We kenden al het verwijt dat ons mobiliteitssysteem te veel op de auto is gericht. Maar onze collega’s Jan-Derk van ’t Rot en Peter van Bekkum wijzen op nog een onvolkomenheid: dat het systeem ook net te veel op de man gericht is. Hoe zit dat? Voor NM Magazine schreven ze een artikel over genderongelijkheid in mobiliteit.
Afgelopen juni publiceerde het journalistieke onderzoeksplatform Pointer en dagblad AD de resultaten van een enquête onder 7.400 vrouwen naar ‘onveilige plekken’. Je kon van verschillende locaties, van park tot winkelstraat, aangeven of je je er “weleens onveilig” had gevoeld.
Wat bleek? Het ov-station werd door maar liefst 91 procent van de deelnemers genoemd. Vooral ’s avonds en ’s nachts is het gevoel van onveiligheid onder vrouwen er groot. Eenmaal in de trein, metro, tram of bus is het niet veel beter: daar voelt ruim 80 procent zich weleens onveilig. Ongeveer een derde van de deelnemers aan het onderzoek heeft op deze locaties daadwerkelijk een incident meegemaakt, zoals seksuele intimidatie.
We maken zelden onderscheid tussen mannen en vrouwen
Die cijfers zijn verontrustend. Tegelijkertijd zullen de meesten van ons er ook niet echt van opkijken: zo’n onderzoek lijkt eerder het beeld dat we toch al hadden, te bevestigen. Maar als dat zo is, waarom doen we er dan zo weinig aan?
Eén mogelijke verklaring is dat we voor beleidsvorming vaak van alles onderzoeken, maar daarbij zelden onderscheid maken tussen mannen en vrouwen. Dat kan problemen voor specifiek vrouwen verhullen en zorgen voor ‘gemiddelde’ uitkomsten die nog acceptabel lijken. Gevolg: het probleem bestaat formeel niet, komt niet op de beleidsagenda en blijft bestaan.
We onderzoeken vaak van alles voor beleidsvorming, maar we maken daarbij zelden onderscheid tussen mannen en vrouwen.
Die verklaring verzinnen we niet zelf, maar lenen we van de auteur Caroline Criado Perez. Zij laat in haar bestseller Invisible Women (2020) zien dat zogenaamde genderongelijkheid in data een structureel probleem is. Ze geeft voorbeelden van (heel) veel datasets die geen onderscheid maken naar gender of, erger nog, bestaan uit data van alleen mannen. Dat speelt weer door, zo betoogt ze, in beleid – zie ons voorbeeld – en in het ontwerp van producten en de ruimte om ons heen. Die worden gebaseerd op gegevens die geheel of in ieder geval te veel op de man zijn geënt.
Verschillen in reispatronen van mannen en vrouwen
Perez’ boek zou ons op z’n minst aan het denken moeten zetten. Kan het zijn dat ook in ons mobiliteitsdomein genderongelijkheid structureel voorkomt? En veel meer behelst dan die blinde vlek voor veiligheid van vrouwen in het ov?
Die kans is er zeker. Door de bank genomen – we spreken nadrukkelijk over de grote lijnen – zijn mannen vaker kostwinner, is hun baan verder van huis en pakken ze vaker de auto, vooral voor woon-werkverkeer. Vrouwen nemen meer dan gemiddeld de zorgtaken op zich (huishouden, kinderen, bejaarde ouders) en hebben meestal een baan dichterbij.1 Dat resulteert in ‘kettingverkeer’, een opeenvolging van kleine, meest binnenstedelijke verplaatsingen met ov, de fiets of lopend: van huis naar school, werk, supermarkt, weer naar school enzovoort.
Kijken we echter naar ons mobiliteitssysteem dan zien we dat deze uiteenlopende reispatronen niet gelijkelijk bediend worden. Onze infrastructuur is om te beginnen autogericht. Vooral lange, rechtstreekse verplaatsingen worden gefaciliteerd, met bijvoorbeeld autosnelwegen buitenom de stadskernen en woonwijken. Bedrijventerreinen hebben zich gevoegd naar die infrastructuur en liggen veelal dicht bij aansluitingen van de snelweg. In de woonwijken is er nog veel ruimte gereserveerd voor het parkeren van de auto. En zelfs de ov-netwerken zijn afgestemd op verbindingen tussen woonwijken en zakelijke centra. Ideaal allemaal voor de gemiddelde man met zijn werk verderop, maar minder voor de gemiddelde vrouw. De voorzieningen die zij vaker bezoekt, zijn lastiger bereikbaar met het ov: de routes zijn langer en omslachtiger, met één of meer overstappen.
Ideaal allemaal voor de gemiddelde man met zijn werk verderop, maar minder voor de gemiddelde vrouw.
Om de verschillen nog wat groter te maken, wordt ook het verkeersmanagement ingezet om juist de autoverkeersstromen te faciliteren. Doseren van verkeer op de toerit naar de snelweg beperkt de kans op file, weggebruikers waarschuwen dat ze de staart van een file naderen beperkt de kans op aanrijdingen en (extra) filevorming, route-informatie zorgt voor optimale benutting van de capaciteit van de weg enzovoort. Sterk gericht op de optimale doorstroming van met name die langeafstandsverplaatsingen.
Hoe kan het anders?
Er lijkt dus inderdaad sprake van enige genderongelijkheid in het mobiliteitssysteem. Of ongelijkheid in datasets daar de oorzaak van is of dat het eerder restanten zijn van de genderrollen van decennia her, is een lastige maar niet heel relevante vraag. Ook het feit dat het mobiliteitsonderscheid tussen man en vrouw niet zwart-wit is (gelukkig maar) en dat met moderne rolverdelingen eventuele genderongelijkheid in mobiliteit misschien vanzelf verdwijnt, doet weinig ter zake. Het punt is dat de gemiddelde reispatronen nú nog verschillen, afgaande op beschikbaar onderzoek, en dat één (iets meer ‘mannelijk’) patroon beter bediend wordt dan de ander. Gelet op alle discussies over bereikbaarheid, inclusiviteit en de wens om mobiliteit meer te zien in relatie tot brede welvaart, zou het raar zijn om deze vorm van ongelijkheid te laten rusten.
Interessanter is dus de vraag: wat kunnen we doen om eventuele genderongelijkheid tegen te gaan? Een eerste stap is om te erkennen dat ‘de gemiddelde reiziger’ niet bestaat. De gemiddelde man en vrouw bestaan misschien evenmin, maar ze staan in ieder geval voor een verdieping. Om die slag te kunnen maken, zouden we, stap twee, goede, gesegmenteerde data bijeen moeten brengen over hoe mannen en vrouwen zich verplaatsen, in en buiten de stad. Stap drie is om die data te gebruiken om ons mobiliteitssysteem tegen het licht te houden. Hebben mannen gemiddeld genomen inderdaad meer voordeel van het mobiliteitssysteem dan vrouwen? Zo ja, hoe groot is dat verschil? Waar wringt het vooral? Op basis van die evaluaties kunnen we vervolgens, stap vier, aan verbeteringen werken. De meeste verkeersmodellen worden nu nog gevoed met data van die ‘gemiddelde reiziger’. Maar als we die modellen apart voeden met datasets van mannen en vrouwen, kunnen we gericht verbeteringen uitwerken, simuleren en bestuderen.
Als we verkeersmodellen apart voeden met datasets van mannen en vrouwen, kunnen we gericht verbeteringen uitwerken, simuleren en bestuderen.
Waar we op uit zullen komen en hoe effectief dat is, is op voorhand lastig te zeggen. Op het gebied van veiligheid in het ov is mogelijk winst te halen met een betere locatiekeuze van stations en haltes, goede verlichting en kortere overstaptijden. Ook veel fietspaden zijn met relatief eenvoudige maatregelen veiliger te maken. Wat reispatronen betreft kunnen ov-lijnen en -dienstregelingen over de dag geoptimaliseerd worden voor meer korte, kettingachtige reizen tussen de wijken. De bevindingen op basis van gesegmenteerde data kunnen ook helpen om ontwikkelingen als Mobility as a Service toe te spitsen op de ‘gesegmenteerde behoeften’.
En wellicht komen we, juist doordat we meer inzicht hebben in genderverschillen, op nog een paar mooie outside-the-box oplossingen. Perez noemt in haar boek een interessant voorbeeld van de Zweedse stad Kalskoga. Daar hebben ze de volgorde van het sneeuwvrij maken van wegen omgedraaid. Niet eerst de wegen voor de auto’s aanpakken, maar juist de stoepen en fietspaden. Voetgangers en fietsers, gemiddeld vaker vrouwen, zijn immers kwetsbaarder dan automobilisten. Het gevolg van deze perspectiefwisseling was minder ongelukken en letsel en dus maatschappelijke winst. De aanpak is nu de standaard in veel Zweedse steden.
Meer onderzoek doen naar genderverschillen
Genderongelijkheid is een wijdverbreid probleem. Ook verkeer en vervoer lijkt er niet immuun voor. Ons pleidooi is dan ook om als vakgebied op z’n minst meer onderzoek te doen naar genderverschillen en dat we dan ook naar de uitkomsten handelen. Bovenstaande stappen zijn een mooi en overzichtelijk begin. Wie pakt de handschoen op?
