rapport stedenstructuur

�

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






2.2.4.6 Bronnen 21

Hoofdindicator 3: Integratie in de economische structuur 22 2.2.5






2.2.5.6 Bronnen 24

Hoofdindicator 4: Internationale connectiviteit 25 2.2.6






2.2.6.6 Bronnen 27

Hoofdindicator 5: Verstedelijkingsgraad 28 2.2.7





2.2.7.5 Bronnen 30

Composietkaart 31 2.2.8




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 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’.


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.


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.


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


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.


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


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


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).


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.


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


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.



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.



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).


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).


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.


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.


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


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.


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.


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


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


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


[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]



[45.813516 - 18.051024]

Antwerpen, Gent

[18.051023 - 9.316756]

Leuven, Brugge, Mechelen, Hasselt, Kortrijk

[9.316755 - 4.266978]


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]]



[45.813516 - 18.051024]

Antwerpen, Gent

[18.051023 - 9.316756]

Leuven, Brugge, Mechelen, Hasselt, Kortrijk

[9.316755 - 5.661811]


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


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.


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.


[6.238891 – 2.185411]

Antwerpen, Gent, Leuven, Mechelen

[2.185410 – 0.067473]�


�

41


[6.238891 – 2.185411]


[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]



[6.238891 – 2.185411]


[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]


�

42


[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]


�

�

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.


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.


[11.997441 – 3.835990]

Antwerpen, Gent, Leuven

[3.835989 – 0.116988]


�

44


[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]



[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]



[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]


�

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

�


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


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

rapport stedenstructuur

Documents

Transcript of rapport stedenstructuur