5 Bespreking kaartbeeld
Op het kaartbeeld (Figuur 1 en Kaart 1 in bijlage) wordt elke gemeente voorgesteld door een bol: in
totaal zien we dus 101 bollen (1 per gemeente). De grootte van elke bol komt proportioneel overeen
met de herschaalde waarde voor hoofdindicator 1.
Brussel valt onmiddellijk op en heeft de grootste knooppuntwaarde. De stad onderscheidt zich
duidelijk van de steden die op haar volgen. Achtereenvolgens gaat het om Mechelen, Gent-Sint-
Pieters, Antwerpen-Centraal en Leuven. Uit deze volgorde blijkt het belang van een station als
Mechelen omwille van haar historische positie binnen het spoorwegennet en op de kruising van
enkele belangrijke lijnen. Hierna volgen Denderleeuw, Halle, Hasselt, Kortrijk, Vilvoorde, Lier,
Geraardsbergen, Merelbeke, Sint-Niklaas, Lokeren, Dendermonde, Wetteren, Aarschot, Brugge en
Aalst. Voor de gedetailleerde volgorde van gemeenten volgens hoofdindicator 1, verwijzen we naar
Tabel 6 in bijlage. Algemeen kunnen we stellen dat centraal in het kaartbeeld in het gebied tussen
Antwerpen, Gent en Brussel en Leuven de gemeenten een grote knooppuntwaarde hebben, dankzij
hun centraliteit in het netwerk.
Figuur 1: Indicator 1: knooppuntwaarde (SumResearch, 2013)
�
2.2.3.6 Bronnen
Deelindicator 1: Reizigerstellingen nmbs (2009)
http://www.treintrambus.be/actueel/blog/1216-opstapcijfers.html
Deelindicator 2 en 3: Reisrouteplanner NMBS (maart 2013)
www.nmbs.be en www.railtime.be �
�
19
Hoofdindicator 2: Voorzieningen 2.2.4
2.2.4.1 Achtergrond
In het Ruimtelijk Structuurplan Vlaanderen werden nederzettingen geanalyseerd op basis van de
aanwezige voorzieningen en op basis van het verzorgingsgebied dat door deze nederzettingen werd
bediend. Dit is gebeurd op basis van een veelheid aan statistische gegevens. Het heeft als
eindresultaat een wetenschappelijke en robuuste rangschikking van gemeenten naar hun mate van
centraliteit of stedelijkheid, zoals gemeten aan de hand van het voorzieningenniveau. In de studie
‘Selectie van kleinstedelijke gebieden in Vlaanderen’ (Loopmans et al., 2011) wordt de
oorspronkelijke methode geëvalueerd en geactualiseerd. Het is op basis van deze methode dat het
voorzieningenniveau van elk van de 100 gemeenten in deze studie is bepaald.
Christaller (1933) formuleert in zijn centrale plaatsentheorie dat de hiërarchie van steden
samenhangt met de hiërarchie van voorzieningen: hoe zeldzamer de voorzieningen die men in een
bepaalde stad aantreft, hoe hoger de stad wordt gerangschikt. Dit is typisch voor een kwalitatieve
benadering, waarbij een bepaald kenmerk (vb. de aanwezigheid van een ziekenhuis van meer dan
500 bedden) een kenmerk van een lagere orde uitsluit. In een kwantitatieve benadering zou men
met naar het geheel van ziekenhuizen (het aantal) kijken om de steden te rangschikken. Nadeel
hiervan is dat dit echter een duidelijke relatie heeft met het bevolkingsaantal.
De studie van Loopmans et al. (2011) die in voorliggend onderzoek wordt gebruikt, hanteert voor
haar indicatoren een gemengd kwalitatieve/kwantitatieve benadering. Het totale
voorzieningenniveau van elke stad of gemeente is dus gebaseerd op meerdere kwalitatieve en
kwantitatieve indicatoren. Het is deze totaalindicator ‘voorzieningenniveau’ die hier wordt
overgenomen en wordt benoemd als ‘indicator 2’.
2.2.4.2 Omschrijving indicator
Het voorzieningenniveau van een stad/gemeente is de mate waarin de gemeente een rol vervult op
het vlak van aanwezige diensten en verzorgende functies, meer bepaald in de zorg, recreatie,
diensten, overheidsfuncties, cultuur, onderwijs, detailhandel en vervoer.
2.2.4.3 Deelindicatoren
Deze indicator is opgebouwd uit 8 deelindicatoren en is gelijk aan de geactualiseerde indicator
‘gemengd kwalitatieve/kwantitatieve uitrustingsscore (op 8 functies)’ die bepaald werd voor 100
steden en gemeenten in de studie van Loopmans et al. (2011). Voor de 90 gemeenten die het hoogst
in de rangschikking staan zijn ook de scores7 opgenomen voor elk van de acht deelfuncties. De
oorspronkelijke waarden zijn te raadplegen in Tabel 7 in bijlage. Voor de methodologie wordt
verwezen naar het oorspronkelijke rapport.
�7 Scores in kolom ‘gemengd kwalitatief/kwantiatief 8 functies’ in Appendix B: Samenvattende tabel voor nieuwe versie van
alle 308 gemeenten in Loopmans et al. (2011) - pp.154.
�
20
De indicator voorzieningen geeft weer in welke mate een stad of gemeente een rol vervult op het
vlak van volgende acht deelindicatoren:
de medische, maatschappelijke en sociale zorgfunctie
sport, recreatie en horeca
diensten met loketfunctie
overheidsfuncties
culturele functies
onderwijs
detailhandelsfunctie
vervoersfunctie.
Herschaling:
Antwerpen heeft met een uitrustingsscore van 78,14 de hoogste waarde. De uitrustingsscore van alle
gemeenten wordt daarom gedeeld door 78,14 zodat alle waarden in de dataset worden herschaald
naar waarden tussen 0 en 1. Voor Aalst krijgen we bijvoorbeeld een eerste herschaling: 18,28 / 78,14
= 0,2339.
De som van deze waarden komt op 10,5 over al 100 gemeenten en wordt in een volgende stap
nogmaals herverdeeld zodat deze som op 100 komt.
2.2.4.4 Eindwaarde hoofdindicator 2
Opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen, werden de waarden van
indicator 2 herverdeeld zodat de som van deze indicator 2 in de gehele dataset op 100 komt. Het is
deze waarde die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie
§2.3.1). Voor Aalst zorgt deze tweede herschaling voor een nieuwe waarde: 0,2339 / 10,3587 * 100 =
2.2584.
�
�
21
2.2.4.5 Bespreking kaartbeeld
Op het kaartbeeld (Figuur 2 en Kaart 2 in bijlage) wordt elke gemeente voorgesteld door een bol. De
grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 2.
De kaart toont dat de Brussel het hoogste voorzieningenniveau heeft. In Vlaanderen staat Antwerpen
op kop, samen met Gent. Steden die hierop volgen zijn Leuven, Brugge, Hasselt, Kortrijk, Oostende,
Mechelen, Aalst, Turnhout, Roeselare, Sint-Niklaas en Genk. De dertien hoogste posities worden
m.a.w. ingevuld door de dertien centrumsteden. Waar Mechelen een hoge knooppuntwaarde heeft,
scoort het eerder middelmatig qua voorzieningenniveau. Steden zoals Genk, Brugge, Oostende en
Aalst scoorden iets minder qua knooppuntwaarde, maar herstellen nu hun positie op het vlak van
voorzieningenniveau. Deze dertien centrumsteden worden gevolgd door Asse, Ieper, Geel, Diest,
Dendermonde, Lier, Knokke-Heist, Halle en Tongeren.
Daarnaast is er een groot aantal gemeenten dat zich een niveau lager bevindt. Hierbij valt op dat
kleinere gemeenten die zich in de buurt van Brussel, Antwerpen of Gent bevinden over het algemeen
een iets lager voorzieningenniveau hebben dan gelijkaardige steden buiten deze driehoek die verder
verwijderd zijn van een grote centrumstad waarop ze beroep kunnen doen.
Voor de exacte waarden van de indicator voor elke stad, verwijzen we naar Tabel 8 in bijlage.
Figuur 2: Indicator 2: voorzieningenniveau (SumResearch, 2013)��
2.2.4.6 Bronnen
Deelindicator 1 t.e.m. 8 : Loopmans et al. (2011) Selectie van kleinstedelijke gebieden
http://www.ruimtelijkeordening.be/NL/Beleid/Studies/articleType/ArticleView/articleId/8417�
�
22
Hoofdindicator 3: Integratie in de economische structuur 2.2.5
2.2.5.1 Achtergrond
Als maat voor integratie in de economische structuur wordt er in dit onderzoek gekozen om enerzijds
te werken met de tewerkstelling in elke gemeente en anderzijds met de toegevoegde waarde die in
elke stad of gemeente (bij benadering) wordt gegenereerd.
De bruto toegevoegde waarde kan worden gebruikt als globale maatstaf voor de geproduceerde
welvaart in een regio, ongeacht waar de productiefactoren vandaan komen (Provincie West-
Vlaanderen, Dienst Economie, 2011). De totale bruto toegevoegde waarde is het bedrag dat de
productiefactoren aan de waarde van de verbruikte goederen en diensten toevoegen. Anders gezegd
kan de bruto toegevoegde waarde ook beschouwd worden als de som van de vergoedingen voor de
primaire productiefactoren die ingeschakeld zijn in het productieproces (lonen, wedden,
kapitaalinkomen, winst enz.) en is een goede indicatie van de economische positie van een stad of
regio.
De regionale rekeningen die door de Nationale Bank van België worden opgemaakt, bevatten cijfers
tot op het arrondissementeel niveau. Om de globale toegevoegde waarde per gemeente te
reconstrueren werd de toegevoegde waarde per arrondissement verdeeld over de gemeenten a
rato van hun aandeel in de loontrekkende tewerkstelling van het arrondissement. Door te grote
verschillen tussen de dataverzameling van loontrekkende en zelfstandige tewerkstelling, werd ervoor
geopteerd de analyse te beperken tot de loontrekkende tewerkstelling. Gegeven dat
dienstensectoren in het algemeen en horeca en toerisme in het bijzonder gekenmerkt worden door
een hogere graad aan zelfstandigen, kunnen de gerapporteerde resultaten enigszins vertekend zijn.
Extra analyses geven echter aan dat deze vertekening minimaal is en de resultaten bijgevolg relatief
robuust zijn (Provincie West-Vlaanderen, Dienst Economie, 2011). De verkregen toegevoegde waarde
is een indicatief cijfer, dit omdat bij deze werkwijze uitgegaan wordt van een gelijke
arbeidsproductiviteit in de verschillende gemeenten van hetzelfde arrondissement, terwijl dit in
realiteit niet het geval is. De arbeidsproductiviteit is namelijk afhankelijk van de economische
structuur: er zijn verschillen tussen de productiviteit van sectoren enerzijds én ondernemingen
anderzijds. Desalniettemin geeft de totale bruto toegevoegde waarde een goede indicatie van de
economische positie van een stad of regio.
De totale tewerkstelling per gemeente is een maat voor het belang dat een gemeente heeft in de
tewerkstelling in Vlaanderen. Het geeft aan hoeveel arbeidsplaatsen er momenteel gecreëerd zijn
binnen elke gemeente. Dit betekent uiteraard niet dat er enkel inwoners van uit de gemeente zelf
werken.
De keuze voor beide deelindicatoren ‘tewerkstelling’ en ‘toegevoegde’ waarde kan vanuit
voorgaande optiek verantwoord worden.
2.2.5.2 Omschrijving indicator
De integratie van een stad of gemeente in de economische structuur bestaat uit de mate waarin ze
tewerkstelling binnen haar gemeente creëert én door de totale toegevoegde waarde die deze
tewerkstelling creëert.
�
23
2.2.5.3 Deelindicatoren
Deze indicator wordt samengesteld uit de combinatie van twee deelindicatoren:
tewerkstellingsdichtheid en toegevoegde waarde en is een maatstaf voor de mate waarin een stad of
gemeente is geïntegreerd in de economische structuur.
Deelindicator 1: Tewerkstelling
De deelindicator ‘tewerkstelling’ in een gemeente is gelijk aan het totaal aantal tewerkgestelde
personen (VTE) in een gemeente volgens de statistieken van de Rijksdienst voor Sociale Zekerheid
(31 december 2010). Zelfstandigen en helpers worden niet meegerekend in de RSZ-statistieken.
Deze indicator is reeds opgemaakt voor RuimteModel (2011) door Engelen et al. (2011) en voor
MIRA door Uljee et al. (2011).
Herschaling:
Antwerpen heeft de grootste totale tewerkstelling uit de reeks, nl. 247.650 voltijds equivalenten.
De totale tewerkstelling in elke gemeente wordt daarom gedeeld door 247.650 zodat
deelindicator 1 herschaald wordt naar waarden tussen 0 en 1. Brugge heeft bijvoorbeeld 62.396
VTE en krijgt hierdoor een eerste herschaalde waarde van 62.396/247.650 = 0,2520.
Deze waarde wordt nadien nogmaals herverdeeld zodat de totaalsom van deze deelindicator 1
over alle 100 gemeenten gelijk wordt aan 50 of 100 gedeeld door het aantal deelindicatoren (2).
Deze herschaling is nodig opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen in
de composietindicator. Brugge krijgt bvb. na deze tweede herschaling een waarde van 0,2520 /
6,5777 * 50 = 1,9152.
Deelindicator 2: Toegevoegde waarde
De deelindicator ‘toegevoegde waarde’ is gelijk aan de gerealiseerde bruto toegevoegde waarde
tegen basisprijzen8 in een gemeente. Deze waarde wordt door de Nationale Bank van België
echter niet geaggregeerd op gemeentelijk niveau, maar enkel op arrondissementeel niveau. De
bruto toegevoegde waarde wordt daarom binnen elk arrondissement verdeeld over de
gemeenten volgens hun aandeel in de totale tewerkstelling van het arrondissement.
Herschaling:
Ook voor de toegevoegde waarde heeft Antwerpen de grootste waarde uit de reeks (23.149
miljoen euro). De toegevoegde waarde in elke gemeente wordt daarom gedeeld door dit getal
zodat deelindicator 2 herschaald wordt naar waarden tussen 0 en 1. Voor Brugge geeft dit een
waarde van 5.062 / 23.149 = 0,2187.
Ook hier wordt deze waarde nadien herverdeeld zodat de totaalsom van deelindicator 2 gelijk
wordt aan 50. Brugge krijgt bvb. een tweede herschaalde waarde van 0,2187 / 6,1219 * 50 =
1,7860.
�8 De bruto toegevoegde waarde is de toegevoegde waarde inclusief de bedragen die opzij worden gezet voor
vervangingsinvesteringen.
�
24
2.2.5.4 Eindwaarde hoofdindicator 3
De som van de twee herschaalde deelindicatoren wordt per gemeente opgeteld. Deze waarden zijn
in de bovenstaande stappen zodanig herverdeeld dat de totaalsom van hoofdindicator 3 van alle 100
gemeenten gelijk is aan 100 (Brussel wordt hier niet in meegerekend). Deze eindwaarde is samen
met de oorspronkelijke input terug te vinden in de bijlage (Tabel 9). Brugge krijgt bijvoorbeeld de
waarde 1,9152 + 1,7858 = 3,7011.
Het is deze herverdeelde waarde van de hoofdindicator die op kaart wordt voorgesteld én die als
basis dient voor de composietindicator (zie §2.3.1).
2.2.5.5 Bespreking kaartbeeld
Net zoals bij de vorige indicatoren wordt elke gemeente voorgesteld door een bol (Figuur 3 en Kaart
3 in bijlage). De grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor
hoofdindicator 3.
Het kaartbeeld toont het grote belang van Brussel, gevolgd door Antwerpen en Gent op het vlak van
economie. Ook Leuven, Brugge, Hasselt en Mechelen zijn van groot belang. Zaventem, Kortrijk, Genk,
Sint-Niklaas, Roeselare, Aalst, Vilvoorde, Oostende, Turnhout, Machelen, Geel, Ieper, Halle en
Waregem volgen hierop. Naast de dertien centrumsteden scoren ook Zaventem, Vilvoorde en
Machelen hoog op indicator 3. Dit is niet geheel onlogisch, omwille van de luchthaven van Zaventem
en de nabijheid van de hoofdstad. Het verschil tussen de reeds genoemde steden en gemeenten en
de andere gemeenten in de rangschikking is vrij groot.
Figuur 3: Indicator 3: Integratie in de economische structuur�(SumResearch, 2013)
2.2.5.6 Bronnen
Deelindicator 1: Bezoldigde tewerkstelling in Vlaamse gemeenten - RSZ, 31.12.2010 - NACE2.
Deelindicator 2: Bruto toegevoegde waarde tegen basisprijzen, tegen lopende prijzen van de
totale economie in absolute cijfers (miljoenen euro’s) - Nationale Bank van België, 2011.
[http://www.nbb.be/belgostat/PublicatieSelectieLinker?LinkID=68000012%7C910000082&Lang=N]
�
�
25
Hoofdindicator 4: Internationale connectiviteit 2.2.6
2.2.6.1 Achtergrond
Om na te gaan in welke mate de gemeenten in Vlaanderen internationaal verbonden zijn met de rest
van de wereld, doen we beroep op het infrastructuurnetwerk van HST-lijnen en de verbinding via
spoor naar de luchthaven van Zaventem. We focussen ons hier vooral op het personenvervoer en
niet zozeer op vrachtvervoer (via bvb. zeehavens). Deze indicator is mee bepalend voor het opstellen
van programma’s rond wonen, werken, .. binnen elke stedelijke regio.
Zoals ook bij Indicator 1 (knooppuntwaarde) als is gezegd, is bereikbaarheid binnen een polycentrisch
netwerk een belangrijke variabele. Het is één van de belangrijkste vestigingscriteria voor de meeste
economische activiteiten (Lievois et al., 2011). De bereikbaarheid van locaties wordt gezien als een
belangrijke factor voor de locatiekeuzes van (internationale) bedrijven en instellingen (Willigers et
al., 2007). Voor veel investeringen in infrastructuur speelt het lokale of regionale effect op
economische activiteiten een rol. Dit is met name het geval voor de aanleg van hogesnelheidslijnen.
De bereikbaarheid per trein kan locatiekeuzes zowel beïnvloeden via de connectiviteit (dat is het
voortransport naar een station en de level-of-service van dat station) als via de potentiële
bereikbaarheid (het aantal zakenpartners dat bereikt kan worden) (Willigers et al., 2007).
Hogesnelheidstreinen zijn via de connectiviteit met name van belang in het geval van internationale
verbindingen (Willigers et al., 2007). Vandaar de keuze om als indicator voor internationale
connectiviteit, de bereikbaarheid van deze HST-stations mee te nemen en dit in de vorm van reistijd
vanuit elke gemeente naar één van deze HST-stations in België of net over de grens.
HST-verbindingen worden steeds vaker de dominante transportmodus op bepaalde routes (Givoni,
2007). De HST-verbindingen kunnen conventioneel spoorverkeer het best vervangen wanneer er
vraag is naar zowel een grotere capaciteit als kortere reistijden op die lijn.
Binnen het netwerk neemt de luchthaven van Zaventem een belangrijke plaats in. Ze ligt in het
midden van de FLAP-area, het gebied tussen de luchthavens van Frankfurt, Londen, Amsterdam en
Parijs. Dit gebied omvat het grootste deel van het internationaal passagiersverkeer met Europa als
bestemming en is daarom bijzonder belangrijk voor de economie in Vlaanderen. De tweede
deelindicator bestaat dan ook uit de reistijd vanuit elke gemeente met de trein naar Zaventem te
reizen, als indicatie voor deze connectiviteit.
2.2.6.2 Omschrijving indicator
Deze indicator geeft aan in welke mate een gemeente internationaal aangesloten is is op het HST-
netwerk en verbonden is met de internationale luchthaven van Zaventem. De 20 gemeenten zonder
station op hun grondgebied, krijgen opnieuw een nulwaarde voor deze indicator.
De reistijden die worden opgegeven worden opnieuw gemanipuleerd (net zoals bij hoofdindicator 1
het geval was). Om de verschillen te vergroten worden er tien minuten bijgeteld voor elke overstap
en wordt deze nieuwe reistijd opgesplitst:
De eerste dertig minuten in een reistraject worden behouden (x1).
De volgende 15 minuten in een reistraject (minuut 31 t.e.m. minuut 45) worden met twee
vermenigvuldigd.
Elke minuut van een reistraject boven de 45 minuten wordt met drie vermenigvuldigd.
De waarden in Tabel 9 in bijlage geven deze gemanipuleerde waarden weer.
�
26
2.2.6.3 Deelindicatoren
Deelindicator 1: Luchthaven Zaventem
De deelindicator ‘Luchthaven Zaventem’ geeft de bereikbaarheid van de luchtaven van Zaventem
weer vanuit elke gemeente en is gelijk aan de kortste reistijd (in minuten) via de trein vanuit elke
gemeente om 8u ’s morgens op een weekdag (dinsdag 19 maart 2013) naar de luchthaven van
Zaventem (station Brussel Nationale Luchthaven).
Herschaling:
Vanuit de gemeente Zaventem geraak je het snelst met de trein in Brussel Nationale Luchthaven
(4 minuten). Dit is logisch, aangezien Zaventem ruimtelijk geografisch het dichtst bij de
luchthaven ligt. Vanuit Poperinge doe je er dan weer het langste over (185 minuten). Poperinge
krijgt na manipulatie een waarde van 375 minuten. De reistijden worden omgekeerd herschaald:
Zaventem krijgt met de kortste reistijd de waarde 1.
De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:
herschaalde indicatorwaarde = 1 − � ����� ���
Poperinge zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar de luchthaven
van Zaventem vanuit Poperinge het grootste is. Opdat er echter een onderscheid moet blijven
bestaan tussen Poperinge en gemeenten zonder station (die sowieso waarde 0 krijgen) is ervoor
gekozen om Poperinge de herschaalde waarde 95% van de tweede kleinste waarde (Ieper) in de
tabel te geven (=0.95 *0,06469 = 0,065). Als voorbeeld nemen we Vilvoorde dat op 36 minuten
reistijd ligt. De eerste herschaalde waarde wordt dan 1 –[(36-4)/(371] = 0,9137.
Aangezien hoofdinciator 4 uit 2 deelindicatoren bestaat wordt deze herschaalde waarde zondig
herverdeeld dat de som van deelindicato 1 over alle 100 gemeenten gelijk wordt aan 50 (=100/2).
Vilvoorde krijgt dan bijvoorbeeld de waarde 0,9137/47,242*50 = 0,9671.
Deelindicator 2: HST-stations
De deelindicator ‘HST-stations’ geeft de bereikbaarheid van HST-stations weer. Deze deelindicator
is gelijk aan de kortste reistijd (in minuten) via de trein vanuit elke gemeente om 8u ’s morgens op
een weekdag (dinsdag 19 maart 2013) naar één van de volgende vier HST-stations: Antwerpen-
Centraal, Brussel-Zuid, Luik-Guillemins of Rijsel (Lille-Europe).
Herschaling:
Aangezien Antwerpen-Centraal en Brussel-Zuid zelf HST-stations zijn, ligt hun station zogezegd op
‘0 minuten’ reistijd. Vanuit Veurne doe je er het langste over (103 minuten) om in een HST-station
(Brussel-Zuid) te geraken. Na manipulatie krijgt Veurne een gemanipuleerde reistijd van 264
minuten en krijgt daarom ook de kleinste herschaalde waarde.
De herschaling voor elke gemeente x met een reistijd rx is als volgt gebeurd:
herschaalde indicatorwaarde = 1 − � ���������
Veurne zou normaal de herschaalde waarde ‘0’ krijgen omdat de reistijd naar een HST-station het
�
27
grootste is. Opdat er echter een onderscheid moet blijven bestaan tussen Veurne en gemeenten
zonder station (die sowieso waarde 0 krijgen) is ervoor gekozen om Veurne de herschaalde
waarde 0,2375 te geven (= 95% van de tweede kleinste waarde 198 minuten van Diksmuide).
Vervolgens wordt ook deze deelindicator zondig herverdeeld dat de som van over alle 100
gemeenten gelijk wordt aan 50 (=100/2).
2.2.6.4 Eindwaarde hoofdindicator 4
De som van de twee herschaalde deelindicatoren wordt opgeteld zodat 1 hoofdindicator wordt
bekomen per gemeente. Deze waarde is in een vorige stap zodanig herverdeeld dat de totaalsom van
alle 100 gemeenten voor hoofdindicator 4 gelijk is aan 100. De eindwaarden worden weergegeven in
Tabel 9 in bijlage. Het is deze herverdeelde waarde van de hoofdindicator 4 die op kaart wordt
voorgesteld én die als basis dient voor de composietindicator (zie §2.3.1).
2.2.6.5 Bespreking kaartbeeld
Op het kaartbeeld (Figuur 4 en Kaart 4 in bijlage) wordt elke gemeente voorgesteld door een bol. De
grootte van elke bol komt proportioneel overeen met de herschaalde waarde voor hoofdindicator 4.
Het kaartbeeld geeft een weinig differentiërend beeld voor internationale connectiviteit. Enkel
gemeenten die geografisch nabij de Internationale Luchthaven van Zaventem liggen of nabij een HST-
station worden relatief groter weergegeven. Zaventem is het best geconnecteerd, net zoals een
groot aantal gemeenten in de buurt van Brussel. Niet verwonderlijk omwille van de keuze van de
indicatoren. Volgend op Zaventem vinden we: Mechelen, Antwerpen, Leuven, Vilvoorde, Halle,
Liedekerke, Denderleeuw, Sint-Katelijne Waver en Dilbeek. De centrumsteden Mechelen, Antwerpen
en Leuven zijn m.a.w. internationaal het best geconnecteerd. Daarop volgen Aalst en Gent, maar ook
Sint-Niklaas. Rond de 50ste
plaats vinden we Kortrijk en Turnhout terug. Centrumsteden zoals Hasselt,
Brugge, Roeselare, Oostende en Genk scoren relatief laag en vinden we in de onderste helft van de
dataset terug. Gemeenten zonder station worden aangeduid, maar hebben geen proportioneel
symbool gekregen omdat zij nulwaarde hebben op deze indicator.
Figuur 4: Indicator 4: Internationale connectiviteit�(SumResearch, 2013)
2.2.6.6 Bronnen
Deelindicator 1 en 2: Reisrouteplanner NMBS (maart 2013)
www.nmbs.be en www.railtime.be
�
28
Hoofdindicator 5: Verstedelijkingsgraad 2.2.7
2.2.7.1 Achtergrond
Stad en platteland kunnen gezien worden als twee ideaalbeelden die in hun zuiverste vorm al lang
niet meer bestaan in Vlaanderen (Lievois et al., 2011). Elementen van deze tegenpolen komen
verspreid en gefragmenteerd voor in het Vlaamse landschap en leveren karakteristieke ruimtelijke
patronen op. Als gevolg van verschillende verstedelijkingsgolven in Vlaanderen is een complexe
ruimtelijke structuur ontstaan van onderling gekoppelde regio's.
De traditionele grenzen tussen stadscentra en voorsteden, tussen stad en platteland, tussen
bebouwde ruimte en open ruimte vervagen. Het resultaat is een hybride en onduidelijke ruimtelijke
structuur, bestaande uit fragmenten met verschillende functies en dichtheden.
Vertrekkende van dichtheden als potentiële maat voor de verstedelijking van een gebied werd
gekozen voor de indicatoren ‘dichtheid bebouwing t.o.v. oppervlakte of aantal inwoners’ en ‘ de
verstedelijkingsgraad’ - opgesteld voor het RuimeModel Vlaanderen (Engelen et al., 2011). Basisidee
is dat grote economische, demografische, … veranderingen een drijvende kracht kunnen zijn achter
het realiseren van nieuwe bebouwing (Lievois et al., 2011) en dat deze processen belangrijk zijn bij
het bepalen van de stedenstructuur in Vlaanderen.
Het RuimteModel Vlaanderen is een dynamisch landgebruiksmodel met een ruimtelijke resolutie van
1ha dat werd ontwikkeld om ruimtelijke planners en beleidsmakers te confronteren met de
complexiteit van landgebruiksveranderingen en ze te ondersteunen om omgewenste gevolgen ervan
te voorkomen (Engelen et al., 2011). Het model geeft inzicht in de landgebruiksveranderingen als
gevolg van de zelf-organiserende, autonome dynamiek en de externe, sturende processen zoals de
migratie, Europese regelgeving en macro-economische ontwikkelingen. Als voorspellend instrument
voor scenario-analyse ondersteunt het RuimteModel het ontwerp van ruimtelijke
beleidsmaatregelen evenals de a priori inschatting van de effectiviteit daarvan.
In voorliggende studie werd eerst een test-indicator ontwikkeld op basis van twee deelactoren.
Deelindicator 1: Woondichtheid
[de som van het aantal huishoudens9 in de statistische sectoren van het afgebakend
(regionaal)stedelijk gebied of de woonkern waartoe de gemeente behoort]
[de oppervlakte van deze ruimtelijke eenheid]
Deelindicator 2: Bebouwingspercentage
[de som van de oppervlakte van de kadastrale bebouwing in de
statistische sectoren�Cabu uit Cadmap 2011�(regionaal)stedelijk gebied of de woonkern waartoe de gemeente behoort]
]de oppervlakte van deze woonkern / stedelijk gebied]
De combinatie van deze indicatoren gaf een ietwat vertekenend beeld. De indicator
‘bebouwingspercentage’ wordt immers ook bepaald door de vorm, grootte en afbakening van de
statistische sectoren en van het stedelijk gebied of de woonkern van een gemeente. Op basis van
�9 uit de Mercatordatabank of via gegevens van de Studiedienst van de Vlaamse Regering
�
29
deze indicator kregen gemeenten met een dichtbebouwde en vrij compacte kern zoals Oostende,
Blankenberge, Schoten, Mortsel, Machelen, Vilvoorde, Grimbergen, Menen, Ronse, Hamme, Zele, …
onverwacht een zeer hoge waarde in vergelijking met steden zoals Antwerpen en Gent. Omwille van
dit vertekenend beeld wordt deze indicator niet weerhouden en vervangen door het
‘inwonersaantal’ als maat voor verstedelijking.
2.2.7.2 Omschrijving indicator
Deze indicator geeft aan in welke mate een gemeente verstedelijkt is en van tel is in de
stedenstructuur in Vlaanderen op basis van haar inwonersaantal. De indicator bestaat uit 1
deelindicator.
Herschaling:
De gemeente Antwerpen heeft in totaal 474.775 inwoners en is de grootste gemeente van
Vlaanderen. Het inwonersaantal van elk van de 100 gemeenten in de dataset wordt daarom gedeeld
door 474.775 zodat indicator 5 herschaald wordt naar waarden tussen 0 en 1. Brussel krijgt met
1.048.491 inwoners een waarde groter dan 1, nl. 2,21 (= 1.048.491 / 474.775).
Vervolgens worden deze waarden herverdeeld zodat de totaalsom voor alle 100 gemeenten gelijk
wordt aan 100.
2.2.7.3 Eindwaarde hoofdindicator 5
Opdat alle vijf de hoofdindicatoren een gelijk aandeel zouden krijgen, werden de waarden van
indicator 5 herverdeeld zodat de som van deze indicator 2 in de gehele dataset op 100 komt. Het is
deze waarde die op kaart wordt voorgesteld én die als basis dient voor de composietindicator (zie
§2.3.1).
�
30
2.2.7.4 Bespreking kaartbeeld
Op het kaartbeeld wordt elke gemeente voorgesteld door een bol. De grootte van elke bol komt
proportioneel overeen met de herschaalde waarde voor hoofdindicator 5.
Figuur 5 geeft ons een beeld van de gemeenten volgens inwonersaantal (zie ook Kaart 5 in bijlage).
Op basis van het inwonersaantal kunnen we er van uitgaan dat Brussel het meest verstedelijk is,
gevolgd door Antwerpen, Gent, Brugge, Leuven, Mechelen, Kortrijk, Oostende, Aalst, Sint-Niklaas,
Genk, Hasselt en Roeselare. Het gaat hier om 12 van de centrumsteden. Nadien volgen
Dendermonde, Beveren, Turnhout en Vilvoorde.
Figuur 5: Indicator 5: Verstedelijking (SumResearch, 2013)
�
2.2.7.5 Bronnen
ADSEI, Bevolkingsaantal op 1 januari 2010 (via Studiedienst Vlaamse Regering)
�
�
31
Composietkaart 2.2.8
2.2.8.1 Achtergrond
Nu er voor elk van de vijf hoofdindicatoren een beeld is verkregen wordt in de volgende stap een
kaart gemaakt van alle indicatoren samen. Hiervoor wordt een composietwaarde berekend.
Dergelijke composietkaart geeft een totaalbeeld van alle indicatorwaarden samen en is dus een
indicatie van de totale stedenstructuur in Vlaanderen.
De composietwaarde voor elke gemeente is gelijk aan de som van de herverdeelde waarden van elke
hoofdindicator. De som van de composietwaarden over alle gemeenten is gelijk aan 500 en elke
indicator neemt hierin een gelijk aandeel in (100). De waarden voor deze composiet zijn terug te
vinden in Tabel 11 in de bijlage.
2.2.8.2 Omschrijving indicator
De composiet bestaat uit de som van de herschaalde indicatorwaarden voor de vijf hoofdindicatoren
en geeft een samenvattend beeld van de stedenstructuur in Vlaanderen. De opgenomen indicatoren
zijn: Knooppuntwaarde, Voorzieningen, Economische integratie, Internationale connectiviteit en
Verstedelijkingsgraad.
2.2.8.3 Bespreking kaartbeeld
De grootte van de symbolen zoals voorgesteld op
Figuur 6 (of Kaart 6 in bijlage) komt proportioneel overseen met de waarde voor de
composietindicator. Het kaartbeeld toont dat Brussel, Antwerpen en Gent de hoogste waarde
hebben. In aflopende volgorde voor de indicator zien we volgende steden op de kaart: Leuven,
Brugge, Mechelen, Hasselt, Kortrijk, Aalst, Sint-Niklaas, Oostende, Zaventem, Vilvoorde, Roeselare,
Halle, Genk en Turnhout. De dertien centrumsteden staan dus in de top 16. Zaventem, Vilvoorde en
Halle behoren niet tot de centrumsteden, maar nemen wel een belangrijke positie in. Ook Lier,
Dendermonde, Asse en Lokeren behoren tot de top 20.
Figuur 6: Composietindicator 1�(SumResearch, 2013)
�
�
32
2.3 DEEL 3: Typologie van de steden
In het derde deel van het onderzoeksrapport vertrekken we van de resultaten uit § 2.2. De vijf
hoofdinciatoren vormen de basis voor de opmaak van een stedentypologie.
Om van de vijf indicatoren, één composietindicator te maken zullen een aantal mogelijkheden
worden onderzocht. Een eerste composiet is reeds gemaakt (§2.2) door simpelweg de som te nemen
van de herschaalde indicatorwaarden. Op die manier kregen we een indicatief beeld van de totale
stedenstructuur in Vlaanderen.
Door de waarden van de vijf deelindicatoren op een andere manier te combineren, is het mogelijk
om een aantal klemtonen te leggen. Zo zullen we meer inzicht krijgen in de stedenstructuur.
De vijf hoofdindicatoren worden een eerste keer gecombineerd zodat ‘stedelijke regio’s meer
uitgesproken naar voor komen. Een tweede maal worden ze zodanig gecombineerd opdat ‘openbaar
vervoersknooppunten’ sterker worden benadrukt. Een laatste keer wordt het ‘verzorgingsniveau’ van
een stad benadrukt.
Om een afgelijnde typologie te bekomen zullen vervolgens grenswaarden moeten worden bepaald,
zodat elke gemeente kan worden ‘toegewezen’ aan een bepaalde klasse binnen elk van de drie
composieten. Hiervoor doen we beroep op statistische dataklassificatie. Door het toewijzen van
gemeenten tot een bepaalde klasse zullen we uiteindelijk tot een stedentypologie voor heel
Vlaanderen komen.
Drie manieren om de hoofdindicatoren te combineren 2.3.1
We gaan uit van drie manieren om dezelfde indicatorwaarden te combineren. Op die manier leggen
we telkens de nadruk op een ander aspect:
Composiet 1: Totaalbeeld stedelijkheid
Composiet 2: Openbaar vervoer
Composiet 3: Verzorgingsniveau
�
�
33
2.3.1.1 Composiet 1: Stedelijkheid
Gemeenten worden gerangschikt en ingedeeld op basis van de waarde voor de composietindicator,
waarin alle vijf de indicatoren als evenwaardig worden beschouwd. De gemeenten die hier hoog op
scoren, kunnen we beschouwen als stedelijke regio’s.
Onderstaande tabel geeft de waarden van deze composietindicator voor de 101 gemeenten en hun
positie ten opzichte van elkaar.
Tabel 2: Composiet 1: Detecteren van stedelijke regio’s
nr gemeente nr gemeente composiet 1
0 Brus s el 84,391
1 Antwerpen 45,814 51 Diepenbeek 3,785
2 Gent 29,275 52 Boom 3,771
3 Leuven 18,051 53 Izegem 3,749
4 Brugge 13,761 54 Harelbeke 3,745
5 Mechel en 13,508 55 Tiel t 3,653
6 Ha ss elt 11,381 56 Landen 3,651
7 Kortri jk 11,141 57 Bornem 3,637
8 Aals t 9,317 58 Wevelgem 3,624
9 Si nt-Ni kl aas 9,036 59 Bi lzen 3,567
10 Oostende 8,206 60 Haacht 3,558
11 Zaventem 7,835 61 Terna t 3,518
12 Vi l voorde 7,509 62 Kapel len 3,451
13 Roes ela re 7,066 63 De Pi nte 3,435
14 Ha l le 7,047 64 Beringen 3,403
15 Genk 6,789 65 Erpe-Mere 3,381
16 Turnhout 6,722 66 Lede 3,353
17 Lier 6,696 67 Aal ter 3,324
18 Dendermonde 6,622 68 Zele 3,308
19 Ass e 5,946 69 Lommel 3,255
20 Lokeren 5,662 70 Torhout 3,127
21 Beveren 5,564 71 Eekl o 3,124
22 Ti enen 5,397 72 Ronse 2,896
23 Geel 5,342 73 Ess en 2,665
24 Herenta ls 5,312 74 Lichtervelde 2,537
25 Waregem 5,286 75 Overpelt 2,534
26 Oudenaa rde 5,202 76 Bl ankenberge 2,493
27 Denderleeuw 5,081 77 Maas mechel en 2,378
28 Si nt-Truiden 4,992 78 Brass chaat 2,298
29 Aars chot 4,933 79 Veurne 2,240
30 Mortsel 4,868 80 Diksmui de 2,167
31 Geraards bergen 4,859 81 Neerpelt 2,077
32 Di es t 4,816 82 Gri mbergen 2,019
33 Merel beke 4,706 83 Poperinge 1,977
34 Wetteren 4,553 84 Machelen 1,946
35 Deinze 4,535 85 Heus den-Zol der 1,867
36 Heis t-op-den-Berg 4,518 86 Houthalen-Helchteren 1,843
37 Zottegem 4,518 87 Maas eik 1,710
38 Di lbeek 4,499 88 Edegem 1,586
39 Ieper 4,479 89 Lana ken 1,519
40 Ni nove 4,322 90 Westerl o 1,519
41 Kontich 4,267 91 Sint-Pieters -Leeuw 1,506
42 Tongeren 4,192 92 Koks i jde 1,492
43 Mol 4,133 93 Hamme 1,248
44 Wi l lebroek 3,983 94 Overi jse 1,229
45 Puurs 3,905 95 Schoten 1,212
46 Menen 3,860 96 Mal le 1,173
47 Liedekerke 3,852 97 Bree 1,070
48 Knokke-Hei st 3,842 98 Middelkerke 0,973
49 Si nt-Katel i jne-Waver 3,842 99 Zelzate 0,862
50 Tems e 3,827 100 Bonheiden 0,675
composiet 1
�
�
34
2.3.1.2 Composiet 2: Openbaar vervoer
Gemeenten worden gerangschikt en ingedeeld op basis van de vijf indicatoren, waarin de indicator
knooppuntswaarde een relatief groter gewicht krijgt. Er wordt dus een nieuwe composietwaarde
berekend die bestaat uit:
60% hoofdindicator 1(knooppuntwaarde)
10% hoofdindicator 2(voorzieningen)
10% hoofdindicator 3 (integratie in economische structuur)
10% hoofdindicator 4 (internationale connectiviteit)
10% hoofdindicator 5 (inwoners)
Steden of gemeenten die hier hoog op scoren en die niet als stedelijke regio functioneren, kunnen
worden beschouwd als openbaar vervoersknooppunten. Tabel 3 geeft de waarde voor deze nieuwe
composietindicator 2.
Tabel 3: Composiet 2: Detecteren van openbaar vervoersknooppunten
nr gemeente nr gemeente composiet 2
0 Brussel 11,456
1 Antwerpen 6,239 51 Izegem 0,861
2 Gent 4,691 52 Lichtervelde 0,861
3 Leuven 3,331 53 Wil lebroek 0,859
4 Mechel en 3,248 54 Ternat 0,859
5 Brugge 2,185 55 Kapel len 0,845
6 Hassel t 2,179 56 Diepenbeek 0,833
7 Kortri jk 2,148 57 Temse 0,825
8 Ha l le 1,869 58 Zele 0,819
9 Sint-Niklaas 1,795 59 Tongeren 0,816
10 Vi lvoorde 1,774 60 Mol 0,811
11 Denderleeuw 1,760 61 Bornem 0,803
12 Aals t 1,727 62 Menen 0,800
13 Lier 1,637 63 Wevelgem 0,797
14 Dendermonde 1,508 64 Torhout 0,797
15 Zaventem 1,495 65 Bi lzen 0,788
16 Geraardsbergen 1,443 66 Tiel t 0,776
17 Lokeren 1,436 67 Boom 0,760
18 Merelbeke 1,401 68 Ieper 0,745
19 Aarschot 1,304 69 Knokke-Heis t 0,714
20 Wetteren 1,293 70 Essen 0,693
21 Oudenaarde 1,255 71 Eeklo 0,651
22 Oostende 1,230 72 Beringen 0,611
23 Zottegem 1,220 73 Ronse 0,592
24 Herenta ls 1,177 74 Lommel 0,572
25 Mortsel 1,167 75 Blankenberge 0,538
26 Roeselare 1,163 76 Diksmuide 0,529
27 Tienen 1,160 77 Overpelt 0,469
28 Asse 1,135 78 Veurne 0,451
29 De Pinte 1,131 79 Poperinge 0,417
30 Deinze 1,125 80 Neerpelt 0,392
31 Beveren 1,116 81 Maas mechelen 0,238
32 Waregem 1,111 82 Brass chaat 0,230
33 Liedekerke 1,094 83 Grimbergen 0,202
34 Landen 1,073 84 Machelen 0,195
35 Diest 1,050 85 Heusden-Zolder 0,187
36 Puurs 1,022 86 Houtha len-Helchteren 0,184
37 Turnhout 1,014 87 Maas eik 0,171
38 Geel 0,994 88 Edegem 0,159
39 Kontich 0,968 89 Lanaken 0,152
40 Di lbeek 0,957 90 Westerlo 0,152
41 Heis t-op-den-Berg 0,952 91 Sint-Pieters -Leeuw 0,151
42 Erpe-Mere 0,946 92 Koks i jde 0,149
43 Haacht 0,923 93 Hamme 0,125
44 Ninove 0,916 94 Overi jse 0,123
45 Sint-Truiden 0,907 95 Schoten 0,121
46 Genk 0,901 96 Mal le 0,117
47 Aalter 0,897 97 Bree 0,107
48 Sint-Katel i jne-Waver 0,890 98 Middelkerke 0,097
49 Harelbeke 0,878 99 Zelzate 0,086
50 Lede 0,870 100 Bonheiden 0,067
composiet 2
�
�
35
2.3.1.3 Composiet 3: Verzorgingsniveau
In de derde manier worden de steden gerangschikt en ingedeeld op basis van de drie van de vijf
indicatoren, waarin de indicator voorzieningenniveau het grootste gewicht krijgt. Er wordt dus een
nieuwe waarde berekend die bestaat uit:
0% hoofdindicator 1 (knooppuntwaarde)
60% hoofdindicator 2 (voorzieningen)
20% hoofdindicator 3 (integratie in economische structuur)
0% hoofdindicator 4 (internationale connectiviteit)
20% hoofdindicator 5 (inwoners)
Steden of gemeenten die hier hoog op scoren én die niet kunnen worden aangeduid als ‘stedelijke
regio’ of ‘openbaar vervoersknooppunt’ kunnen worden beschouwd als verzorgende stad.
Tabel 4: Composiet 3: Detecteren van verzorgende steden
nr gemeente nr gemeente composiet 3
0 Brussel 20,228
1 Antwerpen 11,997 51 Wetteren 0,560
2 Gent 7,967 52 Torhout 0,556
3 Leuven 5,028 53 Houthalen-Helchteren 0,556
4 Brugge 3,836 54 Heusden-Zolder 0,553
5 Hass el t 3,048 55 Boom 0,551
6 Kortri jk 2,805 56 Veurne 0,550
7 Mechelen 2,697 57 Ronse 0,548
8 Oostende 2,484 58 Di l beek 0,532
9 Aa lst 2,133 59 Blankenberge 0,528
10 Sint-Niklaas 1,935 60 Koks i jde 0,514
11 Roes elare 1,851 61 Edegem 0,501
12 Genk 1,765 62 Bi lzen 0,499
13 Turnhout 1,754 63 Overpelt 0,490
14 Ieper 1,311 64 Temse 0,486
15 Zaventem 1,270 65 Machelen 0,485
16 Asse 1,266 66 Wevelgem 0,480
17 Dendermonde 1,148 67 Lanaken 0,478
18 Geel 1,129 68 Harelbeke 0,469
19 Lier 1,090 69 Merelbeke 0,468
20 Vi lvoorde 1,066 70 Bornem 0,458
21 Hal l e 1,050 71 Poperi nge 0,437
22 Knokke-Heist 1,020 72 Westerlo 0,432
23 Dies t 0,978 73 Sint-Pi eters -Leeuw 0,431
24 Waregem 0,916 74 Overi js e 0,424
25 Oudenaarde 0,903 75 Wil lebroek 0,422
26 Sint-Truiden 0,895 76 Kontich 0,421
27 Tongeren 0,869 77 Schoten 0,398
28 Tienen 0,842 78 Sint-Katel i jne-Waver 0,394
29 Herenta ls 0,833 79 Bree 0,390
30 Lokeren 0,826 80 Diksmuide 0,376
31 Beveren 0,822 81 Hamme 0,375
32 Maasmechelen 0,793 82 Mal le 0,364
33 Brasschaat 0,753 83 Neerpelt 0,338
34 Diepenbeek 0,742 84 Puurs 0,335
35 Mol 0,735 85 Mi ddelkerke 0,329
36 Ninove 0,691 86 Aa lter 0,325
37 Eekl o 0,688 87 Kapel l en 0,317
38 Heis t-op-den-Berg 0,685 88 Zelzate 0,315
39 Menen 0,679 89 Zele 0,304
40 Beringen 0,673 90 Bonheiden 0,279
41 Tiel t 0,670 91 Haacht 0,258
42 Deinze 0,653 92 Ternat 0,251
43 Aarschot 0,650 93 Denderleeuw 0,236
44 Maaseik 0,646 94 Landen 0,232
45 Lommel 0,639 95 Lede 0,232
46 Izegem 0,633 96 Liedekerke 0,228
47 Geraardsbergen 0,611 97 Ess en 0,201
48 Grimbergen 0,610 98 Erpe-Mere 0,194
49 Mortsel 0,571 99 Lichtervel de 0,159
50 Zottegem 0,567 100 De Pinte 0,117
composiet 3
�
�
36
Indeling in klassen 2.3.2
In deze nieuwe waardenreeksen zullen een aantal breakpoints worden aangeduid om de overgang te
bepalen tussen de verschillende categorieën van steden en gemeenten. We gaan m.a.w. op zoek
naar een aantal betekenisvolle klassen binnen elk van onze drie composieten.
Statistisch gezien kunnen datasets zoals op verschillende methoden worden ingedeeld in klassen. De
meest gangbare zijn:
gelijke intervallen
kwantielen
standaardafwijking
natural breaks : Jenks-methode
2.3.2.1 Gelijke intervallen
Bij deze methode wordt de dataset verdeeld in een opgegeven aantal klassen met gelijke
klassebreedte. De data worden ‘uitgesmeerd’ tussen de minimale en maximale waarde. Deze
verdeling kan gebruikt worden bij een gelijke verdeling van de data om de verschillen te duiden. In
onze datasets is deze methode echter niet wenselijk omdat er een grote skewness of scheefheid in
de data zit.
2.3.2.2 Kwantielen
De dataset wordt verdeeld over een opgegeven aantal klassen waarbij elke klasse evenveel items
bevat. Deze indeling is in ons geval niet wenselijk omdat ze geen patronen weergeeft, maar de data
gewoon gelijk verdeelt.
2.3.2.3 Standaardafwijking
De klassen worden opgebouwd rond het gemiddelde. De klassengrenzen liggen op 1 keer; 0,5 keer of
0,25 keer de standaardafwijking. Deze classificatiemethode is enkel te gebruiken bij verdelingen die
normaalverdeeld zijn wat hier niet het geval is.
2.3.2.4 Natural breaks – Methode van Jenks
De methode van Jenks verdeelt een dataset op basis van een statistisch algoritme. Dit algoritme
zorgt er voor dat de binnen de klassen de variatie in de data minimaal is en dat de klassen onderling
maximaal verschillen. In het ideale geval vallen klassegrenzen samen met de dalen in de grafiek die
de verdeling van de meetwaarden weergeeft. Deze methode is geschikt voor data met een ongelijke
verdeling en zal daarom gehanteerd worden. De methode zelf zal worden uitgevoerd in ArcMap 10.1
in een GIS-omgeving.
�
37
Natural breaks – methode in detail 2.3.3
De Jenks-optimalisatie methode wordt ook de ‘natural breaks classification’ methode genoemd. Het
is een classificatie die waarden van een scheve verdeling in klassen indeelt10
.
Het algoritme tracht bínnen elke klasse de standaardafwijking t.o.v. het klassegemiddelde te
minimaliseren. Tegelijkertijd wordt de standaardafwijking van elke klasse t.o.v. het gemiddelde van
de andere klassen gemaximaliseerd. De methode zoekt met andere woorden een manier om de
variantie binnen een klasse te minimaliseren, en om de variantie tussen klassen te maximaliseren.
De methode verloopt volgens een iteratief proces: Berekeningen moeten worden herhaald, telkens
met verschillende klassegrenzen.
Het algoritme bestaat uit vier stappen:
Bereken tussenvariantie = de variantie van de gemiddeldes van de x klassen rondom het
algemeen gemiddelde (TV)
Bereken de binnenvariantie voor elke klasse = het gewogen gemiddelde van de variantie
binnen iedere klasse (BV)
Trek beide waarden van elkaar af: (BV)-(TV). Dit is gelijk aan de som van de varianties van de
klassegemiddelden.
Op basis van de binnenvariantie van elke klasse, wordt een beslissing genomen om één
waarde uit de klasse met de grootste binnenvariantie te verschuiven naar de klasse met de
kleinste binnenvariantie.
Op dat moment zijn er nieuwe standaardafwijkingen per klasse en worden de bovenstaande
berekeningen herhaald, net zolang als de som van de binnenklassevarianties een minimum bereikt.
Toepassing Jenks voor stedentypologie 2.3.4
Er bestaat geen exacte regel om het aantal klassen te bepalen in een dataset. Onderzoekers zijn
relatief ‘vrij’ om die intervallen te bepalen, op voorwaarde dat ze een betekenisvolle en nuttige
indeling weergeven. Walpole et al. (2012) geven in hun handboek “Probability and Statistics for
Engineers and Scientists” aan dat het aantal klassen bij benadering gelijk moet zijn aan de
vierkantswortel van het aantal observaties. Voor onze 100 steden betekent dit dus dat een tiental
klassen of types van steden een begrijpbaar eindresultaat zal geven.
Om tot deze indeling te komen, verdelen we elk van de drie composieten eerst in 2, 3, 4 en 5 klassen,
zodat we die nadien kunnen combineren om uiteindelijk een tiental klassen te bekomen. Deze
indeling gebeurt automatisch door de software van ArcMap 10.1® (Esri). In bijlage zitten voor de drie
composieten de exacte lijsten met aanduiding van elke gemeente tot welke klasse ze behoren (Tabel
11, 12 en 13).
�
�10
Jenks, George F. 1967. "The Data Model Concept in Statistical Mapping", International Yearbook of Cartography 7: 186–
190
�
38
2.3.4.1 Composiet 1: Stedelijkheid
Onderstaande grafiek geeft de dataverdeling voor de eerste composiet. Deze composiet zal worden
gebruikt om de stedelijke regio’s te bepalen.
Figuur 7: Data-verdeling composiet 1
0
5
10
15
20
25
30
35
40
45
50
Ant
we
rpen
Ge
nt
Leu
ven
Bru
gge
Mec
hele
n
Has
selt
Kort
rijk
Aal
st
Sint
-Nik
laas
Oo
sten
de
Zave
nte
m
Vilv
oord
e
Roe
sela
re
Hal
le
Ge
nk
Turn
hout
Lie
r
Den
derm
ond
e
Ass
e
Loke
ren
Bev
eren
Tien
en
Ge
el
Her
enta
ls
War
ege
m
Ou
dena
ard
e
Den
derl
eeu
w
Sint
-Tru
ide
n
Aar
scho
t
Mor
tse
l
Ge
raar
dsbe
rgen
Die
st
Mer
elb
eke
Wet
tere
n
Dei
nze
Hei
st-o
p-d
en-
Ber
g
Zott
egem
Dilb
eek
Iep
er
Nin
ove
Kont
ich
Tong
ere
n
Mol
Will
ebro
ek
Puur
s
Men
en
Lie
dek
erke
Knok
ke-H
eist
Sint
-Kat
elij
ne-
Wav
er
Tem
se
Die
penb
eek
Boo
m
Ize
gem
Har
elbe
ke
Tiel
t
Land
en
Bor
nem
Wev
elg
em
Bilz
en
Haa
cht
Tern
at
Kape
llen
De
Pint
e
Ber
inge
n
Erpe
-Mer
e
Led
e
Aal
ter
Zele
Lom
mel
Torh
out
Eekl
o
Ron
se
Esse
n
Lich
terv
eld
e
Ove
rpel
t
Bla
nke
nbe
rge
Maa
smec
hel
en
Bra
ssch
aat
Veu
rne
Dik
smui
de
Ne
erp
elt
Gri
mb
erge
n
Pope
ring
e
Mac
hele
n
Heu
sden
-Zo
lder
Ho
uth
alen
-Hel
chte
ren
Maa
seik
Edeg
em
Lana
ken
Wes
terl
o
Sint
-Pie
ters
-Lee
uw
Koks
ijde
Ham
me
Ove
rijs
e
Scho
ten
Mal
le
Bre
e
Mid
delk
erke
Zelz
ate
Bon
heid
en
Composiet 1
Bovenstaande verdeling voor composietindicator 1 wordt volgens de methode van Jenks in klassen
opgedeeld. De resultaten worden hieronder weergegeven.
Indeling in 2 klassen
[45.813516 - 18.051024]
Antwerpen, Gent
[18.051023 - 0.674733]
alle overige gemeenten
�
39
Indeling in 3 klassen
[45.813516 - 18.051024]
Antwerpen, Gent
[18.051023 - 5.946182]
Leuven, Brugge, Mechelen, Hasselt, Kortrijk,
Aalst, Sint-Niklaas, Oostende, Zaventem,
Vilvoorde, Roeselare, Halle, Genk, Turnhout,
Lier, Dendermonde
[5.946181 - 0.674733]
alle overige gemeenten
Indeling in 4 klassen
[45.813516 - 18.051024]
Antwerpen, Gent
[18.051023 - 9.316756]
Leuven, Brugge, Mechelen, Hasselt, Kortrijk
[9.316755 - 4.266978]
Aalst, Sint-Niklaas, Oostende, Zaventem,
Vilvoorde, Roeselare, Halle, Genk, Turnhout, Lier,
Dendermonde, Asse, Lokeren, Beveren, Tienen,
Geel, Herentals, Waregem, Oudenaarde, Denderleeuw, Sint-Truiden, Aarschot, Mortsel,
Geraardsbergen, Diest, Merelbeke, Wetteren, Deinze, Heist-op-den-Berg, Zottegem,
Dilbeek, Ieper, Ninove
[4.266977 - 0.674733]]
alle overige gemeenten
Indeling in 5 klassen
[45.813516 - 18.051024]
Antwerpen, Gent
[18.051023 - 9.316756]
Leuven, Brugge, Mechelen, Hasselt, Kortrijk
[9.316755 - 5.661811]
Aalst, Sint-Niklaas, Oostende, Zaventem,
Vilvoorde, Roeselare, Halle, Genk, Turnhout,
Lier, Dendermonde, Asse
[5.661810 - 2.895653]
Lokeren, Beveren, Tienen, Geel, Herentals, Waregem, Oudenaarde, Denderleeuw, Sint-
Truiden, Aarschot, Mortsel, Geraardsbergen, Diest, Merelbeke, Wetteren, Deinze, Heist-op-
den-Berg, Zottegem, Dilbeek, Ieper, Ninove, Konticht, Tongeren, Mol, Willebroek, Puurs,
Menen, Liedekerke, Knokke-Heist, Sint-Katelijne-Waver, Temse, Diepenbeek, Boom,
Izegem, Harelbeke, Tielt, Landen, Bornem, Wevelgem, Bilzen, Haacht, Ternat, Kapellen, De
Pinte, Beringen, Erpe-Mere, Lede, Aalter, Zele, Lommel, Torhout, Eeklo
[2.895652 - 0.674733]
�
40
alle overige gemeenten
2.3.4.2 Composiet 2: Openbaar vervoer
Onderstaande grafiek geeft de dataverdeling voor de tweede composiet. Deze composiet zal worden
gebruikt om de openbaar vervoersknooppunten te bepalen.
Figuur 8: Data-verdeling composiet 2
0
1
2
3
4
5
6
7
Ant
we
rpen
Ge
nt
Leu
ven
Mec
hele
n
Bru
gge
Has
selt
Kort
rijk
Hal
le
Sint
-Nik
laas
Vilv
oord
e
Den
derl
eeu
w
Aal
st
Lie
r
Den
derm
ond
e
Zave
nte
m
Ge
raar
dsbe
rgen
Loke
ren
Mer
elb
eke
Aar
scho
t
Wet
tere
n
Ou
dena
ard
e
Oo
sten
de
Zott
egem
Her
enta
ls
Mor
tse
l
Roe
sela
re
Tien
en
Ass
e
De
Pint
e
Dei
nze
Bev
eren
War
ege
m
Lie
dek
erke
Land
en
Die
st
Puur
s
Turn
hout
Ge
el
Kont
ich
Dilb
eek
Hei
st-o
p-d
en-
Ber
g
Erpe
-Mer
e
Haa
cht
Nin
ove
Sint
-Tru
ide
n
Ge
nk
Aal
ter
Sint
-Kat
elij
ne-
Wav
er
Har
elbe
ke
Led
e
Ize
gem
Lich
terv
eld
e
Will
ebro
ek
Tern
at
Kape
llen
Die
penb
eek
Tem
se
Zele
Tong
ere
n
Mol
Bor
nem
Men
en
Wev
elg
em
Torh
out
Bilz
en
Tiel
t
Boo
m
Iep
er
Knok
ke-H
eist
Esse
n
Eekl
o
Ber
inge
n
Ron
se
Lom
mel
Bla
nke
nbe
rge
Dik
smui
de
Ove
rpel
t
Veu
rne
Pope
ring
e
Ne
erp
elt
Maa
smec
hel
en
Bra
ssch
aat
Gri
mb
erge
n
Mac
hele
n
Heu
sden
-Zo
lder
Ho
uth
alen
-Hel
chte
ren
Maa
seik
Edeg
em
Lana
ken
Wes
terl
o
Sint
-Pie
ters
-Lee
uw
Koks
ijde
Ham
me
Ove
rijs
e
Scho
ten
Mal
le
Bre
e
Mid
delk
erke
Zelz
ate
Bon
heid
en
OV-knooppunten
Bovenstaande verdeling voor composietindicator 2 wordt volgens de methode van Jenks als volgt in
klassen opgedeeld. De resultaten worden hieronder weergegeven.
Indeling in 2 klassen
[6.238891 – 2.185411]
Antwerpen, Gent, Leuven, Mechelen
[2.185410 – 0.067473]�
alle overige gemeenten
�
41
Indeling in 3 klassen
[6.238891 – 2.185411]
Antwerpen, Gent, Leuven, Mechelen
[2.185410 – 0.713683]
Brugge, Hasselt, Kortrijk, Halle, Sint-Niklaas,
Vilvoorde, Denderleeuw, Aalst, Lier,
Dendermonde, Zaventem, Geraardsbergen,
Lokeren, Merelbeke, Aarschot, Wetteren,
Oudenaarde, Oostende, Zottegem, Herentals,
Mortsel, Roeselare, Tienen, Asse, De Pinte, Deinze,
Beveren, Waregem, Liedekerke, Landen, Diest,
Puurs, Turnhout, Geel, Kontich, Dilbeek,
Heist-op-den-Berg, Erpe-Mere, Haacht, Ninove,
Sint-Truiden, Genk, Aalter, Sint-Katelijne-Waver, Harelbeke, Lede, Izegem, Lichtervelde,
Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele, Tongeren, Mol, Bornem, Menen,
Wevelgem, Torhout, Bilzen, Tielt, Boom
[0.713682 – 0.067473]
alle overige gemeenten
Indeling in 4 klassen
[6.238891 – 2.185411]
Antwerpen, Gent, Leuven, Mechelen
[2.185410 – 1.304327]
Brugge, Hasselt, Kortrijk, Halle, Sint-Niklaas,
Vilvoorde, Denderleeuw, Aalst, Lier,
Dendermonde, Zaventem, Geraardsbergen,
Lokeren, Merelbeke,
[1.304326 – 0.591695]
Aarschot, Wetteren, Oudenaarde, Oostende,
Zottegem, Herentals, Mortsel, Roeselare,
Tienen, Asse, De Pinte, Deinze, Beveren,
Waregem, Liedekerke, Landen, Diest, Puurs,
Turnhout, Geel, Kontich, Dilbeek, Heist-op-den-Berg, Erpe-Mere, Haacht, Ninove, Sint-
Truiden, Genk, Aalster, Sint-Katelijne-Waver, Harelbeke, Lede, Izegem, Lichtervelde,
Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele, Tongeren, Mol, Bornem, Menen,
Wevelgem, Torhout, Bilzen, Tielt, Boom, Ieper Knokke-Heist, Essen, Eeklo, Beringen,
[0.591694 – 0.067473]
alle overige gemeenten
�
42
Indeling in 5 klassen
[6.238891 – 3.330524]
Antwerpen, Gent
[3.330523 – 1.868827]
Leuven, Mechelen, Brugge, Hasselt, Kortrijk
[1.868826 – 1.093950]
Halle, Sint-Niklaas, Vilvoorde, Denderleeuw,
Aalst, Lier, Dendermonde, Zaventem,
Geraardsbergen, Lokeren, Merelbeke,
Aarschot, Wetteren, Oudenaarde, Oostende,
Zottegem, Herentals, Mortsel, Roeselare,
Tienen, Asse, De Pinte, Deinze, Beveren, Waregem,
[1.093949 – 0.468921]
Liedekerke, Landen, Diest, Puurs, Turnhout, Geel, Kontich, Dilbeek, Heist-op-den-Berg,
Erpe-Mere, Haacht, Ninove, Sint-Truiden, Genk, Aalster, Sint-Katelijne-Waver, Harelbeke,
Lede, Izegem, Lichtervelde, Willebroek, Ternat, Kapellen, Diepenbeek, Temse, Zele,
Tongeren, Mol, Bornem, Menen, Wevelgem, Torhout, Bilzen, Tielt, Boom, Ieper Knokke-
Heist, Essen, Eeklo, Beringen, Ronse, Lommel, Blankenberge, Diksmuide
[0.468920 – 0.067473]
alle overige gemeenten
�
�
43
2.3.4.3 Composiet 3: Verzorgingsniveau
Onderstaande grafiek geeft de dataverdeling voor de derde composiet. Deze composiet zal worden
gebruikt om de verzorgende steden te bepalen.
Figuur 9: Data-verdeling composiet 3
0
2
4
6
8
10
12
14
Ant
we
rpen
Ge
nt
Leu
ven
Bru
gge
Has
selt
Kort
rijk
Mec
hele
n
Oo
sten
de
Aal
st
Sint
-Nik
laas
Roe
sela
re
Ge
nk
Turn
hout
Iep
er
Zave
nte
m
Ass
e
Den
derm
ond
e
Ge
el
Lie
r
Vilv
oord
e
Hal
le
Knok
ke-H
eist
Die
st
War
ege
m
Ou
dena
ard
e
Sint
-Tru
ide
n
Tong
ere
n
Tien
en
Her
enta
ls
Loke
ren
Bev
eren
Maa
smec
hel
en
Bra
ssch
aat
Die
penb
eek
Mol
Nin
ove
Eekl
o
Hei
st-o
p-d
en-
Ber
g
Men
en
Ber
inge
n
Tiel
t
Dei
nze
Aar
scho
t
Maa
seik
Lom
mel
Ize
gem
Ge
raar
dsbe
rgen
Gri
mb
erge
n
Mor
tse
l
Zott
egem
Wet
tere
n
Torh
out
Ho
uth
alen
-Hel
chte
ren
Heu
sden
-Zo
lder
Boo
m
Veu
rne
Ron
se
Dilb
eek
Bla
nke
nbe
rge
Koks
ijde
Edeg
em
Bilz
en
Ove
rpel
t
Tem
se
Mac
hele
n
Wev
elg
em
Lana
ken
Har
elbe
ke
Mer
elb
eke
Bor
nem
Pope
ring
e
Wes
terl
o
Sint
-Pie
ters
-Lee
uw
Ove
rijs
e
Will
ebro
ek
Kont
ich
Scho
ten
Sint
-Kat
elij
ne-
Wav
er
Bre
e
Dik
smui
de
Ham
me
Mal
le
Ne
erp
elt
Puur
s
Mid
delk
erke
Aal
ter
Kape
llen
Zelz
ate
Zele
Bon
heid
en
Haa
cht
Tern
at
Den
derl
eeu
w
Land
en
Led
e
Lie
dek
erke
Esse
n
Erpe
-Mer
e
Lich
terv
eld
e
De
Pint
e
Verzorgende steden
Bovenstaande verdeling voor composietindicator 3 wordt volgens de methode van Jenks als volgt in
klassen opgedeeld. De resultaten worden hieronder weergegeven.
Indeling in 2 klassen
[11.997441 – 3.835990]
Antwerpen, Gent, Leuven
[3.835989 – 0.116988]
alle overige gemeenten
�
44
Indeling in 3 klassen
[11.997441 – 5.028196]
Antwerpen, Gent
[5.028195 – 1.310731]
Leuven, Brugge, Hasselt, Kortrijk, Mechelen,
Oostende, Aalst, Sint-Niklaas, Roeselare, Genk,
Turnhout
[1.310730 – 0.116988]
alle overige gemeenten
Indeling in 4 klassen
[11.997441 – 5.028196]
Antwerpen, Gent
[5.028195 – 2.133497]
Leuven, Brugge, Hasselt, Kortrijk, Mechelen,
Oostende
[2.133496 – 0.915712]
Aalst, Sint-Niklaas, Roeselare, Genk, Turnhout,
Ieper, Zaventem, Asse, Dendermonde, Geel,
Lier, Vilvoorde, Halle, Knokke-Heist, Diest
[0.915711 - 0.116988]
alle overige gemeenten
Indeling in 5 klassen
[11.997441 – 5.028196]
Antwerpen, Gent
[5.028195 – 3.048043]
Leuven, Brugge
[3.048042 – 1.310731]
Hasselt, Kortrijk, Mechelen, Oostende, Aalst,
Sint-Niklaas, Roeselare, Genk, Turnhout
[1.310730 – 0.691047]
Ieper, Zaventem, Asse, Dendermonde, Geel,
Lier, Vilvoorde, Halle, Knokke-Heist, Diest,
Waregem, Oudenaarde, Sint-Truiden, Tongeren, Tienen, Herentals, Lokeren, Beveren,
Maasmechelen, Brasschaat, Diepenbeek, Mol
[0.691046 – 0.116988]
alle overige gemeenten
�
45
Interpretatie en opbouwen typologie 2.3.5
In een volgende stap worden de klassen die bepaald zijn voor elk van de drie composieten (zie
§2.3.4) voorgesteld op kaart. In totaal gaat het om 15 kaarten (5 kaarten per composiet; en er zijn 3
composieten). Deze kaarten leren ons dat de visuele differentiatie het sterkst naar voren komt
wanneer elke composiet wordt ingedeeld in vijf klassen. Enkel de kaarten met een indeling in vijf
klassen worden hieronder voorgesteld. De kaarten zitten ook in bijlage in een groter formaat (zie
Kaart 7, 8 en 9).
Figuur 10: Composiet 1: Stedelijkheid (indeling in vijf klassen) (SumResearch, 2013)
�
Figuur 11: Composiet 2: Openbaar vervoer (indeling in vijf klassen) (SumResearch, 2013)
�
Figuur 12: Composiet 3: Verzorgingsniveau (indeling in vijf klassen) (SumResearch, 2013)
�
�
46
Finale typologie steden 2.3.6
Bedoeling is dat deze drie manieren van indeling worden gecombineerd tot 1 indeling of 1
gezamenlijke typologie. Hiervoor gaan we voor elke gemeente na tot welke klasse ze behoort in elk
van de drie composieten (o.b.v. de klasse-indeling van Jenks, §2.3.4). Onderstaande tabel geeft de
resultaten van deze analyse.
We gaan uit van een zekere hiërarchie binnen deze composieten. Eerst wordt er gekeken naar de
klasse van composiet 1, vervolgens naar composiet 2 en dan pas naar composiet 3.
Gemeenten die hoog scoren op de eerste composiet (stedelijkheid) beschouwen we als ‘stedelijke
regio’s’. Zij behoren tot de klasse 1, 2 of 3 van composiet 1.
Gemeenten die hoog scoren op de tweede composiet (klasse 3) maar niet zo hoog op de eerste
(klasse 4) worden beschouwd als ‘openbaar vervoersknooppunten’.
Gemeenten die niet hoog scoren op composiet 1 en 2 (klasse 4 of 5) vervullen de rol van een
‘verzorgende stad’.
Tabel 5: Overzicht typologie steden
Omschrijving Composiet 1:
Stedelijkheid
Composiet 2:
Openbaar
vervoer
Composiet 3:
Verzorgings-
niveau
1 Top stedelijke regio 1 1 1 Antwerpen, Gent
2 Stedelijke regio niveau 1 2 2 2 Leuven, Brugge
2a Met beperkter
verzorgingsniveau
2 2 3 Mechelen, Hasselt, Kortrijk
3 Stedelijke regio niveau 2 3 3 3 Aalst, Sint-Niklaas, Oostende, Roeselare
3a Met beperkter
verzorgingsniveau
3 3 4 Zaventem, Vilvoorde, Halle, Lier, Dendermonde,
Asse
3b Met beperktere
knooppuntwaarde
3 4 3 Genk, Turnhout
4 OV-Knooppuntstad 4 3 4 Lokeren, Beveren, Tienen, Herentals, Waregem,
Oudenaarde
4a Met beperkter
verzorgingsniveau
4 3 5 Denderleeuw, Aarschot, Mortsel, Geraardsbergen,
Merelbeke, Wetteren, Deinze, Zottegem, De Pinte
5 Verzorgende stad niveau 1 4 4 4 Geel, Sint-Truiden, Diest, Ieper, Tongeren, Mol,
Knokke-Heist, Diepenbeek
6 Verzorgende stad niveau 2 4 4 5 Heist-op-den-Berg, Dilbeek, Ninove, Kontich,
Willebroek, Puurs, Menen, Liedekerke, Sint-
Katelijne-Waver, Temse, Boom, Izegem,
Harelbeke, Tielt, Landen, Bornem, Wevelgem,
Bilzen, Haacht, Ternat, Kapellen, Beringen, Erpe-
Mere, Lede, Aalter, Zele, Lommel, Torhout, Eeklo
6a Met beperkter
verzorgingsniveau
5 4 5 Ronse, Essen, Lichtervelde, Blankenberge,
Diksmuide
7
7a
Beperkte stedelijke functie
5
5
5
5
4
5
Maasmechelen, Brasschaat
Overpelt, Veurne, Neerpelt, Grimbergen,
Poperinge, Machelen, Heusden-Zolder, Houthalen-
Helchteren, Maaseik, Edegem, Lanaken, Westerlo,
Sint-Pieters-Leeuw, Koksijde, Hamme, Overijse,
Schoten, Malle, Bree, Middelkerke, Zelzate,
Bonheiden
�
47
Een ‘Top stedelijke regio’ behoort bij alle drie de composieten tot de eerste klasse. Het gaat om
Antwerpen en Gent. Zij scoren hoog op composiet 1, 2 en 3. Zij vervullen m.a.w. zowel de functie van
de belangrijkste stedelijke regio’s; zijn een centraal openbaar vervoersknooppunt én hebben de
grootste verzorgende functie t.a.v. andere gemeenten. Zij behoren m.a.w. tot een topklasse, samen
met Brussel.
Gemeenten die voor alle drie de composieten tot de tweede klasse worden gerekend, behoren tot
de typologie ‘Stedelijke regio niveau 1’. Deze gemeenten scoren hoog op composiet 1 en kunnen
zeker worden beschouwd als een stedelijke regio. Het gaat om Leuven en Brugge. Om het
onderscheid te maken met Antwerpen en Gent worden ze benoemd als het type stedelijke regio
niveau 1.
Voorts zijn er steden die op composiet 1 ook tot de tweede klasse behoren, maar die op 1 van de
twee andere composieten iets lager scoren. Mechelen, Hasselt en Kortrijk scoren iets lager op
composiet 3 en worden op die manier tot het subtype ‘Stedelijke regio niveau 1, met beperkter
verzorgingsniveau’ gerekend.
Voorts zijn er gemeenten die bij alle drie de composieten tot de derde klasse behoren. Zij vormen de
typologie ‘Stedelijke regio niveau 2’. Deze gemeenten scoren nog relatief hoog op composiet 1 en
functioneren als een stedelijke regio. Het gaat om Aalst, Sint-Niklaas, Oostende en Roeselare.
Wederom zijn er binnen de groep die tot klasse 3 van composiet 1 behoort gemeenten met een iets
beperkter verzorgingsniveau: Zaventem, Vilvoorde, Halle, Lier, Dendermonde en Asse; of met een
iets beperktere knooppuntwaarde: Genk en Turnhout. Hun beperktere score op één van de drie
composieten impliceert dat ze als stedelijke regio niveau 2 worden getypeerd. Ze behoren immers
allemaal tot de derde klasse op composiet 1.
Openbaar vervoersknooppunten zijn steden die tot de derde klasse behoren van composiet 2. Zij
vervullen m.a.w. een belangrijke knooppuntsfunctie. Het gaat om Lokeren, Beveren, Tienen,
Herentals, Waregem en Oudenaarde. Doordat ze iets lager scoren op composiet 1 worden ze niet
meer als een stedelijke regio’s getypeerd. Ook hier is er een subtype dat lichtjes lager scoort op
composiet 3 en een beperktere verzorgingsfunctie heeft binnen het type van openbaar
vervoersknooppunten: Denderleeuw, Aarschot, Mortsel, Geraardsbergen, Merelbeke, Wetteren,
Deinze, Zottegem en De Pinte.
Gemeenten die niet als stedelijke regio, noch als openbaar vervoersknooppunt zijn getypeerd
worden tot de verzorgende steden gerekend. Een verzorgende stad niveau 1 zoals Geel, Sint-
Truiden, Diest, Ieper, Tongeren, Mol, Knokke-Heist en Diepenbeek behoren bij elke composiet tot de
vierde klasse. Het onderscheid met het type verzorgende steden niveau 2 wordt gemaakt doordat
deze laatste tot de vijfde klasse behoren van composiet 3. Voorts zijn er nog enkele gemeenten die
een beperkter verzorgingsniveau hebben en die lager scoren op het vlak van stedelijkheid (composiet
1). Zij behoren tot de verzorgende steden niveau 2 met beperkter verzorgingsniveau.
Gemeenten die tot geen van voorgaande types behoren worden gerekend tot het type met een
beperkte stedelijke functie. Binnen dit type wordt een laatste opdeling gemaakt tussen gemeenten
die tot klasse 4 of klasse 5 behoren van composiet 3.
De figuur op de volgende pagina geeft een samenvattend beeld van de typologie van de 101
geselecteerde steden en gemeenten in Vlaanderen. Tabel 14 in de bijlage geeft een alfabetische lijst
van alle 101 gemeenten met de typologie waartoe ze behoren.
�
48
Figuur 13: Typologie van de steden en gemeenten in Vlaanderen (SumResearch, 2013)
�
49
In onderstaande tabel geven we tot slot voor elke typologie van de steden de exacte numerieke
criteria om tot bovenstaande kaart en de indeling in Tabel 5 te komen.
Voor een top stedelijke regio bijvoorbeeld liggen de score voor composiet 1 grofweg tussen 45,81 en
18,05; voor composiet 2 tussen 18,05 en 9,32 en voor composiet 3 tussen 12 en 5,03.
Tabel 6: Criteria typologie steden
Omschrijving Composiet 1:
Stedelijkheid
Composiet 2:
Openbaar vervoer
Composiet 3:
Verzorgings-niveau
1 Top stedelijke regio [45.813516 - 18.051024] [6.238891 - 3.330524]
[11.997441 – 5.028196]
Antwerpen, Gent
2 Stedelijke regio niveau 1 [18.051023 - 9.316756]
[18.051023 - 9.316756]
[3.330523 - 1.868827] [5.028195 – 3.048043] Leuven, Brugge
2a Met beperkter
verzorgingsniveau
[3.330523 - 1.868827]
[3.048042 – 1.310731]
Mechelen, Hasselt, Kortrijk
3 Stedelijke regio niveau 2 [9.316755 - 5.661811]
[1.868826 - 1.093950]
[3.048042 – 1.310731]
Aalst, Sint-Niklaas, Oostende,
Roeselare
3a Met beperkter
verzorgingsniveau
[9.316755 - 5.661811]
[1.868826 - 1.093950]
[1.310730 – 0.691047]
Zaventem, Vilvoorde, Halle, Lier,
Dendermonde, Asse
3b Met beperktere
knooppuntwaarde
[9.316755 - 5.661811]
[1.093949 - 0.468921]
[3.048042 – 1.310731]
Genk, Turnhout
4 OV-Knooppuntstad [5.661810 - 2.895653]
[1.868826 - 1.093950]
[1.310730 – 0.691047]
Lokeren, Beveren, Tienen,
Herentals, Waregem, Oudenaarde
4a Met beperkter
verzorgingsniveau
[5.661810 - 2.895653]
[1.868826 - 1.093950]
[0.691046 – 0.116988]
Denderleeuw, Aarschot, Mortsel,
Geraardsbergen, Merelbeke,
Wetteren, Deinze, Zottegem, De
Pinte
5 Verzorgende stad niveau 1 [5.661810 - 2.895653]
[1.093949 - 0.468921]
[1.310730 – 0.691047]
Geel, Sint-Truiden, Diest, Ieper,
Tongeren, Mol, Knokke-Heist,
Diepenbeek
6 Verzorgende stad niveau 2 [5.661810 - 2.895653]
[1.093949 - 0.468921]
[0.691046 – 0.116988]
Heist-op-den-Berg, Dilbeek, Ninove,
Kontich, Willebroek, Puurs, Menen,
Liedekerke, Sint-Katelijne-Waver,
Temse, Boom, Izegem, Harelbeke,
Tielt, Landen, Bornem, Wevelgem,
Bilzen, Haacht, Ternat, Kapellen,
Beringen, Erpe-Mere, Lede, Aalter,
Zele, Lommel, Torhout, Eeklo
6a Met beperkter
verzorgingsniveau
[2.895652 - 0.674733]
[1.093949 - 0.468921]
[0.691046 – 0.116988]
Ronse, Essen, Lichtervelde,
Blankenberge, Diksmuide
7
7a
Beperkte stedelijke functie
[2.895652 - 0.674733]
[0.468920 - 0.067473]
[0.468920 - 0.067473]
[1.310730 – 0.691047]
[0.691046 – 0.116988]
Maasmechelen, Brasschaat
Overpelt, Veurne, Neerpelt,
Grimbergen, Poperinge, Machelen,
Heusden-Zolder, Houthalen-
Helchteren, Maaseik, Edegem,
Lanaken, Westerlo, Sint-Pieters-
Leeuw, Koksijde, Hamme, Overijse,
Schoten, Malle, Bree, Middelkerke,
Zelzate, Bonheiden
�
50
2.4 DEEL 4: Daily urban systems
In §2.3 werd een typologie opgemaakt van de steden en gemeenten in Vlaanderen. Voor de
stedelijke regio’s die daar gedetecteerd zijn, zullen in dit vierde deel daily urban systems of
‘invloedsgebieden’ van de stedelijke regio’s worden afgebakend op basis van het bestaande
openbaar vervoerssyteem.
Hiervoor doen we een beroep op de databases van De Lijn (Provinciaal verkeersmodel 2009). Dit
model verdeelt Vlaanderen in een aantal zones en omvat data over het globale verplaatsingsgedrag
en verplaatsingsmogelijkheden van personen binnen de desbetreffende provincie naar gelijk welke
andere zone in België. Deze informatie is gebaseerd op het openbaar vervoer, kan worden
aangeleverd op uurbasis en zal stapsgewijs worden geanalyseerd.
Eerst wordt het begrip daily urban system kort geschetst binnen de bestaande literatuur.
In een tweede stap wordt het provinciaal verkeersmodel van De Lijn (2009) besproken.
Vervolgens wordt de invoertuigtijd onderzocht vanuit de centrale zones in elke stedelijke
regio. Dit is de tijd die men effectief in het voertuig doorbrengt.
In een vierde stap zal de kruislingse connectiviteit worden bepaald binnen elke stedelijke
regio.
In een laatste stap zullen samenvattende kaartbeelden van de daily urban systems worden
opgemaakt en besproken.
Situering in de literatuur 2.4.1
De term daily urban system hangt sterk samen met de zogenaamde space-timeboxtheorie
(Hägerstrand, 1970). Op basis van deze theorie is een model ontwikkeld waarmee het tijd-ruimtepad
van mensen in kaart kan worden gebracht. Het tijd-ruimtepad beschrijft de bewegingen die iemand
in een bepaalde tijd en ruimte maakt. Dergelijk pad bepaalt de omvang van het daily urban system
van een stad. (Hagget, P, Geography: A Modern Synthesis (1972). De term daily urban system wordt
ook gebruikt om het functionele samenspel tussen een centrale stad en de hiermee sterk verweven
randgemeenten te bepalen (Visscher en Jobsen, 2011).
Een daily urban system is opgebouwd rond verschillende stromen van bewegingen (Visscher en
Jobsen, 2011). Mogelijke stromen zijn: wonen (verhuisstromen), werken (woon-werkverkeer),
winkelen (koopstromen), vrije tijd/recreatie/horeca (bezoekersstromen), mobiliteit
(verkeersstromen), … .
Waar daily urban systems initieel zijn opgevat als de ‘commuting area’s around a city’ (Bretagnolle &
Pumain, 2001) zijn onderzoekers meer en meer overtuigd van een uitbreiding van deze definitie (van
Eck & Snellen, 2006). De dagelijkse activiteiten van mensen situeren zich steeds vaker in grotere
netwerken. De relaties tussen steden worden steeds belangrijker t.a.v. de relaties tussen het
stadscentrum en de suburbane gebieden van één stad. Vanuit deze optiek kan het bepalen van daily
urban systems bijdragen aan het verankeren van deze systemen binnen één polycentrisch netwerk
van steden.
Deze schaalsprong en ‘expansie’ van de stedelijke leefruimte kan zich ook vertalen in het beleid. Met
termen als ‘stedelijke netwerken’ kan worden aangegeven dat de vorming van daily urban systems
een nieuwe fase is ingegaan, waarbij polynucleaire structuren ontstaan en stedelijke gebieden
procesmatig met elkaar versmelten (Van Eck et al., 2006). Ze zijn daarmee equivalent aan het begrip
‘polycentric urban regions’.
�
51
We kunnen in voorliggende studie onmogelijk het daily urban system van alle 101 geselecteerde
steden en gemeenten bepalen. De stedelijke regio’s waar we in dit onderzoek zullen mee werken
zijn:
3 top stedelijke regio’s (Brussel, Antwerpen, Gent);
2 stedelijke regio’s niveau 1 (Leuven, Brugge);
3 stedelijke regio’s niveau 1 met beperkter verzorgingsniveau (Mechelen, Hasselt, Kortijk);
4 stedelijke regio’s niveau 2 (Aalst, Sint-Niklaas, Oostende, Roeselare);
6 stedelijke regio’s niveau 2 met beperkter verzorgingsniveau (Zaventem, Vilvoorde, Halle,
Lier, Dendermonde en Asse);
6 stedelijke regio’s niveau 2 met beperktere knooppuntswaarde (Genk, Turnhout).
Het is niet de bedoeling om bovenstaande stedelijke regio’s strikt af te bakenen. Het is wél de
bedoeling om een zicht te krijgen op het invloedsgebied vanuit elk van deze verschillende stedelijke
regio’s, er van uitgaande dat een polycentrisch netwerk zich ontwikkelt over de gemeentegrenzen
heen.
Zoals eerder vermeld zal het polycentrisch netwerk van steden in Vlaanderen opgebouwd worden
langs de assen van een snel en performant openbaar vervoerssysteem. Groei en nieuwe
ontwikkelingen zullen zich situeren in gebieden die vlot bereikbaar zijn met het openbaar vervoer.
Enkel deze aanpak is de garantie om ‘verneveling’ in Vlaanderen tegen te gaan en om een duurzaam
netwerk van steden uit te bouwen. Daarom worden de daily urban systems gedetecteerd op basis
van het bestaande openbaar vervoersnetwerk van De Lijn en de nmbs.
Tot slot willen we er op wijzen dat ervoor gekozen is om te werken met de bipool Hasselt-Genk om
het daily urban system te bepalen. Dit past geheel binnen de globale beleidsvisies voor de twee
steden (o.a. het Gewestelijk RUP Afbakening stedelijk gebied Hasselt-Genk, mobiliteitsvisie
Spartacus, …).
Provinciaal verkeersmodel van De Lijn 2.4.2
2.4.2.1 Vijf provinciale verkeersmodellen
De provinciale verkeersmodellen van De Lijn zijn ontwikkeld voor de evaluatie van strategische
projecten op het netwerk van hoofdwegen en de belangrijkste gewestwegen. Ze brengen het globale
verplaatsingsgedrag van personen binnen de desbetreffende provincie van Vlaanderen in kaart voor
zowel het privévervoer (autobestuurder en –passagier) als het openbaar vervoer op uurbasis. Input
voor het model komt uit teldatabanken voor het privé en collectief vervoer en uit het validatieproces
dat hierop gebeurt. Een uitgebreide technische omschrijving van het verkeersmodel is terug te
vinden in “Opbouw van het Multimodaal Model versie 3.6.1” van het Verkeerscentrum (2013).
Het provinciaal verkeersmodel gebruikt in totaal vijf verschillende indelingen van België. Er wordt
een andere indeling gebruikt voor elke provincie. De fijnmazigheid van elke indeling verschilt
afhankelijk van waar de zones gelegen zijn. De zones binnen de provinciegrenzen komen meestal
overeen met de statistische sectoren. De zones aangrenzend aan de provincie zijn gegroepeerd per
gemeente. Zones die verder liggen zijn gegroepeerd per arrondissement. Onderstaande figuren
geven de zonering per provincie weer.
�
52
Figuur 14: Zonering provinciaal verkeersmodel Antwerpen
�
Figuur 15: Zonering provinciaal verkeersmodel Limburg
�
Figuur 16: Zonering provinciaal verkeersmodel Oost-Vlaanderen �
�
53
Figuur 17: Zonering provinciaal verkeersmodel Vlaams-Brabant
�
Figuur 18: Zonering provinciaal verkeersmodel West-Vlaanderen �
�
Voor elk van deze zones kan de totale reistijd worden bepaald naar gelijk welke andere zone binnen
elke provinciale afbakening, en dit voor een bestemming in Vlaanderen of Brussel naar de rest van
België. Deze matrices werden aangeleverd in Excel files (zie Hoofdstuk 5).
Deze reistijd is gebaseerd op waarden voor transport via bus, trein, metro of premetro van het
netwerk van de NMBS, De Lijn en de MIVB. De diabolo-verbinding is niet opgenomen in de
lijnvoering, aangezien de meegenomen lijnen van de NMBS diegene waren van 2011.11
De gebruikte datamatrix met alle reistijden van zone A naar zone B kan opgevat worden als een
tijdskostenmatrix. Deze matrix is samengesteld op basis van alle relevante lijnen om van zone A naar
zone B te gaan. Lijnen die slechts functioneel rijden (i.k.v. school- en werkuren) zijn ook mee
opgenomen omdat ze het aanbod vergroten (vb. tussen 8 en 9 u ’s morgens).
�
11 Echter, de kortste reistijd via de trein is wel opgenomen in ‘Indicator 4: Internationale connectiviteit’ (zie § 2.2.6). Hierin
werd voor elk van de geselecteerde 100 gemeenten de kortste reistijd via trein bepaald naar Brussel Nationale Luchthaven,
op 19 maart 2013. Op dat moment was de diabolo-verbinding reeds operatief.
�
54
2.4.2.2 Afstemming verkeersmodel
Voor deze studie werd een tijdskostenmatrix uit het verkeersmodel gehaald die de reistijden geeft
tijdens het spitsuur (8 en 9uur) op een gemiddelde schooldag in februari 2012.
De totale reistijd om van zone A naar zone B te gaan bestaat uit de som van:
de invoertuigtijd (IVT)
de wachttijd (WT)
Ook omvat het model het aantal opstappen die nodig zijn om het traject van en naar elke zone af te
leggen. De tijdskostenmatrix werd voor deze studie aangepast, zodat enkel die reistrajecten werden
opgenomen waar er maximaal 4 opstappen zijn, wat neerkomt op 3 overstappen.
Achtereenvolgens zullen deze drie bepalende componenten van de matrix worden besproken.
2.4.2.3 Invoertuigtijd
Met de invoertuigtijd bedoelt met de tijd om met het openbaar vervoer van zone A naar zone B te
gaan via de bus, tram, metro en/of trein. Het is de tijd die men effectief ‘ín het voertuig’ doorbrengt.
Deze tijd houdt geen rekening met voor- en natransport en belbusverbindingen zijn hier niet in
opgenomen.
De invoertuigtijd is geen weergave van de kortste reisafstand tussen twee zones, maar geeft als
gemiddelde een goede indicatie van de connectiviteit tussen de zones.
Een reistijd van 0 minuten tussen twee zones kan voorkomen omwille van drie mogelijke redenen:
Te dicht: de vertrekzone ligt zo dicht bij de aankomstzone dat openbaar vervoer geen
relevantie heeft. Het wandelen naar de dichtstbijzijnde halte is dan bijvoorbeeld verder dan de
aankomstzone zelf.
Te ver: de bestemming ligt zo ver dat er zodanig veel moet worden overgestapt, dat het
openbaar vervoer geen optie meer is. Het aantal overstappen is in het verkeersmodel op
maximum 3 ingesteld.
Onbereikbaar: de zone wordt in het onderzochte uur niet bediend door het openbaar vervoer.
Industriezones en kleine dorpjes (die enkel met een belbus bereikbaar zijn) vallen in deze
categorie.
2.4.2.4 Wachttijd
De wachttijd geeft een idee van een gemiddelde wachttijd, berekend op de frequentie van de lijn
waarop men na een eerder traject moet overstappen. Afhankelijk van hoe groot het interval is tussen
twee opeenvolgende passages van een lijn wordt de wachttijd verhoudingsgewijs aangepast.
Het model hanteert hiervoor onderstaande tabel:
Interval Wachttijd
om de 2 minuten
om de 10 minuten
om de 15 minuten
om de 20 minuten
om de 30 minuten
om de 60 minuten
1 minuut
5 minuten
6,5 minuten
8 minuten
10,5 minuten
17,5 minuten
�
55
Als de lijn waarop men moet overstappen een interval heeft van 10 minuten heeft (vb. Er is om de 10
minuten een bus.), dan is de wachttijd gelijk aan een half interval of 5 minuten. Gemiddeld moet je
immers 5 minuten wachttijd voor je aansluiting. Bij een groter interval (en dus een lagere frequentie)
gaat men er van uit dat mensen naar de dienstregeling kijken. De wachttijd is dan minder lang dan
een half interval. Dit wordt ook echter niet te sterk bevooroordeeld, omdat er bijvoorbeeld ook
slechte aansluitingen zijn.
Belangrijk om te onthouden is dat deze gemiddeld zijn en niet noodzakelijk een goed beeld geven
voor 1 bepaald traject, bijvoorbeeld wanneer we op zoek zijn naar het snelste traject.
In goed bereikbare zones is er een hoge frequentie van snelle verbindingen beschikbaar. Daarom
sluit de gemiddelde verplaatsingsstijd (invoertuigtijd + wachttijd) eerder aan bij wat mensen
beschouwen als de beste of snelste verbinding.
In minder goed bereikbare zones (of laag frequente gebieden) zal het algoritme van het
verkeersmodel méér tragere verbindingen moeten inschuiven. De gemiddelde wachttijd en
invoertuigtijd worden daarom groter en genereren een vertekend beeld t.o.v. de ‘beste of snelste’
verbinding tussen twee zones.
2.4.2.5 Opstappen
De opstappen geven aan hoe vaak men gemiddeld moet ‘opstappen op een voertuig’ om van zone A
naar zone B te gaan en is gelijk aan het aantal ‘overstappen’ +1. Dat wil zeggen:
0 opstappen:
Men kan het reistraject niet via het openbaar vervoer afleggen. Dit komt enerzijds voor op
zeer korte afstanden. Bijvoorbeeld om van zone A naar zone A te gaan kan je de bus niet
nemen, want dit is intern verkeer. Anderzijds komt dit ook voor op zeer lange afstanden.
Bijvoorbeeld als er om van zone A naar B te gaan méér dan 4 opstappen nodig zijn. Het model
is hierop immers afgetopt.
1 opstap:
Het gaat om een rechtstreekse verbinding. De totale reistijd in de matrix gebeurt zonder
overstappen.
2 opstappen:
Twee opstappen op een verschillende modus, komt neer op 1 overstap. De eerste opstap is
het opstappen van het voortransport (te voet, met de fiets, …) op bijvoorbeeld de trein. De
tweede opstap kan dan een overstap zijn van trein 1 naar trein 2.
Voor 3 opstappen geldt een analoge redenering.
2.4.2.6 Keuzes binnen de onderzoeksopzet
Na veelvuldige analyses en overleg met de opdrachtgever is ervoor gekozen om enkel te werken met
de invoertuigtijd en niet met de wachttijd. De wachttijd geeft immers een idee van een gemiddelde
wachttijd, berekend op de frequentie van de lijn waarop men moet overstappen. De waarden voor
de wachttijd zijn sterk geaggregeerd en gemiddeld en geven dus geen goed beeld voor 1 individu of
voor de snelste verbinding en worden daarom niet gebruikt voor de afbakening van de daily urban
systems. Bovendien zijn er ook in de invoertuigtijd reeds verbindingen opgenomen die niet de meest
ideale zijn en die vertragend werken. De invoertuigtijd is daarom vaak iets groter dan de snelste
verbinding tussen twee zones.
�
56
Analyse invoertuigtijd en kruislingse connectiviteit 2.4.3
In deze derde stap willen we het daily urban system detecteren van meerkernige stedelijke regio’s in
Vlaanderen. Op basis van het verkeersmodel van De Lijn (2009) zullen we het ‘invloedsgebied’
bepalen van de top stedelijke regio’s en de stedelijke regio’s niveau 1, zoals bepaald in deel 3 van dit
onderzoek. Het gaat meer bepaald om Brussel, Antwerpen, Gent, Leuven, Brugge, Mechelen,
Hasselt-Genk en Kortrijk.
Belangrijk is dat we ons voor het ‘invloedsgebied’ niet enkel baseren op de reistijd tussen de
hoofdkern en de subkernen, maar dat het netwerk als één geheel wordt beschouwd. De reistijd
vanuit een centrale vertrekzone naar alle andere zones wordt meegenomen, alsook de kruislingse
reistijd tussen alle andere zones onderling. De reistijden tussen alle types van kernen (vb. tussen
twee subkernen) in een stedelijke regio zijn immers bepalend voor de potentiële ontwikkelingen als
meerkernige stedelijke regio.
Het bepalen van de daily urban systems gebeurt op basis van maximaal aanvaardbare reistijden. Uit
de literatuur (Vleugels et al., 2007) en de BREVER-wet leerden we dat de gemiddelde reistijd per
persoon per dag zich rond de 80 minuten bevindt. We nemen daarom 40 minuten als reistijd voor
een enkele pendelbeweging. Daarnaast doen we ook de aanname van gemiddeld 5 minuten voor- en
natransport (vb. om tot aan een halte of station te geraken). We durven dit doen omwille van de
fijnmazigheid van het model en omdat het model zich ent op alle openbaar vervoerslijnen (ook
buslijnen) en niet enkel op hoofdlijnen en hoofdstations. Dit betekent dat voor zones die verderaf
van een hoofdstation liggen er reeds een invoertuigtijd is opgenomen. In het geval er geen openbaar
vervoersconnectie is tussen zones, houdt het model reeds rekening met wandelafstanden tussen de
zones.
Toegepast op het verkeersmodel waar we mee werken zullen deze 30 minuten invoertuigtijd worden
gebruikt als grenswaarde voor het bepalen van het daily urban system van elke stedelijke regio. We
weten ook dat grotere steden een groter bereik hebben. Mensen zijn bereid om langer te pendelen,
op voorwaarde dat er meer voorzieningen of werkmogelijkheden bevinden in een grotere stad.
Dergelijke steden bieden een gespecialiseerde werkgelegenheid aan waarvoor uit een groter gebied
moet gerecruteerd worden (Verhetsel et al., 2007). Voor onze gedetecteerde top stedelijke regio’s
(Brussel, Antwerpen en Gent) zal daarom gewerkt worden met een grenswaarde voor de kruislingse
bereikbaarheid of kruislingse connectiviteit van 40 minuten, i.p.v. 30 minuten.
Kruislingse connectiviteit kan worden gedefinieerd als de gemiddelde reistijd die nodig is om vanuit
één zone naar àlle andere zones binnen een bepaald gebied te geraken. Op basis van deze kruislingse
connectiviteit zal dus het invloedsgebied worden bepaald van elk daily urban system.
Natuurlijk kan ons model niet worden opgebouwd zonder een bepaald ‘startgebied’ af te bakenen
van elke stedelijke regio. We moeten een bredere selectie maken van zones rond een centrale
‘startzone’ waarbinnen we deze kruislingse connectiviteit kunnen onderzoeken. Als startzone nemen
we telkens de zone waarin het grootste nmbs-station van de stedelijke regio zich bevindt12
.
Vervolgens wordt de invoertuigtijd bepaald om vanuit deze zone naar alle andere zones in België te
geraken. Het gebied dat we binnen de 10, 20, 30, 40, … minuten kan bereikt worden geeft een eerste
aanzet.
Vervolgens moeten we een ‘grenswaarde’ instellen voor elke ‘startzone’. Werken we met alle zones
op 10, 20, 30, 40, … minuten van deze startzone? Welk gebied vormt een goede basis om de
kruislingse connectiviteit te onderzoeken? Belangrijk is om dit gebied niet te klein te nemen, anders
�12
Deze startzones zijn gecontroleerd door experts van De Lijn. Soms is het niet duidelijk welke zone nu precies
overeenkomt met het grootste station: een station kan zich uitstrekken over méér dan één zone, de vertrekzone ligt net op
de grens van het hoofdstation of er is een verschil tussen de ‘voorkant’ en de ‘achterkant’ van een station.
�
57
missen we bepaalde details. Het mag ook zeker niet te groot zijn, opdat de kruislingse connectiviteit
geen belachelijk hoge waarden zou aannemen. De grenswaarden zijn daarom bepaald op basis van
de literatuur en (inter)nationaal onderzoek en vanuit een iteratief trial-and-error-proces.
Sinds 1994 wordt door de afdeling Beleid Mobiliteit en Verkeersveiligheid (departement Mobiliteit
en Openbare Werken) van de Vlaamse overheid onderzoek uitgevoerd naar het verplaatsingsgedrag
van Vlamingen. Dit onderzoek wordt kortweg 'OVG' genoemd (Onderzoek VerplaatsingsGedrag). Het
Onderzoek Verplaatsingsgedrag Vlaanderen 3 liep in de periode 2007-2008 en leert dat bijna 60%
van alle woon-werkverplaatsingen hoogstens 20 minuten duurt en dan 73% van alle woon-
werkverplaatsingen maximum 30 minuten duurt (Janssens et al., 2009). Ook uit Belgisch
tijdsbudgetonderzoek (TOR 2004) met dagboekregistratie blijkt dat de gemiddelde woon-
werkverplaatsingstijd van een werkende 30 minuten bedraagt (Glorieux en Minnen, 2008).
Tijdsbudgetonderzoek probeert het alledaagse handelen van mensen op een zo getrouw mogelijke
manier in kaart te brengen. Aan respondenten wordt gevraagd alle handelingen en hun tijdsstippen
te noteren in een dagboek.
Stap 1: Bepalen ‘startgebied’ via de invoertuigtijd 2.4.4
In een eerste deelstap bepalen we voor elke stedelijke regio de startzone. De startzone is de
connector van het gebied en omvat het NMBS-hoofdstation. Ter illustratie wordt hier het nummer
van de startzone in elke stad gegeven. Afhankelijk van de stad, wordt gewerkt met het
verkeersmodel van de provincie waarin de stad gelegen is. Op die manier wordt gewerkt met de
fijnmazigste indeling rond elke startzone.
Antwerpen-Centraal: zone 47 uit basiszonering provincie Antwerpen
Gent-Sint-Pieters: zone 684 uit basiszonering provincie Oost-Vlaanderen
Leuven: zone 456 uit basiszonering provincie Vlaams-Brabant
Brugge: zone 151 uit basiszonering provincie West-Vlaanderen
Mechelen: zone 1213 uit basiszonering provincie Antwerpen
Hasselt: zone 416 uit basiszonering provincie Limburg
Genk: zone 283 uit basiszonering provincie Limburg
Kortrijk: zone 460 uit basiszonering provincie West-Vlaanderen
Brussel-Noord: zone 50 uit basiszonering provincie Vlaams-Brabant
Brussel-Zuid: zone 32 uit basiszonering provincie Vlaams-Brabant
Uit de datamatrix van de lijn halen we vervolgens alle gemiddelde invoertuigtijden om vanuit alle
andere zones in België naar deze startzone te gaan. Onderstaande figuren geven het resultaat. De
uiterste grenzen worden kort besproken. Deze kaarten13
werden ook in bijlage opgenomen (Kaart 11
t.e.m. Kaart 18). Voor Brussel werken we met alle zones die zich op een bepaalde IVT van de stations
Brussel-Noord of Brussel-Zuid bevinden. Voor Hasselt-Genk geldt een analoge redenering t.a.v.
Hasselt-station en Genk-station. Het startgebied voor Brussel, Antwerpen en Gent is bepaald op 30
minuten IVT van de startzone. Voor Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk is dit
vastgelegd op 20 minuten IVT. De reden hiervoor wordt na de bespreking van de kaarten toegelicht.
�13
Voor de kaarten is gewerkt met de gegevens uit de Mercatordatabank van de Vlaamse Overheid worden enkel
treinstations op Vlaams grondgebied weergegeven. De treinlijnen in Wallonië zijn enkel opgenomen, wanneer ze in een
aangeduid invloedsgebied liggen.
�
58
Figuur 19: Invoertuigtijd naar Brussel-Noord of Brussel-Zuid
De invoertuigtijd naar Brussel-Noord of Brussel-Zuid wordt voorgesteld op bovenstaande figuur.
Binnen de 50 minuten geraak je vanuit pakweg Antwerpen, Landen, Bergen, Gent en het grootste
deel van het gebied daartussen in Brussel. Binnen de 30 minuten geraak je tot net voorbij Mechelen
en Leuven en tot in Aarschot, Nijvel, Ath, Haaltert, Denderleeuw, Asse, Opwijk en Dendermonde.
Figuur 20: Invoertuigtijd naar Antwerpen-Centraal
Figuur 20 geeft het beeld voor Antwerpen. Binnen de 50 minuten geraak je vanuit Gent, Lokeren,
Dendermonde, het zuiden van Brussel, Leuven, Aarschot, Geel en Kasterlee tot in Antwerpen.
Antwerpen blijft binnen de 30 minuten invoertuigtijd bereikbaar vanuit Sint-Niklaas, Beveren,
Londerzeel, Kapelle-op-den-Bos, Zemst, Boortmeerbeek, Heist-op-den-Berg, Zoersel en Kalmthout.
�
59
Figuur 21: Invoertuigtijd naar Gent-Sint-Pieters
De kaart met Gent als startzone toont een omvangrijk gebied en palmt een groot deel van Oost- en
West-Vlaanderen in. Binnen de 50 minuten geraak je in Oostende, Knokke Heist, Antwerpen,
Bonheiden, Halle, Lessen, Moeskroen en Roeselare. Aalter, Waregem, Wetteren liggen binnen het
invloedsgebied van 20 minuten invoertuigtijd. Dit gebied strekt zich (omwille van het
infrastructuurnetwerk) relatief ver uit in zuidelijke en westelijke richting.
Figuur 22: Invoertuigtijd naar Leuven-station
Leuven is binnen de 50 minuten bereikbaar vanuit Antwerpen, Denderleeuw, Tubeke, Luik, Hasselt
en Tessenderlo. Volgens het verkeersmodel geraak je binnen de 20 minuten invoertuigtijd vanuit
Brussel, Machelen, Mechelen, Aarschot en Tienen tot in Leuven-Centraal.
�
60
Figuur 23: Invoertuigtijd naar Brugge-station
Binnen de 50 minuten geraak je vanuit Brugge tot in Veurne, Alveringem, Kortrijk, Waregem,
Zottegem, Lede, Lokeren en Eeklo. Gemeenten die zich binnen de 20 minuten radius bevinden zijn
Oostende, Blankenberge, Knesselare, Aalster en Torhout.
Figuur 24: Invoertuigtijd naar Mechelen-station
�
Mechelen is voor een groot aantal gemeenten bereikbaar binnen de 50 minuten invoertuigtijd.
Vanuit Kalmthout, Geel, Scherpenheuvel-Zichem, Lokeren, Wetteren, Halle maar ook vanuit een
groot aantal gemeenten in Wallonië: Zinnik, Walhain, Geer, … Wanneer we het startgebied bekijken
dat binnen 20 minuten invoertuigtijd ligt, merken we dat zich dit uitstrekt tot zowel Antwerpen en
Brussel en quasi alle tussenliggende stations. In westelijke richting loopt het invloedsgebied tot
Buggenhout. Ook Lier en Haacht vallen binnen het startgebied van 20 minuten. Leuven valt er net
buiten.
�
61
Figuur 25: Invoertuigtijd naar Hasselt-station of Genk-station
Het invloedsgebied van de bipool Hasselt-Genk omspant een groot deel van Limburg, maar loopt ook
tot in de provincie Antwerpen, Vlaams-Brabant en richting Wallonië. Hannuit, Heers en Herstal zijn
daar binnen de 50 minuten invoertuigtijd bereikbaar. Hoegaarden, Leuven, Berlaar, Mol en Maaseik
bevinden zich ook op 50 minuten invoertuigtijd. Het startgebied van 20 minuten omvat Genk, Hasselt
en een gedeelte van de aangrenzende gemeenten met uitlopers richting Diest, Heusden-Zolder en
Sint-Truiden.
Figuur 26: Invoertuigtijd naar Kortrijk-station
�
Vanuit Bernissart, Ath, Geraardsbergen, Denderleeuw, Wetteren, Gent, Aalter, Brugge, Diksmuide en
Poperinge is Kortrijk bereikbaar binnen 50 minuten invoertuigtijd. De startzone voor Kortrijk binnen
de 20 minuten heeft uitlopers tot in Wervik, Moeskroen, Oudenaarde, Waregem en Roeselare en
Hooglede.
�
62
Nu we voor bovenstaande stedelijke regio’s een eerste idee hebben van hun invloedsgebied is het
startgebied bepaald. Voor de grootste steden (Brussel, Antwerpen en Gent) wordt gewerkt met de
zones die op 30 minuten invoertuigtijd liggen. Dit blijkt in Vlaanderen de maximum grenswaarde te
zijn voor alle woon-werkverplaatsingen (OVG 3 en TOR 2004).
Voor de top stedelijke regio’s (Brussel, Antwerpen, Gent) blijkt dit zeker te kloppen. Voor de
stedelijke regio’s niveau 1 (Leuven, Brugge, Mechelen, Hasselt en Kortrijk) bleek dit geen goede
keuze. Wanneer we de 30 minuten als grens hanteren, merken we dat in een volgende stap het
invloedsgebied te groot wordt. Dit konden we bijvoorbeeld vaststellen bij Mechelen. Je komt dan in
het invloedsgebied van een andere stad en het zwaartepunt verschuift in het geval van Mechelen
naar Antwerpen. Op de linkse kaart van figuur 27 verschuift het zwaartepunt naar Antwerpen
(groene kleur). Dit geeft geen logisch beeld, aangezien de vertreksector zich in Mechelen bevindt.
Voor de stedelijke regio’s niveau 1 wordt daarom gewerkt met een startzone van 20 minuten.
Figuur 27: Case Mechelen: Kruislingse connectiviteit met een maximum van 30 minuten bepaald voor
het startgebied op 30 minuten invoertuigtijd (links) versus het startgebied op 20 minuten
invoertuigtijd (rechts)
�
Tot slot gaat men voor de top stedelijke regio’s (Brussel, Antwerpen, Gent) na of alle zones op 30
minuten invoertuigtijd te bereiken zijn in maximum 3 opstappen (of 2 overstappen). Zones die hier
niet aan voldoen, worden uit het invloedsgebied van de steden geschrapt.
Voor de stedelijke regio’s niveau 1 (Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk) mogen alle
zones op 20 minuten invoertuigtijd maximum in 2 opstappen (of 1 overstap) te bereiken zijn. Zones
die hier niet aan voldoen worden opnieuw geschrapt uit het startgebied.
Voor deze startgebieden zal vervolgens de kruislingse connectiviteit worden bepaald om het daily
urban system te definiëren.
�
�
63
Stap 2: Bepalen daily urban systems via kruislingse connectiviteit 2.4.5
Het startgebied van elke stedelijke regio is in stap 1 bepaald. Hiermee weten we welke zones op 20
minuten of 30 minuten invoertuigtijd van de startzone liggen én dat ze maximaal op 3 of 2 opstappen
liggen. Enkel voor de zones die in dit afgebakende gebied liggen wordt nu de kruislingse
connectiviteit bepaald.
Kruislingse connectiviteit wordt berekend als de gemiddelde reistijd die nodig is om vanuit een zone
naar àlle andere zones binnen het startgebied van 20 minuten (voor Brussel, Antwerpen of Gent) of
30 minuten (voor Leuven, Brugge, Mechelen, Hasselt-Genk of Kortrijk) te geraken. Op die manier
wordt een maat gegeven voor de robuustheid en consistentie van de invloedszone rond elk van de 8
stedelijke regio’s. Dit gemiddelde geeft aan hoe snel men in gelijk welke andere zone van de
stedelijke regio geraakt.
Voor de steden Brussel, Antwerpen en Gent is een startzone afgebakend met alle zones die op 30
minuten invoertuigtijd van het vertrekstation liggen. Er wordt vervolgens enkel met deze zones
verdergewerkt. Met andere woorden: de oorspronkelijke matrix wordt verkleind. Voor elk van deze
zones wordt de kruislingse connectiviteit (of gemiddelde reistijd naar alle andere zones op 30
minuten van Brussel-Noord of Brussel-Zuid, in het geval van Brussel) berekend.
Bedoeling is dat deze kruislingse connectiviteit maximum 40 minuten mag zijn naar analogie met de
gemiddelde verplaatsingstijd (zie §2.4.1). Via een iteratief proces waarbij de zones met de hoogste
waarden voor kruislingse connectiviteit er stap voor stap worden uitgehaald, komen we tot een
matrix waar de maximumwaarde voor kruislingse connectiviteit 40 minuten bedraagt. Van zodra een
zone er wordt uitgehaald, wordt de volledige matrix opnieuw berekend. Met deze nieuwe matrix
wordt de kruislingse connectiviteit opnieuw berekend, tot geen enkele waarde voor kruislingse
connectiviteit nog het maximum van 40 minuten overstijgt.
Voor de stedelijke regio’s niveau 1 werd het startgebied bepaald als alle zones die op 20 minuten
invoertuigtijd liggen én via maximum 1 overstap de startzone bereiken. Ook voor de zones in dit
startgebied wordt de kruislingse connectiviteit bepaald en wordt de oorspronkelijke matrix
stapsgewijs verkleind. Het invloedsgebied van deze steden wordt na een iteratief proces bepaald op
die zones die een maximale kruislingse connectiviteit hebben van 30 minuten.
Onderstaande figuren geven de resultaten van deze kruislingse connectiviteit en dus van het daily
urban system van elke stedelijke regio weer. Voor Brussel, Antwerpen en Gent betekent dit dat elke
kaart het gebied weergeeft waarin je: vanuit elke zone binnen de 30 minuten het hoofdstation
(Brussel-Noord, -Zuid, Gent-Sint-Pieters of Antwerpen) kan bereiken; én dat alle zones onderling op
maximum 40 minuten invoertuigtijd van elkaar verwijderd liggen. Voor Leuven, Brugge, Mechelen,
Hasselt-Genk en Kortrijk omvat het daily urban system: de zones die op 20 minuten invoertuigtijd
liggen van het hoofdstation; én die onderling op maximum 30 minuten invoertuigtijd van elkaar
verwijderd liggen.
We willen nog vermelden dat alle kaarten analysekaarten zijn. Hiermee bedoelen we dat er hier en
daar een juist, maar ‘onlogisch’ patroon kan opduiken, dat eigen is aan onze werkwijze en aan de
structuur van de database, maar vertaald naar de realiteit soms een vreemd beeld kan opleveren. Zo
moeten we standaard werken met de voorafgebakende zoneringen uit het verkeersmodel van De
Lijn (2009). Van zodra er zich in een zone één halte van bus of trein bevindt, dan krijgt automatisch
heel de zone de eigenschappen die aan deze halte zijn toegekend. Zo kan het zijn dat een deel van
een natuurgebied is opgenomen omdat er in een excentrische hoek een halte aanwezig is. Dit doet
zich bijvoorbeeld voor op de Kamthoutse Heide op de kaarten voor Antwerpen.
De figuren die volgen zijn als het ware een verkleining van de beelden die we eerder zagen in stap 2.
We vertrekken telkens van alle zones op 20 of 30 minuten invoertuigtijd. Deze selectie is vervolgens
ingekrompen o.b.v. de stapsgewijze aanpak bij kruislingse connectiviteit.
�
64
Figuur 28: Kruislingse connectiviteit in de top stedelijke regio Brussel
Het daily urban system van Brussel situeert zich op de noord-zuidelijke as van Mechelen tot ’s
Gravenbrakel/Edingen en op de oost-westelijke as van Leuven tot Denderleeuw/Liedekerke. De zone
omvat ook Leuven en Mechelen. Het Brusselse daily urban system omvat in totaal 117 nmbs-stations
of (pre)metrohaltes, een enorm potentieel.
Figuur 29: Kruislingse connectiviteit in de top stedelijke regio Antwerpen
Het daily urban system van Antwerpen wordt bepaald door zones die zich op 30 minuten
invoertuigtijd bevinden van Antwerpen-Centraal én die een gemiddelde reistijd naar alle andere
zones van maximum 40 minuten hebben. Het gebied strekt zich uit tot Sint-Niklaas, Kalmthout,
Nijlen, Lier, Heist-op-den-Berg en voor een groot deel ook richting Mechelen. In totaal bevinden er
zich 45 nmbs-stations of (pre)metrohaltes in dit hele daily urban system.
�
65
Figuur 30: Kruislingse connectiviteit in de top stedelijke regio Gent
In het Gentse systeem zien we een hoge kruislingse connectiviteit in gemeenten buiten Gent zoals De
Pinte, Wetteren, Melle en Deinze. Van hieruit vertrekken verschillende afsplitsingen die het Gentse
systeem vervolledigen. Met Aalst en Lokeren bevinden zich twee stedelijke regio’s niveau 2 in het
daily urban system van Gent. Er situeren zich 38 nmbs-stations in deze regio.
Figuur 31: Kruislingse connectiviteit in de stedelijke regio niveau 1 Leuven
Voor de kruislingse connectiviteit van Leuven werd rekening gehouden met zones die op 20 minuten
invoertuigtijd van station Leuven liggen en die onderling op maximum 30 minuten invoertuigtijd van
elkaar liggen. Het daily urban system strekt zich hoofdzakelijk uit richting het noorden
(Rotselaar/Haacht) en het westen (verbinding met Brussel). Het daily urban system van Leuven is
gekoppeld aan de top stedelijke regio Brussel en met ‘stedelijke regio niveau 1 met beperkter
verzorgingsniveau’ Mechelen. Er zijn in totaal 25 nmbs-stations.
�
66
Figuur 32: Kruislingse connectiviteit in de stedelijke regio niveau 1 Brugge
De Brugse zone kent uitlopers tot Oostende, Blankenberge, Aalter en Torhout. Ook Zeebrugge heeft
een hoge kruislingse connectiviteit binnen het systeem. Het daily urban system is met 13 nmbs-
stations aanzienlijk kleiner dan de andere stedelijke regio niveau 1 Leuven. Dit heeft uiteraard alles te
maken met de geografische situering.
Figuur 33: Kruislingse connectiviteit in de stedelijke regio niveau 1 Mechelen
Het daily urban system van Mechelen zit vervat tussen dat van Antwerpen en Brussel. Het maakt deel
uit van beide daily urban systems, maar daarnaast heeft het ook zijn eigen systeem. Dit situeert zich
logischerwijs in hoofdzaak op de noord-oostelijke as, maar kent ook uitlopers tot Buggenhout,
Londerzeel, Haacht, Putte en Lier. Er zijn 33 nmbs-stations of (pre)metrohaltes.
�
67
Figuur 34: Kruislingse connectiviteit in de stedelijke regio niveau 1 Hasselt-Genk
Bij de regio Hasselt-Genk is duidelijk te zien dat het daily urban system zicht beperkt tot deze twee
steden aangevuld met Alken, Bilzen en Diepenbeek. De kruislingse connectiviteit werd berekend op
basis van staion Hasslet en station Genk. In totaliteit omvat het daily urban system 7 nmbs-stations.
Figuur 35: Kruislingse connectiviteit in de stedelijke regio niveau 1 Kortrijk�
Tot slot is de kruislingse connectiviteit voor Kortrijk in kaart gebracht. Er is een sterke connectiviteit
tussen station Kortrijk en Wevelgem, Anzegem, Izegem en Ingelmunster. Verder vallen steden zoals
Roeselare, Waregem, Harelbeke en Wervik binnen het Kortrijkse daily urban system. Het volledige
daily urban system omvat 11 nmbs-stations.
�
�
68
Stap 3: Totaalbeeld daily urban systems in Vlaanderen 2.4.6
Nu voor de steden Brussel, Antwerpen, Gent, Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk de
stedenstructuur en hun invloedsgebied of daily urban system is bepaald, gaan we deze resultaten
samenbrengen met de steden van het niveau ‘stedelijke regio niveau 2’. Op die manier kunnen we
een aantal samenvattende kaartbeelden genereren in deze derde stap.
Omdat het praktisch onmogelijk en inhoudelijk niet nodig is om voor deze steden de kruislingse
connectiviteit weer te geven, stellen we hun invloedszone voor door de zones te bepalen die op 15
minuten invoertuigtijd liggen van elke vertrekzone. We kiezen ervoor om te werken met 15 minuten
opdat we zo het onderscheid kunnen maken met de stedelijke regio’s niveau 1 (20 minuten) en met
de top stedelijke regio’s waarvoor we 30 minuten
De vertrekzones voor de stedelijke regio’s niveau 2 zijn de volgende:
Aalst: zone 47 uit basiszonering provincie Oost-Vlaanderen
Sint-Niklaas: zone 1153 uit basiszonering provincie Oost-Vlaanderen
Dendermonde: zone 268 uit basiszonering provincie Oost-Vlaanderen
Oostende: zone 659 uit basiszonering provincie West-Vlaanderen
Roeselare: zone 778 uit basiszonering provincie West-Vlaanderen
Zaventem: zone 1052 uit basiszonering provincie Vlaams-Brabant
Vilvoorde: zone 1019 uit basiszonering provincie Vlaams-Brabant
Halle: zone 793 uit basiszonering provincie Vlaams-Brabant
Asse: zone 670 uit basiszonering provincie Vlaams-Brabant
Lier: zone 1176 uit basiszonering provincie Antwerpen
Turnhout: zone 2054 uit basiszonering provincie Antwerpen
In totaal worden er drie verschillende overzichtskaarten opgemaakt. Het invloedsgebied van de
stedelijke regio’s niveau 2 wordt op elk van deze overzichten voorgesteld door een lijn. Zones die zich
op minder dan 15 minuten invoertuigtijd bevinden van één van de vertrekzones worden dus
opgenomen. Dit betekent dat er soms ‘gaten’ kunnen zijn in de afbakening van deze gebieden. Een
zone kan geografisch dicht bij een station liggen, maar kan omwille van een slechte verbinding via
het openbaar vervoer toch niet worden opgenomen in de 15 minuten-zone.
�
�
69
2.4.6.1 Daily urban systems in Vlaanderen – volgens stedelijke regio
Het eerste totaalbeeld (Figuur 36 of Kaart 27 in bijlage) geeft de daily urban systems van de steden
van type 1, 2, 2a, 3, 3a en 3b weer. Het gaat met andere woorden om alle top stedelijke regio’s, alle
stedelijke regio’s niveau 1 en 2.
Alle stedelijke regio’s worden voorgesteld door middel van een kleurgradatie. De regio’s worden
ingekleurd op basis van de waarden van hun kruislingse connectiviteit. De afbakeningslijn van de
gebieden is dezelfde als de daily urban systems zoals die in stap 2 zijn bepaald en komt m.a.w.
overeen met de grens hun kruislingse connectiviteit (40 of 30 minuten, al naargelang om welke stad
het gaat).
Brussel wordt als top stedelijke regio in een rode kleurgradatie voorgesteld; Antwerpen en Gent in
Antwerpen en Gent in groen. Leuven en Brugge zijn paars en Mechelen, Hasselt-Genk en Kortrijk zijn
in blauw voorgesteld.
Zoals we eerder zagen overlappen sommige daily urban systems elkaar. Zo zijn er zones die in het
daily urban system van zowel Mechelen, Antwerpen, Leuven als Brussel liggen. Opdat het kaartbeeld
leesbaar zou blijven hanteren we een zekere hiërarchie. Brussel ligt als laag bovenop Antwerpen,
bovenop Gent, bovenop Leuven, … enzoverder. De lagen zijn gedeeltelijk transparant gezet zodat je
toch nog kan zien dat bepaalde zones twee of meerdere kleuren krijgen.
Globaal kunnen we stellen dat er veel overlap is tussen de stedelijke regio’s.
Brussel heeft een grote overlap met Mechelen, maar ook met Leuven en met de stedelijke regio’s
niveau 2 Halle, Asse, Vilvoorde, Aalst en Zaventem.
Er zijn een groot aantal zones die in het daily urban system van Antwerpen zitten, maar ook in dat
van Mechelen. Het daily urban system van Antwerpen reikt net niet tot in Brussel maar wel tot in
Sint-Niklaas. Er is overlap vanuit Antwerpen met stedelijke regio’s niveau 2 van Sint-Niklaas, Lier en
Vilvoorde.
Het daily urban system van Gent heeft een zeer beperkte overlap met dat van Brugge en Kortrijk en
Sint-Niklaas en Dendermonde. Een grotere overlap is er met het invloedsgebied van Aalst.
Leuven heeft overlap met het invloedsgebied van Brussel, Mechelen en Zaventem.
Brugge heeft zoals gezegd beperkte overlap met Gent en met Roeselare.
Mechelen heeft naast Antwerpen, Brussel, Leuven ook zones gemeenschappelijk met Vilvoorde en
Lier.
Hasselt-Genk ligt als daily urban system geïsoleerd.
Kortrijk tot slot heeft beperkte overlap met Gent en Roeselare.
Tussen de stedelijke regio’s niveau 2 tot slot zien we een grote verwevenheid tussen Aalst, Asse en
Dendermond enerzijds en tussen Vilvoorde en Zaventem anderzijds.
�
70
Figuur 36: Daily urban systems in Vlaanderen – volgens stedelijke regio
�
71
2.4.6.2 Daily urban systems in Vlaanderen – 101 gemeenten
Dit tweede overzichtsbeeld (Figuur 37 of Kaart 28 in bijlage) is analoog aan Figuur 36. Met dat
verschil dat er nu gewerkt wordt met één en dezelfde kleurgradatie voor alle top stedelijke regio’s en
stedelijke regio’s niveau 1. Bovendien worden ook de andere steden en gemeenten met een bol
voorgesteld: openbaar vervoersknooppunten in het rood en verzorgende steden in het blauw.
De rood aangeduide zones zijn zones met een maximale kruislingse connectiviteit van 20 minuten.
Deze zones liggen dus in een top stedelijke regio of een stedelijke regio niveau 1 en zijn op minder
dan 20 minuten verbonden met alle andere zones in hun eigen stedelijke regio. Vanuit de oranje
zones neemt de kruislingse connectiviteit waarden aan tussen 20 en 30 minuten. Gele zones hebben
een kruislingse connectiviteit van 40 minuten en worden enkel bepaald voor zones die tot de
topstedelijke regio’s Brussel, Antwerpen of Gent behoren.
2.4.6.3 Daily urban systems in Vlaanderen – het verdichtingsnet
Het laatste totaalbeeld focust zich niet op de zoneringen, maar wel op het infrastructuurnetwerk
waarrond alles is opgebouwd (Figuur 38 of Kaart 29 in bijlage). Dezelfde zones als op de vorige kaart
zijn aangeduid en hebben nu allemaal een lichtgrijze kleur gekregen. De stations, (pre)metrohaltes
en spoorverbindingen hebben een kleur gekregen volgens de stedelijke regio waartoe ze behoren
(top stedelijke regio of stedelijke regio niveau 1). We zien dat het hoofdstation van Mechelen in het
daily urban system ligt van 4 stedelijke regio’s.
�
72
Figuur 37: Daily urban systems in Vlaanderen – 101 gemeenten
�
73
Figuur 38: Daily urban systems in Vlaanderen – het infrastructuurnetwerk
�
74
2.5 DEEL 5: Conclusie
Voorliggende studie maakt deel uit van een beleidsvoorbereidende analyse over het netwerk van
steden in Vlaanderen. De studie gaat na of een vooropgestelde beleidsstrategie omtrent een
polycentrische ontwikkeling in stedelijke regio’s in Vlaanderen mogelijk is.
Er werden achtereenvolgens een aantal stappen doorlopen.
In het onderzoek is gewerkt met een selectie van 100 gemeenten (+Brussel) (DEEL 1).
Vervolgens werden in overleg met de opdrachtgever en op basis van bestaand onderzoek vijf
indicatoren opgesteld om een indeling te maken in de steden en gemeenten (DEEL 2). Op basis van
deze indicatoren kwamen we tot een drietal composietindicatoren. Elke composiet werd op een
andere manier opgesteld, afhankelijk van welke indicator(en) men wou beklemtonen.
Vanuit deze composieten is een typologie opgesteld en detecteren we (top) stedelijke regio’s,
openbaar vervoersknooppunten en verzorgende steden (DEEL 3).
In een volgende stap werd het invloedsgebied van de belangrijkste stedelijke regio’s bepaald (DEEL
4). Dit gebeurt aan de hand van het Verkeersmodel van De Lijn. Voor Brussel, Antwerpen en Gent
wordt gewerkt met alle zones die zich op 30 minuten invoertuigtijd van een centrale startzone (het
hoofdstation) bevinden. Het invloedsgebied of daily urban system van elke stad wordt dan gevormd
door die zones die een maximale kruislingse connectiviteit hebben van 40 minuten. Kruislingse
connectiviteit is een maat voor de gemiddelde reistijd naar gelijk welk andere zone in het daily urban
system. Voor Leuven, Brugge, Mechelen, Hasselt-Genk en Kortrijk wordt gewerkt met grenswaarden
van 20 minuten invoertuigtijd en 30 minuten kruislingse connectiviteit. Op die manier wordt voor
elke stedelijke regio een gebied afgebakend dat een grote interne samenhang heeft.
De resultaten van elke stedelijke regio worden gecombineerd op enkele samenvattende
kaartbeelden en worden gekoppeld aan de bestaande spoorweginfrastructuur (DEEL 5). Op die
manier krijgen we een beeld van hoe het netwerk vandaag is opgebouwd en welke stad op welk
knooppunt in het netwerk een invloed heeft. In het onderzoek is ook aangegeven hoeveel
stationslokaties zich in elke stedelijke regio bevinden.
Uitgangspunt is dat bijkomende ontwikkelingen zich idealiter nabij deze knooppunten bevinden. Uit
deze studie kunnen we dan ook concluderen dat er een groot potentieel is voor elk van deze locaties
binnen een stedelijk netwerk.
Uiteraard moet men zich bewust blijven van het feit dat dit onderzoek is opgestart vanuit een
bepaalde beleidsvisie. Keuzes zijn zoveel mogelijk gemaakt op basis van bestaand onderzoek,
literatuur en expertise van de onderzoekers, maar dit neemt niet weg dat sommige keuzes eerder
‘arbitrair’ zijn gemaakt, ingegeven door een bepaald beleidsmatig standpunt. In een volgende stap
kan een diepgaandere inschatting worden gemaakt van de groeimogelijkheden en potenties die zich
situeren binnen de afgebakende stedelijke regio’s. Echter, de grenzen zijn geen harde grenzen en
moeten eerder beschouwd worden als invloedsgebieden binnen een polycentrisch netwerk. Het
onderzoek geeft een inzicht in de bestaande situatie, de bestaande stedenstructuur. Het is een
momentopname op een bepaald tijdsstip waarop toekomstige ontwikkelingen zich verder zullen
enten, gestuurd vanuit een bepaalde visie.
�
75
Het basisidee dat Vlaanderen kan uitgroeien tot een polycentrisch netwerk van steden en
voorzieningen op verschillende niveaus blijft hiermee dus zeker overeind, meer nog er is een grote
potentie in sommige regio’s. Knooppuntlocaties die volledig zijn opgenomen in een stedelijke regio
bieden aldus meer potentie voor toekomstige ontwikkelingen dan knooppunten die dat niet zijn.
Indien Vlaanderen echt het netwerk wil versterken én een kritische massa wil genereren binnen een
polycentrisch systeem, dan moet het beleidsprogramma afgestemd worden in functie van deze
stedelijke regio’s en de bepalende knooppunten. Het is zeker zo dat er een enorm groot aantal
knooppuntlocaties (of stations) in de stedelijke regio’s gelegen zijn en dat deze dus een heel groot
potentieel in zich dragen.�
�
76
3 HOOFDSTUK 3: KAARTMATERIAAL
Kaart 1: Indicator 1 Knooppuntwaarde
Kaart 2: Indicator 2 Voorzieningen
Kaart 3: Indicator 3 Integratie in de economische structuur
Kaart 4: Indicator 4 Internationale connectiviteit
Kaart 5: Indicator 5 Verstedelijkingsgraad
Kaart 6: Draft Composietkaart
Kaart 7: Composietindicator 1: Stedelijkheid
Kaart 8: Composietindicator 2: Openbaar vervoer
Kaart 9: Composiet 3: Verzorgingsniveau
Kaart 10: Typologie van de steden en gemeenten in Vlaanderen
Kaart 11: Invoertuigtijd naar Brussel
Kaart 12: Invoertuigtijd naar Antwerpen
Kaart 13: Invoertuigtijd naar Gent
Kaart 14: Invoertuigtijd naar Leuven
Kaart 15: Invoertuigtijd naar Brugge
Kaart 16: Invoertuigtijd naar Mechelen
Kaart 17: Invoertuigtijd naar Hasselt-Genk
Kaart 18: Invoertuigtijd naar Kortrijk
Kaart 19: Kruislingse connectiviteit Brussel
Kaart 20: Kruislingse connectiviteit Antwerpen
Kaart 21: Kruislingse connectiviteit Gent
Kaart 22: Kruislingse connectiviteit Leuven
Kaart 23: Kruislingse connectiviteit Brugge
Kaart 24: Kruislingse connectiviteit Mechelen
Kaart 25: Kruislingse connectiviteit Hasselt-Genk
Kaart 26: Kruislingse connectiviteit Kortrijk
Kaart 27: Daily urban systems in Vlaanderen – volgens stedelijke regio
Kaart 28: Daily urban systems in Vlaanderen – 101 gemeenten
Kaart 29: Daily urban systems in Vlaanderen – het infrastructuurnetwerk
�
77
4 HOOFDSTUK 4: BIJLAGEN
Tabel 6: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten)
Tabel 7: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten)
Tabel 8: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101 gemeenten)
Tabel 9: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten)
Tabel 10: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten)
Tabel 11: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks
Tabel 12: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks
Tabel 13: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks
Tabel 14: Typologie steden in alfabetische rangschikking
�
78
Tabel 7: Hoofdindicator 1 Knooppuntwaarde ( Input en rangschikking 101 gemeenten)
Deel-
ind. 1
Deel-
ind. 2
Deel-
ind. 1
Deel-
ind. 2
Deel-
ind. 2
Deel-
ind. 1
Deel-
ind. 2
Deel-
ind. 2#
ho
ofd
lijn
en
# v
ert
rekk
en
de
tre
ine
n
op
24
u
An
twe
rpe
n
Ge
nt
Bru
sse
l-N
oo
rd
Bru
sse
l-Zu
id
Lu
ik
Lil
le
Aach
en
Ch
arl
ero
i-Su
d
Ein
dh
ove
n
ko
rtst
e
twe
ed
e k
ort
ste
de
rde
ko
rtst
e
kort
ste
afs
tan
d n
aar
dri
e g
rote
ste
de
n (
0-3
0-
45
)
# h
oo
fdli
jne
n
# v
ert
rekk
en
de
tre
ine
n
op
24
u
kort
ste
afs
tan
d n
aar
gro
te s
ted
en
# h
oo
fdli
jne
n
# v
ert
rekk
en
de
tre
ine
n
op
24
u
kort
ste
afs
tan
d n
aar
gro
te s
ted
en
Mechelen 5 478 20 60 14 23 105 300 183 141 330 14 20 60 94 0,8333 1 1 2,8333 1,3333 1,8141 0,6463 3,7937
Gent 5 413 81 0 50 32 204 117 258 177 492 0 32 81 113 0,8333 0,864 0,9698 2,6671 1,3333 1,5674 0,6267 3,5275
Antwerpen 4 430 0 81 42 46 180 279 252 210 273 0 42 81 123 0,6667 0,8996 0,9539 2,5201 1,0667 1,6319 0,6165 3,3151
Leuven 4 362 75 102 16 25 38 279 135 147 381 16 38 75 129 0,6667 0,7573 0,9444 2,3683 1,0667 1,3739 0,6103 3,0508
Denderleeuw 3 297 150 18 27 18 126 252 201 141 477 18 18 126 162 0,5 0,6213 0,8919 2,0132 0,8 1,1272 0,5764 2,5036
Halle 3 263 147 87 18 9 111 171 186 138 474 9 87 111 207 0,5 0,5502 0,8203 1,8706 0,8 0,9981 0,5302 2,3283
Hasselt 4 158 126 264 87 114 105 420 234 294 483 87 105 126 318 0,6667 0,3305 0,6439 1,6411 1,0667 0,5996 0,4161 2,0824
Kortrijk 3 185 159 24 144 117 273 32 348 222 573 24 32 117 173 0,5 0,387 0,8744 1,7614 0,8 0,7021 0,5651 2,0672
Vilvoorde 2 243 34 108 7 17 114 276 156 144 387 7 34 108 149 0,3333 0,5084 0,9126 1,7543 0,5333 0,9222 0,5898 2,0453
Lier 2 226 15 141 38 58 168 309 276 237 336 15 38 141 194 0,3333 0,4728 0,841 1,6472 0,5333 0,8577 0,5435 1,9346
Geraardsbergen 4 112 252 44 75 58 294 222 354 210 570 44 58 210 312 0,6667 0,2343 0,6534 1,5544 1,0667 0,4251 0,4223 1,914
Merelbeke 3 134 147 5 72 40 228 141 300 234 519 5 40 141 186 0,5 0,2803 0,8537 1,6341 0,8 0,5086 0,5517 1,8603
Sint-Niklaas 2 176 21 29 108 135 228 210 300 258 375 21 29 108 158 0,3333 0,3682 0,8983 1,5998 0,5333 0,668 0,5805 1,7818
Lokeren 2 154 34 20 63 90 276 183 261 291 417 20 34 63 117 0,3333 0,3222 0,9634 1,6189 0,5333 0,5845 0,6226 1,7404
Dendermonde 2 152 111 23 23 34 150 246 192 228 453 23 23 111 157 0,3333 0,318 0,8998 1,5512 0,5333 0,5769 0,5815 1,6917
Wetteren 2 161 105 11 105 90 258 183 306 249 513 11 90 105 206 0,3333 0,3368 0,8219 1,4921 0,5333 0,611 0,5312 1,6756
Aarschot 2 158 42 186 28 44 177 333 258 207 474 28 42 177 247 0,3333 0,3305 0,7568 1,4206 0,5333 0,5996 0,4891 1,622
Brugge 1 236 177 24 120 96 288 159 366 264 579 24 96 159 279 0,1667 0,4937 0,7059 1,3663 0,2667 0,8957 0,4562 1,6185
Aalst 2 146 195 25 46 29 189 234 255 180 525 25 29 180 234 0,3333 0,3054 0,7774 1,4162 0,5333 0,5541 0,5024 1,5899
De Pinte 2 130 147 5 75 52 231 132 306 204 522 5 52 132 189 0,3333 0,272 0,849 1,4543 0,5333 0,4934 0,5487 1,5754
Zottegem 2 137 210 20 54 34 210 198 255 204 549 20 34 198 252 0,3333 0,2866 0,7488 1,3688 0,5333 0,5199 0,4839 1,5372
Oudenaarde 2 125 228 27 90 66 219 180 294 255 606 27 66 180 273 0,3333 0,2615 0,7154 1,3103 0,5333 0,4744 0,4624 1,4701
Zaventem 2 107 120 126 7 16 129 336 171 132 453 7 120 126 253 0,3333 0,2238 0,7472 1,3044 0,5333 0,4061 0,4829 1,4223
Liedekerke 1 163 138 50 25 17 147 279 222 141 465 17 50 138 205 0,1667 0,341 0,8235 1,3312 0,2667 0,6186 0,5322 1,4175
Landen 2 105 186 225 52 75 28 387 171 219 384 28 52 171 251 0,3333 0,2197 0,7504 1,3034 0,5333 0,3985 0,485 1,4168
Mortsel 1 153 8 132 84 105 219 339 291 219 309 8 84 132 224 0,1667 0,3201 0,7933 1,2801 0,2667 0,5807 0,5127 1,36
Deinze 2 85 168 12 129 96 252 141 327 225 540 12 96 141 249 0,3333 0,1778 0,7536 1,2647 0,5333 0,3226 0,487 1,3429
Herentals 1 158 30 207 72 99 246 375 321 282 393 30 72 207 309 0,1667 0,3305 0,6582 1,1554 0,2667 0,5996 0,4254 1,2917
Puurs 2 59 42 117 72 81 267 324 393 252 420 42 72 117 231 0,3333 0,1234 0,7822 1,239 0,5333 0,2239 0,5055 1,2628
Tienen 1 123 159 192 15 48 56 360 177 186 423 15 56 159 230 0,1667 0,2573 0,7838 1,2078 0,2667 0,4668 0,5065 1,24
Erpe-Mere 2 63 192 72 54 27 201 249 276 198 519 27 72 192 291 0,3333 0,1318 0,6868 1,1519 0,5333 0,2391 0,4439 1,2163
Lichtervelde 2 83 240 40 171 144 363 183 471 342 618 40 144 183 367 0,3333 0,1736 0,566 1,073 0,5333 0,315 0,3658 1,2141
Waregem 1 90 129 14 102 111 276 66 351 255 573 14 66 102 182 0,1667 0,1883 0,8601 1,215 0,2667 0,3416 0,5559 1,1641
Diest 1 114 84 198 54 78 159 375 318 249 525 54 84 159 297 0,1667 0,2385 0,6773 1,0824 0,2667 0,4327 0,4377 1,137
Haacht 1 87 44 138 48 69 108 381 195 210 435 44 48 108 200 0,1667 0,182 0,8315 1,1802 0,2667 0,3302 0,5374 1,1342
Aalter 1 91 135 13 105 72 291 195 336 285 537 13 72 135 220 0,1667 0,1904 0,7997 1,1567 0,2667 0,3454 0,5168 1,1288
Beveren 1 74 17 44 105 132 246 252 318 246 348 17 44 105 166 0,1667 0,1548 0,8855 1,207 0,2667 0,2808 0,5723 1,1198
Kontich 1 89 20 168 69 96 168 390 258 213 405 20 69 168 257 0,1667 0,1862 0,7409 1,0937 0,2667 0,3378 0,4788 1,0832
Asse 1 97 144 129 15 24 153 345 210 171 501 15 129 144 288 0,1667 0,2029 0,6916 1,0612 0,2667 0,3681 0,4469 1,0817
Lede 1 87 219 19 60 38 207 219 282 207 546 19 38 207 264 0,1667 0,182 0,7297 1,0784 0,2667 0,3302 0,4716 1,0685
Ternat 1 77 144 120 21 29 138 330 210 180 510 21 120 138 279 0,1667 0,1611 0,7059 1,0336 0,2667 0,2922 0,4562 1,0151
Dilbeek 1 76 120 141 16 25 174 288 189 159 486 16 120 141 277 0,1667 0,159 0,7091 1,0347 0,2667 0,2884 0,4582 1,0133
Sint-Katelijne-Waver 1 74 29 174 48 69 204 357 231 183 378 29 69 174 272 0,1667 0,1548 0,717 1,0385 0,2667 0,2808 0,4634 1,0109
Harelbeke 1 56 198 21 126 99 297 90 402 279 591 21 90 99 210 0,1667 0,1172 0,8156 1,0994 0,2667 0,2125 0,5271 1,0063
Heist-op-den-Berg 1 80 25 177 102 129 192 345 318 273 432 25 102 177 304 0,1667 0,1674 0,6661 1,0002 0,2667 0,3036 0,4305 1,0008
Kapellen 1 72 14 177 84 111 231 345 303 264 246 14 84 177 275 0,1667 0,1506 0,7122 1,0295 0,2667 0,2733 0,4603 1,0002
Zele 1 42 90 58 40 72 171 225 243 291 483 40 58 90 188 0,1667 0,0879 0,8506 1,1051 0,2667 0,1594 0,5497 0,9758
Izegem 1 81 273 75 219 189 315 72 390 276 690 72 75 189 336 0,1667 0,1695 0,6153 0,9514 0,2667 0,3074 0,3976 0,9717
Torhout 1 94 300 84 210 183 348 120 438 324 654 84 120 183 387 0,1667 0,1967 0,5342 0,8975 0,2667 0,3567 0,3452 0,9686
Ninove 1 66 219 44 69 54 243 303 258 186 555 44 54 186 284 0,1667 0,1381 0,6979 1,0027 0,2667 0,2505 0,4511 0,9682
Willebroek 1 42 46 138 56 66 165 375 273 234 435 46 56 138 240 0,1667 0,0879 0,7679 1,0224 0,2667 0,1594 0,4963 0,9223
Geel 1 95 52 240 147 174 384 408 366 327 435 52 147 240 439 0,1667 0,1987 0,4515 0,8169 0,2667 0,3605 0,2918 0,919
Roeselare 1 80 309 93 234 207 333 90 408 369 675 90 93 207 390 0,1667 0,1674 0,5294 0,8634 0,2667 0,3036 0,3421 0,9124
Diepenbeek 1 71 165 294 117 144 78 543 237 309 486 78 117 165 360 0,1667 0,1485 0,5771 0,8923 0,2667 0,2695 0,373 0,9091
Temse 1 44 93 93 99 114 300 285 366 279 480 93 93 99 285 0,1667 0,0921 0,6963 0,9551 0,2667 0,167 0,45 0,8837
Bornem 1 45 102 105 87 102 288 300 558 267 468 87 102 105 294 0,1667 0,0941 0,682 0,9428 0,2667 0,1708 0,4408 0,8782
Wevelgem 1 43 252 46 177 150 312 99 387 348 642 46 99 150 295 0,1667 0,09 0,6804 0,9371 0,2667 0,1632 0,4398 0,8696
Bilzen 1 72 183 315 138 165 60 513 219 291 468 60 165 183 408 0,1667 0,1506 0,5008 0,8181 0,2667 0,2733 0,3236 0,8636
Essen 1 68 34 231 138 165 285 399 357 318 240 34 138 231 403 0,1667 0,1423 0,5087 0,8177 0,2667 0,2581 0,3288 0,8535
Menen 1 43 267 56 192 165 327 114 402 363 657 56 114 165 335 0,1667 0,09 0,6169 0,8735 0,2667 0,1632 0,3987 0,8285
Tielt 1 40 207 24 138 111 327 195 402 309 582 24 111 195 330 0,1667 0,0837 0,6248 0,8751 0,2667 0,1518 0,4038 0,8223
Oostende 1 60 225 48 168 141 336 219 444 312 627 48 141 219 408 0,1667 0,1255 0,5008 0,793 0,2667 0,2277 0,3236 0,818
Sint-Truiden 1 43 231 276 75 102 90 432 183 288 432 75 90 183 348 0,1667 0,09 0,5962 0,8528 0,2667 0,1632 0,3853 0,8152
Mol 1 81 72 264 171 198 390 432 690 351 450 72 171 264 507 0,1667 0,1695 0,3434 0,6795 0,2667 0,3074 0,2219 0,796
Tongeren 1 52 210 345 168 180 42 543 192 264 438 42 168 192 402 0,1667 0,1088 0,5103 0,7858 0,2667 0,1974 0,3298 0,7938
Boom 1 33 27 165 174 168 261 375 333 294 393 27 165 168 360 0,1667 0,069 0,5771 0,8128 0,2667 0,1252 0,373 0,7649
Turnhout 1 40 78 282 120 147 267 546 369 330 477 78 120 267 465 0,1667 0,0837 0,4102 0,6605 0,2667 0,1518 0,2651 0,6836
Eeklo 1 19 180 40 201 174 429 276 591 315 570 40 174 180 394 0,1667 0,0397 0,5231 0,7295 0,2667 0,0721 0,338 0,6768
Knokke-Heist 1 40 282 69 198 171 369 249 483 348 687 69 171 249 489 0,1667 0,0837 0,372 0,6224 0,2667 0,1518 0,2404 0,6589
Diksmuide 1 53 294 78 225 198 420 357 495 396 684 78 198 294 570 0,1667 0,1109 0,2432 0,5208 0,2667 0,2011 0,1572 0,625
Ronse 1 21 264 58 180 150 279 276 354 303 672 58 150 264 472 0,1667 0,0439 0,399 0,6096 0,2667 0,0797 0,2579 0,6043
Ieper 1 43 339 171 249 225 381 168 456 417 714 168 171 225 564 0,1667 0,09 0,2528 0,5094 0,2667 0,1632 0,1634 0,5932
Blankenberge 1 21 285 72 201 174 393 252 501 369 690 72 174 252 498 0,1667 0,0439 0,3577 0,5683 0,2667 0,0797 0,2312 0,5775
Beringen 1 34 159 351 213 240 210 519 483 438 537 159 210 213 582 0,1667 0,0711 0,2242 0,462 0,2667 0,129 0,1449 0,5406
Lommel 1 36 117 303 216 243 459 477 615 396 495 117 216 303 636 0,1667 0,0753 0,1383 0,3803 0,2667 0,1366 0,0894 0,4927
Veurne 1 39 330 114 291 264 453 306 528 411 717 114 264 306 684 0,1667 0,0816 0,062 0,3103 0,2667 0,148 0,0401 0,4548
Genk 1 25 246 333 186 213 210 525 303 378 552 186 210 246 642 0,1667 0,0523 0,1288 0,3477 0,2667 0,0949 0,0832 0,4448
Poperinge 1 22 366 195 276 249 405 192 480 441 762 192 195 249 636 0,1667 0,046 0,1383 0,351 0,2667 0,0835 0,0894 0,4395
Overpelt 1 36 135 327 234 261 408 495 603 414 513 135 234 327 696 0,1667 0,0753 0,0429 0,2849 0,2667 0,1366 0,0277 0,431
Neerpelt 1 20 144 336 243 270 486 504 612 423 522 144 243 336 723 0,1667 0,0418 0,0408 0,2493 0,2667 0,0759 0,0264 0,3689
Maasmechelen 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Maaseik 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Brasschaat 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Koksijde 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Grimbergen 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Edegem 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Houthalen-Helchteren 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Overijse 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Heusden-Zolder 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Bree 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Lanaken 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Schoten 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Bonheiden 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Zelzate 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Sint-Pieters-Leeuw 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Middelkerke 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Malle 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Machelen 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Westerlo 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Hamme 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
SOM 20,833 18,374 51,578 90,786 33,333 33,333 33,333 100
Brussel 6 981 31 1 2,0523 1,1002 4,1525 1,6 3,7231 0,711 6,0341
HERSCHALING 2
HO
OFD
IND
ICA
TO
R 1
Deelindicator 3
gemeente
INPUT
IND
ICA
TO
R 1
HERSHCALING 1
�
79
Tabel 8: Hoofdindicator 2 Voorzieningenniveau (Input en rangschikking 101 gemeenten)
HERSCHALING 1 HERSCHALING 2
gemeente
me
dis
ch
,
maats
ch
ap
pe
lijk
e e
n
socia
le z
org
fun
cti
e
spo
rt,
recre
ati
e,
ho
reca
die
nst
en
me
t lo
ke
tfu
ncti
e
ove
rhe
idsf
un
cti
es
cu
ltu
rele
fu
ncti
es
on
de
rwij
s
de
tail
han
de
lsfu
ncti
e
ve
rvo
er
kw
ali
tati
eve
uit
rust
ingss
co
re
IND
ICA
TO
R 2
HO
OFD
IND
ICA
TOR
2
Antwerpen 48,19 19,6 36 24 104,98 105,8 91 17 78,14 1,0000 9,6537
Gent 53,97 16,58 21,61 24 92,12 98,26 42 15 63,39 0,8112 7,8311
Leuven 42,66 4,78 14,15 24 38,04 123,7 18 15 48,36 0,6189 5,9748
Brugge 34,05 13,29 10,74 24 40,32 27,65 29 13 32,59 0,4171 4,0266
Hasselt 30,19 6,63 14,3 24 41,74 20,53 21 8,3 28,66 0,3668 3,5412
Kortrijk 20,29 13,36 13,45 12 23,13 42,52 14 7,9 25,25 0,3231 3,1189
Oostende 13,86 20,78 9,94 7,4 44,84 15,46 16 6,2 23,33 0,2986 2,8824
Mechelen 10,5 2,72 10,45 12 50,09 21,11 18 9,4 22,67 0,2901 2,8004
Aalst 28,89 4,67 9,88 7,4 14,38 19,7 16 7,4 18,28 0,2339 2,2584
Turnhout 13,19 2,44 9,81 11 24,69 17,91 9,4 3,6 16,00 0,2048 1,9767
Roeselare 20,87 2,48 10,09 7,4 15,76 14,07 17 4,6 15,91 0,2036 1,9650
Sint-Niklaas 18,79 4,96 10,15 7,4 13,99 15,38 16 8,4 15,82 0,2025 1,9547
Genk 15,9 7,41 5,79 4,6 16,66 10,48 11 3,4 12,97 0,1660 1,6025
Asse 5,23 1 3,81 43 2,68 3,55 10 2,9 12,58 0,1610 1,5546
Ieper 12,17 2,58 9,15 10 22,06 5,46 6,4 2,1 12,34 0,1579 1,5241
Geel 11,44 2,42 5,59 4,2 11,55 14,43 6,9 2,1 10,26 0,1313 1,2678
Diest 8,19 1,9 5,9 2,7 20,56 9,73 5,9 2,8 9,98 0,1277 1,2327
Dendermonde 10,55 1,85 7,41 9,5 9,86 6,48 7,3 4,9 9,62 0,1232 1,1889
Lier 13,61 1,64 4,86 2,3 8,69 14,4 7,4 4,3 9,62 0,1231 1,1885
Knokke-Heist 11,16 5,69 1,23 1,5 12,92 2,88 17 1,8 9,61 0,1229 1,1867
Halle 10,48 1,55 4,55 5,6 2,75 7,83 18 5,2 9,31 0,1191 1,1496
Tongeren 9,57 1,47 6,55 9,6 5,37 6,01 5,8 3,1 8,06 0,1032 0,9960
Oudenaarde 7,84 2,48 7,38 11 1,79 7,17 5,5 3,3 7,93 0,1014 0,9794
Diepenbeek 1,92 1,32 0 0 0 36,86 2,4 2,1 7,72 0,0988 0,9538
Zaventem 2,29 20 3,82 1,8 2,47 0,95 8,7 7,2 7,28 0,0932 0,8996
Waregem 7,09 2,96 5,44 2,7 5,9 6,96 7,7 2,1 7,05 0,0902 0,8709
Tienen 9,17 1,67 7,82 2,7 6,16 5,12 5,9 4,7 7,02 0,0898 0,8668
Sint-Truiden 12,26 3,82 3,69 2,7 3,58 4,34 7,9 2 6,97 0,0892 0,8610
Herentals 6,11 3,78 8,3 2,6 6,62 3,6 5,9 3,4 6,71 0,0859 0,8295
Vilvoorde 8,88 1,52 7,81 5,6 1,44 6,25 5 5,4 6,62 0,0848 0,8183
Maasmechelen 3,42 2,12 4,96 2,7 10,65 4,53 7 1,1 6,42 0,0821 0,7929
Tielt 7,08 2,23 4,49 4,9 4,41 8,54 3,4 1,6 6,37 0,0815 0,7871
Eeklo 8,36 1,54 5,65 5,6 3,31 6,02 4,3 1,9 6,31 0,0808 0,7797
Lokeren 9,32 1,93 5,2 2,7 4,69 4,82 5,5 3 6,22 0,0796 0,7682
Mol 7,28 2,22 5,54 1,5 7,06 4,07 6,2 1,7 6,15 0,0787 0,7601
Maaseik 6,62 1,92 2,52 6,6 6,81 5,16 4,2 1,8 6,15 0,0787 0,7597
Aarschot 3,67 1,43 5,66 2,6 8,24 8 4,1 4,7 6,13 0,0784 0,7568
Brasschaat 13,22 2,13 2,29 1,7 1,92 5,99 5,5 0,9 5,95 0,0761 0,7348
Ninove 6,39 1,79 4,42 2,7 3,75 4,14 8,1 2,4 5,70 0,0729 0,7042
Heist-op-den-Berg 10,6 2,3 2,7 1,7 2,4 4,38 7,2 1,9 5,68 0,0727 0,7022
Torhout 5,03 2,25 2,97 2,7 5,15 10,04 2,8 1,3 5,62 0,0720 0,6948
Veurne 5,46 1,54 3,56 11 2,17 3,56 2,8 1,7 5,56 0,0712 0,6871
Lommel 3,01 2,01 2,55 3,8 9,77 3,26 5,5 1,2 5,42 0,0693 0,6694
Geraardsbergen 7,29 1,76 3,09 2,3 7,89 3,17 3,6 5,6 5,31 0,0679 0,6555
Deinze 6,12 1,31 5,25 2,2 3,89 4,27 5,6 2,9 5,21 0,0666 0,6433
Zottegem 9,42 1,59 4,05 1,8 3,22 3,81 4 3,4 5,07 0,0649 0,6263
Menen 8,05 1,49 3,47 2,7 2,6 5,1 4,4 1,7 5,07 0,0648 0,6260
Boom 2,31 1,52 5,71 1,7 3,7 9,5 3,1 2,2 5,00 0,0640 0,6182
Beveren 5,08 3,63 5,36 4,6 1,71 1,75 5,3 2,4 4,97 0,0636 0,6144
Blankenberge 6,06 6,14 2,52 1,3 2,43 3,63 4,8 1,3 4,89 0,0625 0,6038
Izegem 6,78 1,72 3,23 2,1 4,86 3,7 4 1,4 4,79 0,0612 0,5912
Beringen 2,29 1,62 3,2 2,1 5,54 5,41 5,5 1,5 4,66 0,0597 0,5762
Overpelt 15,91 2,45 2,18 0,2 1,17 1,96 1,6 1,6 4,63 0,0593 0,5723
Wetteren 6,15 0,85 3,48 1,9 2,72 5,81 4 2,6 4,53 0,0579 0,5593
Ronse 8,54 1,5 3,14 2,3 3,6 1,29 4,1 2,3 4,45 0,0569 0,5494
Koksijde 3,89 2,28 0,81 1,5 8,33 1,81 5,3 1,2 4,36 0,0558 0,5382
Grimbergen 4,99 2,07 0,41 1,7 8,8 0,73 4,3 1,7 4,18 0,0535 0,5162
Mortsel 6,39 1,02 3,09 0,7 1,45 5,33 4,4 5,3 4,06 0,0519 0,5014
Poperinge 2,79 3,56 0,63 1,7 3,35 6,21 2,8 1,6 3,83 0,0490 0,4731
Houthalen-Helchteren 0,56 3 3,3 1,2 5,45 3,67 3,6 1,4 3,78 0,0484 0,4674
Edegem 11,68 1,7 0 1,3 2,23 0,9 2,6 2,5 3,71 0,0475 0,4589
Heusden-Zolder 7,33 2,07 0,63 1 2,88 1,46 4,7 1,5 3,63 0,0465 0,4486
Overijse 1,34 2,43 1,06 2,3 7,94 1,49 3,2 2 3,60 0,0460 0,4445
Bree 3,65 1,64 3,63 2,3 1,77 3,65 2,9 1 3,55 0,0455 0,4389
Merelbeke 6,01 2,41 1,64 1,7 1,66 2,44 3,6 3,2 3,53 0,0452 0,4362
Lanaken 5,73 2,7 0,91 0,3 5,27 1,42 3,1 0,9 3,53 0,0452 0,4362
Dilbeek 1,34 1,5 2,37 0,3 6,37 2,17 5,2 2,9 3,50 0,0448 0,4326
Bilzen 2,47 1,91 3,25 2,1 2,35 2,64 4,5 1,7 3,50 0,0448 0,4322
Diksmuide 1,43 2,21 3,81 5 1,99 1,74 2,9 1,3 3,47 0,0444 0,4288
Bornem 5,32 1,9 2,27 0,1 6,17 0,93 2,3 1 3,46 0,0443 0,4277
Sint-Katelijne-Waver 7,1 1,38 0,5 0,1 1,76 5,68 2 2,1 3,38 0,0433 0,4176
Temse 4,73 1,47 3,02 1,3 3,91 0,77 2,7 1,9 3,26 0,0417 0,4028
Schoten 1,71 0,9 4,02 0,4 1,37 2,32 6,6 2,2 3,15 0,0403 0,3895
Harelbeke 0,2 1,4 2,61 2,7 4,72 2,38 3 1,7 3,08 0,0394 0,3803
Neerpelt 2,12 1,25 3,74 0,7 2,74 3,56 2 2,1 2,92 0,0374 0,3610
Bonheiden 12,91 0,6 0 0,2 1,02 0,04 1,2 1 2,91 0,0372 0,3590
Zelzate 4,37 1,02 5,38 1,7 0 1,46 1,9 0,7 2,88 0,0369 0,3563
Kapellen 2,39 1,17 3,29 1,5 0,89 1,5 4,5 1,8 2,77 0,0354 0,3419
Middelkerke 0,2 5,96 0 0,6 3,03 0,65 4,5 0,9 2,71 0,0347 0,3351
Sint-Pieters-Leeuw 4,22 1,78 0,63 1,1 0,7 0,72 5,3 1,4 2,63 0,0337 0,3255
Malle 4,68 1,32 2,42 0,8 0,27 3,07 1,8 0,9 2,62 0,0336 0,3239
Willebroek 4,89 1,51 1,06 1,9 1,52 1,05 2,5 1,5 2,62 0,0335 0,3235
Westerlo 0,2 1,72 2,7 1,8 1,62 3,29 3 1 2,60 0,0333 0,3210
Hamme 4,84 1,48 0,63 1,1 1,97 1,22 2,8 0,9 2,55 0,0326 0,3145
Wevelgem 1,04 1,92 2,52 0,2 2,62 1,32 4,4 1,3 2,53 0,0324 0,3131
Kontich 1,34 1,23 2,76 0,9 0,86 3,25 3 2 2,41 0,0309 0,2981
Puurs 1,39 1,48 2,84 0,1 3,39 1,67 2,3 2,4 2,39 0,0306 0,2956
Aalter 5 1,35 1,38 0,9 0,66 1,33 2,4 1,7 2,36 0,0302 0,2913
Haacht 1,23 0,45 3,01 1 0,12 3,73 2 3,1 2,09 0,0268 0,2588
Machelen 0,65 2,79 1,5 0,2 0,59 0,89 4,1 4,6 1,94 0,0249 0,2401
Zele 1,79 0,0229 0,2211
Liedekerke 1,76 0,0225 0,2174
Landen 1,57 0,0201 0,1940
Ternat 1,51 0,0193 0,1866
Lede 1,50 0,0192 0,1853
Essen 1,36 0,0174 0,1680
Lichtervelde 1,31 0,0168 0,1618
Denderleeuw 1,24 0,0159 0,1532
Erpe-Mere 1,01 0,0129 0,1248
De Pinte 0,57 0,0073 0,0704
SOM 10,3587 100,0000
Brussel 100 1,2798 10,3587
INPUT
�
80
Tabel 9: Hoofdindicator 3: Integratie in de economische structuur (Input en rangschikking 101 gemeenten)
Deel-ind.
1
Deel-
ind. 2
Deel-
ind. 1
Deel-
ind. 2
Deel-
ind. 1
Deel-
ind. 2te
we
rkst
ell
ing
(VTE)
toe
gevo
egd
e
waa
rde
(m
io €
)
tew
erk
ste
llin
g
(VTE)
toe
gevo
egd
e
waa
rde
(m
io €
)
tew
erk
ste
llin
g
(VTE)
toe
gevo
egd
e
waa
rde
(m
io €
)
Antwerpen 247.650 23.149 1 1 2 7,6015 8,1674 15,769
Gent 149.105 12.519 0,6021 0,5408 1,1429 4,5767 4,4169 8,9936
Leuven 69.217 6.238 0,2795 0,2695 0,549 2,1246 2,201 4,3256
Brugge 62.396 5.062 0,252 0,2187 0,4706 1,9152 1,7858 3,7011
Hasselt 48.303 3.708 0,195 0,1602 0,3552 1,4826 1,3084 2,7911
Mechelen 44.083 3.879 0,178 0,1675 0,3456 1,3531 1,3684 2,7215
Zaventem 41.365 4.069 0,167 0,1758 0,3428 1,2697 1,4356 2,7052
Kortrijk 42.997 3.328 0,1736 0,1438 0,3174 1,3198 1,1743 2,494
Genk 35.794 2.748 0,1445 0,1187 0,2632 1,0987 0,9696 2,0683
Sint-Niklaas 29.629 2.607 0,1196 0,1126 0,2323 0,9094 0,9199 1,8294
Roeselare 30.785 2.437 0,1243 0,1053 0,2296 0,9449 0,8597 1,8047
Aalst 29.881 2.498 0,1207 0,1079 0,2286 0,9172 0,8813 1,7985
Vilvoorde 27.233 2.679 0,11 0,1157 0,2257 0,8359 0,9451 1,781
Oostende 27.181 2.376 0,1098 0,1026 0,2124 0,8343 0,8383 1,6726
Turnhout 26.393 2.309 0,1066 0,0998 0,2063 0,8101 0,8147 1,6249
Machelen 19.701 1.938 0,0796 0,0837 0,1633 0,6047 0,6837 1,2884
Geel 18.580 1.626 0,075 0,0702 0,1453 0,5703 0,5736 1,1439
Ieper 18.214 1.438 0,0735 0,0621 0,1357 0,5591 0,5074 1,0665
Halle 16.002 1.574 0,0646 0,068 0,1326 0,4912 0,5553 1,0465
Waregem 17.895 1.385 0,0723 0,0598 0,1321 0,5493 0,4887 1,038
Beveren 16.633 1.464 0,0672 0,0632 0,1304 0,5105 0,5164 1,027
Lier 16.414 1.444 0,0663 0,0624 0,1287 0,5038 0,5095 1,0133
Asse 15.372 1.512 0,0621 0,0653 0,1274 0,4718 0,5335 1,0053
Herentals 16.261 1.423 0,0657 0,0615 0,1271 0,4991 0,502 1,0011
Dendermonde 14.944 1.291 0,0603 0,0558 0,1161 0,4587 0,4554 0,9141
Oudenaarde 14.231 1.325 0,0575 0,0572 0,1147 0,4368 0,4673 0,9042
Sint-Truiden 15.593 1.197 0,063 0,0517 0,1147 0,4786 0,4224 0,901
Lokeren 13.763 1.211 0,0556 0,0523 0,1079 0,4224 0,4273 0,8498
Tienen 12.625 1.138 0,051 0,0492 0,1001 0,3875 0,4015 0,789
Dilbeek 10.805 1.063 0,0436 0,0459 0,0895 0,3317 0,375 0,7066
Kontich 11.064 1.034 0,0447 0,0447 0,0894 0,3396 0,3649 0,7045
Mol 11.426 1.000 0,0461 0,0432 0,0893 0,3507 0,3527 0,7034
Deinze 11.466 963 0,0463 0,0416 0,0879 0,3519 0,3397 0,6916
Brasschaat 10.725 1.003 0,0433 0,0433 0,0866 0,3292 0,3537 0,6829
Heist-op-den-Berg 10.922 961 0,0441 0,0415 0,0856 0,3352 0,339 0,6743
Grimbergen 10.224 1.006 0,0413 0,0434 0,0847 0,3138 0,3548 0,6686
Westerlo 10.006 875 0,0404 0,0378 0,0782 0,3071 0,3089 0,616
Izegem 10.487 830 0,0423 0,0359 0,0782 0,3219 0,2929 0,6148
Diest 9.780 881 0,0395 0,0381 0,0776 0,3002 0,311 0,6112
Menen 10.309 798 0,0416 0,0345 0,0761 0,3164 0,2815 0,598
Lommel 10.251 799 0,0414 0,0345 0,0759 0,3146 0,2819 0,5965
Schoten 9.340 873 0,0377 0,0377 0,0754 0,2867 0,308 0,5947
Tongeren 10.249 778 0,0414 0,0336 0,075 0,3146 0,2743 0,5889
Beringen 10.016 769 0,0404 0,0332 0,0737 0,3074 0,2713 0,5787
Aarschot 9.184 828 0,0371 0,0358 0,0728 0,2819 0,292 0,5739
Mortsel 8.832 826 0,0357 0,0357 0,0713 0,2711 0,2913 0,5624
Tielt 8.949 801 0,0361 0,0346 0,0708 0,2747 0,2827 0,5574
Wevelgem 9.550 739 0,0386 0,0319 0,0705 0,2931 0,2608 0,5539
Ninove 8.894 743 0,0359 0,0321 0,068 0,273 0,2623 0,5353
Knokke-Heist 8.886 721 0,0359 0,0311 0,067 0,2728 0,2543 0,5271
Puurs 8.479 746 0,0342 0,0322 0,0665 0,2603 0,2632 0,5235
Wetteren 8.436 729 0,0341 0,0315 0,0655 0,2589 0,2571 0,516
Heusden-Zolder 8.863 680 0,0358 0,0294 0,0652 0,272 0,2401 0,5121
Merelbeke 8.370 703 0,0338 0,0304 0,0642 0,2569 0,2479 0,5049
Eeklo 8.324 701 0,0336 0,0303 0,0639 0,2555 0,2472 0,5027
Maasmechelen 8.646 656 0,0349 0,0283 0,0632 0,2654 0,2314 0,4968
Temse 7.991 703 0,0323 0,0304 0,0626 0,2453 0,2481 0,4934
Houthalen-Helchteren 8.418 656 0,034 0,0283 0,0623 0,2584 0,2315 0,4899
Bornem 7.776 684 0,0314 0,0296 0,061 0,2387 0,2414 0,4801
Ronse 7.458 694 0,0301 0,03 0,0601 0,2289 0,2449 0,4738
Overpelt 7.765 605 0,0314 0,0261 0,0575 0,2383 0,2135 0,4519
Edegem 7.015 656 0,0283 0,0283 0,0567 0,2153 0,2314 0,4467
Malle 6.947 649 0,0281 0,0281 0,0561 0,2132 0,2291 0,4423
Willebroek 7.156 630 0,0289 0,0272 0,0561 0,2196 0,2221 0,4418
Harelbeke 7.311 566 0,0295 0,0244 0,054 0,2244 0,1997 0,4241
Veurne 6.629 624 0,0268 0,0269 0,0537 0,2035 0,22 0,4235
Sint-Pieters-Leeuw 6.278 618 0,0254 0,0267 0,052 0,1927 0,2179 0,4106
Kapellen 6.059 566 0,0245 0,0245 0,0489 0,186 0,1998 0,3858
Bilzen 6.648 504 0,0268 0,0218 0,0486 0,2041 0,1779 0,382
Zele 6.204 536 0,0251 0,0231 0,0482 0,1904 0,1891 0,3795
Geraardsbergen 6.259 523 0,0253 0,0226 0,0479 0,1921 0,1846 0,3767
Aalter 6.198 520 0,025 0,0225 0,0475 0,1902 0,1836 0,3738
Zottegem 6.135 513 0,0248 0,0222 0,0469 0,1883 0,1809 0,3693
Boom 5.764 539 0,0233 0,0233 0,0465 0,1769 0,1901 0,367
Diepenbeek 6.302 484 0,0254 0,0209 0,0463 0,1934 0,1707 0,3641
Torhout 6.133 498 0,0248 0,0215 0,0463 0,1882 0,1755 0,3638
Lanaken 6.322 480 0,0255 0,0207 0,0462 0,1941 0,1692 0,3633
Sint-Katelijne-Waver 5.739 505 0,0232 0,0218 0,045 0,1762 0,1782 0,3543
Bree 6.013 469 0,0243 0,0202 0,0445 0,1846 0,1654 0,3499
Maaseik 5.726 446 0,0231 0,0193 0,0424 0,1758 0,1575 0,3332
Ternat 4.977 490 0,0201 0,0211 0,0412 0,1528 0,1727 0,3255
Poperinge 5.538 437 0,0224 0,0189 0,0413 0,17 0,1543 0,3243
Koksijde 4.766 448 0,0192 0,0194 0,0386 0,1463 0,1582 0,3045
Diksmuide 4.632 414 0,0187 0,0179 0,0366 0,1422 0,146 0,2882
Hamme 4.637 401 0,0187 0,0173 0,036 0,1423 0,1413 0,2836
Overijse 4.284 421 0,0173 0,0182 0,0355 0,1315 0,1487 0,2802
Blankenberge 3.959 321 0,016 0,0139 0,0299 0,1215 0,1133 0,2348
Erpe-Mere 3.543 296 0,0143 0,0128 0,0271 0,1088 0,1045 0,2132
Essen 3.341 312 0,0135 0,0135 0,027 0,1026 0,1102 0,2127
Bonheiden 3.429 302 0,0138 0,013 0,0269 0,1053 0,1064 0,2117
Zelzate 3.449 290 0,0139 0,0125 0,0265 0,1059 0,1024 0,2083
Neerpelt 3.231 252 0,013 0,0109 0,0239 0,0992 0,0889 0,188
Haacht 2.888 260 0,0117 0,0112 0,0229 0,0886 0,0918 0,1805
Middelkerke 2.898 253 0,0117 0,0109 0,0226 0,089 0,0894 0,1783
Landen 2.390 215 0,0097 0,0093 0,019 0,0734 0,076 0,1494
Denderleeuw 2.401 201 0,0097 0,0087 0,0184 0,0737 0,0708 0,1445
Lede 2.285 191 0,0092 0,0083 0,0175 0,0701 0,0674 0,1375
Liedekerke 2.008 198 0,0081 0,0085 0,0166 0,0616 0,0697 0,1313
Lichtervelde 2.132 169 0,0086 0,0073 0,0159 0,0654 0,0595 0,125
De Pinte 1.201 101 0,0048 0,0044 0,0092 0,0369 0,0356 0,0724
SOM 6,5777 6,1219 12,7 50 50 100
Brussel 270.000 62.621 1,0902 2,7052 3,7954 8,2875 22,094 30,382
INPUT HERSCHALING 1 HERSCHALING 2
gemeente
IND
ICA
TOR
3
HO
OFD
IND
ICA
TOR
3
�
�
81
Tabel 10: Hoofdindicator 4: Internationale connectiviteit (Input en rangschikking 101 gemeenten)
Deel-
ind. 1
Deel-
ind. 1
Deel-
ind. 2
Deel-
ind. 1
Deel-
ind. 2B
russ
el
Nat
ion
ale
Lu
chth
ave
n
An
twe
rpe
n-C
en
traal
Bru
sse
l-Zu
id
Lu
ik-G
uil
lem
ins
Rij
sel
ko
rtst
e r
eis
tijd
naar
HST-
stati
on
Bru
sse
l N
atio
nale
Lu
chth
ave
n
HST-s
tati
on
s
Bru
sse
l N
atio
nale
Lu
chth
ave
n
HST-s
tati
on
s
Zaventem 4 120 16 129 336 16 1 0,9394 1,9394 1,0584 0,8054 1,8637
Mechelen 11 20 23 105 300 20 0,9811 0,9242 1,9054 1,0384 0,7924 1,8308
Antwerpen 38 0 46 180 279 0 0,9084 1 1,9084 0,9614 0,8573 1,8187
Leuven 13 75 25 38 279 25 0,9757 0,9053 1,881 1,0327 0,7761 1,8088
Vilvoorde 36 34 17 114 276 17 0,9137 0,9356 1,8494 0,9671 0,8021 1,7692
Halle 46 147 9 111 171 9 0,8868 0,9659 1,8527 0,9386 0,8281 1,7667
Liedekerke 50 138 17 147 279 17 0,876 0,9356 1,8116 0,9272 0,8021 1,7293
Denderleeuw 58 150 18 126 252 18 0,8544 0,9318 1,7863 0,9043 0,7989 1,7032
Sint-Katelijne-Waver 48 29 69 144 357 29 0,8814 0,8902 1,7716 0,9329 0,7632 1,696
Dilbeek 54 120 25 174 288 25 0,8652 0,9053 1,7705 0,9157 0,7761 1,6919
Lier 66 15 58 168 309 15 0,8329 0,9432 1,7761 0,8815 0,8086 1,6901
Tienen 32 159 48 56 360 48 0,9245 0,8182 1,7427 0,9785 0,7014 1,68
Kontich 66 20 96 168 390 20 0,8329 0,9242 1,7571 0,8815 0,7924 1,6739
Haacht 46 44 69 78 381 44 0,8868 0,8333 1,7201 0,9386 0,7144 1,653
Mortsel 87 8 105 219 339 8 0,7763 0,9697 1,746 0,8216 0,8313 1,6529
Asse 72 144 24 153 345 24 0,8167 0,9091 1,7258 0,8644 0,7794 1,6438
Ternat 75 144 29 138 330 29 0,8086 0,8902 1,6988 0,8558 0,7632 1,619
Willebroek 63 46 66 165 375 46 0,841 0,8258 1,6667 0,8901 0,7079 1,598
Aarschot 75 42 44 147 333 42 0,8086 0,8409 1,6495 0,8558 0,7209 1,5768
Aalst 90 195 29 189 234 29 0,7682 0,8902 1,6583 0,813 0,7632 1,5762
Gent 87 81 32 204 117 32 0,7763 0,8788 1,6551 0,8216 0,7534 1,575
Dendermonde 87 111 34 150 246 34 0,7763 0,8712 1,6475 0,8216 0,7469 1,5685
Beveren 108 17 132 246 252 17 0,7197 0,9356 1,6553 0,7617 0,8021 1,5638
Puurs 81 42 81 267 324 42 0,7925 0,8409 1,6334 0,8387 0,7209 1,5596
Kapellen 117 14 111 231 345 14 0,6954 0,947 1,6424 0,736 0,8119 1,5479
Herentals 111 30 99 246 375 30 0,7116 0,8864 1,598 0,7531 0,7599 1,513
Lede 108 219 38 207 219 38 0,7197 0,8561 1,5757 0,7617 0,7339 1,4956
Heist-op-den-Berg 123 25 129 192 345 25 0,6792 0,9053 1,5845 0,7189 0,7761 1,495
Sint-Niklaas 129 21 135 228 210 21 0,6631 0,9205 1,5835 0,7018 0,7891 1,4909
Boom 123 27 168 261 375 27 0,6792 0,8977 1,577 0,7189 0,7696 1,4885
Landen 78 186 75 84 387 75 0,8005 0,7159 1,5164 0,8473 0,6138 1,461
Erpe-Mere 138 192 27 201 249 27 0,6388 0,8977 1,5365 0,6761 0,7696 1,4458
Sint-Truiden 108 231 102 60 432 60 0,7197 0,7727 1,4924 0,7617 0,6625 1,4242
De Pinte 120 147 52 231 132 52 0,6873 0,803 1,4904 0,7275 0,6885 1,4159
Zottegem 147 210 34 180 198 34 0,6146 0,8712 1,4858 0,6504 0,7469 1,3973
Merelbeke 147 147 40 228 141 40 0,6146 0,8485 1,463 0,6504 0,7274 1,3779
Lokeren 171 34 90 276 183 34 0,5499 0,8712 1,4211 0,582 0,7469 1,3289
Bornem 96 102 102 288 300 102 0,752 0,6136 1,3657 0,7959 0,5261 1,322
Temse 108 93 114 300 285 93 0,7197 0,6477 1,3674 0,7617 0,5553 1,317
Geel 156 52 174 384 408 52 0,5903 0,803 1,3933 0,6248 0,6885 1,3132
Ninove 156 219 54 183 303 54 0,5903 0,7955 1,3858 0,6248 0,682 1,3067
Waregem 150 129 111 276 66 66 0,6065 0,75 1,3565 0,6419 0,643 1,2849
Kortrijk 189 159 117 273 32 32 0,5013 0,8788 1,3801 0,5306 0,7534 1,284
Zele 153 90 72 171 225 72 0,5984 0,7273 1,3257 0,6333 0,6235 1,2568
Diest 147 84 78 159 375 78 0,6146 0,7045 1,3191 0,6504 0,604 1,2545
Turnhout 159 78 147 267 546 78 0,5822 0,7045 1,2868 0,6162 0,604 1,2202
Deinze 141 168 96 252 141 96 0,6307 0,6364 1,2671 0,6675 0,5456 1,2131
Geraardsbergen 189 252 58 294 222 58 0,5013 0,7803 1,2817 0,5306 0,669 1,1996
Wetteren 153 105 90 258 183 90 0,5984 0,6591 1,2575 0,6333 0,5651 1,1984
Mol 180 72 198 390 432 72 0,5256 0,7273 1,2529 0,5563 0,6235 1,1798
Oudenaarde 189 228 66 219 180 66 0,5013 0,75 1,2513 0,5306 0,643 1,1736
Harelbeke 168 198 99 297 90 90 0,558 0,6591 1,217 0,5905 0,5651 1,1556
Aalter 189 135 72 291 195 72 0,5013 0,7273 1,2286 0,5306 0,6235 1,1541
Hasselt 156 126 114 105 420 105 0,5903 0,6023 1,1926 0,6248 0,5163 1,1411
Essen 237 34 165 285 399 34 0,372 0,8712 1,2432 0,3937 0,7469 1,1406
Diepenbeek 210 165 144 78 543 78 0,4447 0,7045 1,1493 0,4707 0,604 1,0747
Bilzen 231 183 165 60 513 60 0,3881 0,7727 1,1609 0,4108 0,6625 1,0733
Tielt 180 207 111 327 195 111 0,5256 0,5795 1,1052 0,5563 0,4969 1,0532
Tongeren 261 210 180 42 543 42 0,3073 0,8409 1,1482 0,3252 0,7209 1,0461
Brugge 210 177 96 288 159 96 0,4447 0,6364 1,0811 0,4707 0,5456 1,0163
Wevelgem 219 252 150 312 99 99 0,4205 0,625 1,0455 0,445 0,5358 0,9809
Lommel 225 117 243 459 477 117 0,4043 0,5568 0,9611 0,4279 0,4774 0,9053
Menen 234 267 165 327 114 114 0,3801 0,5682 0,9482 0,4022 0,4871 0,8894
Lichtervelde 213 240 144 363 183 144 0,4367 0,4545 0,8912 0,4621 0,3897 0,8518
Roeselare 282 309 207 333 90 90 0,2507 0,6591 0,9098 0,2653 0,5651 0,8304
Overpelt 243 135 261 348 495 135 0,3558 0,4886 0,8444 0,3766 0,4189 0,7955
Izegem 315 273 189 315 72 72 0,1617 0,7273 0,889 0,1712 0,6235 0,7947
Torhout 270 300 183 348 120 120 0,283 0,5455 0,8285 0,2995 0,4676 0,7672
Neerpelt 252 144 270 486 504 144 0,3315 0,4545 0,7861 0,3509 0,3897 0,7406
Oostende 258 225 141 336 219 141 0,3154 0,4659 0,7813 0,3338 0,3994 0,7332
Genk 216 246 213 180 525 180 0,4286 0,3182 0,7468 0,4536 0,2728 0,7264
Ronse 276 264 150 279 276 150 0,2668 0,4318 0,6987 0,2824 0,3702 0,6526
Beringen 267 159 240 180 519 159 0,2911 0,3977 0,6888 0,3081 0,341 0,6491
Eeklo 279 180 174 429 276 174 0,2588 0,3409 0,5997 0,2739 0,2923 0,5661
Diksmuide 267 294 198 420 357 198 0,2911 0,25 0,5411 0,3081 0,2143 0,5224
Blankenberge 309 285 174 393 252 174 0,1779 0,3409 0,5188 0,1883 0,2923 0,4806
Knokke-Heist 321 282 171 369 249 171 0,1456 0,3523 0,4978 0,154 0,302 0,4561
Veurne 303 330 264 453 306 264 0,1941 0,2375 0,4316 0,2054 0,2036 0,409
Ieper 351 339 225 381 168 168 0,0647 0,3636 0,4283 0,0685 0,3118 0,3802
Poperinge 375 366 249 405 192 192 0,0615 0,2727 0,3342 0,065 0,2338 0,2989
Bonheiden 0 0 0 0 0 0 0 0 2,0108 0 0 0
Brasschaat 0 0 0 0 0 0 0 0 2,0108 0 0 0
Bree 0 0 0 0 0 0 0 0 2,0108 0 0 0
Edegem 0 0 0 0 0 0 0 0 2,0108 0 0 0
Grimbergen 0 0 0 0 0 0 0 0 2,0108 0 0 0
Hamme 0 0 0 0 0 0 0 0 2,0108 0 0 0
Heusden-Zolder 0 0 0 0 0 0 0 0 2,0108 0 0 0
Houthalen-Helchteren 0 0 0 0 0 0 0 0 2,0108 0 0 0
Koksijde 0 0 0 0 0 0 0 0 2,0108 0 0 0
Lanaken 0 0 0 0 0 0 0 0 2,0108 0 0 0
Maaseik 0 0 0 0 0 0 0 0 2,0108 0 0 0
Maasmechelen 0 0 0 0 0 0 0 0 2,0108 0 0 0
Machelen 0 0 0 0 0 0 0 0 2,0108 0 0 0
Malle 0 0 0 0 0 0 0 0 2,0108 0 0 0
Middelkerke 0 0 0 0 0 0 0 0 2,0108 0 0 0
Overijse 0 0 0 0 0 0 0 0 2,0108 0 0 0
Schoten 0 0 0 0 0 0 0 0 2,0108 0 0 0
Sint-Pieters-Leeuw 0 0 0 0 0 0 0 0 2,0108 0 0 0
Westerlo 0 0 0 0 0 0 0 0 2,0108 0 0 0
Zelzate 0 0 0 0 0 0 0 0 2,0108 0 0 0
SOM 47,242 58,321 145,78 50 50 100
Brussel 0 0 0 1,0108 1 2,0108 1,0698 0,8573 1,9271
INPUT HERSCHALING 1 HERSCHALING 2
gemeente
Deelindicator 2
IND
ICA
TO
R 4
HO
OFD
IND
ICA
TO
R 4
�
82
Tabel 11: Hoofdindicator 5: Verstedelijkingsgraad (Input en rangschikking 101 gemeenten)
INPUT
Deel-ind.
1
Deel-
ind. 1in
wo
ne
rsaan
tal
Inw
on
ers
aan
tal
Antwerpen 474.775 1 15,257
Gent 228.653 0,4816 7,3479
Brugge 105.770 0,2228 3,399
Leuven 89.961 0,1895 2,8909
Mechelen 73.498 0,1548 2,3619
Kortrijk 67.734 0,1427 2,1767
Oostende 65.335 0,1376 2,0996
Aalst 65.156 0,1372 2,0938
Sint-Niklaas 61.591 0,1297 1,9793
Genk 60.593 0,1276 1,9472
Hasselt 56.806 0,1196 1,8255
Roeselare 48.351 0,1018 1,5538
Dendermonde 39.158 0,0825 1,2584
Beveren 38.564 0,0812 1,2393
Turnhout 37.850 0,0797 1,2163
Vilvoorde 34.073 0,0718 1,095
Maasmechelen 33.867 0,0713 1,0883
Beringen 32.928 0,0694 1,0582
Knokke-Heist 31.541 0,0664 1,0136
Sint-Truiden 30.831 0,0649 0,9908
Lokeren 30.325 0,0639 0,9745
Zaventem 29.365 0,0619 0,9437
Waregem 28.876 0,0608 0,9279
Menen 28.571 0,0602 0,9181
Ieper 28.471 0,06 0,9149
Wevelgem 28.214 0,0594 0,9067
Heusden-Zolder 28.207 0,0594 0,9064
Houthalen-Helchteren 27.552 0,058 0,8854
Brasschaat 27.394 0,0577 0,8803
Lier 27.045 0,057 0,8691
Grimbergen 25.967 0,0547 0,8345
Tienen 25.559 0,0538 0,8214
Bilzen 25.376 0,0534 0,8155
Ninove 25.122 0,0529 0,8073
Mortsel 24.611 0,0518 0,7909
Harelbeke 24.243 0,0511 0,7791
Izegem 24.182 0,0509 0,7771
Sint-Pieters-Leeuw 23.974 0,0505 0,7704
Tongeren 23.868 0,0503 0,767
Halle 23.513 0,0495 0,7556
Temse 22.727 0,0479 0,7303
Lanaken 22.400 0,0472 0,7198
Geraardsbergen 22.206 0,0468 0,7136
Geel 21.726 0,0458 0,6982
Willebroek 21.713 0,0457 0,6978
Mol 21.572 0,0454 0,6932
Edegem 21.162 0,0446 0,6801
Herentals 21.042 0,0443 0,6762
Oudenaarde 20.990 0,0442 0,6745
Asse 20.560 0,0433 0,6607
Dilbeek 20.373 0,0429 0,6547
Hamme 20.238 0,0426 0,6504
Koksijde 20.197 0,0425 0,649
Heist-op-den-Berg 20.084 0,0423 0,6454
Deinze 20.027 0,0422 0,6436
Maaseik 19.205 0,0405 0,6172
Ronse 19.153 0,0403 0,6155
Wetteren 18.802 0,0396 0,6042
Eeklo 18.633 0,0392 0,5988
Blankenberge 18.545 0,0391 0,596
Lommel 18.408 0,0388 0,5915
Zottegem 18.286 0,0385 0,5876
Westerlo 18.101 0,0381 0,5817
Diest 18.067 0,0381 0,5806
Denderleeuw 17.939 0,0378 0,5765
Boom 16.582 0,0349 0,5329
Bornem 16.463 0,0347 0,529
Merelbeke 16.391 0,0345 0,5267
Kontich 15.786 0,0332 0,5073
Overijse 15.682 0,033 0,5039
Diepenbeek 15.049 0,0317 0,4836
Zele 14.786 0,0311 0,4752
Lede 14.510 0,0306 0,4663
Middelkerke 14.306 0,0301 0,4597
Poperinge 13.739 0,0289 0,4415
Tielt 13.468 0,0284 0,4328
Landen 13.366 0,0282 0,4295
Neerpelt 13.030 0,0274 0,4187
Machelen 12.981 0,0273 0,4172
Malle 12.668 0,0267 0,4071
Aarschot 12.557 0,0264 0,4035
Erpe-Mere 11.850 0,025 0,3808
Aalter 11.707 0,0247 0,3762
Ternat 11.586 0,0244 0,3723
Sint-Katelijne-Waver 11.303 0,0238 0,3632
Liedekerke 11.091 0,0234 0,3564
Torhout 10.341 0,0218 0,3323
Haacht 10.323 0,0217 0,3317
Diksmuide 9.429 0,0199 0,303
De Pinte 9.374 0,0197 0,3012
Zelzate 9.243 0,0195 0,297
Essen 9.031 0,019 0,2902
Overpelt 8.815 0,0186 0,2833
Bree 8.758 0,0184 0,2814
Veurne 8.270 0,0174 0,2658
Puurs 8.212 0,0173 0,2639
Schoten 7.079 0,0149 0,2275
Lichtervelde 5.729 0,0121 0,1841
Kapellen 5.456 0,0115 0,1753
Bonheiden 3.239 0,0068 0,1041
SOM 6,5543 100
Brussel 1.048.491 2,2084 33,694
HERSCHALING 1
gemeente
HO
OFD
IND
ICA
TOR
5
�
�
83
Tabel 12: Composiet 1 Stedelijkheid: Indeling in klassen volgens methode van Jenks
�
nr gemeente composiet 1 2 kl. 3 kl. 4 kl. 5 kl. nr gemeente composiet 1 2 kl. 3 kl. 4 kl. 5 kl.
0 Bruss el 84,391
1 Antwerpen 45,814 1 1 1 1 51 Diepenbeek 3,785 1 1 4 4
2 Gent 29,275 1 1 1 1 52 Boom 3,771 1 1 4 4
3 Leuven 18,051 2 2 2 2 53 Izegem 3,749 2 2 4 4
4 Brugge 13,761 2 2 2 2 54 Harelbeke 3,745 2 2 4 4
5 Mechelen 13,508 2 2 2 2 55 Tiel t 3,653 2 2 4 4
6 Has s elt 11,381 2 2 2 2 56 Landen 3,651 2 2 4 4
7 Kortri jk 11,141 2 2 2 2 57 Bornem 3,637 2 2 4 4
8 Aal st 9,317 2 2 3 3 58 Wevelgem 3,624 2 2 4 4
9 Sint-Nikl aas 9,036 2 2 3 3 59 Bi lzen 3,567 2 2 4 4
10 Oos tende 8,206 2 2 3 3 60 Haacht 3,558 2 2 4 4
11 Zaventem 7,835 2 2 3 3 61 Ternat 3,518 2 2 4 4
12 Vi lvoorde 7,509 2 2 3 3 62 Kapel len 3,451 2 2 4 4
13 Roes elare 7,066 2 2 3 3 63 De Pinte 3,435 2 2 4 4
14 Hal l e 7,047 2 2 3 3 64 Beri ngen 3,403 2 2 4 4
15 Genk 6,789 2 2 3 3 65 Erpe-Mere 3,381 2 2 4 4
16 Turnhout 6,722 2 2 3 3 66 Lede 3,353 2 2 4 4
17 Lier 6,696 2 2 3 3 67 Aalter 3,324 2 2 4 4
18 Dendermonde 6,622 2 2 3 3 68 Zel e 3,308 2 2 4 4
19 As se 5,946 2 3 3 3 69 Lommel 3,255 2 3 4 4
20 Lokeren 5,662 2 3 3 4 70 Torhout 3,127 2 3 4 4
21 Beveren 5,564 2 3 3 4 71 Eeklo 3,124 2 3 4 4
22 Tienen 5,397 2 3 3 4 72 Rons e 2,896 2 3 4 5
23 Geel 5,342 2 3 3 4 73 Es sen 2,665 2 3 4 5
24 Herentals 5,312 2 3 3 4 74 Lichtervelde 2,537 2 3 4 5
25 Waregem 5,286 2 3 3 4 75 Overpel t 2,534 2 3 4 5
26 Oudenaarde 5,202 2 3 3 4 76 Blankenberge 2,493 2 3 4 5
27 Denderleeuw 5,081 2 3 3 4 77 Maas mechelen 2,378 2 3 4 5
28 Sint-Truiden 4,992 2 3 3 4 78 Bras s chaat 2,298 2 3 4 5
29 Aarschot 4,933 2 3 3 4 79 Veurne 2,240 2 3 4 5
30 Morts el 4,868 2 3 3 4 80 Diks muide 2,167 2 3 4 5
31 Geraards bergen 4,859 2 3 3 4 81 Neerpelt 2,077 2 3 4 5
32 Dies t 4,816 2 3 3 4 82 Grimbergen 2,019 2 3 4 5
33 Merelbeke 4,706 2 3 3 4 83 Poperinge 1,977 2 3 4 5
34 Wetteren 4,553 2 3 3 4 84 Machelen 1,946 2 3 4 5
35 Deinze 4,535 2 3 3 4 85 Heusden-Zolder 1,867 2 3 4 5
36 Heis t-op-den-Berg 4,518 2 3 3 4 86 Houtha len-Hel chteren 1,843 2 3 4 5
37 Zottegem 4,518 2 3 3 4 87 Maas eik 1,710 2 3 4 5
38 Di lbeek 4,499 2 3 3 4 88 Edegem 1,586 2 3 4 5
39 Ieper 4,479 2 3 3 4 89 Lanaken 1,519 2 3 4 5
40 Ninove 4,322 2 3 3 4 90 Wes terlo 1,519 2 3 4 5
41 Konti ch 4,267 2 3 4 4 91 Sint-Pieters -Leeuw 1,506 2 3 4 5
42 Tongeren 4,192 2 3 4 4 92 Koks i jde 1,492 2 3 4 5
43 Mol 4,133 2 3 4 4 93 Hamme 1,248 2 3 4 5
44 Wil l ebroek 3,983 2 3 4 4 94 Overi js e 1,229 2 3 4 5
45 Puurs 3,905 2 3 4 4 95 Schoten 1,212 2 3 4 5
46 Menen 3,860 2 3 4 4 96 Mal le 1,173 2 3 4 5
47 Liedekerke 3,852 2 3 4 4 97 Bree 1,070 2 3 4 5
48 Knokke-Hei st 3,842 2 3 4 4 98 Middelkerke 0,973 2 3 4 5
49 Sint-Katel i jne-Waver 3,842 2 3 4 4 99 Zel zate 0,862 2 3 4 5
50 Temse 3,827 2 3 4 4 100 Bonheiden 0,675 2 3 4 5
�
84
Tabel 13: Composiet 2 Openbaar vervoer: Indeling in klassen volgens methode van Jenks
�
nr gemeente composiet 2 2 kl. 3 kl. 4 kl. 5 kl. nr gemeente composiet 2 2 kl. 3 kl. 4 kl. 5 kl.
0 Bruss el 11,456
1 Antwerpen 6,239 1 1 1 1 51 Izegem 0,861 2 2 3 4
2 Gent 4,691 1 1 1 1 52 Li chtervelde 0,861 2 2 3 4
3 Leuven 3,331 1 1 1 2 53 Wil lebroek 0,859 2 2 3 4
4 Mechelen 3,248 1 1 1 2 54 Ternat 0,859 2 2 3 4
5 Brugge 2,185 2 2 2 2 55 Kapel l en 0,845 2 2 3 4
6 Ha s selt 2,179 2 2 2 2 56 Diepenbeek 0,833 2 2 3 4
7 Kortri jk 2,148 2 2 2 2 57 Tems e 0,825 2 2 3 4
8 Ha l l e 1,869 2 2 2 3 58 Zel e 0,819 2 2 3 4
9 Si nt-Nikl aas 1,795 2 2 2 3 59 Tongeren 0,816 2 2 3 4
10 Vi l voorde 1,774 2 2 2 3 60 Mol 0,811 2 2 3 4
11 Denderl eeuw 1,760 2 2 2 3 61 Bornem 0,803 2 2 3 4
12 Aal st 1,727 2 2 2 3 62 Menen 0,800 2 2 3 4
13 Lier 1,637 2 2 2 3 63 Wevelgem 0,797 2 2 3 4
14 Dendermonde 1,508 2 2 2 3 64 Torhout 0,797 2 2 3 4
15 Za ventem 1,495 2 2 2 3 65 Bi lzen 0,788 2 2 3 4
16 Gera ards bergen 1,443 2 2 2 3 66 Tielt 0,776 2 2 3 4
17 Lokeren 1,436 2 2 2 3 67 Boom 0,760 2 2 3 4
18 Merelbeke 1,401 2 2 2 3 68 Ieper 0,745 2 2 3 4
19 Aarschot 1,304 2 2 3 3 69 Knokke-Heis t 0,714 2 3 3 4
20 Wetteren 1,293 2 2 3 3 70 Ess en 0,693 2 3 3 4
21 Oudenaa rde 1,255 2 2 3 3 71 Eeklo 0,651 2 3 3 4
22 Oos tende 1,230 2 2 3 3 72 Beri ngen 0,611 2 3 3 4
23 Zottegem 1,220 2 2 3 3 73 Rons e 0,592 2 3 4 4
24 Herenta ls 1,177 2 2 3 3 74 Lommel 0,572 2 3 4 4
25 Morts el 1,167 2 2 3 3 75 Bl ankenberge 0,538 2 3 4 4
26 Roeselare 1,163 2 2 3 3 76 Diks mui de 0,529 2 3 4 4
27 Ti enen 1,160 2 2 3 3 77 Overpelt 0,469 2 3 4 5
28 As se 1,135 2 2 3 3 78 Veurne 0,451 2 3 4 5
29 De Pi nte 1,131 2 2 3 3 79 Poperi nge 0,417 2 3 4 5
30 Deinze 1,125 2 2 3 3 80 Neerpelt 0,392 2 3 4 5
31 Beveren 1,116 2 2 3 3 81 Ma as mechelen 0,238 2 3 4 5
32 Wa regem 1,111 2 2 3 3 82 Bras s chaa t 0,230 2 3 4 5
33 Liedekerke 1,094 2 2 3 4 83 Gri mbergen 0,202 2 3 4 5
34 Landen 1,073 2 2 3 4 84 Ma chel en 0,195 2 3 4 5
35 Di es t 1,050 2 2 3 4 85 Heusden-Zolder 0,187 2 3 4 5
36 Puurs 1,022 2 2 3 4 86 Houtha len-Helchteren 0,184 2 3 4 5
37 Turnhout 1,014 2 2 3 4 87 Ma as eik 0,171 2 3 4 5
38 Geel 0,994 2 2 3 4 88 Edegem 0,159 2 3 4 5
39 Konti ch 0,968 2 2 3 4 89 Lanaken 0,152 2 3 4 5
40 Di lbeek 0,957 2 2 3 4 90 Wes terl o 0,152 2 3 4 5
41 Heis t-op-den-Berg 0,952 2 2 3 4 91 Sint-Pi eters -Leeuw 0,151 2 3 4 5
42 Erpe-Mere 0,946 2 2 3 4 92 Koksi jde 0,149 2 3 4 5
43 Ha acht 0,923 2 2 3 4 93 Hamme 0,125 2 3 4 5
44 Ni nove 0,916 2 2 3 4 94 Overi js e 0,123 2 3 4 5
45 Si nt-Truiden 0,907 2 2 3 4 95 Schoten 0,121 2 3 4 5
46 Genk 0,901 2 2 3 4 96 Ma l le 0,117 2 3 4 5
47 Aal ter 0,897 2 2 3 4 97 Bree 0,107 2 3 4 5
48 Si nt-Katel i jne-Waver 0,890 2 2 3 4 98 Mi ddelkerke 0,097 2 3 4 5
49 Ha relbeke 0,878 2 2 3 4 99 Zel zate 0,086 2 3 4 5
50 Lede 0,870 2 2 3 4 100 Bonheiden 0,067 2 3 4 5
�
85
Tabel 14: Composiet 3 Verzorgingsniveau: Indeling in klassen volgens methode van Jenks
nr gemeente composiet 3 2 kl. 3 kl. 4 kl. 5 kl. nr gemeente composiet 3 2 kl. 3 kl. 4 kl. 5 kl.
0 Brussel 20,228
1 Antwerpen 11,997 1 1 1 1 51 Wetteren 0,560 2 3 4 5
2 Gent 7,967 1 1 1 1 52 Torhout 0,556 2 3 4 5
3 Leuven 5,028 1 2 2 2 53 Houthalen-Helchteren 0,556 2 3 4 5
4 Brugge 3,836 2 2 2 2 54 Heusden-Zolder 0,553 2 3 4 5
5 Hassel t 3,048 2 2 2 3 55 Boom 0,551 2 3 4 5
6 Kortri jk 2,805 2 2 2 3 56 Veurne 0,550 2 3 4 5
7 Mechelen 2,697 2 2 2 3 57 Ronse 0,548 2 3 4 5
8 Oostende 2,484 2 2 2 3 58 Di lbeek 0,532 2 3 4 5
9 Aals t 2,133 2 2 3 3 59 Blankenberge 0,528 2 3 4 5
10 Sint-Niklaa s 1,935 2 2 3 3 60 Koks i jde 0,514 2 3 4 5
11 Roesela re 1,851 2 2 3 3 61 Edegem 0,501 2 3 4 5
12 Genk 1,765 2 2 3 3 62 Bi lzen 0,499 2 3 4 5
13 Turnhout 1,754 2 2 3 3 63 Overpel t 0,490 2 3 4 5
14 Ieper 1,311 2 3 3 4 64 Temse 0,486 2 3 4 5
15 Za ventem 1,270 2 3 3 4 65 Machelen 0,485 2 3 4 5
16 Asse 1,266 2 3 3 4 66 Wevelgem 0,480 2 3 4 5
17 Dendermonde 1,148 2 3 3 4 67 Lanaken 0,478 2 3 4 5
18 Geel 1,129 2 3 3 4 68 Harelbeke 0,469 2 3 4 5
19 Lier 1,090 2 3 3 4 69 Merelbeke 0,468 2 3 4 5
20 Vi lvoorde 1,066 2 3 3 4 70 Bornem 0,458 2 3 4 5
21 Hal le 1,050 2 3 3 4 71 Poperinge 0,437 2 3 4 5
22 Knokke-Heist 1,020 2 3 3 4 72 Westerlo 0,432 2 3 4 5
23 Diest 0,978 2 3 3 4 73 Sint-Pieters -Leeuw 0,431 2 3 4 5
24 Waregem 0,916 2 3 4 4 74 Overi jse 0,424 2 3 4 5
25 Oudenaa rde 0,903 2 3 4 4 75 Wil lebroek 0,422 2 3 4 5
26 Sint-Truiden 0,895 2 3 4 4 76 Kontich 0,421 2 3 4 5
27 Tongeren 0,869 2 3 4 4 77 Schoten 0,398 2 3 4 5
28 Tienen 0,842 2 3 4 4 78 Sint-Ka tel i jne-Wa ver 0,394 2 3 4 5
29 Herenta ls 0,833 2 3 4 4 79 Bree 0,390 2 3 4 5
30 Lokeren 0,826 2 3 4 4 80 Diksmuide 0,376 2 3 4 5
31 Beveren 0,822 2 3 4 4 81 Hamme 0,375 2 3 4 5
32 Maa smechelen 0,793 2 3 4 4 82 Mal le 0,364 2 3 4 5
33 Brasschaa t 0,753 2 3 4 4 83 Neerpel t 0,338 2 3 4 5
34 Diepenbeek 0,742 2 3 4 4 84 Puurs 0,335 2 3 4 5
35 Mol 0,735 2 3 4 4 85 Middelkerke 0,329 2 3 4 5
36 Ninove 0,691 2 3 4 5 86 Aal ter 0,325 2 3 4 5
37 Eeklo 0,688 2 3 4 5 87 Ka pel len 0,317 2 3 4 5
38 Heis t-op-den-Berg 0,685 2 3 4 5 88 Zelzate 0,315 2 3 4 5
39 Menen 0,679 2 3 4 5 89 Zele 0,304 2 3 4 5
40 Beringen 0,673 2 3 4 5 90 Bonheiden 0,279 2 3 4 5
41 Tiel t 0,670 2 3 4 5 91 Haa cht 0,258 2 3 4 5
42 Deinze 0,653 2 3 4 5 92 Ternat 0,251 2 3 4 5
43 Aarschot 0,650 2 3 4 5 93 Denderleeuw 0,236 2 3 4 5
44 Maa seik 0,646 2 3 4 5 94 Landen 0,232 2 3 4 5
45 Lommel 0,639 2 3 4 5 95 Lede 0,232 2 3 4 5
46 Izegem 0,633 2 3 4 5 96 Liedekerke 0,228 2 3 4 5
47 Geraa rdsbergen 0,611 2 3 4 5 97 Essen 0,201 2 3 4 5
48 Grimbergen 0,610 2 3 4 5 98 Erpe-Mere 0,194 2 3 4 5
49 Mortsel 0,571 2 3 4 5 99 Lichtervelde 0,159 2 3 4 5
50 Zottegem 0,567 2 3 4 5 100 De Pinte 0,117 2 3 4 5
�
86
Tabel 15: Typologie steden in alfabetische rangschikking
gemeente type
Aals t 3 Stedel i jke regio niveau 2
Aalter 6 Verzorgende s tad niveau 2
Aars chot 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Antwerpen 1 Top stedel i jke regio
Ass e 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Beringen 6 Verzorgende s tad niveau 2
Beveren 4 OV-Knooppuntsta d
Bi lzen 6 Verzorgende s tad niveau 2
Blankenberge 6a Verzorgende s tad niveau 2 met beperkter verzorgings niveau
Bonheiden 7a Beperkte stedel i jke functie
Boom 6 Verzorgende s tad niveau 2
Bornem 6 Verzorgende s tad niveau 2
Bras schaat 7 Beperkte stedel i jke functie
Bree 7a Beperkte stedel i jke functie
Brugge 2 Stedel i jke regio niveau 1
Brus sel 1 Top stedel i jke regio
De Pinte 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Deinze 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Denderleeuw 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Dendermonde 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Di epenbeek 5 Verzorgende s tad niveau 1
Di es t 5 Verzorgende s tad niveau 1
Di ks muide 6a Verzorgende s tad niveau 2 met beperkter verzorgings niveau
Di lbeek 6 Verzorgende s tad niveau 2
Edegem 7a Beperkte stedel i jke functie
Eeklo 6 Verzorgende s tad niveau 2
Erpe-Mere 6 Verzorgende s tad niveau 2
Es sen 6a Verzorgende s tad niveau 2 met beperkter verzorgings niveau
Geel 5 Verzorgende s tad niveau 1
Genk 3b Stedel i jke regio niveau 2 met beperktere knooppuntwaarde
Gent 1 Top stedel i jke regio
Geraa rds bergen 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Grimbergen 7a Beperkte stedel i jke functie
Ha acht 6 Verzorgende s tad niveau 2
Ha l le 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Ha mme 7a Beperkte stedel i jke functie
Ha relbeke 6 Verzorgende s tad niveau 2
Ha ss el t 2a Stedel i jke regio niveau 1 met beperkter verzorgings niveau
Heis t-op-den-Berg 6 Verzorgende s tad niveau 2
Herentals 4 OV-Knooppuntsta d
Heus den-Zolder 7a Beperkte stedel i jke functie
Houthalen-Helchteren 7a Beperkte stedel i jke functie
Ieper 5 Verzorgende s tad niveau 1
Izegem 6 Verzorgende s tad niveau 2
Kapel len 6 Verzorgende s tad niveau 2
Knokke-Heis t 5 Verzorgende s tad niveau 1
Koks i jde 7a Beperkte stedel i jke functie
Kontich 6 Verzorgende s tad niveau 2
Kortri jk 2a Stedel i jke regio niveau 1 met beperkter verzorgings niveau
La naken 7a Beperkte stedel i jke functie
La nden 6 Verzorgende s tad niveau 2
Lede 6 Verzorgende s tad niveau 2
Leuven 2 Stedel i jke regio niveau 1
Lichtervelde 6a Verzorgende s tad niveau 2 met beperkter verzorgings niveau
Liedekerke 6 Verzorgende s tad niveau 2
Lier 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Lokeren 4 OV-Knooppuntsta d
Lommel 6 Verzorgende s tad niveau 2
Maa seik 7a Beperkte stedel i jke functie
Maa smechelen 7 Beperkte stedel i jke functie
Machelen 7a Beperkte stedel i jke functie
Mal l e 7a Beperkte stedel i jke functie
Mechelen 2a Stedel i jke regio niveau 1 met beperkter verzorgings niveau
Menen 6 Verzorgende s tad niveau 2
Merelbeke 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Middelkerke 7a Beperkte stedel i jke functie
Mol 5 Verzorgende s tad niveau 1
Mortsel 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Neerpelt 7a Beperkte stedel i jke functie
Ni nove 6 Verzorgende s tad niveau 2
Oostende 3 Stedel i jke regio niveau 2
Oudenaa rde 4 OV-Knooppuntsta d
Overi js e 7a Beperkte stedel i jke functie
Overpel t 7a Beperkte stedel i jke functie
Poperinge 7a Beperkte stedel i jke functie
Puurs 6 Verzorgende s tad niveau 2
Roes ela re 3 Stedel i jke regio niveau 2
Rons e 6a Verzorgende s tad niveau 2 met beperkter verzorgings niveau
Schoten 7a Beperkte stedel i jke functie
Sint-Katel i jne-Waver 6 Verzorgende s tad niveau 2
Sint-Nikla as 3 Stedel i jke regio niveau 2
Sint-Pieters -Leeuw 7a Beperkte stedel i jke functie
Sint-Truiden 5 Verzorgende s tad niveau 1
Tems e 6 Verzorgende s tad niveau 2
Ternat 6 Verzorgende s tad niveau 2
Tiel t 6 Verzorgende s tad niveau 2
Tienen 4 OV-Knooppuntsta d
Tongeren 5 Verzorgende s tad niveau 1
Torhout 6 Verzorgende s tad niveau 2
Turnhout 3b Stedel i jke regio niveau 2 met beperktere knooppuntwaarde
Veurne 7a Beperkte stedel i jke functie
Vi lvoorde 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Waregem 4 OV-Knooppuntsta d
Wes terlo 7a Beperkte stedel i jke functie
Wetteren 4a OV-knooppuntsta d met beperkter verzorgings nivea u
Wevelgem 6 Verzorgende s tad niveau 2
Wi l lebroek 6 Verzorgende s tad niveau 2
Zaventem 3a Stedel i jke regio niveau 2 met beperkter verzorgings niveau
Zele 6 Verzorgende s tad niveau 2
Zelza te 7a Beperkte stedel i jke functie
Zottegem 4a OV-knooppuntsta d met beperkter verzorgings nivea u �
�
87
5 HOOFDSTUK 5: DIGITALE KAARTEN EN DATA-OVERDRACHT
Zie hiervoor in de map van de digitale data-overdracht.
�
�
88
6 HOOFDSTUK 6: REFERENTIES
Brok, M., V. van Doremaele., F. Goosen., K. van Haaften., M. Kemperman & S. Schroder (2001), De keten in de
knoop. Een zoektocht naar mogelijkheden om ketenmobiliteit te stimuleren vanuit een ruimtelijk perspectief,
Nijmegen, 2001, pp 78.
Chen, C., H. Gong & R. Paaswell (2008), “Role of the built environment on mode choice descisions: additional
evidence on the impact of density”, Transportation Research Part 35, Vol 3, pp 285-299.
Christaller, W. (1933) Die zentralen Orte in Süddeutschland. Gustav Fischer, Jena.
Geurs, K. & Ritsema van Eck, J. (2001) Accessibility measures: review and applications: Evaluation of
accessibility impacts of land-use transport scenario’s, and related social and economic impacts, Utrecht: Urban
research centre Utrecht University.
Givoni, M. (2007) “Development and Impact of the Modern High-speed Train: A Review”. Transport Reviews: A
Transnational Transdisciplinary Journal. Volume 26, Issue 5, 593-611.
Glorieux, I. & Minnen, J. (2008) Website 'Belgisch tijdsbudgetonderzoek' (www.time-use.be), Onderzoeksgroep
TOR Vrije Universiteit Brussel & Algemene Directie Statistiek en Economische Informatie, Brussel.
Hagget, P. (1972) Geography: A Modern Synthesis. Harper International Editions, Harper & Row Series in
Geography, London. pp. 483.
Hägerstrand, T. (1970) “ What about people in regional science?”
Hine, J.P., M. Wardman., S. Stradling (2001), Interchange and travel Choice, report for Scottisch Executive by
Institute for Transport Studies at the University of Leeds and Transport Research Institute at Napier University,
Vol 2.
Hupkens, (1977), Toekomstscenario’s voor ons vervoerssysteem, Deventer: Kluwer.
Janssens, D.; Moons, E.; Nuyts, E. & Wets, G. (2009) Onderzoek Verplaatsingsgedrag Vlaanderen 3 (2007-2008)
– Verkeerskundige interpretatie van de belangrijkste tabellen. Universiteit Hasselt, Instituut voor Mobiliteit,
Hasselt. http://www.mobielvlaanderen.be/pdf/ovg03/ovg03-analyse-globaal.pdf
Kitamura, R., P.L. Moktarian & L. Laidet (1997), A micro-analysis of land use and travel in five neighbourhoods
in the San Francisco Bay Area, Transportion, Vol 24. pp. 125-158.
Kropman, J., H. Katteler (1993), De Betekenis van de Verplaatsingstijdfactor, Nijmegen, 1993, pp 65.
Lievois, E.; Bomans, K.; Boussauw, K.; De Smedt, B.; Engelen, G.; Poelmans, L.; Tempels, B.; Vandenabeele, P.;
Verbeek, T.; Uljee, I. (2011), Indicatorennota: Een overzicht van ruimtelijke indicatoren ontwikkeld binnen het
Steuntpunt Ruimte en Wonen. Steunpunt Ruimte en Wonen, Heverlee.
Loopmans, M.; Van Hecke, E.; De Craene, V.; Martens, M.; Schreurs, J. & Oosterlynck, S. (2011) Selectie van
kleinstedelijke gebieden in Vlaanderen. KULeuven: Afdeling Geografie, Departement Aard- en
Omgevingswetenschappen; Onderzoeksgroep Planning en Ontwikkeling; Departement Architectuur,
Stedenbouw en Ruimtelijke Ordening & bureau voor architectuur & planning, in opdracht van de Vlaamse
Overheid, Departement RWO, Afdeling Ruimtelijke Planning.
Meijers, E.; Hollander, K. & Hoogerbrugge, M. (2012) A Strategic Knowledge and Research Agenda on
Polycentrism. European Metropolitan network Institute, Den Haag.
Rajamani, J., C.R. Bhat., S.L. Handy., G. Knaap & Y. Song (2003), “assessing the impact of urban form measures
in nonwork trip mode choice after controlling for demographic and level-of-service effects”. Transportation
Research Record 1831, pp.158-165.
Schwanen, T., F.M. Dieleman & M. Dijst (2001), Travel behaviour in Dutch monocentric and polycentric urban
systems, Journal of transport Geography, Vol 9, pp 173-186.
�
89
Steunpunt Ruimte en Wonen (2012) Ruimtemonitor.
Vandenbulcke, G.; Steenberghen & T., Thomas, I. (2007) Accessibility indicators to places and transports. Final
Report. Leuven / Louvain-la-Neuve: FOD Mobiliteit en Vervoer / Federaal Wetenschapsbeleid.
Van Eck, J. R.; van Oort, F.; Raspe, O.; Daalhuizen, F. en van Brussel, J. (2006) Vele steden maken nog geen
randstad. NAi Uitgevers, Rotterdam en Ruimtelijk Planbureau, Den Haag.
Verhetsel, A.; Vanelslander, T. & Sellekaerts, N. (2007) Onderzoek naar de relatie tussen locatiebeleid en
duurzame mobiliteit voor woonwerkverplaatsingen. Universiteit Antwerpen, Department of Transport and
Regional Economics.
Verkeerscentrum (2013) Opbouw van het Multimodaal Model (MM) versie 3.6.1 – Gedetailleerde beschrijving
modelprocessen. Intern document.
Visscher, J. & Jobsen, P. (2011) “Daily Urban System gemeente Pijnacker-Nootdorp - Onderzoeksrapportage”.
Motivaction, Amsterdam.
Vleugels, I., T. Asperges., T. Steenbergen., PH. Toint., E. Cornelis (2007), Determinanten van modale keuze in
ketenverplaatsingen, Brussel: Federaal wetenschapsbeleid.
Walpole, R.E.; Myers, R.H.; Myers, S.L. & Ye, K. (2012) “Probability and Statistics for Engineers and Scientists –
9th Edition”; Prentice Hall – Pearson Inc, Boston.
Wee, B. van (2002), “Land use and transport: research and policy challenges”, Journal of transport Geography,
Vol 10(4), pp. 259-271.
Wee, B. van., M. Dijst (2002), Verkeer en vervoer in hoofdlijnen, Bussum: Coutinho.
Willigers, J. ; Floor, H. & van Wee, B. (2007) "Accessibility Indicators for Location Choices of Offices: an
Application to the Intraregional Distributive Effects of High-speed Rail in the Netherlands”. Environment and
Planning A 39(9) 2086 – 2098.
�
90
Colofon
SumResearch nv
Dendermondsesteenweg 50
B-9000 Gent
t +32 9 225 54 88
f +32 9 223 98 92
www.sum.be
Projectmedewerker: Liesbeth Van Damme
Projectleider: Brecht Vandekerckhove
m.m.v. Grontmij Belgium nv