1 Leeswijzer

Met deze rapportage wordt de deelscore op het kenmerk Afwezigheid oversteekplaatsen 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 van oversteekplaatsen’. 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.

2 Voorwoord programma code

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 oversteekplaatsen 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",
                       "downloadthis")

# 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 mappen structuur. 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 zonder download functie
scroltabel_gt <- function (data, title = NULL, table.height = px(350)) {
    # gt table call
    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))
      ) 
}

# scroltabel met download functie
scroltabel_gt_dl <- function (data, title = NULL, table.height = px(350),
                            output_name = NULL,
                            output_extension = ".csv",
                            button_label = "Download csv",
                            button_type = "default") {
    # if no name supplied, grab the symbol as string
    if (is.null(output_name)) {
      output_name <- deparse(substitute(data))
    }
  
    # gt table call
    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))
      ) %>%
      
      # downloadknop
      tab_source_note(
      data %>%
        download_this(
          output_name       = output_name,
          output_extension  = output_extension,
          button_label      = button_label,
          button_type       = button_type
        )
    )
}

3 Introductie

De SPI Veilige Infrastructuur bevat het kenmerk “Afwezigheid oversteekplaatsen”. Op wegen van een limiet van 70 en hoger zijn oversteekplaatsen op wegvakken 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 oversteeklocaties op wegvakken ontbreken. Oversteekvoorzieningen op kruispunten zijn hierbij buiten beschouwing gelaten. Deze zijn onderdeel van de beoordeling van kruispunten.

Per wegbeheerder wordt bepaald welk deel van het wegennet positief scoort op de afwezigheid van oversteekplaatsen. 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.

4 Data

In de analyse wordt gebruik gemaakt van het NWB (Nationaal Wegenbestand) en de WKD (Wegkenmerkendatabase). De WKD bevat één bestand relevant voor dit kenmerk: Oversteekplaatsen. Dit betreft oversteeklocaties op wegvakken voor langzaam verkeer. Het bestand Oversteekplaatsen is gericht op wegen met een limiet van 60 km/u en hoger en staat beschreven op https://docs.ndw.nu/en/handleidingen/wkd/wkd_oversteekplaatsen/.

Voor het bepalen van de oversteekplaatsen zijn verschillende bronnen gebruikt (zie WKD-documentatie): NWB, BGT, Mobiliteitsspectrum, WKD maximum snelheden, Strava, Openbaar Haltebestand Nederland, Verkeersbordenbestand, routedatank van Stichting Landelijk Fietsplatform en Stichting Wandelnet, OSM (voor validatie). De basis van het bestand is bepaald aan de hand van een analyse van juncties/knopen in het NWB. Een oversteekplaats is daarbij bepaald op basis van de volgende criteria:

minimaal twee wegvakken met de BST-code gelijk aan “FP” of “VP” die min of meer in het verlengde van elkaar liggen komen in de knoop samen
minimaal twee wegvakken met de BST-code die ongelijk is aan “FP” of “VP” die min of meer in het verlengde van elkaar liggen komen in de knoop samen

De analyse op het NWB leidt niet tot een compleet bestand. De andere genoemde databronnen zijn gebruikt voor het aanvullen en verifiëren van het basisbestand. De verantwoording hiervan wordt beschreven in de WKD documentatie.

Het WKD bestand is opgebouwd uit locaties van oversteekplaatsen. Elke locatie heeft een uniek ID (OVERSTK_ID). Wanneer locaties samen één oversteekplaats vormen (bijvoorbeeld bij het oversteken van een weg met gescheiden rijbanen) zijn de locaties geclusterd. Van alle oversteekplaatsen is een uniek CLUSTER_ID bepaald en het aantal locaties waaruit deze is opgebouwd.

Per oversteeklocatie is een lijst opgenomen van WVK_ID’s die de locatie kruist. Wanneer een oversteeklocatie op het begin- en eindpunt van twee wegvakken ligt (de oversteeklocatie is bepaald aan de hand van het NWB), is de oversteeklocatie daarnaast aan één van de twee wegvakken toegekend. Vanuit het veiligheidsperspectief voldoen beide wegvakken niet aan het kenmerk afwezigheid oversteekplaatsen wanneer de oversteekplaats op de grens van twee wegvakken ligt.

Voor het bepalen van de kenmerkscore Afwezigheid oversteekplaatsen wordt gebruik gemaakt van het product Oversteekplaatsen. Daarbij wordt gebruik gemaakt van het Januari-bestand. Het betreft een CSV bestand die direct of via een zip bestand kan worden gedownload vanaf: https://downloads.rijkswaterstaatdata.nl/wkd/Oversteekplaatsen/

Uit de WKD worden de volgende onderdelen gebruikt.

Maximum snelheden
Oversteekplaatsen
Komgrenzen

Documentatie over het NWB is te vinden bij het NDW: https://docs.ndw.nu/handleidingen/nwb/

Documentatie over de WKD is te vinden onder de download pagina van rijkswaterstaatdata: https://downloads.rijkswaterstaatdata.nl/wkd/Documentatie/ en via het NDW op https://docs.ndw.nu/en/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.

4.1 Data downloads

4.1.1 NWB

# -------------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 gedraait 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 .RDS

4.1.2 WKD snelheidslimieten

De analyse maakt gebruik van snelheidslimieten, gekoppeld aan het NWB, uit de WKD van januari 2024. Ook hier geldt dat door het NWB-jaar aan te passen in het script, de volledige analyse op een ander jaar kan worden gedraait. De snelheidslimieten data is gedownload van: https://downloads.rijkswaterstaatdata.nl/wkd/Maximum%20Snelheden/

# Deze code chunk verzorgt de download en het inladen in R van de wkd snelheidslimieten 

#' Wanneer het script eerder lokaal is gedraait 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
maxsnelheden_rds_naam <- paste0("maxsnelheden", nwbjaar, "jan.sf.RDS")
# nwb datum op basis van jaar
maxsnelheden_datum <- paste0("01-01-", nwbjaar)
# zip bestandsnaam op basis van jaar
maxsnelheden_zip <- paste0("maxsnelheden", nwbjaar, "jan.zip")

# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", maxsnelheden_rds_naam))) {
  # if file exist load RDS
  maxsnelheden <- readRDS(here("RDS", maxsnelheden_rds_naam))
  cat(paste("Bestand geladen uit .RDS"))
  } else {

  # url for dutch open data
  maxsnelhedenjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Maximum%20Snelheden/01-01-", nwbjaar, ".zip") 

  # destination file + folder
  dest_file_maxsnelhedenjaarjan <- here("Data", maxsnelheden_zip)
  dest_folder <- here("Data", paste0("maxsnelheden", nwbjaar,"jan"))

  # download file
  curl_download(maxsnelhedenjaarjan_url, destfile = dest_file_maxsnelhedenjaarjan, mode = "wb")

  # unzip
  unzip(dest_file_maxsnelhedenjaarjan, exdir = dest_folder)

  # load the shapefile
  maxsnelheden <- st_read(here(dest_folder, maxsnelheden_datum, "Snelheden.shp"))

  # Save as RDS
  saveRDS(maxsnelheden, here("RDS", maxsnelheden_rds_naam))

  # clear zip
  file.remove(dest_file_maxsnelhedenjaarjan)
    
  # code resultaat bericht
  cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
  }

## Bestand geladen uit .RDS

4.1.3 WKD komgrenzen

De analyse maakt gebruik van het wkd product komgrenzen, gekoppeld aan het NWB, uit de WKD van januari 2024. Ook hier geldt dat door nwbjaar aan te passen in het script, de volledige analyse op een ander jaar kan worden gedraait. De komgrenzen data is gedownload van: https://downloads.rijkswaterstaatdata.nl/wkd/Komgrenzen/

# Deze code chunk verzorgt de download en het inladen in R van de wkd komgrenzen

#' Wanneer het script eerder lokaal is gedraait 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
komgrenzen_rds_naam <- paste0("komgrenzen", nwbjaar, "jan.RDS")
# nwb datum op basis van jaar
komgrenzen_datum <- paste0("01-01-", nwbjaar)
# zip bestandsnaam op basis van jaar
komgrenzen_zip <- paste0("komgrenzen", nwbjaar, "jan.zip")

# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", komgrenzen_rds_naam))) {
  # if file exist load RDS
  komgrenzen <- readRDS(here("RDS", komgrenzen_rds_naam))
  cat(paste("Bestand geladen uit .RDS"))
  } else {

  # url for dutch open data
  komgrenzenjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Komgrenzen/01-01-", nwbjaar, ".zip") 

  # destination file + folder
  dest_file_komgrenzenjaarjan <- here("Data", komgrenzen_zip)
  dest_folder <- here("Data", paste0("komgrenzen", nwbjaar,"jan"))

  # download file
  curl_download(komgrenzenjaarjan_url, destfile = dest_file_komgrenzenjaarjan, mode = "wb")

  # unzip
  unzip(dest_file_komgrenzenjaarjan, exdir = dest_folder)

  # load the csv
  komgrenzen <- read.csv2(here(dest_folder, komgrenzen_datum, "wkd_002-KOM_BORDEN.csv"), stringsAsFactors = FALSE)

  # Save as RDS
  saveRDS(komgrenzen, here("RDS", komgrenzen_rds_naam))

  # clear zip
  file.remove(dest_file_komgrenzenjaarjan)
    
  # code resultaat bericht
  cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
  }

## Bestand geladen uit .RDS

4.1.4 WKD oversteekplaatsen

De analyse maakt gebruik van het wkd product oversteekplaatsen, gekoppeld aan het NWB, uit de WKD van januari 2024. Ook hier geldt dat door nwbjaar aan te passen in het script, de volledige analyse op een ander jaar kan worden gedraait. De data is gedownload van: https://downloads.rijkswaterstaatdata.nl/wkd/Oversteekplaatsen/

# Deze code chunk verzorgt de download en het inladen in R van de wkd oversteekplaatsen

#' Wanneer het script eerder lokaal is gedraait 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
Oversteekplaatsen_rds_naam <- paste0("Oversteekplaatsen", nwbjaar, "jan.RDS")

# nwb datum op basis van jaar. In 2024 is de onderliggende map gedateerd op 01-02-2024 ipv 01-01-2024
Oversteekplaatsen_datum <- 
  if (nwbjaar == 2024) {
    paste0("01-02-", nwbjaar)
  } else {
    paste0("01-01-", nwbjaar)
  }

# zip bestandsnaam op basis van jaar
Oversteekplaatsen_zip <- paste0("Oversteekplaatsen", nwbjaar, "jan.zip")

# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", Oversteekplaatsen_rds_naam))) {
  
  # if file exist load RDS
  Oversteekplaatsen <- readRDS(here("RDS", Oversteekplaatsen_rds_naam))
  cat(paste("Bestand geladen uit .RDS"))
  } else {

  # url for dutch open data
  Oversteekplaatsenjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Oversteekplaatsen/01-01-", nwbjaar, ".zip") 

  # destination file + folder
  dest_file_Oversteekplaatsenjaarjan <- here("Data", Oversteekplaatsen_zip)
  dest_folder <- here("Data", paste0("Oversteekplaatsen", nwbjaar,"jan"))

  # download file
  curl_download(Oversteekplaatsenjaarjan_url, destfile = dest_file_Oversteekplaatsenjaarjan, mode = "wb")

  # unzip
  unzip(dest_file_Oversteekplaatsenjaarjan, exdir = dest_folder)

  # load the csv
  Oversteekplaatsen <- read.csv2(here(dest_folder, Oversteekplaatsen_datum, "wkd_024-OVERSTKLOC.csv"), stringsAsFactors = FALSE)

  # Save as RDS
  saveRDS(Oversteekplaatsen, here("RDS", Oversteekplaatsen_rds_naam))

  # clear zip
  file.remove(dest_file_Oversteekplaatsenjaarjan)
  
  # code resultaat bericht
  cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
  }

## Bestand geladen uit .RDS

4.2 Datavoorbereiding

De data dient te worden voorbereid voorafgaand aan de analyses en bepaling van het kenmerk Afwezigheid oversteekplaatsen van de SPI Veilige Infrastructuur. De voorbereiding omvat onder meer de koppeling van de verschillende bestanden, selecties van wegvakken en variabelen en het bepalen van enkele nieuwe variabelen. De data-voorbereiding is beschreven in de volgende subparagrafen.

4.2.1 NWB selecties

In de analyse worden wegen onder beheer van het Rijk buiten beschouwing gelaten. Daarnaast kijken we voor het kenmerk Afwezigheid oversteekplaatsen enkel naar rijbanen. Daarom wordt het NWB gefilterd op wegbeheerder en de zogeheten variabele Baan Subsoort Code (BST_CODE).

Afkortingen zijn te vinden in de NWB handleiding. In 2024 zijn de BST codes herzien.

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(WEGBEHSRT != "R") %>%
  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(.)))

4.2.2 Verwerking snelheidslimieten

Het maximum snelheden bestand uit de WKD bevat dubbeling van wegvakken. Deze ontdubbelen we op basis van een aggregatie waarbij we de limiet aan het wegvak toekennen die het meeste voorkomt. In de verschillende SPI score rapportages in deze serie komt deze zelfde bewerking terug. Hieronder wordt een uitsnede getoond van de tabel waarbij één limiet per wegvak is bepaald.

# aggregatie naar limiet
aggregatie_limiet <- maxsnelheden %>%
  # drop geometry kolom
  st_drop_geometry(.) %>%
  # init dtplyr
  lazy_dt() %>%
  # filter op bst codes
  filter(BST_CODE %nin% c("FP", "VP", "CADO", "VZ", "VD", "VDA", "VDF", "VDV", "RP", "VV")) %>%
  # bepaal de wegvaklengte
  mutate(lengte_limiet = NAAR-VAN) %>%
  # groepeer naar wvk id en snelheidslimiet
  group_by(WVK_ID, MAXSHD) %>%
  # bepaal per groep de totale wegvaklengte
  summarise(lengte_snelheidslimiet = sum(lengte_limiet)) %>%
  # groepeer opnieuw naar wvk id
  group_by(WVK_ID) %>%
  # sorteer op weglengte per wvk id van groot naar klein
  arrange(desc(lengte_snelheidslimiet)) %>%
  # bewaar de 1e per groep en verwijder de rest
  slice_head() %>%
  # terug naar df
  as.data.frame()

# tabel uitsnede geaggregeerde limieten

tabel_preview(aggregatie_limiet, title = "Uitsnede geaggregeerde limieten data")

	WVK_ID	MAXSHD	lengte_snelheidslimiet
Uitsnede geaggregeerde limieten data
1	313432002	100	13922
2	292388006	80	11690
3	159225004	100	11385
4	223439024	80	10305
5	231494012	100	10260
6	299445001	100	9694
7	103247004	80	9448
8..1228351
1228352	601160876	60	2

De snelheidslimiet per wegvak wordt vervolgens gekoppeld aan het NWB.

# koppel geaggregeerde limieten per wegvak aan het nwb
nwb_rijbaan_limiet <- nwb_rijbaan %>%
  # koppeling op basis van left join
  left_join(aggregatie_limiet) %>%
  # bepaal aandeel lengte limiet
  mutate(lengte_limiet_aandeel = ifelse(lengte_snelheidslimiet/wegvaklengte > 1, 1.0, # door afronding van VAN en TOT in de wkd limieten data kan de limiet lengte groter zijn dan de wegvaklengte die exact is bepaald
                                        round(lengte_snelheidslimiet/wegvaklengte, 1)), .after = lengte_snelheidslimiet) %>%
  # plaats variabele geometry achteraan
  relocate(geometry, .after = last_col())

4.2.3 Koppeling komgrenzen

Voor dit kenmerk beperken we ons in deze analyse tot wegen buiten de bebouwde kom. De WKD komgrenzen data betreft een registratie van wegvakdelen binnen de bebouwde kom, waarmee we de wegvakdelen buiten de bebouwde kom kunnen bepalen.

tabel_preview(komgrenzen, title = "WKD komgrenzen data")

	BEGINDAT	WEGVAK_ID	KOM_GMCODE	KOM_GMNAAM	KOM_PLAATS	KOM_VAN	KOM_TOT
WKD komgrenzen data
1	01-12-2020	174260002	GM0613	Albrandswaard	Poortugaal	0	252.22
2	01-10-2017	290245008	GM0297	Zaltbommel	Zaltbommel	0	64.37
3	01-12-2020	325175002	GM0772	Eindhoven	Eindhoven	0	254.24
4	01-12-2020	600153943	GM0840	Rucphen	Rucphen	0	82.06
5	01-12-2020	183292033	GM1621	Lansingerland	Berkel En Rodenrijs	0	202.72
6	01-12-2020	600390720	GM0489	Barendrecht	Barendrecht	0	68.21
7	01-12-2020	320206013	GM1948	Meierijstad	Schijndel	0	90.36
8..1871866
1871867	01-01-2024	601165575	344	Utrecht	Utrecht	0	19.11

Een record in de tabel beschrijft een segment van een wegvak dat binnen de bebouwde kom ligt. Het segment wordt aangeduid met KOM_VAN en KOM_TOT die het begin en eindpunt van het segment beschrijven met de relatieve positie ten opzichte van het 0 punt van het wegvak. Een record kan het volledige wegvak beschrijven of dus een deel daarvan. Een wegvak kan meerdere keren in de data voorkomen wanneer deze de grens van de bebouwde kom meerdere keren kruist. We aggregeren de komgrenzen data daarom eerst naar wegvak-niveau. Daarbij leggen we het deel van de weglengte vast dat binnen de bebouwde kom ligt.

Hierbij moet er wel rekening mee worden gehouden dat segment kunnen overlappen (KOM_VAN | KOM_TOT). Hieronder tonen we een aantal voorbeelden van segmenten met een dergelijke overlap.

komgrenzen_overlap <- komgrenzen %>%
  filter(WEGVAK_ID %in% c(27142016, 27142039, 600437984)) %>%
  arrange(WEGVAK_ID)

scroltabel_gt(komgrenzen_overlap, title = "Voorbeelden van overlappende segmenten in de WKD komgrenzen")

BEGINDAT	WEGVAK_ID	KOM_GMCODE	KOM_GMNAAM	KOM_PLAATS	KOM_VAN	KOM_TOT
Voorbeelden van overlappende segmenten in de WKD komgrenzen
01-12-2020	27142016	1714	Sluis	Sint Anna ter Muiden	0	35.38
01-12-2020	27142016	GM1714	Sluis	Sluis	0	35.38
01-12-2020	27142039	1714	Sluis	Sint Anna ter Muiden	37.9	80.16
01-12-2020	27142039	GM1714	Sluis	Sluis	18.57	80.16
01-03-2021	600437984	988	Weert	Weert	562.48	580.12
01-03-2021	600437984	GM0988	Weert	Weert	0	580.12

Overlappende intervallen worden daarom eerst over elkaar gelegd en geaggregeerd naar unieke intervallen op wegvakniveau, zonder overlap. Hiervoor is een aparte functie geschreven.

f_merge_segments <- function(data,
                             rsid_col = "RSID",
                             from_col = "FROM",
                             to_col = "TO",
                             varcat_col = "varcat") {
  data <- as.data.table(data)  # Ensure data is a data.table

  # Set dynamic column names
  setnames(data, c(rsid_col, from_col, to_col, varcat_col), c("RSID", "FROM", "TO", "varcat"))

  # Check variable class for FROM and TO. If they are integers, than change to numeric
  # This is done because -inf does not work well with integers and both need to be the same class
  data[, c("FROM", "TO") := lapply(.SD, function(x) if (is.integer(x)) as.numeric(x) else x),
    .SDcols = c("FROM", "TO")]

  # Sort the data
  setorder(data, RSID, varcat, FROM)

  # Create groups for merging overlapping/contiguous segments
  data[, group := cumsum(FROM > shift(TO, type = "lag", fill = -Inf) | varcat != shift(varcat, type = "lag", fill = "")), by = RSID]

  # Aggregate the merged segments
  result <- data[, .(FROM = min(FROM), TO = max(TO)), by = .(RSID, varcat, group)]

  # Drop helper column
  result[, group := NULL]

  # Rename back to original column names
  setnames(result, c("RSID", "FROM", "TO", "varcat"), c(rsid_col, from_col, to_col, varcat_col))

  return(as.data.frame(result))
}

Daarmee worden unieke intervallen van segmenten van wegvakken binnen de bebouwde kom bepaald. Het resultaat daarvan wordt hieronder getoond.

komgrenzen2 <- komgrenzen %>%
  select(WEGVAK_ID, KOM_VAN, KOM_TOT) %>%
  rename(WVK_ID = WEGVAK_ID, VAN = KOM_VAN, NAAR = KOM_TOT) %>%
  # f_merge_segments werkt met doubles
  mutate(VAN = round(as.numeric(VAN)),
    NAAR = round(as.numeric(NAAR)),
  # alle intervallen zijn bibeko
      komgrens = "bibeko") %>%
  setDT(.)

komgrenzen_interval <- f_merge_segments(data = komgrenzen2,
                                       rsid_col = "WVK_ID",
                                       from_col = "VAN",
                                       to_col = "NAAR",
                                       varcat_col = "komgrens") %>%
  as.data.frame(.)

tabel_preview(komgrenzen_interval, title = "Komgrens intervallen zonder overlaps")

	WVK_ID	komgrens	VAN	NAAR
Komgrens intervallen zonder overlaps
1	27142010	bibeko	0	17
2	27142014	bibeko	0	103
3	27142015	bibeko	0	333
4	27142016	bibeko	0	35
5	27142019	bibeko	0	57
6	27142039	bibeko	19	80
7	27142041	bibeko	0	65
8..1158681
1158682	601167640	bibeko	0	727

Op basis van de nieuwe intervallen kan van alle wegvakken de lengte binnen de bebouwde kom worden bepaald.

komgrenzen_aggregatie <- komgrenzen_interval %>%
  #dplyr::rename(WVK_ID = WEGVAK_ID) %>%
  # bepaal de lengte per wegvak binnen de bebouwde kom
  mutate(lengte_bibeko = NAAR - VAN) %>%
  group_by(WVK_ID) %>%
  # calculate total road section length within build-up area
  summarise(lengte_bibeko = sum(lengte_bibeko, na.rm = TRUE))

tabel_preview(komgrenzen_aggregatie, title = "Bibeko wegvaklengte per wegvak")

	WVK_ID	lengte_bibeko
Bibeko wegvaklengte per wegvak
1	27142010	17
2	27142014	103
3	27142015	333
4	27142016	35
5	27142019	57
6	27142039	61
7	27142041	65
8..1156926
1156927	601167640	727

Dit gegeven wordt aan het NWB gekoppeld. Daarmee kan per wegvak het aandeel worden bepaald dat buiten de bebouwde kom ligt. Een wegvak wordt bepaald als buiten de bebouwde kom wanneer tenminste 50% van het wegvak buiten de kom ligt. Dit vereenvoudigt de score toekenning per wegvak en de bepaling van de SPI score per wegbeheerder.

Op basis van de gekoppelde data kunnen we de laatste selectie maken van wegvakken die voor de SPI Veilige Infrastructuur - kenmerk Afwezigheid oversteekplaatsen beoordeeld zullen worden. Er wordt daarvoor gefilterd op wegvakken buiten de bebouwde kom met een limiet van 70, 80 of 100 km/u.

# maximum share of the road section length outside the build-up area
bubeko_minimum <- 0.5

# voeg ligging bibeko/bubeko toe aan nwb
nwb_rijbaan_bubeko <- nwb_rijbaan_limiet %>%
  # join komgrenzen aggregatie
  left_join(komgrenzen_aggregatie) %>%
  mutate(
    # bepaal aandeel bubeko     
    lengte_bubeko = case_when(
      !is.na(lengte_bibeko) ~ wegvaklengte - lengte_bibeko, # als lengte_bibeko niet NA is, ligt deel van wegvak in bibeko
      TRUE ~ wegvaklengte                # als lengte_bibeko NA is, ligt hele wegvak in bubeko
    ),
    aandeel_bubeko = round(lengte_bubeko / wegvaklengte, 2),
    # bepaal binaire ligging bubeko of bibeko     
    ligging_kom = ifelse(na.as.false(aandeel_bubeko - bubeko_minimum > 0), "bubeko", "bibeko" )) %>%
  #lengte bibeko er uit
  select(-lengte_bibeko) %>%
  # plaats geometry kolom achteraan
  relocate(geometry, .after = last_col()) %>%
   # filter naar komgrens
  filter(ligging_kom == "bubeko") 

nwb_rijbaan2 <- nwb_rijbaan_bubeko %>%
  # filter naar limiet
  filter(MAXSHD =="70" | MAXSHD == "80" | MAXSHD == "100" 
        ## | MAXSHD == "50" # 50 km/uur toevoegen omdat dit buiten de kom een lokale limiet betreft van 80 wegen ?
        ## waarschijnlijk levert dit geen volledig resultaat omdat in de bron al een voorselectie is gemaakt
         ) %>% 
  left_join(select(as.data.frame(NWB), WVK_ID, RPE_CODE)) 

nwb_rijbaan_60kmpu <- nwb_rijbaan_bubeko %>%
  # filter naar limiet 60 km/u
  filter(MAXSHD =="60")


nwb_rijbaan_60tm100 <- nwb_rijbaan_bubeko %>%
  filter(MAXSHD %in% c("60", "70", "80", "100")
        ## | MAXSHD == "50" # 50 km/uur toevoegen omdat dit buiten de kom een lokale limiet betreft van 80 wegen ?
        ## waarschijnlijk levert dit geen volledig resultaat omdat in de bron al een voorselectie is gemaakt
         )

Dit levert de volgende tabel op (dit betreft een uitsnede).

# tabel uitsnede dataset voor analyse
tabel_preview(st_drop_geometry(nwb_rijbaan2), title = "Dataset voor analyse")

	WVK_ID	WEGBEHSRT	WEGNUMMER	STT_NAAM	WPSNAAM	GME_NAAM	WEGBEHNAAM	BST_CODE	wegvaklengte	MAXSHD	lengte_snelheidslimiet	lengte_limiet_aandeel	lengte_bubeko	aandeel_bubeko	ligging_kom	RPE_CODE
Dataset voor analyse
1	122182003	G	NA	Dam	Yerseke	Reimerswaal	Reimerswaal	NA	63.198101	80	42	0.7	42.198101	0.67	bubeko	#
2	311129004	P	N69	Barrier	Bergeijk	Bergeijk	Noord-Brabant	HR	7.046706	80	7	1.0	7.046706	1.00	bubeko	#
3	311128001	P	N69	Barrier	Bergeijk	Bergeijk	Noord-Brabant	HR	359.840539	80	360	1.0	359.840539	1.00	bubeko	#
4	390025014	P	N278	Rijksweg	Wittem	Gulpen-Wittem	Limburg	MRB	17.908509	80	18	1.0	17.908509	1.00	bubeko	R
5	366391002	G	NA	Bremerbergdijk	Biddinghuizen	Dronten	Dronten	NA	728.233683	80	728	1.0	728.233683	1.00	bubeko	#
6	288344064	G	NA	Gooiergracht	Laren	Laren	Laren	NA	37.521689	80	38	1.0	37.521689	1.00	bubeko	#
7	351529014	G	NA	Spearsterdyk	Sibrandabuorren	Súdwest-Fryslân	Sudwest-Fryslan	NA	14.804625	80	15	1.0	14.804625	1.00	bubeko	#
8..47088
47089	600947010	P	N620	Sint-Oedenrodeseweg	Best	Best	Noord-Brabant	HR	2.850547	80	3	1.0	2.850547	1.00	bubeko	#

5 Analyse oversteekplaatsen data

Het bestand Oversteekplaatsen betreft een CSV waarbij elk record een oversteeklocatie op een wegvak in het NWB representeerd. Een oversteeklocatie kan op een begin- of eindpunt ofwel ergens midden op een wegvak liggen. In al deze gevallen zien we dit als een oversteeklocatie van het betreffende wegvak. Dat betekent dat één oversteekplaats tot meerdere wegvakken kan behoren. Per locatie is vastgelegd met welke wegvakken de locatie is verbonden (WVKID_LIJST).

Een oversteekplaats kan uit één of meerdere locaties bestaan. Wanneer een oversteekplaats een enkelbaans weg kruist, bestaat deze doorgaans uit een enkele locatie. Wanneer de bron data een losse oversteek voor voetgangers en fietsers bevat, bestaat deze uit twee locaties. Indien de oversteek een dubbelbaans weg kruist (een weg met een fysieke rijbaanscheiding zoals een middenberm of geleiderails), dan verdubbeld het aantal locaties. In het NWB zijn de rijbanen van deze wegen namelijk apart (en parallel aan elkaar) ingetekend. Dat betekend dat één oversteek meerdere wegvakken kruist. Eén oversteekvoorziening levert dan tenminste twee locaties op in de WKD dataset (meer kan dus ook).

In het WKD bestand Oversteekplaatsen zijn locaties binnen 25 meter van elkaar geclusterd en geregistreerd onder een uniek ID (CLUSTER_ID). Er wordt dus aangenomen dat oversteeklocaties binnen 25 meter van elkaar behoren tot dezelfde oversteekplaats. In deze analyse kijken we naar de aanwezigheid van clusters oversteekplaatsen, en niet individuele oversteeklocaties.

Let wel, het WKD bestand Oversteekplaatsen is opgebouwd uit de knopen, ofwel snijpunten van de oversteek met de rijbaan. Een unieke oversteekplaats komt dus meerdere keren voor wanneer deze is opgebouwd uit een cluster van deze knopen.

tabel_oversteekplaatsen_beschr <- 

"Attribuut;Omschrijving
BEGINDAT;De eerste datum waarop het wegkenmerk geldig is. Dit is de datum waarop het wegkenmerk voor het eerst voorkomt of voor het laatst gemuteerd is.
WEGVAK_ID;Het unieke nummer voor een Wegvak.
VAN;Locatie oversteekplaats op het Wegvak ten opzichte van het beginpunt, in meters. 
VAN_PER; Locatie oversteekplaats op het Wegvak, in percentage naar wegvaklengte.
CLUSTER_ID; Het cluster waartoe de oversteekplaats behoort. Fiets of voetpaden die een weg met gescheiden rijbanen kruisen zorgen voor twee oversteken, maar zijn geclusterd. 
OVERSTK_ID; Een uniek ID per oversteekplaats bestaande uit het CLUSTER_ID en een letter beginnend bij A. 
AANTAL; Het aantal oversteekplaatsen in het cluster.
NWB_NODE; Het NWB knoopnummer, indien sprake van een oversteekplaats op basis van het NWB. 
SNELHEID; De hoogste maximum snelheid op het wegvak, uit het NWB. 
WVKID_LST; De WEGVAK_ID's van alle betrokken wegvakken bij de betreffende knoop van de oversteekplaats. 
BRON; De bron op basis waarvan de oversteekplaats is bepaald. NWB, TOP10NL, routedatabank, of verkeersbordenbestand. 
GESCH_RIJB; Of er sprake is op een oversteekplaats van gescheide rijbanen, als ja/nee. 
WAARSC_BRD; De korste afstand tussen de oversteekplaats en de aanwezige waarschuwingsborden, tussen 0 en 100 meter.
HALTES; De aanwezigheid van bushaltes in de nabijheid, vastgelegd als uniek ID van de bushalte(s).
HOOFDMOD; De meeste relevante modaliteit voor de oversteekplaats, als fietser/voetganger.
WAND_FIETS; Of de oversteekplaats onderdeel uitmaakt van een fiets- of wandelroute, als fietsnetwerk/LAW/-.
STRA_PEOPLE; Het aantal personen ('people') op de knoop op basis van Strava-data, voor de verhouding in intensiteiten tussen locaties.
STRA_TRIPS; Het aantal trips op de knoop op basis van Strava-data, voor de verhouding in intensiteiten tussen locaties.
MOB_FIETS; Fietsintensiteiten op de knoop uit het Mobiliteitsspectrum. 
"

df_tabel_oversteekplaatsen_beschr <- read_delim(tabel_oversteekplaatsen_beschr, delim = ";", col_names = TRUE, trim_ws = TRUE,
                                                show_col_types = FALSE)

# Print the table
scroltabel_gt(df_tabel_oversteekplaatsen_beschr, title = "Variabelen WKD oversteekplaatsen data")

Attribuut	Omschrijving
Variabelen WKD oversteekplaatsen data
BEGINDAT	De eerste datum waarop het wegkenmerk geldig is. Dit is de datum waarop het wegkenmerk voor het eerst voorkomt of voor het laatst gemuteerd is.
WEGVAK_ID	Het unieke nummer voor een Wegvak.
VAN	Locatie oversteekplaats op het Wegvak ten opzichte van het beginpunt, in meters.
VAN_PER	Locatie oversteekplaats op het Wegvak, in percentage naar wegvaklengte.
CLUSTER_ID	Het cluster waartoe de oversteekplaats behoort. Fiets of voetpaden die een weg met gescheiden rijbanen kruisen zorgen voor twee oversteken, maar zijn geclusterd.
OVERSTK_ID	Een uniek ID per oversteekplaats bestaande uit het CLUSTER_ID en een letter beginnend bij A.
AANTAL	Het aantal oversteekplaatsen in het cluster.
NWB_NODE	Het NWB knoopnummer, indien sprake van een oversteekplaats op basis van het NWB.
SNELHEID	De hoogste maximum snelheid op het wegvak, uit het NWB.
WVKID_LST	De WEGVAK_ID's van alle betrokken wegvakken bij de betreffende knoop van de oversteekplaats.
BRON	De bron op basis waarvan de oversteekplaats is bepaald. NWB, TOP10NL, routedatabank, of verkeersbordenbestand.
GESCH_RIJB	Of er sprake is op een oversteekplaats van gescheide rijbanen, als ja/nee.
WAARSC_BRD	De korste afstand tussen de oversteekplaats en de aanwezige waarschuwingsborden, tussen 0 en 100 meter.
HALTES	De aanwezigheid van bushaltes in de nabijheid, vastgelegd als uniek ID van de bushalte(s).
HOOFDMOD	De meeste relevante modaliteit voor de oversteekplaats, als fietser/voetganger.
WAND_FIETS	Of de oversteekplaats onderdeel uitmaakt van een fiets- of wandelroute, als fietsnetwerk/LAW/-.
STRA_PEOPLE	Het aantal personen ('people') op de knoop op basis van Strava-data, voor de verhouding in intensiteiten tussen locaties.
STRA_TRIPS	Het aantal trips op de knoop op basis van Strava-data, voor de verhouding in intensiteiten tussen locaties.
MOB_FIETS	Fietsintensiteiten op de knoop uit het Mobiliteitsspectrum.

5.1 Wegvakanalyse: 70, 80 en 100 km/u wegen

Een oversteekplaats voor langzaam verkeer is niet wenselijk op wegen met een snelheid van 70 km/u of hoger. De analyse richt zich daarom op 70, 80 en 100 km/u wegen buiten de bebouwde kom. Per wegvak ID wordt vastgelegd:

Of het wegvak wel of niet voldoet; Er is geen oversteekplaats aan het begin, aan het eind, of op het wegvak aanwezig
De hoeveelheid oversteekplaatsen waarbij het wegvak betrokken is [0 of meer]

Let op, een record in de WKD oversteekplaatsen representeerd één knoop van een oversteeklocatie. Deze wordt aan een enkel wegvak toegekend middels de variabele WEGVAK_ID, die in deze analyse wordt genegeerd. In plaats daarvan wordt gekeken naar alle bij de oversteek betrokken wegvakken op basis van WVKID_LST. Aan de hand van de variabele CLUSTER_ID wordt bepaald aan hoeveel oversteekplaatsen een WVK_ID (uit WVKID_LST) kan worden gekoppeld. Aan de hand van het aantal betrokken oversteekplaatsen bepalen we of een wegvak voldoet of niet aan dit kenmerk van de SPI Infrastructuur.

# Aggregeren van Oversteekplaatsen naar een overzicht per wegvak: het aantal betrokken oversteekplaatsen

####################
# Omdat het onduidelijk is wat het betekend dat een oversteek aan 1 wegvak is toegekend wordt dit hier voorlopig
# uit de analyse gehaald
####################

# per wegvak id het aantal oversteekplaatsen die aan een betreffend wegvak zijn toegekend op basis van de variabele WEGVAK_ID uit het oversteekplaatsen bestand
# oversteekplaatsen_aggregatie_toegekend <- Oversteekplaatsen %>%
#   dplyr::rename(WVK_ID = WEGVAK_ID) %>%
#   group_by(WVK_ID) %>%
#   summarise(
#     aantal_toegekend = n() #,
#     # oversteken deel van een cluster worden als `1/aantal oversteken in het cluster` meegerekend. Hiermee bepalen we het totaal aantal geclusterde oversteken
#     # aantal_toegekend_clusters = sum(1/AANTAL) # niet afronden, was sum(round(1/AANTAL, 1))
#   )

###################

# per wegvak id het aantal Oversteekplaatsen waarbij het wegvak betrokken is op basis van WVKID_LST en CLUSTER_ID 
oversteekplaatsen_aggregatie_totaal <- Oversteekplaatsen %>%
  # lijst betrokken wegvakken splitsen, deze lijst is inclusief het wegvak waaraan de oversteekplaats is toegekend
  separate_rows(WVKID_LST, sep = ",") %>%
  mutate(WVK_ID = as.numeric(WVKID_LST)) %>%
  select(-WEGVAK_ID, -WVKID_LST) %>%
  # bepalen van het aantal unieke cluster_id's (unieke geidentificeerde/gebundelde oversteken) per wegvak id
  group_by(WVK_ID) %>%
  summarise(aantal_oversteekplaatsen = length(unique(CLUSTER_ID)))

Deze data voegen we samen met de NWB wegvakken selectie.

# Bepaal aantal oversteekplaatsen van rijbaan wegvakken. 
nwb_oversteekplaatsen <- nwb_rijbaan2 %>%
  # selecteer te gebruiken NWB variabelen 
  select(WVK_ID, BST_CODE, MAXSHD, wegvaklengte) %>%
  #left_join(oversteekplaatsen_aggregatie_toegekend) %>%
  left_join(oversteekplaatsen_aggregatie_totaal) %>%
  # vul aantal 0 in voor wegvakken die niet in Oversteekplaatsen voor komt
  mutate(# aantal_toegekend = ifelse(na.as.false(aantal_toegekend>0), aantal_toegekend, 0),
         # aantal_toegekend_clusters = ifelse(na.as.false(aantal_toegekend_clusters>0), aantal_toegekend_clusters, 0),
         aantal_oversteekplaatsen = ifelse(na.as.false(aantal_oversteekplaatsen>0), aantal_oversteekplaatsen, 0)) %>%
  # wegvakscore oversteekplaatsen, als het aantaal_totaal = 0 is, dan voldoet deze (1), anders niet (0)
  mutate(oversteekplaatsen_voldoet = ifelse(aantal_oversteekplaatsen == 0, 1, 0)) %>%
  relocate(geometry, .after = last_col())

#head(nwb_oversteekplaatsen)

Dit levert een dataset op met per wegvak het aantal oversteekplaatsen. Daarmee is per wegvak vastgelegd of het wegvak vrij is van oversteekplaatsen.

nwb_oversteekplaatsen2 <- nwb_oversteekplaatsen %>%
  mutate(oversteekplaatsen_aanwezig = ifelse(oversteekplaatsen_voldoet == 0, "Oversteekplaatsen aanwezig",  "Oversteekplaatsen afwezig")) %>%
  relocate(geometry, .after = last_col()) %>%
  relocate(oversteekplaatsen_aanwezig, .after = oversteekplaatsen_voldoet) %>%
  dplyr::rename(Snelheidslimiet = MAXSHD) %>%
  # toevoegen kenmerken uit NWB op basis van wvk id
  left_join(select(st_drop_geometry(nwb_rijbaan2), WVK_ID, WEGBEHSRT, WEGBEHNAAM, WEGNUMMER, STT_NAAM, WPSNAAM, GME_NAAM, aandeel_bubeko, lengte_limiet_aandeel))

# preview met een selectie van kenmerken
tabel_preview(select(st_drop_geometry(nwb_oversteekplaatsen2), WVK_ID, Snelheidslimiet, oversteekplaatsen_voldoet, oversteekplaatsen_aanwezig, aantal_oversteekplaatsen, wegvaklengte), title = "Wegvakken beoordeeld op de aanwezigheid van oversteeklocaties: een uitsnede van variabelen en wegvakken")

	WVK_ID	Snelheidslimiet	oversteekplaatsen_voldoet	oversteekplaatsen_aanwezig	aantal_oversteekplaatsen	wegvaklengte
Wegvakken beoordeeld op de aanwezigheid van oversteeklocaties: een uitsnede van variabelen en wegvakken
1	122182003	80	1	Oversteekplaatsen afwezig	0	63.198101
2	311129004	80	1	Oversteekplaatsen afwezig	0	7.046706
3	311128001	80	1	Oversteekplaatsen afwezig	0	359.840539
4	390025014	80	1	Oversteekplaatsen afwezig	0	17.908509
5	366391002	80	1	Oversteekplaatsen afwezig	0	728.233683
6	288344064	80	1	Oversteekplaatsen afwezig	0	37.521689
7	351529014	80	1	Oversteekplaatsen afwezig	0	14.804625
8..47088
47089	600947010	80	1	Oversteekplaatsen afwezig	0	2.850547

5.2 Wegvakanalyse: 60 km/u wegen

Op 70, 80 en 100 km/u wegen buiten de bebouwde kom geldt dat o.a. langzaam verkeer oversteken op wegvakken niet zijn toegestaan om conflicten met dit verkeer te voorkomen. Voor 60 km/u wegen buiten de bebouwde kom geldt dit niet: De afwezigheid van oversteekplaatsen op 60 km/u wegen buiten de bebouwde kom is geen SPI criterium. Echter zijn wegen met een 60 km/u limiet wel wegen met een onveilige botssnelheid voor langzaam verkeer. Fiets- en voetgangersoversteken op deze wegen vragen dus wel aandacht.

In deze paragraaf brengen we voor alle 60 km/u wegen buiten de bebouwde kom in beeld, per wegvak:

Of er wel of geen oversteekplaatsen aanwezig zijn aan het begin, het eind, of op het wegvak
De hoeveelheid oversteekplaatsen waarbij het wegvak betrokken is [0 of meer]

We voegen de eerder geaggregeerde Oversteekplaatsen data toe aan de 60 km/u NWB selectie.

nwb_oversteekplaatsen_60kmpu <- nwb_rijbaan_60kmpu %>%
  # selecteer te gebruiken NWB variabelen 
  select(WVK_ID, BST_CODE, MAXSHD, wegvaklengte) %>%
  #left_join(oversteekplaatsen_aggregatie_toegekend) %>%
  left_join(oversteekplaatsen_aggregatie_totaal) %>%
  # vul aantal 0 in voor wegvakken die niet in Oversteekplaatsen voor komt
  mutate(#aantal_toegekend = ifelse(na.as.false(aantal_toegekend>0), aantal_toegekend, 0),
         #aantal_toegekend_clusters = ifelse(na.as.false(aantal_toegekend_clusters>0), aantal_toegekend_clusters, 0),
         aantal_oversteekplaatsen = ifelse(na.as.false(aantal_oversteekplaatsen>0), aantal_oversteekplaatsen, 0)) %>%
  # wegvakscore oversteekplaatsen, als het aantaal_totaal = 0 is, dan voldoet deze (1), anders niet (0)
  mutate(oversteekplaatsen_voldoet = ifelse(aantal_oversteekplaatsen == 0, 1, 0)) %>%
  relocate(geometry, .after = last_col())

#head(nwb_oversteekplaatsen_60kmpu)

Dit levert een dataset op met per wegvak het aantal oversteekplaatsen. Daarmee is ook voor wegvakken met een limiet van 60 km/uur vastgelegd of deze vrij zijn van oversteekplaatsen.

nwb_oversteekplaatsen2_60kmpu <- nwb_oversteekplaatsen_60kmpu %>%
  mutate(oversteekplaatsen_aanwezig = ifelse(oversteekplaatsen_voldoet == 0, "Oversteekplaats aanwezig",  "Oversteekplaats afwezig")) %>%
  relocate(geometry, .after = last_col()) %>%
  relocate(oversteekplaatsen_aanwezig, .after = oversteekplaatsen_voldoet) %>%
  dplyr::rename(Snelheidslimiet = MAXSHD) %>%
  # toevoegen kenmerken uit NWB op basis van wvk id
  left_join(select(st_drop_geometry(nwb_rijbaan_60kmpu), WVK_ID, WEGBEHSRT, WEGBEHNAAM, WEGNUMMER, STT_NAAM, WPSNAAM, GME_NAAM, aandeel_bubeko, lengte_limiet_aandeel))

# preview met een selectie van kenmerken
tabel_preview(select(st_drop_geometry(nwb_oversteekplaatsen2_60kmpu), WVK_ID, Snelheidslimiet, oversteekplaatsen_voldoet, oversteekplaatsen_aanwezig, aantal_oversteekplaatsen, wegvaklengte))

	WVK_ID	Snelheidslimiet	oversteekplaatsen_voldoet	oversteekplaatsen_aanwezig	aantal_oversteekplaatsen	wegvaklengte
1	265179004	60	1	Oversteekplaats afwezig	0	32.57372
2	277203002	60	1	Oversteekplaats afwezig	0	184.88014
3	312145004	60	1	Oversteekplaats afwezig	0	107.69453
4	353323002	60	1	Oversteekplaats afwezig	0	181.03574
5	362118008	60	1	Oversteekplaats afwezig	0	192.47908
6	373149004	60	1	Oversteekplaats afwezig	0	76.69420
7	420523005	60	1	Oversteekplaats afwezig	0	63.12686
8..139446
139447	600404395	60	1	Oversteekplaats afwezig	0	198.83117

5.3 Oversteekaantallen per wegbeheerder en NL totaal voor geselecteerde wegvakken

Voor de overzichtstabellen bij het bepalen van de scores in de volgende hoofdstukken bepalen we tevens het aantal oversteken voor heel Nederland en per wegbeheerder per limiet van de ter beoordeling geselecteerde rijbaan wegvakken buiten de bebouwde kom. Het aantal oversteekplaatsen is als volgt per limiet klasse verdeeld over de geselecteerde wegvakken.

# lijst van WVK_ID's in de selectie van rijbanen
nwb_rijbaanselectie_wvkids <- nwb_rijbaan2$WVK_ID

Oversteekplaatsen_per_limiet_NL_nwbselectie <- Oversteekplaatsen %>%
  # lijst betrokken wegvakken splitsen, deze lijst is inclusief het wegvak waaraan de oversteekplaats is toegekend
  separate_rows(WVKID_LST, sep = ",") %>%
  select(-WEGVAK_ID) %>%
  mutate(WVK_ID = as.numeric(WVKID_LST),
         # bepaal of het WVK_ID onderdeel is van de nwb rijbaanselectie
         nwb_rijbaanselectie = ifelse(WVK_ID %in% nwb_rijbaanselectie_wvkids, TRUE, FALSE)) %>%
  left_join(select(as.data.frame(nwb_rijbaan_60tm100), WVK_ID, WEGBEHSRT, WEGBEHNAAM, BST_CODE)) %>%
  # filter naar wegbeheersoort
  filter(WEGBEHSRT %in% c("G", "P", "W" )) %>%
  # groepeer records per oversteeklocatie
  group_by(CLUSTER_ID) %>%
  mutate(
    # bepaal de maximale limiet per clusterid obv de limieten van de nwb wegvakken
    Snelheidslimiet = max(na.as.false(SNELHEID)),
    # bepaald of de oversteeklocatie gekoppeld is aan tenminste 1 wegvak uit de nwb rijbaan selectie
    oversteek_nwb_rijbaanselectie = ifelse(any(nwb_rijbaanselectie == TRUE), TRUE, FALSE)
    ) %>% 
  # verwijder oversteekplaatsen waar geen limiet van bekend is van een van de aansluitende wegvakken 
  # of de hoogste bekende limiet lager is dan 60
  filter(Snelheidslimiet >60 ) %>%
  filter(oversteek_nwb_rijbaanselectie) %>%
  # muteer snelheidslimiet naar character
  mutate(Snelheidslimiet = as.character(Snelheidslimiet)) %>%
  # groepeer bij wegbeheerder en snelheidslimiet
  group_by(Snelheidslimiet) %>%
  # tel het aantal oversteken per limiet
  summarise(aantal_oversteken = length(unique(CLUSTER_ID))) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  ungroup() %>%
  arrange((Snelheidslimiet))

Oversteekplaatsen_totaal_NL_70plus_nwbselectie <- Oversteekplaatsen_per_limiet_NL_nwbselectie %>%
  filter(Snelheidslimiet != "60") %>%
  summarise(aantal_oversteken = sum(aantal_oversteken)) %>%
  mutate(Snelheidslimiet = "Totaal") %>%
  relocate(Snelheidslimiet, .before = aantal_oversteken)

Oversteekplaatsen_NL_70plus_nwbselectie <- rbindlist(list(filter(Oversteekplaatsen_per_limiet_NL_nwbselectie,
                                                                        Snelheidslimiet != "60"),
                                              Oversteekplaatsen_totaal_NL_70plus_nwbselectie)) %>%
  arrange((Snelheidslimiet)) %>%
  rename(`Aantal oversteekplaatsen` = aantal_oversteken) %>%
  mutate(`Wegbeheerder soort` = "Totaal",
         Wegbeheerder = "Totaal") %>%
  relocate(`Wegbeheerder soort`, Wegbeheerder)

scroltabel_gt(Oversteekplaatsen_NL_70plus_nwbselectie, title = "Oversteeklocaties per limiet van de ter beoordeling geselecteerde nwb wegvakken")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Aantal oversteekplaatsen
Oversteeklocaties per limiet van de ter beoordeling geselecteerde nwb wegvakken
Totaal	Totaal	70	19
Totaal	Totaal	80	1421
Totaal	Totaal	100	24
Totaal	Totaal	Totaal	1464

Onderstaand wordt tevens een uitsnede getoond van het aantal oversteekplaatsen per wegbeheerder per limiet van de ter beoordeling geselecteerde wegvakken.

Oversteekplaatsen_per_wegbeheerder_limiet <- Oversteekplaatsen %>%
  # lijst betrokken wegvakken splitsen, deze lijst is inclusief het wegvak waaraan de oversteekplaats is toegekend
  separate_rows(WVKID_LST, sep = ",") %>%
  select(-WEGVAK_ID) %>%
  mutate(WVK_ID = as.numeric(WVKID_LST),
         # bepaal of het WVK_ID onderdeel is van de nwb rijbaanselectie
         nwb_rijbaanselectie = ifelse(WVK_ID %in% nwb_rijbaanselectie_wvkids, TRUE, FALSE)) %>%
  left_join(select(as.data.frame(nwb_rijbaan2), WVK_ID, WEGBEHSRT, WEGBEHNAAM, BST_CODE)) %>%
  # groepeer records per oversteeklocatie
  group_by(CLUSTER_ID) %>%
  mutate(
    # bepaal de maximale limiet per clusterid obv de limieten van de nwb wegvakken
    Snelheidslimiet = max(na.as.false(SNELHEID)),
    # bepaald of de oversteeklocatie gekoppeld is aan tenminste 1 wegvak uit de nwb rijbaan selectie
    oversteek_nwb_rijbaanselectie = ifelse(any(nwb_rijbaanselectie == TRUE), TRUE, FALSE)
    ) %>% 
  # verwijder oversteekplaatsen waar geen limiet van bekend is van een van de aansluitende wegvakken 
  # of de hoogste bekende limiet lager is dan 60
  filter(Snelheidslimiet > 60 ) %>%
  filter(oversteek_nwb_rijbaanselectie) %>%
  # verwijder oversteekplaatsen waar geen wegbeheersoort/wegbeheernaam van bekend is van een van de aansluitende wegvakken
  filter((!is.na(WEGBEHSRT) & !is.na(WEGBEHNAAM))) %>%
  # muteer snelheidslimiet naar character
  mutate(Snelheidslimiet = as.character(Snelheidslimiet)) %>%
  # wanneer hoogste limiet is 130, ga er dan vanuit dat de voor de wegbeheerder relevante limiet 80 betreft
  mutate(Snelheidslimiet = ifelse(Snelheidslimiet == "130", "80", Snelheidslimiet)) %>%
    # verwijder oversteekplaatsen waar geen wegbeheersoort/wegbeheernaam van bekend is van een van de aansluitende wegvakken
  filter((!is.na(WEGBEHSRT) & !is.na(WEGBEHNAAM))) %>%
  # groepeer bij wegbeheerder en snelheidslimiet
  group_by(WEGBEHSRT, WEGBEHNAAM, Snelheidslimiet) %>%
  summarise(aantal_oversteken = length(unique(CLUSTER_ID))) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  ungroup() %>%
  arrange(WEGBEHSRT, WEGBEHNAAM, (Snelheidslimiet))

Oversteekplaatsen_totaal_wegbeheerder_70plus <- Oversteekplaatsen_per_wegbeheerder_limiet %>%
  filter(Snelheidslimiet != "60") %>%
  # wanneer hoogste limiet is 130, ga er dan vanuit dat de voor de wegbeheerder relevante limiet 80 betreft
  mutate(Snelheidslimiet = ifelse(Snelheidslimiet == "130", "80", "Snelheidslimiet")) %>%
  # groepeer bij wegbeheerder en snelheidslimiet
  group_by(WEGBEHSRT, WEGBEHNAAM) %>%
  summarise(aantal_oversteken = sum(aantal_oversteken)) %>%
  mutate(Snelheidslimiet = "Totaal") %>%
  relocate(Snelheidslimiet, .before = aantal_oversteken)

Oversteekplaatsen_wegbeheerder_70plus <- rbindlist(list(filter(Oversteekplaatsen_per_wegbeheerder_limiet, Snelheidslimiet != "60"),
                                                        Oversteekplaatsen_totaal_wegbeheerder_70plus)) %>%
  arrange(WEGBEHSRT, WEGBEHNAAM, (Snelheidslimiet)) %>%
  rename(`Wegbeheerder soort` = WEGBEHSRT, Wegbeheerder = WEGBEHNAAM, `Aantal oversteekplaatsen` = aantal_oversteken) %>%
  mutate(`Wegbeheerder soort` = case_when(
    `Wegbeheerder soort` == "G" ~ "Gemeente",
    `Wegbeheerder soort` == "P" ~ "Provincie",
    `Wegbeheerder soort` == "R" ~ "Rijk",
    `Wegbeheerder soort` == "W" ~ "Waterschap",
    .default = "Overig" ))

tabel_preview(Oversteekplaatsen_wegbeheerder_70plus)

	Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Aantal oversteekplaatsen
1	Gemeente	's-Hertogenbosch	80	1
2	Gemeente	's-Hertogenbosch	Totaal	1
3	Gemeente	Aa en Hunze	80	10
4	Gemeente	Aa en Hunze	Totaal	10
5	Gemeente	Achtkarspelen	80	6
6	Gemeente	Achtkarspelen	Totaal	6
7	Gemeente	Alkmaar	80	1
8..403
404	Waterschap	Waterschap Scheldestromen	Totaal	16

5.4 Oversteekaantallen per wegbeheerder voor geselecteerde bubeko 60km/uur wegvakken

De wkd oversteekplaatsen bevat oversteeklocaties op wegen met een limiet van 60 km/uur. Hoewel deze oversteeklocaties buiten de scope van de spi liggen, kunnen deze wel risicovol zijn gelet op de snelheidslimiet en de kwetsbaarheid van de fietser. Daarom wordt hier wel een overzicht gegeven van de aantallen fietsoversteken per wegbeheerder bij een limiet van 60 km/uur.

Oversteekplaatsen_per_wegbeheerder_limiet_60 <- Oversteekplaatsen %>%
  # lijst betrokken wegvakken splitsen, deze lijst is inclusief het wegvak waaraan de oversteekplaats is toegekend
  separate_rows(WVKID_LST, sep = ",") %>%
  select(-WEGVAK_ID) %>%
  mutate(WVK_ID = as.numeric(WVKID_LST),
         # bepaal of het WVK_ID onderdeel is van de nwb rijbaanselectie
         # nwb_rijbaanselectie = ifelse(WVK_ID %in% nwb_rijbaanselectie_wvkids, TRUE, FALSE)
         ) %>%
  left_join(select(as.data.frame(nwb_rijbaan_60kmpu), WVK_ID, WEGBEHSRT, WEGBEHNAAM, BST_CODE)) %>%
  # groepeer records per oversteeklocatie
  group_by(CLUSTER_ID) %>%
  mutate(
  # bepaal de maximale limiet per clusterid obv de limieten van de nwb wegvakken
  Snelheidslimiet = max(na.as.false(SNELHEID))) %>% 
  # muteer snelheidslimiet naar character
  mutate(Snelheidslimiet = as.character(Snelheidslimiet)) %>%
  # verwijder oversteekplaatsen waar geen wegbeheersoort/wegbeheernaam van bekend is van een van de aansluitende wegvakken
  filter((!is.na(WEGBEHSRT) & !is.na(WEGBEHNAAM))) %>%
  filter(Snelheidslimiet == "60") %>%
  # groepeer bij wegbeheerder en snelheidslimiet
  group_by(WEGBEHSRT, WEGBEHNAAM, Snelheidslimiet) %>%
  summarise(aantal_oversteken = length(unique(CLUSTER_ID))) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  ungroup() %>%
  arrange(WEGBEHSRT, WEGBEHNAAM, (Snelheidslimiet)) %>%
  rename(`Wegbeheerder soort` = WEGBEHSRT, Wegbeheerder = WEGBEHNAAM, `Aantal oversteekplaatsen` = aantal_oversteken) %>%
  mutate(`Wegbeheerder soort` = case_when(
    `Wegbeheerder soort` == "G" ~ "Gemeente",
    `Wegbeheerder soort` == "P" ~ "Provincie",
    `Wegbeheerder soort` == "R" ~ "Rijk",
    `Wegbeheerder soort` == "W" ~ "Waterschap",
    .default = "Overig" ))

scroltabel_gt(Oversteekplaatsen_per_wegbeheerder_limiet_60, title = "Tabel van oversteeklocaties met een limiet van 60km/uur")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Aantal oversteekplaatsen
Tabel van oversteeklocaties met een limiet van 60km/uur
Gemeente	's-Gravenhage	60	2
Gemeente	's-Hertogenbosch	60	11
Gemeente	Aa en Hunze	60	54
Gemeente	Aalsmeer	60	4
Gemeente	Aalten	60	14
Gemeente	Achtkarspelen	60	5
Gemeente	Alblasserdam	60	1
Gemeente	Albrandswaard	60	4
Gemeente	Alkmaar	60	5
Gemeente	Almelo	60	6
Gemeente	Almere	60	14
Gemeente	Alphen aan den Rijn	60	12
Gemeente	Alphen-Chaam	60	37
Gemeente	Altena	60	20
Gemeente	Ameland	60	5
Gemeente	Amersfoort	60	6
Gemeente	Amstelveen	60	13
Gemeente	Amsterdam	60	8
Gemeente	Apeldoorn	60	60
Gemeente	Arnhem	60	8
Gemeente	Assen	60	15
Gemeente	Asten	60	12
Gemeente	Baarle-Nassau	60	17
Gemeente	Baarn	60	7
Gemeente	Barneveld	60	26
Gemeente	Bedum	60	3
Gemeente	Beekdaelen	60	9
Gemeente	Beesel	60	1
Gemeente	Berg en Dal	60	26
Gemeente	Bergeijk	60	30
Gemeente	Bergen (L.)	60	20
Gemeente	Bergen (NH.)	60	7
Gemeente	Bergen op Zoom	60	19
Gemeente	Berkelland	60	55
Gemeente	Bernheze	60	22
Gemeente	Best	60	12
Gemeente	Beuningen	60	7
Gemeente	Beverwijk	60	2
Gemeente	Bladel	60	20
Gemeente	Blaricum	60	4
Gemeente	Bloemendaal	60	3
Gemeente	Bodegraven-Reeuwijk	60	6
Gemeente	Boekel	60	8
Gemeente	Borger-Odoorn	60	33
Gemeente	Borne	60	7
Gemeente	Boxtel	60	17
Gemeente	Breda	60	5
Gemeente	Bronckhorst	60	43
Gemeente	Brummen	60	20
Gemeente	Bunnik	60	4
Gemeente	Bunschoten	60	7
Gemeente	Buren	60	8
Gemeente	Coevorden	60	23
Gemeente	Cranendonck	60	20
Gemeente	Culemborg	60	3
Gemeente	Dalfsen	60	13
Gemeente	Dantumadiel	60	2
Gemeente	De Bilt	60	9
Gemeente	De Fryske Marren	60	18
Gemeente	De Ronde Venen	60	6
Gemeente	De Wolden	60	22
Gemeente	Delft	60	3
Gemeente	Den Helder	60	2
Gemeente	Deurne	60	8
Gemeente	Deventer	60	17
Gemeente	Dijk en Waard	60	8
Gemeente	Dinkelland	60	16
Gemeente	Doetinchem	60	11
Gemeente	Dongen	60	2
Gemeente	Dordrecht	60	14
Gemeente	Drechterland	60	6
Gemeente	Drimmelen	60	10
Gemeente	Dronten	60	7
Gemeente	Druten	60	3
Gemeente	Duiven	60	5
Gemeente	Echt-Susteren	60	10
Gemeente	Ede	60	46
Gemeente	Eemnes	60	5
Gemeente	Eemsdelta	60	13
Gemeente	Eersel	60	34
Gemeente	Eijsden-Margraten	60	10
Gemeente	Eindhoven	60	4
Gemeente	Elburg	60	11
Gemeente	Emmen	60	36
Gemeente	Enschede	60	33
Gemeente	Epe	60	56
Gemeente	Ermelo	60	24
Gemeente	Etten-Leur	60	11
Gemeente	Geertruidenberg	60	7
Gemeente	Geldrop-Mierlo	60	4
Gemeente	Gemert-Bakel	60	13
Gemeente	Gennep	60	4
Gemeente	Gilze en Rijen	60	11
Gemeente	Goeree-Overflakkee	60	7
Gemeente	Goes	60	2
Gemeente	Goirle	60	2
Gemeente	Gooise Meren	60	6
Gemeente	Gouda	60	3
Gemeente	Groningen	60	16
Gemeente	Gulpen-Wittem	60	6
Gemeente	Haaksbergen	60	25
Gemeente	Haarlemmermeer	60	37
Gemeente	Halderberge	60	3
Gemeente	Hardenberg	60	37
Gemeente	Harderwijk	60	5
Gemeente	Hardinxveld-Giessendam	60	2
Gemeente	Harlingen	60	2
Gemeente	Hattem	60	11
Gemeente	Heerde	60	41
Gemeente	Heerenveen	60	11
Gemeente	Heerlen	60	2
Gemeente	Heeze-Leende	60	25
Gemeente	Hellendoorn	60	26
Gemeente	Helmond	60	9
Gemeente	Hengelo OV	60	10
Gemeente	Het Hogeland	60	18
Gemeente	Heumen	60	18
Gemeente	Heusden	60	18
Gemeente	Hilvarenbeek	60	27
Gemeente	Hilversum	60	3
Gemeente	Hoeksche Waard	60	5
Gemeente	Hof van Twente	60	19
Gemeente	Hollands Kroon	60	10
Gemeente	Hoogeveen	60	23
Gemeente	Hoorn	60	2
Gemeente	Horst aan de Maas	60	34
Gemeente	Houten	60	4
Gemeente	Huizen	60	4
Gemeente	Hulst	60	1
Gemeente	IJsselstein	60	1
Gemeente	Kaag en Braassem	60	2
Gemeente	Kampen	60	3
Gemeente	Kerkrade	60	1
Gemeente	Koggenland	60	2
Gemeente	Krimpen aan den IJssel	60	2
Gemeente	Laarbeek	60	12
Gemeente	Land van Cuijk	60	48
Gemeente	Landgraaf	60	2
Gemeente	Landsmeer	60	5
Gemeente	Lansingerland	60	37
Gemeente	Laren	60	3
Gemeente	Leeuwarden	60	15
Gemeente	Leiderdorp	60	1
Gemeente	Leidschendam-Voorburg	60	14
Gemeente	Lelystad	60	8
Gemeente	Leudal	60	14
Gemeente	Leusden	60	13
Gemeente	Lingewaard	60	1
Gemeente	Lisse	60	2
Gemeente	Lochem	60	24
Gemeente	Loon op Zand	60	14
Gemeente	Lopik	60	4
Gemeente	Losser	60	16
Gemeente	Maasdriel	60	6
Gemeente	Maasgouw	60	6
Gemeente	Maashorst	60	38
Gemeente	Maassluis	60	1
Gemeente	Maastricht	60	5
Gemeente	Medemblik	60	4
Gemeente	Meerssen	60	7
Gemeente	Meierijstad	60	46
Gemeente	Meppel	60	2
Gemeente	Midden-Delfland	60	6
Gemeente	Midden-Drenthe	60	40
Gemeente	Midden-Groningen	60	12
Gemeente	Moerdijk	60	13
Gemeente	Montferland	60	13
Gemeente	Montfoort	60	1
Gemeente	Mook en Middelaar	60	1
Gemeente	Neder-Betuwe	60	9
Gemeente	Nederweert	60	3
Gemeente	Nieuwegein	60	2
Gemeente	Nieuwkoop	60	6
Gemeente	Nijkerk	60	11
Gemeente	Nijmegen	60	1
Gemeente	Nissewaard	60	5
Gemeente	Noardeast-Fryslan	60	11
Gemeente	Noord-Beveland	60	5
Gemeente	Noordenveld	60	29
Gemeente	Noordoostpolder	60	42
Gemeente	Noordwijk	60	9
Gemeente	Nuenen, Gerwen en Nederw	60	2
Gemeente	Nunspeet	60	28
Gemeente	Oegstgeest	60	2
Gemeente	Oirschot	60	17
Gemeente	Oisterwijk	60	21
Gemeente	Oldambt	60	5
Gemeente	Oldebroek	60	13
Gemeente	Oldenzaal	60	4
Gemeente	Olst-Wijhe	60	12
Gemeente	Ommen	60	61
Gemeente	Oost Gelre	60	22
Gemeente	Oosterhout	60	4
Gemeente	Ooststellingwerf	60	17
Gemeente	Oostzaan	60	23
Gemeente	Opmeer	60	1
Gemeente	Opsterland	60	20
Gemeente	Oss	60	25
Gemeente	Oude IJsselstreek	60	20
Gemeente	Ouder-Amstel	60	2
Gemeente	Overbetuwe	60	14
Gemeente	Peel en Maas	60	18
Gemeente	Pijnacker-Nootdorp	60	11
Gemeente	Purmerend	60	1
Gemeente	Putten	60	20
Gemeente	Raalte	60	18
Gemeente	Reimerswaal	60	3
Gemeente	Renkum	60	13
Gemeente	Renswoude	60	4
Gemeente	Reusel-De Mierden	60	18
Gemeente	Rheden	60	14
Gemeente	Rhenen	60	4
Gemeente	Ridderkerk	60	1
Gemeente	Rijssen-Holten	60	17
Gemeente	Rijswijk	60	1
Gemeente	Roerdalen	60	16
Gemeente	Roermond	60	9
Gemeente	Roosendaal	60	8
Gemeente	Rotterdam	60	7
Gemeente	Rozendaal	60	2
Gemeente	Rucphen	60	15
Gemeente	Schagen	60	8
Gemeente	Scherpenzeel	60	2
Gemeente	Schiedam	60	2
Gemeente	Schiermonnikoog	60	3
Gemeente	Schouwen-Duiveland	60	4
Gemeente	Sint Anthonis	60	1
Gemeente	Sint-Michielsgestel	60	10
Gemeente	Sittard-Geleen	60	2
Gemeente	Sluis Z	60	8
Gemeente	Smallingerland	60	9
Gemeente	Soest	60	3
Gemeente	Someren	60	19
Gemeente	Son en Breugel	60	5
Gemeente	Staphorst	60	12
Gemeente	Stede Broec	60	4
Gemeente	Steenbergen	60	4
Gemeente	Steenwijkerland	60	35
Gemeente	Stein	60	1
Gemeente	Stichtse Vecht	60	15
Gemeente	Sudwest-Fryslan	60	21
Gemeente	Terschelling	60	8
Gemeente	Texel	60	19
Gemeente	Teylingen	60	3
Gemeente	Tholen	60	1
Gemeente	Tilburg	60	18
Gemeente	Tubbergen	60	24
Gemeente	Twenterand	60	3
Gemeente	Tynaarlo	60	25
Gemeente	Tytsjerksteradiel	60	13
Gemeente	Uithoorn	60	1
Gemeente	Urk	60	1
Gemeente	Utrecht	60	2
Gemeente	Utrechtse Heuvelrug	60	34
Gemeente	Vaals	60	9
Gemeente	Valkenburg aan de Geul	60	5
Gemeente	Valkenswaard	60	2
Gemeente	Veendam	60	2
Gemeente	Veere	60	1
Gemeente	Veldhoven	60	6
Gemeente	Velsen	60	22
Gemeente	Venlo	60	16
Gemeente	Venray	60	23
Gemeente	Vlaardingen	60	12
Gemeente	Vlieland	60	13
Gemeente	Voerendaal	60	5
Gemeente	Voorne aan Zee	60	3
Gemeente	Voorst	60	15
Gemeente	Vught	60	15
Gemeente	Waadhoeke	60	16
Gemeente	Waalre	60	6
Gemeente	Waalwijk	60	8
Gemeente	Waddinxveen	60	5
Gemeente	Wageningen	60	7
Gemeente	Wassenaar	60	8
Gemeente	Weert	60	13
Gemeente	West Betuwe	60	9
Gemeente	West Maas en Waal	60	2
Gemeente	Westerkwartier	60	19
Gemeente	Westerveld	60	64
Gemeente	Westerwolde	60	1
Gemeente	Westland	60	18
Gemeente	Weststellingwerf	60	8
Gemeente	Wierden	60	16
Gemeente	Wijchen	60	18
Gemeente	Wijk bij Duurstede	60	5
Gemeente	Winterswijk	60	28
Gemeente	Woensdrecht	60	15
Gemeente	Woerden	60	7
Gemeente	Woudenberg	60	10
Gemeente	Zaltbommel	60	3
Gemeente	Zeewolde	60	15
Gemeente	Zeist	60	8
Gemeente	Zevenaar	60	10
Gemeente	Zoetermeer	60	4
Gemeente	Zoeterwoude	60	3
Gemeente	Zuidplas	60	9
Gemeente	Zundert	60	9
Gemeente	Zutphen	60	7
Gemeente	Zwartewaterland	60	8
Gemeente	Zwijndrecht	60	3
Gemeente	Zwolle	60	10
Provincie	Drenthe	60	7
Provincie	Flevoland	60	7
Provincie	Friesland	60	9
Provincie	Gelderland	60	27
Provincie	Groningen	60	15
Provincie	Noord-Brabant	60	1
Provincie	Noord-Holland	60	17
Provincie	Overijssel	60	10
Provincie	Utrecht	60	9
Provincie	Zeeland	60	15
Provincie	Zuid-Holland	60	20
Overig	Meer instanties	60	6
Overig	NV Westerscheldetunnel	60	2
Overig	North Sea Port	60	2
Overig	Overige instanties	60	19
Overig	Staatsbosbeheer	60	9
Waterschap	HHS Hollands Noorderkwartier	60	9
Waterschap	HHS Schieland en de Krimpenerwaard	60	12
Waterschap	Waterschap De Hollandse Delta	60	80
Waterschap	Waterschap Rivierenland	60	17
Waterschap	Waterschap Scheldestromen	60	107

5.5 Oversteekaantallen per wegbeheerder en NL totaal

Voor de beoordeling van wegvakken aan de hand van de SPI Veilige Infrastructuur - onderdeel oversteekplaatsen is een selectie gemaakt van daarvoor relevant geachte rijbanen. Het WKD oversteekplaatsen bestand bevat meer oversteken dan die op de geselecteerde rijbanen. Om het verschil inzichtelijk te maken is ook een totaal tabel van oversteken per limiet per wegbeheerder bepaald.

Oversteekplaatsen_per_wegbeheerder_limiet_alles <- Oversteekplaatsen %>%
  # lijst betrokken wegvakken splitsen, deze lijst is inclusief het wegvak waaraan de oversteekplaats is toegekend
  separate_rows(WVKID_LST, sep = ",") %>%
  select(-WEGVAK_ID) %>%
  mutate(WVK_ID = as.numeric(WVKID_LST),
         # bepaal of het WVK_ID onderdeel is van de nwb rijbaanselectie
         # nwb_rijbaanselectie = ifelse(WVK_ID %in% nwb_rijbaanselectie_wvkids, TRUE, FALSE)
         ) %>%
  left_join(select(as.data.frame(NWB), WVK_ID, WEGBEHSRT, WEGBEHNAAM, BST_CODE)) %>%
  # groepeer records per oversteeklocatie
  group_by(CLUSTER_ID) %>%
  mutate(
    # bepaal de maximale limiet per clusterid obv de limieten van de nwb wegvakken
    Snelheidslimiet = max(na.as.false(SNELHEID))) %>% 
  # muteer snelheidslimiet naar character
  mutate(Snelheidslimiet = as.character(Snelheidslimiet)) %>%
  # verwijder oversteekplaatsen waar geen wegbeheersoort/wegbeheernaam van bekend is van een van de aansluitende wegvakken
  filter((!is.na(WEGBEHSRT) & !is.na(WEGBEHNAAM))) %>%
  # groepeer bij wegbeheerder en snelheidslimiet
  group_by(WEGBEHSRT, WEGBEHNAAM, Snelheidslimiet) %>%
  summarise(aantal_oversteken = length(unique(CLUSTER_ID))) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  ungroup() %>%
  arrange(WEGBEHSRT, WEGBEHNAAM, (Snelheidslimiet)) %>%
  rename(`Wegbeheerder soort` = WEGBEHSRT, Wegbeheerder = WEGBEHNAAM, `Aantal oversteekplaatsen` = aantal_oversteken) %>%
  mutate(`Wegbeheerder soort` = case_when(
    `Wegbeheerder soort` == "G" ~ "Gemeente",
    `Wegbeheerder soort` == "P" ~ "Provincie",
    `Wegbeheerder soort` == "R" ~ "Rijk",
    `Wegbeheerder soort` == "W" ~ "Waterschap",
    .default = "Overig" ))

scroltabel_gt(Oversteekplaatsen_per_wegbeheerder_limiet_alles, title = "Totaal tabel van oversteken uit de WKD oversteeklocaties")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Aantal oversteekplaatsen
Totaal tabel van oversteken uit de WKD oversteeklocaties
Gemeente	's-Gravenhage	60	2
Gemeente	's-Hertogenbosch	60	14
Gemeente	's-Hertogenbosch	80	3
Gemeente	Aa en Hunze	60	56
Gemeente	Aa en Hunze	70	2
Gemeente	Aa en Hunze	80	20
Gemeente	Aalsmeer	60	4
Gemeente	Aalten	60	16
Gemeente	Aalten	80	7
Gemeente	Achtkarspelen	60	5
Gemeente	Achtkarspelen	80	12
Gemeente	Alblasserdam	60	1
Gemeente	Albrandswaard	60	8
Gemeente	Alkmaar	60	5
Gemeente	Alkmaar	80	3
Gemeente	Alkmaar	100	1
Gemeente	Almelo	60	9
Gemeente	Almelo	70	1
Gemeente	Almelo	80	2
Gemeente	Almere	60	32
Gemeente	Almere	80	7
Gemeente	Alphen aan den Rijn	60	12
Gemeente	Alphen aan den Rijn	70	3
Gemeente	Alphen-Chaam	60	37
Gemeente	Alphen-Chaam	80	2
Gemeente	Altena	60	20
Gemeente	Altena	80	1
Gemeente	Altena	100	2
Gemeente	Ameland	60	5
Gemeente	Ameland	80	3
Gemeente	Amersfoort	60	7
Gemeente	Amersfoort	80	2
Gemeente	Amersfoort	130	1
Gemeente	Amstelveen	60	19
Gemeente	Amstelveen	80	2
Gemeente	Amsterdam	60	10
Gemeente	Amsterdam	70	28
Gemeente	Amsterdam	80	3
Gemeente	Amsterdam	100	1
Gemeente	Amsterdam	130	2
Gemeente	Apeldoorn	60	70
Gemeente	Apeldoorn	80	19
Gemeente	Arnhem	60	9
Gemeente	Arnhem	80	10
Gemeente	Assen	60	20
Gemeente	Assen	70	11
Gemeente	Assen	80	4
Gemeente	Asten	60	12
Gemeente	Asten	80	9
Gemeente	Baarle-Nassau	60	18
Gemeente	Baarle-Nassau	80	5
Gemeente	Baarn	60	7
Gemeente	Baarn	80	4
Gemeente	Barendrecht	60	4
Gemeente	Barendrecht	80	2
Gemeente	Barneveld	60	29
Gemeente	Barneveld	80	8
Gemeente	Bedum	60	3
Gemeente	Beek	60	1
Gemeente	Beekdaelen	60	14
Gemeente	Beekdaelen	80	12
Gemeente	Beesel	60	2
Gemeente	Beesel	80	1
Gemeente	Berg en Dal	60	26
Gemeente	Berg en Dal	80	3
Gemeente	Bergeijk	60	30
Gemeente	Bergeijk	70	1
Gemeente	Bergen (L.)	60	20
Gemeente	Bergen (L.)	80	5
Gemeente	Bergen (NH.)	60	9
Gemeente	Bergen op Zoom	60	20
Gemeente	Bergen op Zoom	80	5
Gemeente	Berkelland	60	56
Gemeente	Berkelland	70	1
Gemeente	Berkelland	80	7
Gemeente	Bernheze	60	26
Gemeente	Bernheze	80	2
Gemeente	Best	60	12
Gemeente	Best	80	2
Gemeente	Beuningen	60	7
Gemeente	Beuningen	80	1
Gemeente	Beverwijk	60	2
Gemeente	Bladel	60	22
Gemeente	Bladel	70	1
Gemeente	Bladel	80	3
Gemeente	Blaricum	60	4
Gemeente	Bloemendaal	60	3
Gemeente	Bloemendaal	70	1
Gemeente	Bodegraven-Reeuwijk	60	6
Gemeente	Bodegraven-Reeuwijk	80	2
Gemeente	Boekel	60	8
Gemeente	Boekel	80	2
Gemeente	Borger-Odoorn	60	39
Gemeente	Borger-Odoorn	80	15
Gemeente	Borne	60	7
Gemeente	Borsele	60	2
Gemeente	Borsele	80	5
Gemeente	Borsele	100	2
Gemeente	Boxtel	60	19
Gemeente	Breda	60	7
Gemeente	Breda	70	3
Gemeente	Breda	80	5
Gemeente	Bronckhorst	60	50
Gemeente	Bronckhorst	80	8
Gemeente	Brummen	60	20
Gemeente	Brummen	80	4
Gemeente	Brunssum	80	4
Gemeente	Bunnik	60	4
Gemeente	Bunnik	80	3
Gemeente	Bunschoten	60	9
Gemeente	Buren	60	8
Gemeente	Buren	80	2
Gemeente	Buren	100	1
Gemeente	Castricum	60	4
Gemeente	Castricum	70	1
Gemeente	Coevorden	60	26
Gemeente	Coevorden	70	1
Gemeente	Coevorden	80	36
Gemeente	Coevorden	100	1
Gemeente	Cranendonck	60	20
Gemeente	Cranendonck	80	3
Gemeente	Culemborg	60	3
Gemeente	Culemborg	80	1
Gemeente	Dalfsen	60	14
Gemeente	Dalfsen	80	3
Gemeente	Dantumadiel	60	2
Gemeente	Dantumadiel	80	3
Gemeente	Dantumadiel	100	1
Gemeente	De Bilt	60	9
Gemeente	De Bilt	80	2
Gemeente	De Fryske Marren	60	19
Gemeente	De Fryske Marren	70	1
Gemeente	De Fryske Marren	80	11
Gemeente	De Fryske Marren	100	2
Gemeente	De Ronde Venen	60	6
Gemeente	De Wolden	60	24
Gemeente	De Wolden	80	10
Gemeente	Delft	60	4
Gemeente	Delft	80	2
Gemeente	Den Helder	60	2
Gemeente	Den Helder	80	2
Gemeente	Deurne	60	8
Gemeente	Deurne	80	9
Gemeente	Deventer	60	21
Gemeente	Deventer	80	5
Gemeente	Diemen	60	2
Gemeente	Dijk en Waard	60	9
Gemeente	Dijk en Waard	80	3
Gemeente	Dinkelland	60	18
Gemeente	Dinkelland	70	1
Gemeente	Dinkelland	80	7
Gemeente	Doesburg	80	1
Gemeente	Doetinchem	60	11
Gemeente	Doetinchem	80	3
Gemeente	Dongen	60	2
Gemeente	Dongen	80	4
Gemeente	Dongen	130	1
Gemeente	Dordrecht	60	15
Gemeente	Dordrecht	80	4
Gemeente	Drechterland	60	6
Gemeente	Drechterland	80	3
Gemeente	Drimmelen	60	10
Gemeente	Drimmelen	80	3
Gemeente	Dronten	60	9
Gemeente	Dronten	80	45
Gemeente	Druten	60	4
Gemeente	Druten	80	1
Gemeente	Duiven	60	5
Gemeente	Duiven	80	3
Gemeente	Echt-Susteren	60	12
Gemeente	Echt-Susteren	70	1
Gemeente	Echt-Susteren	80	4
Gemeente	Edam-Volendam	60	2
Gemeente	Ede	60	48
Gemeente	Ede	80	11
Gemeente	Eemnes	60	5
Gemeente	Eemsdelta	60	14
Gemeente	Eemsdelta	80	10
Gemeente	Eersel	60	34
Gemeente	Eersel	80	1
Gemeente	Eijsden-Margraten	60	12
Gemeente	Eijsden-Margraten	70	1
Gemeente	Eijsden-Margraten	80	3
Gemeente	Eindhoven	60	7
Gemeente	Eindhoven	70	2
Gemeente	Eindhoven	80	5
Gemeente	Eindhoven	130	1
Gemeente	Elburg	60	11
Gemeente	Elburg	80	2
Gemeente	Emmen	60	38
Gemeente	Emmen	70	3
Gemeente	Emmen	80	12
Gemeente	Emmen	130	1
Gemeente	Enschede	60	35
Gemeente	Enschede	80	3
Gemeente	Epe	60	57
Gemeente	Epe	80	8
Gemeente	Ermelo	60	26
Gemeente	Ermelo	80	15
Gemeente	Etten-Leur	60	11
Gemeente	Etten-Leur	80	1
Gemeente	Geertruidenberg	60	7
Gemeente	Geertruidenberg	80	1
Gemeente	Geldrop-Mierlo	60	6
Gemeente	Geldrop-Mierlo	80	1
Gemeente	Gemert-Bakel	60	13
Gemeente	Gemert-Bakel	80	13
Gemeente	Gennep	60	6
Gemeente	Gennep	80	10
Gemeente	Gilze en Rijen	60	11
Gemeente	Gilze en Rijen	70	1
Gemeente	Gilze en Rijen	80	3
Gemeente	Goeree-Overflakkee	60	18
Gemeente	Goeree-Overflakkee	80	2
Gemeente	Goeree-Overflakkee	100	2
Gemeente	Goes	60	6
Gemeente	Goes	80	5
Gemeente	Goirle	60	2
Gemeente	Goirle	80	2
Gemeente	Gooise Meren	60	12
Gemeente	Gooise Meren	80	3
Gemeente	Gorinchem	80	2
Gemeente	Gouda	60	3
Gemeente	Groningen	60	21
Gemeente	Groningen	70	3
Gemeente	Groningen	80	6
Gemeente	Gulpen-Wittem	60	7
Gemeente	Gulpen-Wittem	80	5
Gemeente	Haaksbergen	60	32
Gemeente	Haaksbergen	70	3
Gemeente	Haaksbergen	80	2
Gemeente	Haaksbergen	100	1
Gemeente	Haarlem	80	2
Gemeente	Haarlemmermeer	60	56
Gemeente	Haarlemmermeer	70	11
Gemeente	Haarlemmermeer	80	8
Gemeente	Halderberge	60	3
Gemeente	Halderberge	70	2
Gemeente	Halderberge	80	1
Gemeente	Halderberge	100	2
Gemeente	Hardenberg	60	43
Gemeente	Hardenberg	80	19
Gemeente	Hardenberg	100	2
Gemeente	Harderwijk	60	5
Gemeente	Harderwijk	80	9
Gemeente	Hardinxveld-Giessendam	60	2
Gemeente	Harlingen	60	2
Gemeente	Harlingen	70	1
Gemeente	Hattem	60	14
Gemeente	Hattem	80	1
Gemeente	Heerde	60	46
Gemeente	Heerde	80	4
Gemeente	Heerenveen	60	11
Gemeente	Heerenveen	80	1
Gemeente	Heerlen	60	3
Gemeente	Heerlen	70	1
Gemeente	Heeze-Leende	60	26
Gemeente	Heeze-Leende	80	4
Gemeente	Heeze-Leende	130	1
Gemeente	Hellendoorn	60	26
Gemeente	Hellendoorn	80	5
Gemeente	Helmond	60	11
Gemeente	Helmond	80	4
Gemeente	Hengelo OV	60	11
Gemeente	Het Hogeland	60	25
Gemeente	Het Hogeland	70	1
Gemeente	Het Hogeland	80	14
Gemeente	Heumen	60	18
Gemeente	Heumen	80	4
Gemeente	Heusden	60	20
Gemeente	Heusden	70	1
Gemeente	Heusden	80	3
Gemeente	Hilvarenbeek	60	27
Gemeente	Hilvarenbeek	80	1
Gemeente	Hilversum	60	4
Gemeente	Hilversum	80	9
Gemeente	Hoeksche Waard	60	18
Gemeente	Hoeksche Waard	80	4
Gemeente	Hof van Twente	60	19
Gemeente	Hof van Twente	80	3
Gemeente	Hollands Kroon	60	10
Gemeente	Hollands Kroon	80	13
Gemeente	Hoogeveen	60	25
Gemeente	Hoogeveen	80	3
Gemeente	Hoorn	60	3
Gemeente	Hoorn	70	1
Gemeente	Horst aan de Maas	60	35
Gemeente	Horst aan de Maas	80	17
Gemeente	Houten	60	4
Gemeente	Huizen	60	7
Gemeente	Hulst	60	3
Gemeente	Hulst	80	2
Gemeente	IJsselstein	60	1
Gemeente	Kaag en Braassem	60	2
Gemeente	Kaag en Braassem	70	1
Gemeente	Kampen	60	7
Gemeente	Kampen	80	6
Gemeente	Kapelle	60	2
Gemeente	Kapelle	80	3
Gemeente	Katwijk	80	2
Gemeente	Kerkrade	60	2
Gemeente	Kerkrade	80	4
Gemeente	Koggenland	60	2
Gemeente	Krimpen aan den IJssel	60	4
Gemeente	Krimpenerwaard	60	1
Gemeente	Krimpenerwaard	80	3
Gemeente	Laarbeek	60	12
Gemeente	Laarbeek	80	3
Gemeente	Land van Cuijk	60	50
Gemeente	Land van Cuijk	80	40
Gemeente	Landgraaf	60	2
Gemeente	Landgraaf	80	3
Gemeente	Landsmeer	60	10
Gemeente	Lansingerland	60	43
Gemeente	Lansingerland	80	2
Gemeente	Laren	60	3
Gemeente	Laren	80	3
Gemeente	Leeuwarden	60	20
Gemeente	Leeuwarden	70	1
Gemeente	Leeuwarden	80	10
Gemeente	Leiderdorp	60	1
Gemeente	Leidschendam-Voorburg	60	14
Gemeente	Leidschendam-Voorburg	80	1
Gemeente	Lelystad	60	9
Gemeente	Lelystad	80	36
Gemeente	Leudal	60	15
Gemeente	Leudal	80	17
Gemeente	Leudal	100	2
Gemeente	Leusden	60	15
Gemeente	Leusden	80	4
Gemeente	Lingewaard	60	6
Gemeente	Lingewaard	80	5
Gemeente	Lisse	60	2
Gemeente	Lochem	60	24
Gemeente	Lochem	80	12
Gemeente	Loon op Zand	60	14
Gemeente	Loon op Zand	80	2
Gemeente	Lopik	60	6
Gemeente	Losser	60	19
Gemeente	Losser	80	2
Gemeente	Losser	100	1
Gemeente	Maasdriel	60	9
Gemeente	Maasdriel	80	11
Gemeente	Maasgouw	60	6
Gemeente	Maasgouw	70	1
Gemeente	Maasgouw	80	8
Gemeente	Maashorst	60	39
Gemeente	Maashorst	70	2
Gemeente	Maashorst	80	5
Gemeente	Maassluis	60	1
Gemeente	Maastricht	60	5
Gemeente	Maastricht	70	3
Gemeente	Maastricht	80	3
Gemeente	Medemblik	60	6
Gemeente	Medemblik	80	7
Gemeente	Medemblik	100	1
Gemeente	Meerssen	60	11
Gemeente	Meerssen	80	1
Gemeente	Meierijstad	60	47
Gemeente	Meierijstad	70	3
Gemeente	Meierijstad	80	2
Gemeente	Meppel	60	2
Gemeente	Meppel	80	2
Gemeente	Middelburg	60	2
Gemeente	Middelburg	80	4
Gemeente	Midden-Delfland	60	9
Gemeente	Midden-Delfland	80	1
Gemeente	Midden-Drenthe	60	40
Gemeente	Midden-Drenthe	80	15
Gemeente	Midden-Groningen	60	18
Gemeente	Midden-Groningen	80	13
Gemeente	Moerdijk	60	13
Gemeente	Moerdijk	80	5
Gemeente	Molenlanden	80	2
Gemeente	Molenlanden	100	1
Gemeente	Montferland	60	15
Gemeente	Montferland	80	3
Gemeente	Montfoort	60	2
Gemeente	Mook en Middelaar	60	1
Gemeente	Neder-Betuwe	60	9
Gemeente	Neder-Betuwe	80	2
Gemeente	Nederweert	60	3
Gemeente	Nederweert	80	10
Gemeente	Nieuwegein	60	2
Gemeente	Nieuwegein	80	2
Gemeente	Nieuwkoop	60	7
Gemeente	Nieuwkoop	80	1
Gemeente	Nijkerk	60	11
Gemeente	Nijkerk	80	1
Gemeente	Nijmegen	60	1
Gemeente	Nijmegen	80	3
Gemeente	Nissewaard	60	10
Gemeente	Nissewaard	80	11
Gemeente	Noardeast-Fryslan	60	11
Gemeente	Noardeast-Fryslan	80	14
Gemeente	Noord-Beveland	60	7
Gemeente	Noord-Beveland	80	6
Gemeente	Noordenveld	60	29
Gemeente	Noordenveld	80	7
Gemeente	Noordoostpolder	60	43
Gemeente	Noordoostpolder	70	1
Gemeente	Noordoostpolder	80	29
Gemeente	Noordwijk	60	10
Gemeente	Noordwijk	80	3
Gemeente	Nuenen, Gerwen en Nederw	60	3
Gemeente	Nuenen, Gerwen en Nederw	80	5
Gemeente	Nunspeet	60	31
Gemeente	Nunspeet	80	11
Gemeente	Oegstgeest	60	2
Gemeente	Oirschot	60	25
Gemeente	Oirschot	80	4
Gemeente	Oisterwijk	60	22
Gemeente	Oisterwijk	80	3
Gemeente	Oldambt	60	6
Gemeente	Oldambt	80	10
Gemeente	Oldebroek	60	17
Gemeente	Oldebroek	80	3
Gemeente	Oldenzaal	60	5
Gemeente	Oldenzaal	80	4
Gemeente	Olst-Wijhe	60	12
Gemeente	Olst-Wijhe	80	1
Gemeente	Ommen	60	61
Gemeente	Ommen	80	14
Gemeente	Ommen	100	1
Gemeente	Oost Gelre	60	22
Gemeente	Oost Gelre	80	9
Gemeente	Oosterhout	60	6
Gemeente	Oosterhout	70	3
Gemeente	Oosterhout	80	2
Gemeente	Ooststellingwerf	60	17
Gemeente	Ooststellingwerf	80	6
Gemeente	Oostzaan	60	26
Gemeente	Opmeer	60	1
Gemeente	Opmeer	80	6
Gemeente	Opmeer	100	1
Gemeente	Opsterland	60	20
Gemeente	Opsterland	80	3
Gemeente	Oss	60	28
Gemeente	Oss	70	2
Gemeente	Oss	80	10
Gemeente	Oude IJsselstreek	60	21
Gemeente	Oude IJsselstreek	80	14
Gemeente	Ouder-Amstel	60	2
Gemeente	Ouder-Amstel	80	3
Gemeente	Ouder-Amstel	100	1
Gemeente	Overbetuwe	60	24
Gemeente	Overbetuwe	80	4
Gemeente	Papendrecht	80	3
Gemeente	Peel en Maas	60	18
Gemeente	Peel en Maas	80	17
Gemeente	Pekela	80	2
Gemeente	Pijnacker-Nootdorp	60	13
Gemeente	Pijnacker-Nootdorp	80	3
Gemeente	Purmerend	60	6
Gemeente	Putten	60	22
Gemeente	Putten	80	11
Gemeente	Raalte	60	20
Gemeente	Raalte	80	6
Gemeente	Reimerswaal	60	3
Gemeente	Reimerswaal	80	7
Gemeente	Renkum	60	13
Gemeente	Renkum	80	4
Gemeente	Renswoude	60	4
Gemeente	Renswoude	80	3
Gemeente	Reusel-De Mierden	60	18
Gemeente	Reusel-De Mierden	70	1
Gemeente	Reusel-De Mierden	80	3
Gemeente	Rheden	60	14
Gemeente	Rheden	80	3
Gemeente	Rhenen	60	10
Gemeente	Rhenen	80	3
Gemeente	Ridderkerk	60	1
Gemeente	Ridderkerk	80	2
Gemeente	Rijssen-Holten	60	18
Gemeente	Rijssen-Holten	80	2
Gemeente	Rijswijk	60	1
Gemeente	Rijswijk	80	1
Gemeente	Roerdalen	60	16
Gemeente	Roerdalen	80	5
Gemeente	Roermond	60	13
Gemeente	Roermond	70	3
Gemeente	Roermond	80	2
Gemeente	Roosendaal	60	11
Gemeente	Roosendaal	80	4
Gemeente	Rotterdam	60	16
Gemeente	Rotterdam	70	2
Gemeente	Rotterdam	80	44
Gemeente	Rotterdam	100	1
Gemeente	Rotterdam	130	3
Gemeente	Rozendaal	60	3
Gemeente	Rucphen	60	15
Gemeente	Rucphen	80	2
Gemeente	Schagen	60	10
Gemeente	Schagen	80	1
Gemeente	Scherpenzeel	60	2
Gemeente	Schiedam	60	4
Gemeente	Schiermonnikoog	60	3
Gemeente	Schouwen-Duiveland	60	16
Gemeente	Schouwen-Duiveland	80	4
Gemeente	Simpelveld	80	1
Gemeente	Sint Anthonis	60	1
Gemeente	Sint-Michielsgestel	60	12
Gemeente	Sittard-Geleen	60	2
Gemeente	Sittard-Geleen	70	1
Gemeente	Sittard-Geleen	80	16
Gemeente	Sluis Z	60	20
Gemeente	Sluis Z	70	1
Gemeente	Sluis Z	80	2
Gemeente	Smallingerland	60	9
Gemeente	Smallingerland	80	1
Gemeente	Soest	60	3
Gemeente	Soest	80	9
Gemeente	Someren	60	19
Gemeente	Someren	80	4
Gemeente	Son en Breugel	60	6
Gemeente	Son en Breugel	80	2
Gemeente	Son en Breugel	130	1
Gemeente	Stadskanaal	80	10
Gemeente	Staphorst	60	12
Gemeente	Staphorst	80	3
Gemeente	Stede Broec	60	5
Gemeente	Stede Broec	80	5
Gemeente	Steenbergen	60	4
Gemeente	Steenbergen	80	1
Gemeente	Steenwijkerland	60	35
Gemeente	Steenwijkerland	80	10
Gemeente	Stein	60	1
Gemeente	Stein	70	1
Gemeente	Stichtse Vecht	60	17
Gemeente	Stichtse Vecht	80	3
Gemeente	Sudwest-Fryslan	60	21
Gemeente	Sudwest-Fryslan	70	1
Gemeente	Sudwest-Fryslan	80	12
Gemeente	Sudwest-Fryslan	100	1
Gemeente	Terneuzen	60	6
Gemeente	Terneuzen	70	1
Gemeente	Terneuzen	80	1
Gemeente	Terschelling	60	8
Gemeente	Terschelling	80	15
Gemeente	Texel	60	20
Gemeente	Texel	80	9
Gemeente	Teylingen	60	3
Gemeente	Tholen	60	3
Gemeente	Tholen	80	3
Gemeente	Tiel	60	1
Gemeente	Tilburg	60	18
Gemeente	Tilburg	70	1
Gemeente	Tilburg	80	7
Gemeente	Tubbergen	60	25
Gemeente	Tubbergen	80	7
Gemeente	Twenterand	60	3
Gemeente	Twenterand	80	4
Gemeente	Twenterand	100	1
Gemeente	Tynaarlo	60	25
Gemeente	Tynaarlo	80	4
Gemeente	Tytsjerksteradiel	60	13
Gemeente	Tytsjerksteradiel	80	1
Gemeente	Uithoorn	60	1
Gemeente	Urk	60	1
Gemeente	Utrecht	60	5
Gemeente	Utrecht	70	12
Gemeente	Utrecht	80	7
Gemeente	Utrecht	130	1
Gemeente	Utrechtse Heuvelrug	60	39
Gemeente	Utrechtse Heuvelrug	80	14
Gemeente	Vaals	60	9
Gemeente	Vaals	80	1
Gemeente	Valkenburg aan de Geul	60	7
Gemeente	Valkenswaard	60	3
Gemeente	Valkenswaard	80	4
Gemeente	Veendam	60	2
Gemeente	Veendam	80	5
Gemeente	Veenendaal	60	1
Gemeente	Veenendaal	80	1
Gemeente	Veere	60	12
Gemeente	Veere	80	5
Gemeente	Veldhoven	60	6
Gemeente	Veldhoven	70	5
Gemeente	Veldhoven	80	4
Gemeente	Velsen	60	25
Gemeente	Velsen	80	2
Gemeente	Venlo	60	19
Gemeente	Venlo	80	11
Gemeente	Venlo	130	2
Gemeente	Venray	60	25
Gemeente	Venray	80	8
Gemeente	Venray	130	1
Gemeente	Vijfheerenlanden	60	2
Gemeente	Vijfheerenlanden	80	1
Gemeente	Vijfheerenlanden	130	2
Gemeente	Vlaardingen	60	12
Gemeente	Vlaardingen	80	4
Gemeente	Vlieland	60	13
Gemeente	Vlieland	80	2
Gemeente	Vlissingen	60	4
Gemeente	Vlissingen	70	1
Gemeente	Vlissingen	80	2
Gemeente	Voerendaal	60	6
Gemeente	Voerendaal	80	1
Gemeente	Voorne aan Zee	60	18
Gemeente	Voorne aan Zee	80	14
Gemeente	Voorst	60	15
Gemeente	Voorst	80	5
Gemeente	Vught	60	20
Gemeente	Vught	80	6
Gemeente	Waadhoeke	60	20
Gemeente	Waadhoeke	80	14
Gemeente	Waadhoeke	100	1
Gemeente	Waalre	60	7
Gemeente	Waalwijk	60	10
Gemeente	Waalwijk	80	1
Gemeente	Waddinxveen	60	7
Gemeente	Wageningen	60	9
Gemeente	Wageningen	80	2
Gemeente	Wassenaar	60	9
Gemeente	Wassenaar	70	3
Gemeente	Weert	60	14
Gemeente	Weert	70	4
Gemeente	Weert	80	5
Gemeente	Weert	130	1
Gemeente	West Betuwe	60	10
Gemeente	West Betuwe	80	5
Gemeente	West Maas en Waal	60	2
Gemeente	Westerkwartier	60	22
Gemeente	Westerkwartier	80	8
Gemeente	Westerveld	60	67
Gemeente	Westerveld	80	6
Gemeente	Westerwolde	60	4
Gemeente	Westerwolde	80	19
Gemeente	Westland	60	19
Gemeente	Westland	80	5
Gemeente	Weststellingwerf	60	9
Gemeente	Weststellingwerf	80	4
Gemeente	Wierden	60	17
Gemeente	Wierden	80	5
Gemeente	Wijchen	60	18
Gemeente	Wijchen	80	2
Gemeente	Wijchen	100	2
Gemeente	Wijdemeren	60	1
Gemeente	Wijdemeren	80	1
Gemeente	Wijk bij Duurstede	60	5
Gemeente	Winterswijk	60	29
Gemeente	Winterswijk	80	1
Gemeente	Woensdrecht	60	16
Gemeente	Woensdrecht	80	1
Gemeente	Woerden	60	7
Gemeente	Woerden	80	1
Gemeente	Woudenberg	60	10
Gemeente	Woudenberg	80	2
Gemeente	Zaanstad	70	2
Gemeente	Zaltbommel	60	3
Gemeente	Zaltbommel	80	2
Gemeente	Zeewolde	60	15
Gemeente	Zeewolde	80	36
Gemeente	Zeist	60	8
Gemeente	Zeist	80	7
Gemeente	Zevenaar	60	17
Gemeente	Zevenaar	80	2
Gemeente	Zoetermeer	60	5
Gemeente	Zoeterwoude	60	3
Gemeente	Zuidplas	60	22
Gemeente	Zuidplas	80	1
Gemeente	Zundert	60	9
Gemeente	Zundert	80	5
Gemeente	Zutphen	60	7
Gemeente	Zutphen	80	4
Gemeente	Zwartewaterland	60	9
Gemeente	Zwartewaterland	80	3
Gemeente	Zwijndrecht	60	3
Gemeente	Zwolle	60	28
Gemeente	Zwolle	70	1
Gemeente	Zwolle	80	5
Provincie	Drenthe	60	9
Provincie	Drenthe	70	3
Provincie	Drenthe	80	62
Provincie	Drenthe	100	1
Provincie	Flevoland	60	8
Provincie	Flevoland	80	86
Provincie	Flevoland	100	1
Provincie	Friesland	60	14
Provincie	Friesland	70	3
Provincie	Friesland	80	50
Provincie	Friesland	100	5
Provincie	Gelderland	60	37
Provincie	Gelderland	80	180
Provincie	Gelderland	100	3
Provincie	Groningen	60	18
Provincie	Groningen	70	1
Provincie	Groningen	80	43
Provincie	Limburg	60	6
Provincie	Limburg	70	1
Provincie	Limburg	80	88
Provincie	Limburg	100	2
Provincie	Limburg	130	1
Provincie	Noord-Brabant	60	9
Provincie	Noord-Brabant	80	74
Provincie	Noord-Brabant	100	2
Provincie	Noord-Holland	60	24
Provincie	Noord-Holland	70	3
Provincie	Noord-Holland	80	50
Provincie	Noord-Holland	100	4
Provincie	Overijssel	60	18
Provincie	Overijssel	80	87
Provincie	Overijssel	100	6
Provincie	Utrecht	60	9
Provincie	Utrecht	80	55
Provincie	Utrecht	100	2
Provincie	Zeeland	60	15
Provincie	Zeeland	80	36
Provincie	Zeeland	100	5
Provincie	Zuid-Holland	60	35
Provincie	Zuid-Holland	70	1
Provincie	Zuid-Holland	80	29
Rijk	MN District Zuid	100	2
Rijk	MN District Zuid	130	2
Rijk	NN District Oost	80	4
Rijk	NN District Oost	100	4
Rijk	NN District Oost	130	1
Rijk	NN District West	100	1
Rijk	ON District Noord	80	2
Rijk	ON District Oost	70	1
Rijk	ON District Oost	80	7
Rijk	ON District Oost	100	2
Rijk	ON District Zuid	100	1
Rijk	WNN District Noord	60	2
Rijk	WNN District Noord	80	2
Rijk	WNN District Noord	100	1
Rijk	WNN District Zuid	80	2
Rijk	WNN District Zuid	100	1
Rijk	WNN District Zuid	130	2
Rijk	WNZ District Noord	70	3
Rijk	WNZ District Noord	80	3
Rijk	WNZ District Noord	100	1
Rijk	WNZ District Noord	130	3
Rijk	WNZ District Zuid	60	2
Rijk	WNZ District Zuid	80	5
Rijk	WNZ District Zuid	100	1
Rijk	WNZ District Zuid	130	2
Rijk	ZD District Noord	60	14
Rijk	ZD District Noord	70	1
Rijk	ZD District Noord	80	7
Rijk	ZD District Zuid	60	5
Rijk	ZD District Zuid	70	1
Rijk	ZD District Zuid	80	1
Rijk	ZD District Zuid	100	1
Rijk	ZN District Midden	80	5
Rijk	ZN District Midden	130	2
Rijk	ZN District West	80	2
Rijk	ZN District West	100	4
Rijk	ZN District Zuid-Oost	130	3
Rijk	Zee en Delta District Zuid	60	1
Overig	Havenbedrijf Rotterdam	60	3
Overig	Havenbedrijf Rotterdam	80	3
Overig	Meer instanties	60	10
Overig	Meer instanties	70	2
Overig	Meer instanties	80	1
Overig	NV Westerscheldetunnel	60	2
Overig	NV Westerscheldetunnel	100	2
Overig	North Sea Port	60	3
Overig	North Sea Port	80	3
Overig	North Sea Port	100	2
Overig	Overige instanties	60	27
Overig	Overige instanties	70	2
Overig	Overige instanties	80	13
Overig	PWN Waterleidingbedr Noord-Holland	60	3
Overig	Staatsbosbeheer	60	29
Overig	Staatsbosbeheer	80	4
Waterschap	HHS Hollands Noorderkwartier	60	9
Waterschap	HHS Hollands Noorderkwartier	80	2
Waterschap	HHS Hollands Noorderkwartier	100	2
Waterschap	HHS Schieland en de Krimpenerwaard	60	14
Waterschap	Waterschap De Hollandse Delta	60	93
Waterschap	Waterschap De Hollandse Delta	70	1
Waterschap	Waterschap De Hollandse Delta	80	26
Waterschap	Waterschap De Hollandse Delta	100	1
Waterschap	Waterschap Rivierenland	60	18
Waterschap	Waterschap Rivierenland	80	6
Waterschap	Waterschap Rivierenland	100	1
Waterschap	Waterschap Scheldestromen	60	112
Waterschap	Waterschap Scheldestromen	80	27
Waterschap	Waterschap Scheldestromen	100	2

In het volgende hoofdstuk worden echter de aantallen gebruikt van de ter beoordeling geselecteerde wegvakken.

6 Scores en Benchmark SPI Veilige Infrastructuur - kenmerk afwezigheid van oversteekplaatsen

De SPI Veilige Infrastructuur bevat het kenmerk “Afwezigheid oversteekplaatsen”. Op wegen van een limiet van 70 km/u en hoger is een oversteekplaats voor voetgangers en fietsers op een wegvak ongewenst. In deze analyse kijken we alleen naar wegen buiten de bebouwde kom.

6.1 Bepaling scores per wegbeheerder

In het vorige hoofdstuk zijn wegvakken beoordeeld ten aanzien van het SPI kenmerk Afwezigheid van oversteekplaatsen Een wegvak is als voldoende beoordeelt wanneer er geen oversteekplaatsen aan het begin, het eind, of op het wegvak liggen. Deze beoordeling op wegvakniveau wordt vertaald naar een score op netwerkniveau per wegbeheerder. Daarbij wordt gekeken naar het aandeel van de relevante wegvakken dat als voldoende wordt beoordeeld. Daarbij wordt enkel gekeken naar de wegvakken waar het kenmerk op van toepassing is. Per wegbeheerder wordt het volgende gescoord.

Kenmerk afwezigheid oversteekplaatsen: [aantal wegvakken dat voldoet] / [totaal aantal wegvakken]
Score kenmerk naar wegvaklengte: [totale weglengte van de wegvakken die voldoen] / [totale weglengte]
Totaal aantal (clusters van) oversteekplaatsen in het netwerk

De eerste score is de hoofdscore, omdat deze ook gebruikt kan worden bij de bepaling van een totaal score van de infrastructuur. Daarnaast kan de score worden onderscheiden op het totale areaal en per limiet. 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.

#### landelijke ####
scores_landelijk_totaal <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Totaal" ,
            Wegbeheerder = "Totaal",
            Snelheidslimiet = "Totaal",
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            # Weglengte bepalen
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()
            ) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  ungroup() 

# head(scores_landelijk)  

# scores per limiet bepalen  
scores_landelijk_limiet <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # groepeer naar limiet
  group_by(Snelheidslimiet) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Totaal" ,
            Wegbeheerder = "Totaal",
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()
            ) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  relocate(Snelheidslimiet, .after = Wegbeheerder) %>%
  ungroup()

# head(scores_landelijk_limiet)

scores_landelijk <- rbind(scores_landelijk_limiet, scores_landelijk_totaal) %>%
  arrange(Wegbeheerder, Snelheidslimiet) %>%
  left_join(Oversteekplaatsen_NL_70plus_nwbselectie, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_landelijk)

#### provincies ####

# scores voor het totaal bepalen
scores_provincies_totaal <- nwb_oversteekplaatsen2 %>%
  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 oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_provincies_totaal)

# scores per limiet bepalen  
scores_provincies_limiet <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "P") %>%
  # groepeer naar webeheerder
  group_by(WEGBEHNAAM, Snelheidslimiet) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Provincie" ,
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_provincies_limiet)

scores_provincies <- rbind(scores_provincies_limiet, scores_provincies_totaal) %>%
  arrange(Wegbeheerder, Snelheidslimiet) %>%
  left_join(Oversteekplaatsen_wegbeheerder_70plus, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_provincies)

#### gemeenten ####

# scores voor het totaal bepalen
scores_gemeenten_totaal <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "G") %>%
  # groepeer naar gemeente
  group_by(GME_NAAM) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Gemeente" ,
            Snelheidslimiet = "Totaal",
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = GME_NAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_gemeenten_totaal)

# scores per limiet bepalen  
scores_gemeenten_limiet <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "G") %>%
  # groepeer naar gemeente
  group_by(GME_NAAM, Snelheidslimiet) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Gemeente" ,
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = GME_NAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_gemeenten_limiet)

scores_gemeenten <- rbind(scores_gemeenten_limiet, scores_gemeenten_totaal) %>%
  arrange(Wegbeheerder, Snelheidslimiet) %>%
  left_join(Oversteekplaatsen_wegbeheerder_70plus, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_gemeenten)

#### waterschappen ####

# scores voor het totaal bepalen
scores_waterschappen_totaal <- nwb_oversteekplaatsen2 %>%
  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 oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_waterschappen_totaal)

# scores per limiet bepalen  
scores_waterschappen_limiet <- nwb_oversteekplaatsen2 %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "W") %>%
  # groepeer naar webeheerder
  group_by(WEGBEHNAAM, Snelheidslimiet) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Waterschap" ,
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            # som wegvegvaklengte zonder oversteekplaatsen / totale wegvaklengte
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            `Totaal aantal wegvakken` = n()) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup()

# head(scores_waterschappen_limiet)

scores_waterschappen <- rbind(scores_waterschappen_limiet, scores_waterschappen_totaal) %>%
  arrange(Wegbeheerder, Snelheidslimiet) %>%
  left_join(Oversteekplaatsen_wegbeheerder_70plus, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_waterschappen)

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.

6.2 Resultaten SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen per wegbeheerder

In deze paragraaf worden de deelscores van de SPI Veilige Infrastructuur- afwezigheid van oversteekplaatsen gepresenteerd. De resultaten worden apart getoond in subparagrafen op landelijk niveau en voor provinciale, gemeentelijke en waterschaps-wegbeheerders.

6.2.1 Landelijk

Hieronder worden de scores voor heel Nederland getoond.

scroltabel_gt(scores_landelijk, title = "SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, van alle wegbeheerders samen")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]	Totaal aantal wegvakken
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, van alle wegbeheerders samen
Totaal	Totaal	70	97.2 [%]	93.0 [%]	19	204.2	1349
Totaal	Totaal	80	95.7 [%]	92.4 [%]	1421	11085.3	43806
Totaal	Totaal	100	97.9 [%]	96.4 [%]	24	1158.5	1934
Totaal	Totaal	Totaal	95.9 [%]	92.8 [%]	1464	12448.0	47089

6.2.2 Waterschappen

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 oversteekplaatsen, van waterschaps-wegbeheerders")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]	Totaal aantal wegvakken
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, van waterschaps-wegbeheerders
Waterschap	HHS Hollands Noorderkwartier	80	100.0 [%]	100.0 [%]	0	5.0	24
Waterschap	HHS Hollands Noorderkwartier	Totaal	100.0 [%]	100.0 [%]	0	5.0	24
Waterschap	HHS Schieland en de Krimpenerwaard	80	100.0 [%]	100.0 [%]	0	2.4	15
Waterschap	HHS Schieland en de Krimpenerwaard	Totaal	100.0 [%]	100.0 [%]	0	2.4	15
Waterschap	Waterschap De Hollandse Delta	70	100.0 [%]	100.0 [%]	0	0.2	2
Waterschap	Waterschap De Hollandse Delta	80	94.9 [%]	93.8 [%]	22	104.7	505
Waterschap	Waterschap De Hollandse Delta	Totaal	94.9 [%]	93.8 [%]	22	104.9	507
Waterschap	Waterschap Rivierenland	80	97.0 [%]	92.0 [%]	3	19.6	99
Waterschap	Waterschap Rivierenland	100	100.0 [%]	100.0 [%]	0	0.2	2
Waterschap	Waterschap Rivierenland	Totaal	97.0 [%]	92.0 [%]	3	19.8	101
Waterschap	Waterschap Scheldestromen	70	100.0 [%]	100.0 [%]	0	0.2	2
Waterschap	Waterschap Scheldestromen	80	96.9 [%]	95.9 [%]	16	163.7	519
Waterschap	Waterschap Scheldestromen	100	100.0 [%]	100.0 [%]	0	0.4	3
Waterschap	Waterschap Scheldestromen	Totaal	96.9 [%]	95.9 [%]	16	164.3	524

6.2.3 Provincies

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 oversteekplaatsen, van provinciale wegbeheerders")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]	Totaal aantal wegvakken
SPI Veilige Infrastructuur - afwezigheid van oversteekplaatsen, van provinciale wegbeheerders
Provincie	Drenthe	70	66.7 [%]	37.4 [%]	1	4.0	12
Provincie	Drenthe	80	95.1 [%]	87.5 [%]	54	297.9	1175
Provincie	Drenthe	100	99.6 [%]	97.5 [%]	1	152.0	272
Provincie	Drenthe	Totaal	95.7 [%]	90.4 [%]	56	453.9	1459
Provincie	Flevoland	70	100.0 [%]	100.0 [%]	0	5.1	33
Provincie	Flevoland	80	93.6 [%]	86.7 [%]	66	429.6	1149
Provincie	Flevoland	100	99.2 [%]	99.5 [%]	1	137.8	121
Provincie	Flevoland	Totaal	94.2 [%]	89.9 [%]	67	572.5	1303
Provincie	Friesland	70	95.9 [%]	75.8 [%]	2	21.0	123
Provincie	Friesland	80	96.5 [%]	90.4 [%]	39	319.6	1270
Provincie	Friesland	100	96.2 [%]	92.7 [%]	5	205.6	317
Provincie	Friesland	Totaal	96.4 [%]	90.7 [%]	46	546.2	1710
Provincie	Gelderland	70	96.3 [%]	93.1 [%]	0	7.7	81
Provincie	Gelderland	80	95.3 [%]	90.4 [%]	172	1015.7	4974
Provincie	Gelderland	100	96.6 [%]	93.8 [%]	3	96.5	147
Provincie	Gelderland	Totaal	95.3 [%]	90.7 [%]	175	1119.9	5202
Provincie	Groningen	70	100.0 [%]	100.0 [%]	0	8.8	33
Provincie	Groningen	80	95.4 [%]	92.0 [%]	32	258.1	1032
Provincie	Groningen	100	100.0 [%]	100.0 [%]	0	113.4	258
Provincie	Groningen	Totaal	96.4 [%]	94.6 [%]	32	380.3	1323
Provincie	Limburg	70	100.0 [%]	100.0 [%]	0	3.0	20
Provincie	Limburg	80	94.2 [%]	91.3 [%]	79	395.7	2047
Provincie	Limburg	100	100.0 [%]	100.0 [%]	2	77.4	154
Provincie	Limburg	Totaal	94.6 [%]	92.8 [%]	81	476.0	2221
Provincie	Noord-Brabant	70	100.0 [%]	100.0 [%]	0	3.3	24
Provincie	Noord-Brabant	80	96.2 [%]	90.7 [%]	73	572.9	2678
Provincie	Noord-Brabant	100	100.0 [%]	100.0 [%]	0	40.7	76
Provincie	Noord-Brabant	Totaal	96.3 [%]	91.4 [%]	73	616.9	2778
Provincie	Noord-Holland	70	100.0 [%]	100.0 [%]	0	11.4	90
Provincie	Noord-Holland	80	96.4 [%]	97.0 [%]	45	474.1	1918
Provincie	Noord-Holland	100	96.6 [%]	98.4 [%]	3	78.5	116
Provincie	Noord-Holland	Totaal	96.5 [%]	97.3 [%]	48	564.0	2124
Provincie	Overijssel	70	100.0 [%]	100.0 [%]	0	10.2	85
Provincie	Overijssel	80	94.6 [%]	90.7 [%]	82	568.1	2388
Provincie	Overijssel	100	92.7 [%]	84.8 [%]	6	35.2	96
Provincie	Overijssel	Totaal	94.7 [%]	90.5 [%]	88	613.4	2569
Provincie	Utrecht	70	100.0 [%]	100.0 [%]	0	0.9	8
Provincie	Utrecht	80	95.0 [%]	89.2 [%]	54	272.5	1532
Provincie	Utrecht	100	100.0 [%]	100.0 [%]	0	6.7	17
Provincie	Utrecht	Totaal	95.1 [%]	89.5 [%]	54	280.1	1557
Provincie	Zeeland	70	100.0 [%]	100.0 [%]	0	3.5	44
Provincie	Zeeland	80	95.8 [%]	96.3 [%]	34	319.6	1421
Provincie	Zeeland	100	96.2 [%]	93.1 [%]	5	129.8	210
Provincie	Zeeland	Totaal	95.9 [%]	95.4 [%]	39	452.9	1675
Provincie	Zuid-Holland	70	100.0 [%]	100.0 [%]	0	1.4	5
Provincie	Zuid-Holland	80	98.8 [%]	98.0 [%]	23	485.2	2321
Provincie	Zuid-Holland	100	100.0 [%]	100.0 [%]	0	2.0	6
Provincie	Zuid-Holland	Totaal	98.8 [%]	98.1 [%]	23	488.6	2332

6.2.4 Gemeenten

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 oversteekplaatsen, van gemeentelijke wegbeheerders")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]	Totaal aantal wegvakken
SPI Veilige Infrastructuur - afwezigheid van oversteekplaatsen, van gemeentelijke wegbeheerders
Gemeente	's-Gravenhage	70	100.0 [%]	100.0 [%]	0	0.2	1
Gemeente	's-Gravenhage	80	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	's-Gravenhage	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	's-Gravenhage	Totaal	100.0 [%]	100.0 [%]	0	0.2	3
Gemeente	's-Hertogenbosch	70	100.0 [%]	100.0 [%]	0	0.6	3
Gemeente	's-Hertogenbosch	80	98.5 [%]	97.8 [%]	1	18.6	66
Gemeente	's-Hertogenbosch	Totaal	98.6 [%]	97.9 [%]	1	19.2	69
Gemeente	Aa en Hunze	70	100.0 [%]	100.0 [%]	0	0.8	5
Gemeente	Aa en Hunze	80	94.0 [%]	90.9 [%]	10	85.0	151
Gemeente	Aa en Hunze	Totaal	94.2 [%]	91.0 [%]	10	85.8	156
Gemeente	Aalsmeer	80	100.0 [%]	100.0 [%]	0	0.6	7
Gemeente	Aalsmeer	Totaal	100.0 [%]	100.0 [%]	0	0.6	7
Gemeente	Aalten	70	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Aalten	80	100.0 [%]	100.0 [%]	0	1.6	11
Gemeente	Aalten	Totaal	100.0 [%]	100.0 [%]	0	1.7	13
Gemeente	Achtkarspelen	70	100.0 [%]	100.0 [%]	0	0.6	1
Gemeente	Achtkarspelen	80	90.2 [%]	89.7 [%]	6	14.0	61
Gemeente	Achtkarspelen	Totaal	90.3 [%]	90.1 [%]	6	14.6	62
Gemeente	Alblasserdam	80	100.0 [%]	100.0 [%]	0	1.3	27
Gemeente	Alblasserdam	Totaal	100.0 [%]	100.0 [%]	0	1.3	27
Gemeente	Albrandswaard	80	100.0 [%]	100.0 [%]	0	0.7	8
Gemeente	Albrandswaard	Totaal	100.0 [%]	100.0 [%]	0	0.7	8
Gemeente	Alkmaar	80	81.8 [%]	88.9 [%]	1	2.1	11
Gemeente	Alkmaar	Totaal	81.8 [%]	88.9 [%]	1	2.1	11
Gemeente	Almelo	70	100.0 [%]	100.0 [%]	0	3.1	26
Gemeente	Almelo	80	100.0 [%]	100.0 [%]	0	38.3	164
Gemeente	Almelo	100	100.0 [%]	100.0 [%]	0	2.3	4
Gemeente	Almelo	Totaal	100.0 [%]	100.0 [%]	0	43.7	194
Gemeente	Almere	80	91.7 [%]	59.8 [%]	3	7.1	36
Gemeente	Almere	Totaal	91.7 [%]	59.8 [%]	3	7.1	36
Gemeente	Alphen aan den Rijn	80	100.0 [%]	100.0 [%]	0	0.8	5
Gemeente	Alphen aan den Rijn	Totaal	100.0 [%]	100.0 [%]	0	0.8	5
Gemeente	Alphen-Chaam	80	94.4 [%]	98.9 [%]	1	2.4	18
Gemeente	Alphen-Chaam	Totaal	94.4 [%]	98.9 [%]	1	2.4	18
Gemeente	Altena	80	100.0 [%]	100.0 [%]	0	8.8	60
Gemeente	Altena	Totaal	100.0 [%]	100.0 [%]	0	8.8	60
Gemeente	Ameland	80	89.5 [%]	86.6 [%]	2	10.9	19
Gemeente	Ameland	Totaal	89.5 [%]	86.6 [%]	2	10.9	19
Gemeente	Amersfoort	70	100.0 [%]	100.0 [%]	0	0.0	4
Gemeente	Amersfoort	80	100.0 [%]	100.0 [%]	0	11.0	63
Gemeente	Amersfoort	Totaal	100.0 [%]	100.0 [%]	0	11.0	67
Gemeente	Amstelveen	80	100.0 [%]	100.0 [%]	0	3.6	30
Gemeente	Amstelveen	Totaal	100.0 [%]	100.0 [%]	0	3.6	30
Gemeente	Amsterdam	70	100.0 [%]	100.0 [%]	0	3.9	15
Gemeente	Amsterdam	80	94.7 [%]	93.4 [%]	1	2.4	19
Gemeente	Amsterdam	100	100.0 [%]	100.0 [%]	0	0.5	8
Gemeente	Amsterdam	Totaal	97.6 [%]	97.7 [%]	1	6.7	42
Gemeente	Apeldoorn	80	96.0 [%]	91.1 [%]	3	22.4	126
Gemeente	Apeldoorn	Totaal	96.0 [%]	91.1 [%]	3	22.4	126
Gemeente	Arnhem	70	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Arnhem	80	93.1 [%]	89.6 [%]	2	5.7	58
Gemeente	Arnhem	100	100.0 [%]	100.0 [%]	0	0.3	1
Gemeente	Arnhem	Totaal	93.5 [%]	90.2 [%]	2	6.1	62
Gemeente	Assen	70	100.0 [%]	100.0 [%]	0	2.2	16
Gemeente	Assen	80	97.3 [%]	75.7 [%]	3	8.7	75
Gemeente	Assen	Totaal	97.8 [%]	80.6 [%]	3	10.8	91
Gemeente	Asten	80	89.5 [%]	45.5 [%]	3	6.0	38
Gemeente	Asten	Totaal	89.5 [%]	45.5 [%]	3	6.0	38
Gemeente	Baarle-Nassau	80	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Baarle-Nassau	Totaal	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Baarn	80	92.9 [%]	87.0 [%]	1	3.7	14
Gemeente	Baarn	Totaal	92.9 [%]	87.0 [%]	1	3.7	14
Gemeente	Barendrecht	70	100.0 [%]	100.0 [%]	0	0.4	5
Gemeente	Barendrecht	80	100.0 [%]	100.0 [%]	0	0.8	3
Gemeente	Barendrecht	Totaal	100.0 [%]	100.0 [%]	0	1.2	8
Gemeente	Barneveld	80	97.1 [%]	92.8 [%]	3	23.7	140
Gemeente	Barneveld	Totaal	97.1 [%]	92.8 [%]	3	23.7	140
Gemeente	Beek	80	100.0 [%]	100.0 [%]	0	7.7	31
Gemeente	Beek	Totaal	100.0 [%]	100.0 [%]	0	7.7	31
Gemeente	Beekdaelen	80	93.2 [%]	96.7 [%]	4	33.3	148
Gemeente	Beekdaelen	100	100.0 [%]	100.0 [%]	0	0.4	2
Gemeente	Beekdaelen	Totaal	93.3 [%]	96.8 [%]	4	33.7	150
Gemeente	Beesel	80	99.4 [%]	98.3 [%]	1	38.0	163
Gemeente	Beesel	Totaal	99.4 [%]	98.3 [%]	1	38.0	163
Gemeente	Berg en Dal	80	96.6 [%]	93.5 [%]	1	9.5	29
Gemeente	Berg en Dal	Totaal	96.6 [%]	93.5 [%]	1	9.5	29
Gemeente	Bergeijk	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Bergeijk	80	100.0 [%]	100.0 [%]	0	7.5	24
Gemeente	Bergeijk	Totaal	100.0 [%]	100.0 [%]	0	7.6	25
Gemeente	Bergen (L)	80	96.3 [%]	93.0 [%]	0	46.5	109
Gemeente	Bergen (L)	Totaal	96.3 [%]	93.0 [%]	0	46.5	109
Gemeente	Bergen (NH)	80	100.0 [%]	100.0 [%]	0	4.3	14
Gemeente	Bergen (NH)	Totaal	100.0 [%]	100.0 [%]	0	4.3	14
Gemeente	Bergen op Zoom	70	100.0 [%]	100.0 [%]	0	0.1	5
Gemeente	Bergen op Zoom	80	96.8 [%]	99.4 [%]	2	15.8	63
Gemeente	Bergen op Zoom	Totaal	97.1 [%]	99.4 [%]	2	15.8	68
Gemeente	Berkelland	80	96.2 [%]	94.2 [%]	4	15.2	80
Gemeente	Berkelland	Totaal	96.2 [%]	94.2 [%]	4	15.2	80
Gemeente	Bernheze	80	94.9 [%]	78.8 [%]	2	4.2	39
Gemeente	Bernheze	Totaal	94.9 [%]	78.8 [%]	2	4.2	39
Gemeente	Best	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Best	80	95.7 [%]	98.4 [%]	2	9.6	47
Gemeente	Best	Totaal	95.8 [%]	98.4 [%]	2	9.6	48
Gemeente	Beuningen	80	100.0 [%]	100.0 [%]	0	4.1	39
Gemeente	Beuningen	Totaal	100.0 [%]	100.0 [%]	0	4.1	39
Gemeente	Beverwijk	80	100.0 [%]	100.0 [%]	0	3.9	23
Gemeente	Beverwijk	Totaal	100.0 [%]	100.0 [%]	0	3.9	23
Gemeente	Bladel	80	100.0 [%]	100.0 [%]	0	0.3	3
Gemeente	Bladel	Totaal	100.0 [%]	100.0 [%]	0	0.3	3
Gemeente	Blaricum	80	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Blaricum	Totaal	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Bodegraven-Reeuwijk	80	100.0 [%]	100.0 [%]	0	3.4	18
Gemeente	Bodegraven-Reeuwijk	Totaal	100.0 [%]	100.0 [%]	0	3.4	18
Gemeente	Boekel	80	100.0 [%]	100.0 [%]	0	0.3	6
Gemeente	Boekel	Totaal	100.0 [%]	100.0 [%]	0	0.3	6
Gemeente	Borger-Odoorn	70	100.0 [%]	100.0 [%]	0	1.2	3
Gemeente	Borger-Odoorn	80	90.0 [%]	91.8 [%]	5	24.0	50
Gemeente	Borger-Odoorn	Totaal	90.6 [%]	92.2 [%]	5	25.2	53
Gemeente	Borne	80	100.0 [%]	100.0 [%]	0	6.1	52
Gemeente	Borne	Totaal	100.0 [%]	100.0 [%]	0	6.1	52
Gemeente	Borsele	80	100.0 [%]	100.0 [%]	0	1.4	9
Gemeente	Borsele	Totaal	100.0 [%]	100.0 [%]	0	1.4	9
Gemeente	Boxtel	80	100.0 [%]	100.0 [%]	0	6.3	65
Gemeente	Boxtel	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Boxtel	Totaal	100.0 [%]	100.0 [%]	0	6.3	66
Gemeente	Breda	70	100.0 [%]	100.0 [%]	0	7.5	36
Gemeente	Breda	80	90.5 [%]	83.0 [%]	4	10.7	42
Gemeente	Breda	100	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Breda	Totaal	94.9 [%]	90.0 [%]	4	18.3	79
Gemeente	Bronckhorst	80	100.0 [%]	100.0 [%]	0	9.9	36
Gemeente	Bronckhorst	Totaal	100.0 [%]	100.0 [%]	0	9.9	36
Gemeente	Brummen	80	100.0 [%]	100.0 [%]	0	8.2	29
Gemeente	Brummen	Totaal	100.0 [%]	100.0 [%]	0	8.2	29
Gemeente	Brunssum	80	78.9 [%]	90.2 [%]	4	3.3	19
Gemeente	Brunssum	Totaal	78.9 [%]	90.2 [%]	4	3.3	19
Gemeente	Bunnik	80	92.3 [%]	84.6 [%]	1	3.2	26
Gemeente	Bunnik	Totaal	92.3 [%]	84.6 [%]	1	3.2	26
Gemeente	Bunschoten	80	100.0 [%]	100.0 [%]	0	1.5	6
Gemeente	Bunschoten	Totaal	100.0 [%]	100.0 [%]	0	1.5	6
Gemeente	Buren	80	100.0 [%]	100.0 [%]	0	0.9	4
Gemeente	Buren	Totaal	100.0 [%]	100.0 [%]	0	0.9	4
Gemeente	Capelle aan den IJssel	70	100.0 [%]	100.0 [%]	0	0.3	2
Gemeente	Capelle aan den IJssel	Totaal	100.0 [%]	100.0 [%]	0	0.3	2
Gemeente	Castricum	80	100.0 [%]	100.0 [%]	0	0.3	8
Gemeente	Castricum	Totaal	100.0 [%]	100.0 [%]	0	0.3	8
Gemeente	Coevorden	70	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Coevorden	80	95.0 [%]	93.9 [%]	30	276.2	621
Gemeente	Coevorden	Totaal	95.0 [%]	93.9 [%]	30	276.3	623
Gemeente	Cranendonck	80	90.8 [%]	90.7 [%]	3	14.8	65
Gemeente	Cranendonck	Totaal	90.8 [%]	90.7 [%]	3	14.8	65
Gemeente	Culemborg	80	100.0 [%]	100.0 [%]	0	1.1	6
Gemeente	Culemborg	Totaal	100.0 [%]	100.0 [%]	0	1.1	6
Gemeente	Dalfsen	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Dalfsen	80	98.2 [%]	92.2 [%]	2	20.3	57
Gemeente	Dalfsen	Totaal	98.3 [%]	92.2 [%]	2	20.3	58
Gemeente	Dantumadiel	80	94.9 [%]	95.4 [%]	1	8.4	39
Gemeente	Dantumadiel	Totaal	94.9 [%]	95.4 [%]	1	8.4	39
Gemeente	De Bilt	80	100.0 [%]	100.0 [%]	0	4.1	30
Gemeente	De Bilt	Totaal	100.0 [%]	100.0 [%]	0	4.1	30
Gemeente	De Fryske Marren	70	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	De Fryske Marren	80	96.9 [%]	93.4 [%]	5	61.0	195
Gemeente	De Fryske Marren	100	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	De Fryske Marren	Totaal	97.0 [%]	93.4 [%]	5	61.2	199
Gemeente	De Ronde Venen	80	100.0 [%]	100.0 [%]	0	9.2	33
Gemeente	De Ronde Venen	Totaal	100.0 [%]	100.0 [%]	0	9.2	33
Gemeente	De Wolden	80	95.8 [%]	96.8 [%]	4	26.7	96
Gemeente	De Wolden	Totaal	95.8 [%]	96.8 [%]	4	26.7	96
Gemeente	Delft	80	92.9 [%]	98.0 [%]	1	3.3	14
Gemeente	Delft	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Delft	Totaal	93.3 [%]	98.0 [%]	1	3.3	15
Gemeente	Den Helder	70	100.0 [%]	100.0 [%]	0	1.7	3
Gemeente	Den Helder	80	100.0 [%]	100.0 [%]	0	1.7	10
Gemeente	Den Helder	Totaal	100.0 [%]	100.0 [%]	0	3.4	13
Gemeente	Deurne	80	98.4 [%]	96.2 [%]	2	27.7	128
Gemeente	Deurne	Totaal	98.4 [%]	96.2 [%]	2	27.7	128
Gemeente	Deventer	80	92.8 [%]	74.7 [%]	5	5.6	69
Gemeente	Deventer	Totaal	92.8 [%]	74.7 [%]	5	5.6	69
Gemeente	Diemen	70	100.0 [%]	100.0 [%]	0	9.9	57
Gemeente	Diemen	Totaal	100.0 [%]	100.0 [%]	0	9.9	57
Gemeente	Dijk en Waard	70	100.0 [%]	100.0 [%]	0	0.3	2
Gemeente	Dijk en Waard	80	97.7 [%]	99.4 [%]	1	4.1	43
Gemeente	Dijk en Waard	Totaal	97.8 [%]	99.4 [%]	1	4.4	45
Gemeente	Dinkelland	70	100.0 [%]	100.0 [%]	0	2.6	14
Gemeente	Dinkelland	80	95.7 [%]	92.4 [%]	1	3.6	23
Gemeente	Dinkelland	Totaal	97.3 [%]	95.6 [%]	1	6.2	37
Gemeente	Doesburg	80	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Doesburg	Totaal	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Doetinchem	70	100.0 [%]	100.0 [%]	0	0.3	2
Gemeente	Doetinchem	80	94.4 [%]	88.8 [%]	2	9.7	36
Gemeente	Doetinchem	Totaal	94.7 [%]	89.1 [%]	2	10.0	38
Gemeente	Dongen	80	95.7 [%]	98.5 [%]	1	9.5	47
Gemeente	Dongen	Totaal	95.7 [%]	98.5 [%]	1	9.5	47
Gemeente	Dordrecht	80	77.8 [%]	80.0 [%]	4	2.0	9
Gemeente	Dordrecht	Totaal	77.8 [%]	80.0 [%]	4	2.0	9
Gemeente	Drechterland	80	81.2 [%]	91.9 [%]	3	1.2	16
Gemeente	Drechterland	Totaal	81.2 [%]	91.9 [%]	3	1.2	16
Gemeente	Drimmelen	80	98.4 [%]	90.4 [%]	2	9.6	64
Gemeente	Drimmelen	Totaal	98.4 [%]	90.4 [%]	2	9.6	64
Gemeente	Dronten	80	88.8 [%]	89.6 [%]	30	231.6	286
Gemeente	Dronten	Totaal	88.8 [%]	89.6 [%]	30	231.6	286
Gemeente	Druten	80	92.0 [%]	93.6 [%]	1	4.7	25
Gemeente	Druten	Totaal	92.0 [%]	93.6 [%]	1	4.7	25
Gemeente	Duiven	80	91.3 [%]	92.7 [%]	1	4.5	46
Gemeente	Duiven	Totaal	91.3 [%]	92.7 [%]	1	4.5	46
Gemeente	Echt-Susteren	80	100.0 [%]	100.0 [%]	0	7.0	65
Gemeente	Echt-Susteren	100	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Echt-Susteren	Totaal	100.0 [%]	100.0 [%]	0	7.1	67
Gemeente	Ede	70	100.0 [%]	100.0 [%]	0	1.2	2
Gemeente	Ede	80	97.6 [%]	92.4 [%]	5	19.3	126
Gemeente	Ede	Totaal	97.7 [%]	92.8 [%]	5	20.6	128
Gemeente	Eemnes	80	100.0 [%]	100.0 [%]	0	1.1	5
Gemeente	Eemnes	100	100.0 [%]	100.0 [%]	0	0.4	1
Gemeente	Eemnes	Totaal	100.0 [%]	100.0 [%]	0	1.6	6
Gemeente	Eemsdelta	80	100.0 [%]	100.0 [%]	0	1.9	14
Gemeente	Eemsdelta	Totaal	100.0 [%]	100.0 [%]	0	1.9	14
Gemeente	Eersel	80	100.0 [%]	100.0 [%]	0	1.0	14
Gemeente	Eersel	Totaal	100.0 [%]	100.0 [%]	0	1.0	14
Gemeente	Eijsden-Margraten	80	92.0 [%]	74.4 [%]	2	3.8	25
Gemeente	Eijsden-Margraten	100	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Eijsden-Margraten	Totaal	92.6 [%]	75.3 [%]	2	3.9	27
Gemeente	Eindhoven	70	100.0 [%]	100.0 [%]	0	6.5	31
Gemeente	Eindhoven	80	95.5 [%]	90.4 [%]	5	15.9	112
Gemeente	Eindhoven	Totaal	96.5 [%]	93.2 [%]	5	22.5	143
Gemeente	Elburg	80	100.0 [%]	100.0 [%]	0	0.2	6
Gemeente	Elburg	Totaal	100.0 [%]	100.0 [%]	0	0.2	6
Gemeente	Emmen	70	0.0 [%]	0.0 [%]	1	0.6	1
Gemeente	Emmen	80	94.5 [%]	93.0 [%]	8	45.7	127
Gemeente	Emmen	Totaal	93.8 [%]	91.8 [%]	9	46.3	128
Gemeente	Enschede	70	100.0 [%]	100.0 [%]	0	1.7	4
Gemeente	Enschede	80	93.9 [%]	94.3 [%]	2	18.9	98
Gemeente	Enschede	100	100.0 [%]	100.0 [%]	0	3.6	7
Gemeente	Enschede	Totaal	94.5 [%]	95.5 [%]	2	24.2	109
Gemeente	Epe	80	94.6 [%]	84.5 [%]	1	3.4	37
Gemeente	Epe	Totaal	94.6 [%]	84.5 [%]	1	3.4	37
Gemeente	Ermelo	80	96.3 [%]	78.6 [%]	2	7.6	27
Gemeente	Ermelo	Totaal	96.3 [%]	78.6 [%]	2	7.6	27
Gemeente	Etten-Leur	80	100.0 [%]	100.0 [%]	0	1.3	13
Gemeente	Etten-Leur	Totaal	100.0 [%]	100.0 [%]	0	1.3	13
Gemeente	Geertruidenberg	80	100.0 [%]	100.0 [%]	0	4.8	23
Gemeente	Geertruidenberg	Totaal	100.0 [%]	100.0 [%]	0	4.8	23
Gemeente	Geldrop-Mierlo	80	94.1 [%]	98.5 [%]	1	3.6	34
Gemeente	Geldrop-Mierlo	Totaal	94.1 [%]	98.5 [%]	1	3.6	34
Gemeente	Gemert-Bakel	80	91.7 [%]	85.6 [%]	10	36.8	145
Gemeente	Gemert-Bakel	Totaal	91.7 [%]	85.6 [%]	10	36.8	145
Gemeente	Gennep	80	96.5 [%]	91.5 [%]	6	41.0	172
Gemeente	Gennep	Totaal	96.5 [%]	91.5 [%]	6	41.0	172
Gemeente	Gilze en Rijen	80	100.0 [%]	100.0 [%]	0	0.9	7
Gemeente	Gilze en Rijen	Totaal	100.0 [%]	100.0 [%]	0	0.9	7
Gemeente	Goeree-Overflakkee	70	100.0 [%]	100.0 [%]	0	0.0	3
Gemeente	Goeree-Overflakkee	80	81.8 [%]	39.6 [%]	1	3.2	22
Gemeente	Goeree-Overflakkee	Totaal	84.0 [%]	40.5 [%]	1	3.2	25
Gemeente	Goes	70	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Goes	80	100.0 [%]	100.0 [%]	0	2.1	14
Gemeente	Goes	Totaal	100.0 [%]	100.0 [%]	0	2.2	15
Gemeente	Goirle	80	89.7 [%]	83.9 [%]	2	9.2	39
Gemeente	Goirle	Totaal	89.7 [%]	83.9 [%]	2	9.2	39
Gemeente	Gooise Meren	80	91.7 [%]	85.7 [%]	2	10.9	48
Gemeente	Gooise Meren	Totaal	91.7 [%]	85.7 [%]	2	10.9	48
Gemeente	Gorinchem	80	100.0 [%]	100.0 [%]	0	0.9	2
Gemeente	Gorinchem	Totaal	100.0 [%]	100.0 [%]	0	0.9	2
Gemeente	Gouda	80	100.0 [%]	100.0 [%]	0	0.2	8
Gemeente	Gouda	Totaal	100.0 [%]	100.0 [%]	0	0.2	8
Gemeente	Groningen	70	100.0 [%]	100.0 [%]	0	2.1	6
Gemeente	Groningen	80	100.0 [%]	100.0 [%]	0	2.9	9
Gemeente	Groningen	Totaal	100.0 [%]	100.0 [%]	0	5.0	15
Gemeente	Gulpen-Wittem	80	100.0 [%]	100.0 [%]	0	11.5	48
Gemeente	Gulpen-Wittem	Totaal	100.0 [%]	100.0 [%]	0	11.5	48
Gemeente	Haaksbergen	70	90.9 [%]	79.7 [%]	1	1.2	11
Gemeente	Haaksbergen	80	96.8 [%]	93.5 [%]	2	8.6	31
Gemeente	Haaksbergen	Totaal	95.2 [%]	91.9 [%]	3	9.8	42
Gemeente	Haarlem	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Haarlem	80	0.0 [%]	0.0 [%]	2	0.0	1
Gemeente	Haarlem	Totaal	50.0 [%]	26.2 [%]	2	0.1	2
Gemeente	Haarlemmermeer	70	77.8 [%]	76.7 [%]	2	4.2	18
Gemeente	Haarlemmermeer	80	96.0 [%]	97.8 [%]	5	24.3	126
Gemeente	Haarlemmermeer	100	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Haarlemmermeer	Totaal	93.9 [%]	94.7 [%]	7	28.6	148
Gemeente	Halderberge	70	75.0 [%]	88.4 [%]	2	0.9	4
Gemeente	Halderberge	80	100.0 [%]	100.0 [%]	0	9.2	48
Gemeente	Halderberge	100	100.0 [%]	100.0 [%]	0	2.0	1
Gemeente	Halderberge	Totaal	98.1 [%]	99.1 [%]	2	12.1	53
Gemeente	Hardenberg	70	100.0 [%]	100.0 [%]	0	0.6	3
Gemeente	Hardenberg	80	93.2 [%]	97.1 [%]	4	15.6	59
Gemeente	Hardenberg	Totaal	93.5 [%]	97.3 [%]	4	16.2	62
Gemeente	Harderwijk	80	92.6 [%]	79.9 [%]	6	13.8	81
Gemeente	Harderwijk	Totaal	92.6 [%]	79.9 [%]	6	13.8	81
Gemeente	Harlingen	80	100.0 [%]	100.0 [%]	0	3.5	16
Gemeente	Harlingen	Totaal	100.0 [%]	100.0 [%]	0	3.5	16
Gemeente	Hattem	80	86.7 [%]	54.5 [%]	1	3.3	15
Gemeente	Hattem	Totaal	86.7 [%]	54.5 [%]	1	3.3	15
Gemeente	Heemskerk	80	100.0 [%]	100.0 [%]	0	0.7	5
Gemeente	Heemskerk	Totaal	100.0 [%]	100.0 [%]	0	0.7	5
Gemeente	Heemstede	80	100.0 [%]	100.0 [%]	0	0.2	1
Gemeente	Heemstede	Totaal	100.0 [%]	100.0 [%]	0	0.2	1
Gemeente	Heerde	80	100.0 [%]	100.0 [%]	0	6.2	35
Gemeente	Heerde	Totaal	100.0 [%]	100.0 [%]	0	6.2	35
Gemeente	Heerenveen	80	93.9 [%]	97.6 [%]	1	13.5	33
Gemeente	Heerenveen	Totaal	93.9 [%]	97.6 [%]	1	13.5	33
Gemeente	Heerlen	70	100.0 [%]	100.0 [%]	0	0.2	8
Gemeente	Heerlen	80	98.4 [%]	99.6 [%]	0	6.3	62
Gemeente	Heerlen	100	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Heerlen	Totaal	98.6 [%]	99.7 [%]	0	6.6	73
Gemeente	Heeze-Leende	70	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Heeze-Leende	80	93.8 [%]	79.5 [%]	1	7.7	16
Gemeente	Heeze-Leende	Totaal	94.1 [%]	79.7 [%]	1	7.7	17
Gemeente	Hellendoorn	80	97.3 [%]	96.1 [%]	3	21.1	111
Gemeente	Hellendoorn	Totaal	97.3 [%]	96.1 [%]	3	21.1	111
Gemeente	Helmond	70	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Helmond	80	97.8 [%]	93.2 [%]	3	13.1	89
Gemeente	Helmond	100	100.0 [%]	100.0 [%]	0	3.9	5
Gemeente	Helmond	Totaal	98.0 [%]	94.9 [%]	3	17.3	98
Gemeente	Hengelo (O)	80	100.0 [%]	100.0 [%]	0	2.6	26
Gemeente	Hengelo (O)	Totaal	100.0 [%]	100.0 [%]	0	2.6	26
Gemeente	Het Hogeland	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Het Hogeland	80	97.7 [%]	97.3 [%]	7	155.3	266
Gemeente	Het Hogeland	Totaal	97.8 [%]	97.3 [%]	7	155.3	267
Gemeente	Heumen	80	100.0 [%]	100.0 [%]	0	1.9	6
Gemeente	Heumen	Totaal	100.0 [%]	100.0 [%]	0	1.9	6
Gemeente	Heusden	80	97.3 [%]	95.7 [%]	1	11.0	75
Gemeente	Heusden	Totaal	97.3 [%]	95.7 [%]	1	11.0	75
Gemeente	Hilvarenbeek	70	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Hilvarenbeek	80	97.8 [%]	99.0 [%]	1	2.9	45
Gemeente	Hilvarenbeek	100	100.0 [%]	100.0 [%]	0	0.2	2
Gemeente	Hilvarenbeek	Totaal	98.0 [%]	99.1 [%]	1	3.2	49
Gemeente	Hilversum	80	95.5 [%]	89.9 [%]	1	2.2	22
Gemeente	Hilversum	Totaal	95.5 [%]	89.9 [%]	1	2.2	22
Gemeente	Hoeksche Waard	80	100.0 [%]	100.0 [%]	0	2.0	13
Gemeente	Hoeksche Waard	Totaal	100.0 [%]	100.0 [%]	0	2.0	13
Gemeente	Hof van Twente	80	95.3 [%]	95.6 [%]	1	4.9	43
Gemeente	Hof van Twente	Totaal	95.3 [%]	95.6 [%]	1	4.9	43
Gemeente	Hollands Kroon	80	85.9 [%]	84.7 [%]	10	19.0	71
Gemeente	Hollands Kroon	Totaal	85.9 [%]	84.7 [%]	10	19.0	71
Gemeente	Hoogeveen	70	100.0 [%]	100.0 [%]	0	0.2	2
Gemeente	Hoogeveen	80	100.0 [%]	100.0 [%]	0	1.3	22
Gemeente	Hoogeveen	Totaal	100.0 [%]	100.0 [%]	0	1.5	24
Gemeente	Hoorn	70	90.5 [%]	93.0 [%]	1	2.7	21
Gemeente	Hoorn	80	100.0 [%]	100.0 [%]	0	1.8	24
Gemeente	Hoorn	100	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Hoorn	Totaal	95.7 [%]	95.8 [%]	1	4.5	47
Gemeente	Horst aan de Maas	80	95.1 [%]	93.3 [%]	6	34.6	143
Gemeente	Horst aan de Maas	Totaal	95.1 [%]	93.3 [%]	6	34.6	143
Gemeente	Houten	70	100.0 [%]	100.0 [%]	0	11.7	145
Gemeente	Houten	80	100.0 [%]	100.0 [%]	0	2.2	8
Gemeente	Houten	Totaal	100.0 [%]	100.0 [%]	0	13.8	153
Gemeente	Huizen	80	100.0 [%]	100.0 [%]	0	1.0	11
Gemeente	Huizen	Totaal	100.0 [%]	100.0 [%]	0	1.0	11
Gemeente	Hulst	80	100.0 [%]	100.0 [%]	0	0.2	6
Gemeente	Hulst	Totaal	100.0 [%]	100.0 [%]	0	0.2	6
Gemeente	IJsselstein	80	100.0 [%]	100.0 [%]	0	2.1	9
Gemeente	IJsselstein	Totaal	100.0 [%]	100.0 [%]	0	2.1	9
Gemeente	Kaag en Braassem	80	100.0 [%]	100.0 [%]	0	6.3	37
Gemeente	Kaag en Braassem	100	100.0 [%]	100.0 [%]	0	1.5	1
Gemeente	Kaag en Braassem	Totaal	100.0 [%]	100.0 [%]	0	7.9	38
Gemeente	Kampen	80	80.0 [%]	93.3 [%]	2	1.2	15
Gemeente	Kampen	Totaal	80.0 [%]	93.3 [%]	2	1.2	15
Gemeente	Kapelle	80	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Kapelle	Totaal	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Katwijk	80	100.0 [%]	100.0 [%]	0	0.8	3
Gemeente	Katwijk	Totaal	100.0 [%]	100.0 [%]	0	0.8	3
Gemeente	Kerkrade	80	93.5 [%]	97.8 [%]	2	4.8	31
Gemeente	Kerkrade	Totaal	93.5 [%]	97.8 [%]	2	4.8	31
Gemeente	Koggenland	70	100.0 [%]	100.0 [%]	0	0.6	7
Gemeente	Koggenland	80	100.0 [%]	100.0 [%]	0	2.4	19
Gemeente	Koggenland	100	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Koggenland	Totaal	100.0 [%]	100.0 [%]	0	3.0	27
Gemeente	Krimpenerwaard	80	100.0 [%]	100.0 [%]	0	0.2	5
Gemeente	Krimpenerwaard	Totaal	100.0 [%]	100.0 [%]	0	0.2	5
Gemeente	Laarbeek	80	92.3 [%]	90.3 [%]	3	8.5	26
Gemeente	Laarbeek	Totaal	92.3 [%]	90.3 [%]	3	8.5	26
Gemeente	Land van Cuijk	70	100.0 [%]	100.0 [%]	0	0.4	2
Gemeente	Land van Cuijk	80	98.2 [%]	96.7 [%]	4	40.5	221
Gemeente	Land van Cuijk	Totaal	98.2 [%]	96.7 [%]	4	41.0	223
Gemeente	Landgraaf	80	100.0 [%]	100.0 [%]	0	4.1	38
Gemeente	Landgraaf	Totaal	100.0 [%]	100.0 [%]	0	4.1	38
Gemeente	Landsmeer	80	71.4 [%]	50.1 [%]	0	1.7	14
Gemeente	Landsmeer	Totaal	71.4 [%]	50.1 [%]	0	1.7	14
Gemeente	Lansingerland	80	100.0 [%]	100.0 [%]	0	5.7	10
Gemeente	Lansingerland	Totaal	100.0 [%]	100.0 [%]	0	5.7	10
Gemeente	Laren	80	88.9 [%]	85.0 [%]	2	2.8	18
Gemeente	Laren	Totaal	88.9 [%]	85.0 [%]	2	2.8	18
Gemeente	Leeuwarden	70	100.0 [%]	100.0 [%]	0	1.7	14
Gemeente	Leeuwarden	80	94.2 [%]	94.1 [%]	6	29.9	104
Gemeente	Leeuwarden	Totaal	94.9 [%]	94.4 [%]	6	31.6	118
Gemeente	Leiderdorp	80	100.0 [%]	100.0 [%]	0	0.2	7
Gemeente	Leiderdorp	Totaal	100.0 [%]	100.0 [%]	0	0.2	7
Gemeente	Leidschendam-Voorburg	70	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Leidschendam-Voorburg	80	100.0 [%]	100.0 [%]	0	0.6	6
Gemeente	Leidschendam-Voorburg	Totaal	100.0 [%]	100.0 [%]	0	0.6	8
Gemeente	Lelystad	70	100.0 [%]	100.0 [%]	0	1.2	2
Gemeente	Lelystad	80	83.5 [%]	78.0 [%]	30	131.1	243
Gemeente	Lelystad	100	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Lelystad	Totaal	83.7 [%]	78.2 [%]	30	132.3	246
Gemeente	Leudal	80	92.6 [%]	92.6 [%]	11	27.9	122
Gemeente	Leudal	Totaal	92.6 [%]	92.6 [%]	11	27.9	122
Gemeente	Leusden	80	84.6 [%]	52.3 [%]	2	1.8	13
Gemeente	Leusden	Totaal	84.6 [%]	52.3 [%]	2	1.8	13
Gemeente	Lingewaard	80	99.4 [%]	99.1 [%]	2	35.3	173
Gemeente	Lingewaard	Totaal	99.4 [%]	99.1 [%]	2	35.3	173
Gemeente	Lochem	80	100.0 [%]	100.0 [%]	0	1.2	8
Gemeente	Lochem	Totaal	100.0 [%]	100.0 [%]	0	1.2	8
Gemeente	Loon op Zand	80	98.4 [%]	89.5 [%]	2	5.8	64
Gemeente	Loon op Zand	Totaal	98.4 [%]	89.5 [%]	2	5.8	64
Gemeente	Lopik	80	100.0 [%]	100.0 [%]	0	0.4	2
Gemeente	Lopik	Totaal	100.0 [%]	100.0 [%]	0	0.4	2
Gemeente	Losser	80	100.0 [%]	100.0 [%]	0	0.7	5
Gemeente	Losser	Totaal	100.0 [%]	100.0 [%]	0	0.7	5
Gemeente	Maasdriel	80	93.5 [%]	97.8 [%]	5	38.6	139
Gemeente	Maasdriel	Totaal	93.5 [%]	97.8 [%]	5	38.6	139
Gemeente	Maasgouw	80	93.7 [%]	91.7 [%]	7	33.1	142
Gemeente	Maasgouw	Totaal	93.7 [%]	91.7 [%]	7	33.1	142
Gemeente	Maashorst	80	98.3 [%]	90.7 [%]	2	18.3	118
Gemeente	Maashorst	Totaal	98.3 [%]	90.7 [%]	2	18.3	118
Gemeente	Maassluis	80	100.0 [%]	100.0 [%]	0	0.2	5
Gemeente	Maassluis	Totaal	100.0 [%]	100.0 [%]	0	0.2	5
Gemeente	Maastricht	70	85.7 [%]	87.0 [%]	2	1.8	7
Gemeente	Maastricht	80	100.0 [%]	100.0 [%]	0	2.5	16
Gemeente	Maastricht	Totaal	95.7 [%]	94.5 [%]	2	4.3	23
Gemeente	Medemblik	80	98.2 [%]	93.2 [%]	1	7.3	55
Gemeente	Medemblik	Totaal	98.2 [%]	93.2 [%]	1	7.3	55
Gemeente	Meerssen	80	100.0 [%]	100.0 [%]	0	1.5	15
Gemeente	Meerssen	Totaal	100.0 [%]	100.0 [%]	0	1.5	15
Gemeente	Meierijstad	70	97.6 [%]	80.1 [%]	1	5.9	42
Gemeente	Meierijstad	80	100.0 [%]	100.0 [%]	0	14.0	49
Gemeente	Meierijstad	Totaal	98.9 [%]	94.1 [%]	1	19.9	91
Gemeente	Meppel	80	91.3 [%]	98.6 [%]	2	10.4	23
Gemeente	Meppel	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Meppel	Totaal	91.7 [%]	98.6 [%]	2	10.4	24
Gemeente	Middelburg	70	100.0 [%]	100.0 [%]	0	0.5	4
Gemeente	Middelburg	Totaal	100.0 [%]	100.0 [%]	0	0.5	4
Gemeente	Midden-Delfland	80	100.0 [%]	100.0 [%]	0	1.5	12
Gemeente	Midden-Delfland	Totaal	100.0 [%]	100.0 [%]	0	1.5	12
Gemeente	Midden-Drenthe	80	92.3 [%]	84.8 [%]	12	73.9	168
Gemeente	Midden-Drenthe	Totaal	92.3 [%]	84.8 [%]	12	73.9	168
Gemeente	Midden-Groningen	70	100.0 [%]	100.0 [%]	0	0.2	1
Gemeente	Midden-Groningen	80	98.0 [%]	96.7 [%]	1	19.2	50
Gemeente	Midden-Groningen	Totaal	98.0 [%]	96.8 [%]	1	19.3	51
Gemeente	Moerdijk	80	97.8 [%]	98.2 [%]	3	18.3	179
Gemeente	Moerdijk	100	100.0 [%]	100.0 [%]	0	2.0	2
Gemeente	Moerdijk	Totaal	97.8 [%]	98.3 [%]	3	20.3	181
Gemeente	Molenlanden	80	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Molenlanden	Totaal	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Montferland	80	97.6 [%]	93.3 [%]	1	9.9	83
Gemeente	Montferland	Totaal	97.6 [%]	93.3 [%]	1	9.9	83
Gemeente	Montfoort	80	100.0 [%]	100.0 [%]	0	0.0	3
Gemeente	Montfoort	Totaal	100.0 [%]	100.0 [%]	0	0.0	3
Gemeente	Neder-Betuwe	80	98.8 [%]	99.8 [%]	2	13.2	86
Gemeente	Neder-Betuwe	Totaal	98.8 [%]	99.8 [%]	2	13.2	86
Gemeente	Nederweert	80	97.9 [%]	95.5 [%]	9	197.6	474
Gemeente	Nederweert	Totaal	97.9 [%]	95.5 [%]	9	197.6	474
Gemeente	Nieuwegein	70	100.0 [%]	100.0 [%]	0	0.4	4
Gemeente	Nieuwegein	80	96.3 [%]	96.6 [%]	1	2.7	27
Gemeente	Nieuwegein	Totaal	96.8 [%]	97.0 [%]	1	3.1	31
Gemeente	Nieuwkoop	80	100.0 [%]	100.0 [%]	0	4.5	9
Gemeente	Nieuwkoop	Totaal	100.0 [%]	100.0 [%]	0	4.5	9
Gemeente	Nijkerk	80	100.0 [%]	100.0 [%]	0	2.6	14
Gemeente	Nijkerk	Totaal	100.0 [%]	100.0 [%]	0	2.6	14
Gemeente	Nijmegen	70	100.0 [%]	100.0 [%]	0	0.7	5
Gemeente	Nijmegen	80	100.0 [%]	100.0 [%]	0	8.9	89
Gemeente	Nijmegen	100	100.0 [%]	100.0 [%]	0	1.4	4
Gemeente	Nijmegen	Totaal	100.0 [%]	100.0 [%]	0	11.0	98
Gemeente	Nissewaard	70	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Nissewaard	80	87.1 [%]	85.7 [%]	2	3.8	31
Gemeente	Nissewaard	Totaal	87.9 [%]	85.9 [%]	2	3.9	33
Gemeente	Noardeast-Fryslân	80	98.2 [%]	98.5 [%]	0	259.7	561
Gemeente	Noardeast-Fryslân	Totaal	98.2 [%]	98.5 [%]	0	259.7	561
Gemeente	Noordenveld	80	93.8 [%]	84.7 [%]	2	8.1	32
Gemeente	Noordenveld	Totaal	93.8 [%]	84.7 [%]	2	8.1	32
Gemeente	Noordoostpolder	70	0.0 [%]	0.0 [%]	1	0.6	2
Gemeente	Noordoostpolder	80	91.2 [%]	83.1 [%]	12	141.6	193
Gemeente	Noordoostpolder	Totaal	90.3 [%]	82.8 [%]	13	142.2	195
Gemeente	Noordwijk	80	100.0 [%]	100.0 [%]	0	0.3	13
Gemeente	Noordwijk	Totaal	100.0 [%]	100.0 [%]	0	0.3	13
Gemeente	Nuenen, Gerwen en Nederwetten	80	89.2 [%]	86.3 [%]	0	10.1	83
Gemeente	Nuenen, Gerwen en Nederwetten	Totaal	89.2 [%]	86.3 [%]	0	10.1	83
Gemeente	Nunspeet	80	60.0 [%]	30.5 [%]	3	2.1	5
Gemeente	Nunspeet	Totaal	60.0 [%]	30.5 [%]	3	2.1	5
Gemeente	Oegstgeest	80	100.0 [%]	100.0 [%]	0	2.7	11
Gemeente	Oegstgeest	Totaal	100.0 [%]	100.0 [%]	0	2.7	11
Gemeente	Oirschot	80	95.4 [%]	82.9 [%]	3	10.8	65
Gemeente	Oirschot	100	100.0 [%]	100.0 [%]	0	0.7	1
Gemeente	Oirschot	Totaal	95.5 [%]	83.9 [%]	3	11.5	66
Gemeente	Oisterwijk	80	83.3 [%]	79.3 [%]	3	2.4	6
Gemeente	Oisterwijk	Totaal	83.3 [%]	79.3 [%]	3	2.4	6
Gemeente	Oldambt	80	94.0 [%]	92.0 [%]	6	74.8	117
Gemeente	Oldambt	Totaal	94.0 [%]	92.0 [%]	6	74.8	117
Gemeente	Oldebroek	80	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Oldebroek	Totaal	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Oldenzaal	80	100.0 [%]	100.0 [%]	0	0.3	9
Gemeente	Oldenzaal	Totaal	100.0 [%]	100.0 [%]	0	0.3	9
Gemeente	Olst-Wijhe	80	100.0 [%]	100.0 [%]	0	6.6	25
Gemeente	Olst-Wijhe	Totaal	100.0 [%]	100.0 [%]	0	6.6	25
Gemeente	Ommen	80	100.0 [%]	100.0 [%]	0	7.0	26
Gemeente	Ommen	Totaal	100.0 [%]	100.0 [%]	0	7.0	26
Gemeente	Oost Gelre	80	100.0 [%]	100.0 [%]	0	3.2	24
Gemeente	Oost Gelre	Totaal	100.0 [%]	100.0 [%]	0	3.2	24
Gemeente	Oosterhout	80	98.2 [%]	99.8 [%]	0	28.5	110
Gemeente	Oosterhout	Totaal	98.2 [%]	99.8 [%]	0	28.5	110
Gemeente	Ooststellingwerf	70	100.0 [%]	100.0 [%]	0	0.7	2
Gemeente	Ooststellingwerf	80	97.9 [%]	99.1 [%]	1	20.0	47
Gemeente	Ooststellingwerf	Totaal	98.0 [%]	99.2 [%]	1	20.7	49
Gemeente	Oostzaan	70	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Oostzaan	80	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Oostzaan	Totaal	100.0 [%]	100.0 [%]	0	0.3	5
Gemeente	Opmeer	80	100.0 [%]	100.0 [%]	0	0.3	10
Gemeente	Opmeer	Totaal	100.0 [%]	100.0 [%]	0	0.3	10
Gemeente	Opsterland	80	96.4 [%]	99.1 [%]	2	25.5	55
Gemeente	Opsterland	Totaal	96.4 [%]	99.1 [%]	2	25.5	55
Gemeente	Oss	70	85.7 [%]	87.6 [%]	2	1.1	7
Gemeente	Oss	80	94.9 [%]	91.5 [%]	5	17.7	98
Gemeente	Oss	Totaal	94.3 [%]	91.3 [%]	7	18.8	105
Gemeente	Oude IJsselstreek	80	94.1 [%]	94.8 [%]	1	4.6	34
Gemeente	Oude IJsselstreek	Totaal	94.1 [%]	94.8 [%]	1	4.6	34
Gemeente	Ouder-Amstel	80	92.9 [%]	68.7 [%]	1	2.3	14
Gemeente	Ouder-Amstel	Totaal	92.9 [%]	68.7 [%]	1	2.3	14
Gemeente	Oudewater	80	100.0 [%]	100.0 [%]	0	1.0	4
Gemeente	Oudewater	Totaal	100.0 [%]	100.0 [%]	0	1.0	4
Gemeente	Overbetuwe	80	100.0 [%]	100.0 [%]	0	5.0	23
Gemeente	Overbetuwe	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Overbetuwe	Totaal	100.0 [%]	100.0 [%]	0	5.0	24
Gemeente	Papendrecht	80	40.0 [%]	16.1 [%]	3	0.7	5
Gemeente	Papendrecht	Totaal	40.0 [%]	16.1 [%]	3	0.7	5
Gemeente	Peel en Maas	80	89.7 [%]	74.6 [%]	3	7.5	39
Gemeente	Peel en Maas	Totaal	89.7 [%]	74.6 [%]	3	7.5	39
Gemeente	Pekela	80	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Pekela	Totaal	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Pijnacker-Nootdorp	80	84.6 [%]	95.5 [%]	1	1.5	13
Gemeente	Pijnacker-Nootdorp	Totaal	84.6 [%]	95.5 [%]	1	1.5	13
Gemeente	Purmerend	80	100.0 [%]	100.0 [%]	0	2.1	30
Gemeente	Purmerend	Totaal	100.0 [%]	100.0 [%]	0	2.1	30
Gemeente	Putten	80	100.0 [%]	100.0 [%]	0	1.3	7
Gemeente	Putten	Totaal	100.0 [%]	100.0 [%]	0	1.3	7
Gemeente	Raalte	80	100.0 [%]	100.0 [%]	0	3.0	21
Gemeente	Raalte	Totaal	100.0 [%]	100.0 [%]	0	3.0	21
Gemeente	Reimerswaal	70	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Reimerswaal	80	83.3 [%]	79.0 [%]	2	2.5	18
Gemeente	Reimerswaal	Totaal	84.2 [%]	79.2 [%]	2	2.5	19
Gemeente	Renkum	80	93.8 [%]	95.4 [%]	1	2.1	16
Gemeente	Renkum	Totaal	93.8 [%]	95.4 [%]	1	2.1	16
Gemeente	Renswoude	80	94.1 [%]	92.3 [%]	1	4.3	17
Gemeente	Renswoude	Totaal	94.1 [%]	92.3 [%]	1	4.3	17
Gemeente	Reusel-De Mierden	80	100.0 [%]	100.0 [%]	0	1.3	7
Gemeente	Reusel-De Mierden	Totaal	100.0 [%]	100.0 [%]	0	1.3	7
Gemeente	Rheden	80	100.0 [%]	100.0 [%]	0	1.9	10
Gemeente	Rheden	100	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Rheden	Totaal	100.0 [%]	100.0 [%]	0	2.0	11
Gemeente	Rhenen	80	76.0 [%]	85.1 [%]	3	2.2	25
Gemeente	Rhenen	Totaal	76.0 [%]	85.1 [%]	3	2.2	25
Gemeente	Ridderkerk	80	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Ridderkerk	Totaal	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Rijssen-Holten	80	100.0 [%]	100.0 [%]	0	0.3	1
Gemeente	Rijssen-Holten	Totaal	100.0 [%]	100.0 [%]	0	0.3	1
Gemeente	Rijswijk	80	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Rijswijk	Totaal	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Roerdalen	80	97.2 [%]	85.8 [%]	1	8.2	36
Gemeente	Roerdalen	Totaal	97.2 [%]	85.8 [%]	1	8.2	36
Gemeente	Roermond	70	0.0 [%]	0.0 [%]	1	0.5	2
Gemeente	Roermond	80	97.6 [%]	95.6 [%]	1	8.4	42
Gemeente	Roermond	Totaal	93.2 [%]	90.5 [%]	2	8.8	44
Gemeente	Roosendaal	80	94.3 [%]	87.2 [%]	4	18.9	87
Gemeente	Roosendaal	Totaal	94.3 [%]	87.2 [%]	4	18.9	87
Gemeente	Rotterdam	80	95.9 [%]	91.6 [%]	28	143.3	906
Gemeente	Rotterdam	Totaal	95.9 [%]	91.6 [%]	28	143.3	906
Gemeente	Rozendaal	80	100.0 [%]	100.0 [%]	0	0.7	2
Gemeente	Rozendaal	Totaal	100.0 [%]	100.0 [%]	0	0.7	2
Gemeente	Rucphen	70	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Rucphen	80	100.0 [%]	100.0 [%]	0	2.2	16
Gemeente	Rucphen	Totaal	100.0 [%]	100.0 [%]	0	2.3	17
Gemeente	Schagen	80	100.0 [%]	100.0 [%]	0	5.9	27
Gemeente	Schagen	Totaal	100.0 [%]	100.0 [%]	0	5.9	27
Gemeente	Scherpenzeel	80	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Scherpenzeel	Totaal	100.0 [%]	100.0 [%]	0	0.2	4
Gemeente	Schouwen-Duiveland	80	100.0 [%]	100.0 [%]	0	0.9	12
Gemeente	Schouwen-Duiveland	Totaal	100.0 [%]	100.0 [%]	0	0.9	12
Gemeente	Simpelveld	80	100.0 [%]	100.0 [%]	0	23.2	91
Gemeente	Simpelveld	Totaal	100.0 [%]	100.0 [%]	0	23.2	91
Gemeente	Sint-Michielsgestel	80	100.0 [%]	100.0 [%]	0	1.2	3
Gemeente	Sint-Michielsgestel	Totaal	100.0 [%]	100.0 [%]	0	1.2	3
Gemeente	Sittard-Geleen	70	100.0 [%]	100.0 [%]	0	0.2	6
Gemeente	Sittard-Geleen	80	96.4 [%]	95.7 [%]	4	38.5	140
Gemeente	Sittard-Geleen	100	100.0 [%]	100.0 [%]	0	0.2	3
Gemeente	Sittard-Geleen	Totaal	96.6 [%]	95.8 [%]	4	38.9	149
Gemeente	Sliedrecht	80	100.0 [%]	100.0 [%]	0	0.1	5
Gemeente	Sliedrecht	Totaal	100.0 [%]	100.0 [%]	0	0.1	5
Gemeente	Sluis	80	92.9 [%]	96.6 [%]	0	2.9	14
Gemeente	Sluis	Totaal	92.9 [%]	96.6 [%]	0	2.9	14
Gemeente	Smallingerland	80	100.0 [%]	100.0 [%]	0	5.2	22
Gemeente	Smallingerland	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Smallingerland	Totaal	100.0 [%]	100.0 [%]	0	5.2	23
Gemeente	Soest	80	89.3 [%]	86.6 [%]	3	7.4	28
Gemeente	Soest	Totaal	89.3 [%]	86.6 [%]	3	7.4	28
Gemeente	Someren	80	98.0 [%]	97.6 [%]	4	60.6	204
Gemeente	Someren	Totaal	98.0 [%]	97.6 [%]	4	60.6	204
Gemeente	Son en Breugel	80	94.7 [%]	90.6 [%]	1	3.0	19
Gemeente	Son en Breugel	Totaal	94.7 [%]	90.6 [%]	1	3.0	19
Gemeente	Stadskanaal	80	96.4 [%]	95.9 [%]	10	164.5	332
Gemeente	Stadskanaal	Totaal	96.4 [%]	95.9 [%]	10	164.5	332
Gemeente	Staphorst	80	100.0 [%]	100.0 [%]	0	0.3	2
Gemeente	Staphorst	100	100.0 [%]	100.0 [%]	0	0.0	1
Gemeente	Staphorst	Totaal	100.0 [%]	100.0 [%]	0	0.3	3
Gemeente	Stede Broec	80	82.4 [%]	90.7 [%]	2	2.0	17
Gemeente	Stede Broec	Totaal	82.4 [%]	90.7 [%]	2	2.0	17
Gemeente	Steenbergen	80	100.0 [%]	100.0 [%]	0	21.0	100
Gemeente	Steenbergen	Totaal	100.0 [%]	100.0 [%]	0	21.0	100
Gemeente	Steenwijkerland	80	91.7 [%]	72.8 [%]	2	11.5	36
Gemeente	Steenwijkerland	Totaal	91.7 [%]	72.8 [%]	2	11.5	36
Gemeente	Stein	80	100.0 [%]	100.0 [%]	0	11.8	117
Gemeente	Stein	Totaal	100.0 [%]	100.0 [%]	0	11.8	117
Gemeente	Stichtse Vecht	80	96.3 [%]	88.0 [%]	2	7.2	27
Gemeente	Stichtse Vecht	Totaal	96.3 [%]	88.0 [%]	2	7.2	27
Gemeente	Súdwest-Fryslân	70	100.0 [%]	100.0 [%]	0	4.0	16
Gemeente	Súdwest-Fryslân	80	96.8 [%]	94.6 [%]	0	64.0	281
Gemeente	Súdwest-Fryslân	Totaal	97.0 [%]	94.9 [%]	0	68.0	297
Gemeente	Terneuzen	70	100.0 [%]	100.0 [%]	0	0.5	11
Gemeente	Terneuzen	80	100.0 [%]	100.0 [%]	0	1.5	19
Gemeente	Terneuzen	Totaal	100.0 [%]	100.0 [%]	0	2.0	30
Gemeente	Terschelling	80	88.8 [%]	87.1 [%]	14	35.6	116
Gemeente	Terschelling	Totaal	88.8 [%]	87.1 [%]	14	35.6	116
Gemeente	Texel	80	96.0 [%]	89.3 [%]	6	11.1	100
Gemeente	Texel	Totaal	96.0 [%]	89.3 [%]	6	11.1	100
Gemeente	Teylingen	80	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Teylingen	Totaal	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Tholen	80	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Tholen	Totaal	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Tiel	80	100.0 [%]	100.0 [%]	0	3.1	50
Gemeente	Tiel	Totaal	100.0 [%]	100.0 [%]	0	3.1	50
Gemeente	Tilburg	70	100.0 [%]	100.0 [%]	0	0.9	3
Gemeente	Tilburg	80	96.9 [%]	94.2 [%]	4	56.1	225
Gemeente	Tilburg	100	100.0 [%]	100.0 [%]	0	2.2	8
Gemeente	Tilburg	Totaal	97.0 [%]	94.5 [%]	4	59.2	236
Gemeente	Tubbergen	80	95.8 [%]	96.0 [%]	3	11.7	48
Gemeente	Tubbergen	Totaal	95.8 [%]	96.0 [%]	3	11.7	48
Gemeente	Twenterand	70	100.0 [%]	100.0 [%]	0	0.4	3
Gemeente	Twenterand	80	92.9 [%]	72.0 [%]	3	9.6	28
Gemeente	Twenterand	100	100.0 [%]	100.0 [%]	0	0.8	2
Gemeente	Twenterand	Totaal	93.9 [%]	75.0 [%]	3	10.7	33
Gemeente	Tynaarlo	80	93.3 [%]	89.3 [%]	2	6.7	30
Gemeente	Tynaarlo	Totaal	93.3 [%]	89.3 [%]	2	6.7	30
Gemeente	Tytsjerksteradiel	80	99.3 [%]	98.6 [%]	1	60.2	153
Gemeente	Tytsjerksteradiel	Totaal	99.3 [%]	98.6 [%]	1	60.2	153
Gemeente	Uitgeest	80	100.0 [%]	100.0 [%]	0	1.1	2
Gemeente	Uitgeest	Totaal	100.0 [%]	100.0 [%]	0	1.1	2
Gemeente	Uithoorn	80	100.0 [%]	100.0 [%]	0	1.9	13
Gemeente	Uithoorn	Totaal	100.0 [%]	100.0 [%]	0	1.9	13
Gemeente	Urk	70	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Urk	80	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Urk	Totaal	100.0 [%]	100.0 [%]	0	0.2	5
Gemeente	Utrecht	70	96.6 [%]	92.8 [%]	0	4.9	29
Gemeente	Utrecht	80	89.7 [%]	75.3 [%]	5	3.9	39
Gemeente	Utrecht	Totaal	92.6 [%]	85.0 [%]	5	8.8	68
Gemeente	Utrechtse Heuvelrug	80	93.4 [%]	84.6 [%]	5	18.4	61
Gemeente	Utrechtse Heuvelrug	Totaal	93.4 [%]	84.6 [%]	5	18.4	61
Gemeente	Vaals	80	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Vaals	Totaal	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Valkenburg aan de Geul	80	100.0 [%]	100.0 [%]	0	7.0	30
Gemeente	Valkenburg aan de Geul	Totaal	100.0 [%]	100.0 [%]	0	7.0	30
Gemeente	Valkenswaard	80	96.3 [%]	90.6 [%]	1	6.8	27
Gemeente	Valkenswaard	Totaal	96.3 [%]	90.6 [%]	1	6.8	27
Gemeente	Veendam	70	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Veendam	80	94.2 [%]	83.3 [%]	4	31.8	52
Gemeente	Veendam	Totaal	94.6 [%]	83.4 [%]	4	31.9	56
Gemeente	Veenendaal	80	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Veenendaal	Totaal	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Veere	80	96.8 [%]	93.6 [%]	1	1.6	31
Gemeente	Veere	Totaal	96.8 [%]	93.6 [%]	1	1.6	31
Gemeente	Veldhoven	70	86.7 [%]	71.0 [%]	1	2.1	15
Gemeente	Veldhoven	80	96.4 [%]	97.6 [%]	2	24.6	112
Gemeente	Veldhoven	Totaal	95.3 [%]	95.5 [%]	3	26.7	127
Gemeente	Velsen	70	100.0 [%]	100.0 [%]	0	1.7	1
Gemeente	Velsen	80	100.0 [%]	100.0 [%]	0	2.0	9
Gemeente	Velsen	Totaal	100.0 [%]	100.0 [%]	0	3.7	10
Gemeente	Venlo	70	100.0 [%]	100.0 [%]	0	0.0	2
Gemeente	Venlo	80	89.2 [%]	88.3 [%]	8	20.0	111
Gemeente	Venlo	Totaal	89.4 [%]	88.4 [%]	8	20.0	113
Gemeente	Venray	80	93.3 [%]	91.4 [%]	3	11.5	45
Gemeente	Venray	Totaal	93.3 [%]	91.4 [%]	3	11.5	45
Gemeente	Vijfheerenlanden	80	100.0 [%]	100.0 [%]	0	0.7	3
Gemeente	Vijfheerenlanden	Totaal	100.0 [%]	100.0 [%]	0	0.7	3
Gemeente	Vlaardingen	80	76.5 [%]	90.6 [%]	3	2.7	17
Gemeente	Vlaardingen	Totaal	76.5 [%]	90.6 [%]	3	2.7	17
Gemeente	Vlieland	80	100.0 [%]	100.0 [%]	0	0.3	1
Gemeente	Vlieland	Totaal	100.0 [%]	100.0 [%]	0	0.3	1
Gemeente	Vlissingen	70	100.0 [%]	100.0 [%]	0	1.3	3
Gemeente	Vlissingen	80	100.0 [%]	100.0 [%]	0	0.1	5
Gemeente	Vlissingen	Totaal	100.0 [%]	100.0 [%]	0	1.4	8
Gemeente	Voerendaal	70	100.0 [%]	100.0 [%]	0	0.9	1
Gemeente	Voerendaal	80	100.0 [%]	100.0 [%]	0	4.6	27
Gemeente	Voerendaal	100	100.0 [%]	100.0 [%]	0	0.1	1
Gemeente	Voerendaal	Totaal	100.0 [%]	100.0 [%]	0	5.6	29
Gemeente	Voorne aan Zee	80	100.0 [%]	100.0 [%]	0	4.3	32
Gemeente	Voorne aan Zee	Totaal	100.0 [%]	100.0 [%]	0	4.3	32
Gemeente	Voorschoten	80	100.0 [%]	100.0 [%]	0	4.7	23
Gemeente	Voorschoten	Totaal	100.0 [%]	100.0 [%]	0	4.7	23
Gemeente	Voorst	80	95.9 [%]	93.1 [%]	3	6.9	49
Gemeente	Voorst	Totaal	95.9 [%]	93.1 [%]	3	6.9	49
Gemeente	Vught	80	95.0 [%]	98.5 [%]	1	1.7	20
Gemeente	Vught	100	100.0 [%]	100.0 [%]	0	0.9	1
Gemeente	Vught	Totaal	95.2 [%]	99.0 [%]	1	2.5	21
Gemeente	Waadhoeke	70	100.0 [%]	100.0 [%]	0	1.2	13
Gemeente	Waadhoeke	80	95.7 [%]	89.8 [%]	8	50.1	164
Gemeente	Waadhoeke	Totaal	96.0 [%]	90.1 [%]	8	51.3	177
Gemeente	Waalre	80	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Waalre	Totaal	100.0 [%]	100.0 [%]	0	0.1	4
Gemeente	Waalwijk	70	100.0 [%]	100.0 [%]	0	0.8	2
Gemeente	Waalwijk	80	100.0 [%]	100.0 [%]	0	6.3	31
Gemeente	Waalwijk	Totaal	100.0 [%]	100.0 [%]	0	7.1	33
Gemeente	Waddinxveen	80	100.0 [%]	100.0 [%]	0	2.3	19
Gemeente	Waddinxveen	Totaal	100.0 [%]	100.0 [%]	0	2.3	19
Gemeente	Wageningen	80	33.3 [%]	4.1 [%]	2	0.3	3
Gemeente	Wageningen	Totaal	33.3 [%]	4.1 [%]	2	0.3	3
Gemeente	Wassenaar	80	100.0 [%]	100.0 [%]	0	5.3	20
Gemeente	Wassenaar	Totaal	100.0 [%]	100.0 [%]	0	5.3	20
Gemeente	Waterland	80	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Waterland	Totaal	100.0 [%]	100.0 [%]	0	0.3	4
Gemeente	Weert	80	97.1 [%]	96.6 [%]	2	21.1	70
Gemeente	Weert	Totaal	97.1 [%]	96.6 [%]	2	21.1	70
Gemeente	West Betuwe	80	100.0 [%]	100.0 [%]	0	8.4	46
Gemeente	West Betuwe	Totaal	100.0 [%]	100.0 [%]	0	8.4	46
Gemeente	West Maas en Waal	80	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	West Maas en Waal	Totaal	100.0 [%]	100.0 [%]	0	0.1	2
Gemeente	Westerkwartier	70	100.0 [%]	100.0 [%]	0	2.2	5
Gemeente	Westerkwartier	80	97.7 [%]	93.3 [%]	4	92.7	172
Gemeente	Westerkwartier	Totaal	97.7 [%]	93.5 [%]	4	95.0	177
Gemeente	Westerveld	70	100.0 [%]	100.0 [%]	0	0.0	3
Gemeente	Westerveld	80	100.0 [%]	100.0 [%]	0	0.9	19
Gemeente	Westerveld	Totaal	100.0 [%]	100.0 [%]	0	0.9	22
Gemeente	Westervoort	80	100.0 [%]	100.0 [%]	0	0.7	1
Gemeente	Westervoort	Totaal	100.0 [%]	100.0 [%]	0	0.7	1
Gemeente	Westerwolde	80	97.6 [%]	97.0 [%]	15	314.2	666
Gemeente	Westerwolde	Totaal	97.6 [%]	97.0 [%]	15	314.2	666
Gemeente	Westland	80	98.0 [%]	98.9 [%]	1	7.5	49
Gemeente	Westland	Totaal	98.0 [%]	98.9 [%]	1	7.5	49
Gemeente	Weststellingwerf	70	100.0 [%]	100.0 [%]	0	2.0	4
Gemeente	Weststellingwerf	80	98.1 [%]	99.6 [%]	1	20.0	53
Gemeente	Weststellingwerf	Totaal	98.2 [%]	99.6 [%]	1	21.9	57
Gemeente	Wierden	80	97.1 [%]	88.8 [%]	1	5.7	34
Gemeente	Wierden	Totaal	97.1 [%]	88.8 [%]	1	5.7	34
Gemeente	Wijchen	80	98.2 [%]	99.4 [%]	1	21.4	55
Gemeente	Wijchen	Totaal	98.2 [%]	99.4 [%]	1	21.4	55
Gemeente	Wijdemeren	80	100.0 [%]	100.0 [%]	0	6.4	10
Gemeente	Wijdemeren	Totaal	100.0 [%]	100.0 [%]	0	6.4	10
Gemeente	Wijk bij Duurstede	80	100.0 [%]	100.0 [%]	0	1.0	4
Gemeente	Wijk bij Duurstede	Totaal	100.0 [%]	100.0 [%]	0	1.0	4
Gemeente	Winterswijk	80	100.0 [%]	100.0 [%]	0	0.2	2
Gemeente	Winterswijk	Totaal	100.0 [%]	100.0 [%]	0	0.2	2
Gemeente	Woensdrecht	80	100.0 [%]	100.0 [%]	0	11.5	37
Gemeente	Woensdrecht	Totaal	100.0 [%]	100.0 [%]	0	11.5	37
Gemeente	Woerden	80	94.1 [%]	52.8 [%]	1	3.8	17
Gemeente	Woerden	Totaal	94.1 [%]	52.8 [%]	1	3.8	17
Gemeente	Woudenberg	80	93.8 [%]	93.2 [%]	1	2.0	16
Gemeente	Woudenberg	Totaal	93.8 [%]	93.2 [%]	1	2.0	16
Gemeente	Zaanstad	70	90.0 [%]	89.2 [%]	1	1.4	10
Gemeente	Zaanstad	80	100.0 [%]	100.0 [%]	0	4.2	12
Gemeente	Zaanstad	Totaal	95.5 [%]	97.4 [%]	1	5.5	22
Gemeente	Zaltbommel	80	98.1 [%]	98.8 [%]	2	52.4	155
Gemeente	Zaltbommel	Totaal	98.1 [%]	98.8 [%]	2	52.4	155
Gemeente	Zeewolde	70	100.0 [%]	100.0 [%]	0	2.6	11
Gemeente	Zeewolde	80	80.5 [%]	76.5 [%]	30	116.5	133
Gemeente	Zeewolde	100	100.0 [%]	100.0 [%]	0	0.1	3
Gemeente	Zeewolde	Totaal	82.3 [%]	77.0 [%]	30	119.3	147
Gemeente	Zeist	80	90.9 [%]	68.9 [%]	3	4.2	33
Gemeente	Zeist	Totaal	90.9 [%]	68.9 [%]	3	4.2	33
Gemeente	Zevenaar	80	100.0 [%]	100.0 [%]	0	7.0	34
Gemeente	Zevenaar	Totaal	100.0 [%]	100.0 [%]	0	7.0	34
Gemeente	Zoetermeer	70	100.0 [%]	100.0 [%]	0	1.0	3
Gemeente	Zoetermeer	80	100.0 [%]	100.0 [%]	0	0.3	5
Gemeente	Zoetermeer	Totaal	100.0 [%]	100.0 [%]	0	1.3	8
Gemeente	Zuidplas	80	100.0 [%]	100.0 [%]	0	5.7	51
Gemeente	Zuidplas	Totaal	100.0 [%]	100.0 [%]	0	5.7	51
Gemeente	Zundert	80	96.6 [%]	95.3 [%]	5	68.0	178
Gemeente	Zundert	Totaal	96.6 [%]	95.3 [%]	5	68.0	178
Gemeente	Zutphen	80	97.1 [%]	84.3 [%]	1	11.1	34
Gemeente	Zutphen	Totaal	97.1 [%]	84.3 [%]	1	11.1	34
Gemeente	Zwartewaterland	80	100.0 [%]	100.0 [%]	0	4.3	35
Gemeente	Zwartewaterland	Totaal	100.0 [%]	100.0 [%]	0	4.3	35
Gemeente	Zwijndrecht	80	100.0 [%]	100.0 [%]	0	0.2	9
Gemeente	Zwijndrecht	Totaal	100.0 [%]	100.0 [%]	0	0.2	9
Gemeente	Zwolle	70	100.0 [%]	100.0 [%]	0	2.4	18
Gemeente	Zwolle	80	90.9 [%]	90.3 [%]	5	6.4	44
Gemeente	Zwolle	Totaal	93.5 [%]	92.9 [%]	5	8.7	62

6.3 Benchmarks provincies per limiet categorie

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 70, 80 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.

Ten slotte is het mogelijk de grafiek op te slaan als een afbeelding (bestandstype png). Door de grafiek met de muis aan te wijzen verschijnt er een subtiele menubalk die de optie biedt de benchmark als een png te downloaden.

# 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 = 900) %>% #list(color = c('blue', 'purple')) 
  layout(
    # titeel initiele grafiek met object limiet
    title = list(text = paste("Kenmerkscore afwezigheid oversteekplaatsen bij limiet", limiet, "voor", "te selecteren wegbeheerder", "vs. landelijk.", "\n", 
                              "Selecteer de wegbeheerder uit de 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 =50, t = 50), # 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 oversteekplaatsen`[i], landelijke_score_limiet))),  # Update x and y scores_wegbeheerder_limiet
              list(title = paste("Kenmerkscore afwezigheid oversteekplaatsen bij limiet", limiet, "voor", groepskeuzen_wegbeheerder_limiet[i], "vs. landelijk")) # Dynamic title update
            ),
            label = groepskeuzen_wegbeheerder_limiet[i]
          )
        })
      )
    )
  )
}

# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[4]

# data per provincie per limiet
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_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]))

Benchmark 70 km/u

# 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

Benchmark 80 km/u

# 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

Benchmark 100 km/u

# 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

Benchmark Totaal

# 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_prov

6.4 Benchmarks gemeenten per limiet categorie

In 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 70, 80 en 100 km/uur apart.

Let op, er worden pas scores getoond na het maken van een eerste keuze.

# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[4]

# data per provincie per limiet
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_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]))

Benchmark 70 km/u

# 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

Benchmark 80 km/u

# 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

Benchmark 100 km/u

# 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

Benchmark Totaal

# 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_gem

6.5 Benchmarks waterschappen per limiet categorie

Let op, er worden pas scores getoond na het maken van een eerste keuze.

# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Afwezigheid oversteekplaatsen`[4]

# data per provincie per limiet
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_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]))

Benchmark 70 km/u

# 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

Benchmark 80 km/u

# 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

Benchmark 100 km/u

# 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

Benchmark Totaal

# 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_wat

6.6 Scores en resultaten SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen op 60 km/u wegen

Op 70, 80 en 100 km/u wegen buiten de bebouwde kom geldt dat o.a. langzaam verkeer oversteken op wegvakken niet zijn toegestaan om conflicten met dit verkeer te voorkomen bij onveilige snelheden van gemotoriseerd verkeer. In voorgaande hoofdstukken hebben we in beeld gebracht, per wegbeheerder en snelheidslimiet, hoeveel oversteekplaatsen er zijn en welk deel van de wegvakken voldoen aan dit kenmerk van de SPI Veilige Infrastructuur.

De afwezigheid van oversteekplaatsen op 60 km/u wegen buiten de bebouwde kom is geen SPI criterium. Echter zijn wegen met een 60 km/u limiet wel wegen met een onveilige botssnelheid voor langzaam verkeer. Fiets- en voetgangersoversteken op deze wegen vragen dus wel aandacht. Daarom brengen we ook voor 60 km/u wegen buiten de bebouwde kom onderstaande eigenschappen in beeld.

Kenmerk afwezigheid oversteekplaatsen: [aantal wegvakken dat voldoet] / [totaal aantal wegvakken]
Score kenmerk naar wegvaklengte: [totale weglengte van de wegvakken die voldoen] / [totale weglengte]
Aantal oversteekplaatsen

nwb_oversteekplaatsen2_60kmpu_totaal <- nwb_oversteekplaatsen2_60kmpu %>%
  st_drop_geometry(.) %>%
  rename(`Wegbeheerder soort` = WEGBEHSRT) %>%
  group_by(`Wegbeheerder soort`) %>%
  summarise(`Aantal oversteekplaatsen` = sum(aantal_oversteekplaatsen),
            Snelheidslimiet = mean(as.numeric(Snelheidslimiet)))

#### landelijke ####
scores_landelijk_60 <- nwb_oversteekplaatsen2_60kmpu %>%
  st_drop_geometry(.) %>%
  rename(`Wegbeheerder soort` = WEGBEHSRT) %>%
  group_by(`Wegbeheerder soort`) %>%
  # bepaal scores
  summarise(#`Wegbeheerder soort` = "Totaal" ,
            Wegbeheerder = "Totaal",
            Snelheidslimiet = mean(as.numeric(Snelheidslimiet)),
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            ) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  ungroup() %>%
  left_join(nwb_oversteekplaatsen2_60kmpu_totaal) %>%
  mutate(`Wegbeheerder soort` = case_when(
    `Wegbeheerder soort` == "G" ~ "Gemeente",
    `Wegbeheerder soort` == "P" ~ "Provincie",
    `Wegbeheerder soort` == "R" ~ "Rijk",
    `Wegbeheerder soort` == "W" ~ "Waterschap",
    .default = "Overig" )) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_landelijk_60)

#### provincies ####

# scores voor het totaal bepalen
scores_provincies_60 <- nwb_oversteekplaatsen2_60kmpu %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "P") %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  # groepeer naar webeheerder
  group_by(Wegbeheerder) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Provincie" ,
            Snelheidslimiet = as.character(mean(as.numeric(Snelheidslimiet))),
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1),
            ) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup() %>%
  left_join(Oversteekplaatsen_per_wegbeheerder_limiet_60, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_provincies_60)

#### gemeenten ####

# scores voor het totaal bepalen
scores_gemeenten_60 <- nwb_oversteekplaatsen2_60kmpu %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "G") %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  # groepeer naar gemeente
  group_by(Wegbeheerder) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Gemeente" ,
            Snelheidslimiet = as.character(mean(as.numeric(Snelheidslimiet))),
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup() %>%
  left_join(Oversteekplaatsen_per_wegbeheerder_limiet_60, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_gemeenten_60)

#### waterschappen ####

# scores voor het totaal bepalen
scores_waterschappen_60 <- nwb_oversteekplaatsen2_60kmpu %>%
  st_drop_geometry(.) %>%
  # selecteer op basis van wegbeheersoort
  filter(WEGBEHSRT == "W") %>%
  dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
  # groepeer naar webeheerder
  group_by(Wegbeheerder) %>%
  # bepaal scores
  summarise(`Wegbeheerder soort` = "Waterschap" ,
            Snelheidslimiet = as.character(mean(as.numeric(Snelheidslimiet))),
            `Score kenmerk Afwezigheid oversteekplaatsen` = sum(oversteekplaatsen_voldoet) / n(),
            `Score kenmerk naar wegvaklengte` = sum(ifelse(oversteekplaatsen_voldoet == 1, wegvaklengte, 0)) / sum(wegvaklengte),
            `Totale weglengte [km]` = round(sum(wegvaklengte) / 1000, 1)) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ set_units(. * 100, "%"))) %>%
  mutate(across(c(`Score kenmerk Afwezigheid oversteekplaatsen`, `Score kenmerk naar wegvaklengte`), ~ round(., 1))) %>%
  relocate(`Wegbeheerder soort`) %>%
  ungroup() %>%
  left_join(Oversteekplaatsen_per_wegbeheerder_limiet_60, by = join_by(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet)) %>%
  mutate(Snelheidslimiet = factor(Snelheidslimiet, levels = c("0","50", "60", "70", "80", "90", "100", "110", "120", "130", "Totaal"))) %>%
  arrange(`Wegbeheerder soort`, Wegbeheerder, Snelheidslimiet) %>%
  mutate(`Aantal oversteekplaatsen` = ifelse(is.na(`Aantal oversteekplaatsen`), 0, `Aantal oversteekplaatsen`)) %>%
  relocate(`Aantal oversteekplaatsen`, .before = `Totale weglengte [km]`)

# head(scores_waterschappen_60)

We tonen daarbij zowel de tabellen als de benchmarks.

6.6.1 Oversteekplaatsen en scores van wegen met een snelheidslimiet van 60 km/uur

In deze paragraaf worden scores en aantallen van fietsoversteken op wegen met een limiet van 60 km/uur getoond per wegbeheerder.

Klik met de muis op de onderstaande tabbladen om de tabellen van de verschillende typen wegbeheerders te tonen. De verschillende tabellen hebben een scrolfunctie.

Landelijk

scroltabel_gt(scores_landelijk_60, title = "SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen per wegbeheerder")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen per wegbeheerder
Gemeente	Totaal	60	96.3 [%]	94.7 [%]	6017	40152.5
Provincie	Totaal	60	95.7 [%]	93.1 [%]	281	1141.3
Overig	Totaal	60	98.7 [%]	96.4 [%]	58	484.1
Waterschap	Totaal	60	97.8 [%]	97.5 [%]	384	4976.0

Waterschappen

scroltabel_gt(scores_waterschappen_60, title = "SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van waterschappen")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van waterschappen
Waterschap	HHS Hollands Noorderkwartier	60	97.9 [%]	98.5 [%]	9	259.6
Waterschap	HHS Schieland en de Krimpenerwaard	60	92.4 [%]	83.9 [%]	12	87.3
Waterschap	Waterschap De Hollandse Delta	60	96.6 [%]	96.6 [%]	80	1084.0
Waterschap	Waterschap Rivierenland	60	98.0 [%]	97.5 [%]	17	385.4
Waterschap	Waterschap Scheldestromen	60	98.3 [%]	98.0 [%]	107	3159.3
Waterschap	Waterschap Vallei en Veluwe	60	100.0 [%]	100.0 [%]	0	0.4
Waterschap	Waterschap West Friesland	60	100.0 [%]	100.0 [%]	0	0.1

Provincies

scroltabel_gt(scores_provincies_60, title = "SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van provincies")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van provincies
Provincie	Drenthe	60	93.4 [%]	93.4 [%]	7	30.2
Provincie	Flevoland	60	88.3 [%]	84.0 [%]	7	22.7
Provincie	Friesland	60	96.5 [%]	92.3 [%]	9	121.8
Provincie	Gelderland	60	95.0 [%]	90.9 [%]	27	156.8
Provincie	Groningen	60	92.4 [%]	89.4 [%]	15	102.2
Provincie	Limburg	60	100.0 [%]	100.0 [%]	0	6.4
Provincie	Noord-Brabant	60	98.8 [%]	97.2 [%]	1	18.8
Provincie	Noord-Holland	60	94.4 [%]	90.9 [%]	17	120.3
Provincie	Overijssel	60	96.1 [%]	96.9 [%]	10	174.6
Provincie	Utrecht	60	96.4 [%]	92.7 [%]	9	89.2
Provincie	Zeeland	60	95.1 [%]	92.5 [%]	15	110.4
Provincie	Zuid-Holland	60	97.8 [%]	96.6 [%]	20	187.8

Gemeenten

scroltabel_gt(scores_gemeenten_60, title = "SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van gemeenten")

Wegbeheerder soort	Wegbeheerder	Snelheidslimiet	Score kenmerk Afwezigheid oversteekplaatsen	Score kenmerk naar wegvaklengte	Aantal oversteekplaatsen	Totale weglengte [km]
SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen, toegepast op 60 wegen van gemeenten
Gemeente	's-Gravenhage	60	95.0 [%]	93.6 [%]	2	1.0
Gemeente	's-Hertogenbosch	60	97.5 [%]	97.6 [%]	11	128.3
Gemeente	Aa en Hunze	60	88.4 [%]	84.4 [%]	54	257.1
Gemeente	Aalburg	60	100.0 [%]	100.0 [%]	0	0.5
Gemeente	Aalsmeer	60	85.7 [%]	97.0 [%]	4	5.6
Gemeente	Aalten	60	96.4 [%]	96.3 [%]	14	213.0
Gemeente	Achtkarspelen	60	97.8 [%]	98.1 [%]	5	132.3
Gemeente	Alblasserdam	60	90.9 [%]	85.9 [%]	1	1.5
Gemeente	Albrandswaard	60	86.1 [%]	84.4 [%]	4	6.3
Gemeente	Alkmaar	60	97.3 [%]	93.3 [%]	5	115.2
Gemeente	Almelo	60	95.5 [%]	94.4 [%]	6	57.7
Gemeente	Almere	60	93.1 [%]	89.6 [%]	14	58.3
Gemeente	Alphen aan den Rijn	60	95.7 [%]	89.8 [%]	12	92.7
Gemeente	Alphen-Chaam	60	92.4 [%]	89.6 [%]	37	179.8
Gemeente	Altena	60	96.2 [%]	94.0 [%]	20	312.7
Gemeente	Ameland	60	96.5 [%]	96.8 [%]	5	55.6
Gemeente	Amersfoort	60	95.0 [%]	97.2 [%]	6	39.3
Gemeente	Amstelveen	60	83.7 [%]	88.7 [%]	13	30.5
Gemeente	Amsterdam	60	96.8 [%]	93.9 [%]	8	55.6
Gemeente	Apeldoorn	60	93.2 [%]	89.8 [%]	60	336.6
Gemeente	Appingedam	60	100.0 [%]	100.0 [%]	0	0.3
Gemeente	Arnhem	60	93.3 [%]	88.1 [%]	8	42.3
Gemeente	Assen	60	94.7 [%]	89.4 [%]	15	91.0
Gemeente	Asten	60	94.2 [%]	90.6 [%]	12	137.6
Gemeente	Baarle-Nassau	60	96.8 [%]	96.4 [%]	17	199.6
Gemeente	Baarn	60	96.1 [%]	87.2 [%]	7	28.8
Gemeente	Barendrecht	60	100.0 [%]	100.0 [%]	0	2.7
Gemeente	Barneveld	60	97.2 [%]	93.6 [%]	26	285.7
Gemeente	Bedum	60	50.0 [%]	79.7 [%]	3	2.9
Gemeente	Beek	60	100.0 [%]	100.0 [%]	0	37.2
Gemeente	Beek en Donk	60	100.0 [%]	100.0 [%]	0	1.2
Gemeente	Beekdaelen	60	97.5 [%]	96.2 [%]	9	65.0
Gemeente	Beesel	60	99.4 [%]	99.4 [%]	1	41.5
Gemeente	Berg en Dal	60	91.2 [%]	84.2 [%]	26	113.9
Gemeente	Bergeijk	60	93.4 [%]	89.2 [%]	30	165.6
Gemeente	Bergen (L.)	60	95.2 [%]	93.3 [%]	20	151.4
Gemeente	Bergen (NH.)	60	96.1 [%]	96.8 [%]	7	61.3
Gemeente	Bergen op Zoom	60	95.6 [%]	93.8 [%]	19	121.8
Gemeente	Berkelland	60	96.2 [%]	96.3 [%]	55	688.8
Gemeente	Bernheze	60	96.9 [%]	95.1 [%]	22	216.9
Gemeente	Best	60	95.9 [%]	95.5 [%]	12	75.7
Gemeente	Beuningen	60	96.5 [%]	96.4 [%]	7	74.2
Gemeente	Beverwijk	60	95.6 [%]	94.4 [%]	2	9.3
Gemeente	Binnenmaas	60	100.0 [%]	100.0 [%]	0	0.2
Gemeente	Bladel	60	91.4 [%]	86.1 [%]	20	104.2
Gemeente	Blaricum	60	91.5 [%]	96.3 [%]	4	5.7
Gemeente	Bloemendaal	60	91.2 [%]	89.7 [%]	3	7.2
Gemeente	Bodegraven-Reeuwijk	60	96.5 [%]	97.0 [%]	6	66.9
Gemeente	Boekel	60	96.5 [%]	93.1 [%]	8	78.5
Gemeente	Borger-Odoorn	60	95.1 [%]	95.9 [%]	33	338.2
Gemeente	Borne	60	97.5 [%]	96.9 [%]	7	61.2
Gemeente	Borsele	60	100.0 [%]	100.0 [%]	0	31.9
Gemeente	Boxtel	60	95.2 [%]	94.8 [%]	17	127.6
Gemeente	Breda	60	98.7 [%]	98.4 [%]	5	170.4
Gemeente	Bronckhorst	60	96.5 [%]	95.3 [%]	43	615.5
Gemeente	Brummen	60	94.8 [%]	88.0 [%]	20	148.3
Gemeente	Brunssum	60	100.0 [%]	100.0 [%]	0	11.2
Gemeente	Bunnik	60	96.5 [%]	94.4 [%]	4	48.9
Gemeente	Bunschoten	60	90.2 [%]	96.6 [%]	7	34.3
Gemeente	Buren	60	98.5 [%]	98.5 [%]	8	276.5
Gemeente	Castricum	60	96.4 [%]	89.8 [%]	0	13.2
Gemeente	Coevorden	60	96.0 [%]	93.8 [%]	23	213.0
Gemeente	Cranendonck	60	94.8 [%]	87.3 [%]	20	118.1
Gemeente	Cuijk	60	100.0 [%]	100.0 [%]	0	0.3
Gemeente	Culemborg	60	96.1 [%]	91.6 [%]	3	39.4
Gemeente	Dalfsen	60	98.1 [%]	97.8 [%]	13	358.6
Gemeente	Dantumadiel	60	97.8 [%]	96.9 [%]	2	113.1
Gemeente	De Bilt	60	92.3 [%]	87.7 [%]	9	34.0
Gemeente	De Fryske Marren	60	96.5 [%]	97.3 [%]	18	364.2
Gemeente	De Ronde Venen	60	98.6 [%]	95.7 [%]	6	131.6
Gemeente	De Wolden	60	96.1 [%]	93.8 [%]	22	344.3
Gemeente	Delft	60	88.2 [%]	95.4 [%]	3	3.2
Gemeente	Den Helder	60	92.3 [%]	84.6 [%]	2	12.7
Gemeente	Deurne	60	98.7 [%]	98.2 [%]	8	285.6
Gemeente	Deventer	60	98.2 [%]	97.7 [%]	17	234.2
Gemeente	Diemen	60	100.0 [%]	100.0 [%]	0	0.8
Gemeente	Dijk en Waard	60	95.2 [%]	96.7 [%]	8	49.3
Gemeente	Dinkelland	60	97.9 [%]	97.2 [%]	16	419.9
Gemeente	Doesburg	60	100.0 [%]	100.0 [%]	0	12.8
Gemeente	Doetinchem	60	97.2 [%]	97.2 [%]	11	142.6
Gemeente	Dongen	60	96.4 [%]	95.2 [%]	2	33.2
Gemeente	Dordrecht	60	91.5 [%]	89.5 [%]	14	49.8
Gemeente	Drechterland	60	96.4 [%]	97.0 [%]	6	61.9
Gemeente	Drimmelen	60	95.5 [%]	95.0 [%]	10	127.9
Gemeente	Dronten	60	92.0 [%]	82.4 [%]	7	39.3
Gemeente	Druten	60	97.9 [%]	96.5 [%]	3	52.1
Gemeente	Duiven	60	96.4 [%]	97.2 [%]	5	49.3
Gemeente	Echt-Susteren	60	98.2 [%]	97.4 [%]	10	181.3
Gemeente	Edam-Volendam	60	100.0 [%]	100.0 [%]	0	1.8
Gemeente	Ede	60	96.3 [%]	92.8 [%]	46	402.5
Gemeente	Eemnes	60	95.8 [%]	95.0 [%]	5	37.5
Gemeente	Eemsdelta	60	97.3 [%]	96.8 [%]	13	305.2
Gemeente	Eemsmond	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Eersel	60	94.5 [%]	90.5 [%]	34	176.1
Gemeente	Eijsden-Margraten	60	97.9 [%]	97.9 [%]	10	140.1
Gemeente	Eindhoven	60	95.7 [%]	96.4 [%]	4	22.5
Gemeente	Elburg	60	95.8 [%]	94.3 [%]	11	93.0
Gemeente	Emmen	60	94.2 [%]	92.3 [%]	36	325.0
Gemeente	Enkhuizen	60	100.0 [%]	100.0 [%]	0	2.0
Gemeente	Enschede	60	96.8 [%]	94.8 [%]	33	272.4
Gemeente	Epe	60	95.4 [%]	92.3 [%]	56	413.1
Gemeente	Ermelo	60	90.4 [%]	81.4 [%]	24	98.7
Gemeente	Etten-Leur	60	96.4 [%]	95.3 [%]	11	98.9
Gemeente	Ferwerderadiel	60	100.0 [%]	100.0 [%]	0	0.7
Gemeente	Geertruidenberg	60	92.9 [%]	93.4 [%]	7	28.0
Gemeente	Geldermalsen	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Geldrop-Mierlo	60	96.2 [%]	99.3 [%]	4	40.5
Gemeente	Gemert-Bakel	60	97.7 [%]	96.0 [%]	13	222.7
Gemeente	Gennep	60	98.4 [%]	98.9 [%]	4	79.4
Gemeente	Gilze en Rijen	60	96.0 [%]	95.3 [%]	11	121.3
Gemeente	Goeree-Overflakkee	60	97.2 [%]	97.8 [%]	7	48.9
Gemeente	Goes	60	97.8 [%]	99.4 [%]	2	17.3
Gemeente	Goirle	60	98.3 [%]	98.7 [%]	2	72.8
Gemeente	Gooise Meren	60	93.3 [%]	85.9 [%]	6	26.0
Gemeente	Gorinchem	60	100.0 [%]	100.0 [%]	0	5.7
Gemeente	Gouda	60	93.8 [%]	85.0 [%]	3	9.7
Gemeente	Grave	60	100.0 [%]	100.0 [%]	0	0.9
Gemeente	Groningen	60	95.1 [%]	95.3 [%]	16	152.5
Gemeente	Gulpen-Wittem	60	97.8 [%]	98.5 [%]	6	88.9
Gemeente	Haaksbergen	60	96.2 [%]	95.2 [%]	25	243.5
Gemeente	Haarlem	60	100.0 [%]	100.0 [%]	0	3.6
Gemeente	Haarlemmermeer	60	91.2 [%]	90.7 [%]	37	159.8
Gemeente	Halderberge	60	98.0 [%]	99.2 [%]	3	126.2
Gemeente	Hardenberg	60	96.5 [%]	97.0 [%]	37	609.3
Gemeente	Harderwijk	60	96.8 [%]	96.5 [%]	5	38.3
Gemeente	Hardinxveld-Giessendam	60	81.8 [%]	79.4 [%]	2	1.3
Gemeente	Haren	60	100.0 [%]	100.0 [%]	0	0.3
Gemeente	Harlingen	60	93.5 [%]	99.2 [%]	2	23.4
Gemeente	Hattem	60	90.1 [%]	80.0 [%]	11	25.4
Gemeente	Heemskerk	60	100.0 [%]	100.0 [%]	0	3.7
Gemeente	Heemstede	60	100.0 [%]	100.0 [%]	0	0.2
Gemeente	Heerde	60	88.7 [%]	84.0 [%]	41	140.8
Gemeente	Heerenveen	60	98.3 [%]	96.5 [%]	11	244.2
Gemeente	Heerlen	60	72.7 [%]	64.3 [%]	2	1.6
Gemeente	Heeze-Leende	60	92.7 [%]	86.1 [%]	25	115.8
Gemeente	Heiloo	60	100.0 [%]	100.0 [%]	0	3.8
Gemeente	Hellendoorn	60	97.0 [%]	95.6 [%]	26	310.5
Gemeente	Hellevoetsluis	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Helmond	60	93.3 [%]	90.7 [%]	9	50.9
Gemeente	Hendrik-Ido-Ambacht	60	100.0 [%]	100.0 [%]	0	1.5
Gemeente	Hengelo OV	60	97.7 [%]	97.0 [%]	10	101.8
Gemeente	Het Hogeland	60	97.2 [%]	95.2 [%]	18	326.4
Gemeente	Heumen	60	93.7 [%]	88.0 [%]	18	83.3
Gemeente	Heusden	60	92.1 [%]	91.8 [%]	18	85.7
Gemeente	Hillegom	60	100.0 [%]	100.0 [%]	0	11.1
Gemeente	Hilvarenbeek	60	95.0 [%]	89.8 [%]	27	182.6
Gemeente	Hilversum	60	91.5 [%]	74.1 [%]	3	12.5
Gemeente	Hoeksche Waard	60	97.3 [%]	98.9 [%]	5	49.9
Gemeente	Hof van Twente	60	98.0 [%]	97.6 [%]	19	403.1
Gemeente	Hollands Kroon	60	98.2 [%]	98.8 [%]	10	419.5
Gemeente	Hoogeveen	60	95.7 [%]	93.7 [%]	23	186.5
Gemeente	Hoorn	60	96.0 [%]	98.6 [%]	2	7.2
Gemeente	Horst aan de Maas	60	97.2 [%]	95.5 [%]	34	449.4
Gemeente	Houten	60	97.8 [%]	95.1 [%]	4	68.5
Gemeente	Huizen	60	70.6 [%]	40.0 [%]	4	3.1
Gemeente	Hulst	60	96.4 [%]	99.7 [%]	1	15.0
Gemeente	IJsselstein	60	97.0 [%]	96.7 [%]	1	19.3
Gemeente	Kaag en Braassem	60	97.4 [%]	98.1 [%]	2	49.6
Gemeente	Kampen	60	99.1 [%]	98.7 [%]	3	161.6
Gemeente	Kapelle	60	100.0 [%]	100.0 [%]	0	6.6
Gemeente	Katwijk	60	100.0 [%]	100.0 [%]	0	14.7
Gemeente	Kerkrade	60	95.0 [%]	99.1 [%]	1	2.7
Gemeente	Koggenland	60	99.2 [%]	97.0 [%]	2	68.2
Gemeente	Kollumerland ca	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Krimpen aan den IJssel	60	85.7 [%]	90.8 [%]	2	1.5
Gemeente	Krimpenerwaard	60	98.6 [%]	99.1 [%]	0	22.6
Gemeente	Laarbeek	60	97.2 [%]	98.1 [%]	12	127.8
Gemeente	Land van Cuijk	60	96.9 [%]	93.8 [%]	48	738.2
Gemeente	Landgraaf	60	95.8 [%]	99.9 [%]	2	2.5
Gemeente	Landsmeer	60	50.0 [%]	19.3 [%]	5	1.2
Gemeente	Langbroek	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Langedijk	60	100.0 [%]	100.0 [%]	0	0.1
Gemeente	Lansingerland	60	89.8 [%]	92.8 [%]	37	64.2
Gemeente	Laren	60	85.2 [%]	55.2 [%]	3	6.4
Gemeente	Leeuwarden	60	96.9 [%]	96.7 [%]	15	228.8
Gemeente	Leiden	60	100.0 [%]	100.0 [%]	0	2.6
Gemeente	Leiderdorp	60	91.7 [%]	72.7 [%]	1	5.1
Gemeente	Leidschendam-Voorburg	60	83.9 [%]	80.3 [%]	14	25.5
Gemeente	Lelystad	60	82.7 [%]	79.5 [%]	8	27.8
Gemeente	Leudal	60	98.2 [%]	97.0 [%]	14	355.4
Gemeente	Leusden	60	91.4 [%]	79.2 [%]	13	39.1
Gemeente	Lingewaard	60	99.3 [%]	97.1 [%]	1	70.1
Gemeente	Lisse	60	97.5 [%]	94.1 [%]	2	18.3
Gemeente	Lochem	60	97.6 [%]	97.1 [%]	24	525.4
Gemeente	Loon op Zand	60	95.9 [%]	95.6 [%]	14	87.2
Gemeente	Lopik	60	94.4 [%]	97.4 [%]	4	32.6
Gemeente	Loppersum	60	100.0 [%]	100.0 [%]	0	0.6
Gemeente	Losser	60	96.4 [%]	95.4 [%]	16	178.1
Gemeente	Maasdriel	60	94.3 [%]	93.0 [%]	6	63.5
Gemeente	Maasgouw	60	98.1 [%]	98.5 [%]	6	96.3
Gemeente	Maashorst	60	95.3 [%]	93.2 [%]	38	271.1
Gemeente	Maassluis	60	71.4 [%]	69.9 [%]	1	0.4
Gemeente	Maastricht	60	95.3 [%]	93.0 [%]	5	33.5
Gemeente	Marum	60	100.0 [%]	100.0 [%]	0	0.5
Gemeente	Medemblik	60	97.2 [%]	96.7 [%]	4	109.0
Gemeente	Meerssen	60	95.8 [%]	94.1 [%]	7	52.3
Gemeente	Meierijstad	60	97.0 [%]	94.6 [%]	46	442.7
Gemeente	Meppel	60	98.6 [%]	99.0 [%]	2	63.0
Gemeente	Middelburg	60	100.0 [%]	100.0 [%]	0	10.6
Gemeente	Midden-Delfland	60	95.8 [%]	94.9 [%]	6	47.5
Gemeente	Midden-Drenthe	60	95.4 [%]	91.3 [%]	40	451.9
Gemeente	Midden-Groningen	60	97.4 [%]	96.2 [%]	12	305.9
Gemeente	Moerdijk	60	97.8 [%]	99.0 [%]	13	241.2
Gemeente	Molenlanden	60	100.0 [%]	100.0 [%]	0	5.7
Gemeente	Montferland	60	97.4 [%]	94.2 [%]	13	213.6
Gemeente	Montfoort	60	97.8 [%]	99.8 [%]	1	20.9
Gemeente	Mook en Middelaar	60	98.6 [%]	97.9 [%]	1	21.3
Gemeente	Neder-Betuwe	60	97.5 [%]	96.4 [%]	9	122.6
Gemeente	Nederweert	60	98.7 [%]	97.1 [%]	3	80.7
Gemeente	Nieuwegein	60	95.9 [%]	97.9 [%]	2	13.7
Gemeente	Nieuwkoop	60	96.3 [%]	94.4 [%]	6	69.4
Gemeente	Nijkerk	60	96.5 [%]	92.8 [%]	11	116.8
Gemeente	Nijmegen	60	95.7 [%]	92.6 [%]	1	6.5
Gemeente	Nissewaard	60	93.0 [%]	91.8 [%]	5	10.1
Gemeente	Noardeast-Fryslan	60	98.0 [%]	96.8 [%]	11	229.2
Gemeente	Noord-Beveland	60	97.0 [%]	95.6 [%]	5	30.6
Gemeente	Noordenveld	60	93.6 [%]	89.8 [%]	29	241.6
Gemeente	Noordoostpolder	60	88.5 [%]	76.9 [%]	42	237.6
Gemeente	Noordwijk	60	96.5 [%]	93.1 [%]	9	66.8
Gemeente	Nuenen, Gerwen en Nederw	60	99.0 [%]	99.4 [%]	2	73.1
Gemeente	Nunspeet	60	92.1 [%]	82.2 [%]	28	128.3
Gemeente	Oegstgeest	60	94.1 [%]	90.8 [%]	2	2.4
Gemeente	Oirschot	60	96.3 [%]	93.5 [%]	17	183.9
Gemeente	Oisterwijk	60	96.3 [%]	95.6 [%]	21	181.2
Gemeente	Oldambt	60	96.6 [%]	98.5 [%]	5	156.2
Gemeente	Oldebroek	60	96.3 [%]	92.2 [%]	13	109.9
Gemeente	Oldenzaal	60	95.9 [%]	92.0 [%]	4	24.3
Gemeente	Olst-Wijhe	60	98.0 [%]	96.0 [%]	12	179.9
Gemeente	Ommen	60	94.6 [%]	91.3 [%]	61	395.0
Gemeente	Oost Gelre	60	96.1 [%]	95.3 [%]	22	299.2
Gemeente	Oosterhout	60	98.0 [%]	98.4 [%]	4	65.3
Gemeente	Ooststellingwerf	60	96.7 [%]	94.3 [%]	17	258.9
Gemeente	Oostzaan	60	62.0 [%]	47.5 [%]	23	6.8
Gemeente	Opmeer	60	99.0 [%]	93.0 [%]	1	30.1
Gemeente	Opsterland	60	96.6 [%]	95.1 [%]	20	281.3
Gemeente	Oss	60	97.2 [%]	97.5 [%]	25	340.6
Gemeente	Ossendrecht	60	100.0 [%]	100.0 [%]	0	0.3
Gemeente	Oude IJsselstreek	60	96.1 [%]	95.5 [%]	20	272.8
Gemeente	Ouder-Amstel	60	92.2 [%]	92.7 [%]	2	28.9
Gemeente	Oudewater	60	100.0 [%]	100.0 [%]	0	34.8
Gemeente	Overbetuwe	60	96.8 [%]	97.7 [%]	14	162.6
Gemeente	Papendrecht	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Peel en Maas	60	97.3 [%]	95.2 [%]	18	418.4
Gemeente	Pekela	60	97.2 [%]	97.2 [%]	0	34.7
Gemeente	Pijnacker-Nootdorp	60	92.2 [%]	88.9 [%]	11	40.1
Gemeente	Purmerend	60	92.9 [%]	86.7 [%]	1	4.2
Gemeente	Putten	60	97.1 [%]	94.8 [%]	20	205.8
Gemeente	Raalte	60	98.5 [%]	97.7 [%]	18	403.8
Gemeente	Reimerswaal	60	97.1 [%]	93.3 [%]	3	16.6
Gemeente	Renkum	60	88.8 [%]	69.5 [%]	13	40.2
Gemeente	Renswoude	60	94.6 [%]	91.5 [%]	4	27.6
Gemeente	Reusel-De Mierden	60	95.8 [%]	89.7 [%]	18	159.4
Gemeente	Rheden	60	94.1 [%]	89.0 [%]	14	58.8
Gemeente	Rhenen	60	96.1 [%]	95.4 [%]	4	44.0
Gemeente	Ridderkerk	60	96.4 [%]	97.0 [%]	1	1.8
Gemeente	Rijssen-Holten	60	97.2 [%]	95.4 [%]	17	204.5
Gemeente	Rijswijk	60	50.0 [%]	48.4 [%]	1	0.3
Gemeente	Roerdalen	60	97.2 [%]	94.3 [%]	16	231.1
Gemeente	Roermond	60	97.0 [%]	93.2 [%]	9	85.4
Gemeente	Roosendaal	60	98.4 [%]	97.8 [%]	8	178.9
Gemeente	Rotterdam	60	96.9 [%]	94.2 [%]	7	51.4
Gemeente	Rozendaal	60	94.3 [%]	97.1 [%]	2	20.2
Gemeente	Rucphen	60	96.6 [%]	95.7 [%]	15	169.9
Gemeente	Schagen	60	97.6 [%]	99.1 [%]	8	207.5
Gemeente	Scherpenzeel	60	96.9 [%]	98.2 [%]	2	21.7
Gemeente	Schiedam	60	90.9 [%]	94.6 [%]	2	3.0
Gemeente	Schiermonnikoog	60	89.2 [%]	85.2 [%]	3	9.2
Gemeente	Schouwen-Duiveland	60	97.4 [%]	94.0 [%]	4	38.5
Gemeente	Simpelveld	60	100.0 [%]	100.0 [%]	0	4.4
Gemeente	Sint Anthonis	60	0.0 [%]	0.0 [%]	1	0.8
Gemeente	Sint-Michielsgestel	60	98.1 [%]	96.9 [%]	10	152.5
Gemeente	Sittard-Geleen	60	96.9 [%]	97.5 [%]	2	38.2
Gemeente	Sliedrecht	60	100.0 [%]	100.0 [%]	0	0.2
Gemeente	Sluis Z	60	96.1 [%]	90.7 [%]	8	22.2
Gemeente	Smallingerland	60	97.4 [%]	97.9 [%]	9	160.5
Gemeente	Soest	60	94.9 [%]	93.0 [%]	3	18.9
Gemeente	Someren	60	96.3 [%]	94.3 [%]	19	139.2
Gemeente	Son en Breugel	60	96.6 [%]	90.9 [%]	5	22.4
Gemeente	Stadskanaal	60	100.0 [%]	100.0 [%]	0	5.2
Gemeente	Staphorst	60	97.2 [%]	97.0 [%]	12	280.5
Gemeente	Stede Broec	60	88.5 [%]	86.5 [%]	4	16.9
Gemeente	Steenbergen	60	99.1 [%]	99.1 [%]	4	245.6
Gemeente	Steenwijkerland	60	94.3 [%]	93.2 [%]	35	363.9
Gemeente	Stein	60	98.2 [%]	97.2 [%]	1	29.3
Gemeente	Stichtse Vecht	60	92.7 [%]	91.5 [%]	15	104.2
Gemeente	Sudwest-Fryslan	60	97.4 [%]	97.9 [%]	21	536.7
Gemeente	Ten Boer	60	100.0 [%]	100.0 [%]	0	0.5
Gemeente	Terneuzen	60	100.0 [%]	100.0 [%]	0	35.1
Gemeente	Terschelling	60	85.1 [%]	48.6 [%]	8	25.9
Gemeente	Texel	60	94.9 [%]	93.7 [%]	19	199.0
Gemeente	Teylingen	60	97.9 [%]	95.5 [%]	3	28.5
Gemeente	Tholen	60	97.4 [%]	98.7 [%]	1	11.7
Gemeente	Tiel	60	100.0 [%]	100.0 [%]	0	42.6
Gemeente	Tilburg	60	97.6 [%]	96.7 [%]	18	180.0
Gemeente	Tubbergen	60	96.9 [%]	95.4 [%]	24	368.8
Gemeente	Twenterand	60	99.6 [%]	99.5 [%]	3	193.7
Gemeente	Tynaarlo	60	94.0 [%]	92.0 [%]	25	206.0
Gemeente	Tytsjerksteradiel	60	97.1 [%]	96.0 [%]	13	184.8
Gemeente	Uitgeest	60	100.0 [%]	100.0 [%]	0	12.2
Gemeente	Uithoorn	60	97.1 [%]	97.0 [%]	1	9.9
Gemeente	Urk	60	98.0 [%]	92.6 [%]	1	5.2
Gemeente	Utrecht	60	98.7 [%]	99.2 [%]	2	34.4
Gemeente	Utrechtse Heuvelrug	60	91.8 [%]	86.1 [%]	34	150.6
Gemeente	Vaals	60	95.2 [%]	92.6 [%]	9	63.7
Gemeente	Valkenburg aan de Geul	60	93.4 [%]	92.2 [%]	5	28.1
Gemeente	Valkenswaard	60	95.7 [%]	95.7 [%]	2	46.4
Gemeente	Veendam	60	96.0 [%]	95.9 [%]	2	49.4
Gemeente	Veenendaal	60	100.0 [%]	100.0 [%]	0	3.2
Gemeente	Veere	60	98.7 [%]	94.7 [%]	1	10.8
Gemeente	Veldhoven	60	92.4 [%]	88.9 [%]	6	18.7
Gemeente	Velsen	60	79.8 [%]	61.9 [%]	22	20.9
Gemeente	Venlo	60	97.6 [%]	96.7 [%]	16	244.4
Gemeente	Venray	60	96.4 [%]	93.0 [%]	23	275.5
Gemeente	Vijfheerenlanden	60	100.0 [%]	100.0 [%]	0	8.3
Gemeente	Vlaardingen	60	76.0 [%]	60.3 [%]	12	5.1
Gemeente	Vlieland	60	75.8 [%]	48.9 [%]	13	18.5
Gemeente	Vlissingen	60	100.0 [%]	100.0 [%]	0	11.1
Gemeente	Voerendaal	60	97.0 [%]	96.0 [%]	5	65.5
Gemeente	Voorne aan Zee	60	97.2 [%]	95.0 [%]	3	20.7
Gemeente	Voorschoten	60	100.0 [%]	100.0 [%]	0	1.1
Gemeente	Voorst	60	96.0 [%]	93.9 [%]	15	205.7
Gemeente	Vught	60	95.8 [%]	93.6 [%]	15	94.6
Gemeente	Waadhoeke	60	97.5 [%]	97.8 [%]	16	314.6
Gemeente	Waalre	60	94.7 [%]	91.1 [%]	6	32.0
Gemeente	Waalwijk	60	94.4 [%]	93.1 [%]	8	84.1
Gemeente	Waddinxveen	60	90.6 [%]	92.2 [%]	5	17.8
Gemeente	Wageningen	60	89.2 [%]	90.1 [%]	7	29.1
Gemeente	Wassenaar	60	67.6 [%]	65.0 [%]	8	9.0
Gemeente	Waterland	60	100.0 [%]	100.0 [%]	0	1.3
Gemeente	Weert	60	98.3 [%]	96.6 [%]	13	246.1
Gemeente	Weesp	60	100.0 [%]	100.0 [%]	0	0.4
Gemeente	West Betuwe	60	99.0 [%]	97.4 [%]	9	338.9
Gemeente	West Maas en Waal	60	99.4 [%]	100.0 [%]	2	134.5
Gemeente	Westerkwartier	60	97.8 [%]	97.4 [%]	19	390.8
Gemeente	Westerveld	60	93.6 [%]	90.2 [%]	64	417.3
Gemeente	Westervoort	60	100.0 [%]	100.0 [%]	0	3.4
Gemeente	Westerwolde	60	98.4 [%]	98.8 [%]	1	57.8
Gemeente	Westland	60	97.4 [%]	97.0 [%]	18	203.3
Gemeente	Weststellingwerf	60	98.5 [%]	98.0 [%]	8	265.0
Gemeente	Wierden	60	96.8 [%]	96.0 [%]	16	250.2
Gemeente	Wijchen	60	95.1 [%]	93.8 [%]	18	105.9
Gemeente	Wijdemeren	60	100.0 [%]	100.0 [%]	0	2.4
Gemeente	Wijk bij Duurstede	60	97.9 [%]	92.7 [%]	5	77.6
Gemeente	Winsum	60	100.0 [%]	100.0 [%]	0	2.8
Gemeente	Winterswijk	60	96.9 [%]	95.2 [%]	28	361.5
Gemeente	Woensdrecht	60	98.5 [%]	97.2 [%]	15	214.9
Gemeente	Woerden	60	96.4 [%]	96.9 [%]	7	78.6
Gemeente	Wormerland	60	100.0 [%]	100.0 [%]	0	0.1
Gemeente	Woudenberg	60	92.8 [%]	89.7 [%]	10	46.8
Gemeente	Zaanstad	60	100.0 [%]	100.0 [%]	0	18.1
Gemeente	Zaltbommel	60	98.0 [%]	94.7 [%]	3	65.2
Gemeente	Zandvoort	60	100.0 [%]	100.0 [%]	0	1.7
Gemeente	Zeewolde	60	89.4 [%]	83.4 [%]	15	76.6
Gemeente	Zeist	60	97.0 [%]	94.6 [%]	8	40.7
Gemeente	Zevenaar	60	96.9 [%]	98.6 [%]	10	140.0
Gemeente	Zoetermeer	60	86.7 [%]	72.3 [%]	4	2.7
Gemeente	Zoeterwoude	60	93.2 [%]	86.3 [%]	3	16.8
Gemeente	Zuidhorn	60	100.0 [%]	100.0 [%]	0	0.0
Gemeente	Zuidplas	60	96.7 [%]	95.8 [%]	9	85.6
Gemeente	Zundert	60	98.1 [%]	97.1 [%]	9	171.0
Gemeente	Zutphen	60	93.9 [%]	92.9 [%]	7	31.8
Gemeente	Zwartewaterland	60	93.7 [%]	93.0 [%]	8	86.0
Gemeente	Zwijndrecht	60	87.5 [%]	89.1 [%]	3	2.0
Gemeente	Zwolle	60	97.4 [%]	97.1 [%]	10	133.1

6.6.2 Benchmarks 60 km/u wegen per wegbeheerder categorie

In deze paragraaf worden benchmarks getoond van fietsoversteken op wegen met een limiet van 60 km/uur getoond per wegbeheerder. Let op, deze 60 wegen vallen buiten de scope van de SPI Veilige Infrastructuur - onderdeel oversteekplaatsen.

Let op, er worden pas scores getoond na het maken van een eerste keuze.

# Calculate the average score
landelijke_score_60 <- scores_landelijk_60$`Score kenmerk Afwezigheid oversteekplaatsen`[1]

# data per provincie per limiet
#scores_provincies_60
#scores_gemeenten_60
#scores_waterschappen_60

# Create the dropdown menu options
groepskeuzen_provincies_60 <- scores_provincies_60$Wegbeheerder
groepskeuzen_gemeenten_60 <- scores_gemeenten_60$Wegbeheerder
groepskeuzen_waterschappen_60 <- scores_waterschappen_60$Wegbeheerder

grafiekkleuren <- list(color = c(blue_vals[3], green_vals[3]))

Benchmark provincies

# maak een benchmark grafiek voor provinciale wegbeheerders met wegen 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

Benchmark gemeenten

# 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

Benchmark waterschappen

# maak een benchmark grafiek voor waterschap 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

6.7 Aandachtspunten bij de SPI Veilige Infrastructuur - kenmerk Afwezigheid oversteekplaatsen

Het kenmerk geeft geen volledig beeld van de situatie van oversteekplaatsen op wegvakken.

Er is gesteld dat op wegen met een snelheid van 70 km/u of hoger oversteekplaatsen voor langzaam verkeer op wegvakken onwenselijk is. Echter worden 70 km/u wegen binnen de bebouwde kom vooralsnog buiten beschouwing gelaten. Deze analyse richt zich op wegen buiten de bebouwde kom.
60 km/u wegen buiten de bebouwde kom zijn als extra meegenomen in de analyse en bijgevoegd in de export. Echter is de afwezigheid van oversteekplaatsen voor langzaam verkeer op wegvakken geen SPI criterium. Deze wegen zijn meegenomen in de analyse om inzichtelijk te maken waar, en hoeveel oversteekplaatsen momenteel aanwezig zijn op 60 km/u wegen buiten de kom. Deze wegen en oversteeklocaties vragen aandacht omdat de snelheidslimiet een onveilige botssnelheid is voor kwetsbare verkeersdeelnemers.
De aanwezigheid van oversteekplaatsen wordt beoordeeld op basis van de betrokkenheid van een wegvak bij een oversteekplaats. Met als gevolg dat een oversteekplaats op de grens van twee (rijbaan)wegvakken maakt dat beide wegvakken niet voldoen aan het SPI criterium. Een oversteekplaats middenop een wegvak heeft echter invloed op de beoordeling van slechts één wegvak. Dit tweede scenario doet zich voornamelijk voor op plekken waar het NWB wat betreft de fietsinfrastructuur nog onvolledig is. De kwaliteit van het NWB (en de ontwikkeling daarvan) is daarmee ook van invloed op het aantal wegvakken dat wordt afgekeurd aan de hand van de SPI.
De beoordeling van oversteeklocaties is uitgevoerd op een selectie van wegvakken die voor tenminste 50% buiten de kom liggen en waarvan de maatgevende limiet 70, 80 of 100 km/uur betreft. Dit heeft een aantal consequenties:
- Oversteeklocaties buiten de bebouwde kom op wegvakken met een maatgevende limiet van 50 km/uur blijven buiten beschouwing. Ook als de limiet lokaal hoger is en/of gereden snelheden rond de 80 liggen zoals bij een bubeko GOW wordt verwacht.
- Het aantal oversteeklocaties meegenomen in de beoordeling wijkt af van het aantal oversteeklocaties die in de WKD oversteekplaatsen zijn vastgelegd.
- Er kunnen oversteeklocaties zijn meegenomen waarvan de lokale limiet lager ligt dan die voor het wegvak maatgevende limiet.
- Een aparte telling van oversteeklocaties per wegbeheerder en limiet is uitgevoerd op het WKD oversteekplaatsen bestand. Deze aantallen wijken af van de geïdentificeerde oversteeklocaties op de voor de beoordeling geselecteerde wegvakken uit het NWB

7 Data export wegvakken

De in het vorige hoofdstuk behandelde scores per wegbeheerder zijn bepaald op basis van scores op wegvak niveau. Van elk wegvak is bepaald of deze voldoen aan het kenmerk SPI Veilige Infrastructuur - Afwezigheid oversteekplaatsen, plus een aantal aanvullende kenmerken. Per wegvak zijn de volgende kenmerken vastgelegd:

# sf df om te exporteren
nwb_oversteekplaatsen_export <- nwb_oversteekplaatsen2 %>%
  # toevoegen 60 km/u wegen aan de totale export
  bind_rows(nwb_oversteekplaatsen2_60kmpu) %>%
  relocate(BST_CODE, .after = GME_NAAM) %>%
  relocate(oversteekplaatsen_voldoet, oversteekplaatsen_aanwezig, .after = Snelheidslimiet) %>%
  relocate(aandeel_bubeko, lengte_limiet_aandeel, .after = oversteekplaatsen_aanwezig) 

nwb_oversteekplaatsen_export70plus <- nwb_oversteekplaatsen_export %>% filter(Snelheidslimiet != "60")
nwb_oversteekplaatsen_export60 <- nwb_oversteekplaatsen_export %>% filter(Snelheidslimiet == "60")

# names(nwb_oversteekplaatsen_export)

# Attributen tabel in tekstformat
nwb_oversteekplaatsen_export_attributentabel <- rbind( 
  c("Attribuut", "Omschrijving"),
  c("WVK_ID", "NWB variabele - Wegvak-ID: De unieke identificatie van een wegvak."), 
  c("Snelheidslimiet", "De maximum snelheid of snelheidslimiet, op basis van de WKD. Wanneer het wegvak
    meerdere limieten kent, is de limiet die toegekent die het grootste aandeel van het wegvak beslaat."),
  c("oversteekplaatsen_voldoet","Beoordeling of het wegvak voldoet aan het kenmerk 'Afwezigheid oversteekplaatsen'.
    1: voldoet, 0: voldoet niet."),
  c("oversteekplaatsen_aanwezig","Beoordeling of ergens op het wegvak één of meer oversteekplaatsen aanwezig zijn: 
    Oversteekplaats aanwezig / Oversteekplaats afwezig."),
  c("wegvaklengte","Lengte van het wegvak in meters."),
  c("aantal_oversteekplaatsen","Het totaal aantal oversteekplaatsen op het wegvak. Oversteekplaatsen kunnen aan het begin, eind of midden op een wegvak liggen. Een oversteekplaatsen kunnen aan meerdere wegvakken zijn gekoppeld."),
  c("aandeel_bubeko","Het aandeel van het wegvak dat buiten de kom ligt."),
  c("lengte_limiet_aandeel","Het aandeel van het wegvak waarvoor de toegekende snelheidslimiet geldt."),
  c("WEGBEHSRT","NWB variabele - Wegbeheerdersoort: De categorie wegbeheerder (R, P, G, W of T)."),
  c("WEGBEHNAAM","NWB variabele - Wegbeheerdernaam: De naam van de wegbeheerder van de weg."),
  c("WEGNUMMER","NWB variabele - Wegnummer: Het wegnummer zoals deze formeel is vastgelegd."),
  c("STT_NAAM","NWB variabele - Straatnaam: De straatnaam zoals in BAG wordt gehanteerd of is vastgesteld door de wegbeheerder."),
  c("WPSNAAM","NWB variabele - Woonplaats: De naam van de woonplaats zoals in BAG gehanteerd wordt."),
  c("GME_NAAM","NWB variabele - Gemeentenaam: De naam van een gemeente zoals in BAG gehanteerd wordt."),
  c("BST_CODE","NWB variabele - Baansubsoortcode: Een subtypering van een baansoort.")
  ) %>%
  as.data.frame()

# kolomnamen op basis van eerste rij
names(nwb_oversteekplaatsen_export_attributentabel) <-nwb_oversteekplaatsen_export_attributentabel[1,]

# verwijder eerste rij
nwb_oversteekplaatsen_export_attributentabel <- nwb_oversteekplaatsen_export_attributentabel[-1,]

# maak een scrol tabel van de attributen tabel
scroltabel_gt(nwb_oversteekplaatsen_export_attributentabel, title = "Attributen tabel SPI_kenmerkscore_oversteekplaatsen.gpkg en SPI_kenmerkscore_oversteekplaatsen.csv")

Attribuut	Omschrijving
Attributen tabel SPI_kenmerkscore_oversteekplaatsen.gpkg en SPI_kenmerkscore_oversteekplaatsen.csv
WVK_ID	NWB variabele - Wegvak-ID: De unieke identificatie van een wegvak.
Snelheidslimiet	De maximum snelheid of snelheidslimiet, op basis van de WKD. Wanneer het wegvak meerdere limieten kent, is de limiet die toegekent die het grootste aandeel van het wegvak beslaat.
oversteekplaatsen_voldoet	Beoordeling of het wegvak voldoet aan het kenmerk 'Afwezigheid oversteekplaatsen'. 1: voldoet, 0: voldoet niet.
oversteekplaatsen_aanwezig	Beoordeling of ergens op het wegvak één of meer oversteekplaatsen aanwezig zijn: Oversteekplaats aanwezig / Oversteekplaats afwezig.
wegvaklengte	Lengte van het wegvak in meters.
aantal_oversteekplaatsen	Het totaal aantal oversteekplaatsen op het wegvak. Oversteekplaatsen kunnen aan het begin, eind of midden op een wegvak liggen. Een oversteekplaatsen kunnen aan meerdere wegvakken zijn gekoppeld.
aandeel_bubeko	Het aandeel van het wegvak dat buiten de kom ligt.
lengte_limiet_aandeel	Het aandeel van het wegvak waarvoor de toegekende snelheidslimiet geldt.
WEGBEHSRT	NWB variabele - Wegbeheerdersoort: De categorie wegbeheerder (R, P, G, W of T).
WEGBEHNAAM	NWB variabele - Wegbeheerdernaam: De naam van de wegbeheerder van de weg.
WEGNUMMER	NWB variabele - Wegnummer: Het wegnummer zoals deze formeel is vastgelegd.
STT_NAAM	NWB variabele - Straatnaam: De straatnaam zoals in BAG wordt gehanteerd of is vastgesteld door de wegbeheerder.
WPSNAAM	NWB variabele - Woonplaats: De naam van de woonplaats zoals in BAG gehanteerd wordt.
GME_NAAM	NWB variabele - Gemeentenaam: De naam van een gemeente zoals in BAG gehanteerd wordt.
BST_CODE	NWB variabele - Baansubsoortcode: Een subtypering van een baansoort.

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 buiten de kom met limiet 80 van de provincie Noord-Brabant.

oversteekplaatsen_NB <- nwb_oversteekplaatsen_export %>%
  filter(WEGBEHNAAM == "Noord-Brabant" & Snelheidslimiet == "80")

mapviewOptions(basemaps.color.shuffle = FALSE)
mapview(oversteekplaatsen_NB, zcol = "oversteekplaatsen_aanwezig", legend = TRUE, basemaps = c("Esri.WorldImagery"))

Wegvakken in de kaart zijn aan te klikken. Daarmee wordt de attributen tabel van het wegvak geladen en kunnen andere scores en kenmerken van het wegvak worden bekeken. De achtergrond is ook te wijzigen naar bijvoorbeeld luchtfoto’s.

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 in het csv bestand. De data in het geopackage is ‘.’ decimaalgescheiden (conform internationale standaarden).

# export naar csv, verwijder daarvoor geometry
write.table(st_drop_geometry(nwb_oversteekplaatsen_export70plus), here("Output", "SPI_kenmerkscore_oversteekplaatsen.csv"),
          row.names = FALSE, sep = ";", dec = ",", quote = TRUE)
write.table(st_drop_geometry(nwb_oversteekplaatsen_export60), here("Output", "SPI_kenmerkscore_oversteekplaatsen60.csv"),
          row.names = FALSE, sep = ";", dec = ",", quote = TRUE)

# export naar geopackage
st_write(nwb_oversteekplaatsen_export70plus, here("Output", "SPI_kenmerkscore_oversteekplaatsen.gpkg"), 
         layer = "SPI_kenmerkscore_oversteekplaatsen", Append = FALSE, delete_dsn = TRUE, delete_layer = TRUE)
st_write(nwb_oversteekplaatsen_export60, here("Output", "SPI_kenmerkscore_oversteekplaatsen.gpkg"), 
         layer = "SPI_kenmerkscore_oversteekplaatsen60", Append = FALSE, delete_layer = TRUE)

# let op, het script overschrijft bestaande datasets met dezelfde naam. Maak een kopie van de dataset als je deze bewerkt en wilt bewaren

SPI Veilige Infrastructuur - kenmerk oversteekplaatsen

In opdracht van: CROW - Aanpak SPV

Jan Hendrik van Petegem - SWOV

Masha Odijk - SWOV

Publicatiejaar: 2025

1 Leeswijzer

2 Voorwoord programma code

3 Introductie

4 Data

4.1 Data downloads

4.1.1 NWB

4.1.2 WKD snelheidslimieten

4.1.3 WKD komgrenzen

4.1.4 WKD oversteekplaatsen

4.2 Datavoorbereiding

4.2.1 NWB selecties

4.2.2 Verwerking snelheidslimieten

4.2.3 Koppeling komgrenzen

5 Analyse oversteekplaatsen data

5.1 Wegvakanalyse: 70, 80 en 100 km/u wegen

5.2 Wegvakanalyse: 60 km/u wegen

5.3 Oversteekaantallen per wegbeheerder en NL totaal voor geselecteerde wegvakken

5.4 Oversteekaantallen per wegbeheerder voor geselecteerde bubeko 60km/uur wegvakken

5.5 Oversteekaantallen per wegbeheerder en NL totaal

6 Scores en Benchmark SPI Veilige Infrastructuur - kenmerk afwezigheid van oversteekplaatsen

6.1 Bepaling scores per wegbeheerder

6.2 Resultaten SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen per wegbeheerder

6.2.1 Landelijk

6.2.2 Waterschappen

6.2.3 Provincies

6.2.4 Gemeenten

6.3 Benchmarks provincies per limiet categorie

Benchmark 70 km/u

Benchmark 80 km/u

Benchmark 100 km/u

Benchmark Totaal

6.4 Benchmarks gemeenten per limiet categorie

Benchmark 70 km/u

Benchmark 80 km/u

Benchmark 100 km/u

Benchmark Totaal

6.5 Benchmarks waterschappen per limiet categorie

Benchmark 70 km/u

Benchmark 80 km/u

Benchmark 100 km/u

Benchmark Totaal

6.6 Scores en resultaten SPI Veilige Infrastructuur - Afwezigheid van oversteekplaatsen op 60 km/u wegen

6.6.1 Oversteekplaatsen en scores van wegen met een snelheidslimiet van 60 km/uur

Landelijk

Waterschappen

Provincies

Gemeenten

6.6.2 Benchmarks 60 km/u wegen per wegbeheerder categorie

Benchmark provincies

Benchmark gemeenten

Benchmark waterschappen

6.7 Aandachtspunten bij de SPI Veilige Infrastructuur - kenmerk Afwezigheid oversteekplaatsen

7 Data export wegvakken