Met deze rapportage wordt de deelscore op het kenmerk ‘Afwezigheid obstakels langs rijbanen’ van de SPI Veilige Infrastructuur beschikbaar gesteld. De rapportage bevat tevens de programmacode en biedt daarmee een verantwoording voor het bepalen van de deelscore vanuit de beschikbare data.
De lezer die op zoek is naar de deelscore vindt deze onder hoofdstuk 6, ‘Scores en Benchmark SPI Veilige Infrastructuur - kenmerk afwezigheid obstakels langs rijbanen’. De hoofdstukken daarvoor vormen de meer inhoudelijke en technische verantwoording om tot die score te komen. Deze verantwoording omvat tevens alle programmeercode voor het gepresenteerde resultaat.
Deze rapportage is opgemaakt als rmarkdown document (.rmd) met behulp van R in Rstudio. Het html bestand is zelfstandig leesbaar. Het voorwoord is bedoeld voor personen die het script (het .rmd bestand) willen draaien en/of geïnteresseerd zijn in de technische verantwoording van de bepaling van de kenmerkscore Afwezigheid obstakels langs rijbanen van de SPI. Lezers van de rapportage (het html bestand) kunnen dit voorwoord verder overslaan.
Het voorwoord bevat de programma code voor het controleren van de mappenstructuur, het installeren/inladen van de benodigde packages en het aanmaken van een aantal hulpvariabelen.
# list required libraries
libraries_to_load <- c("here", "tidyverse", "data.table", "dtplyr", "sf", "mapview", "stringr",
"this.path", "units", "kableExtra", "curl", "openxlsx2", "readr", "gt", "plotly")
# Install and load libraries if they are missing
for (library_name in libraries_to_load) {
if (!requireNamespace(library_name, quietly = TRUE)) {
install.packages(library_name, dependencies = TRUE)
}
library(library_name, character.only = TRUE)
}
# unload here to reload it later after defining the location of the script and the relative path
# for the data downloads and outputs.
detach("package:here", unload = TRUE)# set locale naar nl in utf8
# Sys.setlocale("LC_ALL", "Dutch_Netherlands.utf8")
# Beide codes zijn hetzelfde maar R geeft sinds enige tijd een waarschuwing bij bovenstaande
Sys.setlocale("LC_ALL", "Dutch_Netherlands.65001") Bij het runnen van het script (.rmd bestand) worden de benodigde data en resulterende outputs in mappen geplaatst in de map waar het script zich bevindt.
# Define a function for getting the relative path of the script based on the level of the subfolder
# relative to the folder where the script resides. With the script folder level = 0
relative_path_script <- function(level = 0) {
# Split the string by "/"
split_string <- stringr::str_split(this.path::this.path(), "/")[[1]]
# Calculate the starting index for the nth part from the right
start_index <- length(split_string) - level
# Check if the start_index is valid
if (start_index == 1 || start_index > length(split_string)) {
print("The value of level is absolute and not relative, thus not applicable for use with i_am")
}
# Check if the start_index is valid
if (start_index < 1 || start_index > length(split_string)) {
stop("The value of level is out of bounds for the given string.")
}
# Reconstruct the substring from the specified index
subset_string <- paste(split_string[start_index:length(split_string)], collapse = "/")
return(subset_string)
}# Verwijs here naar de map waarin het script zelf staat met level = 0
here_locatie <- relative_path_script()
#
here::i_am(here_locatie)
library(here)# controleer de aanwezigheid van '.here'
if (!file.exists(here(".here"))) { # If not, create the folder
file.create(".here")
cat(paste("Bestand '", ".here", "' aangemaakt.\n", sep = ""))
} else {
cat(paste("Bestand '", ".here", "' bestaat al.\n", sep = ""))
}De code gaat uit van een vaste mappenstructuur. Deze wordt gecontroleerd en aangemaakt als deze ontbreekt.
# folder structure
# Check list of folders
folder_list <- c("Data", "Output", "RDS")
# Check for folders and create missing folders
for (folder_name in folder_list) {
if (!file.exists(here(folder_name))) {
# If not, create the folder
dir.create(here(folder_name))
cat(paste("Folder '", folder_name, "' created.\n", sep = ""))
} else {
cat(paste("Folder '", folder_name, "' already exists.\n", sep = ""))
}
}Ten slotte worden een aantal helper functies aangemaakt die in het script worden gebruikt.
# helper function to deal with missing values. Missing values as indexer are
# considered to be FALSE.
na.as.false <- function(x){
x[is.na(x)] <- FALSE
x
}
na.as.true <- function(x){
x[is.na(x)] <- TRUE
x
}
# helper function for negate
`%nin%` = Negate(`%in%`)blue_rgb <- c("39 42 102", "99 94 138",
"136 130 164", "168 163 189",
"206 203 217", "219 216 226")
blue_vals <- sapply(strsplit(blue_rgb, " "), function(x)
rgb(x[1], x[2], x[3], maxColorValue=255))
orange_rgb <- c("216 87 44", "224 126 85",
"233 164 130", "241 197 173",
"247 224 210", "249 233 222")
orange_vals <- sapply(strsplit(orange_rgb, " "), function(x)
rgb(x[1], x[2], x[3], maxColorValue=255))
green_rgb <- c("184 203 51", "204 215 115",
"217 224 152", # 35% komt enkel bij groen voor
"227 232 182", "231 235 191",
"238 241 211", "245 247 231")
green_vals <- sapply(strsplit(green_rgb, " "), function(x)
rgb(x[1], x[2], x[3], maxColorValue=255))
col_comb <- c(blue_vals[1], green_vals[2], orange_vals[3],
blue_vals[4], green_vals[5], orange_vals[6],
blue_vals[2], green_vals[3], orange_vals[4])
long_list <- c(blue_vals[1:3], green_vals[1:3], orange_vals[1:3])
long_list_full <- c(blue_vals[1:6], orange_vals[1:6], green_vals[1:7] )tabel_preview <- function(data, title = NULL, rows = 9, top_n = 7, bottom_n = 1, incl_rownums = TRUE) {
gt_preview(data, top_n = top_n, bottom_n = bottom_n, incl_rownums = TRUE) %>%
tab_header(title = title) %>%
# Table background color and other style options
tab_options(
#table.background.color = blue_vals[6],
column_labels.background.color = blue_vals[1],
column_labels.font.size = px(16),
table.font.size = px(12),
data_row.padding = px(4)
# Uncomment and set table.width if needed
# table.width = px(250)
) %>%
tab_style(
style = cell_borders(sides = "bottom", color = blue_vals[1], weight = px(3)),
locations = cells_body(rows = rows)
)
}scroltabel_gt <- function (data, title = NULL, table.height = px(350)) {
gt(data) %>%
# tabel titel
tab_header(title = title) %>%
# tabel opmaak opties
tab_options(
#table.background.color = blue_vals[6],
column_labels.background.color = blue_vals[1],
column_labels.font.size = px(16),
table.font.size = px(12),
data_row.padding = px(4),
table.width = pct(100), # px(250)
container.height = table.height,
container.overflow.y = TRUE # px(250)
) %>%
# tabel opmaak optie onderkant
tab_style(
style = cell_borders(sides = "bottom", color = blue_vals[1], weight = px(3)),
locations = cells_body(rows = nrow(data))
)
}Onderdeel van de SPI Veilige Infrastructuur is de obstakelvrije zone. Op het moment van schrijven is van een aantal belangrijke obstakelklassen data beschikbaar, echter zijn niet nog niet alle obstakels in beeld. De SPI Veilige Infrastructuur - kenmerk Afwezigheid obstakels langs rijbanen beoordeeld wegvakken aan de hand van de reeds beschikbare data.
Op wegen met een limiet van 60 en hoger zijn obstakels langs de rijbaan binnen de obstakelvrije zone ongewenst. Deze rapportage beschrijft de bepaling van scores van de SPI Veilige Infrastructuur op dit kenmerk en de resultaten daarvan. Een wegdeel scoort positief op dit kenmerk wanneer obstakels ontbreken of op voldoende afstand van de rijbaan staan. Deze afstand verschilt per snelheidslimiet. Per wegbeheerder wordt bepaald welk deel van het wegennet positief scoort. Dit vormt de score van de wegbeheerder op dit kenmerk. Deze score wordt bepaald over het voor dit kenmerk relevante deel van het wegennet.
Een verantwoording van de bepaling van scores wordt mede gegeven door het meeleveren van de programmacode waarmee deze scores zijn bepaald.
In de analyse wordt gebruik gemaakt van het NWB (Nationaal Wegenbestand) en WKD (Wegkenmerkendatabase) data voor obstakels langs de weg1. De WKD met betrekking tot obstakels is gebaseerd op een koppeling tussen het NWB en de Boombasis data, BGT (Basisregistratie Grootschalige Topografie) en de AHN (Actueel Hoogtebestand Nederland). Met deze koppelingen is de afstand tussen de rijbaan en obstakels bepaald. Obstakels zijn in dit geval:
Er is daarbij rekening gehouden met locaties waar een geleiderails aanwezig is. Deze worden als veilig beschouwd en hierdoor afgeschermde obstakels worden dus niet als obstakel gemarkeerd. Verder is voor de segmenten in het obstakelbestand de snelheidslimiet bepaald met de WKD snelheden.
Het is nog belangrijk om te vermelden dat de obstakel-data bestaat uit wegvaksegmenten van 100 meter. Bijvoorbeeld, een NWB-wegvak van 300 meter bestaat uit 3 segmenten waarvoor de obstakelafstand bepaald is. Deze segmenten hebben een eigen ID en bevatten ook nog het WVK_ID, waarmee ze te koppelen zijn aan de NWB WVK_ID’s.
Documentatie over het NWB is te vinden bij het NDW: https://docs.ndw.nu/handleidingen/nwb/
Documentatie over de WKD is te vinden op de handleidingen pagina van het NDW: https://docs.ndw.nu/handleidingen/wkd/
Het update beleid kan verschillen tussen de WKD onderdelen. In ieder geval krijgt elk onderdeel een ‘grote’ jaarlijkse update gekoppeld aan het januari bestand van het NWB. Daarom worden bij het gebruik van de WKD de januari bestanden gebruikt. Deze updates komen in de loop van elk jaar binnen. Een planning daarvoor is nog niet beschikbaar. De laatste updates zijn te vinden op de WKD download-pagina en het NDW Verkeersveiligheid Dataportaal. Berichten hierover worden tevens geplaatst op het Nationaal Toegangspunt Mobiliteitsdata.
1 Deze dataset is op moment van schrijven nog niet openbaar beschikbaar. Vooralsnog is enkel de dataset met betrekking tot bomen als obstakels beschikbaar.
# -------------KIES JAAR------------------------
# indien gewenst, kies een ander jaar, bijv 2025
# Jaar versie NWB
nwbjaar <- "2024"
# ----------------------------------------------
#' Deze code chunk bevat het jaar waarvan de data wordt gedownload en waarvoor de analyse wordt gedraaid.
#' Het is niet mogelijk om de analyse op jaren voor 2024 te draaien vanwege beperkingen aan de datakwaliteit.
#' Nieuwe januari bestanden komen in de loop van 2025 beschikbaar. Wanneer deze beschikbaar komt,
#' kan het jaar worden aangepast.De analyse is uitgevoerd op het NWB van januari 2024. Door het NWB-jaar (variabele ‘nwbjaar’) aan te passen in het script kan de volledige analyse op een ander jaar worden gedraait, mits de data voor dat jaar (reeds) beschikbaar is.
Het NWB is gedownload van: https://downloads.rijkswaterstaatdata.nl/nwb-wegen/geogegevens/shapefile/Nederland_totaal/
# Deze code chunk verzorgt de download en het inladen in R van het NWB.
#' Wanneer het script eerder lokaal is gedraaid en het NWB al is gedownload en verwerkt wordt de .RDS
#' versie van het NWB geladen. Wanneer de RDS niet beschikbaar is, wordt het bestand gedownload en
#' verwerkt.
# rds bestandsnaam op basis van jaar
nwb_rds_naam <- paste0("nwb", nwbjaar, "jan.sf.RDS")
# nwb datum op basis van jaar
nwb_datum <- paste0("01-01-", nwbjaar)
# zip bestandsnaam op basis van jaar
nwb_zip <- paste0("nwb", nwbjaar, "jan.zip")
# conditioneel laden of downloaden en verwerken van het NWB
if (file.exists(here("RDS", nwb_rds_naam))) {
# if file exist load RDS
NWB <- readRDS(here("RDS", nwb_rds_naam))
cat(paste("Bestand geladen uit .RDS"))
} else {
# url for dutch open data
nwbjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/nwb-wegen/geogegevens/shapefile/Nederland_totaal/01-01-", nwbjaar, ".zip")
# destination file + folder
dest_file_nwbjaarjan <- here("Data", nwb_zip)
dest_folder <- here("Data", paste0("nwb", nwbjaar, "jan"))
# download file
curl_download(nwbjaarjan_url, destfile = dest_file_nwbjaarjan, mode = "wb")
# unzip
unzip(dest_file_nwbjaarjan, exdir = dest_folder)
# load the shapefile
NWB <- st_read(here(dest_folder, nwb_datum, "Wegvakken", "Wegvakken.shp"))
# Save as RDS
saveRDS(NWB, here("RDS", nwb_rds_naam))
# clear zip
file.remove(dest_file_nwbjaarjan)
# code resultaat bericht
cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
}## Bestand geladen uit .RDSDe analyse maakt gebruik van het WKD product obstakels langs rijbanen, gekoppeld aan het NWB van januari 2024. Op moment van schrijven was de dataset echter nog niet openbaar. Onderstaande code chunk is bedoeld voor wanneer dit product officieel online is en zal dan nog enige aanpassingen behoeven om te kunnen gebruiken. De hierop volgende code chunk laadt de lokaal opgeslagen, niet-openbare data die voor de huidige analyse gebruikt is.
#' Wanneer de code chunk staat op eval=FALSE, dan wordt deze niet gedraaid
#' De chunk is niet getest omdat de data over obstakels onderhands is geleverd.
#' De chunk zal moeten worden aangepast aan de wijze waarop de data openbaar wordt beschikbaar gesteld.
# Deze code chunk verzorgt de download en het inladen in R van de wkd obstakels
#' Wanneer het script eerder lokaal is gedraaid en het NWB al is gedownload en verwerkt wordt de .RDS
#' versie van het bestand geladen. Wanneer de RDS niet beschikbaar is, wordt het bestand gedownload en
#' verwerkt.
# rds bestandsnaam op basis van jaar
Obstakels_rds_naam <- paste0("Obstakels", nwbjaar, "jan.RDS")
# nwb datum op basis van jaar
Obstakels_datum <- paste0("01-01-", nwbjaar)
# zip bestandsnaam op basis van jaar
Obstakels_zip <- paste0("Obstakels", nwbjaar, "jan.zip")
# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", Obstakels_rds_naam))) {
# if file exist load RDS
Obstakels <- readRDS(here("RDS", Obstakels_rds_naam))
cat(paste("Bestand geladen uit .RDS"))
} else {
# url for dutch open data
Obstakelsjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Bomen/01-01-", nwbjaar, ".zip")
# destination file + folder
dest_file_Obstakelsjaarjan <- here("Data", Obstakels_zip)
dest_folder <- here("Data", paste0("Obstakels", nwbjaar,"jan"))
# download file
curl_download(Obstakelsjaarjan_url, destfile = dest_file_Obstakelsjaarjan, mode = "wb")
# unzip
unzip(dest_file_Obstakelsjaarjan, exdir = dest_folder)
# load the csv
Obstakels <- read.csv2(here(dest_folder, Obstakels_datum, "wkd_012-BMN_AANT.csv"), stringsAsFactors = FALSE)
# Save as RDS
saveRDS(Obstakels, here("RDS", Obstakels_rds_naam))
# clear zip
file.remove(dest_file_Obstakelsjaarjan)
# code resultaat bericht
cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
}# Deze code chunk verzorgt het inladen in R van de lokaal opgeslagen wkd obstakels
Obstakels_wkd <- read.csv("Data/Datalevering_wegobstakels_sept2024/WKD_nwb_wegvakken_met_obstakels.csv")De documentatie over het WKD product obstakels zal na publicatie te vinden zijn op de NDW handleidingen pagina.
De data dient te worden geprepareerd voorafgaand aan de analyses en bepaling van het kenmerk Afwezigheid obstakels langs rijbanen van de SPI Veilige Infrastructuur. De preparatie bevat onder meer de aggregatie van obstakels per snelheidslimiet en het selecteren van de juiste wegvakken in het NWB.
We kijken voor het kenmerk Afwezigheid obstakels langs rijbanen enkel naar rijbanen. Daarom wordt het NWB gefilterd op de zogeheten variabele Baan Subsoort Code (BST_CODE).
Afkortingen zijn te vinden in de NWB handleiding.
In deze analyse laten we wegvakken met de volgende BST_CODEs buiten beschouwing: “FP”, “VP”, “CADO”, “VZ”, “VD”, “VDA”, “VDF”, “VDV”, “RP”, “VV”
nwb_rijbaan <- NWB %>%
filter(BST_CODE %nin% c("FP", "VP", "CADO", "VZ", "VD", "VDA", "VDF", "VDV", "RP", "VV")) %>%
select(WVK_ID, WEGBEHSRT, WEGNUMMER, STT_NAAM, WPSNAAM, GME_NAAM, WEGBEHNAAM, BST_CODE) %>%
# bepaal de wegvaklengte
mutate(wegvaklengte = as.numeric(st_length(.)))Om de dataset over obstakels gereed te maken voor de analyse is het zaak dat de verschillende typen obstakels samengevoegd worden om tot een beoordeling te komen of een wegsegment, en later een wegvak, aan de SPI voldoet. Hierbij is het allereerst van belang om te vermelden dat de obstakelvrije zone per snelheidslimiet verschilt. De standaard breedte van de obstakelvrije zone per snelheidslimiet is als volgt:
In de praktijk is veel gewerkt met een minimum maatvoering van de obstakelvrije zone, die in de huidige richtlijn is komen te vervallen. De oude minimum maatvoeringen zijn als volgt:
Om te toetsen of een wegvak voldoet aan de SPI Veilige Infrastructuur - Afwezigheid van obstakels langs de rijbaan, wordt enkel gekeken naar de standaard maatvoering van de obstakelvrije zone. De afwezigheid van obstakels binnen de minimale maatvoering van de obstakelvrije zone wordt in het databestand op wegvakniveau wel inzichtelijk gemaakt.
Voor taluds geldt volgens de CROW-richtlijnen dat een helling als obstakel gezien wordt wanneer deze aflopend steiler is dan 1:6 ofwel 17% en oplopend steiler dan 1:2 ofwel 50%. Hier wordt in de beoordeling of een wegvaksegment of wegvak voldoet rekening mee gehouden.
De gebruikte WKD obstakels dataset betreft een segmenten bestand. De segmenten zijn wegstukken uit een wegvak. Elk wegvak is opgedeeld in segmenten met elk een maximale lengte van 100m. Per segment is de aanwezigheid van obstakels bepaald. Het segmentenbestand is geleverd als een shapefile en een csv. Hier is gebruik gemaakt van de csv. Beide bestanden bevatten de volgende variabelen:
attributentabel <- '
"Attribuut","Betekenis","Data.type"
"WVK_ID","NWB wegvak ID","int "
"WVK_BEGDAT","Begindatum wegvak","datum"
"NWB_VERSIE","NWB versie","datum"
"MAXSHD","Maximum snelheid/snelheidslimiet op weg in km/u","int"
"segment_id","Uniek ID van opgesplitst wegvak","tekst"
"BGT_versie","BGT versie","datum"
"Van","Startpunt segment (in meters)","int "
"Naar","Eindpunt segment (in meters)","int "
"st_af_kl_1","Aantal boomstammen tussen 0 en 1,5 meter","int "
"st_af_kl_2","Aantal boomstammen tussen 1.5 en 2.5 meter","int "
"st_af_kl_3","Aantal boomstammen tussen 2.5 en 4.5 meter","int "
"st_af_kl_4","Aantal boomstammen tussen 4.5 en 6 meter","int "
"st_af_kl_5","Aantal boomstammen tussen 6 en 8 meter","int "
"st_af_kl_6","Aantal boomstammen tussen 8 en 10 meter","int "
"st_totaal","Totaal aantal boomstammen binnen 10 meter van BGT wegdeel","int "
"st_gem_afs","Gemiddelde wegafstand van alle boomstammen in elke afstandsklasse","int"
"o_af_kl_1","Aantal ondergroei vlakken tussen 0 en 1.5 meter","int "
"o_af_kl_2","Aantal ondergroei vlakken tussen 1.5 en 2.5 meter","int "
"o_af_kl_3","Aantal ondergroei vlakken tussen 2.5 en 4.5 meter","int "
"o_af_kl_4","Aantal ondergroei vlakken tussen 4.5 en 6 meter","int "
"o_af_kl_5","Aantal ondergroei vlakken tussen 6 en 8 meter","int "
"o_af_kl_6","Aantal ondergroei vlakken tussen 8 en 10 meter","int "
"o_totaal","Totaal aantal ondergroei vlakken binnen 10 meter van BGT wegdeel","int "
"bgt_afkl_1","bgt object tussen 0 en 1,5 meter? Ja/Nee","tekst"
"bgt_afkl_2","bgt object tussen 1.5 en 2,5 meter? Ja/Nee","tekst"
"bgt_afkl_3","bgt object tussen 2.5 en 4.5 meter? Ja/Nee","tekst"
"bgt_afkl_4","bgt object tussen 4.5 en 6 meter? Ja/Nee","tekst"
"bgt_afkl_5","bgt object tussen 6 en 8 meter? Ja/Nee","tekst"
"bgt_afkl_6","bgt object tussen 8 en 10 meter? Ja/Nee","tekst"
"AHN_afkl_1","Max negatieve helling tussen 0 en 1.5 meter (%)","float"
"AHN_afkl_2","Max negatieve helling tussen 1.5 en 2.5 meter (%)","float"
"AHN_afkl_3","Max negatieve helling tussen 2.5 en 4.5 meter (%)","float"
"AHN_afkl_4","Max negatieve helling tussen 4.5 en 6 meter (%)","float"
"AHN_afkl_5","Max negatieve helling tussen 6 en 8 meter (%)","float"
"AHN_afkl_6","Max negatieve helling tussen 8 en 10 meter (%)","float"
'
wkdattributentabel_obstakels <- read.table(text = attributentabel, sep = ",", header = TRUE, quote = "\"", stringsAsFactors = FALSE)
scroltabel_gt(wkdattributentabel_obstakels, title = "Attributentabel WKD obstakels")| Attributentabel WKD obstakels | ||
| Attribuut | Betekenis | Data.type |
|---|---|---|
| WVK_ID | NWB wegvak ID | int |
| WVK_BEGDAT | Begindatum wegvak | datum |
| NWB_VERSIE | NWB versie | datum |
| MAXSHD | Maximum snelheid/snelheidslimiet op weg in km/u | int |
| segment_id | Uniek ID van opgesplitst wegvak | tekst |
| BGT_versie | BGT versie | datum |
| Van | Startpunt segment (in meters) | int |
| Naar | Eindpunt segment (in meters) | int |
| st_af_kl_1 | Aantal boomstammen tussen 0 en 1,5 meter | int |
| st_af_kl_2 | Aantal boomstammen tussen 1.5 en 2.5 meter | int |
| st_af_kl_3 | Aantal boomstammen tussen 2.5 en 4.5 meter | int |
| st_af_kl_4 | Aantal boomstammen tussen 4.5 en 6 meter | int |
| st_af_kl_5 | Aantal boomstammen tussen 6 en 8 meter | int |
| st_af_kl_6 | Aantal boomstammen tussen 8 en 10 meter | int |
| st_totaal | Totaal aantal boomstammen binnen 10 meter van BGT wegdeel | int |
| st_gem_afs | Gemiddelde wegafstand van alle boomstammen in elke afstandsklasse | int |
| o_af_kl_1 | Aantal ondergroei vlakken tussen 0 en 1.5 meter | int |
| o_af_kl_2 | Aantal ondergroei vlakken tussen 1.5 en 2.5 meter | int |
| o_af_kl_3 | Aantal ondergroei vlakken tussen 2.5 en 4.5 meter | int |
| o_af_kl_4 | Aantal ondergroei vlakken tussen 4.5 en 6 meter | int |
| o_af_kl_5 | Aantal ondergroei vlakken tussen 6 en 8 meter | int |
| o_af_kl_6 | Aantal ondergroei vlakken tussen 8 en 10 meter | int |
| o_totaal | Totaal aantal ondergroei vlakken binnen 10 meter van BGT wegdeel | int |
| bgt_afkl_1 | bgt object tussen 0 en 1,5 meter? Ja/Nee | tekst |
| bgt_afkl_2 | bgt object tussen 1.5 en 2,5 meter? Ja/Nee | tekst |
| bgt_afkl_3 | bgt object tussen 2.5 en 4.5 meter? Ja/Nee | tekst |
| bgt_afkl_4 | bgt object tussen 4.5 en 6 meter? Ja/Nee | tekst |
| bgt_afkl_5 | bgt object tussen 6 en 8 meter? Ja/Nee | tekst |
| bgt_afkl_6 | bgt object tussen 8 en 10 meter? Ja/Nee | tekst |
| AHN_afkl_1 | Max negatieve helling tussen 0 en 1.5 meter (%) | float |
| AHN_afkl_2 | Max negatieve helling tussen 1.5 en 2.5 meter (%) | float |
| AHN_afkl_3 | Max negatieve helling tussen 2.5 en 4.5 meter (%) | float |
| AHN_afkl_4 | Max negatieve helling tussen 4.5 en 6 meter (%) | float |
| AHN_afkl_5 | Max negatieve helling tussen 6 en 8 meter (%) | float |
| AHN_afkl_6 | Max negatieve helling tussen 8 en 10 meter (%) | float |
Een uitgebreide documentatie van het bestand wordt verwacht bij oplevering op de NDW handleidingen pagina.
De obstakeldata wordt gebruikt om van elk segment per limiet en obstakeltype te bepalen of obstakels aanwezig zijn in de standaard en minimale obstakelvrije zone. Per limiet wordt tevens getoetst of de standaard obstakelvrije zone vrij is van obstakels (voor zover beschikbaar in de data).
Voordat we deze bewerking voltooien worden de wegsegmenten met een lokale 90 km/uur-limiet eruit gehaald. Deze worden buiten beschouwing gelaten.
# Er wordt per limiet bepaald of er een van de obstakels binnen de geldende standaard obstakelvrije zone staan
nwb_obstakel_herkl_breed <- Obstakels_wkd %>%
filter(MAXSHD != "90") %>%
# vervang NA door 0 voor de verschillende talud kolommen. Met de waarde 0 wordt die kolom positief beoordeeld.
# Het komt voor dat een deel van de afstandsklassen van taluds een waarde heeft en een deel NA. De kolommen met waarden kunnen
# worden beoordeeld als we de NAs met 0 imputeren
mutate(across(AHN_afkl_1:AHN_afkl_6, ~ replace_na(., 0))) %>%
# Wanneer er minimaal 1 boom binnen de obstakelvrije zone staat klasse = 1, anders = 0
mutate(
boom_60_std = case_when(
(st_af_kl_1 + st_af_kl_2) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2) == 0 ~ 0),
boom_60_min = case_when(
st_af_kl_1 != 0 ~ 1,
st_af_kl_1 == 0 ~ 0),
boom_70_std = case_when(
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3) == 0 ~ 0),
boom_70_min = case_when(
(st_af_kl_1 + st_af_kl_2) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2) == 0 ~ 0),
boom_80_std = case_when(
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4) == 0 ~ 0),
boom_80_min = case_when(
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3) == 0 ~ 0),
boom_100_std = case_when(
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4 + st_af_kl_5 + st_af_kl_6) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4 + st_af_kl_5 + st_af_kl_6) == 0 ~ 0),
boom_100_min = case_when(
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4 + st_af_kl_5) != 0 ~ 1,
(st_af_kl_1 + st_af_kl_2 + st_af_kl_3 + st_af_kl_4 + st_af_kl_5) == 0 ~ 0),
# Wanneer een van de afstandsklassen binnen de obstakelvrije zone 'Ja' is, dan klasse = 1, anders = 0
bgt_obj_60_std = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" ~ 0),
bgt_obj_60_min = case_when(
bgt_afkl_1 == "ja" ~ 1,
bgt_afkl_1 == "nee" ~ 0),
bgt_obj_70_std = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" |
bgt_afkl_3 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" &
bgt_afkl_3 == "nee" ~ 0),
bgt_obj_70_min = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" ~ 0),
bgt_obj_80_std = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" |
bgt_afkl_3 == "ja" | bgt_afkl_4 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" &
bgt_afkl_3 == "nee" & bgt_afkl_4 == "nee" ~ 0),
bgt_obj_80_min = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" |
bgt_afkl_3 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" &
bgt_afkl_3 == "nee" ~ 0),
bgt_obj_100_std = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" |
bgt_afkl_3 == "ja" | bgt_afkl_4 == "ja" |
bgt_afkl_5 == "ja" | bgt_afkl_6 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" &
bgt_afkl_3 == "nee" & bgt_afkl_4 == "nee" &
bgt_afkl_5 == "nee" & bgt_afkl_6 == "nee" ~ 0),
bgt_obj_100_min = case_when(
bgt_afkl_1 == "ja" | bgt_afkl_2 == "ja" |
bgt_afkl_3 == "ja" | bgt_afkl_4 == "ja" |
bgt_afkl_5 == "ja" ~ 1,
bgt_afkl_1 == "nee" & bgt_afkl_2 == "nee" &
bgt_afkl_3 == "nee" & bgt_afkl_4 == "nee" &
bgt_afkl_5 == "nee" ~ 0),
# Bepaal per afstandsklasse of er gevaarlijke aflopende (< -17%) of oplopende (> 50%) talud aanwezig is
talud_obs_60_std = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <=50 ~ 0),
talud_obs_60_min = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 ~ 0),
talud_obs_70_std = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 |
AHN_afkl_3 < -17 | AHN_afkl_3 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <=50 &
AHN_afkl_3 >= -17 & AHN_afkl_3 <=50 ~ 0),
talud_obs_70_min = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <=50 ~ 0),
talud_obs_80_std = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 |
AHN_afkl_3 < -17 | AHN_afkl_3 > 50 |
AHN_afkl_4 < -17 | AHN_afkl_4 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <=50 &
AHN_afkl_3 >= -17 & AHN_afkl_3 <=50 &
AHN_afkl_4 >= -17 & AHN_afkl_4 <=50 ~ 0),
talud_obs_80_min = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 |
AHN_afkl_3 < -17 | AHN_afkl_3 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <= 50 &
AHN_afkl_3 >= -17 & AHN_afkl_3 <= 50 ~ 0),
talud_obs_100_std = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 |
AHN_afkl_3 < -17 | AHN_afkl_3 > 50 |
AHN_afkl_4 < -17 | AHN_afkl_4 > 50 |
AHN_afkl_5 < -17 | AHN_afkl_5 > 50 |
AHN_afkl_6 < -17 | AHN_afkl_6 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <= 50 &
AHN_afkl_3 >= -17 & AHN_afkl_3 <= 50 &
AHN_afkl_4 >= -17 & AHN_afkl_4 <= 50 &
AHN_afkl_5 >= -17 & AHN_afkl_5 <= 50 &
AHN_afkl_6 >= -17 & AHN_afkl_6 <= 50 ~ 0),
talud_obs_100_min = case_when(
AHN_afkl_1 < -17 | AHN_afkl_1 > 50 |
AHN_afkl_2 < -17 | AHN_afkl_2 > 50 |
AHN_afkl_3 < -17 | AHN_afkl_3 > 50 |
AHN_afkl_4 < -17 | AHN_afkl_4 > 50 |
AHN_afkl_5 < -17 | AHN_afkl_5 > 50 ~ 1,
AHN_afkl_1 >= -17 & AHN_afkl_1 <= 50 &
AHN_afkl_2 >= -17 & AHN_afkl_2 <= 50 &
AHN_afkl_3 >= -17 & AHN_afkl_3 <= 50 &
AHN_afkl_4 >= -17 & AHN_afkl_4 <= 50 &
AHN_afkl_5 >= -17 & AHN_afkl_5 <= 50 ~ 0)
) %>%
# Opschonen van tabel
select(-c(st_totaal:AHN_afkl_6)) %>%
# variabelen voor segement voldoet aan standaard
mutate(
segment_voldoet_60_std = case_when(
(boom_60_std + bgt_obj_60_std +talud_obs_60_std) == 0 ~ 1,
(boom_60_std + bgt_obj_60_std +talud_obs_60_std) != 0 ~ 0),
segment_voldoet_70_std = case_when(
(boom_70_std + bgt_obj_70_std +talud_obs_70_std) == 0 ~ 1,
(boom_70_std + bgt_obj_70_std +talud_obs_70_std) != 0 ~ 0),
segment_voldoet_80_std = case_when(
(boom_80_std + bgt_obj_80_std +talud_obs_80_std) == 0 ~ 1,
(boom_80_std + bgt_obj_80_std +talud_obs_80_std) != 0 ~ 0),
segment_voldoet_100_std = case_when(
(boom_100_std + bgt_obj_100_std +talud_obs_100_std) == 0 ~ 1,
(boom_100_std + bgt_obj_100_std +talud_obs_100_std) != 0 ~ 0)
)
# van de bovenstaande tabel wordt het aantal kolommen gereduceerd
nwb_obstakel_herkl <- nwb_obstakel_herkl_breed %>%
mutate(
# bepalen of het segment voldoet, dus geen obstakels heeft in de obstakelvrije zone zoals die geldt voor de limiet
segment_voldoet = case_when(
MAXSHD == "60" ~ segment_voldoet_60_std,
MAXSHD == "70" ~ segment_voldoet_70_std,
MAXSHD == "80" ~ segment_voldoet_80_std,
MAXSHD == "100" ~ segment_voldoet_100_std
),
# bepalen of er bomen binnen de obstakelvrije zone staan die geldt voor de limiet
boom_ovz_segm = case_when(
MAXSHD == "60" ~ boom_60_std,
MAXSHD == "70" ~ boom_70_std,
MAXSHD == "80" ~ boom_80_std,
MAXSHD == "100" ~ boom_100_std
),
# bepalen of er bgt obstakels binnen de obstakelvrije zone staan die geldt voor de limiet
bgt_obj_ovz_segm = case_when(
MAXSHD == "60" ~ bgt_obj_60_std,
MAXSHD == "70" ~ bgt_obj_70_std,
MAXSHD == "80" ~ bgt_obj_80_std,
MAXSHD == "100" ~ bgt_obj_100_std
),
# bepalen of er kritische taluds binnen de obstakelvrije zone staan die geldt voor de limiet
talud_ovz_segm = case_when(
MAXSHD == "60" ~ talud_obs_60_std,
MAXSHD == "70" ~ talud_obs_70_std,
MAXSHD == "80" ~ talud_obs_80_std,
MAXSHD == "100" ~ talud_obs_100_std
),
# bepalen of er bomen binnen de minimale afstand staan de geldt voor de limiet
boom_min_segm = case_when(
MAXSHD == "60" ~ boom_60_min,
MAXSHD == "70" ~ boom_70_min,
MAXSHD == "80" ~ boom_80_min,
MAXSHD == "100" ~ boom_100_min
),
# bepalen of er bgt objecten binnen de minimale afstand staan de geldt voor de limiet
bgt_obj_min_segm = case_when(
MAXSHD == "60" ~ bgt_obj_60_min,
MAXSHD == "70" ~ bgt_obj_70_min,
MAXSHD == "80" ~ bgt_obj_80_min,
MAXSHD == "100" ~ bgt_obj_100_min
),
# bepalen of er kritische taluds binnen de minimale afstand staan de geldt voor de limiet
talud_min_segm = case_when(
MAXSHD == "60" ~ talud_obs_60_min,
MAXSHD == "70" ~ talud_obs_70_min,
MAXSHD == "80" ~ talud_obs_80_min,
MAXSHD == "100" ~ talud_obs_100_min
),
# bepaal lengte van het segment
lengte_segment = naar - van
) %>%
# tabel opschonen; informatie over minimale obstakelvrije zone blijft staan maar wordt later niet mee gerekend
select(-c(boom_60_std:segment_voldoet_100_std)) %>%
# nieuwe naar voor het aantal stammen binnen obstakelvrije zone
rename(
n_bomen_0_15 = st_af_kl_1,
n_bomen_15_25 = st_af_kl_2,
n_bomen_25_45 = st_af_kl_3,
n_bomen_45_6 = st_af_kl_4,
n_bomen_6_8 = st_af_kl_5,
n_bomen_8_10 = st_af_kl_6,
) %>%
relocate(segment_voldoet, .after = naar)De analyse van obstakels in de obstakelvrije zone kan op twee niveaus uitgevoerd worden: 1) op wegvakniveau; en 2) op wegsegmentniveau. De tabel die gegenereerd is in de vorige paragraaf is op wegsegmentniveau gestructureerd en moet gekoppeld worden aan het NWB. Met deze dataset kan per snelheidslimiet en per wegbeheerder bepaald worden hoeveel wegsegmenten aan de SPI voldoen en wat het aandeel hiervan is in het totaal van alle wegsegmenten. Deze tabel is na de koppeling dus ‘analyseklaar’.
Voor de analyse op wegvakniveau, is het van belang dat de data van de wegsegmenten geaggregeerd worden. Er kan dan binnen een wegvak gekeken worden of alle segmenten binnen dat wegvak aan de SPI voldoen. De data moet hiervoor op basis van de WVK_ID geaggregeerd worden.
Hieronder wordt als eerste de koppeling tussen de wegsegmenten en het NWB gedaan en daarna de attributentabel van de wegsegmenten getoond. Daarna wordt de wegvakkentabel gegenereerd en wordt daarvan ook een attributentabel gemaakt.
Voor een analyse op wegsegmentniveau is het van belang dat de wegsegmenten gekoppeld worden aan de wegvakken in de NWB-data. Deze koppeling wordt gedaan op basis van een inner_join met WVK_ID als koppelvariabele.
In de analyse worden wegen onder beheer van het Rijk buiten beschouwing gelaten. De data wordt daarom na de koppeling gefilterd op wegen die niet onder het Rijk vallen
nwb_segment_obstakels <- nwb_rijbaan %>%
inner_join(nwb_obstakel_herkl, by = "WVK_ID") %>%
filter(WEGBEHSRT != "R") %>%
select(-c(WEGNUMMER, BST_CODE))Dit levert de volgende tabel op (dit betreft een uitsnede). Deze tabel is te gebruiken voor de analyse op wegsegmentniveau.
# tabel uitsnede dataset voor analyse
tabel_preview(st_drop_geometry(nwb_segment_obstakels), title = "Dataset voor analyse wegsegmentniveau")| Dataset voor analyse wegsegmentniveau | ||||||||||||||||||||||||||||
| WVK_ID | WEGBEHSRT | STT_NAAM | WPSNAAM | GME_NAAM | WEGBEHNAAM | wegvaklengte | WVK_BEGDAT | NWB_VERSIE | MAXSHD | segment_id | BGT_versie | van | naar | segment_voldoet | n_bomen_0_15 | n_bomen_15_25 | n_bomen_25_45 | n_bomen_45_6 | n_bomen_6_8 | n_bomen_8_10 | boom_ovz_segm | bgt_obj_ovz_segm | talud_ovz_segm | boom_min_segm | bgt_obj_min_segm | talud_min_segm | lengte_segment | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 122182003 | G | Dam | Yerseke | Reimerswaal | Reimerswaal | 63.198101 | 1995-04-10 | 2024-01-01 | 80 | 122182003_0 | 2024-08-02 | 0 | 42 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 42 |
| 2 | 225346008 | G | Mijnsherenweg | Kudelstaart | Aalsmeer | Aalsmeer | 9.219544 | 1999-10-01 | 2024-01-01 | 80 | 225346008_0 | 2024-08-02 | 0 | 9 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 9 |
| 3 | 265179004 | G | Gorp | Goirle | Goirle | Goirle | 32.573721 | 2000-04-01 | 2024-01-01 | 60 | 265179004_0 | 2024-08-02 | 0 | 33 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 33 |
| 4 | 277203002 | G | Berkhoek | Udenhout | Tilburg | Tilburg | 184.880136 | 1982-01-01 | 2024-01-01 | 60 | 277203002_0 | 2024-08-02 | 0 | 100 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 100 |
| 5 | 277203002 | G | Berkhoek | Udenhout | Tilburg | Tilburg | 184.880136 | 1982-01-01 | 2024-01-01 | 60 | 277203002_1 | 2024-08-02 | 100 | 185 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 85 |
| 6 | 312145004 | G | de Rijtjes | Westerhoven | Bergeijk | Bergeijk | 107.694530 | 1999-06-01 | 2024-01-01 | 60 | 312145004_0 | 2024-08-02 | 0 | 100 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 100 |
| 7 | 312145004 | G | de Rijtjes | Westerhoven | Bergeijk | Bergeijk | 107.694530 | 1999-06-01 | 2024-01-01 | 60 | 312145004_1 | 2024-08-02 | 100 | 108 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 8 |
| 8..768329 | ||||||||||||||||||||||||||||
| 768330 | 600947010 | P | Sint-Oedenrodeseweg | Best | Best | Noord-Brabant | 2.850547 | 2022-06-01 | 2024-01-01 | 80 | 600947010_0 | 2024-08-02 | 0 | 3 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 |
De volgende tabel is de attributentabel die een beschrijving geeft van variabelen in de analysetabel op wegsegmentniveau
tabel_wegsegmenten_obstakels_beschr <- data.frame(
Attribuut = c(
"WVK_ID", "WEGBEHSRT", "STT_NAAM", "WPSNAAM", "GME_NAAM", "WEGBEHNAAM",
"wegvaklengte", "WVK_BEGDAT", "NWB_VERSIE", "MAXSHD", "segment_id",
"BGT_versie", "van", "naar", "segment_voldoet", "n_bomen_x_x",
"boom_ovz_segm", "bgt_obj_ovz_segm", "talud_ovz_segm",
"boom_min_segm", "bgt_obj_min_segm", "talud_min_segm", "lengte_segment"
),
Omschrijving = c(
"Het unieke nummer voor een Wegvak.",
"Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier",
"Straatnaam", "Naam van de plaats waarin het wegvak ligt",
"Naam van de gemeente waarin de plaats ligt", "Naam van de wegbeheerder",
"Lengte van het wegvak",
"De eerste datum waarop deze vorm en inhoud van betreffende Wegvak geldig is.",
"Dit is de datum waarop de waarde in het WKD bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd.",
"De snelheidslimiet op dit wegsegment",
"Het unieke nummer van dit segment, wat begint met het WVK_ID gevogld door een oplopend getal",
"Dit is de datum waarop de waarde in het BGT-bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd.",
"Beginpunt van het wegsegment binnen het wegvak, in meters.",
"Eindpunt van het wegsegment binnen het wegvak, in meters.",
"Geeft aan of het segment voldoet aan de SPI voor obstakels langs rijbanen; dus of er binnen de obstakelvrije zone die geldt voor de limiet van dit segment obstakels aanwezig zijn",
"Het aantal bomen binnen de betreffende afstandsklasse.",
"Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet bomen staan.",
"Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet BGT-obstakels (greppels en sloten) liggen.",
"Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet taluds aanwezig zijn.",
"Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet bomen staan",
"Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet BGT-obstakels (greppels en sloten) liggen.",
"Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet taluds aanwezig zijn.",
"Lengte in meters van het segment."
)
)
# Print the table
scroltabel_gt(tabel_wegsegmenten_obstakels_beschr, title = "Variabelen WKD obstakels data wegsegmentniveau")| Variabelen WKD obstakels data wegsegmentniveau | |
| Attribuut | Omschrijving |
|---|---|
| WVK_ID | Het unieke nummer voor een Wegvak. |
| WEGBEHSRT | Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier |
| STT_NAAM | Straatnaam |
| WPSNAAM | Naam van de plaats waarin het wegvak ligt |
| GME_NAAM | Naam van de gemeente waarin de plaats ligt |
| WEGBEHNAAM | Naam van de wegbeheerder |
| wegvaklengte | Lengte van het wegvak |
| WVK_BEGDAT | De eerste datum waarop deze vorm en inhoud van betreffende Wegvak geldig is. |
| NWB_VERSIE | Dit is de datum waarop de waarde in het WKD bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd. |
| MAXSHD | De snelheidslimiet op dit wegsegment |
| segment_id | Het unieke nummer van dit segment, wat begint met het WVK_ID gevogld door een oplopend getal |
| BGT_versie | Dit is de datum waarop de waarde in het BGT-bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd. |
| van | Beginpunt van het wegsegment binnen het wegvak, in meters. |
| naar | Eindpunt van het wegsegment binnen het wegvak, in meters. |
| segment_voldoet | Geeft aan of het segment voldoet aan de SPI voor obstakels langs rijbanen; dus of er binnen de obstakelvrije zone die geldt voor de limiet van dit segment obstakels aanwezig zijn |
| n_bomen_x_x | Het aantal bomen binnen de betreffende afstandsklasse. |
| boom_ovz_segm | Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet bomen staan. |
| bgt_obj_ovz_segm | Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet BGT-obstakels (greppels en sloten) liggen. |
| talud_ovz_segm | Indicatie of er binnen de standaard obstakelvrije zone van deze snelheidslimiet taluds aanwezig zijn. |
| boom_min_segm | Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet bomen staan |
| bgt_obj_min_segm | Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet BGT-obstakels (greppels en sloten) liggen. |
| talud_min_segm | Indicatie of er binnen de minimale obstakelvrije zone van deze snelheidslimiet taluds aanwezig zijn. |
| lengte_segment | Lengte in meters van het segment. |
Naast de analyse op wegsegmentniveau wordt er een analyse op wegvakniveau uitgevoerd. Hiervoor wordt de data van de wegsegmenten geaggregeerd. In de eerste stap wordt geaggregeerd per wegvak en per snelheidslimiet. Dit wordt gedaan omdat er binnen een wegvak meerdere snelheidslimieten aanwezig kunnen zijn. Als volgt wordt deze data geaggregeerd naar wegvakniveau. Hierbij blijft de informatie over de snelheidslimieten per wegvak inzichtelijk, maar kan de analyse op wegvakniveau gedaan worden.
# creeer een wvk df met enkel administratieve attribuut info per wvk
wvk_attribuutinformatie <- select(st_drop_geometry(nwb_segment_obstakels), WVK_ID, WEGBEHSRT, STT_NAAM,
WPSNAAM, GME_NAAM, WEGBEHNAAM, wegvaklengte) %>%
distinct() %>%
as.data.frame()# Eerst wordt een tabel gemaakt waarin WVK_ID nog uitgesplitst is naar snelheidslimiet
nwb_wvk_limiet_obstakel <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# schoon df type
as.data.frame() %>%
# init dtplyr voor snelle processing
lazy_dt() %>%
# groepeer naar wvkid en limiet
group_by(WVK_ID, MAXSHD) %>%
summarise(
# aantale segmenten per wegvak, per snelheidslimiet binnen een wegvak
n_segmenten = n(),
# bepaling hoeveel segmenten binnen wegvak en limiet voldoen
n_segmenten_voldoet = sum(segment_voldoet),
# aantal segmenten binnen wegvak en limiet dat niet voldoet aan obstakelvrije zone door bomen
n_segmenten_voldoet_niet_bomen = sum(boom_ovz_segm),
# aantal segmenten binnen wegvak en limiet dat niet voldoet aan obstakelvrije zone door BGT objecten
n_segmenten_voldoet_niet_bgt_obj = sum(bgt_obj_ovz_segm),
# aantal segmenten binnen wegvak en limiet dat niet voldoet aan obstakelvrije zone door kritische taluds
n_segmenten_voldoet_niet_talud = sum(talud_ovz_segm),
# aantal bomen per obstakelvrije zone per wegvak en per limiet
n_bomen_0_15 = sum(n_bomen_0_15),
n_bomen_15_25 = sum(n_bomen_15_25),
n_bomen_25_45 = sum(n_bomen_25_45),
n_bomen_45_6 = sum(n_bomen_45_6),
n_bomen_6_8 = sum(n_bomen_6_8),
n_bomen_8_10 = sum(n_bomen_8_10),
# tel de lengtes van alle segmenten per limiet op om later maatgevende limiet te bepalen
lengte_limiet = sum(lengte_segment)
) %>%
# bepalen of wegvak limiet voldoet
mutate(
wvk_limiet_voldoet = case_when(
n_segmenten == n_segmenten_voldoet ~ 1,
n_segmenten != n_segmenten_voldoet ~ 0
)
) %>%
# als laatste wordt nog de informatie over wegbeheerders en straatnamen etc. aan de wegvakken gekoppeld
left_join(wvk_attribuutinformatie, "WVK_ID") %>%
ungroup() %>%
# beeindig dtplyr
as.data.frame()
# Vervolgens komt er een tabel met 1 rij per WVK_ID waarbinnen bekend is welke limieten er zijn en of de segmenten binnen dat limiet voldoen en daarmee het hele wegvak voldoet. Tevens wordt de maatgevende limiet bepaald voor wegvakken met meerdere limieten dmv de lengte van de segmenten per limiet.
nwb_wvk_obstakels <- nwb_wvk_limiet_obstakel %>%
# init dtplyr voor snelle processing
lazy_dt() %>%
# check per limiet of aan de voorwaarde wordt voldaan
mutate(
# bepalen per limiet of wegvak voldoet om info te behouden
limiet_60_voldoet = case_when(
MAXSHD == "60" & wvk_limiet_voldoet == 1 ~ 1,
MAXSHD == "60" & wvk_limiet_voldoet != 1 ~ 0
),
limiet_70_voldoet = case_when(
MAXSHD == "70" & wvk_limiet_voldoet == 1 ~ 1,
MAXSHD == "70" & wvk_limiet_voldoet != 1 ~ 0
),
limiet_80_voldoet = case_when(
MAXSHD == "80" & wvk_limiet_voldoet == 1 ~ 1,
MAXSHD == "80" & wvk_limiet_voldoet != 1 ~ 0
),
limiet_100_voldoet = case_when(
MAXSHD == "100" & wvk_limiet_voldoet == 1 ~ 1,
MAXSHD == "100" & wvk_limiet_voldoet != 1 ~ 0
)) %>%
# groepeer naar wvk
dplyr::group_by(WVK_ID) %>%
# maatgevende limiet bepalen op lengte van limiet
mutate(limiet_maatgevend = MAXSHD[which.max(lengte_limiet)]) %>%
# tabel reduceren naar wegvakniveau waarbij limiet info behouden wordt
dplyr::group_by(WVK_ID, limiet_maatgevend) %>%
summarise(
n_segmenten = sum(n_segmenten),
limiet_60_voldoet = ifelse(any(!is.na(limiet_60_voldoet)), sum(limiet_60_voldoet, na.rm = T), NA),
limiet_70_voldoet = ifelse(any(!is.na(limiet_70_voldoet)), sum(limiet_70_voldoet, na.rm = T), NA),
limiet_80_voldoet = ifelse(any(!is.na(limiet_80_voldoet)), sum(limiet_80_voldoet, na.rm = T), NA),
limiet_100_voldoet = ifelse(any(!is.na(limiet_100_voldoet)), sum(limiet_100_voldoet, na.rm = T), NA),
aantal_limieten = n(),
# aantal segmenten binnen wegvak dat niet voldoet aan obstakelvrije zone door bomen
n_segmenten_voldoet_niet_bomen = sum(n_segmenten_voldoet_niet_bomen),
# aantal segmenten binnen wegvak dat niet voldoet aan obstakelvrije zone door BGT objecten
n_segmenten_voldoet_niet_bgt_obj = sum(n_segmenten_voldoet_niet_bgt_obj),
# aantal segmenten binnen wegvak dat niet voldoet aan obstakelvrije zone door kritische taluds
n_segmenten_voldoet_niet_talud = sum(n_segmenten_voldoet_niet_talud),
# aantal bomen per obstakelvrije zone per wegvak
n_bomen_0_15 = sum(n_bomen_0_15),
n_bomen_15_25 = sum(n_bomen_15_25),
n_bomen_25_45 = sum(n_bomen_25_45),
n_bomen_45_6 = sum(n_bomen_45_6),
n_bomen_6_8 = sum(n_bomen_6_8),
n_bomen_8_10 = sum(n_bomen_8_10)
) %>%
dplyr::ungroup() %>%
# bepalen of hele wegvak voldoet op basis van limiet info
mutate(wvk_voldoet = if_all(limiet_60_voldoet:limiet_100_voldoet, ~ na.as.true(.) == 1)
) %>%
# beeindig dtplyr
as.data.frame() %>%
# opnieuw toevoegen informatie over wegbeheerder etc.
left_join(wvk_attribuutinformatie, "WVK_ID")Dit levert de volgende tabel op (dit betreft een uitsnede). Deze tabel is te gebruiken voor de analyse op wegvakniveau.
# tabel uitsnede dataset voor analyse
tabel_preview(filter(nwb_wvk_obstakels, aantal_limieten == 2, wegvaklengte > 100), title = "Voorbeeld uitsnede dataset voor analyse wegvakniveau, gefilterd op wegvakken van teninste 100m en met 2 verschillende limieten")| Voorbeeld uitsnede dataset voor analyse wegvakniveau, gefilterd op wegvakken van teninste 100m en met 2 verschillende limieten | ||||||||||||||||||||||||
| WVK_ID | limiet_maatgevend | n_segmenten | limiet_60_voldoet | limiet_70_voldoet | limiet_80_voldoet | limiet_100_voldoet | aantal_limieten | n_segmenten_voldoet_niet_bomen | n_segmenten_voldoet_niet_bgt_obj | n_segmenten_voldoet_niet_talud | n_bomen_0_15 | n_bomen_15_25 | n_bomen_25_45 | n_bomen_45_6 | n_bomen_6_8 | n_bomen_8_10 | wvk_voldoet | WEGBEHSRT | STT_NAAM | WPSNAAM | GME_NAAM | WEGBEHNAAM | wegvaklengte | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 43186001 | 80 | 4 | 1 | NA | 0 | NA | 2 | 0 | 3 | 2 | 0 | 0 | 0 | 0 | 6 | 2 | FALSE | P | Westkapelseweg | Zoutelande | Veere | Zeeland | 333.0358 |
| 2 | 55143001 | 80 | 15 | 0 | NA | 0 | NA | 2 | 2 | 0 | 11 | 1 | 5 | 9 | 12 | 41 | 78 | FALSE | W | Turkeijeweg | Waterlandkerkje | Sluis | Waterschap Scheldestromen | 1425.3892 |
| 3 | 60175061 | 80 | 15 | NA | 0 | 0 | NA | 2 | 4 | 0 | 5 | 0 | 0 | 3 | 8 | 30 | 142 | FALSE | P | Nieuwe Vlissingseweg | Vlissingen | Vlissingen | Zeeland | 1370.8171 |
| 4 | 62177056 | 80 | 3 | 1 | NA | 0 | NA | 2 | 1 | 2 | 2 | 1 | 8 | 7 | 1 | 20 | 9 | FALSE | W | Torenweg | Oost-Souburg | Vlissingen | Waterschap Scheldestromen | 174.7822 |
| 5 | 63141007 | 60 | 3 | 0 | NA | 0 | NA | 2 | 2 | 1 | 2 | 0 | 6 | 12 | 5 | 9 | 6 | FALSE | W | Watervlietseweg | IJzendijke | Sluis | Waterschap Scheldestromen | 235.5509 |
| 6 | 75183003 | 60 | 9 | 1 | NA | 0 | NA | 2 | 3 | 0 | 0 | 0 | 0 | 21 | 89 | 22 | 29 | FALSE | P | Langeweg | Arnemuiden | Middelburg | Zeeland | 812.7427 |
| 7 | 84170005 | 60 | 4 | 0 | NA | 0 | NA | 2 | 3 | 0 | 2 | 10 | 17 | 27 | 10 | 19 | 11 | FALSE | W | 's-Heerenhoeksedijk | 's-Heerenhoek | Borsele | Waterschap Scheldestromen | 384.4365 |
| 8..891 | ||||||||||||||||||||||||
| 892 | 601145821 | 70 | 9 | NA | 0 | NA | 0 | 2 | 3 | 7 | 5 | 0 | 0 | 6 | 21 | 21 | 39 | FALSE | P | Noordwijk-Binnen Zuid | Noordwijk | Noordwijk | Zuid-Holland | 788.0889 |
De volgende tabel is de bijbehorende attributentabel die de variabelen in de wegkvaktabel beschrijft.
tabel_wegvakken_obstakels_beschr <- data.frame(
Attribuut = c(
"WVK_ID", "limiet_maatgevend", "n_segmenten",
"limiet_x_voldoet", "aantal_limieten",
"n_segmenten_voldoet_niet_bomen", "n_segmenten_voldoet_niet_bgt_obj",
"n_segmenten_voldoet_niet_talud", "n_bomen_x_x","wvk_voldoet",
"WEGBEHSRT", "STT_NAAM", "WPSNAAM", "GME_NAAM", "WEGBEHNAAM", "wegvaklengte"
),
Omschrijving = c(
"Het unieke nummer voor een Wegvak.",
"De maatgevende snelheidslimiet. Wanneer binnen een wegvak meerdere snelheidslimieten bestaan, is de maatgevende limiet degene met de meeste lengte binnen dat wegvak.",
"Het aantal segmenten binnen een wegvak",
"Geeft aan of binnen een wegvak het gedeelte met een limiet van x km/uur voldoet aan de SPI. Geeft de waarde NA wanneer de limiet niet op het wegvak voorkomt.",
"Geeft aan hoeveel limieten er binnen een wegvak aanwezig zijn.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van BGT objecten binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen kritische taluds de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal bomen in de betreffende klasse van obstakelvrije zone",
"Laat zien of het gehele wegvak aan de SPI voldoet, dus in het geval van meerdere limieten of alle limieten voldoen.",
"Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier.",
"Straatnaam", "Naam van de plaats waarin het wegvak ligt.",
"Naam van de gemeente waarin de plaats ligt", "Naam van de wegbeheerder.",
"Lengte van het wegvak."
)
)
scroltabel_gt(tabel_wegvakken_obstakels_beschr, title = "Variabelen WKD obstakels data wegvakniveau")| Variabelen WKD obstakels data wegvakniveau | |
| Attribuut | Omschrijving |
|---|---|
| WVK_ID | Het unieke nummer voor een Wegvak. |
| limiet_maatgevend | De maatgevende snelheidslimiet. Wanneer binnen een wegvak meerdere snelheidslimieten bestaan, is de maatgevende limiet degene met de meeste lengte binnen dat wegvak. |
| n_segmenten | Het aantal segmenten binnen een wegvak |
| limiet_x_voldoet | Geeft aan of binnen een wegvak het gedeelte met een limiet van x km/uur voldoet aan de SPI. Geeft de waarde NA wanneer de limiet niet op het wegvak voorkomt. |
| aantal_limieten | Geeft aan hoeveel limieten er binnen een wegvak aanwezig zijn. |
| n_segmenten_voldoet_niet_bomen | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_segmenten_voldoet_niet_bgt_obj | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van BGT objecten binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_segmenten_voldoet_niet_talud | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen kritische taluds de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_bomen_x_x | Het aantal bomen in de betreffende klasse van obstakelvrije zone |
| wvk_voldoet | Laat zien of het gehele wegvak aan de SPI voldoet, dus in het geval van meerdere limieten of alle limieten voldoen. |
| WEGBEHSRT | Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier. |
| STT_NAAM | Straatnaam |
| WPSNAAM | Naam van de plaats waarin het wegvak ligt. |
| GME_NAAM | Naam van de gemeente waarin de plaats ligt |
| WEGBEHNAAM | Naam van de wegbeheerder. |
| wegvaklengte | Lengte van het wegvak. |
De SPI Veilige Infrastructuur bevat het kenmerk “Afwezigheid obstakels langs rijbanen”. Voor wegen met een limiet van 60 km/uur en hoger is een obstakelvrije zone bepaald, een ruimte langs de weg waarin geen obstakels mogen staan. Per snelheidslimiet verschilt de aanbevolen breedte van de obstakelvrije zone. Deze zijn als volgt:
Hierbij zijn de volgende obstakel typen meegenomen:
Dit betreft niet alle type obstakels, maar enkel die obstakels waarvan grootschalig data kon worden verzameld (zie vorige hoofdstukken voor een verantwoording). Tenslotte zijn wegen die onder het beheer van het Rijk vallen buiten beschouwing gelaten.
In het vorige hoofdstuk zijn wegsegmenten beoordeeld ten aanzien van het SPI kenmerk Afwezigheid van obstakels langs rijbanen en deze beoordeling is geaggregeerd naar wegvakniveau. De obstakelvrije zone van een wegsegment is beoordeeld voor de snelheidslimiet die geldt op dat segment. Voor de wegvakken geldt dat deze voldoen wanneer alle segmenten binnen dat wegvak voldoen voor de snelheidslimiet die geldt op de segmenten. Elk wegvak heeft een maatgevende snelheidslimiet, die in het geval van meerdere limieten binnen een wegvak bepaald wordt op basis van de grootste lengte binnen dat wegvak. Bijvoorbeeld, wanneer er een 70- en 100-limiet binnen een wegvak zijn en de 70-limiet geldt op 250 meter en de 100-limiet op 100 meter, dan is de maatgevende limiet 70 km/uur. De beoordeling vindt wel nog steeds plaats op wegsegmentniveau en de obstakelvrije zones die gelden voor de limieten op de wegsegmenten. Wanneer er dus minimaal een segment binnen een wegvak niet voldoet, dan wordt het hele wegvak afgekeurd.
De beoordeling op wegsegment- en wegvakniveau wordt vertaald naar een score op netwerkniveau per wegbeheerder. Daarbij wordt gekeken naar het aandeel van de wegvakken en wegsegmenten dat als voldoende wordt beoordeeld. Per wegbeheerder wordt het volgende gescoord.
De eerste score is de hoofdscore, omdat deze ook gebruikt kan worden bij de bepaling van een totaal score van de infrastructuur. Alle drie de scores worden onderscheiden op het totale areaal en per limiet.
#### landelijk ####
# wegvakniveau
scores_landelijk_totaal_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
ungroup()
# wegsegmentniveau
scores_landelijk_totaal_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_landelijk_totaal <- merge(scores_landelijk_totaal_wvk, scores_landelijk_totaal_segm)
# scores per limiet bepalen - wegvakniveau
scores_landelijk_limiet_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# groepeer naar limiet
group_by(limiet_maatgevend) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
#Snelheidslimiet = limiet_maatgevend,
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
relocate(limiet_maatgevend, .after = Wegbeheerder) %>%
rename(Snelheidslimiet = limiet_maatgevend) %>%
ungroup()
# scores per limiet bepalen - wegsegmentniveau
scores_landelijk_limiet_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# groepeer naar limiet
group_by(MAXSHD) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
relocate(MAXSHD, .after = Wegbeheerder) %>%
rename(Snelheidslimiet = MAXSHD) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_landelijk_limiet <- merge(scores_landelijk_limiet_wvk, scores_landelijk_limiet_segm)
# head(scores_landelijk_limiet)
# combineer alle landelijke scores
scores_landelijk <- bind_rows(scores_landelijk_limiet, scores_landelijk_totaal) %>%
# Limiet als factor om arrange in de juiste volgorde te krijgen
mutate(Snelheidslimiet = factor(Snelheidslimiet,
levels = c("60", "70", "80", "100", "Totaal"))) %>%
arrange(Wegbeheerder, Snelheidslimiet)
# head(scores_landelijk)
#### provincies ####
# scores voor het totaal bepalen - wegvakniveau
scores_provincies_totaal_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "P") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Provincie" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# wegsegmentniveau
scores_provincies_totaal_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "P") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Provincie" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_provincies_totaal <- merge(scores_provincies_totaal_wvk, scores_provincies_totaal_segm)
# scores per limiet bepalen - wegvakniveau
scores_provincies_limiet_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "P") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM, limiet_maatgevend) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Provincie" ,
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(
Wegbeheerder = WEGBEHNAAM,
Snelheidslimiet = limiet_maatgevend
) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# scores per limiet bepalen - wegsegmentniveau
scores_provincies_limiet_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "P") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM, MAXSHD) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Provincie" ,
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
relocate(MAXSHD, .after = WEGBEHNAAM) %>%
rename(
Wegbeheerder = WEGBEHNAAM,
Snelheidslimiet = MAXSHD
) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_provincies_limiet <- merge(scores_provincies_limiet_wvk, scores_provincies_limiet_segm)
# head(scores_provincies_limiet)
# combineer alle provincie scores
scores_provincies <- bind_rows(scores_provincies_limiet, scores_provincies_totaal) %>%
# Limiet als factor om arrange in de juiste volgorde te krijgen
mutate(Snelheidslimiet = factor(Snelheidslimiet,
levels = c("60", "70", "80", "100", "Totaal"))) %>%
arrange(Wegbeheerder, Snelheidslimiet)
#### gemeenten ####
# scores voor het totaal bepalen - wegvakniveau
scores_gemeenten_totaal_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "G") %>%
# groepeer naar webeheerder
group_by(GME_NAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Gemeente" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(Wegbeheerder = GME_NAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# wegsegmentniveau
scores_gemeenten_totaal_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "G") %>%
# groepeer naar webeheerder
group_by(GME_NAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Gemeente" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
rename(Wegbeheerder = GME_NAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_gemeenten_totaal <- merge(scores_gemeenten_totaal_wvk, scores_gemeenten_totaal_segm)
# scores per limiet bepalen - wegvakniveau
scores_gemeenten_limiet_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "G") %>%
# groepeer naar webeheerder
group_by(GME_NAAM, limiet_maatgevend) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Gemeente" ,
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(
Wegbeheerder = GME_NAAM,
Snelheidslimiet = limiet_maatgevend
) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# scores per limiet bepalen - wegsegmentniveau
scores_gemeenten_limiet_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "G") %>%
# groepeer naar webeheerder
group_by(GME_NAAM, MAXSHD) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Gemeente" ,
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
relocate(MAXSHD, .after = GME_NAAM) %>%
rename(
Wegbeheerder = GME_NAAM,
Snelheidslimiet = MAXSHD
) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_gemeenten_limiet <- merge(scores_gemeenten_limiet_wvk, scores_gemeenten_limiet_segm)
# head(scores_provincies_limiet)
# combineer alle gemeente scores
scores_gemeenten <- bind_rows(scores_gemeenten_limiet, scores_gemeenten_totaal) %>%
# Limiet als factor om arrange in de juiste volgorde te krijgen
mutate(Snelheidslimiet = factor(Snelheidslimiet,
levels = c("60", "70", "80", "100", "Totaal"))) %>%
arrange(Wegbeheerder, Snelheidslimiet)
#### waterschappen ####
# scores voor het totaal bepalen - wegvakniveau
scores_waterschappen_totaal_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "W") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Waterschap" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# wegsegmentniveau
scores_waterschappen_totaal_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "W") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Waterschap" ,
Snelheidslimiet = "Totaal",
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_waterschappen_totaal <- merge(scores_waterschappen_totaal_wvk, scores_waterschappen_totaal_segm)
# scores per limiet bepalen - wegvakniveau
scores_waterschappen_limiet_wvk <- nwb_wvk_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "W") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM, limiet_maatgevend) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Waterschap" ,
`Score kenmerk Afwezigheid obstakels - wegvakniveau` = sum(wvk_voldoet) / n(),
`Score kenmerk naar weglengte - wegvakniveau` = sum(ifelse(wvk_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
`Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Afwezigheid obstakels - wegvakniveau`, `Score kenmerk naar weglengte - wegvakniveau`),
~ round(., 1))) %>%
rename(
Wegbeheerder = WEGBEHNAAM,
Snelheidslimiet = limiet_maatgevend
) %>%
relocate(`Wegbeheerder soort`) %>%
ungroup()
# scores per limiet bepalen - wegsegmentniveau
scores_waterschappen_limiet_segm <- nwb_segment_obstakels %>%
st_drop_geometry() %>%
# selecteer op basis van wegbeheersoort
filter(WEGBEHSRT == "W") %>%
# groepeer naar webeheerder
group_by(WEGBEHNAAM, MAXSHD) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Waterschap" ,
`Score kenmerk Afwezigheid obstakels - wegsegmentniveau` = sum(segment_voldoet) / n(),
`Aantal segmenten` = n()
) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ set_units(. * 100, "%"))) %>%
mutate(across(`Score kenmerk Afwezigheid obstakels - wegsegmentniveau`, ~ round(., 1))) %>%
relocate(MAXSHD, .after = WEGBEHNAAM) %>%
rename(
Wegbeheerder = WEGBEHNAAM,
Snelheidslimiet = MAXSHD
) %>%
ungroup()
# combineer resultaten wegvak en segment
scores_waterschappen_limiet <- merge(scores_waterschappen_limiet_wvk, scores_waterschappen_limiet_segm)
# head(scores_waterschappen_limiet)
# combineer alle waterschap scores
scores_waterschappen <- bind_rows(scores_waterschappen_limiet, scores_waterschappen_totaal) %>%
# Limiet als factor om arrange in de juiste volgorde te krijgen
mutate(Snelheidslimiet = factor(Snelheidslimiet,
levels = c("60", "70", "80", "100", "Totaal"))) %>%
arrange(Wegbeheerder, Snelheidslimiet)Scores zijn bepaald per wegbeheerder. Dat betekent dat een weg onder beheer van een waterschap niet is meegenomen bij de score van een gemeente, ook al ligt de weg binnen de gebiedsgrenzen van een betreffende gemeente.
In deze paragraaf worden de deelscores van de SPI Veilige Infrastructuur- Afwezigheid van obstakels langs rijbanen getoond. De getoonde resultaten worden apart getoond in subparagrafen op landelijk niveau en voor waterschapswegbeheerders, provinciale wegbeheerders en gemeentelijke wegbeheerders.
Hieronder worden de scores voor heel Nederland getoond.
scroltabel_gt(scores_landelijk,
title = "SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van alle wegbeheerders samen")| SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van alle wegbeheerders samen | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Afwezigheid obstakels - wegvakniveau | Score kenmerk naar weglengte - wegvakniveau | Totale weglengte [km] | Score kenmerk Afwezigheid obstakels - wegsegmentniveau | Aantal segmenten |
|---|---|---|---|---|---|---|---|
| Totaal | Totaal | 60 | 36.4 [%] | 10.7 [%] | 51389.3 | 34.4 [%] | 589595 |
| Totaal | Totaal | 70 | 60.1 [%] | 19.0 [%] | 940.5 | 56.9 [%] | 12612 |
| Totaal | Totaal | 80 | 53.4 [%] | 12.1 [%] | 12463.7 | 39.2 [%] | 152522 |
| Totaal | Totaal | 100 | 27.6 [%] | 6.6 [%] | 1264.7 | 32.1 [%] | 13601 |
| Totaal | Totaal | Totaal | 40.9 [%] | 11.0 [%] | 66058.2 | 35.6 [%] | 768330 |
Hieronder worden de scores van wegbeherende waterschappen getoond. Waterschappen die geen wegen onder beheer hebben van de beschouwde wegtypen zijn hierbij buiten beschouwing gelaten. De tabel heeft een scrolfunctie. De verschillende wegbeheerders en bijbehorende scores kunnen worden gevonden door gebruik te maken van deze scrolfunctie.
scroltabel_gt(scores_waterschappen, title = "SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van waterschaps-wegbeheerders")| SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van waterschaps-wegbeheerders | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Afwezigheid obstakels - wegvakniveau | Score kenmerk naar weglengte - wegvakniveau | Totale weglengte [km] | Score kenmerk Afwezigheid obstakels - wegsegmentniveau | Aantal segmenten |
|---|---|---|---|---|---|---|---|
| Waterschap | HHS Hollands Noorderkwartier | 60 | 19.4 [%] | 3.7 [%] | 328.5 | 23.6 [%] | 3381 |
| Waterschap | HHS Hollands Noorderkwartier | 80 | 44.4 [%] | 5.4 [%] | 5.4 | 32.9 [%] | 70 |
| Waterschap | HHS Hollands Noorderkwartier | Totaal | 20.7 [%] | 3.8 [%] | 333.9 | 23.8 [%] | 3451 |
| Waterschap | HHS Schieland en de Krimpenerwaard | 60 | 29.7 [%] | 1.8 [%] | 97.5 | 11.9 [%] | 1069 |
| Waterschap | HHS Schieland en de Krimpenerwaard | 80 | 70.6 [%] | 6.3 [%] | 4.8 | 26.3 [%] | 57 |
| Waterschap | HHS Schieland en de Krimpenerwaard | Totaal | 33.0 [%] | 2.0 [%] | 102.3 | 12.6 [%] | 1126 |
| Waterschap | Waterschap De Hollandse Delta | 60 | 31.2 [%] | 7.6 [%] | 1198.2 | 31.5 [%] | 13796 |
| Waterschap | Waterschap De Hollandse Delta | 70 | 100.0 [%] | 100.0 [%] | 0.4 | 100.0 [%] | 7 |
| Waterschap | Waterschap De Hollandse Delta | 80 | 54.4 [%] | 18.7 [%] | 110.6 | 46.8 [%] | 1422 |
| Waterschap | Waterschap De Hollandse Delta | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Waterschap | Waterschap De Hollandse Delta | Totaal | 34.4 [%] | 8.5 [%] | 1309.2 | 33.0 [%] | 15226 |
| Waterschap | Waterschap Rivierenland | 60 | 25.3 [%] | 2.7 [%] | 461.2 | 20.9 [%] | 5167 |
| Waterschap | Waterschap Rivierenland | 80 | 56.3 [%] | 8.0 [%] | 26.3 | 40.0 [%] | 340 |
| Waterschap | Waterschap Rivierenland | 100 | 50.0 [%] | 3.1 [%] | 0.2 | 66.7 [%] | 3 |
| Waterschap | Waterschap Rivierenland | Totaal | 28.6 [%] | 3.0 [%] | 487.7 | 22.1 [%] | 5510 |
| Waterschap | Waterschap Scheldestromen | 60 | 27.6 [%] | 6.6 [%] | 3442.6 | 28.3 [%] | 39084 |
| Waterschap | Waterschap Scheldestromen | 70 | 100.0 [%] | 100.0 [%] | 0.2 | 100.0 [%] | 3 |
| Waterschap | Waterschap Scheldestromen | 80 | 37.9 [%] | 9.0 [%] | 189.9 | 32.2 [%] | 2235 |
| Waterschap | Waterschap Scheldestromen | 100 | 66.7 [%] | 6.4 [%] | 0.4 | 33.3 [%] | 6 |
| Waterschap | Waterschap Scheldestromen | Totaal | 28.3 [%] | 6.7 [%] | 3633.2 | 28.5 [%] | 41328 |
| Waterschap | Waterschap Vallei en Veluwe | 60 | 0.0 [%] | 0.0 [%] | 0.4 | 0.0 [%] | 4 |
| Waterschap | Waterschap Vallei en Veluwe | Totaal | 0.0 [%] | 0.0 [%] | 0.4 | 0.0 [%] | 4 |
| Waterschap | Waterschap West Friesland | 60 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 1 |
| Waterschap | Waterschap West Friesland | Totaal | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 1 |
Hieronder worden de scores van provincies getoond. De getoonde cijfers hebben enkel betrekking op wegen onder beheer van de betreffende wegbeheerder. De tabel heeft een scrolfunctie. De verschillende wegbeheerders en bijbehorende scores kunnen worden gevonden door gebruik te maken van deze scrolfunctie.
scroltabel_gt(scores_provincies, title = "SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van provinciale wegbeheerders")| SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van provinciale wegbeheerders | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Afwezigheid obstakels - wegvakniveau | Score kenmerk naar weglengte - wegvakniveau | Totale weglengte [km] | Score kenmerk Afwezigheid obstakels - wegsegmentniveau | Aantal segmenten |
|---|---|---|---|---|---|---|---|
| Provincie | Drenthe | 60 | 50.0 [%] | 12.3 [%] | 31.1 | 37.7 [%] | 523 |
| Provincie | Drenthe | 70 | 26.9 [%] | 3.3 [%] | 22.0 | 45.5 [%] | 255 |
| Provincie | Drenthe | 80 | 56.8 [%] | 7.8 [%] | 323.2 | 31.5 [%] | 3931 |
| Provincie | Drenthe | 100 | 21.8 [%] | 1.9 [%] | 157.4 | 17.8 [%] | 1726 |
| Provincie | Drenthe | Totaal | 49.7 [%] | 6.2 [%] | 533.7 | 28.9 [%] | 6435 |
| Provincie | Flevoland | 60 | 67.5 [%] | 15.4 [%] | 23.6 | 73.3 [%] | 292 |
| Provincie | Flevoland | 70 | 68.6 [%] | 30.0 [%] | 5.6 | 61.3 [%] | 80 |
| Provincie | Flevoland | 80 | 60.6 [%] | 9.1 [%] | 461.1 | 35.5 [%] | 5435 |
| Provincie | Flevoland | 100 | 35.2 [%] | 1.4 [%] | 139.7 | 21.3 [%] | 1410 |
| Provincie | Flevoland | Totaal | 59.0 [%] | 7.8 [%] | 630.0 | 34.5 [%] | 7217 |
| Provincie | Friesland | 60 | 41.4 [%] | 7.7 [%] | 133.3 | 32.6 [%] | 1585 |
| Provincie | Friesland | 70 | 76.5 [%] | 35.7 [%] | 27.2 | 65.0 [%] | 429 |
| Provincie | Friesland | 80 | 55.3 [%] | 9.9 [%] | 341.0 | 34.1 [%] | 4233 |
| Provincie | Friesland | 100 | 20.9 [%] | 4.6 [%] | 207.3 | 26.8 [%] | 2195 |
| Provincie | Friesland | Totaal | 49.6 [%] | 8.9 [%] | 708.9 | 33.5 [%] | 8442 |
| Provincie | Gelderland | 60 | 52.8 [%] | 10.2 [%] | 172.4 | 34.7 [%] | 2196 |
| Provincie | Gelderland | 70 | 76.7 [%] | 35.6 [%] | 14.3 | 72.5 [%] | 247 |
| Provincie | Gelderland | 80 | 58.3 [%] | 13.2 [%] | 1097.8 | 43.0 [%] | 14303 |
| Provincie | Gelderland | 100 | 27.8 [%] | 7.7 [%] | 108.6 | 43.5 [%] | 1161 |
| Provincie | Gelderland | Totaal | 57.2 [%] | 12.6 [%] | 1393.2 | 42.4 [%] | 17907 |
| Provincie | Groningen | 60 | 55.6 [%] | 19.2 [%] | 116.2 | 43.3 [%] | 1448 |
| Provincie | Groningen | 70 | 42.2 [%] | 25.5 [%] | 47.7 | 58.7 [%] | 569 |
| Provincie | Groningen | 80 | 54.2 [%] | 12.8 [%] | 282.6 | 35.0 [%] | 3422 |
| Provincie | Groningen | 100 | 21.3 [%] | 4.9 [%] | 122.4 | 18.3 [%] | 1343 |
| Provincie | Groningen | Totaal | 49.1 [%] | 13.4 [%] | 568.9 | 35.5 [%] | 6782 |
| Provincie | Limburg | 60 | 76.7 [%] | 36.9 [%] | 6.7 | 63.8 [%] | 94 |
| Provincie | Limburg | 70 | 63.0 [%] | 31.5 [%] | 3.7 | 48.3 [%] | 58 |
| Provincie | Limburg | 80 | 57.1 [%] | 15.7 [%] | 459.0 | 46.6 [%] | 5982 |
| Provincie | Limburg | 100 | 29.1 [%] | 15.9 [%] | 103.7 | 57.8 [%] | 1133 |
| Provincie | Limburg | Totaal | 55.3 [%] | 16.1 [%] | 573.0 | 48.6 [%] | 7267 |
| Provincie | Noord-Brabant | 60 | 84.9 [%] | 50.2 [%] | 20.1 | 75.8 [%] | 327 |
| Provincie | Noord-Brabant | 70 | 66.0 [%] | 26.0 [%] | 8.0 | 71.9 [%] | 114 |
| Provincie | Noord-Brabant | 80 | 61.9 [%] | 15.4 [%] | 616.3 | 50.9 [%] | 8034 |
| Provincie | Noord-Brabant | 100 | 21.0 [%] | 5.5 [%] | 44.2 | 42.0 [%] | 486 |
| Provincie | Noord-Brabant | Totaal | 62.2 [%] | 15.9 [%] | 688.5 | 51.6 [%] | 8961 |
| Provincie | Noord-Holland | 60 | 62.2 [%] | 17.6 [%] | 127.1 | 46.3 [%] | 1591 |
| Provincie | Noord-Holland | 70 | 64.5 [%] | 24.4 [%] | 55.5 | 62.8 [%] | 761 |
| Provincie | Noord-Holland | 80 | 61.6 [%] | 14.8 [%] | 572.7 | 45.3 [%] | 7164 |
| Provincie | Noord-Holland | 100 | 25.7 [%] | 10.5 [%] | 89.0 | 43.4 [%] | 918 |
| Provincie | Noord-Holland | Totaal | 60.4 [%] | 15.4 [%] | 844.4 | 46.5 [%] | 10434 |
| Provincie | Overijssel | 60 | 50.1 [%] | 10.1 [%] | 188.9 | 38.6 [%] | 2468 |
| Provincie | Overijssel | 70 | 73.7 [%] | 47.3 [%] | 10.9 | 76.8 [%] | 185 |
| Provincie | Overijssel | 80 | 49.2 [%] | 11.6 [%] | 625.4 | 38.0 [%] | 7652 |
| Provincie | Overijssel | 100 | 37.5 [%] | 4.0 [%] | 38.7 | 29.5 [%] | 447 |
| Provincie | Overijssel | Totaal | 49.7 [%] | 11.4 [%] | 863.8 | 38.4 [%] | 10752 |
| Provincie | Utrecht | 60 | 65.0 [%] | 29.2 [%] | 97.3 | 55.9 [%] | 1235 |
| Provincie | Utrecht | 70 | 75.0 [%] | 48.4 [%] | 2.5 | 89.5 [%] | 38 |
| Provincie | Utrecht | 80 | 63.3 [%] | 19.3 [%] | 313.4 | 48.9 [%] | 4205 |
| Provincie | Utrecht | 100 | 46.7 [%] | 6.9 [%] | 13.1 | 35.5 [%] | 141 |
| Provincie | Utrecht | Totaal | 63.5 [%] | 21.3 [%] | 426.3 | 50.4 [%] | 5619 |
| Provincie | Zeeland | 60 | 66.3 [%] | 20.6 [%] | 113.2 | 58.1 [%] | 1462 |
| Provincie | Zeeland | 70 | 82.8 [%] | 44.8 [%] | 6.6 | 76.2 [%] | 130 |
| Provincie | Zeeland | 80 | 63.4 [%] | 12.5 [%] | 341.6 | 40.6 [%] | 4387 |
| Provincie | Zeeland | 100 | 30.0 [%] | 6.1 [%] | 134.5 | 27.5 [%] | 1454 |
| Provincie | Zeeland | Totaal | 61.4 [%] | 12.9 [%] | 595.9 | 42.1 [%] | 7433 |
| Provincie | Zuid-Holland | 60 | 68.9 [%] | 24.1 [%] | 201.2 | 56.1 [%] | 2713 |
| Provincie | Zuid-Holland | 70 | 51.5 [%] | 17.2 [%] | 9.3 | 45.6 [%] | 103 |
| Provincie | Zuid-Holland | 80 | 66.3 [%] | 17.3 [%] | 558.4 | 53.2 [%] | 7110 |
| Provincie | Zuid-Holland | 100 | 15.8 [%] | 6.6 [%] | 13.7 | 47.0 [%] | 149 |
| Provincie | Zuid-Holland | Totaal | 66.5 [%] | 18.9 [%] | 782.6 | 53.8 [%] | 10075 |
Hieronder worden de scores van gemeenten getoond. De getoonde cijfers hebben enkel betrekking op wegen onder beheer van de betreffende wegbeheerder. De tabel heeft een scrolfunctie. De verschillende wegbeheerders en bijbehorende scores kunnen worden gevonden door gebruik te maken van deze scrolfunctie.
scroltabel_gt(scores_gemeenten, title = "SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van gemeentelijke wegbeheerders")| SPI Veilige Infrastructuur - Afwezigheid van obstakels langs rijbanen, van gemeentelijke wegbeheerders | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Afwezigheid obstakels - wegvakniveau | Score kenmerk naar weglengte - wegvakniveau | Totale weglengte [km] | Score kenmerk Afwezigheid obstakels - wegsegmentniveau | Aantal segmenten |
|---|---|---|---|---|---|---|---|
| Gemeente | 's-Gravenhage | 60 | 92.3 [%] | 96.9 [%] | 1.1 | 92.9 [%] | 28 |
| Gemeente | 's-Gravenhage | 70 | 38.9 [%] | 16.3 [%] | 14.4 | 64.8 [%] | 162 |
| Gemeente | 's-Gravenhage | 80 | 83.3 [%] | 93.3 [%] | 0.1 | 83.3 [%] | 6 |
| Gemeente | 's-Gravenhage | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | 's-Gravenhage | Totaal | 64.3 [%] | 22.7 [%] | 15.7 | 69.7 [%] | 198 |
| Gemeente | 's-Hertogenbosch | 60 | 41.4 [%] | 11.0 [%] | 148.8 | 35.2 [%] | 1740 |
| Gemeente | 's-Hertogenbosch | 70 | 58.3 [%] | 6.3 [%] | 3.4 | 58.2 [%] | 55 |
| Gemeente | 's-Hertogenbosch | 80 | 46.0 [%] | 7.5 [%] | 25.0 | 38.9 [%] | 280 |
| Gemeente | 's-Hertogenbosch | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 2 |
| Gemeente | 's-Hertogenbosch | Totaal | 42.3 [%] | 10.4 [%] | 177.2 | 36.3 [%] | 2077 |
| Gemeente | Aa en Hunze | 60 | 32.2 [%] | 9.4 [%] | 287.0 | 35.0 [%] | 3063 |
| Gemeente | Aa en Hunze | 70 | 80.0 [%] | 72.2 [%] | 0.8 | 91.7 [%] | 12 |
| Gemeente | Aa en Hunze | 80 | 20.9 [%] | 3.2 [%] | 95.0 | 16.6 [%] | 988 |
| Gemeente | Aa en Hunze | Totaal | 30.1 [%] | 8.0 [%] | 382.8 | 30.7 [%] | 4063 |
| Gemeente | Aalsmeer | 60 | 59.1 [%] | 24.1 [%] | 6.0 | 57.4 [%] | 68 |
| Gemeente | Aalsmeer | 80 | 75.0 [%] | 7.8 [%] | 2.4 | 70.0 [%] | 20 |
| Gemeente | Aalsmeer | Totaal | 65.8 [%] | 19.4 [%] | 8.5 | 60.2 [%] | 88 |
| Gemeente | Aalten | 60 | 26.9 [%] | 9.4 [%] | 259.5 | 27.5 [%] | 2998 |
| Gemeente | Aalten | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Aalten | 80 | 66.7 [%] | 24.7 [%] | 1.7 | 48.0 [%] | 25 |
| Gemeente | Aalten | Totaal | 27.6 [%] | 9.5 [%] | 261.2 | 27.7 [%] | 3025 |
| Gemeente | Achtkarspelen | 60 | 37.6 [%] | 10.4 [%] | 154.9 | 32.6 [%] | 1800 |
| Gemeente | Achtkarspelen | 70 | 0.0 [%] | 0.0 [%] | 0.6 | 25.0 [%] | 4 |
| Gemeente | Achtkarspelen | 80 | 46.8 [%] | 9.2 [%] | 19.0 | 34.8 [%] | 207 |
| Gemeente | Achtkarspelen | Totaal | 39.0 [%] | 10.3 [%] | 174.5 | 32.8 [%] | 2011 |
| Gemeente | Alblasserdam | 60 | 69.2 [%] | 65.4 [%] | 1.8 | 69.2 [%] | 26 |
| Gemeente | Alblasserdam | 80 | 77.5 [%] | 41.8 [%] | 2.4 | 78.8 [%] | 52 |
| Gemeente | Alblasserdam | Totaal | 75.5 [%] | 52.0 [%] | 4.2 | 75.6 [%] | 78 |
| Gemeente | Albrandswaard | 60 | 66.0 [%] | 55.0 [%] | 7.9 | 73.6 [%] | 106 |
| Gemeente | Albrandswaard | 80 | 83.3 [%] | 31.8 [%] | 2.5 | 71.1 [%] | 45 |
| Gemeente | Albrandswaard | Totaal | 72.7 [%] | 49.4 [%] | 10.4 | 72.8 [%] | 151 |
| Gemeente | Alkmaar | 60 | 37.2 [%] | 6.6 [%] | 129.8 | 34.9 [%] | 1424 |
| Gemeente | Alkmaar | 70 | 74.2 [%] | 24.5 [%] | 5.1 | 81.7 [%] | 71 |
| Gemeente | Alkmaar | 80 | 75.7 [%] | 30.7 [%] | 3.7 | 63.2 [%] | 57 |
| Gemeente | Alkmaar | Totaal | 44.9 [%] | 7.8 [%] | 138.5 | 38.1 [%] | 1552 |
| Gemeente | Almelo | 60 | 36.6 [%] | 13.4 [%] | 74.2 | 41.2 [%] | 865 |
| Gemeente | Almelo | 70 | 60.7 [%] | 29.5 [%] | 17.8 | 63.2 [%] | 269 |
| Gemeente | Almelo | 80 | 47.0 [%] | 11.4 [%] | 53.0 | 44.5 [%] | 658 |
| Gemeente | Almelo | 100 | 20.0 [%] | 0.8 [%] | 2.7 | 13.3 [%] | 30 |
| Gemeente | Almelo | Totaal | 45.4 [%] | 14.4 [%] | 147.7 | 45.2 [%] | 1822 |
| Gemeente | Almere | 60 | 69.9 [%] | 47.3 [%] | 84.9 | 76.1 [%] | 1061 |
| Gemeente | Almere | 80 | 54.5 [%] | 17.2 [%] | 9.7 | 37.5 [%] | 120 |
| Gemeente | Almere | Totaal | 68.4 [%] | 44.2 [%] | 94.6 | 72.1 [%] | 1181 |
| Gemeente | Alphen aan den Rijn | 60 | 42.6 [%] | 12.6 [%] | 112.8 | 37.7 [%] | 1267 |
| Gemeente | Alphen aan den Rijn | 70 | 72.2 [%] | 52.2 [%] | 8.0 | 73.9 [%] | 115 |
| Gemeente | Alphen aan den Rijn | 80 | 66.7 [%] | 30.1 [%] | 0.8 | 54.5 [%] | 11 |
| Gemeente | Alphen aan den Rijn | Totaal | 47.0 [%] | 15.3 [%] | 121.6 | 40.8 [%] | 1393 |
| Gemeente | Alphen-Chaam | 60 | 31.6 [%] | 11.1 [%] | 181.5 | 31.9 [%] | 2059 |
| Gemeente | Alphen-Chaam | 80 | 52.6 [%] | 4.8 [%] | 2.7 | 42.5 [%] | 40 |
| Gemeente | Alphen-Chaam | Totaal | 32.5 [%] | 11.0 [%] | 184.2 | 32.1 [%] | 2099 |
| Gemeente | Altena | 60 | 31.5 [%] | 8.9 [%] | 343.6 | 35.1 [%] | 3725 |
| Gemeente | Altena | 80 | 67.1 [%] | 16.3 [%] | 11.2 | 60.3 [%] | 156 |
| Gemeente | Altena | Totaal | 34.7 [%] | 9.1 [%] | 354.8 | 36.1 [%] | 3881 |
| Gemeente | Ameland | 60 | 55.3 [%] | 33.6 [%] | 57.9 | 84.3 [%] | 688 |
| Gemeente | Ameland | 80 | 57.1 [%] | 50.7 [%] | 11.0 | 92.9 [%] | 112 |
| Gemeente | Ameland | Totaal | 55.5 [%] | 36.3 [%] | 68.8 | 85.5 [%] | 800 |
| Gemeente | Amersfoort | 60 | 44.9 [%] | 9.5 [%] | 44.9 | 35.3 [%] | 555 |
| Gemeente | Amersfoort | 70 | 65.3 [%] | 8.0 [%] | 16.4 | 55.2 [%] | 232 |
| Gemeente | Amersfoort | 80 | 59.0 [%] | 24.2 [%] | 13.8 | 47.9 [%] | 167 |
| Gemeente | Amersfoort | Totaal | 53.7 [%] | 11.9 [%] | 75.1 | 42.3 [%] | 954 |
| Gemeente | Amstelveen | 60 | 43.2 [%] | 12.3 [%] | 43.2 | 35.2 [%] | 514 |
| Gemeente | Amstelveen | 80 | 74.2 [%] | 45.0 [%] | 3.8 | 74.5 [%] | 55 |
| Gemeente | Amstelveen | Totaal | 47.8 [%] | 14.9 [%] | 47.1 | 39.0 [%] | 569 |
| Gemeente | Amsterdam | 60 | 71.5 [%] | 29.2 [%] | 66.2 | 53.0 [%] | 826 |
| Gemeente | Amsterdam | 70 | 48.1 [%] | 14.1 [%] | 42.2 | 53.2 [%] | 528 |
| Gemeente | Amsterdam | 80 | 48.3 [%] | 12.2 [%] | 4.2 | 40.4 [%] | 57 |
| Gemeente | Amsterdam | 100 | 90.9 [%] | 66.0 [%] | 0.4 | 90.9 [%] | 22 |
| Gemeente | Amsterdam | Totaal | 63.3 [%] | 23.1 [%] | 113.1 | 53.2 [%] | 1433 |
| Gemeente | Apeldoorn | 60 | 32.0 [%] | 8.8 [%] | 382.2 | 30.1 [%] | 4361 |
| Gemeente | Apeldoorn | 80 | 52.9 [%] | 10.7 [%] | 26.6 | 39.1 [%] | 322 |
| Gemeente | Apeldoorn | Totaal | 34.3 [%] | 8.9 [%] | 408.8 | 30.7 [%] | 4683 |
| Gemeente | Arnhem | 60 | 48.0 [%] | 16.7 [%] | 47.1 | 45.9 [%] | 567 |
| Gemeente | Arnhem | 70 | 36.0 [%] | 9.4 [%] | 8.4 | 52.7 [%] | 91 |
| Gemeente | Arnhem | 80 | 62.2 [%] | 32.2 [%] | 9.0 | 56.2 [%] | 112 |
| Gemeente | Arnhem | 100 | 33.3 [%] | 1.0 [%] | 0.6 | 14.3 [%] | 7 |
| Gemeente | Arnhem | Totaal | 50.5 [%] | 17.7 [%] | 65.1 | 47.9 [%] | 777 |
| Gemeente | Assen | 60 | 53.7 [%] | 18.6 [%] | 104.2 | 44.5 [%] | 1268 |
| Gemeente | Assen | 70 | 61.6 [%] | 18.6 [%] | 17.0 | 59.2 [%] | 238 |
| Gemeente | Assen | 80 | 67.5 [%] | 19.4 [%] | 9.2 | 51.8 [%] | 139 |
| Gemeente | Assen | Totaal | 56.9 [%] | 18.6 [%] | 130.5 | 47.2 [%] | 1645 |
| Gemeente | Asten | 60 | 27.5 [%] | 4.2 [%] | 141.4 | 24.1 [%] | 1595 |
| Gemeente | Asten | 80 | 65.6 [%] | 15.7 [%] | 8.4 | 51.7 [%] | 120 |
| Gemeente | Asten | Totaal | 33.0 [%] | 4.9 [%] | 149.9 | 26.1 [%] | 1715 |
| Gemeente | Baarle-Nassau | 60 | 23.3 [%] | 7.0 [%] | 202.0 | 27.2 [%] | 2290 |
| Gemeente | Baarle-Nassau | 80 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Baarle-Nassau | Totaal | 23.6 [%] | 7.0 [%] | 202.0 | 27.3 [%] | 2292 |
| Gemeente | Baarn | 60 | 35.8 [%] | 10.1 [%] | 28.8 | 39.4 [%] | 345 |
| Gemeente | Baarn | 80 | 58.8 [%] | 19.6 [%] | 3.8 | 42.2 [%] | 45 |
| Gemeente | Baarn | Totaal | 39.0 [%] | 11.2 [%] | 32.7 | 39.7 [%] | 390 |
| Gemeente | Barendrecht | 60 | 81.2 [%] | 62.6 [%] | 3.7 | 81.8 [%] | 66 |
| Gemeente | Barendrecht | 70 | 53.6 [%] | 12.5 [%] | 15.1 | 45.0 [%] | 200 |
| Gemeente | Barendrecht | 80 | 50.0 [%] | 20.4 [%] | 0.8 | 40.0 [%] | 10 |
| Gemeente | Barendrecht | Totaal | 63.2 [%] | 22.3 [%] | 19.7 | 53.6 [%] | 276 |
| Gemeente | Barneveld | 60 | 34.2 [%] | 10.6 [%] | 308.7 | 29.7 [%] | 3511 |
| Gemeente | Barneveld | 80 | 53.6 [%] | 15.9 [%] | 31.4 | 47.2 [%] | 411 |
| Gemeente | Barneveld | Totaal | 37.4 [%] | 11.1 [%] | 340.1 | 31.5 [%] | 3922 |
| Gemeente | Beek | 60 | 34.2 [%] | 15.7 [%] | 54.6 | 48.4 [%] | 659 |
| Gemeente | Beek | 80 | 34.2 [%] | 14.5 [%] | 9.8 | 30.3 [%] | 109 |
| Gemeente | Beek | Totaal | 34.2 [%] | 15.5 [%] | 64.4 | 45.8 [%] | 768 |
| Gemeente | Beekdaelen | 60 | 39.5 [%] | 16.5 [%] | 81.4 | 48.1 [%] | 928 |
| Gemeente | Beekdaelen | 80 | 39.2 [%] | 11.8 [%] | 42.5 | 42.7 [%] | 482 |
| Gemeente | Beekdaelen | 100 | 0.0 [%] | 0.0 [%] | 0.4 | 0.0 [%] | 5 |
| Gemeente | Beekdaelen | Totaal | 39.2 [%] | 14.9 [%] | 124.3 | 46.1 [%] | 1415 |
| Gemeente | Beesel | 60 | 36.1 [%] | 7.7 [%] | 45.4 | 31.9 [%] | 558 |
| Gemeente | Beesel | 80 | 38.0 [%] | 17.7 [%] | 52.0 | 39.3 [%] | 641 |
| Gemeente | Beesel | Totaal | 37.1 [%] | 13.0 [%] | 97.4 | 35.9 [%] | 1199 |
| Gemeente | Berg en Dal | 60 | 33.2 [%] | 12.4 [%] | 125.0 | 37.8 [%] | 1409 |
| Gemeente | Berg en Dal | 80 | 43.2 [%] | 9.3 [%] | 11.0 | 31.0 [%] | 126 |
| Gemeente | Berg en Dal | Totaal | 34.2 [%] | 12.1 [%] | 136.1 | 37.3 [%] | 1535 |
| Gemeente | Bergeijk | 60 | 26.6 [%] | 6.0 [%] | 175.5 | 31.7 [%] | 1997 |
| Gemeente | Bergeijk | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Bergeijk | 80 | 21.9 [%] | 2.5 [%] | 10.5 | 24.4 [%] | 119 |
| Gemeente | Bergeijk | Totaal | 26.5 [%] | 5.8 [%] | 186.1 | 31.3 [%] | 2117 |
| Gemeente | Bergen (L) | 60 | 29.6 [%] | 9.6 [%] | 152.1 | 33.3 [%] | 1740 |
| Gemeente | Bergen (L) | 70 | 25.0 [%] | 0.9 [%] | 0.8 | 30.0 [%] | 10 |
| Gemeente | Bergen (L) | 80 | 32.1 [%] | 3.7 [%] | 47.1 | 27.1 [%] | 539 |
| Gemeente | Bergen (L) | Totaal | 30.1 [%] | 8.2 [%] | 200.0 | 31.8 [%] | 2289 |
| Gemeente | Bergen (NH) | 60 | 25.3 [%] | 5.0 [%] | 67.1 | 18.3 [%] | 738 |
| Gemeente | Bergen (NH) | 80 | 55.6 [%] | 11.1 [%] | 4.5 | 54.5 [%] | 55 |
| Gemeente | Bergen (NH) | Totaal | 28.2 [%] | 5.3 [%] | 71.6 | 20.8 [%] | 793 |
| Gemeente | Bergen op Zoom | 60 | 38.2 [%] | 14.0 [%] | 133.2 | 35.2 [%] | 1589 |
| Gemeente | Bergen op Zoom | 70 | 62.5 [%] | 6.6 [%] | 4.3 | 53.3 [%] | 60 |
| Gemeente | Bergen op Zoom | 80 | 49.3 [%] | 6.8 [%] | 16.3 | 39.5 [%] | 205 |
| Gemeente | Bergen op Zoom | Totaal | 40.4 [%] | 13.0 [%] | 153.8 | 36.3 [%] | 1854 |
| Gemeente | Berkelland | 60 | 21.7 [%] | 5.0 [%] | 699.0 | 22.4 [%] | 7960 |
| Gemeente | Berkelland | 80 | 39.5 [%] | 8.7 [%] | 15.8 | 34.8 [%] | 207 |
| Gemeente | Berkelland | Totaal | 22.5 [%] | 5.0 [%] | 714.8 | 22.7 [%] | 8167 |
| Gemeente | Bernheze | 60 | 25.9 [%] | 7.3 [%] | 237.3 | 29.8 [%] | 2723 |
| Gemeente | Bernheze | 80 | 75.0 [%] | 26.4 [%] | 4.7 | 65.7 [%] | 70 |
| Gemeente | Bernheze | Totaal | 28.3 [%] | 7.7 [%] | 242.0 | 30.7 [%] | 2793 |
| Gemeente | Best | 60 | 33.1 [%] | 11.5 [%] | 77.8 | 33.1 [%] | 952 |
| Gemeente | Best | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Best | 80 | 63.8 [%] | 17.2 [%] | 10.7 | 43.1 [%] | 137 |
| Gemeente | Best | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Best | Totaal | 38.7 [%] | 12.2 [%] | 88.5 | 34.5 [%] | 1092 |
| Gemeente | Beuningen | 60 | 41.0 [%] | 10.8 [%] | 86.1 | 35.3 [%] | 980 |
| Gemeente | Beuningen | 80 | 64.9 [%] | 16.1 [%] | 5.8 | 53.3 [%] | 90 |
| Gemeente | Beuningen | Totaal | 44.9 [%] | 11.1 [%] | 91.9 | 36.8 [%] | 1070 |
| Gemeente | Beverwijk | 60 | 52.0 [%] | 19.6 [%] | 9.8 | 48.8 [%] | 125 |
| Gemeente | Beverwijk | 80 | 59.3 [%] | 6.7 [%] | 4.7 | 46.7 [%] | 60 |
| Gemeente | Beverwijk | Totaal | 54.5 [%] | 15.4 [%] | 14.5 | 48.1 [%] | 185 |
| Gemeente | Bladel | 60 | 30.9 [%] | 4.3 [%] | 109.0 | 25.2 [%] | 1217 |
| Gemeente | Bladel | 80 | 25.0 [%] | 10.2 [%] | 1.2 | 31.2 [%] | 16 |
| Gemeente | Bladel | Totaal | 30.7 [%] | 4.4 [%] | 110.2 | 25.3 [%] | 1233 |
| Gemeente | Blaricum | 60 | 70.1 [%] | 32.6 [%] | 14.0 | 61.2 [%] | 183 |
| Gemeente | Blaricum | 80 | 75.0 [%] | 33.5 [%] | 0.2 | 60.0 [%] | 5 |
| Gemeente | Blaricum | Totaal | 70.4 [%] | 32.6 [%] | 14.2 | 61.2 [%] | 188 |
| Gemeente | Bloemendaal | 60 | 50.0 [%] | 11.1 [%] | 7.3 | 36.5 [%] | 96 |
| Gemeente | Bloemendaal | Totaal | 50.0 [%] | 11.1 [%] | 7.3 | 36.5 [%] | 96 |
| Gemeente | Bodegraven-Reeuwijk | 60 | 44.7 [%] | 8.9 [%] | 81.6 | 26.9 [%] | 952 |
| Gemeente | Bodegraven-Reeuwijk | 80 | 76.0 [%] | 17.7 [%] | 4.9 | 39.7 [%] | 63 |
| Gemeente | Bodegraven-Reeuwijk | Totaal | 47.4 [%] | 9.4 [%] | 86.5 | 27.7 [%] | 1015 |
| Gemeente | Boekel | 60 | 33.8 [%] | 14.2 [%] | 82.7 | 33.9 [%] | 967 |
| Gemeente | Boekel | 80 | 100.0 [%] | 100.0 [%] | 0.4 | 100.0 [%] | 8 |
| Gemeente | Boekel | Totaal | 35.7 [%] | 14.6 [%] | 83.1 | 34.5 [%] | 975 |
| Gemeente | Borger-Odoorn | 60 | 26.8 [%] | 7.1 [%] | 381.3 | 34.0 [%] | 4162 |
| Gemeente | Borger-Odoorn | 70 | 50.0 [%] | 2.9 [%] | 1.2 | 63.6 [%] | 11 |
| Gemeente | Borger-Odoorn | 80 | 22.7 [%] | 0.9 [%] | 30.3 | 30.7 [%] | 332 |
| Gemeente | Borger-Odoorn | Totaal | 26.6 [%] | 6.7 [%] | 412.8 | 33.9 [%] | 4505 |
| Gemeente | Borne | 60 | 35.8 [%] | 11.3 [%] | 64.5 | 33.0 [%] | 801 |
| Gemeente | Borne | 80 | 57.1 [%] | 17.1 [%] | 6.5 | 41.7 [%] | 103 |
| Gemeente | Borne | Totaal | 39.2 [%] | 11.8 [%] | 71.1 | 34.0 [%] | 904 |
| Gemeente | Borsele | 60 | 78.9 [%] | 75.8 [%] | 33.5 | 84.4 [%] | 448 |
| Gemeente | Borsele | 80 | 56.2 [%] | 11.7 [%] | 2.0 | 46.4 [%] | 28 |
| Gemeente | Borsele | Totaal | 77.4 [%] | 72.2 [%] | 35.5 | 82.1 [%] | 476 |
| Gemeente | Boxtel | 60 | 31.2 [%] | 9.9 [%] | 132.5 | 29.0 [%] | 1547 |
| Gemeente | Boxtel | 80 | 64.2 [%] | 9.8 [%] | 7.0 | 58.4 [%] | 113 |
| Gemeente | Boxtel | 100 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Boxtel | Totaal | 35.2 [%] | 9.9 [%] | 139.5 | 30.9 [%] | 1661 |
| Gemeente | Breda | 60 | 29.7 [%] | 7.6 [%] | 174.4 | 28.2 [%] | 2047 |
| Gemeente | Breda | 70 | 64.6 [%] | 22.6 [%] | 36.5 | 60.4 [%] | 497 |
| Gemeente | Breda | 80 | 36.0 [%] | 4.7 [%] | 12.5 | 23.3 [%] | 150 |
| Gemeente | Breda | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Breda | Totaal | 38.8 [%] | 9.9 [%] | 223.5 | 33.9 [%] | 2695 |
| Gemeente | Bronckhorst | 60 | 24.4 [%] | 5.4 [%] | 692.0 | 22.1 [%] | 7858 |
| Gemeente | Bronckhorst | 80 | 52.6 [%] | 19.6 [%] | 13.2 | 44.2 [%] | 156 |
| Gemeente | Bronckhorst | Totaal | 25.3 [%] | 5.7 [%] | 705.2 | 22.5 [%] | 8014 |
| Gemeente | Brummen | 60 | 24.8 [%] | 6.0 [%] | 169.7 | 24.9 [%] | 1921 |
| Gemeente | Brummen | 80 | 41.4 [%] | 5.0 [%] | 8.2 | 26.0 [%] | 100 |
| Gemeente | Brummen | Totaal | 25.8 [%] | 6.0 [%] | 177.9 | 25.0 [%] | 2021 |
| Gemeente | Brunssum | 60 | 72.1 [%] | 31.2 [%] | 14.9 | 66.7 [%] | 186 |
| Gemeente | Brunssum | 80 | 60.7 [%] | 16.1 [%] | 3.7 | 52.7 [%] | 55 |
| Gemeente | Brunssum | Totaal | 68.8 [%] | 28.2 [%] | 18.6 | 63.5 [%] | 241 |
| Gemeente | Bunnik | 60 | 50.6 [%] | 15.6 [%] | 49.7 | 39.9 [%] | 587 |
| Gemeente | Bunnik | 80 | 46.4 [%] | 13.9 [%] | 3.6 | 43.1 [%] | 51 |
| Gemeente | Bunnik | 100 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Bunnik | Totaal | 49.8 [%] | 15.5 [%] | 53.3 | 40.1 [%] | 639 |
| Gemeente | Bunschoten | 60 | 17.2 [%] | 4.4 [%] | 35.0 | 28.1 [%] | 370 |
| Gemeente | Bunschoten | 80 | 66.7 [%] | 6.4 [%] | 1.5 | 26.3 [%] | 19 |
| Gemeente | Bunschoten | Totaal | 21.4 [%] | 4.5 [%] | 36.6 | 28.0 [%] | 389 |
| Gemeente | Buren | 60 | 32.2 [%] | 6.6 [%] | 304.8 | 23.2 [%] | 3395 |
| Gemeente | Buren | 80 | 40.0 [%] | 2.2 [%] | 0.9 | 33.3 [%] | 12 |
| Gemeente | Buren | Totaal | 32.3 [%] | 6.6 [%] | 305.7 | 23.3 [%] | 3407 |
| Gemeente | Capelle aan den IJssel | 60 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Capelle aan den IJssel | 70 | 45.8 [%] | 9.9 [%] | 3.6 | 47.1 [%] | 51 |
| Gemeente | Capelle aan den IJssel | 80 | 0.0 [%] | 0.0 [%] | 0.8 | 12.5 [%] | 8 |
| Gemeente | Capelle aan den IJssel | Totaal | 48.1 [%] | 8.9 [%] | 4.4 | 44.3 [%] | 61 |
| Gemeente | Castricum | 60 | 41.5 [%] | 5.2 [%] | 16.2 | 35.9 [%] | 192 |
| Gemeente | Castricum | 80 | 87.5 [%] | 66.6 [%] | 0.3 | 87.5 [%] | 8 |
| Gemeente | Castricum | Totaal | 46.6 [%] | 6.2 [%] | 16.4 | 38.0 [%] | 200 |
| Gemeente | Coevorden | 60 | 25.8 [%] | 7.9 [%] | 244.0 | 31.0 [%] | 2656 |
| Gemeente | Coevorden | 70 | 50.0 [%] | 10.6 [%] | 0.1 | 66.7 [%] | 3 |
| Gemeente | Coevorden | 80 | 23.6 [%] | 5.4 [%] | 317.8 | 25.1 [%] | 3455 |
| Gemeente | Coevorden | Totaal | 24.6 [%] | 6.5 [%] | 562.0 | 27.7 [%] | 6114 |
| Gemeente | Cranendonck | 60 | 34.1 [%] | 9.1 [%] | 125.7 | 31.8 [%] | 1451 |
| Gemeente | Cranendonck | 80 | 46.6 [%] | 8.2 [%] | 15.7 | 37.4 [%] | 198 |
| Gemeente | Cranendonck | Totaal | 35.9 [%] | 9.0 [%] | 141.4 | 32.4 [%] | 1649 |
| Gemeente | Culemborg | 60 | 37.3 [%] | 5.7 [%] | 39.4 | 24.4 [%] | 451 |
| Gemeente | Culemborg | 80 | 45.5 [%] | 37.2 [%] | 2.0 | 52.6 [%] | 19 |
| Gemeente | Culemborg | Totaal | 38.1 [%] | 7.2 [%] | 41.4 | 25.5 [%] | 470 |
| Gemeente | Dalfsen | 60 | 27.2 [%] | 6.5 [%] | 371.3 | 24.4 [%] | 4169 |
| Gemeente | Dalfsen | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Dalfsen | 80 | 52.6 [%] | 17.5 [%] | 20.3 | 50.7 [%] | 229 |
| Gemeente | Dalfsen | Totaal | 28.8 [%] | 7.1 [%] | 391.6 | 25.8 [%] | 4399 |
| Gemeente | Dantumadiel | 60 | 39.1 [%] | 18.9 [%] | 121.5 | 47.0 [%] | 1322 |
| Gemeente | Dantumadiel | 80 | 48.1 [%] | 12.5 [%] | 11.5 | 37.9 [%] | 145 |
| Gemeente | Dantumadiel | Totaal | 40.5 [%] | 18.4 [%] | 133.0 | 46.1 [%] | 1467 |
| Gemeente | De Bilt | 60 | 33.6 [%] | 5.7 [%] | 37.5 | 30.1 [%] | 422 |
| Gemeente | De Bilt | 80 | 45.7 [%] | 44.1 [%] | 6.8 | 47.9 [%] | 71 |
| Gemeente | De Bilt | Totaal | 36.2 [%] | 11.6 [%] | 44.2 | 32.7 [%] | 493 |
| Gemeente | De Fryske Marren | 60 | 34.1 [%] | 11.0 [%] | 382.3 | 48.0 [%] | 4188 |
| Gemeente | De Fryske Marren | 70 | 50.0 [%] | 32.7 [%] | 0.2 | 50.0 [%] | 4 |
| Gemeente | De Fryske Marren | 80 | 39.9 [%] | 4.3 [%] | 64.1 | 36.3 [%] | 758 |
| Gemeente | De Fryske Marren | 100 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 2 |
| Gemeente | De Fryske Marren | Totaal | 35.4 [%] | 10.1 [%] | 446.7 | 46.3 [%] | 4952 |
| Gemeente | De Ronde Venen | 60 | 44.9 [%] | 6.4 [%] | 132.5 | 25.2 [%] | 1491 |
| Gemeente | De Ronde Venen | 80 | 51.5 [%] | 11.7 [%] | 9.2 | 34.4 [%] | 96 |
| Gemeente | De Ronde Venen | Totaal | 45.6 [%] | 6.8 [%] | 141.6 | 25.8 [%] | 1587 |
| Gemeente | De Wolden | 60 | 29.3 [%] | 5.5 [%] | 368.8 | 25.9 [%] | 4095 |
| Gemeente | De Wolden | 80 | 30.3 [%] | 6.7 [%] | 28.5 | 22.0 [%] | 322 |
| Gemeente | De Wolden | Totaal | 29.4 [%] | 5.6 [%] | 397.3 | 25.6 [%] | 4417 |
| Gemeente | Delft | 60 | 50.0 [%] | 30.7 [%] | 4.4 | 47.4 [%] | 57 |
| Gemeente | Delft | 70 | 25.0 [%] | 2.0 [%] | 3.9 | 46.3 [%] | 41 |
| Gemeente | Delft | 80 | 33.3 [%] | 4.7 [%] | 3.7 | 27.1 [%] | 48 |
| Gemeente | Delft | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Delft | Totaal | 41.2 [%] | 13.5 [%] | 12.0 | 40.8 [%] | 147 |
| Gemeente | Den Helder | 60 | 62.9 [%] | 14.2 [%] | 17.6 | 53.4 [%] | 204 |
| Gemeente | Den Helder | 70 | 0.0 [%] | 0.0 [%] | 3.1 | 50.0 [%] | 30 |
| Gemeente | Den Helder | 80 | 73.3 [%] | 22.6 [%] | 2.3 | 54.5 [%] | 33 |
| Gemeente | Den Helder | Totaal | 61.8 [%] | 13.1 [%] | 23.0 | 53.2 [%] | 267 |
| Gemeente | Deurne | 60 | 25.9 [%] | 9.2 [%] | 291.9 | 31.5 [%] | 3383 |
| Gemeente | Deurne | 80 | 41.5 [%] | 6.8 [%] | 28.6 | 33.9 [%] | 363 |
| Gemeente | Deurne | Totaal | 28.0 [%] | 9.0 [%] | 320.5 | 31.8 [%] | 3746 |
| Gemeente | Deventer | 60 | 39.1 [%] | 9.2 [%] | 257.8 | 31.3 [%] | 3021 |
| Gemeente | Deventer | 80 | 67.1 [%] | 28.4 [%] | 7.9 | 60.0 [%] | 125 |
| Gemeente | Deventer | Totaal | 41.4 [%] | 9.8 [%] | 265.7 | 32.5 [%] | 3146 |
| Gemeente | Diemen | 60 | 50.0 [%] | 7.3 [%] | 0.9 | 71.4 [%] | 14 |
| Gemeente | Diemen | 70 | 56.2 [%] | 22.5 [%] | 13.2 | 54.6 [%] | 174 |
| Gemeente | Diemen | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 50.0 [%] | 2 |
| Gemeente | Diemen | Totaal | 55.0 [%] | 21.3 [%] | 14.3 | 55.8 [%] | 190 |
| Gemeente | Dijk en Waard | 60 | 44.1 [%] | 7.7 [%] | 64.0 | 37.3 [%] | 754 |
| Gemeente | Dijk en Waard | 70 | 40.0 [%] | 1.4 [%] | 1.2 | 40.0 [%] | 15 |
| Gemeente | Dijk en Waard | 80 | 63.3 [%] | 28.9 [%] | 7.6 | 54.3 [%] | 94 |
| Gemeente | Dijk en Waard | Totaal | 47.9 [%] | 9.8 [%] | 72.8 | 39.2 [%] | 863 |
| Gemeente | Dinkelland | 60 | 23.5 [%] | 3.6 [%] | 431.2 | 19.1 [%] | 4889 |
| Gemeente | Dinkelland | 70 | 72.2 [%] | 5.4 [%] | 7.3 | 38.6 [%] | 101 |
| Gemeente | Dinkelland | 80 | 51.7 [%] | 12.9 [%] | 4.0 | 30.5 [%] | 59 |
| Gemeente | Dinkelland | Totaal | 25.5 [%] | 3.8 [%] | 442.5 | 19.7 [%] | 5049 |
| Gemeente | Doesburg | 60 | 28.6 [%] | 2.1 [%] | 12.8 | 35.3 [%] | 153 |
| Gemeente | Doesburg | 80 | 100.0 [%] | 100.0 [%] | 0.3 | 100.0 [%] | 3 |
| Gemeente | Doesburg | Totaal | 33.3 [%] | 4.2 [%] | 13.1 | 36.5 [%] | 156 |
| Gemeente | Doetinchem | 60 | 33.3 [%] | 10.0 [%] | 159.5 | 30.2 [%] | 1862 |
| Gemeente | Doetinchem | 70 | 66.7 [%] | 29.7 [%] | 1.7 | 53.6 [%] | 28 |
| Gemeente | Doetinchem | 80 | 27.0 [%] | 3.1 [%] | 9.7 | 29.2 [%] | 113 |
| Gemeente | Doetinchem | Totaal | 34.0 [%] | 9.8 [%] | 170.9 | 30.5 [%] | 2003 |
| Gemeente | Dongen | 60 | 34.5 [%] | 4.9 [%] | 36.4 | 34.2 [%] | 407 |
| Gemeente | Dongen | 80 | 60.0 [%] | 14.3 [%] | 10.2 | 39.8 [%] | 123 |
| Gemeente | Dongen | Totaal | 42.0 [%] | 7.0 [%] | 46.6 | 35.5 [%] | 530 |
| Gemeente | Dordrecht | 60 | 32.4 [%] | 11.8 [%] | 60.6 | 38.3 [%] | 686 |
| Gemeente | Dordrecht | 80 | 40.0 [%] | 3.7 [%] | 2.1 | 32.1 [%] | 28 |
| Gemeente | Dordrecht | Totaal | 32.8 [%] | 11.5 [%] | 62.7 | 38.1 [%] | 714 |
| Gemeente | Drechterland | 60 | 28.7 [%] | 7.0 [%] | 72.1 | 32.9 [%] | 757 |
| Gemeente | Drechterland | 80 | 68.4 [%] | 67.0 [%] | 3.0 | 57.7 [%] | 26 |
| Gemeente | Drechterland | Totaal | 32.8 [%] | 9.4 [%] | 75.0 | 33.7 [%] | 783 |
| Gemeente | Drimmelen | 60 | 37.4 [%] | 9.6 [%] | 141.8 | 34.3 [%] | 1541 |
| Gemeente | Drimmelen | 80 | 60.6 [%] | 12.9 [%] | 9.9 | 51.0 [%] | 149 |
| Gemeente | Drimmelen | Totaal | 41.6 [%] | 9.8 [%] | 151.7 | 35.7 [%] | 1690 |
| Gemeente | Dronten | 60 | 67.5 [%] | 29.9 [%] | 44.9 | 85.2 [%] | 508 |
| Gemeente | Dronten | 80 | 35.6 [%] | 5.2 [%] | 235.9 | 30.5 [%] | 2518 |
| Gemeente | Dronten | Totaal | 44.4 [%] | 9.2 [%] | 280.8 | 39.7 [%] | 3026 |
| Gemeente | Druten | 60 | 46.7 [%] | 10.9 [%] | 65.8 | 35.0 [%] | 774 |
| Gemeente | Druten | 80 | 44.4 [%] | 10.1 [%] | 4.9 | 38.5 [%] | 65 |
| Gemeente | Druten | Totaal | 46.5 [%] | 10.8 [%] | 70.7 | 35.3 [%] | 839 |
| Gemeente | Duiven | 60 | 37.9 [%] | 8.3 [%] | 55.0 | 27.2 [%] | 644 |
| Gemeente | Duiven | 80 | 74.7 [%] | 46.7 [%] | 7.9 | 73.2 [%] | 123 |
| Gemeente | Duiven | Totaal | 49.1 [%] | 13.1 [%] | 62.9 | 34.6 [%] | 767 |
| Gemeente | Echt-Susteren | 60 | 35.4 [%] | 11.1 [%] | 202.9 | 38.3 [%] | 2360 |
| Gemeente | Echt-Susteren | 80 | 61.0 [%] | 23.8 [%] | 9.0 | 56.5 [%] | 138 |
| Gemeente | Echt-Susteren | 100 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 2 |
| Gemeente | Echt-Susteren | Totaal | 38.3 [%] | 11.7 [%] | 212.0 | 39.4 [%] | 2500 |
| Gemeente | Edam-Volendam | 60 | 69.6 [%] | 37.7 [%] | 3.0 | 68.5 [%] | 54 |
| Gemeente | Edam-Volendam | 80 | 100.0 [%] | 100.0 [%] | 0.3 | 100.0 [%] | 4 |
| Gemeente | Edam-Volendam | Totaal | 70.8 [%] | 43.1 [%] | 3.3 | 70.7 [%] | 58 |
| Gemeente | Ede | 60 | 35.3 [%] | 10.7 [%] | 429.2 | 32.4 [%] | 5064 |
| Gemeente | Ede | 70 | 0.0 [%] | 0.0 [%] | 2.1 | 11.8 [%] | 17 |
| Gemeente | Ede | 80 | 50.4 [%] | 15.5 [%] | 21.1 | 37.8 [%] | 288 |
| Gemeente | Ede | Totaal | 36.6 [%] | 10.8 [%] | 452.4 | 32.7 [%] | 5369 |
| Gemeente | Eemnes | 60 | 33.3 [%] | 8.2 [%] | 55.5 | 37.7 [%] | 597 |
| Gemeente | Eemnes | 80 | 66.7 [%] | 5.4 [%] | 1.1 | 52.9 [%] | 17 |
| Gemeente | Eemnes | 100 | 0.0 [%] | 0.0 [%] | 0.4 | 0.0 [%] | 5 |
| Gemeente | Eemnes | Totaal | 34.8 [%] | 8.1 [%] | 57.1 | 37.8 [%] | 619 |
| Gemeente | Eemsdelta | 60 | 31.9 [%] | 9.8 [%] | 355.1 | 33.3 [%] | 3823 |
| Gemeente | Eemsdelta | 80 | 57.7 [%] | 17.5 [%] | 3.6 | 49.0 [%] | 49 |
| Gemeente | Eemsdelta | Totaal | 32.7 [%] | 9.9 [%] | 358.7 | 33.5 [%] | 3872 |
| Gemeente | Eersel | 60 | 37.8 [%] | 10.3 [%] | 178.6 | 38.2 [%] | 2121 |
| Gemeente | Eersel | 80 | 76.5 [%] | 33.1 [%] | 1.4 | 65.4 [%] | 26 |
| Gemeente | Eersel | Totaal | 38.7 [%] | 10.5 [%] | 180.0 | 38.6 [%] | 2147 |
| Gemeente | Eijsden-Margraten | 60 | 27.2 [%] | 10.1 [%] | 183.2 | 36.0 [%] | 2092 |
| Gemeente | Eijsden-Margraten | 80 | 27.5 [%] | 3.2 [%] | 8.5 | 24.8 [%] | 105 |
| Gemeente | Eijsden-Margraten | 100 | 50.0 [%] | 15.0 [%] | 0.1 | 33.3 [%] | 3 |
| Gemeente | Eijsden-Margraten | Totaal | 27.2 [%] | 9.8 [%] | 191.8 | 35.5 [%] | 2200 |
| Gemeente | Eindhoven | 60 | 56.6 [%] | 21.2 [%] | 28.9 | 55.2 [%] | 386 |
| Gemeente | Eindhoven | 70 | 64.3 [%] | 20.1 [%] | 47.4 | 57.2 [%] | 676 |
| Gemeente | Eindhoven | 80 | 59.5 [%] | 21.7 [%] | 23.1 | 52.9 [%] | 314 |
| Gemeente | Eindhoven | Totaal | 61.2 [%] | 20.8 [%] | 99.3 | 55.7 [%] | 1376 |
| Gemeente | Elburg | 60 | 31.4 [%] | 10.7 [%] | 102.3 | 32.9 [%] | 1156 |
| Gemeente | Elburg | 80 | 100.0 [%] | 100.0 [%] | 0.2 | 100.0 [%] | 6 |
| Gemeente | Elburg | Totaal | 32.6 [%] | 10.8 [%] | 102.5 | 33.2 [%] | 1162 |
| Gemeente | Emmen | 60 | 29.8 [%] | 7.9 [%] | 373.1 | 44.3 [%] | 3995 |
| Gemeente | Emmen | 70 | 66.7 [%] | 18.4 [%] | 1.0 | 52.9 [%] | 17 |
| Gemeente | Emmen | 80 | 46.5 [%] | 9.1 [%] | 63.5 | 33.6 [%] | 715 |
| Gemeente | Emmen | Totaal | 33.6 [%] | 8.1 [%] | 437.6 | 42.7 [%] | 4727 |
| Gemeente | Enkhuizen | 60 | 30.0 [%] | 3.9 [%] | 12.9 | 43.4 [%] | 129 |
| Gemeente | Enkhuizen | 80 | 100.0 [%] | 100.0 [%] | 0.3 | 100.0 [%] | 4 |
| Gemeente | Enkhuizen | Totaal | 38.2 [%] | 5.8 [%] | 13.1 | 45.1 [%] | 133 |
| Gemeente | Enschede | 60 | 28.6 [%] | 8.4 [%] | 303.8 | 28.6 [%] | 3560 |
| Gemeente | Enschede | 70 | 57.1 [%] | 9.8 [%] | 3.9 | 43.6 [%] | 39 |
| Gemeente | Enschede | 80 | 53.1 [%] | 20.1 [%] | 25.1 | 42.6 [%] | 329 |
| Gemeente | Enschede | 100 | 40.0 [%] | 6.8 [%] | 7.7 | 20.2 [%] | 84 |
| Gemeente | Enschede | Totaal | 31.8 [%] | 9.2 [%] | 340.4 | 29.7 [%] | 4012 |
| Gemeente | Epe | 60 | 28.0 [%] | 8.7 [%] | 420.6 | 30.6 [%] | 4917 |
| Gemeente | Epe | 80 | 59.2 [%] | 22.0 [%] | 5.0 | 46.7 [%] | 75 |
| Gemeente | Epe | Totaal | 29.1 [%] | 8.8 [%] | 425.5 | 30.8 [%] | 4992 |
| Gemeente | Ermelo | 60 | 42.9 [%] | 14.1 [%] | 110.9 | 37.2 [%] | 1345 |
| Gemeente | Ermelo | 70 | 66.7 [%] | 6.3 [%] | 0.5 | 37.5 [%] | 8 |
| Gemeente | Ermelo | 80 | 43.3 [%] | 4.7 [%] | 10.0 | 24.1 [%] | 116 |
| Gemeente | Ermelo | Totaal | 43.1 [%] | 13.3 [%] | 121.5 | 36.2 [%] | 1469 |
| Gemeente | Etten-Leur | 60 | 35.4 [%] | 11.7 [%] | 99.5 | 29.2 [%] | 1159 |
| Gemeente | Etten-Leur | 80 | 57.1 [%] | 9.4 [%] | 1.7 | 50.0 [%] | 22 |
| Gemeente | Etten-Leur | Totaal | 36.3 [%] | 11.7 [%] | 101.2 | 29.6 [%] | 1181 |
| Gemeente | Geertruidenberg | 60 | 50.7 [%] | 21.3 [%] | 39.3 | 45.8 [%] | 450 |
| Gemeente | Geertruidenberg | 80 | 57.7 [%] | 20.0 [%] | 5.2 | 52.3 [%] | 65 |
| Gemeente | Geertruidenberg | Totaal | 51.8 [%] | 21.1 [%] | 44.5 | 46.6 [%] | 515 |
| Gemeente | Geldrop-Mierlo | 60 | 31.4 [%] | 14.3 [%] | 42.4 | 33.9 [%] | 496 |
| Gemeente | Geldrop-Mierlo | 80 | 68.6 [%] | 33.7 [%] | 3.8 | 66.1 [%] | 56 |
| Gemeente | Geldrop-Mierlo | Totaal | 39.0 [%] | 15.9 [%] | 46.2 | 37.1 [%] | 552 |
| Gemeente | Gemert-Bakel | 60 | 36.3 [%] | 9.0 [%] | 230.6 | 30.9 [%] | 2726 |
| Gemeente | Gemert-Bakel | 80 | 38.3 [%] | 5.5 [%] | 38.2 | 36.0 [%] | 486 |
| Gemeente | Gemert-Bakel | Totaal | 36.7 [%] | 8.5 [%] | 268.8 | 31.7 [%] | 3212 |
| Gemeente | Gennep | 60 | 29.9 [%] | 10.7 [%] | 83.5 | 36.6 [%] | 961 |
| Gemeente | Gennep | 80 | 33.0 [%] | 6.5 [%] | 43.1 | 31.5 [%] | 531 |
| Gemeente | Gennep | Totaal | 31.2 [%] | 9.2 [%] | 126.6 | 34.8 [%] | 1492 |
| Gemeente | Gilze en Rijen | 60 | 38.8 [%] | 13.7 [%] | 123.4 | 37.8 [%] | 1440 |
| Gemeente | Gilze en Rijen | 80 | 70.0 [%] | 43.4 [%] | 1.3 | 56.2 [%] | 16 |
| Gemeente | Gilze en Rijen | Totaal | 39.6 [%] | 14.0 [%] | 124.7 | 38.0 [%] | 1456 |
| Gemeente | Goeree-Overflakkee | 60 | 56.1 [%] | 29.6 [%] | 55.8 | 58.0 [%] | 686 |
| Gemeente | Goeree-Overflakkee | 80 | 55.6 [%] | 6.6 [%] | 3.5 | 44.2 [%] | 52 |
| Gemeente | Goeree-Overflakkee | Totaal | 56.0 [%] | 28.3 [%] | 59.3 | 57.0 [%] | 738 |
| Gemeente | Goes | 60 | 64.0 [%] | 36.3 [%] | 22.0 | 57.3 [%] | 262 |
| Gemeente | Goes | 70 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 1 |
| Gemeente | Goes | 80 | 57.1 [%] | 13.6 [%] | 3.0 | 63.3 [%] | 49 |
| Gemeente | Goes | Totaal | 62.9 [%] | 33.9 [%] | 25.1 | 58.3 [%] | 312 |
| Gemeente | Goirle | 60 | 38.6 [%] | 21.0 [%] | 81.4 | 38.3 [%] | 918 |
| Gemeente | Goirle | 80 | 62.5 [%] | 9.1 [%] | 9.2 | 54.2 [%] | 118 |
| Gemeente | Goirle | Totaal | 42.5 [%] | 19.8 [%] | 90.7 | 40.2 [%] | 1036 |
| Gemeente | Gooise Meren | 60 | 66.2 [%] | 24.3 [%] | 29.5 | 64.6 [%] | 367 |
| Gemeente | Gooise Meren | 80 | 55.8 [%] | 17.9 [%] | 9.4 | 47.5 [%] | 120 |
| Gemeente | Gooise Meren | Totaal | 63.7 [%] | 22.7 [%] | 39.0 | 60.4 [%] | 487 |
| Gemeente | Gorinchem | 60 | 34.5 [%] | 5.3 [%] | 8.3 | 31.6 [%] | 98 |
| Gemeente | Gorinchem | 80 | 66.7 [%] | 25.6 [%] | 1.6 | 50.0 [%] | 22 |
| Gemeente | Gorinchem | Totaal | 42.1 [%] | 8.5 [%] | 9.9 | 35.0 [%] | 120 |
| Gemeente | Gouda | 60 | 56.5 [%] | 27.0 [%] | 11.8 | 50.6 [%] | 164 |
| Gemeente | Gouda | 80 | 77.8 [%] | 73.3 [%] | 0.2 | 77.8 [%] | 9 |
| Gemeente | Gouda | Totaal | 58.5 [%] | 27.8 [%] | 12.0 | 52.0 [%] | 173 |
| Gemeente | Groningen | 60 | 48.5 [%] | 15.3 [%] | 174.4 | 38.7 [%] | 2044 |
| Gemeente | Groningen | 70 | 55.2 [%] | 12.0 [%] | 7.8 | 44.8 [%] | 96 |
| Gemeente | Groningen | 80 | 66.7 [%] | 6.1 [%] | 3.1 | 37.2 [%] | 43 |
| Gemeente | Groningen | Totaal | 49.2 [%] | 15.0 [%] | 185.3 | 38.9 [%] | 2183 |
| Gemeente | Gulpen-Wittem | 60 | 26.0 [%] | 10.5 [%] | 148.0 | 29.7 [%] | 1713 |
| Gemeente | Gulpen-Wittem | 80 | 24.7 [%] | 4.4 [%] | 20.1 | 20.9 [%] | 230 |
| Gemeente | Gulpen-Wittem | Totaal | 25.8 [%] | 9.7 [%] | 168.2 | 28.7 [%] | 1943 |
| Gemeente | Haaksbergen | 60 | 27.0 [%] | 6.3 [%] | 261.1 | 24.0 [%] | 3067 |
| Gemeente | Haaksbergen | 70 | 62.5 [%] | 20.5 [%] | 6.4 | 57.6 [%] | 92 |
| Gemeente | Haaksbergen | 80 | 36.4 [%] | 8.9 [%] | 11.5 | 31.3 [%] | 134 |
| Gemeente | Haaksbergen | Totaal | 29.3 [%] | 6.7 [%] | 278.9 | 25.2 [%] | 3293 |
| Gemeente | Haarlem | 60 | 15.4 [%] | 8.7 [%] | 4.5 | 38.1 [%] | 42 |
| Gemeente | Haarlem | 70 | 89.5 [%] | 21.4 [%] | 1.4 | 82.8 [%] | 29 |
| Gemeente | Haarlem | 80 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Haarlem | Totaal | 57.6 [%] | 11.7 [%] | 5.9 | 55.6 [%] | 72 |
| Gemeente | Haarlemmermeer | 60 | 56.5 [%] | 21.2 [%] | 210.9 | 53.2 [%] | 2422 |
| Gemeente | Haarlemmermeer | 70 | 57.9 [%] | 13.3 [%] | 8.8 | 60.9 [%] | 110 |
| Gemeente | Haarlemmermeer | 80 | 66.7 [%] | 23.9 [%] | 31.0 | 60.1 [%] | 404 |
| Gemeente | Haarlemmermeer | 100 | 63.6 [%] | 68.4 [%] | 1.1 | 72.2 [%] | 18 |
| Gemeente | Haarlemmermeer | Totaal | 58.5 [%] | 21.4 [%] | 251.9 | 54.6 [%] | 2954 |
| Gemeente | Halderberge | 60 | 30.1 [%] | 6.3 [%] | 155.4 | 27.0 [%] | 1783 |
| Gemeente | Halderberge | 70 | 73.3 [%] | 21.2 [%] | 1.8 | 75.9 [%] | 29 |
| Gemeente | Halderberge | 80 | 52.8 [%] | 7.8 [%] | 12.3 | 35.8 [%] | 148 |
| Gemeente | Halderberge | 100 | 0.0 [%] | 0.0 [%] | 2.0 | 61.9 [%] | 21 |
| Gemeente | Halderberge | Totaal | 33.4 [%] | 6.5 [%] | 171.5 | 28.7 [%] | 1981 |
| Gemeente | Hardenberg | 60 | 30.9 [%] | 9.3 [%] | 648.1 | 29.6 [%] | 7305 |
| Gemeente | Hardenberg | 70 | 50.0 [%] | 30.7 [%] | 1.5 | 50.0 [%] | 20 |
| Gemeente | Hardenberg | 80 | 44.8 [%] | 11.7 [%] | 16.9 | 45.3 [%] | 203 |
| Gemeente | Hardenberg | Totaal | 31.5 [%] | 9.4 [%] | 666.5 | 30.0 [%] | 7528 |
| Gemeente | Harderwijk | 60 | 42.5 [%] | 18.3 [%] | 43.4 | 45.7 [%] | 556 |
| Gemeente | Harderwijk | 80 | 61.1 [%] | 55.9 [%] | 15.9 | 63.9 [%] | 194 |
| Gemeente | Harderwijk | Totaal | 47.5 [%] | 28.3 [%] | 59.3 | 50.4 [%] | 750 |
| Gemeente | Hardinxveld-Giessendam | 60 | 30.0 [%] | 8.4 [%] | 4.0 | 33.3 [%] | 48 |
| Gemeente | Hardinxveld-Giessendam | 80 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Hardinxveld-Giessendam | Totaal | 33.3 [%] | 8.6 [%] | 4.0 | 34.7 [%] | 49 |
| Gemeente | Harlingen | 60 | 41.4 [%] | 21.1 [%] | 25.6 | 50.9 [%] | 285 |
| Gemeente | Harlingen | 80 | 80.0 [%] | 32.3 [%] | 3.6 | 66.0 [%] | 50 |
| Gemeente | Harlingen | Totaal | 50.0 [%] | 22.5 [%] | 29.2 | 53.1 [%] | 335 |
| Gemeente | Hattem | 60 | 46.4 [%] | 15.2 [%] | 29.7 | 38.5 [%] | 361 |
| Gemeente | Hattem | 80 | 61.1 [%] | 28.7 [%] | 3.4 | 40.9 [%] | 44 |
| Gemeente | Hattem | Totaal | 48.3 [%] | 16.6 [%] | 33.2 | 38.8 [%] | 405 |
| Gemeente | Heemskerk | 60 | 22.2 [%] | 1.5 [%] | 3.7 | 30.4 [%] | 46 |
| Gemeente | Heemskerk | 80 | 60.0 [%] | 3.6 [%] | 0.7 | 27.3 [%] | 11 |
| Gemeente | Heemskerk | Totaal | 30.4 [%] | 1.8 [%] | 4.4 | 29.8 [%] | 57 |
| Gemeente | Heemstede | 60 | 38.5 [%] | 35.2 [%] | 3.7 | 50.0 [%] | 34 |
| Gemeente | Heemstede | 80 | 0.0 [%] | 0.0 [%] | 0.4 | 25.0 [%] | 4 |
| Gemeente | Heemstede | Totaal | 33.3 [%] | 31.7 [%] | 4.2 | 47.4 [%] | 38 |
| Gemeente | Heerde | 60 | 38.3 [%] | 14.1 [%] | 154.9 | 33.6 [%] | 1769 |
| Gemeente | Heerde | 80 | 50.0 [%] | 13.6 [%] | 6.9 | 40.4 [%] | 89 |
| Gemeente | Heerde | Totaal | 39.2 [%] | 14.1 [%] | 161.8 | 33.9 [%] | 1858 |
| Gemeente | Heerenveen | 60 | 41.4 [%] | 17.0 [%] | 264.6 | 42.8 [%] | 2990 |
| Gemeente | Heerenveen | 80 | 29.3 [%] | 4.5 [%] | 14.5 | 20.0 [%] | 165 |
| Gemeente | Heerenveen | Totaal | 40.7 [%] | 16.4 [%] | 279.1 | 41.6 [%] | 3155 |
| Gemeente | Heerlen | 60 | 64.3 [%] | 65.4 [%] | 2.8 | 69.6 [%] | 23 |
| Gemeente | Heerlen | 70 | 60.0 [%] | 14.6 [%] | 14.0 | 59.1 [%] | 181 |
| Gemeente | Heerlen | 80 | 60.0 [%] | 21.1 [%] | 10.3 | 47.6 [%] | 145 |
| Gemeente | Heerlen | 100 | 57.1 [%] | 43.3 [%] | 0.2 | 57.1 [%] | 7 |
| Gemeente | Heerlen | Totaal | 60.2 [%] | 22.5 [%] | 27.3 | 55.1 [%] | 356 |
| Gemeente | Heeze-Leende | 60 | 34.8 [%] | 9.7 [%] | 128.1 | 33.9 [%] | 1414 |
| Gemeente | Heeze-Leende | 70 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Heeze-Leende | 80 | 45.8 [%] | 4.7 [%] | 8.0 | 48.4 [%] | 93 |
| Gemeente | Heeze-Leende | Totaal | 35.5 [%] | 9.4 [%] | 136.1 | 34.8 [%] | 1508 |
| Gemeente | Heiloo | 60 | 29.2 [%] | 5.8 [%] | 8.6 | 25.8 [%] | 97 |
| Gemeente | Heiloo | 80 | 50.0 [%] | 17.6 [%] | 0.9 | 20.0 [%] | 10 |
| Gemeente | Heiloo | Totaal | 30.8 [%] | 6.9 [%] | 9.4 | 25.2 [%] | 107 |
| Gemeente | Hellendoorn | 60 | 29.6 [%] | 5.2 [%] | 314.8 | 28.4 [%] | 3627 |
| Gemeente | Hellendoorn | 80 | 46.5 [%] | 8.2 [%] | 23.9 | 34.8 [%] | 313 |
| Gemeente | Hellendoorn | Totaal | 31.7 [%] | 5.4 [%] | 338.7 | 28.9 [%] | 3940 |
| Gemeente | Helmond | 60 | 34.0 [%] | 7.8 [%] | 54.9 | 40.1 [%] | 643 |
| Gemeente | Helmond | 70 | 63.3 [%] | 6.3 [%] | 10.8 | 51.1 [%] | 133 |
| Gemeente | Helmond | 80 | 59.0 [%] | 21.0 [%] | 19.7 | 54.7 [%] | 274 |
| Gemeente | Helmond | 100 | 20.0 [%] | 0.6 [%] | 3.9 | 5.1 [%] | 39 |
| Gemeente | Helmond | Totaal | 46.6 [%] | 10.2 [%] | 89.3 | 43.9 [%] | 1089 |
| Gemeente | Hendrik-Ido-Ambacht | 60 | 11.1 [%] | 1.0 [%] | 1.5 | 31.6 [%] | 19 |
| Gemeente | Hendrik-Ido-Ambacht | Totaal | 11.1 [%] | 1.0 [%] | 1.5 | 31.6 [%] | 19 |
| Gemeente | Hengelo (O) | 60 | 33.6 [%] | 11.6 [%] | 109.0 | 30.2 [%] | 1326 |
| Gemeente | Hengelo (O) | 80 | 64.8 [%] | 26.8 [%] | 5.3 | 58.6 [%] | 87 |
| Gemeente | Hengelo (O) | Totaal | 37.1 [%] | 12.3 [%] | 114.3 | 31.9 [%] | 1413 |
| Gemeente | Het Hogeland | 60 | 43.9 [%] | 16.9 [%] | 375.9 | 42.7 [%] | 4123 |
| Gemeente | Het Hogeland | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Het Hogeland | 80 | 23.0 [%] | 4.7 [%] | 186.1 | 19.4 [%] | 1965 |
| Gemeente | Het Hogeland | Totaal | 38.1 [%] | 12.8 [%] | 562.0 | 35.2 [%] | 6089 |
| Gemeente | Heumen | 60 | 38.4 [%] | 20.5 [%] | 88.8 | 41.4 [%] | 1037 |
| Gemeente | Heumen | 80 | 16.7 [%] | 0.2 [%] | 1.9 | 9.1 [%] | 22 |
| Gemeente | Heumen | Totaal | 37.9 [%] | 20.1 [%] | 90.7 | 40.7 [%] | 1059 |
| Gemeente | Heusden | 60 | 31.8 [%] | 6.7 [%] | 95.7 | 33.8 [%] | 1046 |
| Gemeente | Heusden | 70 | 73.3 [%] | 25.5 [%] | 4.1 | 53.6 [%] | 56 |
| Gemeente | Heusden | 80 | 46.9 [%] | 9.4 [%] | 15.5 | 38.3 [%] | 206 |
| Gemeente | Heusden | Totaal | 38.8 [%] | 7.7 [%] | 115.3 | 35.4 [%] | 1308 |
| Gemeente | Hillegom | 60 | 20.6 [%] | 3.2 [%] | 12.7 | 26.5 [%] | 136 |
| Gemeente | Hillegom | Totaal | 20.6 [%] | 3.2 [%] | 12.7 | 26.5 [%] | 136 |
| Gemeente | Hilvarenbeek | 60 | 28.9 [%] | 8.9 [%] | 190.9 | 33.8 [%] | 2150 |
| Gemeente | Hilvarenbeek | 70 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 4 |
| Gemeente | Hilvarenbeek | 80 | 83.0 [%] | 47.1 [%] | 3.0 | 73.3 [%] | 60 |
| Gemeente | Hilvarenbeek | 100 | 0.0 [%] | 0.0 [%] | 0.2 | 0.0 [%] | 3 |
| Gemeente | Hilvarenbeek | Totaal | 33.6 [%] | 9.5 [%] | 194.3 | 35.0 [%] | 2217 |
| Gemeente | Hilversum | 60 | 60.0 [%] | 25.8 [%] | 12.0 | 57.7 [%] | 156 |
| Gemeente | Hilversum | 80 | 57.9 [%] | 30.2 [%] | 4.3 | 47.4 [%] | 57 |
| Gemeente | Hilversum | Totaal | 59.2 [%] | 27.0 [%] | 16.3 | 54.9 [%] | 213 |
| Gemeente | Hoeksche Waard | 60 | 64.2 [%] | 34.7 [%] | 65.9 | 58.0 [%] | 836 |
| Gemeente | Hoeksche Waard | 80 | 41.7 [%] | 10.1 [%] | 4.1 | 40.4 [%] | 52 |
| Gemeente | Hoeksche Waard | Totaal | 62.8 [%] | 33.3 [%] | 70.0 | 57.0 [%] | 888 |
| Gemeente | Hof van Twente | 60 | 28.8 [%] | 7.2 [%] | 454.9 | 26.0 [%] | 5206 |
| Gemeente | Hof van Twente | 80 | 52.9 [%] | 13.8 [%] | 7.1 | 42.4 [%] | 99 |
| Gemeente | Hof van Twente | Totaal | 29.7 [%] | 7.3 [%] | 462.0 | 26.3 [%] | 5305 |
| Gemeente | Hollands Kroon | 60 | 36.9 [%] | 9.7 [%] | 469.8 | 50.5 [%] | 5042 |
| Gemeente | Hollands Kroon | 80 | 52.1 [%] | 8.2 [%] | 29.0 | 41.1 [%] | 331 |
| Gemeente | Hollands Kroon | Totaal | 38.5 [%] | 9.6 [%] | 498.8 | 49.9 [%] | 5373 |
| Gemeente | Hoogeveen | 60 | 32.3 [%] | 10.0 [%] | 192.2 | 32.3 [%] | 2175 |
| Gemeente | Hoogeveen | 70 | 57.1 [%] | 28.2 [%] | 3.2 | 55.3 [%] | 38 |
| Gemeente | Hoogeveen | 80 | 77.3 [%] | 43.1 [%] | 1.3 | 70.4 [%] | 27 |
| Gemeente | Hoogeveen | Totaal | 34.5 [%] | 10.5 [%] | 196.7 | 33.1 [%] | 2240 |
| Gemeente | Hoorn | 60 | 77.1 [%] | 32.8 [%] | 7.9 | 55.0 [%] | 120 |
| Gemeente | Hoorn | 70 | 67.5 [%] | 17.1 [%] | 9.4 | 59.6 [%] | 156 |
| Gemeente | Hoorn | 80 | 82.5 [%] | 52.7 [%] | 3.0 | 76.9 [%] | 52 |
| Gemeente | Hoorn | 100 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 2 |
| Gemeente | Hoorn | Totaal | 74.4 [%] | 28.8 [%] | 20.4 | 60.9 [%] | 330 |
| Gemeente | Horst aan de Maas | 60 | 29.0 [%] | 7.2 [%] | 461.6 | 31.9 [%] | 5387 |
| Gemeente | Horst aan de Maas | 80 | 35.6 [%] | 7.1 [%] | 37.6 | 33.0 [%] | 463 |
| Gemeente | Horst aan de Maas | Totaal | 29.6 [%] | 7.2 [%] | 499.2 | 31.9 [%] | 5850 |
| Gemeente | Houten | 60 | 33.3 [%] | 7.3 [%] | 76.9 | 25.6 [%] | 855 |
| Gemeente | Houten | 70 | 67.1 [%] | 29.8 [%] | 27.8 | 60.9 [%] | 432 |
| Gemeente | Houten | 80 | 68.8 [%] | 17.1 [%] | 2.4 | 40.6 [%] | 32 |
| Gemeente | Houten | Totaal | 52.2 [%] | 13.4 [%] | 107.1 | 37.5 [%] | 1319 |
| Gemeente | Huizen | 60 | 77.8 [%] | 59.2 [%] | 4.7 | 74.2 [%] | 62 |
| Gemeente | Huizen | 80 | 58.3 [%] | 42.8 [%] | 1.1 | 72.2 [%] | 18 |
| Gemeente | Huizen | Totaal | 71.8 [%] | 55.9 [%] | 5.8 | 73.8 [%] | 80 |
| Gemeente | Hulst | 60 | 60.5 [%] | 33.9 [%] | 21.2 | 61.2 [%] | 242 |
| Gemeente | Hulst | 80 | 80.5 [%] | 57.2 [%] | 2.1 | 79.6 [%] | 49 |
| Gemeente | Hulst | Totaal | 67.2 [%] | 36.0 [%] | 23.3 | 64.3 [%] | 291 |
| Gemeente | IJsselstein | 60 | 25.0 [%] | 11.2 [%] | 21.5 | 14.5 [%] | 207 |
| Gemeente | IJsselstein | 70 | 33.3 [%] | 9.6 [%] | 1.1 | 76.9 [%] | 13 |
| Gemeente | IJsselstein | 80 | 18.2 [%] | 2.9 [%] | 2.2 | 20.0 [%] | 25 |
| Gemeente | IJsselstein | Totaal | 24.0 [%] | 10.4 [%] | 24.8 | 18.4 [%] | 245 |
| Gemeente | Kaag en Braassem | 60 | 49.6 [%] | 16.5 [%] | 69.9 | 40.2 [%] | 800 |
| Gemeente | Kaag en Braassem | 80 | 65.4 [%] | 20.2 [%] | 8.0 | 41.7 [%] | 103 |
| Gemeente | Kaag en Braassem | 100 | 100.0 [%] | 100.0 [%] | 1.5 | 100.0 [%] | 16 |
| Gemeente | Kaag en Braassem | Totaal | 52.6 [%] | 18.5 [%] | 79.4 | 41.5 [%] | 919 |
| Gemeente | Kampen | 60 | 44.6 [%] | 8.8 [%] | 196.5 | 32.7 [%] | 2225 |
| Gemeente | Kampen | 80 | 76.0 [%] | 35.2 [%] | 3.7 | 59.6 [%] | 47 |
| Gemeente | Kampen | Totaal | 46.0 [%] | 9.3 [%] | 200.2 | 33.3 [%] | 2272 |
| Gemeente | Kapelle | 60 | 56.4 [%] | 42.0 [%] | 8.5 | 61.7 [%] | 107 |
| Gemeente | Kapelle | 80 | 63.6 [%] | 32.1 [%] | 1.1 | 58.8 [%] | 17 |
| Gemeente | Kapelle | Totaal | 57.6 [%] | 40.8 [%] | 9.6 | 61.3 [%] | 124 |
| Gemeente | Katwijk | 60 | 57.4 [%] | 25.9 [%] | 15.3 | 53.7 [%] | 190 |
| Gemeente | Katwijk | 80 | 75.0 [%] | 25.0 [%] | 1.0 | 45.5 [%] | 11 |
| Gemeente | Katwijk | Totaal | 58.3 [%] | 25.9 [%] | 16.3 | 53.2 [%] | 201 |
| Gemeente | Kerkrade | 60 | 56.7 [%] | 27.1 [%] | 4.5 | 64.5 [%] | 62 |
| Gemeente | Kerkrade | 70 | 61.3 [%] | 12.6 [%] | 3.0 | 53.7 [%] | 54 |
| Gemeente | Kerkrade | 80 | 56.8 [%] | 29.0 [%] | 6.2 | 41.0 [%] | 78 |
| Gemeente | Kerkrade | Totaal | 58.2 [%] | 24.8 [%] | 13.7 | 52.1 [%] | 194 |
| Gemeente | Koggenland | 60 | 23.3 [%] | 4.1 [%] | 97.1 | 29.8 [%] | 949 |
| Gemeente | Koggenland | 70 | 71.4 [%] | 20.0 [%] | 0.6 | 81.8 [%] | 11 |
| Gemeente | Koggenland | 80 | 75.8 [%] | 30.7 [%] | 3.7 | 51.0 [%] | 51 |
| Gemeente | Koggenland | 100 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 2 |
| Gemeente | Koggenland | Totaal | 34.0 [%] | 5.2 [%] | 101.5 | 31.6 [%] | 1013 |
| Gemeente | Krimpen aan den IJssel | 60 | 73.3 [%] | 71.5 [%] | 1.6 | 79.2 [%] | 24 |
| Gemeente | Krimpen aan den IJssel | Totaal | 73.3 [%] | 71.5 [%] | 1.6 | 79.2 [%] | 24 |
| Gemeente | Krimpenerwaard | 60 | 47.8 [%] | 20.7 [%] | 25.7 | 33.8 [%] | 302 |
| Gemeente | Krimpenerwaard | 80 | 88.9 [%] | 36.5 [%] | 0.9 | 88.9 [%] | 9 |
| Gemeente | Krimpenerwaard | Totaal | 51.5 [%] | 21.2 [%] | 26.6 | 35.4 [%] | 311 |
| Gemeente | Laarbeek | 60 | 30.4 [%] | 6.7 [%] | 130.8 | 27.8 [%] | 1515 |
| Gemeente | Laarbeek | 80 | 28.6 [%] | 12.3 [%] | 8.7 | 36.6 [%] | 93 |
| Gemeente | Laarbeek | Totaal | 30.3 [%] | 7.0 [%] | 139.5 | 28.3 [%] | 1608 |
| Gemeente | Land van Cuijk | 60 | 25.9 [%] | 7.2 [%] | 774.4 | 32.1 [%] | 8766 |
| Gemeente | Land van Cuijk | 70 | 50.0 [%] | 50.0 [%] | 0.4 | 60.0 [%] | 5 |
| Gemeente | Land van Cuijk | 80 | 49.6 [%] | 10.7 [%] | 41.7 | 43.0 [%] | 558 |
| Gemeente | Land van Cuijk | Totaal | 28.1 [%] | 7.4 [%] | 816.6 | 32.7 [%] | 9329 |
| Gemeente | Landgraaf | 60 | 64.0 [%] | 16.4 [%] | 2.5 | 58.1 [%] | 43 |
| Gemeente | Landgraaf | 70 | 69.2 [%] | 9.4 [%] | 3.7 | 53.5 [%] | 43 |
| Gemeente | Landgraaf | 80 | 79.1 [%] | 42.9 [%] | 5.3 | 72.2 [%] | 72 |
| Gemeente | Landgraaf | Totaal | 72.8 [%] | 26.4 [%] | 11.5 | 63.3 [%] | 158 |
| Gemeente | Landsmeer | 60 | 14.3 [%] | 0.5 [%] | 2.1 | 15.8 [%] | 19 |
| Gemeente | Landsmeer | 80 | 35.7 [%] | 26.4 [%] | 1.7 | 60.0 [%] | 25 |
| Gemeente | Landsmeer | Totaal | 28.6 [%] | 12.1 [%] | 3.8 | 40.9 [%] | 44 |
| Gemeente | Lansingerland | 60 | 50.9 [%] | 17.8 [%] | 70.0 | 52.7 [%] | 897 |
| Gemeente | Lansingerland | 80 | 57.9 [%] | 32.0 [%] | 4.8 | 39.1 [%] | 46 |
| Gemeente | Lansingerland | Totaal | 51.3 [%] | 18.7 [%] | 74.8 | 52.1 [%] | 943 |
| Gemeente | Laren | 60 | 56.5 [%] | 44.7 [%] | 5.5 | 69.1 [%] | 68 |
| Gemeente | Laren | 80 | 78.9 [%] | 33.5 [%] | 2.8 | 53.8 [%] | 39 |
| Gemeente | Laren | Totaal | 66.7 [%] | 40.9 [%] | 8.4 | 63.6 [%] | 107 |
| Gemeente | Leeuwarden | 60 | 42.9 [%] | 15.6 [%] | 252.0 | 42.7 [%] | 2843 |
| Gemeente | Leeuwarden | 70 | 50.0 [%] | 23.8 [%] | 11.0 | 64.8 [%] | 122 |
| Gemeente | Leeuwarden | 80 | 43.2 [%] | 9.3 [%] | 33.5 | 31.4 [%] | 388 |
| Gemeente | Leeuwarden | Totaal | 43.3 [%] | 15.2 [%] | 296.6 | 42.2 [%] | 3353 |
| Gemeente | Leiden | 60 | 54.2 [%] | 39.3 [%] | 4.0 | 68.6 [%] | 51 |
| Gemeente | Leiden | 80 | 50.0 [%] | 37.4 [%] | 0.1 | 50.0 [%] | 2 |
| Gemeente | Leiden | Totaal | 53.8 [%] | 39.2 [%] | 4.2 | 67.9 [%] | 53 |
| Gemeente | Leiderdorp | 60 | 58.8 [%] | 16.4 [%] | 6.9 | 46.5 [%] | 86 |
| Gemeente | Leiderdorp | 80 | 85.7 [%] | 59.7 [%] | 0.2 | 85.7 [%] | 7 |
| Gemeente | Leiderdorp | Totaal | 63.4 [%] | 17.9 [%] | 7.1 | 49.5 [%] | 93 |
| Gemeente | Leidschendam-Voorburg | 60 | 47.7 [%] | 18.1 [%] | 32.8 | 40.2 [%] | 403 |
| Gemeente | Leidschendam-Voorburg | 70 | 85.7 [%] | 84.1 [%] | 0.4 | 88.9 [%] | 9 |
| Gemeente | Leidschendam-Voorburg | 80 | 66.7 [%] | 71.5 [%] | 1.4 | 76.5 [%] | 17 |
| Gemeente | Leidschendam-Voorburg | Totaal | 51.0 [%] | 21.1 [%] | 34.6 | 42.7 [%] | 429 |
| Gemeente | Lelystad | 60 | 68.6 [%] | 39.0 [%] | 28.1 | 74.4 [%] | 297 |
| Gemeente | Lelystad | 70 | 22.1 [%] | 10.3 [%] | 34.1 | 43.9 [%] | 387 |
| Gemeente | Lelystad | 80 | 31.4 [%] | 8.8 [%] | 135.9 | 33.0 [%] | 1487 |
| Gemeente | Lelystad | 100 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 1 |
| Gemeente | Lelystad | Totaal | 36.0 [%] | 13.3 [%] | 198.1 | 40.6 [%] | 2172 |
| Gemeente | Leudal | 60 | 26.0 [%] | 7.2 [%] | 369.9 | 31.1 [%] | 4176 |
| Gemeente | Leudal | 80 | 36.2 [%] | 6.2 [%] | 30.0 | 30.7 [%] | 378 |
| Gemeente | Leudal | Totaal | 27.2 [%] | 7.2 [%] | 399.9 | 31.0 [%] | 4554 |
| Gemeente | Leusden | 60 | 43.1 [%] | 11.3 [%] | 54.1 | 30.2 [%] | 630 |
| Gemeente | Leusden | 80 | 43.8 [%] | 15.2 [%] | 1.9 | 37.0 [%] | 27 |
| Gemeente | Leusden | Totaal | 43.2 [%] | 11.4 [%] | 55.9 | 30.4 [%] | 657 |
| Gemeente | Lingewaard | 60 | 37.4 [%] | 12.9 [%] | 85.1 | 35.1 [%] | 994 |
| Gemeente | Lingewaard | 80 | 44.6 [%] | 10.8 [%] | 41.9 | 27.6 [%] | 526 |
| Gemeente | Lingewaard | Totaal | 40.2 [%] | 12.2 [%] | 127.0 | 32.5 [%] | 1520 |
| Gemeente | Lisse | 60 | 52.2 [%] | 13.7 [%] | 20.9 | 39.7 [%] | 262 |
| Gemeente | Lisse | Totaal | 52.2 [%] | 13.7 [%] | 20.9 | 39.7 [%] | 262 |
| Gemeente | Lochem | 60 | 25.9 [%] | 6.1 [%] | 533.5 | 25.3 [%] | 6125 |
| Gemeente | Lochem | 80 | 90.0 [%] | 62.0 [%] | 1.7 | 66.7 [%] | 21 |
| Gemeente | Lochem | Totaal | 26.4 [%] | 6.3 [%] | 535.2 | 25.4 [%] | 6146 |
| Gemeente | Loon op Zand | 60 | 40.5 [%] | 14.5 [%] | 90.3 | 38.1 [%] | 1032 |
| Gemeente | Loon op Zand | 80 | 80.9 [%] | 33.3 [%] | 6.3 | 64.8 [%] | 108 |
| Gemeente | Loon op Zand | Totaal | 48.5 [%] | 15.7 [%] | 96.6 | 40.6 [%] | 1140 |
| Gemeente | Lopik | 60 | 27.5 [%] | 4.0 [%] | 66.4 | 16.6 [%] | 719 |
| Gemeente | Lopik | 80 | 14.3 [%] | 0.6 [%] | 2.6 | 7.7 [%] | 26 |
| Gemeente | Lopik | Totaal | 26.9 [%] | 3.8 [%] | 68.9 | 16.2 [%] | 745 |
| Gemeente | Losser | 60 | 21.5 [%] | 6.5 [%] | 197.3 | 29.5 [%] | 2249 |
| Gemeente | Losser | 80 | 50.0 [%] | 41.5 [%] | 0.8 | 66.7 [%] | 12 |
| Gemeente | Losser | Totaal | 21.8 [%] | 6.6 [%] | 198.2 | 29.7 [%] | 2261 |
| Gemeente | Maasdriel | 60 | 31.2 [%] | 5.9 [%] | 80.5 | 22.4 [%] | 897 |
| Gemeente | Maasdriel | 70 | 0.0 [%] | 0.0 [%] | 0.3 | 75.0 [%] | 4 |
| Gemeente | Maasdriel | 80 | 44.3 [%] | 5.0 [%] | 48.7 | 21.7 [%] | 561 |
| Gemeente | Maasdriel | Totaal | 36.7 [%] | 5.5 [%] | 129.5 | 22.3 [%] | 1462 |
| Gemeente | Maasgouw | 60 | 47.6 [%] | 33.9 [%] | 105.9 | 55.0 [%] | 1319 |
| Gemeente | Maasgouw | 80 | 41.4 [%] | 9.9 [%] | 34.7 | 43.3 [%] | 434 |
| Gemeente | Maasgouw | Totaal | 46.1 [%] | 28.0 [%] | 140.5 | 52.1 [%] | 1753 |
| Gemeente | Maashorst | 60 | 36.4 [%] | 12.4 [%] | 282.4 | 38.9 [%] | 3371 |
| Gemeente | Maashorst | 80 | 59.4 [%] | 14.1 [%] | 19.9 | 53.4 [%] | 264 |
| Gemeente | Maashorst | Totaal | 39.0 [%] | 12.5 [%] | 302.3 | 40.0 [%] | 3635 |
| Gemeente | Maassluis | 60 | 50.0 [%] | 23.0 [%] | 0.5 | 50.0 [%] | 10 |
| Gemeente | Maassluis | 80 | 44.4 [%] | 14.3 [%] | 1.5 | 27.8 [%] | 18 |
| Gemeente | Maassluis | Totaal | 47.1 [%] | 16.6 [%] | 2.0 | 35.7 [%] | 28 |
| Gemeente | Maastricht | 60 | 34.2 [%] | 17.1 [%] | 50.9 | 44.7 [%] | 586 |
| Gemeente | Maastricht | 70 | 55.6 [%] | 33.9 [%] | 6.1 | 66.2 [%] | 77 |
| Gemeente | Maastricht | 80 | 54.2 [%] | 12.7 [%] | 4.6 | 44.1 [%] | 59 |
| Gemeente | Maastricht | 100 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Maastricht | Totaal | 38.6 [%] | 18.4 [%] | 61.6 | 46.9 [%] | 723 |
| Gemeente | Medemblik | 60 | 35.1 [%] | 5.9 [%] | 130.7 | 34.9 [%] | 1425 |
| Gemeente | Medemblik | 80 | 63.3 [%] | 12.3 [%] | 8.2 | 41.8 [%] | 141 |
| Gemeente | Medemblik | Totaal | 39.4 [%] | 6.3 [%] | 138.9 | 35.5 [%] | 1566 |
| Gemeente | Meerssen | 60 | 35.8 [%] | 11.3 [%] | 65.6 | 39.3 [%] | 764 |
| Gemeente | Meerssen | 80 | 63.3 [%] | 18.9 [%] | 2.9 | 53.2 [%] | 47 |
| Gemeente | Meerssen | Totaal | 38.6 [%] | 11.7 [%] | 68.5 | 40.1 [%] | 811 |
| Gemeente | Meierijstad | 60 | 22.8 [%] | 7.0 [%] | 487.3 | 27.1 [%] | 5696 |
| Gemeente | Meierijstad | 70 | 74.4 [%] | 19.9 [%] | 13.5 | 65.9 [%] | 220 |
| Gemeente | Meierijstad | 80 | 48.1 [%] | 9.2 [%] | 15.9 | 37.3 [%] | 204 |
| Gemeente | Meierijstad | Totaal | 27.4 [%] | 7.4 [%] | 516.7 | 28.9 [%] | 6120 |
| Gemeente | Meppel | 60 | 33.8 [%] | 5.6 [%] | 71.1 | 31.1 [%] | 792 |
| Gemeente | Meppel | 80 | 40.5 [%] | 3.6 [%] | 13.0 | 37.8 [%] | 148 |
| Gemeente | Meppel | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Meppel | Totaal | 35.4 [%] | 5.3 [%] | 84.1 | 32.2 [%] | 941 |
| Gemeente | Middelburg | 60 | 67.9 [%] | 52.2 [%] | 12.6 | 72.7 [%] | 165 |
| Gemeente | Middelburg | 70 | 69.6 [%] | 19.8 [%] | 3.4 | 49.0 [%] | 49 |
| Gemeente | Middelburg | 80 | 66.7 [%] | 43.1 [%] | 2.0 | 73.3 [%] | 15 |
| Gemeente | Middelburg | Totaal | 68.1 [%] | 45.1 [%] | 18.0 | 67.7 [%] | 229 |
| Gemeente | Midden-Delfland | 60 | 44.3 [%] | 15.5 [%] | 49.8 | 39.3 [%] | 601 |
| Gemeente | Midden-Delfland | 80 | 38.5 [%] | 6.5 [%] | 1.6 | 31.8 [%] | 22 |
| Gemeente | Midden-Delfland | Totaal | 44.0 [%] | 15.2 [%] | 51.3 | 39.0 [%] | 623 |
| Gemeente | Midden-Drenthe | 60 | 24.3 [%] | 5.7 [%] | 465.3 | 27.1 [%] | 5062 |
| Gemeente | Midden-Drenthe | 80 | 27.9 [%] | 2.3 [%] | 77.8 | 21.9 [%] | 842 |
| Gemeente | Midden-Drenthe | Totaal | 24.9 [%] | 5.2 [%] | 543.1 | 26.4 [%] | 5904 |
| Gemeente | Midden-Groningen | 60 | 38.1 [%] | 15.3 [%] | 333.8 | 50.7 [%] | 3572 |
| Gemeente | Midden-Groningen | 70 | 0.0 [%] | 0.0 [%] | 0.2 | 0.0 [%] | 2 |
| Gemeente | Midden-Groningen | 80 | 38.8 [%] | 7.4 [%] | 25.5 | 35.4 [%] | 291 |
| Gemeente | Midden-Groningen | Totaal | 38.1 [%] | 14.7 [%] | 359.4 | 49.5 [%] | 3865 |
| Gemeente | Moerdijk | 60 | 43.7 [%] | 11.0 [%] | 289.5 | 42.4 [%] | 3343 |
| Gemeente | Moerdijk | 80 | 70.5 [%] | 25.4 [%] | 20.9 | 64.3 [%] | 336 |
| Gemeente | Moerdijk | 100 | 50.0 [%] | 0.7 [%] | 2.0 | 28.6 [%] | 21 |
| Gemeente | Moerdijk | Totaal | 48.9 [%] | 11.9 [%] | 312.4 | 44.3 [%] | 3700 |
| Gemeente | Molenlanden | 60 | 49.2 [%] | 31.8 [%] | 13.3 | 42.7 [%] | 171 |
| Gemeente | Molenlanden | 80 | 50.0 [%] | 11.1 [%] | 0.4 | 44.4 [%] | 9 |
| Gemeente | Molenlanden | Totaal | 49.2 [%] | 31.2 [%] | 13.6 | 42.8 [%] | 180 |
| Gemeente | Montferland | 60 | 39.0 [%] | 15.9 [%] | 233.4 | 40.3 [%] | 2687 |
| Gemeente | Montferland | 80 | 71.4 [%] | 30.6 [%] | 11.0 | 61.7 [%] | 175 |
| Gemeente | Montferland | Totaal | 43.1 [%] | 16.5 [%] | 244.5 | 41.6 [%] | 2862 |
| Gemeente | Montfoort | 60 | 44.0 [%] | 7.0 [%] | 24.1 | 15.8 [%] | 247 |
| Gemeente | Montfoort | 80 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 5 |
| Gemeente | Montfoort | Totaal | 48.1 [%] | 7.2 [%] | 24.2 | 17.5 [%] | 252 |
| Gemeente | Mook en Middelaar | 60 | 40.0 [%] | 26.3 [%] | 27.4 | 63.8 [%] | 309 |
| Gemeente | Mook en Middelaar | 80 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Mook en Middelaar | Totaal | 39.6 [%] | 26.3 [%] | 27.5 | 63.5 [%] | 310 |
| Gemeente | Neder-Betuwe | 60 | 26.7 [%] | 4.7 [%] | 133.1 | 21.2 [%] | 1487 |
| Gemeente | Neder-Betuwe | 80 | 65.2 [%] | 15.1 [%] | 13.8 | 44.8 [%] | 194 |
| Gemeente | Neder-Betuwe | Totaal | 34.3 [%] | 5.6 [%] | 146.9 | 23.9 [%] | 1681 |
| Gemeente | Nederweert | 60 | 18.9 [%] | 4.1 [%] | 88.3 | 22.1 [%] | 1006 |
| Gemeente | Nederweert | 80 | 18.3 [%] | 2.9 [%] | 207.3 | 19.9 [%] | 2337 |
| Gemeente | Nederweert | Totaal | 18.5 [%] | 3.3 [%] | 295.6 | 20.6 [%] | 3343 |
| Gemeente | Nieuwegein | 60 | 29.6 [%] | 14.5 [%] | 14.9 | 28.4 [%] | 169 |
| Gemeente | Nieuwegein | 70 | 62.8 [%] | 18.9 [%] | 12.2 | 54.2 [%] | 168 |
| Gemeente | Nieuwegein | 80 | 68.8 [%] | 27.5 [%] | 3.4 | 75.5 [%] | 53 |
| Gemeente | Nieuwegein | Totaal | 53.0 [%] | 17.7 [%] | 30.5 | 45.9 [%] | 390 |
| Gemeente | Nieuwkoop | 60 | 57.9 [%] | 17.3 [%] | 83.2 | 56.2 [%] | 928 |
| Gemeente | Nieuwkoop | 80 | 53.3 [%] | 20.9 [%] | 5.6 | 55.6 [%] | 63 |
| Gemeente | Nieuwkoop | Totaal | 57.6 [%] | 17.5 [%] | 88.7 | 56.2 [%] | 991 |
| Gemeente | Nijkerk | 60 | 35.6 [%] | 9.6 [%] | 119.6 | 29.9 [%] | 1347 |
| Gemeente | Nijkerk | 80 | 57.1 [%] | 4.6 [%] | 2.6 | 28.6 [%] | 35 |
| Gemeente | Nijkerk | Totaal | 36.5 [%] | 9.5 [%] | 122.1 | 29.9 [%] | 1382 |
| Gemeente | Nijmegen | 60 | 64.3 [%] | 41.0 [%] | 15.5 | 57.3 [%] | 211 |
| Gemeente | Nijmegen | 70 | 57.9 [%] | 36.5 [%] | 4.2 | 63.5 [%] | 52 |
| Gemeente | Nijmegen | 80 | 62.5 [%] | 19.7 [%] | 15.7 | 55.3 [%] | 226 |
| Gemeente | Nijmegen | 100 | 16.7 [%] | 0.5 [%] | 2.3 | 18.2 [%] | 22 |
| Gemeente | Nijmegen | Totaal | 61.9 [%] | 29.2 [%] | 37.8 | 55.4 [%] | 511 |
| Gemeente | Nissewaard | 60 | 54.5 [%] | 31.6 [%] | 14.5 | 53.0 [%] | 198 |
| Gemeente | Nissewaard | 70 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 3 |
| Gemeente | Nissewaard | 80 | 64.1 [%] | 36.8 [%] | 4.7 | 67.2 [%] | 67 |
| Gemeente | Nissewaard | Totaal | 58.0 [%] | 33.2 [%] | 19.3 | 57.1 [%] | 268 |
| Gemeente | Noardeast-Fryslân | 60 | 39.9 [%] | 17.4 [%] | 250.0 | 40.8 [%] | 2741 |
| Gemeente | Noardeast-Fryslân | 80 | 22.9 [%] | 6.1 [%] | 272.6 | 19.7 [%] | 2956 |
| Gemeente | Noardeast-Fryslân | Totaal | 31.5 [%] | 11.5 [%] | 522.7 | 29.9 [%] | 5697 |
| Gemeente | Noord-Beveland | 60 | 63.8 [%] | 47.2 [%] | 31.3 | 70.1 [%] | 422 |
| Gemeente | Noord-Beveland | 80 | 66.7 [%] | 68.1 [%] | 0.6 | 66.7 [%] | 3 |
| Gemeente | Noord-Beveland | Totaal | 63.8 [%] | 47.6 [%] | 31.8 | 70.1 [%] | 425 |
| Gemeente | Noordenveld | 60 | 25.3 [%] | 5.0 [%] | 263.5 | 24.2 [%] | 2913 |
| Gemeente | Noordenveld | 80 | 43.9 [%] | 19.5 [%] | 9.2 | 32.7 [%] | 101 |
| Gemeente | Noordenveld | Totaal | 26.4 [%] | 5.5 [%] | 272.7 | 24.5 [%] | 3014 |
| Gemeente | Noordoostpolder | 60 | 50.6 [%] | 20.5 [%] | 236.9 | 67.8 [%] | 2555 |
| Gemeente | Noordoostpolder | 70 | 0.0 [%] | 0.0 [%] | 0.6 | 25.0 [%] | 8 |
| Gemeente | Noordoostpolder | 80 | 41.9 [%] | 6.3 [%] | 148.2 | 29.7 [%] | 1585 |
| Gemeente | Noordoostpolder | Totaal | 46.8 [%] | 15.0 [%] | 385.7 | 53.2 [%] | 4148 |
| Gemeente | Noordwijk | 60 | 51.1 [%] | 12.4 [%] | 71.4 | 42.7 [%] | 894 |
| Gemeente | Noordwijk | 80 | 93.8 [%] | 70.4 [%] | 0.4 | 88.2 [%] | 17 |
| Gemeente | Noordwijk | Totaal | 53.0 [%] | 12.7 [%] | 71.8 | 43.6 [%] | 911 |
| Gemeente | Nuenen, Gerwen en Nederwetten | 60 | 30.2 [%] | 10.3 [%] | 79.7 | 30.1 [%] | 972 |
| Gemeente | Nuenen, Gerwen en Nederwetten | 80 | 48.5 [%] | 19.2 [%] | 11.5 | 43.4 [%] | 159 |
| Gemeente | Nuenen, Gerwen en Nederwetten | Totaal | 34.3 [%] | 11.4 [%] | 91.3 | 32.0 [%] | 1131 |
| Gemeente | Nunspeet | 60 | 39.3 [%] | 13.4 [%] | 134.1 | 37.6 [%] | 1486 |
| Gemeente | Nunspeet | 80 | 33.3 [%] | 4.2 [%] | 2.7 | 30.3 [%] | 33 |
| Gemeente | Nunspeet | Totaal | 39.1 [%] | 13.2 [%] | 136.8 | 37.5 [%] | 1519 |
| Gemeente | Oegstgeest | 60 | 76.5 [%] | 63.4 [%] | 2.4 | 77.8 [%] | 36 |
| Gemeente | Oegstgeest | 80 | 46.2 [%] | 14.1 [%] | 2.8 | 37.1 [%] | 35 |
| Gemeente | Oegstgeest | Totaal | 63.3 [%] | 36.7 [%] | 5.3 | 57.7 [%] | 71 |
| Gemeente | Oirschot | 60 | 27.5 [%] | 8.9 [%] | 200.2 | 26.5 [%] | 2261 |
| Gemeente | Oirschot | 80 | 60.0 [%] | 11.4 [%] | 11.7 | 45.0 [%] | 160 |
| Gemeente | Oirschot | 100 | 0.0 [%] | 0.0 [%] | 0.7 | 28.6 [%] | 7 |
| Gemeente | Oirschot | Totaal | 31.2 [%] | 9.0 [%] | 212.6 | 27.7 [%] | 2428 |
| Gemeente | Oisterwijk | 60 | 29.7 [%] | 7.7 [%] | 186.9 | 29.9 [%] | 2228 |
| Gemeente | Oisterwijk | 80 | 50.0 [%] | 3.7 [%] | 2.4 | 32.1 [%] | 28 |
| Gemeente | Oisterwijk | Totaal | 29.9 [%] | 7.7 [%] | 189.3 | 30.0 [%] | 2256 |
| Gemeente | Oldambt | 60 | 49.6 [%] | 19.1 [%] | 183.8 | 54.9 [%] | 2041 |
| Gemeente | Oldambt | 80 | 26.5 [%] | 4.0 [%] | 91.6 | 29.0 [%] | 986 |
| Gemeente | Oldambt | Totaal | 43.6 [%] | 14.1 [%] | 275.4 | 46.5 [%] | 3027 |
| Gemeente | Oldebroek | 60 | 39.5 [%] | 10.2 [%] | 130.8 | 37.5 [%] | 1502 |
| Gemeente | Oldebroek | 80 | 20.0 [%] | 4.9 [%] | 0.6 | 62.5 [%] | 8 |
| Gemeente | Oldebroek | Totaal | 39.3 [%] | 10.2 [%] | 131.4 | 37.7 [%] | 1510 |
| Gemeente | Oldenzaal | 60 | 42.8 [%] | 14.1 [%] | 28.4 | 33.2 [%] | 365 |
| Gemeente | Oldenzaal | 80 | 81.2 [%] | 47.8 [%] | 1.0 | 70.0 [%] | 20 |
| Gemeente | Oldenzaal | Totaal | 46.6 [%] | 15.2 [%] | 29.4 | 35.1 [%] | 385 |
| Gemeente | Olst-Wijhe | 60 | 27.6 [%] | 10.2 [%] | 228.7 | 27.2 [%] | 2609 |
| Gemeente | Olst-Wijhe | 80 | 44.8 [%] | 11.1 [%] | 7.3 | 24.7 [%] | 85 |
| Gemeente | Olst-Wijhe | Totaal | 28.3 [%] | 10.2 [%] | 236.0 | 27.1 [%] | 2694 |
| Gemeente | Ommen | 60 | 33.2 [%] | 8.4 [%] | 414.5 | 34.3 [%] | 4752 |
| Gemeente | Ommen | 80 | 27.6 [%] | 2.6 [%] | 7.2 | 25.6 [%] | 90 |
| Gemeente | Ommen | Totaal | 33.1 [%] | 8.3 [%] | 421.7 | 34.1 [%] | 4842 |
| Gemeente | Oost Gelre | 60 | 24.9 [%] | 8.2 [%] | 309.8 | 23.1 [%] | 3578 |
| Gemeente | Oost Gelre | 80 | 60.7 [%] | 24.1 [%] | 3.6 | 56.6 [%] | 53 |
| Gemeente | Oost Gelre | Totaal | 25.9 [%] | 8.3 [%] | 313.4 | 23.6 [%] | 3631 |
| Gemeente | Oosterhout | 60 | 38.5 [%] | 23.4 [%] | 69.7 | 47.4 [%] | 803 |
| Gemeente | Oosterhout | 70 | 38.7 [%] | 5.9 [%] | 7.2 | 47.2 [%] | 89 |
| Gemeente | Oosterhout | 80 | 41.4 [%] | 3.2 [%] | 30.3 | 28.9 [%] | 370 |
| Gemeente | Oosterhout | Totaal | 39.4 [%] | 16.5 [%] | 107.2 | 42.0 [%] | 1262 |
| Gemeente | Ooststellingwerf | 60 | 35.7 [%] | 12.0 [%] | 267.5 | 36.5 [%] | 2941 |
| Gemeente | Ooststellingwerf | 70 | 0.0 [%] | 0.0 [%] | 0.7 | 22.2 [%] | 9 |
| Gemeente | Ooststellingwerf | 80 | 27.8 [%] | 3.2 [%] | 21.3 | 22.0 [%] | 236 |
| Gemeente | Ooststellingwerf | Totaal | 34.9 [%] | 11.3 [%] | 289.5 | 35.4 [%] | 3186 |
| Gemeente | Oostzaan | 60 | 74.5 [%] | 56.4 [%] | 7.1 | 79.6 [%] | 98 |
| Gemeente | Oostzaan | 70 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 1 |
| Gemeente | Oostzaan | 80 | 62.5 [%] | 46.8 [%] | 0.8 | 63.6 [%] | 11 |
| Gemeente | Oostzaan | Totaal | 73.3 [%] | 55.7 [%] | 7.9 | 78.2 [%] | 110 |
| Gemeente | Opmeer | 60 | 45.6 [%] | 3.2 [%] | 47.5 | 22.7 [%] | 476 |
| Gemeente | Opmeer | 80 | 75.0 [%] | 38.1 [%] | 0.4 | 69.2 [%] | 13 |
| Gemeente | Opmeer | Totaal | 48.2 [%] | 3.6 [%] | 47.9 | 23.9 [%] | 489 |
| Gemeente | Opsterland | 60 | 34.3 [%] | 7.3 [%] | 288.7 | 30.9 [%] | 3172 |
| Gemeente | Opsterland | 80 | 28.3 [%] | 2.7 [%] | 26.3 | 23.6 [%] | 292 |
| Gemeente | Opsterland | Totaal | 33.8 [%] | 6.9 [%] | 315.0 | 30.3 [%] | 3464 |
| Gemeente | Oss | 60 | 33.3 [%] | 7.6 [%] | 358.5 | 29.6 [%] | 4150 |
| Gemeente | Oss | 70 | 58.3 [%] | 19.0 [%] | 11.8 | 69.6 [%] | 161 |
| Gemeente | Oss | 80 | 50.0 [%] | 20.9 [%] | 18.7 | 52.2 [%] | 232 |
| Gemeente | Oss | Totaal | 35.6 [%] | 8.6 [%] | 388.9 | 32.2 [%] | 4543 |
| Gemeente | Oude IJsselstreek | 60 | 21.6 [%] | 3.5 [%] | 294.7 | 22.8 [%] | 3297 |
| Gemeente | Oude IJsselstreek | 80 | 60.0 [%] | 21.3 [%] | 5.3 | 47.3 [%] | 74 |
| Gemeente | Oude IJsselstreek | Totaal | 23.5 [%] | 3.8 [%] | 300.0 | 23.3 [%] | 3371 |
| Gemeente | Ouder-Amstel | 60 | 40.5 [%] | 13.4 [%] | 32.4 | 31.5 [%] | 349 |
| Gemeente | Ouder-Amstel | 70 | 75.0 [%] | 24.5 [%] | 0.8 | 61.5 [%] | 13 |
| Gemeente | Ouder-Amstel | 80 | 50.0 [%] | 7.1 [%] | 3.1 | 38.5 [%] | 39 |
| Gemeente | Ouder-Amstel | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Ouder-Amstel | Totaal | 45.2 [%] | 13.1 [%] | 36.3 | 33.3 [%] | 402 |
| Gemeente | Oudewater | 60 | 42.2 [%] | 3.7 [%] | 35.7 | 32.4 [%] | 373 |
| Gemeente | Oudewater | 80 | 33.3 [%] | 4.0 [%] | 2.3 | 12.5 [%] | 24 |
| Gemeente | Oudewater | Totaal | 41.4 [%] | 3.7 [%] | 38.0 | 31.2 [%] | 397 |
| Gemeente | Overbetuwe | 60 | 30.9 [%] | 7.6 [%] | 184.7 | 25.3 [%] | 2062 |
| Gemeente | Overbetuwe | 80 | 50.0 [%] | 14.5 [%] | 5.9 | 38.6 [%] | 70 |
| Gemeente | Overbetuwe | 100 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Overbetuwe | Totaal | 31.9 [%] | 7.8 [%] | 190.6 | 25.7 [%] | 2133 |
| Gemeente | Papendrecht | 60 | 50.0 [%] | 3.8 [%] | 0.2 | 33.3 [%] | 3 |
| Gemeente | Papendrecht | 80 | 71.4 [%] | 36.3 [%] | 0.8 | 58.3 [%] | 12 |
| Gemeente | Papendrecht | Totaal | 66.7 [%] | 31.1 [%] | 1.0 | 53.3 [%] | 15 |
| Gemeente | Peel en Maas | 60 | 25.8 [%] | 7.8 [%] | 427.2 | 32.0 [%] | 4862 |
| Gemeente | Peel en Maas | 80 | 41.5 [%] | 4.9 [%] | 8.0 | 35.4 [%] | 99 |
| Gemeente | Peel en Maas | Totaal | 26.3 [%] | 7.7 [%] | 435.2 | 32.0 [%] | 4961 |
| Gemeente | Pekela | 60 | 35.6 [%] | 3.1 [%] | 45.9 | 32.3 [%] | 499 |
| Gemeente | Pekela | 80 | 83.3 [%] | 82.6 [%] | 0.3 | 83.3 [%] | 6 |
| Gemeente | Pekela | Totaal | 38.7 [%] | 3.7 [%] | 46.2 | 32.9 [%] | 505 |
| Gemeente | Pijnacker-Nootdorp | 60 | 48.1 [%] | 14.9 [%] | 46.3 | 44.7 [%] | 566 |
| Gemeente | Pijnacker-Nootdorp | 80 | 61.3 [%] | 44.1 [%] | 3.6 | 53.5 [%] | 43 |
| Gemeente | Pijnacker-Nootdorp | Totaal | 49.8 [%] | 17.0 [%] | 49.9 | 45.3 [%] | 609 |
| Gemeente | Purmerend | 60 | 58.7 [%] | 40.6 [%] | 7.1 | 50.6 [%] | 85 |
| Gemeente | Purmerend | 80 | 76.5 [%] | 37.0 [%] | 3.0 | 69.0 [%] | 42 |
| Gemeente | Purmerend | Totaal | 66.2 [%] | 39.5 [%] | 10.1 | 56.7 [%] | 127 |
| Gemeente | Putten | 60 | 33.8 [%] | 8.6 [%] | 214.8 | 27.1 [%] | 2527 |
| Gemeente | Putten | 80 | 28.6 [%] | 1.5 [%] | 1.3 | 44.4 [%] | 18 |
| Gemeente | Putten | Totaal | 33.7 [%] | 8.6 [%] | 216.2 | 27.3 [%] | 2545 |
| Gemeente | Raalte | 60 | 37.1 [%] | 17.6 [%] | 420.0 | 33.6 [%] | 4927 |
| Gemeente | Raalte | 80 | 50.0 [%] | 14.6 [%] | 3.5 | 35.4 [%] | 48 |
| Gemeente | Raalte | Totaal | 37.3 [%] | 17.6 [%] | 423.5 | 33.6 [%] | 4975 |
| Gemeente | Reimerswaal | 60 | 53.2 [%] | 23.5 [%] | 17.6 | 53.2 [%] | 231 |
| Gemeente | Reimerswaal | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Reimerswaal | 80 | 56.5 [%] | 27.6 [%] | 3.0 | 47.6 [%] | 42 |
| Gemeente | Reimerswaal | Totaal | 54.1 [%] | 24.2 [%] | 20.6 | 52.6 [%] | 274 |
| Gemeente | Renkum | 60 | 36.7 [%] | 12.5 [%] | 43.0 | 45.1 [%] | 490 |
| Gemeente | Renkum | 80 | 46.7 [%] | 17.2 [%] | 6.3 | 44.1 [%] | 59 |
| Gemeente | Renkum | Totaal | 38.5 [%] | 13.1 [%] | 49.3 | 45.0 [%] | 549 |
| Gemeente | Renswoude | 60 | 32.4 [%] | 3.4 [%] | 27.6 | 19.1 [%] | 319 |
| Gemeente | Renswoude | 80 | 26.3 [%] | 1.1 [%] | 4.6 | 16.7 [%] | 60 |
| Gemeente | Renswoude | Totaal | 31.2 [%] | 3.1 [%] | 32.3 | 18.7 [%] | 379 |
| Gemeente | Reusel-De Mierden | 60 | 36.6 [%] | 10.8 [%] | 162.2 | 34.0 [%] | 1863 |
| Gemeente | Reusel-De Mierden | 80 | 50.0 [%] | 34.6 [%] | 1.5 | 63.2 [%] | 19 |
| Gemeente | Reusel-De Mierden | Totaal | 36.9 [%] | 11.1 [%] | 163.7 | 34.3 [%] | 1882 |
| Gemeente | Rheden | 60 | 57.3 [%] | 19.0 [%] | 65.7 | 46.5 [%] | 791 |
| Gemeente | Rheden | 80 | 70.0 [%] | 35.4 [%] | 1.9 | 44.0 [%] | 25 |
| Gemeente | Rheden | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Rheden | Totaal | 57.5 [%] | 19.4 [%] | 67.7 | 46.4 [%] | 817 |
| Gemeente | Rhenen | 60 | 45.4 [%] | 16.3 [%] | 53.9 | 36.6 [%] | 628 |
| Gemeente | Rhenen | 80 | 69.2 [%] | 38.4 [%] | 2.3 | 60.5 [%] | 38 |
| Gemeente | Rhenen | Totaal | 48.3 [%] | 17.2 [%] | 56.3 | 38.0 [%] | 666 |
| Gemeente | Ridderkerk | 60 | 62.2 [%] | 32.0 [%] | 4.3 | 56.2 [%] | 64 |
| Gemeente | Ridderkerk | 70 | 0.0 [%] | 0.0 [%] | 0.2 | 66.7 [%] | 3 |
| Gemeente | Ridderkerk | 80 | 68.4 [%] | 42.5 [%] | 1.0 | 72.7 [%] | 22 |
| Gemeente | Ridderkerk | Totaal | 63.2 [%] | 32.5 [%] | 5.5 | 60.7 [%] | 89 |
| Gemeente | Rijssen-Holten | 60 | 25.3 [%] | 6.4 [%] | 272.8 | 27.5 [%] | 3162 |
| Gemeente | Rijssen-Holten | 80 | 71.4 [%] | 81.8 [%] | 0.8 | 80.0 [%] | 10 |
| Gemeente | Rijssen-Holten | Totaal | 25.6 [%] | 6.6 [%] | 273.6 | 27.6 [%] | 3172 |
| Gemeente | Rijswijk | 60 | 66.7 [%] | 74.3 [%] | 0.6 | 75.0 [%] | 8 |
| Gemeente | Rijswijk | 80 | 42.9 [%] | 35.5 [%] | 1.4 | 50.0 [%] | 22 |
| Gemeente | Rijswijk | Totaal | 50.0 [%] | 47.1 [%] | 1.9 | 56.7 [%] | 30 |
| Gemeente | Roerdalen | 60 | 31.6 [%] | 11.6 [%] | 263.9 | 40.2 [%] | 3094 |
| Gemeente | Roerdalen | 80 | 39.5 [%] | 8.1 [%] | 8.4 | 39.2 [%] | 102 |
| Gemeente | Roerdalen | Totaal | 31.9 [%] | 11.5 [%] | 272.3 | 40.1 [%] | 3196 |
| Gemeente | Roermond | 60 | 37.1 [%] | 12.8 [%] | 110.7 | 44.4 [%] | 1256 |
| Gemeente | Roermond | 70 | 53.3 [%] | 17.6 [%] | 2.1 | 64.5 [%] | 31 |
| Gemeente | Roermond | 80 | 63.5 [%] | 20.4 [%] | 10.1 | 45.7 [%] | 140 |
| Gemeente | Roermond | Totaal | 41.3 [%] | 13.5 [%] | 122.9 | 45.0 [%] | 1427 |
| Gemeente | Roosendaal | 60 | 31.2 [%] | 8.1 [%] | 190.6 | 25.9 [%] | 2172 |
| Gemeente | Roosendaal | 80 | 48.2 [%] | 10.4 [%] | 22.5 | 33.1 [%] | 290 |
| Gemeente | Roosendaal | Totaal | 34.0 [%] | 8.3 [%] | 213.1 | 26.8 [%] | 2462 |
| Gemeente | Rotterdam | 60 | 61.0 [%] | 25.8 [%] | 59.7 | 55.6 [%] | 791 |
| Gemeente | Rotterdam | 70 | 32.0 [%] | 4.0 [%] | 9.0 | 28.3 [%] | 106 |
| Gemeente | Rotterdam | 80 | 75.6 [%] | 40.1 [%] | 153.0 | 73.9 [%] | 2098 |
| Gemeente | Rotterdam | Totaal | 71.0 [%] | 34.8 [%] | 221.6 | 67.5 [%] | 2995 |
| Gemeente | Rozendaal | 60 | 55.6 [%] | 34.9 [%] | 21.1 | 59.4 [%] | 229 |
| Gemeente | Rozendaal | 80 | 50.0 [%] | 2.9 [%] | 0.7 | 25.0 [%] | 8 |
| Gemeente | Rozendaal | Totaal | 55.3 [%] | 34.0 [%] | 21.8 | 58.2 [%] | 237 |
| Gemeente | Rucphen | 60 | 37.9 [%] | 14.8 [%] | 180.8 | 35.4 [%] | 2108 |
| Gemeente | Rucphen | 70 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Rucphen | 80 | 61.9 [%] | 22.9 [%] | 2.5 | 54.1 [%] | 37 |
| Gemeente | Rucphen | Totaal | 38.7 [%] | 14.9 [%] | 183.5 | 35.7 [%] | 2148 |
| Gemeente | Schagen | 60 | 36.7 [%] | 5.3 [%] | 250.8 | 26.4 [%] | 2790 |
| Gemeente | Schagen | 80 | 42.4 [%] | 6.4 [%] | 7.5 | 33.0 [%] | 94 |
| Gemeente | Schagen | Totaal | 37.0 [%] | 5.3 [%] | 258.2 | 26.6 [%] | 2884 |
| Gemeente | Scherpenzeel | 60 | 25.0 [%] | 5.3 [%] | 23.3 | 21.9 [%] | 270 |
| Gemeente | Scherpenzeel | 80 | 50.0 [%] | 28.9 [%] | 0.3 | 50.0 [%] | 6 |
| Gemeente | Scherpenzeel | Totaal | 27.0 [%] | 5.6 [%] | 23.7 | 22.5 [%] | 276 |
| Gemeente | Schiedam | 60 | 7.1 [%] | 0.9 [%] | 3.4 | 9.5 [%] | 42 |
| Gemeente | Schiedam | Totaal | 7.1 [%] | 0.9 [%] | 3.4 | 9.5 [%] | 42 |
| Gemeente | Schiermonnikoog | 60 | 39.5 [%] | 12.4 [%] | 9.6 | 44.6 [%] | 112 |
| Gemeente | Schiermonnikoog | Totaal | 39.5 [%] | 12.4 [%] | 9.6 | 44.6 [%] | 112 |
| Gemeente | Schouwen-Duiveland | 60 | 47.9 [%] | 24.4 [%] | 47.8 | 46.1 [%] | 542 |
| Gemeente | Schouwen-Duiveland | 80 | 56.5 [%] | 31.5 [%] | 3.6 | 56.1 [%] | 41 |
| Gemeente | Schouwen-Duiveland | Totaal | 48.8 [%] | 24.9 [%] | 51.4 | 46.8 [%] | 583 |
| Gemeente | Simpelveld | 60 | 27.3 [%] | 6.6 [%] | 7.7 | 34.8 [%] | 92 |
| Gemeente | Simpelveld | 80 | 30.0 [%] | 9.4 [%] | 33.5 | 30.9 [%] | 376 |
| Gemeente | Simpelveld | Totaal | 29.4 [%] | 8.8 [%] | 41.2 | 31.6 [%] | 468 |
| Gemeente | Sint-Michielsgestel | 60 | 26.9 [%] | 9.4 [%] | 162.1 | 27.6 [%] | 1910 |
| Gemeente | Sint-Michielsgestel | 80 | 0.0 [%] | 0.0 [%] | 1.2 | 14.3 [%] | 14 |
| Gemeente | Sint-Michielsgestel | Totaal | 26.8 [%] | 9.4 [%] | 163.3 | 27.5 [%] | 1924 |
| Gemeente | Sittard-Geleen | 60 | 38.0 [%] | 10.2 [%] | 56.9 | 43.5 [%] | 680 |
| Gemeente | Sittard-Geleen | 70 | 71.9 [%] | 31.7 [%] | 5.3 | 64.4 [%] | 73 |
| Gemeente | Sittard-Geleen | 80 | 35.6 [%] | 7.7 [%] | 52.5 | 34.3 [%] | 632 |
| Gemeente | Sittard-Geleen | 100 | 66.7 [%] | 36.9 [%] | 0.2 | 50.0 [%] | 4 |
| Gemeente | Sittard-Geleen | Totaal | 39.5 [%] | 10.1 [%] | 114.8 | 40.5 [%] | 1389 |
| Gemeente | Sliedrecht | 60 | 66.7 [%] | 67.2 [%] | 0.4 | 66.7 [%] | 9 |
| Gemeente | Sliedrecht | 80 | 75.0 [%] | 47.8 [%] | 0.4 | 70.0 [%] | 10 |
| Gemeente | Sliedrecht | 100 | 0.0 [%] | 0.0 [%] | 0.2 | 66.7 [%] | 3 |
| Gemeente | Sliedrecht | Totaal | 66.7 [%] | 44.7 [%] | 1.0 | 68.2 [%] | 22 |
| Gemeente | Sluis | 60 | 63.0 [%] | 38.0 [%] | 28.5 | 63.7 [%] | 405 |
| Gemeente | Sluis | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Sluis | 80 | 56.1 [%] | 30.4 [%] | 5.9 | 53.4 [%] | 73 |
| Gemeente | Sluis | Totaal | 62.2 [%] | 36.8 [%] | 34.4 | 62.2 [%] | 479 |
| Gemeente | Smallingerland | 60 | 30.6 [%] | 11.9 [%] | 172.9 | 40.6 [%] | 1905 |
| Gemeente | Smallingerland | 80 | 50.0 [%] | 3.8 [%] | 6.3 | 30.9 [%] | 68 |
| Gemeente | Smallingerland | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Smallingerland | Totaal | 31.8 [%] | 11.7 [%] | 179.2 | 40.3 [%] | 1974 |
| Gemeente | Soest | 60 | 50.9 [%] | 22.0 [%] | 18.9 | 69.4 [%] | 216 |
| Gemeente | Soest | 80 | 32.3 [%] | 9.5 [%] | 8.6 | 18.6 [%] | 97 |
| Gemeente | Soest | Totaal | 44.3 [%] | 18.1 [%] | 27.5 | 53.7 [%] | 313 |
| Gemeente | Someren | 60 | 30.4 [%] | 5.5 [%] | 150.0 | 29.3 [%] | 1745 |
| Gemeente | Someren | 80 | 34.5 [%] | 4.1 [%] | 67.6 | 22.2 [%] | 808 |
| Gemeente | Someren | Totaal | 31.7 [%] | 5.1 [%] | 217.5 | 27.1 [%] | 2553 |
| Gemeente | Son en Breugel | 60 | 35.9 [%] | 11.7 [%] | 22.3 | 38.2 [%] | 267 |
| Gemeente | Son en Breugel | 80 | 58.3 [%] | 27.5 [%] | 4.7 | 58.9 [%] | 56 |
| Gemeente | Son en Breugel | Totaal | 41.2 [%] | 14.4 [%] | 27.0 | 41.8 [%] | 323 |
| Gemeente | Stadskanaal | 60 | 44.8 [%] | 8.0 [%] | 5.6 | 50.0 [%] | 68 |
| Gemeente | Stadskanaal | 80 | 24.7 [%] | 7.3 [%] | 182.6 | 21.9 [%] | 2013 |
| Gemeente | Stadskanaal | Totaal | 26.1 [%] | 7.3 [%] | 188.2 | 22.8 [%] | 2081 |
| Gemeente | Staphorst | 60 | 16.1 [%] | 3.0 [%] | 316.4 | 20.9 [%] | 3447 |
| Gemeente | Staphorst | 80 | 16.7 [%] | 0.9 [%] | 1.7 | 10.0 [%] | 20 |
| Gemeente | Staphorst | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 1 |
| Gemeente | Staphorst | Totaal | 16.3 [%] | 3.0 [%] | 318.1 | 20.8 [%] | 3468 |
| Gemeente | Stede Broec | 60 | 42.9 [%] | 8.8 [%] | 17.4 | 53.1 [%] | 209 |
| Gemeente | Stede Broec | 80 | 61.1 [%] | 14.9 [%] | 2.1 | 51.4 [%] | 35 |
| Gemeente | Stede Broec | Totaal | 46.9 [%] | 9.5 [%] | 19.5 | 52.9 [%] | 244 |
| Gemeente | Steenbergen | 60 | 26.4 [%] | 4.6 [%] | 265.2 | 23.5 [%] | 2944 |
| Gemeente | Steenbergen | 80 | 57.3 [%] | 12.3 [%] | 22.9 | 45.0 [%] | 300 |
| Gemeente | Steenbergen | Totaal | 31.3 [%] | 5.2 [%] | 288.0 | 25.5 [%] | 3244 |
| Gemeente | Steenwijkerland | 60 | 27.5 [%] | 5.8 [%] | 380.6 | 26.9 [%] | 4190 |
| Gemeente | Steenwijkerland | 80 | 40.5 [%] | 4.1 [%] | 11.8 | 30.6 [%] | 144 |
| Gemeente | Steenwijkerland | Totaal | 28.1 [%] | 5.8 [%] | 392.5 | 27.0 [%] | 4334 |
| Gemeente | Stein | 60 | 40.9 [%] | 12.9 [%] | 39.9 | 39.5 [%] | 486 |
| Gemeente | Stein | 80 | 73.1 [%] | 23.0 [%] | 13.3 | 60.1 [%] | 218 |
| Gemeente | Stein | Totaal | 55.1 [%] | 15.5 [%] | 53.2 | 45.9 [%] | 704 |
| Gemeente | Stichtse Vecht | 60 | 40.5 [%] | 14.6 [%] | 118.3 | 34.8 [%] | 1312 |
| Gemeente | Stichtse Vecht | 80 | 54.8 [%] | 14.4 [%] | 8.8 | 44.4 [%] | 99 |
| Gemeente | Stichtse Vecht | Totaal | 41.8 [%] | 14.6 [%] | 127.2 | 35.5 [%] | 1411 |
| Gemeente | Súdwest-Fryslân | 60 | 34.8 [%] | 11.7 [%] | 615.5 | 41.4 [%] | 6789 |
| Gemeente | Súdwest-Fryslân | 70 | 61.1 [%] | 17.0 [%] | 4.0 | 56.9 [%] | 51 |
| Gemeente | Súdwest-Fryslân | 80 | 58.7 [%] | 9.7 [%] | 72.1 | 36.4 [%] | 926 |
| Gemeente | Súdwest-Fryslân | Totaal | 39.8 [%] | 11.5 [%] | 691.5 | 40.9 [%] | 7766 |
| Gemeente | Terneuzen | 60 | 66.1 [%] | 45.9 [%] | 44.3 | 63.9 [%] | 549 |
| Gemeente | Terneuzen | 70 | 72.4 [%] | 19.8 [%] | 3.0 | 62.7 [%] | 51 |
| Gemeente | Terneuzen | 80 | 64.3 [%] | 18.8 [%] | 2.6 | 54.5 [%] | 44 |
| Gemeente | Terneuzen | Totaal | 66.5 [%] | 42.9 [%] | 50.0 | 63.2 [%] | 644 |
| Gemeente | Terschelling | 60 | 41.8 [%] | 39.9 [%] | 26.8 | 53.9 [%] | 310 |
| Gemeente | Terschelling | 80 | 18.2 [%] | 9.9 [%] | 39.9 | 23.4 [%] | 462 |
| Gemeente | Terschelling | Totaal | 26.9 [%] | 22.0 [%] | 66.7 | 35.6 [%] | 772 |
| Gemeente | Texel | 60 | 44.4 [%] | 15.0 [%] | 215.3 | 62.4 [%] | 2386 |
| Gemeente | Texel | 80 | 82.2 [%] | 32.4 [%] | 11.6 | 73.8 [%] | 195 |
| Gemeente | Texel | Totaal | 50.8 [%] | 15.9 [%] | 226.9 | 63.3 [%] | 2581 |
| Gemeente | Teylingen | 60 | 65.7 [%] | 43.0 [%] | 37.1 | 66.1 [%] | 528 |
| Gemeente | Teylingen | 80 | 100.0 [%] | 100.0 [%] | 0.2 | 100.0 [%] | 6 |
| Gemeente | Teylingen | Totaal | 66.4 [%] | 43.4 [%] | 37.3 | 66.5 [%] | 534 |
| Gemeente | Tholen | 60 | 63.2 [%] | 33.1 [%] | 15.7 | 58.4 [%] | 202 |
| Gemeente | Tholen | 80 | 76.9 [%] | 54.2 [%] | 0.7 | 77.8 [%] | 27 |
| Gemeente | Tholen | Totaal | 66.1 [%] | 33.9 [%] | 16.4 | 60.7 [%] | 229 |
| Gemeente | Tiel | 60 | 42.5 [%] | 11.2 [%] | 46.6 | 40.0 [%] | 543 |
| Gemeente | Tiel | 70 | 0.0 [%] | 0.0 [%] | 0.9 | 60.0 [%] | 10 |
| Gemeente | Tiel | 80 | 82.9 [%] | 42.7 [%] | 5.4 | 69.6 [%] | 102 |
| Gemeente | Tiel | Totaal | 53.9 [%] | 14.2 [%] | 52.9 | 44.9 [%] | 655 |
| Gemeente | Tilburg | 60 | 49.7 [%] | 24.9 [%] | 191.4 | 49.5 [%] | 2427 |
| Gemeente | Tilburg | 70 | 61.1 [%] | 11.7 [%] | 11.6 | 47.4 [%] | 175 |
| Gemeente | Tilburg | 80 | 56.1 [%] | 7.8 [%] | 75.1 | 37.9 [%] | 926 |
| Gemeente | Tilburg | 100 | 25.0 [%] | 8.2 [%] | 3.7 | 48.8 [%] | 41 |
| Gemeente | Tilburg | Totaal | 51.7 [%] | 19.6 [%] | 281.7 | 46.4 [%] | 3569 |
| Gemeente | Tubbergen | 60 | 25.4 [%] | 5.8 [%] | 383.0 | 24.1 [%] | 4342 |
| Gemeente | Tubbergen | 80 | 42.9 [%] | 5.8 [%] | 12.7 | 32.1 [%] | 159 |
| Gemeente | Tubbergen | Totaal | 26.3 [%] | 5.8 [%] | 395.7 | 24.4 [%] | 4502 |
| Gemeente | Twenterand | 60 | 28.6 [%] | 6.6 [%] | 203.3 | 29.0 [%] | 2262 |
| Gemeente | Twenterand | 70 | 33.3 [%] | 27.0 [%] | 0.4 | 25.0 [%] | 8 |
| Gemeente | Twenterand | 80 | 36.4 [%] | 11.5 [%] | 10.2 | 33.6 [%] | 113 |
| Gemeente | Twenterand | 100 | 0.0 [%] | 0.0 [%] | 0.8 | 0.0 [%] | 9 |
| Gemeente | Twenterand | Totaal | 29.0 [%] | 6.9 [%] | 214.6 | 29.1 [%] | 2392 |
| Gemeente | Tynaarlo | 60 | 25.7 [%] | 4.2 [%] | 214.8 | 24.1 [%] | 2325 |
| Gemeente | Tynaarlo | 70 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Tynaarlo | 80 | 58.8 [%] | 10.6 [%] | 7.3 | 41.1 [%] | 90 |
| Gemeente | Tynaarlo | Totaal | 27.7 [%] | 4.4 [%] | 222.1 | 24.7 [%] | 2416 |
| Gemeente | Tytsjerksteradiel | 60 | 34.7 [%] | 12.3 [%] | 195.6 | 38.0 [%] | 2196 |
| Gemeente | Tytsjerksteradiel | 80 | 27.2 [%] | 4.4 [%] | 63.7 | 22.9 [%] | 733 |
| Gemeente | Tytsjerksteradiel | Totaal | 32.8 [%] | 10.3 [%] | 259.3 | 34.2 [%] | 2929 |
| Gemeente | Uitgeest | 60 | 48.6 [%] | 13.5 [%] | 20.3 | 32.5 [%] | 231 |
| Gemeente | Uitgeest | 80 | 0.0 [%] | 0.0 [%] | 1.8 | 15.0 [%] | 20 |
| Gemeente | Uitgeest | Totaal | 46.1 [%] | 12.4 [%] | 22.1 | 31.1 [%] | 251 |
| Gemeente | Uithoorn | 60 | 35.8 [%] | 12.0 [%] | 17.7 | 33.8 [%] | 201 |
| Gemeente | Uithoorn | 80 | 58.8 [%] | 36.4 [%] | 2.9 | 60.0 [%] | 35 |
| Gemeente | Uithoorn | Totaal | 41.4 [%] | 15.5 [%] | 20.6 | 37.7 [%] | 236 |
| Gemeente | Urk | 60 | 83.0 [%] | 54.7 [%] | 8.6 | 84.1 [%] | 151 |
| Gemeente | Urk | 70 | 66.7 [%] | 0.9 [%] | 1.2 | 78.6 [%] | 14 |
| Gemeente | Urk | 80 | 100.0 [%] | 100.0 [%] | 1.7 | 100.0 [%] | 20 |
| Gemeente | Urk | Totaal | 83.2 [%] | 55.8 [%] | 11.5 | 85.4 [%] | 185 |
| Gemeente | Utrecht | 60 | 54.8 [%] | 10.6 [%] | 35.7 | 44.9 [%] | 457 |
| Gemeente | Utrecht | 70 | 46.6 [%] | 6.0 [%] | 36.9 | 42.8 [%] | 407 |
| Gemeente | Utrecht | 80 | 82.6 [%] | 36.4 [%] | 4.6 | 72.2 [%] | 79 |
| Gemeente | Utrecht | Totaal | 55.4 [%] | 9.9 [%] | 77.3 | 46.2 [%] | 943 |
| Gemeente | Utrechtse Heuvelrug | 60 | 41.0 [%] | 18.0 [%] | 169.9 | 38.2 [%] | 1991 |
| Gemeente | Utrechtse Heuvelrug | 80 | 44.1 [%] | 12.5 [%] | 19.4 | 29.3 [%] | 229 |
| Gemeente | Utrechtse Heuvelrug | Totaal | 41.4 [%] | 17.4 [%] | 189.3 | 37.3 [%] | 2220 |
| Gemeente | Vaals | 60 | 32.4 [%] | 16.2 [%] | 67.9 | 41.9 [%] | 782 |
| Gemeente | Vaals | 80 | 66.7 [%] | 75.2 [%] | 0.0 | 66.7 [%] | 3 |
| Gemeente | Vaals | Totaal | 32.9 [%] | 16.2 [%] | 67.9 | 42.0 [%] | 785 |
| Gemeente | Valkenburg aan de Geul | 60 | 32.7 [%] | 12.9 [%] | 35.2 | 39.0 [%] | 418 |
| Gemeente | Valkenburg aan de Geul | 70 | 0.0 [%] | 0.0 [%] | 0.4 | 40.0 [%] | 5 |
| Gemeente | Valkenburg aan de Geul | 80 | 44.7 [%] | 16.1 [%] | 9.2 | 31.8 [%] | 110 |
| Gemeente | Valkenburg aan de Geul | Totaal | 35.2 [%] | 13.5 [%] | 44.8 | 37.5 [%] | 533 |
| Gemeente | Valkenswaard | 60 | 27.0 [%] | 3.1 [%] | 54.5 | 27.4 [%] | 625 |
| Gemeente | Valkenswaard | 80 | 50.0 [%] | 4.9 [%] | 9.3 | 37.4 [%] | 107 |
| Gemeente | Valkenswaard | Totaal | 30.6 [%] | 3.4 [%] | 63.8 | 28.8 [%] | 732 |
| Gemeente | Veendam | 60 | 50.9 [%] | 17.0 [%] | 53.5 | 58.2 [%] | 627 |
| Gemeente | Veendam | 70 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 4 |
| Gemeente | Veendam | 80 | 25.0 [%] | 1.4 [%] | 33.5 | 20.1 [%] | 348 |
| Gemeente | Veendam | Totaal | 45.4 [%] | 11.1 [%] | 87.1 | 44.8 [%] | 979 |
| Gemeente | Veenendaal | 60 | 48.3 [%] | 29.1 [%] | 6.5 | 44.6 [%] | 65 |
| Gemeente | Veenendaal | 80 | 54.5 [%] | 30.8 [%] | 1.5 | 61.5 [%] | 13 |
| Gemeente | Veenendaal | Totaal | 50.0 [%] | 29.5 [%] | 7.9 | 47.4 [%] | 78 |
| Gemeente | Veere | 60 | 67.3 [%] | 38.9 [%] | 13.3 | 65.8 [%] | 184 |
| Gemeente | Veere | 80 | 78.0 [%] | 53.2 [%] | 2.6 | 76.0 [%] | 50 |
| Gemeente | Veere | Totaal | 70.5 [%] | 41.3 [%] | 16.0 | 67.9 [%] | 234 |
| Gemeente | Veldhoven | 60 | 39.0 [%] | 8.7 [%] | 21.0 | 30.5 [%] | 266 |
| Gemeente | Veldhoven | 70 | 62.2 [%] | 13.0 [%] | 16.8 | 40.7 [%] | 221 |
| Gemeente | Veldhoven | 80 | 45.5 [%] | 15.3 [%] | 25.9 | 38.7 [%] | 326 |
| Gemeente | Veldhoven | Totaal | 47.9 [%] | 12.5 [%] | 63.7 | 36.5 [%] | 813 |
| Gemeente | Velsen | 60 | 53.7 [%] | 19.4 [%] | 23.6 | 45.2 [%] | 305 |
| Gemeente | Velsen | 70 | 33.3 [%] | 0.6 [%] | 1.8 | 72.2 [%] | 18 |
| Gemeente | Velsen | 80 | 23.1 [%] | 7.2 [%] | 2.9 | 45.2 [%] | 31 |
| Gemeente | Velsen | Totaal | 50.7 [%] | 16.9 [%] | 28.3 | 46.6 [%] | 354 |
| Gemeente | Venlo | 60 | 35.5 [%] | 13.9 [%] | 285.1 | 40.8 [%] | 3393 |
| Gemeente | Venlo | 70 | 75.0 [%] | 58.6 [%] | 2.9 | 88.2 [%] | 34 |
| Gemeente | Venlo | 80 | 48.4 [%] | 9.7 [%] | 26.3 | 36.1 [%] | 346 |
| Gemeente | Venlo | 100 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Venlo | Totaal | 37.7 [%] | 13.9 [%] | 314.3 | 40.8 [%] | 3775 |
| Gemeente | Venray | 60 | 27.3 [%] | 9.2 [%] | 288.7 | 34.1 [%] | 3190 |
| Gemeente | Venray | 80 | 43.4 [%] | 14.4 [%] | 12.5 | 39.3 [%] | 150 |
| Gemeente | Venray | Totaal | 28.4 [%] | 9.4 [%] | 301.3 | 34.4 [%] | 3340 |
| Gemeente | Vijfheerenlanden | 60 | 73.6 [%] | 44.4 [%] | 11.8 | 61.1 [%] | 157 |
| Gemeente | Vijfheerenlanden | 80 | 66.7 [%] | 9.6 [%] | 0.7 | 44.4 [%] | 9 |
| Gemeente | Vijfheerenlanden | Totaal | 73.4 [%] | 42.5 [%] | 12.4 | 60.2 [%] | 166 |
| Gemeente | Vlaardingen | 60 | 63.5 [%] | 24.4 [%] | 5.3 | 54.9 [%] | 82 |
| Gemeente | Vlaardingen | 80 | 33.3 [%] | 12.5 [%] | 3.1 | 30.8 [%] | 39 |
| Gemeente | Vlaardingen | 100 | 50.0 [%] | 41.2 [%] | 0.0 | 50.0 [%] | 2 |
| Gemeente | Vlaardingen | Totaal | 55.6 [%] | 20.1 [%] | 8.4 | 47.2 [%] | 123 |
| Gemeente | Vlieland | 60 | 40.3 [%] | 16.7 [%] | 18.5 | 49.1 [%] | 214 |
| Gemeente | Vlieland | 80 | 25.0 [%] | 4.9 [%] | 0.4 | 33.3 [%] | 6 |
| Gemeente | Vlieland | Totaal | 39.4 [%] | 16.4 [%] | 18.9 | 48.6 [%] | 220 |
| Gemeente | Vlissingen | 60 | 81.4 [%] | 75.2 [%] | 14.0 | 82.7 [%] | 179 |
| Gemeente | Vlissingen | 70 | 55.2 [%] | 22.1 [%] | 7.5 | 47.7 [%] | 109 |
| Gemeente | Vlissingen | 80 | 90.0 [%] | 74.7 [%] | 0.4 | 90.0 [%] | 10 |
| Gemeente | Vlissingen | Totaal | 71.0 [%] | 56.9 [%] | 21.9 | 70.1 [%] | 298 |
| Gemeente | Voerendaal | 60 | 31.2 [%] | 10.9 [%] | 71.6 | 33.6 [%] | 810 |
| Gemeente | Voerendaal | 70 | 0.0 [%] | 0.0 [%] | 0.9 | 70.0 [%] | 10 |
| Gemeente | Voerendaal | 80 | 45.7 [%] | 15.2 [%] | 6.5 | 43.4 [%] | 76 |
| Gemeente | Voerendaal | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 2 |
| Gemeente | Voerendaal | Totaal | 32.7 [%] | 11.1 [%] | 79.2 | 34.7 [%] | 898 |
| Gemeente | Voorne aan Zee | 60 | 74.0 [%] | 42.9 [%] | 26.5 | 72.0 [%] | 347 |
| Gemeente | Voorne aan Zee | 80 | 63.2 [%] | 24.5 [%] | 6.7 | 54.0 [%] | 100 |
| Gemeente | Voorne aan Zee | Totaal | 71.4 [%] | 39.1 [%] | 33.2 | 68.0 [%] | 447 |
| Gemeente | Voorschoten | 60 | 0.0 [%] | 0.0 [%] | 1.1 | 33.3 [%] | 12 |
| Gemeente | Voorschoten | 80 | 48.0 [%] | 12.3 [%] | 4.9 | 46.8 [%] | 62 |
| Gemeente | Voorschoten | Totaal | 44.4 [%] | 10.0 [%] | 6.0 | 44.6 [%] | 74 |
| Gemeente | Voorst | 60 | 29.8 [%] | 4.2 [%] | 224.7 | 23.9 [%] | 2547 |
| Gemeente | Voorst | 80 | 56.5 [%] | 7.0 [%] | 9.4 | 41.5 [%] | 135 |
| Gemeente | Voorst | Totaal | 32.3 [%] | 4.3 [%] | 234.2 | 24.8 [%] | 2682 |
| Gemeente | Vught | 60 | 38.8 [%] | 9.6 [%] | 96.8 | 33.5 [%] | 1148 |
| Gemeente | Vught | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 2 |
| Gemeente | Vught | 80 | 72.7 [%] | 41.9 [%] | 1.9 | 61.3 [%] | 31 |
| Gemeente | Vught | 100 | 0.0 [%] | 0.0 [%] | 0.9 | 11.1 [%] | 9 |
| Gemeente | Vught | Totaal | 41.1 [%] | 10.2 [%] | 99.6 | 34.2 [%] | 1190 |
| Gemeente | Waadhoeke | 60 | 36.4 [%] | 14.4 [%] | 336.4 | 41.6 [%] | 3690 |
| Gemeente | Waadhoeke | 70 | 78.4 [%] | 20.4 [%] | 5.5 | 63.4 [%] | 82 |
| Gemeente | Waadhoeke | 80 | 43.8 [%] | 6.9 [%] | 55.0 | 31.3 [%] | 648 |
| Gemeente | Waadhoeke | 100 | 0.0 [%] | 0.0 [%] | 0.1 | 50.0 [%] | 2 |
| Gemeente | Waadhoeke | Totaal | 39.3 [%] | 13.4 [%] | 397.0 | 40.5 [%] | 4422 |
| Gemeente | Waalre | 60 | 35.7 [%] | 6.3 [%] | 30.7 | 31.8 [%] | 374 |
| Gemeente | Waalre | 80 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 4 |
| Gemeente | Waalre | Totaal | 37.8 [%] | 6.7 [%] | 30.9 | 32.5 [%] | 378 |
| Gemeente | Waalwijk | 60 | 30.0 [%] | 11.0 [%] | 101.2 | 36.5 [%] | 1122 |
| Gemeente | Waalwijk | 70 | 0.0 [%] | 0.0 [%] | 0.8 | 11.1 [%] | 9 |
| Gemeente | Waalwijk | 80 | 59.0 [%] | 8.0 [%] | 6.5 | 48.3 [%] | 87 |
| Gemeente | Waalwijk | 100 | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 [%] | 1 |
| Gemeente | Waalwijk | Totaal | 33.4 [%] | 10.7 [%] | 108.5 | 37.1 [%] | 1219 |
| Gemeente | Waddinxveen | 60 | 68.0 [%] | 29.2 [%] | 20.8 | 57.1 [%] | 268 |
| Gemeente | Waddinxveen | 80 | 64.0 [%] | 28.2 [%] | 4.8 | 62.0 [%] | 79 |
| Gemeente | Waddinxveen | Totaal | 66.7 [%] | 29.0 [%] | 25.6 | 58.2 [%] | 347 |
| Gemeente | Wageningen | 60 | 37.2 [%] | 13.7 [%] | 33.8 | 29.7 [%] | 377 |
| Gemeente | Wageningen | 80 | 33.3 [%] | 4.8 [%] | 0.8 | 25.0 [%] | 12 |
| Gemeente | Wageningen | Totaal | 37.0 [%] | 13.5 [%] | 34.7 | 29.6 [%] | 389 |
| Gemeente | Wassenaar | 60 | 48.7 [%] | 23.0 [%] | 10.8 | 48.8 [%] | 125 |
| Gemeente | Wassenaar | 70 | 0.0 [%] | 0.0 [%] | 0.2 | 0.0 [%] | 3 |
| Gemeente | Wassenaar | 80 | 44.4 [%] | 27.6 [%] | 9.2 | 39.8 [%] | 98 |
| Gemeente | Wassenaar | Totaal | 45.5 [%] | 24.8 [%] | 20.2 | 44.2 [%] | 226 |
| Gemeente | Waterland | 60 | 62.2 [%] | 39.0 [%] | 2.5 | 61.4 [%] | 44 |
| Gemeente | Waterland | 80 | 33.3 [%] | 29.2 [%] | 0.3 | 25.0 [%] | 4 |
| Gemeente | Waterland | Totaal | 60.0 [%] | 37.8 [%] | 2.8 | 58.3 [%] | 48 |
| Gemeente | Weert | 60 | 33.5 [%] | 18.5 [%] | 281.7 | 37.1 [%] | 3276 |
| Gemeente | Weert | 70 | 70.9 [%] | 19.5 [%] | 17.4 | 60.5 [%] | 286 |
| Gemeente | Weert | 80 | 25.8 [%] | 3.0 [%] | 24.3 | 23.3 [%] | 287 |
| Gemeente | Weert | Totaal | 38.1 [%] | 17.4 [%] | 323.5 | 37.8 [%] | 3849 |
| Gemeente | West Betuwe | 60 | 33.9 [%] | 7.3 [%] | 379.6 | 26.5 [%] | 4148 |
| Gemeente | West Betuwe | 70 | 0.0 [%] | 0.0 [%] | 1.0 | 25.0 [%] | 12 |
| Gemeente | West Betuwe | 80 | 57.7 [%] | 10.2 [%] | 9.0 | 40.0 [%] | 125 |
| Gemeente | West Betuwe | Totaal | 35.0 [%] | 7.3 [%] | 389.7 | 26.9 [%] | 4285 |
| Gemeente | West Maas en Waal | 60 | 34.6 [%] | 5.5 [%] | 149.9 | 21.6 [%] | 1675 |
| Gemeente | West Maas en Waal | 80 | 100.0 [%] | 100.0 [%] | 0.1 | 100.0 [%] | 2 |
| Gemeente | West Maas en Waal | Totaal | 35.0 [%] | 5.6 [%] | 150.0 | 21.6 [%] | 1677 |
| Gemeente | Westerkwartier | 60 | 40.3 [%] | 17.8 [%] | 411.3 | 37.5 [%] | 4605 |
| Gemeente | Westerkwartier | 70 | 40.0 [%] | 4.4 [%] | 2.2 | 52.0 [%] | 25 |
| Gemeente | Westerkwartier | 80 | 41.1 [%] | 15.3 [%] | 100.9 | 26.6 [%] | 1102 |
| Gemeente | Westerkwartier | Totaal | 40.5 [%] | 17.3 [%] | 514.5 | 35.4 [%] | 5732 |
| Gemeente | Westerveld | 60 | 28.8 [%] | 5.5 [%] | 457.3 | 29.4 [%] | 5190 |
| Gemeente | Westerveld | 70 | 100.0 [%] | 100.0 [%] | 0.0 | 100.0 [%] | 3 |
| Gemeente | Westerveld | 80 | 60.9 [%] | 16.3 [%] | 2.0 | 58.8 [%] | 34 |
| Gemeente | Westerveld | Totaal | 29.5 [%] | 5.5 [%] | 459.4 | 29.7 [%] | 5227 |
| Gemeente | Westervoort | 60 | 38.9 [%] | 21.8 [%] | 3.6 | 62.8 [%] | 43 |
| Gemeente | Westervoort | 80 | 0.0 [%] | 0.0 [%] | 0.9 | 12.5 [%] | 8 |
| Gemeente | Westervoort | Totaal | 35.0 [%] | 17.3 [%] | 4.5 | 54.9 [%] | 51 |
| Gemeente | Westerwolde | 60 | 32.7 [%] | 11.6 [%] | 65.7 | 33.9 [%] | 685 |
| Gemeente | Westerwolde | 80 | 26.8 [%] | 4.9 [%] | 340.8 | 22.4 [%] | 3689 |
| Gemeente | Westerwolde | Totaal | 27.8 [%] | 5.9 [%] | 406.4 | 24.2 [%] | 4374 |
| Gemeente | Westland | 60 | 57.1 [%] | 28.1 [%] | 228.2 | 53.1 [%] | 3071 |
| Gemeente | Westland | 80 | 51.6 [%] | 27.4 [%] | 9.5 | 51.5 [%] | 130 |
| Gemeente | Westland | Totaal | 56.8 [%] | 28.0 [%] | 237.7 | 53.0 [%] | 3201 |
| Gemeente | Weststellingwerf | 60 | 34.3 [%] | 8.4 [%] | 279.2 | 32.8 [%] | 2984 |
| Gemeente | Weststellingwerf | 70 | 0.0 [%] | 0.0 [%] | 2.4 | 3.8 [%] | 26 |
| Gemeente | Weststellingwerf | 80 | 28.6 [%] | 3.1 [%] | 22.1 | 25.8 [%] | 233 |
| Gemeente | Weststellingwerf | Totaal | 33.4 [%] | 7.9 [%] | 303.7 | 32.1 [%] | 3243 |
| Gemeente | Wierden | 60 | 25.6 [%] | 8.2 [%] | 254.4 | 25.3 [%] | 2967 |
| Gemeente | Wierden | 80 | 42.5 [%] | 17.1 [%] | 6.4 | 32.5 [%] | 83 |
| Gemeente | Wierden | Totaal | 26.4 [%] | 8.5 [%] | 260.9 | 25.5 [%] | 3050 |
| Gemeente | Wijchen | 60 | 41.0 [%] | 13.1 [%] | 114.9 | 32.3 [%] | 1364 |
| Gemeente | Wijchen | 80 | 30.6 [%] | 3.8 [%] | 24.0 | 17.3 [%] | 271 |
| Gemeente | Wijchen | Totaal | 39.6 [%] | 11.5 [%] | 138.8 | 29.8 [%] | 1635 |
| Gemeente | Wijdemeren | 60 | 50.0 [%] | 14.9 [%] | 7.6 | 28.7 [%] | 87 |
| Gemeente | Wijdemeren | 80 | 18.2 [%] | 0.5 [%] | 7.7 | 5.2 [%] | 77 |
| Gemeente | Wijdemeren | Totaal | 41.5 [%] | 7.7 [%] | 15.3 | 17.7 [%] | 164 |
| Gemeente | Wijk bij Duurstede | 60 | 33.2 [%] | 7.0 [%] | 81.4 | 22.1 [%] | 909 |
| Gemeente | Wijk bij Duurstede | 70 | 28.6 [%] | 1.7 [%] | 1.5 | 36.8 [%] | 19 |
| Gemeente | Wijk bij Duurstede | 80 | 40.0 [%] | 8.0 [%] | 1.1 | 15.4 [%] | 13 |
| Gemeente | Wijk bij Duurstede | Totaal | 33.2 [%] | 7.0 [%] | 84.0 | 22.3 [%] | 941 |
| Gemeente | Winterswijk | 60 | 25.6 [%] | 6.3 [%] | 369.7 | 24.4 [%] | 4280 |
| Gemeente | Winterswijk | 80 | 50.0 [%] | 14.2 [%] | 0.2 | 25.0 [%] | 4 |
| Gemeente | Winterswijk | Totaal | 25.7 [%] | 6.3 [%] | 369.9 | 24.4 [%] | 4284 |
| Gemeente | Woensdrecht | 60 | 38.4 [%] | 18.6 [%] | 229.2 | 42.2 [%] | 2737 |
| Gemeente | Woensdrecht | 80 | 16.2 [%] | 3.0 [%] | 11.5 | 26.9 [%] | 134 |
| Gemeente | Woensdrecht | Totaal | 37.4 [%] | 17.9 [%] | 240.6 | 41.5 [%] | 2871 |
| Gemeente | Woerden | 60 | 43.8 [%] | 10.4 [%] | 91.8 | 28.1 [%] | 1042 |
| Gemeente | Woerden | 70 | 50.0 [%] | 4.2 [%] | 2.6 | 32.4 [%] | 34 |
| Gemeente | Woerden | 80 | 63.2 [%] | 13.8 [%] | 3.9 | 35.3 [%] | 51 |
| Gemeente | Woerden | Totaal | 45.4 [%] | 10.4 [%] | 98.3 | 28.6 [%] | 1127 |
| Gemeente | Wormerland | 60 | 37.5 [%] | 3.4 [%] | 2.4 | 30.8 [%] | 26 |
| Gemeente | Wormerland | 80 | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 [%] | 1 |
| Gemeente | Wormerland | Totaal | 33.3 [%] | 3.2 [%] | 2.6 | 29.6 [%] | 27 |
| Gemeente | Woudenberg | 60 | 34.6 [%] | 4.7 [%] | 51.7 | 21.4 [%] | 602 |
| Gemeente | Woudenberg | 80 | 43.8 [%] | 11.2 [%] | 2.0 | 44.8 [%] | 29 |
| Gemeente | Woudenberg | Totaal | 35.5 [%] | 5.0 [%] | 53.6 | 22.5 [%] | 631 |
| Gemeente | Zaanstad | 60 | 40.8 [%] | 3.8 [%] | 21.1 | 36.9 [%] | 236 |
| Gemeente | Zaanstad | 70 | 39.7 [%] | 15.8 [%] | 17.6 | 47.4 [%] | 190 |
| Gemeente | Zaanstad | 80 | 50.0 [%] | 11.5 [%] | 6.2 | 24.2 [%] | 62 |
| Gemeente | Zaanstad | Totaal | 41.4 [%] | 9.5 [%] | 44.9 | 39.3 [%] | 488 |
| Gemeente | Zaltbommel | 60 | 27.0 [%] | 9.6 [%] | 83.6 | 30.1 [%] | 884 |
| Gemeente | Zaltbommel | 80 | 42.5 [%] | 9.5 [%] | 58.8 | 27.3 [%] | 633 |
| Gemeente | Zaltbommel | Totaal | 33.6 [%] | 9.5 [%] | 142.4 | 28.9 [%] | 1517 |
| Gemeente | Zandvoort | 60 | 33.3 [%] | 14.4 [%] | 1.7 | 81.8 [%] | 11 |
| Gemeente | Zandvoort | Totaal | 33.3 [%] | 14.4 [%] | 1.7 | 81.8 [%] | 11 |
| Gemeente | Zeewolde | 60 | 50.3 [%] | 26.2 [%] | 77.4 | 66.6 [%] | 873 |
| Gemeente | Zeewolde | 70 | 57.1 [%] | 9.9 [%] | 2.7 | 52.8 [%] | 36 |
| Gemeente | Zeewolde | 80 | 28.1 [%] | 5.5 [%] | 116.7 | 39.2 [%] | 1249 |
| Gemeente | Zeewolde | 100 | 75.0 [%] | 61.8 [%] | 0.1 | 75.0 [%] | 4 |
| Gemeente | Zeewolde | Totaal | 42.0 [%] | 13.7 [%] | 197.0 | 50.5 [%] | 2162 |
| Gemeente | Zeist | 60 | 46.3 [%] | 10.2 [%] | 43.3 | 39.9 [%] | 574 |
| Gemeente | Zeist | 80 | 64.9 [%] | 28.4 [%] | 5.6 | 56.9 [%] | 65 |
| Gemeente | Zeist | Totaal | 48.7 [%] | 12.3 [%] | 48.9 | 41.6 [%] | 639 |
| Gemeente | Zevenaar | 60 | 44.2 [%] | 9.6 [%] | 151.3 | 34.4 [%] | 1748 |
| Gemeente | Zevenaar | 80 | 47.6 [%] | 14.9 [%] | 8.0 | 41.0 [%] | 100 |
| Gemeente | Zevenaar | Totaal | 44.4 [%] | 9.9 [%] | 159.3 | 34.8 [%] | 1848 |
| Gemeente | Zoetermeer | 60 | 64.7 [%] | 16.2 [%] | 3.4 | 61.8 [%] | 55 |
| Gemeente | Zoetermeer | 70 | 35.8 [%] | 20.6 [%] | 22.0 | 55.1 [%] | 227 |
| Gemeente | Zoetermeer | 80 | 66.7 [%] | 29.1 [%] | 6.9 | 64.9 [%] | 74 |
| Gemeente | Zoetermeer | Totaal | 49.6 [%] | 22.0 [%] | 32.4 | 58.1 [%] | 356 |
| Gemeente | Zoeterwoude | 60 | 56.1 [%] | 21.5 [%] | 19.0 | 64.2 [%] | 232 |
| Gemeente | Zoeterwoude | 80 | 0.0 [%] | 0.0 [%] | 0.1 | 50.0 [%] | 2 |
| Gemeente | Zoeterwoude | 100 | 0.0 [%] | 0.0 [%] | 0.2 | 0.0 [%] | 2 |
| Gemeente | Zoeterwoude | Totaal | 54.4 [%] | 21.2 [%] | 19.3 | 63.6 [%] | 236 |
| Gemeente | Zuidplas | 60 | 50.1 [%] | 12.5 [%] | 108.9 | 44.0 [%] | 1349 |
| Gemeente | Zuidplas | 80 | 48.3 [%] | 11.9 [%] | 7.1 | 47.6 [%] | 105 |
| Gemeente | Zuidplas | Totaal | 49.9 [%] | 12.5 [%] | 116.0 | 44.2 [%] | 1454 |
| Gemeente | Zundert | 60 | 28.7 [%] | 7.3 [%] | 176.9 | 25.2 [%] | 2032 |
| Gemeente | Zundert | 80 | 21.9 [%] | 3.6 [%] | 69.1 | 19.3 [%] | 778 |
| Gemeente | Zundert | Totaal | 26.9 [%] | 6.3 [%] | 246.0 | 23.6 [%] | 2810 |
| Gemeente | Zutphen | 60 | 39.8 [%] | 12.0 [%] | 35.4 | 41.2 [%] | 420 |
| Gemeente | Zutphen | 80 | 48.8 [%] | 10.5 [%] | 12.6 | 29.8 [%] | 141 |
| Gemeente | Zutphen | Totaal | 42.2 [%] | 11.6 [%] | 48.0 | 38.3 [%] | 561 |
| Gemeente | Zwartewaterland | 60 | 33.7 [%] | 5.0 [%] | 91.0 | 33.4 [%] | 1010 |
| Gemeente | Zwartewaterland | 80 | 63.4 [%] | 21.5 [%] | 4.5 | 43.5 [%] | 69 |
| Gemeente | Zwartewaterland | Totaal | 38.9 [%] | 5.8 [%] | 95.5 | 34.0 [%] | 1079 |
| Gemeente | Zwijndrecht | 60 | 67.9 [%] | 69.3 [%] | 2.0 | 73.7 [%] | 38 |
| Gemeente | Zwijndrecht | 80 | 100.0 [%] | 100.0 [%] | 0.5 | 100.0 [%] | 10 |
| Gemeente | Zwijndrecht | Totaal | 76.3 [%] | 75.5 [%] | 2.6 | 79.2 [%] | 48 |
| Gemeente | Zwolle | 60 | 50.4 [%] | 20.8 [%] | 160.9 | 40.8 [%] | 1906 |
| Gemeente | Zwolle | 70 | 63.2 [%] | 13.0 [%] | 44.2 | 52.4 [%] | 614 |
| Gemeente | Zwolle | 80 | 65.7 [%] | 40.8 [%] | 9.1 | 69.7 [%] | 132 |
| Gemeente | Zwolle | Totaal | 55.1 [%] | 20.0 [%] | 214.2 | 44.9 [%] | 2652 |
In deze paragraaf worden benchmarks getoond voor provinciale wegbeheerders, afgezet tegen het landelijk niveau. De benchmarks worden getoond voor het totale areaal en voor de wegen met een limiet van 60km/uur, 70 km/uur, 80 km/uur en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# functie wrapper voor het aanroepen van plot_ly
#' De functie roept plot_ly aan voor het maken van de grafiek
#' Breedte, plaatsing en margins zijn proefondervindelijk bepaald voor alle onderdelen
#' Een dropdown menu is toegevoegd om te kunnen schakelen tussen wegbeheerders
#' Een tweede dropdown om tevens te filteren op basis van limiet lijkt complex en wordt buiten de functie gelaten.
# functie
figuur.benchmark <- function(scores_wegbeheerder_limiet, limiet, groepskeuzen_wegbeheerder_limiet, landelijke_score_limiet) {
# roep plot_ly aan en initieer de grafie voor de dropdown keuze met vaste x en y waarde
plot_ly(scores_wegbeheerder_limiet, x = "Categorieën", y = 0, type = 'bar', # data, x as waarde, y as waarde, type barplot
# marker stelt de grafiekkleuren vast in een vector (hier 2 waarden)
# width fixeert de breedte van de grafiek, 900 is in pixels en ongeveer markdown pagina breedte
marker = grafiekkleuren, width = 600) %>% #list(color = c('blue', 'purple'))
layout(
# titeel initiele grafiek met object limiet
title = list(text = paste("Kenmerkscore afwezigheid obstakels bij", "\n",
"limiet", limiet, "voor te selecteren wegbeheerder vs.", "\n",
"landelijk. Selecteer de wegbeheerder uit de", "\n",
"uitklapbare keuzelijst rechts."),
xanchor = 'center', yanchor = 'top'), # plaatsing van de titel
#xanchor = 'center', x = 0.5 , yanchor = 'top', y = 1), # Dynamic title
margin = list(l = 70, t = 70), # marges
xaxis = list(title = ""), # x as titel
yaxis = list(title = "SPI deelscore [%]", range = c(0, 100)), # y as titel
showlegend = FALSE # geen legenda
) %>%
# dropdown menu voor selectie visualisatie data
layout(
updatemenus = list(
list(
active = 0,
# Position dropdown box to the right of the graph
xanchor = "left", # position to edge
x = 1.05, # position to edge
yanchor = "middle", # Center dropdown box vertically
y = 0.5, # Center dropdown box vertically
# lapply functie voor de werking van de button
buttons = lapply(1:length(groepskeuzen_wegbeheerder_limiet), function(i) {
list(
method = "update",
args = list(
list(x = list(c(groepskeuzen_wegbeheerder_limiet[i], "Landelijk")),
y = list(c(scores_wegbeheerder_limiet$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[i], landelijke_score_limiet))), # Update x and y scores_wegbeheerder_limiet
list(title = paste("Kenmerkscore afwezigheid obstakels bij limiet", limiet, "\n",
"voor", groepskeuzen_wegbeheerder_limiet[i], "vs. landelijk")) # Dynamic title update
),
label = groepskeuzen_wegbeheerder_limiet[i]
)
})
)
)
)
}# Calculate the average score
landelijke_score_60 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[1]
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[2]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[3]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[4]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[5]
# data per provincie per limiet
scores_provincies_60 <- filter(scores_provincies, Snelheidslimiet == "60")
scores_provincies_70 <- filter(scores_provincies, Snelheidslimiet == "70")
scores_provincies_80 <- filter(scores_provincies, Snelheidslimiet == "80")
scores_provincies_100 <- filter(scores_provincies, Snelheidslimiet == "100")
scores_provincies_totaal <- filter(scores_provincies, Snelheidslimiet == "Totaal")
# Create the dropdown menu options
groepskeuzen_provincies_60 <- scores_provincies_60$Wegbeheerder
groepskeuzen_provincies_70 <- scores_provincies_70$Wegbeheerder
groepskeuzen_provincies_80 <- scores_provincies_80$Wegbeheerder
groepskeuzen_provincies_100 <- scores_provincies_100$Wegbeheerder
groepskeuzen_provincies_totaal <- scores_provincies_totaal$Wegbeheerder
grafiekkleuren <- list(color = c(blue_vals[3], green_vals[3]))# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 60
fig60prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_60,
limiet = 60,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_60,
landelijke_score_limiet = landelijke_score_60)
# Display the plot
fig60prov# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 70
fig70prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70prov# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 80
fig80prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80prov# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 100
fig100prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100prov# maak een benchmark grafiek voor provenciale wegbeheerders van alle limieten
fig_totaal_prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_provIn deze paragraaf worden benchmarks getoond voor gemeentelijke wegbeheerders, afgezet tegen het landelijk niveau. De benchmarks worden getoond voor het totale areaal en voor de wegen met een limiet van 60km/uur, 70 km/uur, 80 km/uur, en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# Calculate the average score
landelijke_score_60 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[1]
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[2]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[3]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[4]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[5]
# data per gemeente per limiet
scores_gemeenten_60 <- filter(scores_gemeenten, Snelheidslimiet == "60")
scores_gemeenten_70 <- filter(scores_gemeenten, Snelheidslimiet == "70")
scores_gemeenten_80 <- filter(scores_gemeenten, Snelheidslimiet == "80")
scores_gemeenten_100 <- filter(scores_gemeenten, Snelheidslimiet == "100")
scores_gemeenten_totaal <- filter(scores_gemeenten, Snelheidslimiet == "Totaal")
# Create the dropdown menu options
groepskeuzen_gemeenten_60 <- scores_gemeenten_60$Wegbeheerder
groepskeuzen_gemeenten_70 <- scores_gemeenten_70$Wegbeheerder
groepskeuzen_gemeenten_80 <- scores_gemeenten_80$Wegbeheerder
groepskeuzen_gemeenten_100 <- scores_gemeenten_100$Wegbeheerder
groepskeuzen_gemeenten_totaal <- scores_gemeenten_totaal$Wegbeheerder
grafiekkleuren <- list(color = c(blue_vals[3], green_vals[3]))# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 60
fig60gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_60,
limiet = 60,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_60,
landelijke_score_limiet = landelijke_score_60)
# Display the plot
fig60gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 70
fig70gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 80
fig80gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 100
fig100gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders
fig_totaal_gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_gemIn deze paragraaf worden benchmarks getoond voor wegbeherende waterschappen, afgezet tegen het landelijk niveau. De benchmarks worden getoond voor het totale areaal en voor de wegen met een limiet van 60km/uur, 70 km/uur, 80 km/uur en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# Calculate the average score
landelijke_score_60 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[1]
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[2]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[3]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[4]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid obstakels - wegvakniveau`[5]
# data per waterschap per limiet
scores_waterschappen_60 <- filter(scores_waterschappen, Snelheidslimiet == "60")
scores_waterschappen_70 <- filter(scores_waterschappen, Snelheidslimiet == "70")
scores_waterschappen_80 <- filter(scores_waterschappen, Snelheidslimiet == "80")
scores_waterschappen_100 <- filter(scores_waterschappen, Snelheidslimiet == "100")
scores_waterschappen_totaal <- filter(scores_waterschappen, Snelheidslimiet == "Totaal")
# Create the dropdown menu options
groepskeuzen_waterschappen_60 <- scores_waterschappen_60$Wegbeheerder
groepskeuzen_waterschappen_70 <- scores_waterschappen_70$Wegbeheerder
groepskeuzen_waterschappen_80 <- scores_waterschappen_80$Wegbeheerder
groepskeuzen_waterschappen_100 <- scores_waterschappen_100$Wegbeheerder
groepskeuzen_waterschappen_totaal <- scores_waterschappen_totaal$Wegbeheerder
grafiekkleuren <- list(color = c(blue_vals[3], green_vals[3]))# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 60
fig60wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_60,
limiet = 60,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_60,
landelijke_score_limiet = landelijke_score_60)
# Display the plot
fig60wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 70
fig70wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 80
fig80wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 100
fig100wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 60
fig_totaal_wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_watDe in het vorige hoofdstuk behandelde scores per wegbeheerder zijn bepaald op basis van scores op wegvakniveau. Van elk wegvak is bepaald of deze voldoet aan het kenmerk SPI Veilige Infrastructuur - Afwezigheid obstakels langs rijbanen, plus een aantal aanvullende kenmerken. Per wegvak zijn de volgende kenmerken vastgelegd:
# sf df om te exporteren
nwb_wvk_obstakels_export <- nwb_wvk_obstakels %>%
left_join(select(nwb_rijbaan, WVK_ID, geometry), "WVK_ID") %>%
st_as_sf() %>%
mutate(wvk_voldoet = ifelse(wvk_voldoet == TRUE, "Obstakels afwezig", "Obstakels aanwezig"))
# Attributen tabel in tekstformat
nwb_wvk_obstakels_export_attributentabel <- data.frame(
Attribuut = c(
"WVK_ID", "limiet_maatgevend", "n_segmenten",
"limiet_x_voldoet", "aantal_limieten",
"n_segmenten_voldoet_niet_bomen", "n_segmenten_voldoet_niet_bgt_obj",
"n_segmenten_voldoet_niet_talud", "n_bomen_x_x","wvk_voldoet",
"WEGBEHSRT", "STT_NAAM", "WPSNAAM", "GME_NAAM", "WEGBEHNAAM", "wegvaklengte"
),
Omschrijving = c(
"Het unieke nummer voor een Wegvak.",
"De maatgevende snelheidslimiet. Wanneer binnen een wegvak meerdere snelheidslimieten bestaan, is de maatgevende limiet degene met de meeste lengte binnen dat wegvak.",
"Het aantal segmenten binnen een wegvak",
"Geeft aan of binnen een wegvak het gedeelte met een limiet van x km/uur voldoet aan de SPI.",
"Geeft aan hoeveel limieten er binnen een wegvak aanwezig zijn.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van BGT objecten binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen kritische taluds de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment.",
"Het aantal bomen in de betreffende klasse van obstakelvrije zone",
"Laat zien of het gehele wegvak aan de SPI voldoet, dus in het geval van meerdere limieten of alle limieten voldoen.",
"Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier.",
"Straatnaam", "Naam van de plaats waarin het wegvak ligt.",
"Naam van de gemeente waarin de plaats ligt", "Naam van de wegbeheerder.",
"Lengte van het wegvak."
)
)
# maak een scrol tabel van de attributen tabel
scroltabel_gt(nwb_wvk_obstakels_export_attributentabel)| Attribuut | Omschrijving |
|---|---|
| WVK_ID | Het unieke nummer voor een Wegvak. |
| limiet_maatgevend | De maatgevende snelheidslimiet. Wanneer binnen een wegvak meerdere snelheidslimieten bestaan, is de maatgevende limiet degene met de meeste lengte binnen dat wegvak. |
| n_segmenten | Het aantal segmenten binnen een wegvak |
| limiet_x_voldoet | Geeft aan of binnen een wegvak het gedeelte met een limiet van x km/uur voldoet aan de SPI. |
| aantal_limieten | Geeft aan hoeveel limieten er binnen een wegvak aanwezig zijn. |
| n_segmenten_voldoet_niet_bomen | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_segmenten_voldoet_niet_bgt_obj | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van BGT objecten binnen de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_segmenten_voldoet_niet_talud | Het aantal wegsegmenten binnen een wegvak dat niet voldoet op basis van bomen kritische taluds de obstakelvrije zone die geldt de limiet die aanwezig is op dat segment. |
| n_bomen_x_x | Het aantal bomen in de betreffende klasse van obstakelvrije zone |
| wvk_voldoet | Laat zien of het gehele wegvak aan de SPI voldoet, dus in het geval van meerdere limieten of alle limieten voldoen. |
| WEGBEHSRT | Het type wegbeheerder met G: Gemeente, W: Waterschap, P: Provincie en T: Particulier. |
| STT_NAAM | Straatnaam |
| WPSNAAM | Naam van de plaats waarin het wegvak ligt. |
| GME_NAAM | Naam van de gemeente waarin de plaats ligt |
| WEGBEHNAAM | Naam van de wegbeheerder. |
| wegvaklengte | Lengte van het wegvak. |
Op basis hiervan is eenvoudig te visualiseren welke wegvakken van een wegbeheerder al dan niet voldoen aan dit kenmerk. Onderstaand geven we hiervan een voorbeeld voor wegen met limiet 80 van de provincie Utrecht.
obstakels_utrecht <- nwb_wvk_obstakels_export %>%
filter(WEGBEHSRT == "P" & WEGBEHNAAM == "Utrecht" & limiet_maatgevend == "80")mapview(obstakels_utrecht, zcol = "wvk_voldoet", legend = TRUE)Wegvakken in de kaart zijn aan te klikken. Daarmee wordt de attributentabel van het wegvak geladen en kunnen andere scores en kenmerken van het wegvak worden bekeken.
Deze data is geëxporteerd naar een tekstbestand (csv, scheidingsteken ‘;’, decimaalscheidingsteken ‘,’) en GIS-bestand (geopackage, ofwel .gpkg). De export bevat alle voor deze analyse geselecteerde wegvakken in Nederland. Beide datasets zijn via een aparte downloadoptie openbaar beschikbaar. Het tekstbestand is geschikt voor het openen in bijvoorbeeld Excel. Het geopackage kan gebruikt worden in een GIS viewer, bijvoorbeeld QGIS. Let op dat het decimaal scheidingsteken een ‘,’ betreft conform de Nederlandse standaard. De data in het geopackage is ‘.’ decimaalgescheiden (conform internationale standaarden).
# export naar csv, verwijder daarvoor geometry
write.table(st_drop_geometry(nwb_wvk_obstakels_export), here("Output", "SPI_kenmerkscore_obstakels.csv"),
row.names = FALSE, sep = ";", dec = ",", quote = TRUE)
# export naar geopackage
st_write(nwb_wvk_obstakels_export, here("Output", "SPI_kenmerkscore_obstakels.gpkg"), Append = FALSE, delete_dsn = TRUE)
# let op, het script overschrijft bestaande datasets met dezelfde naam. Maak een kopie van de dataset als je deze bewerkt en wilt bewaren