Met deze rapportage wordt de deelscore op het kenmerk Aanwezigheid rijbaanscheiding 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 aanwezigheid rijbaanscheiding’. De hoofdstukken daarvoor vormen de meer inhoudelijke en technische verantwoording om tot die score te komen. Deze verantwoording omvat tevens alle programmeercode voor het gepresenteerde resultaat.
Deze rapportage is opgemaakt als Rmarkdown document (.rmd) met behulp van R in Rstudio. Het html bestand is zelfstandig leesbaar. Het voorwoord is bedoeld voor personen die het script (het .rmd) bestand willen draaien en/of geïnteresseerd zijn in de technische verantwoording van de bepaling van de kenmerkscore Aanwezigheid rijbaanscheiding 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.
Let op in de volgende stappen dat bij het installeren van ‘source’, een juiste installatie van rtools op de default installatie locatie nodig is.
# check iranges apart omdat deze vanuit biocmanager van bioconductor geinstalleerd moet worden
# zie
# https://bioconductor.org/packages/release/bioc/html/IRanges.html
if (!requireNamespace("IRanges", quietly = TRUE)) {
print("Indien volgende wordt gevraagd - Update all/some/none? [a/s/n] - kan n worden gekozen ")
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager", repos = "https://cloud.r-project.org/")
BiocManager::install("IRanges")
}
# let op, IRanges wordt niet geladen omdat functies conflicteren met veel andere functienamen# list required libraries
libraries_to_load <- c("here", "tidyverse", "data.table", "dtplyr", "sf", "mapview", "stringr",
"this.path", "units", "kableExtra", "curl", "openxlsx2", "readr", "gt", "plotly",
"foreach", "doParallel")
# 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, repos = "https://cloud.r-project.org/")
}
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") 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] )# aanmaken van tabel previeuw functie voor kleine tabellen die de eerste paar regels plus de laatste
# uit de dataset toont
# let op, gt tabellen werken enkel met een html output
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)
)
}# aanmaken van een functie voor uitgebreide tabellen met scrol functie
# let op, gt tabellen werken enkel met een html output
scroltabel_gt <- function (data, title = NULL, table.height = px(350)) {
gt(data) %>%
# tabel titel
tab_header(title = title) %>%
# tabel opmaak opties
tab_options(
#table.background.color = blue_vals[6],
column_labels.background.color = blue_vals[1],
column_labels.font.size = px(16),
table.font.size = px(12),
data_row.padding = px(4),
table.width = pct(100), # px(250)
container.height = table.height,
container.overflow.y = TRUE # px(250)
) %>%
# tabel opmaak optie onderkant
tab_style(
style = cell_borders(sides = "bottom", color = blue_vals[1], weight = px(3)),
locations = cells_body(rows = nrow(data))
)
}De SPI Veilige Infrastructuur bevat het kenmerk “Aanwezigheid rijbaanscheiding”. Op wegen van een limiet van 70 en hoger is een rijbaanscheiding gewenst, in de vorm van een middenberm en/of een geleiderails. 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 op minimaal 90% van het wegvak een geleiderials en/of een middenberm van voldoende breedte aanwezig is. Per snelheidslimiet verschilt de minimale breedte van een middenberm (vanaf kant rijbaan) zonder geleiderails (conform richtlijnen):
Per wegbeheerder wordt bepaald welk deel van het wegennet positief scoort. Dit vormt de score van de wegbeheerder op dit kenmerk. Deze score wordt bepaald over het voor dit kenmerk relevante deel van het wegennet.
Een verantwoording van de bepaling van scores wordt mede gegeven door het meeleveren van de programmacode waarmee deze scores zijn bepaald.
In de analyse wordt gebruik gemaakt van het NWB (Nationaal Wegenbestand) en de WKD (Wegkenmerkendatabase). De WKD bevat twee producten: Geleiderails en Middenbermbreedte. Hiervoor geldt dat wanneer een geleiderails aanwezig is er geen middenbermbreedte genoteerd is. Toetsing op de gewenste middenbermbreedte bij de plaatsing van een geleiderails wordt dan ook buiten beschouwing gelaten.
Voor het bepalen van de kenmerkscore Aanwezigheid rijbaanscheiding wordt gebruik gemaakt van de producten Geleiderails en Middenbermbreedte. 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/Geleiderails/ en https://downloads.rijkswaterstaatdata.nl/wkd/Middenbermbreedte/
Uit de WKD worden de volgende onderdelen gebruikt.
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/
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.
## geen aanpassingen
# -------------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 gedraaid, 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 .RDSDe 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 gedraaid. 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 n verwerekt 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 .RDSDe 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 gedraaid. 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 .RDSDe analyse maakt gebruik van het wkd product geleiderials, 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 gedraaid. De geleiderials data is gedownload van: https://downloads.rijkswaterstaatdata.nl/wkd/Geleiderails/
# Deze code chunk verzorgt de download en het inladen in R van de wkd geleiderials
#' 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
Geleiderails_rds_naam <- paste0("Geleiderails", nwbjaar, "jan.RDS")
# nwb datum op basis van jaar. In 2024 is de onderliggende map gedateerd op 01-02-2024 ipv 01-01-2024
Geleiderails_datum <-
if (nwbjaar == 2024) {
paste0("01-02-", nwbjaar)
} else {
paste0("01-01-", nwbjaar)
}
# zip bestandsnaam op basis van jaar
Geleiderails_zip <- paste0("Geleiderails", nwbjaar, "jan.zip")
# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", Geleiderails_rds_naam))) {
# if file exist load RDS
Geleiderails <- readRDS(here("RDS", Geleiderails_rds_naam))
cat(paste("Bestand geladen uit .RDS"))
} else {
# url for dutch open data
Geleiderailsjaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Geleiderails/01-01-", nwbjaar, ".zip")
# destination file + folder
dest_file_Geleiderailsjaarjan <- here("Data", Geleiderails_zip)
dest_folder <- here("Data", paste0("Geleiderails", nwbjaar,"jan"))
# download file
curl_download(Geleiderailsjaarjan_url, destfile = dest_file_Geleiderailsjaarjan, mode = "wb")
# unzip
unzip(dest_file_Geleiderailsjaarjan, exdir = dest_folder)
# load the csv
Geleiderails <- read.csv2(here(dest_folder, Geleiderails_datum, "wkd_017-GLDRAILS.csv"), stringsAsFactors = FALSE)
# Save as RDS
saveRDS(Geleiderails, here("RDS", Geleiderails_rds_naam))
# clear zip
file.remove(dest_file_Geleiderailsjaarjan)
# code resultaat bericht
cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
}## Bestand geladen uit .RDSDe analyse maakt gebruik van het wkd product middenbermbreedte, 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 gedraaid. De komgrenzen data is gedownload van: https://downloads.rijkswaterstaatdata.nl/wkd/Middenbermbreedte/
# Deze code chunk verzorgt de download en het inladen in R van de wkd middenbermbreedte
#' 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
Middenbermbreedte_rds_naam <- paste0("Middenbermbreedte", nwbjaar, "jan.RDS")
# nwb datum op basis van jaar. In 2024 is de onderliggende map gedateerd op 01-02-2024 ipv 01-01-2024
Middenbermbreedte_datum <-
if (nwbjaar == 2024) {
paste0("01-02-", nwbjaar)
} else {
paste0("01-01-", nwbjaar)
}
# zip bestandsnaam op basis van jaar
Middenbermbreedte_zip <- paste0("Middenbermbreedte", nwbjaar, "jan.zip")
# conditioneel laden of downloaden en verwerken van de data
if (file.exists(here("RDS", Middenbermbreedte_rds_naam))) {
# if file exist load RDS
Middenbermbreedte <- readRDS(here("RDS", Middenbermbreedte_rds_naam))
cat(paste("Bestand geladen uit .RDS"))
} else {
# url for dutch open data
Middenbermbreedtejaarjan_url <- paste0("https://downloads.rijkswaterstaatdata.nl/wkd/Middenbermbreedte/01-01-", nwbjaar, ".zip")
# destination file + folder
dest_file_Middenbermbreedtejaarjan <- here("Data", Middenbermbreedte_zip)
dest_folder <- here("Data", paste0("Middenbermbreedte", nwbjaar,"jan"))
# download file
curl_download(Middenbermbreedtejaarjan_url, destfile = dest_file_Middenbermbreedtejaarjan, mode = "wb")
# unzip
unzip(dest_file_Middenbermbreedtejaarjan, exdir = dest_folder)
# load the csv
Middenbermbreedte <- read.csv2(here(dest_folder, Middenbermbreedte_datum, "wkd_016-MBERMBREED.csv"), stringsAsFactors = FALSE)
# Save as RDS
saveRDS(Middenbermbreedte, here("RDS", Middenbermbreedte_rds_naam))
# clear zip
file.remove(dest_file_Middenbermbreedtejaarjan)
# code resultaat bericht
cat(paste("Bestand opgehaald van internet van https://downloads.rijkswaterstaatdata.nl/wkd/"))
}## Bestand geladen uit .RDSDe data dient te worden voorbereid voorafgaand aan de analyses en bepaling van het kenmerk “Rijbaanscheiding aanwezig” van de SPI Veilige Infrastructuur. De voorbereiding bevat onder meer de koppeling van de verschillende bestanden, selecties van wegvakken en variabelen en het aanmaken van enkele nieuwe variabelen. De data-voorbereiding wordt beschreven in de volgende subparagrafen.
In de analyse worden wegen onder beheer van het Rijk buiten beschouwing gelaten. Daarnaast kijken we voor het kenmerk Rijbaanscheiding 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 https://docs.ndw.nu/en/handleidingen/nwb/
In deze analyse laten we wegvakken met de volgende BST_CODEs buiten beschouwing: “FP”, “VP”, “CADO”, “VZ”, “VD”, “VDA”, “VDF”, “VDV”, “RP”, “VV”
## FP fietspad, VP voetpad, CADO calamiteiten doorsteed, VZ voetgangersgebied, VD veerdienst, VDA verdienst auto, VDF verdienst fiets, VDV veerdienst voetganger, RP ruiterpad, VV vliegverkeer, NRB/TRB/GRB rotondebanen
nwb_rijbaan <- NWB %>%
filter(WEGBEHSRT != "R") %>%
filter(BST_CODE %nin% c("FP", "VP", "CADO", "VZ", "VD", "VDA", "VDF", "VDV", "RP", "VV",
"NRB", "TRB", "GRB")) %>%
select(WVK_ID, WEGBEHSRT, WEGNUMMER, STT_NAAM, WPSNAAM, GME_NAAM, WEGBEHNAAM, BST_CODE) %>%
# bepaal de wegvaklengte
mutate(wegvaklengte = as.numeric(st_length(.)))Het maximum snelheden bestand uit de WKD bevat dubbelingen van wegvakken wanneer er op een wegvak verschillende snelheidslimieten gelden. Deze ontdubbelen we op basis van een aggregatie waarbij we de limiet aan het wegvak toekennen die het meeste voorkomt (grootste aandeel van de lengte van het wegvak). Daarbij leggen we tevens de lengte vast waarover deze limiet geldt. Deze lengte is dus korter dan de volledige wegvaklengte wanneer er meerdere limieten gelden op het wegvak. 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(.) %>%
# versnel bewerking met 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() %>%
# sluit dtplyr
as.data.frame()# tabel uitsnede geaggregeerde limieten
tabel_preview(aggregatie_limiet, title = "Uitsnede geaggregeerde limieten data")| Uitsnede geaggregeerde limieten data | |||
| WVK_ID | MAXSHD | lengte_snelheidslimiet | |
|---|---|---|---|
| 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())De deelscore op het kenmerk Aanwezigheid Rijbaanscheiding wordt bepaald voor de wegtypen bubeko GOW en SW en bibeko SW. Om onderscheid te kunnen maken tussen bibeko en bubeko wegen worden komgrenzen gekoppeld. Enkel snelheidslimieten bieden hiervoor te weinig informatie.
De wkd komgrenzen data betreft een registratie van wegvakdelen die binnen de bebouwde kom liggen.
tabel_preview(komgrenzen, title = "WKD komgrenzen data")| WKD komgrenzen data | |||||||
| BEGINDAT | WEGVAK_ID | KOM_GMCODE | KOM_GMNAAM | KOM_PLAATS | KOM_VAN | KOM_TOT | |
|---|---|---|---|---|---|---|---|
| 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 segmenten 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)| BEGINDAT | WEGVAK_ID | KOM_GMCODE | KOM_GMNAAM | KOM_PLAATS | KOM_VAN | KOM_TOT |
|---|---|---|---|---|---|---|
| 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.
# voor het bepalen van unieke intervallen wordt gebruik gemaakt van IRanges
# wanneer IRanges niet eerst wordt geladen gaat het mis bij het aanroepen van de functie. Ook al
# wordt IRanges::IRanges gebruikt.
# onderstaande code wordt in een code chunk gedraaid die niet in dit notebook is gepubliceerd vanwege het aantal
# onnodige meldingen. de code staat wel actief in het script
# laad IRanges
# library(IRanges)
# detach IRanges
# detach("package:IRanges", unload = TRUE)
# detach voorkomt problemen met aanroepen van functies van dplyr# Create a function to merge intervals within each group
merge_intervals <- function(from, to) {
intervals <- IRanges::IRanges(start = from, end = to)
merged_intervals <- IRanges::reduce(intervals)
# Convert IRanges object to data frame
merged_df <- data.frame(
FROM = start(merged_intervals),
TO = end(merged_intervals)
)
return(merged_df)
}# ter voorbereiding op het parallel bepalen van unieke intervals een aantal opdrachten
# sorteer komgrenzen op wegvak_id
komgrenzen <- komgrenzen %>%
lazy_dt() %>%
mutate(KOM_VAN = as.numeric(KOM_VAN),
KOM_TOT = as.numeric(KOM_TOT)) %>%
arrange(WEGVAK_ID, KOM_VAN, KOM_TOT) %>%
as.data.frame()
# bepaal unieke wegvak ids binnen komgrenzen
komgrenzen_wvkid <- komgrenzen$WEGVAK_ID
# creeer een list object met x objecten van 1000 unieke wegvakid's
komgrenzen_wvkid_grouped <- split(komgrenzen_wvkid, ceiling(seq_along(komgrenzen_wvkid) / 10000))
# kleine subset voor testen van de functie
#komgrenzen_wvkid_grouped <- komgrenzen_wvkid_grouped[1:5]# parallele berekening voor het bepalen van intervallen
# Define parallel cluster for foreach
n.cores <- detectCores() - 2
my.cluster <- makeCluster(n.cores, type = "PSOCK")
registerDoParallel(my.cluster)
komgrenzen_unieke_intervals <- foreach(i = 1:length(komgrenzen_wvkid_grouped),
.combine=function(...) rbindlist(list(...)),
.multicombine=TRUE,
.packages = c("dplyr", "tidyr", "IRanges" )) %dopar% {
# pas de functie merged_intervals toe per WEGVAK_ID
komgrenzen_unieke_intervals_par <- komgrenzen %>%
# filter wegvak ids naar groep i
dplyr::filter(WEGVAK_ID %in% komgrenzen_wvkid_grouped[[i]] ) %>%
# groepeer de data op wegvak_id
dplyr::group_by(WEGVAK_ID) %>%
# bepaal de intervallen per wegvak id waarlangs wordt geparkeerd met behulp van de functie
dplyr::summarize(merged_intervals = list(merge_intervals(from = KOM_VAN, to = KOM_TOT))) %>%
tidyr::unnest(cols = c(merged_intervals))
# ten slotte het object dat je wilt maken als laatste aanroepen (net als in een for loop)
komgrenzen_unieke_intervals_par
}
# Beeindig parallel cluster
stopCluster(cl = my.cluster)# exact gelijke intervallen zijn niet (allemaal) verwerkt. Die kunnen we nu dedupliceren
komgrenzen_unieke_intervals_dedup <- komgrenzen_unieke_intervals %>%
lazy_dt() %>%
mutate(KOM_VAN = FROM, KOM_TOT = TO) %>%
select(-TO, -FROM) %>%
group_by(WEGVAK_ID) %>%
distinct(WEGVAK_ID, KOM_VAN, KOM_TOT, .keep_all = TRUE) %>%
ungroup() %>%
group_by(WEGVAK_ID) %>%
mutate(aantal = n()) %>%
ungroup() %>%
as.data.frame()De tabel hieronder toont een uitsnede van het resultaat.
komgrenzen_unieke_intervals_dubbel <- komgrenzen_unieke_intervals_dedup %>%
filter(aantal >= 2)
scroltabel_gt(rbind(filter(komgrenzen_unieke_intervals_dedup,WEGVAK_ID %in% c(27142016, 27142039, 600437984)),
komgrenzen_unieke_intervals_dubbel[1:20,]
),
title = "Unieke bibeko segment intervallen")| Unieke bibeko segment intervallen | |||
| WEGVAK_ID | KOM_VAN | KOM_TOT | aantal |
|---|---|---|---|
| 27142016 | 0 | 35 | 1 |
| 27142039 | 18 | 80 | 1 |
| 600437984 | 0 | 580 | 1 |
| 39190083 | 0 | 7 | 4 |
| 39190083 | 76 | 103 | 4 |
| 39190083 | 138 | 139 | 4 |
| 39190083 | 331 | 565 | 4 |
| 64186032 | 0 | 7 | 2 |
| 64186032 | 340 | 350 | 2 |
| 66184030 | 541 | 543 | 2 |
| 66184030 | 665 | 1814 | 2 |
| 103235024 | 0 | 433 | 2 |
| 103235024 | 1350 | 1355 | 2 |
| 113254010 | 0 | 109 | 2 |
| 113254010 | 155 | 169 | 2 |
| 131164003 | 0 | 41 | 2 |
| 131164003 | 86 | 246 | 2 |
| 131167035 | 0 | 11 | 2 |
| 131167035 | 314 | 325 | 2 |
| 131167041 | 0 | 28 | 2 |
| 131167041 | 58 | 87 | 2 |
| 132289001 | 61 | 106 | 2 |
| 132289001 | 108 | 204 | 2 |
Op basis van dit resultaat wordt bepaald welk deel van het wegvak (in meters) binnen de kom ligt.
komgrenzen_aggregatie <- komgrenzen_unieke_intervals_dedup %>%
dplyr::rename(WVK_ID = WEGVAK_ID) %>%
# bepaal de lengte per wegvak binnen de bebouwde kom
mutate(lengte_bibeko = as.numeric(KOM_TOT) - as.numeric(KOM_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")| Bibeko wegvaklengte per wegvak | ||
| WVK_ID | lengte_bibeko | |
|---|---|---|
| 1 | 27142010 | 16 |
| 2 | 27142014 | 103 |
| 3 | 27142015 | 333 |
| 4 | 27142016 | 35 |
| 5 | 27142019 | 57 |
| 6 | 27142039 | 62 |
| 7 | 27142041 | 65 |
| 8..1156926 | ||
| 1156927 | 601167640 | 726 |
Dit gegeven wordt aan het NWB gekoppeld. Daarmee kan per wegvak het aandeel worden bepaald dat binnen de bebouwde kom ligt. Een wegvak wordt bepaald als zijnde binnen de bebouwde kom als dit aandeel groter is dan 50%. 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 Aanwezigheid rijbaanscheiding beoordeeld zullen worden. Er wordt daarvoor gefilterd op:
# maximum share of the road section length within the build-up area
bubeko_minimum <- 0.5
# voeg ligging bibeko/bubeko toe aan nwb
nwb_rijbaan2 <- 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
),
# in enkele gevallen is de lengte van wegvakken binnen de kom groter dan wegvaklengte. Dit komt door fouten in de data
# in die gevallen wordt de lengte bubeko als 0 bepaald
lengte_bubeko = ifelse(lengte_bubeko <= 0, 0, lengte_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 en limiet
filter((ligging_kom == "bubeko") & (MAXSHD =="70" | MAXSHD == "80" | MAXSHD == "100") |
(ligging_kom == "bibeko") & (MAXSHD =="70"))## Joining with `by = join_by(WVK_ID)`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")| 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 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 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 |
| 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..46766 | |||||||||||||||
| 46767 | 600947010 | P | N620 | Sint-Oedenrodeseweg | Best | Best | Noord-Brabant | HR | 2.850547 | 80 | 3 | 1.0 | 2.850547 | 1.00 | bubeko |
In de analyse bekijken we twee WKD producten: Geleiderails en middenbermbreedte.Het bestand geleiderails betreft een CSV waarbij elk record een segment met een geleiderails in de middenberm representeert. Van elke meter wegvak uit het NWB met een snelheid van 70 km/u of meer is nagegaan of een geleiderails aan de linker kant van de (éénrichtings)weg aanwezig is. Opeenvolgende delen waarbij dit het geval is vormen samen een segment met een geleiderails. Wanneer een geleiderails op een wegvak aanwezig is en deze wordt onderbroken, worden van deze onderbroken delen aparte segmenten vastgelegd. WVK_ID’s kunnen daarom meerdere keren voorkomen. Onderstaand de attributentabel van dit product.
tabel_geleiderails_beschr <- rbind(
c("Attribuut","Omschrijving"),
c("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."),
c("WEGVAK_ID" ,"Het unieke nummer voor een Wegvak."),
c("WVK_BEGDAT","De eerste datum waarop deze vorm en inhoud van betreffende Wegvak geldig is."),
c("NWB_VERSIE","Dit is de datum waarop de waarde in het WKD bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd."),
c("VAN","Beginpunt van het wegvakdeel binnen het betreffende wegvak, van waar de geleiderails begint (meter)"),
c("TOT","Eindpunt van het wegvakdeel binnen het betreffende wegvak, tot waar de geleiderails eindigt ldt (meter)"),
c("KANTCODE","Dit geeft de letter aan van kant waar de geleiderails van wordt bepaald ten opzichte van de rijbaan." ),
c("POSOMSCHR","Dit geeft weer welke berm wordt beschouwd." )
) %>%
as.data.frame()
# kolomnamen op basis van eerste rij
names(tabel_geleiderails_beschr) <-tabel_geleiderails_beschr[1,]
# verwijder eerste rij
tabel_geleiderails_beschr <- tabel_geleiderails_beschr[-1,]
# df_tabel_geleiderails_beschr <- read_delim(tabel_geleiderails_beschr, delim = ";", col_names = TRUE, trim_ws = TRUE)
# Create the gt table a
gt_table_beschr_geleiderailsl <- gt(tabel_geleiderails_beschr) %>%
tab_header(title = "Variabelen WKD geleiderails data") %>%
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 = px(250)
) %>%
tab_style(
style = cell_borders(sides = "bottom", color = blue_vals[1], weight = px(3)),
locations = cells_body(rows = nrow(tabel_geleiderails_beschr))
)
# Print the table
gt_table_beschr_geleiderailslHet bestand middenbermbreedte betreft een CSV waarbij elk record een aaneengesloten segment van een middenberm representeerd. Van een wegvak kunnen verschillende segmenten worden vastgelegd wanneer het type rijrichtingscheiding wisselt. Een wegvak_id komt in die gevallen meerdere keren voor. Van elke vijf (OWN) of tien meter (HWN) wegvak uit het NWB met een snelheid van 70 km/u of meer, waar geen geleiderails aanwezig is, wordt nagegaan wat de breedte van de middenberm is en wat het type middenberm is. Opeenvolgende delen van eenzelfde type middenberm vormen samen een middenberm segment waarvan de breedte is bepaald als de mediaan van de verschillende metingen. Van wegvakdelen met een geleiderails is dus geen middenbermbreedte bepaald. De geleiderail verzorgt de fysieke rijrichtingscheiding op basis waarvan de SPI Veilige Infrastructuur - kenmerk rijbaanscheiding als voldoende wordt beoordeeld. Bij de vaststelling van het WKD product middenberm is bepaald dat breedte van de middenberm in dat geval niet meegewogen hoeft te worden en is daarom ook niet bepaald voor deze delen. Ten slotte zijn er twee soorten middenbermen vastgesteld: middenberm en verkeerseiland. In deze analyse nemen we beide soorten samen. Onderstaand de attributentabel van dit product.
tabel_middenbermbreedte_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.
WVK_BEGDAT;De eerste datum waarop deze vorm en inhoud van betreffende Wegvak geldig is
NWB_VERSIE;Dit is de datum waarop de waarde in het WKD bestand voor het laatst is geüpdatet. Het gaat hier om de brondata waarop het WKD-bestand is gebaseerd.
VAN;Beginpunt van het wegvakdeel binnen het betreffende wegvak, van waar de middenberm begint (meter)
TOT;Eindpunt van het wegvakdeel binnen het betreffende wegvak, tot waar de middenberm eindigt ldt (meter)
KANTCODE;Dit geeft de letter aan van kant waar de middenbermbreedte van wordt bepaald ten opzichte van de rijbaan. Dit is in alle gevallen de L.
POSOMSCHR;Dit geeft weer welke berm wordt beschouwd. Voor deze WKD is dat de middenberm zonder geleiderail.
SOORT;Dit geeft het object aan waarvan de breedte wordt bepaald. Mogelijke waarden zijn Verkeerseiland en Berm.
BREEDTE;Dit geeft de breedte weer van de berm of het verkeerseiland in meter met één decimaal."
# string naar tabel
df_tabel_middenbermbreedte_beschr <- read_delim(tabel_middenbermbreedte_beschr, delim = ";", col_names = TRUE,
trim_ws = TRUE, col_types = "cc")
# Create the gt table a
gt_table_beschr_middenbermbreedtel <- gt(df_tabel_middenbermbreedte_beschr) %>%
tab_header(title = "Variabelen WKD middenbermbreedte data") %>%
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 = px(250)
) %>%
tab_style(
style = cell_borders(sides = "bottom", color = blue_vals[1], weight = px(3)),
locations = cells_body(rows = nrow(df_tabel_middenbermbreedte_beschr))
)
# Print the table
gt_table_beschr_middenbermbreedtelDe analyse is beperkt tot wegen met een snelheidlimiet van 70, 80 en 100 km/u wegen buiten de bebouwde kom en wegen binnen de kom met een snelheidslimiet van 70 km/uur. Voor deze wegen geldt dat een rijbaanscheiding wenselijk is. Per wegvak ID wordt vastgelegd:
Een wegvak wordt als voldoende beoordeeld wanneer het aandeel van het wegvak waarlangs een geleiderails of voldoende brede middenberm aanwezig 0,9 of hoger is. Met de huidige data kan geen rekening gehouden worden met afwijkingen rond kruispunten. Vaak wijkt de middenberm echter rond kruispunten af van de rest van het wegvak. Daarom wordt getoetst of tenminste 90% van het wegvak voldoet aan de gestelde criteria ten aanzien van de rijbaanscheiding.
Voor de benchmark wordt het aandeel segmenten bepaald waarvan de rijrichtingscheiding voldoet aan de gestelde criteria. Daarbij dient rekening te worden gehouden met de rijbaanconfiguratie. Wegen met een fysieke rijrichtingscheiding bestaan immers uit meerdere rijbanen. Dit doen we door de relatieve lengte van een wegvak te berekenen naar aanwezigheid van een rijbaanscheiding, waarbij de relatieve lengte wordt bepaald als de halve lengte van een segment wanneer een rijbaanscheiding aanwezig is.
Het beoordelingscriterium is gesteld als de verhouding in de lengte van de aanwezige (voldoende beoordeelde) rijbaanscheiding en de totale straatlengte (op basis van de relatieve wegvaklengtes).
Let op, dit is dus niet het deel van de wegvaklengte dat voldoet aan het criterium: aandeel rijrichtingscheiding voldoende >= 0,9.
De WKD producten geleiderails en middenberm zijn gemaakt voor NWB-wegvakken die voldoend aan de volgende voorwaarden: * het wegvak valt niet onder beheer van het Rijk * het wegvak heeft een snelheidslimiet van 70 km/uur of hoger * de RPE_CODE (relatieve positiecode) is ongelijk ‘#’
Deze producten verwerken we in dit hoofdstuk voor het bepalen van de scores in het volgende hoofdstuk. We kijken hier eerst naar de wegvaklengtes met geleiderails.
In de onderstaande tabel wordt een uitsnede van De WKD geleiderails getoond.
# preview tabel geleiderails
tabel_preview(Geleiderails)| BEGINDAT | WEGVAK_ID | WVK_BEGDAT | NWB_VERSIE | VAN | TOT | KANTCODE | POSOMSCHR | |
|---|---|---|---|---|---|---|---|---|
| 1 | 01-01-2024 | 53149018 | 01-10-2022 | 01-01-2024 | 0 | 1556 | L | Middenberm |
| 2 | 01-01-2024 | 53149019 | 01-10-2022 | 01-01-2024 | 46 | 196 | L | Middenberm |
| 3 | 01-01-2024 | 53149020 | 01-10-2022 | 01-01-2024 | 0 | 150 | L | Middenberm |
| 4 | 01-01-2024 | 56147006 | 01-10-2021 | 01-01-2024 | 0 | 3436 | L | Middenberm |
| 5 | 01-01-2024 | 56147010 | 01-10-2022 | 01-01-2024 | 0 | 1572 | L | Middenberm |
| 6 | 01-01-2024 | 60142002 | 01-10-2021 | 01-01-2024 | 0 | 461 | L | Middenberm |
| 7 | 01-01-2024 | 61142007 | 01-12-2021 | 01-01-2024 | 0 | 444 | L | Middenberm |
| 8..15786 | ||||||||
| 15787 | 01-01-2024 | 601167080 | 01-01-2024 | 01-01-2024 | 2573 | 2607 | R | Buitenberm |
Wegvakken zijn opgesplitst in segmenten met geleiderails in de middenberm en de buitenberm. Segmenten zijn aangeduid met Van en TOT, die het begin en eindpunt van een segment beschrijven met de relatieve positie ten opzichte van het 0 punt van het wegvak. In deze analyse wordt enkel gekeken naar geleiderails in de middenberm. Segmenten met geleiderails in de buitenberm wordt daarom genegeerd. Tussen segmenten in de middenberm is verder geen overlap aanwezig. De lengte van geleiderail op een wegvak kan daarom eenvoudig worden bepaald als de som van de segmentlengtes. De informatie uit WKD Geleiderails aggregeren we op die manier naar wegvak id.
geleiderails_aggregatie <- Geleiderails %>%
# selecteer enkel segmenten met geleiderails in de middenberm
filter(POSOMSCHR == "Middenberm") %>%
dplyr::rename(WVK_ID = WEGVAK_ID) %>%
# groepeer naar wegvak id
group_by(WVK_ID) %>%
# aggregeer naar wegvak id en bepaal de geleiderails lengte
summarize(lengte_geleiderails = sum(TOT-VAN))
tabel_preview(geleiderails_aggregatie)| WVK_ID | lengte_geleiderails | |
|---|---|---|
| 1 | 53149018 | 1556 |
| 2 | 53149019 | 150 |
| 3 | 53149020 | 150 |
| 4 | 56147006 | 3436 |
| 5 | 56147010 | 1572 |
| 6 | 60142002 | 461 |
| 7 | 61142007 | 444 |
| 8..6480 | ||
| 6481 | 601167056 | 187 |
Vervolgens kijken we naar de lengte van de middenberm die voldoet aan de minimale breedte. Deze minimale breedte verschilt per snelheidslimiet:
In de onderstaande tabel wordt een uitsnede van De WKD geleiderails getoond.
# preview wkd middenbermbreedte
tabel_preview(Middenbermbreedte)| BEGINDAT | WEGVAK_ID | WVK_BEGDAT | NWB_VERSIE | VAN | TOT | KANTCODE | POSOMSCHR | SOORT | BREEDTE | |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 01-01-2024 | 50182012 | 01-11-2021 | 01-01-2024 | 13 | 157 | L | Middenberm | verkeerseiland | 2.3 |
| 2 | 01-01-2024 | 53149020 | 01-10-2022 | 01-01-2024 | 150 | 164 | L | Middenberm | berm | 6.5 |
| 3 | 01-01-2024 | 57174078 | 01-12-2020 | 01-01-2024 | 58 | 87 | L | Middenberm | verkeerseiland | 5.0 |
| 4 | 01-01-2024 | 57174086 | 01-12-2020 | 01-01-2024 | 6 | 34 | L | Middenberm | verkeerseiland | 5.0 |
| 5 | 01-01-2024 | 58174020 | 01-02-2019 | 01-01-2024 | 12 | 144 | L | Middenberm | berm | 4.0 |
| 6 | 01-01-2024 | 59172012 | 01-11-2021 | 01-01-2024 | 6 | 445 | L | Middenberm | berm | 4.6 |
| 7 | 01-01-2024 | 59172012 | 01-11-2021 | 01-01-2024 | 445 | 463 | L | Middenberm | verkeerseiland | 9.3 |
| 8..12664 | ||||||||||
| 12665 | 01-01-2024 | 601167080 | 01-01-2024 | 01-01-2024 | 2390 | 2616 | L | Middenberm | verkeerseiland | 3.0 |
Wegvakken zijn opgesplitst in segmenten met een middenberm. Segmenten worden aangeduid met Van en TOT, die het begin en eindpunt van een segment beschrijven met de relatieve positie ten opzichte van het 0 punt van het wegvak.
De informatie uit Middenbermbreedte aggregeren we naar wegvak id. Daarbij wordt onderscheid gemaakt delen waarvan de middenbermbreedte voldoet en delen waarvan de middenbermbreedte onvoldoende is. Er wordt verder geen onderscheid gemaakt naar de in de WKD middenberm onderscheidden typen middenberm: middenberm en verkeerseiland.
# set toetsingscriteria middenbermbreedte per limiet
middenbermbreedte_minimaal_70 <- 1.5
middenbermbreedte_minimaal_80 <- 3.0
middenbermbreedte_minimaal_100 <- 20middenberm_aggregatie <- Middenbermbreedte %>%
#slice_head(n=10) %>%
dplyr::rename(WVK_ID = WEGVAK_ID) %>%
# max snelheid uit nwb koppelen om middenbermbreedte te beoordelen voor verschillende snelheden
left_join(nwb_rijbaan2 %>% select(WVK_ID, MAXSHD), by = "WVK_ID") %>%
dplyr::rename(snelheid = MAXSHD) %>%
# middenbermbreedte voldoet wanneer b > minimale breedte
mutate(
breedte_voldoet = case_when(
snelheid == "70" & BREEDTE > middenbermbreedte_minimaal_70 ~ 1,
snelheid == "80" & BREEDTE > middenbermbreedte_minimaal_80 ~ 1,
snelheid == "100" & BREEDTE > middenbermbreedte_minimaal_100 ~ 1,
TRUE ~ 0)) %>%
# middenbermbreedte voldoet niet wanneer breedte 0 < b < minimaal
mutate(
breedte_voldoet_niet = case_when(
snelheid == "70" & (BREEDTE > 0 & BREEDTE < middenbermbreedte_minimaal_70) ~ 1,
snelheid == "80" & (BREEDTE > 0 & BREEDTE < middenbermbreedte_minimaal_80) ~ 1,
snelheid == "100" & (BREEDTE > 0 & BREEDTE < middenbermbreedte_minimaal_100) ~ 1,
TRUE ~ 0)) %>%
group_by(WVK_ID) %>%
summarize(
lengte_middenberm_voldoende = sum(ifelse(breedte_voldoet == 1, TOT - VAN, 0)),
lengte_middenberm_onvoldoende = sum(ifelse(breedte_voldoet_niet == 1, TOT - VAN, 0))
)Hieronder wordt van een aantal wegvakken als voorbeeld de uitkomst van de aggregatie getoond.
preview_middenbermbreedtes <- rbind(
filter(middenberm_aggregatie, lengte_middenberm_onvoldoende == 0) %>% slice_head(n=5),
filter(middenberm_aggregatie, lengte_middenberm_onvoldoende > 0) %>% slice_head(n=5)
)
scroltabel_gt(preview_middenbermbreedtes, title = "Lengtes middenbermen zonder geleiderails per wegvak in meters")| Lengtes middenbermen zonder geleiderails per wegvak in meters | ||
| WVK_ID | lengte_middenberm_voldoende | lengte_middenberm_onvoldoende |
|---|---|---|
| 50182012 | 0 | 0 |
| 53149020 | 14 | 0 |
| 57174078 | 29 | 0 |
| 57174086 | 28 | 0 |
| 58174020 | 132 | 0 |
| 60173035 | 0 | 133 |
| 60174063 | 348 | 125 |
| 60175061 | 1256 | 94 |
| 61177008 | 0 | 14 |
| 66177060 | 0 | 2787 |
De geleiderails en middenberm data voegen we samen met de NWB wegvakken selectie, komende tot de lengte van de voldoende veilige rijbaanscheiding per wegvak.
aandeel_rijbaanscheiding_minimaal <- 0.9
## join geleiderails en middenberm aggregaties
geleiderails_middenberm_aggregatie <- geleiderails_aggregatie %>%
full_join(middenberm_aggregatie, by = "WVK_ID")
nwb_rijbaanscheiding <- nwb_rijbaan2 %>%
# join rpe code
left_join(select(st_drop_geometry(NWB), WVK_ID, RPE_CODE)) %>%
# selecteer te gebruiken NWB variabelen
select(WVK_ID, RPE_CODE, BST_CODE, MAXSHD, wegvaklengte, WEGBEHSRT, WEGBEHNAAM, WEGNUMMER, STT_NAAM, WPSNAAM, GME_NAAM,
aandeel_bubeko, lengte_limiet_aandeel) %>%
# join middenberm variabelen
left_join(geleiderails_middenberm_aggregatie) %>%
# vul lengte 0 in voor wegvakken waarvan geen geleiderails in de wkd is vastgelegd
mutate(lengte_geleiderails = ifelse(na.as.false(lengte_geleiderails>0), lengte_geleiderails, 0)) %>%
# vul lengte 0 in voor wegvakken waarvan geen (voldoende breede) middenberm in de wkd is vastgelegd
mutate(lengte_middenberm_voldoende = ifelse(na.as.false(lengte_middenberm_voldoende>0), lengte_middenberm_voldoende, 0),
lengte_middenberm_onvoldoende = ifelse(na.as.false(lengte_middenberm_onvoldoende>0), lengte_middenberm_onvoldoende, 0)
) %>%
# bereken de rijbaanscheiding lengte
mutate(lengte_rijbaanscheiding_voldoende = lengte_geleiderails + lengte_middenberm_voldoende,
lengte_rijbaanscheiding_fysiek = lengte_rijbaanscheiding_voldoende + lengte_middenberm_onvoldoende) %>%
# wegvakscore rijbaanscheiding, als de som van de rijbaanscheiding > 90% van het wegvak is
mutate(rijbaanscheiding_voldoende =
ifelse(lengte_rijbaanscheiding_voldoende/wegvaklengte > aandeel_rijbaanscheiding_minimaal, 1, 0)) %>%
# oude code berekenen straatlengte, ofwel relatieve wegvaklengte naar aanwezigheid rijbaanscheiding
# beter is dit op basis van rpe code te doen. delen waar namelijk geen fysieke scheiding aanwezig is zijn in dat geval
# ook dubbel getekend.
# mutate(lengte_wegvak_straat = (wegvaklengte - lengte_rijbaanscheiding_fysiek) + (lengte_rijbaanscheiding_fysiek * 0.5)) %>%
# bepaal straatlengte op basis van de aanwezigheid van een fysieke rijrichtingscheiding
mutate(lengte_wegvak_straat = ifelse(RPE_CODE != "#", 0.5 * wegvaklengte, wegvaklengte)) %>%
# verlplaansen geometry kolom naar einde
relocate(lengte_wegvak_straat, .after = wegvaklengte) %>%
relocate(geometry, .after = last_col()) %>%
dplyr::rename(Snelheidslimiet = MAXSHD)Dit levert een dataset op met per wegvak
Hieronder wordt van wegvakken waar een fysieke rijrichtingscheiding aanwezig is een uitsnede van resultaat getoond.
tabel_preview(filter(st_drop_geometry(nwb_rijbaanscheiding), lengte_rijbaanscheiding_fysiek > 0))| WVK_ID | RPE_CODE | BST_CODE | Snelheidslimiet | wegvaklengte | lengte_wegvak_straat | WEGBEHSRT | WEGBEHNAAM | WEGNUMMER | STT_NAAM | WPSNAAM | GME_NAAM | aandeel_bubeko | lengte_limiet_aandeel | lengte_geleiderails | lengte_middenberm_voldoende | lengte_middenberm_onvoldoende | lengte_rijbaanscheiding_voldoende | lengte_rijbaanscheiding_fysiek | rijbaanscheiding_voldoende | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 401407086 | Z | NA | 70 | 104.11485 | 52.05743 | G | Zwolle | NA | Westenholterallee | Zwolle | Zwolle | 0.00 | 1 | 0 | 90 | 0 | 90 | 90 | 0 |
| 2 | 600136627 | O | NA | 70 | 320.97858 | 160.48929 | G | Eindhoven | NA | Botenlaan | Eindhoven | Eindhoven | 0.00 | 1 | 0 | 0 | 321 | 0 | 321 | 0 |
| 3 | 371063052 | O | NA | 70 | 95.94669 | 47.97335 | G | Sittard-Geleen | NA | Westelijke Randweg | Geleen | Sittard-Geleen | 0.01 | 1 | 0 | 76 | 0 | 76 | 76 | 0 |
| 4 | 600169667 | Z | NA | 70 | 152.35351 | 76.17675 | G | Sittard-Geleen | NA | Westelijke Randweg | Geleen | Sittard-Geleen | 0.00 | 1 | 0 | 118 | 0 | 118 | 118 | 0 |
| 5 | 600145768 | N | NA | 70 | 415.46259 | 207.73130 | G | Arnhem | NA | Batavierenweg | Arnhem | Arnhem | 0.00 | 1 | 0 | 409 | 0 | 409 | 409 | 1 |
| 6 | 218198101 | Z | NA | 70 | 232.48155 | 116.24077 | G | Breda | NA | Ettensebaan | Breda | Breda | 0.00 | 1 | 0 | 211 | 0 | 211 | 211 | 1 |
| 7 | 486368012 | Z | NA | 70 | 165.73713 | 82.86857 | G | Almelo | NA | Nijreessingel | Almelo | Almelo | 0.00 | 1 | 0 | 127 | 0 | 127 | 127 | 0 |
| 8..8401 | ||||||||||||||||||||
| 8402 | 341232019 | L | HR | 80 | 209.35314 | 104.67657 | P | Noord-Brabant | N324 | Rijksweg | Schaijk | Maashorst | 1.00 | 1 | 0 | 0 | 126 | 0 | 126 | 0 |
De SPI Veilige Infrastructuur bevat het kenmerk “Aanwezigheid rijbaanscheiding”. Op wegen van een limiet van 70 km/u en hoger is een rijbaanscheiding in de vorm van een geleiderails of een voldoende brede middenberm gewenst. Een wegvak is als voldoende beoordeeld wanneer het aandeel van (als voldoende beoordeelde) rijbaanscheiding groter of gelijk aan 0,9 is.
Voor nu beperkt de analyse zich tot wegen buiten de bebouwde kom. Verder gelden een aantal beperkingen voor de gebruikte brondata voor het bepalen van de scores, zie daarvoor de paragraaf Aandachtspunten.
In het vorige hoofdstuk zijn wegvakken beoordeeld ten aanzien van het SPI kenmerk Aanwezigheid van een rijbaanscheiding in de vorm van een geleiderails of een brede middenberm. De beoordeling op wegvakniveau wordt vertaald naar een score op netwerkniveau per wegbeheerder. Daarbij wordt gekeken naar de verhouding tussen de lengte van de aanwezige (voldoende beoordeelde) rijbaanscheiding en de totale straatlengte. Let op, de halve, en niet de hele, lengte van segmenten waarvan de rijrichtingscheiding voldoet wordt gebruikt. Immers gaat dat segment altijd gepaard met een segment in de andere richting op de zelfde weg met dezelfde middenberm.
Per wegbeheerder wordt het volgende gescoord.
De eerste score is de hoofdscore, omdat deze ook gebruikt kan worden bij de bepaling van een totaal score van de infrastructuur. Daarnaast kan de score worden onderscheiden op het totale areaal en per limiet.
De eerste en tweede score zijn beide gebaseerd op een beoordeling op wegvak niveau. De derde score weegt alle delen van de wegvakken die al dan niet op orde zijn afzonderlijk, ten opzichte van totale weg- of straatlengte (niet te verwarren met de wegvaklengte).
#### landelijke ####
scores_landelijk_totaal <- nwb_rijbaanscheiding %>%
st_drop_geometry(.) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
Snelheidslimiet = "Totaal",
`Score kenmerk Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup()
# scores per limiet bepalen
scores_landelijk_limiet <- nwb_rijbaanscheiding %>%
st_drop_geometry(.) %>%
# groepeer naar limiet
group_by(Snelheidslimiet) %>%
# bepaal scores
summarise(`Wegbeheerder soort` = "Totaal" ,
Wegbeheerder = "Totaal",
#Snelheidslimiet = "Totaal",
`Score kenmerk Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup()
# scores samenvoegen en sorteren op limiet
scores_landelijk <- rbind(scores_landelijk_limiet, scores_landelijk_totaal) %>%
arrange(Wegbeheerder, as.numeric(Snelheidslimiet))
#### provincies ####
# scores voor het totaal bepalen
scores_provincies_totaal <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_provincies_totaal)
# scores per limiet bepalen
scores_provincies_limiet <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_provincies_limiet)
scores_provincies <- rbind(scores_provincies_limiet, scores_provincies_totaal) %>%
arrange(Wegbeheerder, as.numeric(Snelheidslimiet))
# head(scores_provincies)
#### gemeenten ####
# scores voor het totaal bepalen
scores_gemeenten_totaal <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = GME_NAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_gemeenten_totaal)
# scores per limiet bepalen
scores_gemeenten_limiet <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = GME_NAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_gemeenten_limiet)
scores_gemeenten <- rbind(scores_gemeenten_limiet, scores_gemeenten_totaal) %>%
arrange(Wegbeheerder, as.numeric(Snelheidslimiet))
# head(scores_gemeenten)
#### waterschappen ####
# scores voor het totaal bepalen
scores_waterschappen_totaal <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_waterschappen_totaal)
# scores per limiet bepalen
scores_waterschappen_limiet <- nwb_rijbaanscheiding %>%
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 Aanwezigheid rijbaanscheiding` = sum(rijbaanscheiding_voldoende) / n(),
`Score kenmerk naar wegvaklengte` = sum(ifelse(rijbaanscheiding_voldoende == 1, wegvaklengte,0)/
sum(wegvaklengte)),
`Score kenmerk naar weg- of straatlengte` = sum(lengte_rijbaanscheiding_voldoende * 0.5) / sum(lengte_wegvak_straat),
`Totale wegvaklengte [km]` = round(sum(wegvaklengte) / 1000, 1),
`Totale weglengte [km]` = round(sum(lengte_wegvak_straat) / 1000, 1)) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ set_units(. * 100, "%"))) %>%
mutate(across(c(`Score kenmerk Aanwezigheid rijbaanscheiding`:`Score kenmerk naar weg- of straatlengte`),
~ round(., 1))) %>%
ungroup() %>%
dplyr::rename(Wegbeheerder = WEGBEHNAAM) %>%
relocate(`Wegbeheerder soort`)
# head(scores_waterschappen_limiet)
scores_waterschappen <- rbind(scores_waterschappen_limiet, scores_waterschappen_totaal) %>%
arrange(Wegbeheerder, as.numeric(Snelheidslimiet))
# 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.
In deze paragraaf worden de deelscores van de SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding getoond. De getoonde resultaten worden apart getoond in subparagrafen op landelijk niveau, voor provinciale en gemeentelijke wegbeheerders en wegbeherende waterschappen.
Hieronder worden de scores voor heel Nederland getoond.
scroltabel_gt(scores_landelijk, title = "SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van alle wegbeheerders samen") | SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van alle wegbeheerders samen | |||||||
| Snelheidslimiet | Wegbeheerder soort | Wegbeheerder | Score kenmerk Aanwezigheid rijbaanscheiding | Score kenmerk naar wegvaklengte | Score kenmerk naar weg- of straatlengte | Totale wegvaklengte [km] | Totale weglengte [km] |
|---|---|---|---|---|---|---|---|
| 70 | Totaal | Totaal | 23.0 [%] | 45.5 [%] | 47.4 [%] | 922.5 | 556.3 |
| 80 | Totaal | Totaal | 2.8 [%] | 4.0 [%] | 3.7 [%] | 10992.4 | 10048.2 |
| 100 | Totaal | Totaal | 23.7 [%] | 36.1 [%] | 28.9 [%] | 1157.2 | 796.6 |
| Totaal | Totaal | Totaal | 5.7 [%] | 9.7 [%] | 7.6 [%] | 13072.1 | 11401.1 |
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 - Aanwezigheid van rijbaanscheiding, van wegbeherende waterschappen")| SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van wegbeherende waterschappen | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Aanwezigheid rijbaanscheiding | Score kenmerk naar wegvaklengte | Score kenmerk naar weg- of straatlengte | Totale wegvaklengte [km] | Totale weglengte [km] |
|---|---|---|---|---|---|---|---|
| Waterschap | HHS Hollands Noorderkwartier | 80 | 8.3 [%] | 12.3 [%] | 14.6 [%] | 5.0 | 3.9 |
| Waterschap | HHS Hollands Noorderkwartier | Totaal | 8.3 [%] | 12.3 [%] | 14.6 [%] | 5.0 | 3.9 |
| Waterschap | HHS Schieland en de Krimpenerwaard | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Waterschap | HHS Schieland en de Krimpenerwaard | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Waterschap | Waterschap De Hollandse Delta | 70 | 0.0 [%] | 0.0 [%] | 18.2 [%] | 0.4 | 0.2 |
| Waterschap | Waterschap De Hollandse Delta | 80 | 1.0 [%] | 3.2 [%] | 3.0 [%] | 104.5 | 94.1 |
| Waterschap | Waterschap De Hollandse Delta | Totaal | 1.0 [%] | 3.2 [%] | 3.1 [%] | 105.0 | 94.3 |
| Waterschap | Waterschap Rivierenland | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 19.4 | 19.0 |
| Waterschap | Waterschap Rivierenland | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Waterschap | Waterschap Rivierenland | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 19.6 | 19.1 |
| Waterschap | Waterschap Scheldestromen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Waterschap | Waterschap Scheldestromen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 163.4 | 160.5 |
| Waterschap | Waterschap Scheldestromen | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Waterschap | Waterschap Scheldestromen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 164.1 | 161.2 |
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 - Aanwezigheid van rijbaanscheiding, van provinciale wegbeheerders")| SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van provinciale wegbeheerders | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Aanwezigheid rijbaanscheiding | Score kenmerk naar wegvaklengte | Score kenmerk naar weg- of straatlengte | Totale wegvaklengte [km] | Totale weglengte [km] |
|---|---|---|---|---|---|---|---|
| Provincie | Drenthe | 70 | 51.5 [%] | 77.2 [%] | 78.0 [%] | 21.6 | 10.9 |
| Provincie | Drenthe | 80 | 0.3 [%] | 0.6 [%] | 0.6 [%] | 293.0 | 279.6 |
| Provincie | Drenthe | 100 | 15.8 [%] | 22.6 [%] | 14.6 [%] | 152.0 | 119.5 |
| Provincie | Drenthe | Totaal | 5.9 [%] | 11.3 [%] | 6.7 [%] | 466.7 | 409.9 |
| Provincie | Flevoland | 70 | 17.2 [%] | 26.0 [%] | 25.6 [%] | 5.1 | 2.6 |
| Provincie | Flevoland | 80 | 7.3 [%] | 7.0 [%] | 5.5 [%] | 425.3 | 379.1 |
| Provincie | Flevoland | 100 | 27.3 [%] | 34.0 [%] | 32.9 [%] | 137.2 | 92.2 |
| Provincie | Flevoland | Totaal | 9.3 [%] | 13.7 [%] | 11.0 [%] | 567.6 | 473.9 |
| Provincie | Friesland | 70 | 22.6 [%] | 41.8 [%] | 55.7 [%] | 26.9 | 15.9 |
| Provincie | Friesland | 80 | 0.7 [%] | 0.4 [%] | 0.7 [%] | 312.2 | 305.0 |
| Provincie | Friesland | 100 | 24.5 [%] | 40.4 [%] | 29.2 [%] | 205.2 | 149.6 |
| Provincie | Friesland | Totaal | 8.0 [%] | 17.5 [%] | 11.6 [%] | 544.3 | 470.4 |
| Provincie | Gelderland | 70 | 9.4 [%] | 25.6 [%] | 35.4 [%] | 12.3 | 7.9 |
| Provincie | Gelderland | 80 | 2.6 [%] | 4.9 [%] | 4.6 [%] | 1008.6 | 903.9 |
| Provincie | Gelderland | 100 | 28.6 [%] | 46.2 [%] | 37.5 [%] | 96.5 | 64.2 |
| Provincie | Gelderland | Totaal | 3.5 [%] | 8.7 [%] | 7.0 [%] | 1117.5 | 976.0 |
| Provincie | Groningen | 70 | 41.6 [%] | 49.1 [%] | 48.3 [%] | 45.9 | 26.0 |
| Provincie | Groningen | 80 | 0.0 [%] | 0.0 [%] | 0.9 [%] | 253.2 | 237.0 |
| Provincie | Groningen | 100 | 5.8 [%] | 8.8 [%] | 6.2 [%] | 113.4 | 89.7 |
| Provincie | Groningen | Totaal | 6.5 [%] | 7.9 [%] | 5.7 [%] | 412.5 | 352.7 |
| Provincie | Limburg | 70 | 23.1 [%] | 49.9 [%] | 62.7 [%] | 3.5 | 2.0 |
| Provincie | Limburg | 80 | 7.4 [%] | 13.6 [%] | 11.6 [%] | 390.1 | 318.3 |
| Provincie | Limburg | 100 | 52.6 [%] | 72.5 [%] | 72.6 [%] | 77.4 | 38.7 |
| Provincie | Limburg | Totaal | 11.0 [%] | 23.6 [%] | 18.5 [%] | 470.9 | 359.0 |
| Provincie | Noord-Brabant | 70 | 28.6 [%] | 60.7 [%] | 59.9 [%] | 7.8 | 4.2 |
| Provincie | Noord-Brabant | 80 | 3.8 [%] | 7.3 [%] | 7.5 [%] | 561.2 | 473.4 |
| Provincie | Noord-Brabant | 100 | 47.4 [%] | 73.7 [%] | 77.7 [%] | 40.7 | 20.4 |
| Provincie | Noord-Brabant | Totaal | 5.6 [%] | 12.5 [%] | 10.8 [%] | 609.7 | 498.0 |
| Provincie | Noord-Holland | 70 | 27.4 [%] | 59.2 [%] | 72.7 [%] | 53.9 | 28.0 |
| Provincie | Noord-Holland | 80 | 6.8 [%] | 13.5 [%] | 14.7 [%] | 468.5 | 372.6 |
| Provincie | Noord-Holland | 100 | 37.9 [%] | 51.5 [%] | 51.4 [%] | 78.5 | 46.8 |
| Provincie | Noord-Holland | Totaal | 11.1 [%] | 22.6 [%] | 22.2 [%] | 601.0 | 447.4 |
| Provincie | Overijssel | 70 | 23.5 [%] | 42.6 [%] | 44.6 [%] | 10.5 | 6.9 |
| Provincie | Overijssel | 80 | 2.7 [%] | 3.0 [%] | 3.8 [%] | 563.4 | 513.9 |
| Provincie | Overijssel | 100 | 0.0 [%] | 0.0 [%] | 1.2 [%] | 35.1 | 32.4 |
| Provincie | Overijssel | Totaal | 3.4 [%] | 3.5 [%] | 4.1 [%] | 609.0 | 553.1 |
| Provincie | Utrecht | 70 | 18.8 [%] | 37.4 [%] | 72.0 [%] | 2.5 | 1.3 |
| Provincie | Utrecht | 80 | 4.4 [%] | 6.5 [%] | 7.8 [%] | 268.4 | 218.0 |
| Provincie | Utrecht | 100 | 47.1 [%] | 77.9 [%] | 75.6 [%] | 6.7 | 3.4 |
| Provincie | Utrecht | Totaal | 5.1 [%] | 8.5 [%] | 9.2 [%] | 277.6 | 222.7 |
| Provincie | Zeeland | 70 | 23.3 [%] | 47.4 [%] | 51.5 [%] | 6.3 | 3.8 |
| Provincie | Zeeland | 80 | 2.1 [%] | 3.2 [%] | 2.7 [%] | 313.7 | 289.2 |
| Provincie | Zeeland | 100 | 23.5 [%] | 30.2 [%] | 22.8 [%] | 129.5 | 89.8 |
| Provincie | Zeeland | Totaal | 5.7 [%] | 11.6 [%] | 7.9 [%] | 449.5 | 382.9 |
| Provincie | Zuid-Holland | 70 | 37.9 [%] | 72.2 [%] | 79.2 [%] | 7.9 | 4.0 |
| Provincie | Zuid-Holland | 80 | 6.3 [%] | 10.1 [%] | 13.2 [%] | 474.1 | 358.4 |
| Provincie | Zuid-Holland | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 1.0 |
| Provincie | Zuid-Holland | Totaal | 6.8 [%] | 11.1 [%] | 13.9 [%] | 484.0 | 363.4 |
scroltabel_gt(scores_gemeenten, title = "SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van gemeentelijke wegbeheerders")| SPI Veilige Infrastructuur - Aanwezigheid van rijbaanscheiding, van gemeentelijke wegbeheerders | |||||||
| Wegbeheerder soort | Wegbeheerder | Snelheidslimiet | Score kenmerk Aanwezigheid rijbaanscheiding | Score kenmerk naar wegvaklengte | Score kenmerk naar weg- of straatlengte | Totale wegvaklengte [km] | Totale weglengte [km] |
|---|---|---|---|---|---|---|---|
| Gemeente | 's-Gravenhage | 70 | 5.6 [%] | 0.8 [%] | 23.9 [%] | 14.4 | 7.9 |
| Gemeente | 's-Gravenhage | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | 's-Gravenhage | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | 's-Gravenhage | Totaal | 5.3 [%] | 0.8 [%] | 23.9 [%] | 14.4 | 7.9 |
| Gemeente | 's-Hertogenbosch | 70 | 16.7 [%] | 45.1 [%] | 47.9 [%] | 3.4 | 2.1 |
| Gemeente | 's-Hertogenbosch | 80 | 6.1 [%] | 9.0 [%] | 22.0 [%] | 18.6 | 13.2 |
| Gemeente | 's-Hertogenbosch | Totaal | 7.7 [%] | 14.6 [%] | 25.6 [%] | 22.0 | 15.3 |
| Gemeente | Aa en Hunze | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Aa en Hunze | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 85.0 | 85.0 |
| Gemeente | Aa en Hunze | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 85.8 | 85.8 |
| Gemeente | Aalsmeer | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.6 | 0.6 |
| Gemeente | Aalsmeer | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.6 | 0.6 |
| Gemeente | Aalten | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Aalten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.6 | 1.6 |
| Gemeente | Aalten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.7 | 1.7 |
| Gemeente | Achtkarspelen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.6 | 0.6 |
| Gemeente | Achtkarspelen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 14.0 | 13.2 |
| Gemeente | Achtkarspelen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 14.6 | 13.8 |
| Gemeente | Alblasserdam | 80 | 0.0 [%] | 0.0 [%] | 9.7 [%] | 1.3 | 0.9 |
| Gemeente | Alblasserdam | Totaal | 0.0 [%] | 0.0 [%] | 9.7 [%] | 1.3 | 0.9 |
| Gemeente | Albrandswaard | 80 | 25.0 [%] | 42.7 [%] | 63.1 [%] | 0.7 | 0.4 |
| Gemeente | Albrandswaard | Totaal | 25.0 [%] | 42.7 [%] | 63.1 [%] | 0.7 | 0.4 |
| Gemeente | Alkmaar | 70 | 19.4 [%] | 64.6 [%] | 63.8 [%] | 5.1 | 2.5 |
| Gemeente | Alkmaar | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.0 |
| Gemeente | Alkmaar | Totaal | 14.3 [%] | 45.4 [%] | 35.5 [%] | 7.2 | 4.5 |
| Gemeente | Almelo | 70 | 16.3 [%] | 30.1 [%] | 30.9 [%] | 17.4 | 12.0 |
| Gemeente | Almelo | 80 | 1.8 [%] | 0.6 [%] | 8.8 [%] | 38.3 | 33.8 |
| Gemeente | Almelo | 100 | 0.0 [%] | 0.0 [%] | 7.3 [%] | 2.3 | 2.1 |
| Gemeente | Almelo | Totaal | 8.3 [%] | 9.4 [%] | 14.2 [%] | 58.0 | 47.9 |
| Gemeente | Almere | 80 | 0.0 [%] | 0.0 [%] | 1.8 [%] | 7.1 | 6.3 |
| Gemeente | Almere | Totaal | 0.0 [%] | 0.0 [%] | 1.8 [%] | 7.1 | 6.3 |
| Gemeente | Alphen aan den Rijn | 70 | 11.3 [%] | 24.6 [%] | 43.7 [%] | 7.8 | 5.1 |
| Gemeente | Alphen aan den Rijn | 80 | 0.0 [%] | 0.0 [%] | 4.9 [%] | 0.8 | 0.6 |
| Gemeente | Alphen aan den Rijn | Totaal | 10.3 [%] | 22.4 [%] | 39.8 [%] | 8.6 | 5.6 |
| Gemeente | Alphen-Chaam | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Alphen-Chaam | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Altena | 80 | 3.9 [%] | 1.0 [%] | 0.5 [%] | 8.6 | 8.4 |
| Gemeente | Altena | Totaal | 3.9 [%] | 1.0 [%] | 0.5 [%] | 8.6 | 8.4 |
| Gemeente | Ameland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.9 | 10.9 |
| Gemeente | Ameland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.9 | 10.9 |
| Gemeente | Amersfoort | 70 | 22.4 [%] | 60.3 [%] | 74.6 [%] | 16.4 | 8.8 |
| Gemeente | Amersfoort | 80 | 6.3 [%] | 20.1 [%] | 18.3 [%] | 11.0 | 8.2 |
| Gemeente | Amersfoort | Totaal | 16.1 [%] | 44.2 [%] | 47.5 [%] | 27.4 | 17.0 |
| Gemeente | Amstelveen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.5 | 3.3 |
| Gemeente | Amstelveen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.5 | 3.3 |
| Gemeente | Amsterdam | 70 | 24.0 [%] | 42.7 [%] | 44.8 [%] | 42.1 | 23.4 |
| Gemeente | Amsterdam | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.3 |
| Gemeente | Amsterdam | 100 | 0.0 [%] | 0.0 [%] | 18.0 [%] | 0.5 | 0.3 |
| Gemeente | Amsterdam | Totaal | 21.0 [%] | 40.0 [%] | 40.5 [%] | 44.9 | 26.0 |
| Gemeente | Apeldoorn | 80 | 4.0 [%] | 19.1 [%] | 13.7 [%] | 22.4 | 16.6 |
| Gemeente | Apeldoorn | Totaal | 4.0 [%] | 19.1 [%] | 13.7 [%] | 22.4 | 16.6 |
| Gemeente | Arnhem | 70 | 45.5 [%] | 76.9 [%] | 80.8 [%] | 7.5 | 3.9 |
| Gemeente | Arnhem | 80 | 1.7 [%] | 1.1 [%] | 3.9 [%] | 5.7 | 4.8 |
| Gemeente | Arnhem | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Arnhem | Totaal | 13.6 [%] | 43.3 [%] | 37.2 [%] | 13.5 | 9.0 |
| Gemeente | Assen | 70 | 10.5 [%] | 26.7 [%] | 26.6 [%] | 16.5 | 11.8 |
| Gemeente | Assen | 80 | 2.1 [%] | 0.3 [%] | 3.9 [%] | 8.1 | 6.4 |
| Gemeente | Assen | Totaal | 7.7 [%] | 18.0 [%] | 18.6 [%] | 24.6 | 18.2 |
| Gemeente | Asten | 80 | 0.0 [%] | 0.0 [%] | 2.4 [%] | 5.8 | 5.3 |
| Gemeente | Asten | Totaal | 0.0 [%] | 0.0 [%] | 2.4 [%] | 5.8 | 5.3 |
| Gemeente | Baarle-Nassau | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Baarle-Nassau | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Baarn | 80 | 14.3 [%] | 2.9 [%] | 5.1 [%] | 3.7 | 3.4 |
| Gemeente | Baarn | Totaal | 14.3 [%] | 2.9 [%] | 5.1 [%] | 3.7 | 3.4 |
| Gemeente | Barendrecht | 70 | 24.4 [%] | 47.2 [%] | 39.7 [%] | 15.0 | 10.2 |
| Gemeente | Barendrecht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.7 |
| Gemeente | Barendrecht | Totaal | 23.5 [%] | 44.8 [%] | 37.3 [%] | 15.8 | 10.9 |
| Gemeente | Barneveld | 80 | 0.0 [%] | 0.0 [%] | 0.3 [%] | 23.4 | 22.9 |
| Gemeente | Barneveld | Totaal | 0.0 [%] | 0.0 [%] | 0.3 [%] | 23.4 | 22.9 |
| Gemeente | Beek | 80 | 0.0 [%] | 0.0 [%] | 2.1 [%] | 7.7 | 7.2 |
| Gemeente | Beek | Totaal | 0.0 [%] | 0.0 [%] | 2.1 [%] | 7.7 | 7.2 |
| Gemeente | Beekdaelen | 80 | 1.4 [%] | 0.2 [%] | 0.2 [%] | 33.3 | 33.0 |
| Gemeente | Beekdaelen | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Gemeente | Beekdaelen | Totaal | 1.4 [%] | 0.2 [%] | 0.2 [%] | 33.6 | 33.4 |
| Gemeente | Beesel | 80 | 1.2 [%] | 0.7 [%] | 0.4 [%] | 38.0 | 37.9 |
| Gemeente | Beesel | Totaal | 1.2 [%] | 0.7 [%] | 0.4 [%] | 38.0 | 37.9 |
| Gemeente | Berg en Dal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.5 | 9.5 |
| Gemeente | Berg en Dal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.5 | 9.5 |
| Gemeente | Bergeijk | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Bergeijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.5 | 7.5 |
| Gemeente | Bergeijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.6 | 7.6 |
| Gemeente | Bergen (L) | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Bergen (L) | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 46.5 | 46.5 |
| Gemeente | Bergen (L) | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 47.3 | 47.3 |
| Gemeente | Bergen (NH) | 80 | 0.0 [%] | 0.0 [%] | 5.2 [%] | 4.3 | 3.8 |
| Gemeente | Bergen (NH) | Totaal | 0.0 [%] | 0.0 [%] | 5.2 [%] | 4.3 | 3.8 |
| Gemeente | Bergen op Zoom | 70 | 33.3 [%] | 79.3 [%] | 78.9 [%] | 4.3 | 2.2 |
| Gemeente | Bergen op Zoom | 80 | 7.9 [%] | 18.2 [%] | 19.2 [%] | 15.8 | 12.8 |
| Gemeente | Bergen op Zoom | Totaal | 14.9 [%] | 31.3 [%] | 27.9 [%] | 20.1 | 14.9 |
| Gemeente | Berkelland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 15.0 | 15.0 |
| Gemeente | Berkelland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 15.0 | 15.0 |
| Gemeente | Bernheze | 80 | 0.0 [%] | 0.0 [%] | 2.6 [%] | 4.1 | 3.7 |
| Gemeente | Bernheze | Totaal | 0.0 [%] | 0.0 [%] | 2.6 [%] | 4.1 | 3.7 |
| Gemeente | Best | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Best | 80 | 5.3 [%] | 23.8 [%] | 15.0 [%] | 9.4 | 7.4 |
| Gemeente | Best | Totaal | 5.1 [%] | 23.8 [%] | 15.0 [%] | 9.4 | 7.4 |
| Gemeente | Beuningen | 80 | 0.0 [%] | 0.0 [%] | 12.7 [%] | 4.0 | 2.8 |
| Gemeente | Beuningen | Totaal | 0.0 [%] | 0.0 [%] | 12.7 [%] | 4.0 | 2.8 |
| Gemeente | Beverwijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.7 | 3.7 |
| Gemeente | Beverwijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.7 | 3.7 |
| Gemeente | Bladel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.2 |
| Gemeente | Bladel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.2 |
| Gemeente | Blaricum | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Blaricum | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Bodegraven-Reeuwijk | 80 | 0.0 [%] | 0.0 [%] | 0.5 [%] | 3.4 | 3.3 |
| Gemeente | Bodegraven-Reeuwijk | Totaal | 0.0 [%] | 0.0 [%] | 0.5 [%] | 3.4 | 3.3 |
| Gemeente | Boekel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Boekel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Borger-Odoorn | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Borger-Odoorn | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 24.0 | 24.0 |
| Gemeente | Borger-Odoorn | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 25.3 | 25.3 |
| Gemeente | Borne | 80 | 3.8 [%] | 10.0 [%] | 10.9 [%] | 6.1 | 4.8 |
| Gemeente | Borne | Totaal | 3.8 [%] | 10.0 [%] | 10.9 [%] | 6.1 | 4.8 |
| Gemeente | Borsele | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.4 | 1.4 |
| Gemeente | Borsele | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.4 | 1.4 |
| Gemeente | Boxtel | 80 | 3.1 [%] | 5.9 [%] | 12.0 [%] | 6.3 | 4.8 |
| Gemeente | Boxtel | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Boxtel | Totaal | 3.0 [%] | 5.9 [%] | 12.0 [%] | 6.3 | 4.9 |
| Gemeente | Breda | 70 | 29.5 [%] | 58.4 [%] | 61.0 [%] | 40.1 | 23.0 |
| Gemeente | Breda | 80 | 4.8 [%] | 2.3 [%] | 1.2 [%] | 10.7 | 10.2 |
| Gemeente | Breda | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Breda | Totaal | 25.6 [%] | 46.5 [%] | 42.4 [%] | 50.9 | 33.3 |
| Gemeente | Bronckhorst | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.8 | 9.8 |
| Gemeente | Bronckhorst | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.8 | 9.8 |
| Gemeente | Brummen | 80 | 0.0 [%] | 0.0 [%] | 0.6 [%] | 8.2 | 8.0 |
| Gemeente | Brummen | Totaal | 0.0 [%] | 0.0 [%] | 0.6 [%] | 8.2 | 8.0 |
| Gemeente | Brunssum | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.3 | 3.2 |
| Gemeente | Brunssum | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.3 | 3.2 |
| Gemeente | Bunnik | 80 | 3.8 [%] | 4.4 [%] | 2.5 [%] | 3.2 | 2.6 |
| Gemeente | Bunnik | Totaal | 3.8 [%] | 4.4 [%] | 2.5 [%] | 3.2 | 2.6 |
| Gemeente | Bunschoten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.5 |
| Gemeente | Bunschoten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.5 |
| Gemeente | Buren | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Buren | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Capelle aan den IJssel | 70 | 22.2 [%] | 42.5 [%] | 49.8 [%] | 3.7 | 1.9 |
| Gemeente | Capelle aan den IJssel | Totaal | 22.2 [%] | 42.5 [%] | 49.8 [%] | 3.7 | 1.9 |
| Gemeente | Castricum | 80 | 0.0 [%] | 0.0 [%] | 8.9 [%] | 0.3 | 0.2 |
| Gemeente | Castricum | Totaal | 0.0 [%] | 0.0 [%] | 8.9 [%] | 0.3 | 0.2 |
| Gemeente | Coevorden | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Coevorden | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 276.2 | 260.9 |
| Gemeente | Coevorden | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 276.3 | 261.0 |
| Gemeente | Cranendonck | 80 | 0.0 [%] | 0.0 [%] | 1.0 [%] | 14.8 | 14.5 |
| Gemeente | Cranendonck | Totaal | 0.0 [%] | 0.0 [%] | 1.0 [%] | 14.8 | 14.5 |
| Gemeente | Culemborg | 80 | 0.0 [%] | 0.0 [%] | 7.4 [%] | 1.1 | 0.8 |
| Gemeente | Culemborg | Totaal | 0.0 [%] | 0.0 [%] | 7.4 [%] | 1.1 | 0.8 |
| Gemeente | Dalfsen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Dalfsen | 80 | 0.0 [%] | 0.0 [%] | 0.6 [%] | 20.3 | 19.9 |
| Gemeente | Dalfsen | Totaal | 0.0 [%] | 0.0 [%] | 0.6 [%] | 20.3 | 19.9 |
| Gemeente | Dantumadiel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.3 | 8.3 |
| Gemeente | Dantumadiel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.3 | 8.3 |
| Gemeente | De Bilt | 80 | 20.0 [%] | 30.5 [%] | 27.4 [%] | 4.1 | 3.1 |
| Gemeente | De Bilt | Totaal | 20.0 [%] | 30.5 [%] | 27.4 [%] | 4.1 | 3.1 |
| Gemeente | De Fryske Marren | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | De Fryske Marren | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 60.8 | 60.7 |
| Gemeente | De Fryske Marren | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | De Fryske Marren | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 61.2 | 61.0 |
| Gemeente | De Ronde Venen | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 9.2 | 9.1 |
| Gemeente | De Ronde Venen | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 9.2 | 9.1 |
| Gemeente | De Wolden | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 26.7 | 26.7 |
| Gemeente | De Wolden | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 26.7 | 26.7 |
| Gemeente | Delft | 70 | 50.0 [%] | 47.9 [%] | 85.3 [%] | 3.9 | 2.0 |
| Gemeente | Delft | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.3 | 3.3 |
| Gemeente | Delft | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Delft | Totaal | 17.4 [%] | 26.0 [%] | 31.8 [%] | 7.2 | 5.2 |
| Gemeente | Den Helder | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.1 | 3.1 |
| Gemeente | Den Helder | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.7 | 1.7 |
| Gemeente | Den Helder | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.8 | 4.8 |
| Gemeente | Deurne | 80 | 0.0 [%] | 0.0 [%] | 0.3 [%] | 27.5 | 26.9 |
| Gemeente | Deurne | Totaal | 0.0 [%] | 0.0 [%] | 0.3 [%] | 27.5 | 26.9 |
| Gemeente | Deventer | 80 | 2.9 [%] | 0.8 [%] | 0.9 [%] | 5.6 | 5.5 |
| Gemeente | Deventer | Totaal | 2.9 [%] | 0.8 [%] | 0.9 [%] | 5.6 | 5.5 |
| Gemeente | Diemen | 70 | 14.0 [%] | 32.0 [%] | 39.1 [%] | 14.7 | 8.9 |
| Gemeente | Diemen | Totaal | 14.0 [%] | 32.0 [%] | 39.1 [%] | 14.7 | 8.9 |
| Gemeente | Dijk en Waard | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Dijk en Waard | 80 | 2.6 [%] | 1.0 [%] | 7.2 [%] | 4.0 | 3.3 |
| Gemeente | Dijk en Waard | Totaal | 2.3 [%] | 0.7 [%] | 5.3 [%] | 5.2 | 4.5 |
| Gemeente | Dinkelland | 70 | 19.4 [%] | 59.4 [%] | 84.3 [%] | 7.3 | 3.7 |
| Gemeente | Dinkelland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.6 | 3.6 |
| Gemeente | Dinkelland | Totaal | 11.9 [%] | 39.9 [%] | 43.0 [%] | 10.8 | 7.3 |
| Gemeente | Doesburg | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Doesburg | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Doetinchem | 70 | 11.1 [%] | 21.5 [%] | 26.0 [%] | 1.7 | 1.1 |
| Gemeente | Doetinchem | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.7 | 9.6 |
| Gemeente | Doetinchem | Totaal | 3.7 [%] | 3.2 [%] | 2.7 [%] | 11.4 | 10.7 |
| Gemeente | Dongen | 80 | 7.3 [%] | 2.7 [%] | 2.0 [%] | 9.4 | 8.9 |
| Gemeente | Dongen | Totaal | 7.3 [%] | 2.7 [%] | 2.0 [%] | 9.4 | 8.9 |
| Gemeente | Dordrecht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Dordrecht | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Drechterland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.0 |
| Gemeente | Drechterland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.0 |
| Gemeente | Drimmelen | 80 | 1.6 [%] | 1.0 [%] | 3.6 [%] | 9.6 | 9.0 |
| Gemeente | Drimmelen | Totaal | 1.6 [%] | 1.0 [%] | 3.6 [%] | 9.6 | 9.0 |
| Gemeente | Dronten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 231.5 | 231.3 |
| Gemeente | Dronten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 231.5 | 231.3 |
| Gemeente | Druten | 80 | 0.0 [%] | 0.0 [%] | 0.2 [%] | 4.7 | 4.5 |
| Gemeente | Druten | Totaal | 0.0 [%] | 0.0 [%] | 0.2 [%] | 4.7 | 4.5 |
| Gemeente | Duiven | 80 | 2.2 [%] | 0.9 [%] | 2.9 [%] | 4.5 | 3.6 |
| Gemeente | Duiven | Totaal | 2.2 [%] | 0.9 [%] | 2.9 [%] | 4.5 | 3.6 |
| Gemeente | Echt-Susteren | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.0 | 7.0 |
| Gemeente | Echt-Susteren | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Echt-Susteren | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.1 | 7.1 |
| Gemeente | Ede | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Ede | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 19.3 | 19.1 |
| Gemeente | Ede | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 20.5 | 20.3 |
| Gemeente | Eemnes | 80 | 0.0 [%] | 0.0 [%] | 21.6 [%] | 1.1 | 0.6 |
| Gemeente | Eemnes | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.2 |
| Gemeente | Eemnes | Totaal | 0.0 [%] | 0.0 [%] | 15.4 [%] | 1.6 | 0.8 |
| Gemeente | Eemsdelta | 80 | 0.0 [%] | 0.0 [%] | 1.8 [%] | 1.9 | 1.9 |
| Gemeente | Eemsdelta | Totaal | 0.0 [%] | 0.0 [%] | 1.8 [%] | 1.9 | 1.9 |
| Gemeente | Eersel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 0.7 |
| Gemeente | Eersel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 0.7 |
| Gemeente | Eijsden-Margraten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.8 | 3.8 |
| Gemeente | Eijsden-Margraten | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Eijsden-Margraten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.9 | 3.9 |
| Gemeente | Eindhoven | 70 | 22.4 [%] | 52.7 [%] | 56.3 [%] | 46.4 | 24.1 |
| Gemeente | Eindhoven | 80 | 11.8 [%] | 26.6 [%] | 19.9 [%] | 15.5 | 11.7 |
| Gemeente | Eindhoven | Totaal | 19.8 [%] | 46.1 [%] | 44.4 [%] | 61.8 | 35.8 |
| Gemeente | Elburg | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Elburg | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Emmen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Emmen | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 45.1 | 44.5 |
| Gemeente | Emmen | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 46.1 | 45.5 |
| Gemeente | Enschede | 70 | 21.4 [%] | 60.2 [%] | 78.8 [%] | 3.9 | 2.0 |
| Gemeente | Enschede | 80 | 2.0 [%] | 0.3 [%] | 0.9 [%] | 18.9 | 18.1 |
| Gemeente | Enschede | 100 | 28.6 [%] | 34.2 [%] | 25.6 [%] | 3.6 | 2.4 |
| Gemeente | Enschede | Totaal | 5.9 [%] | 13.8 [%] | 10.4 [%] | 26.4 | 22.4 |
| Gemeente | Epe | 80 | 0.0 [%] | 0.0 [%] | 3.0 [%] | 3.3 | 3.1 |
| Gemeente | Epe | Totaal | 0.0 [%] | 0.0 [%] | 3.0 [%] | 3.3 | 3.1 |
| Gemeente | Ermelo | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.5 | 0.5 |
| Gemeente | Ermelo | 80 | 7.4 [%] | 1.6 [%] | 2.5 [%] | 7.6 | 7.3 |
| Gemeente | Ermelo | Totaal | 6.7 [%] | 1.5 [%] | 2.3 [%] | 8.1 | 7.8 |
| Gemeente | Etten-Leur | 80 | 0.0 [%] | 0.0 [%] | 18.8 [%] | 1.3 | 1.0 |
| Gemeente | Etten-Leur | Totaal | 0.0 [%] | 0.0 [%] | 18.8 [%] | 1.3 | 1.0 |
| Gemeente | Geertruidenberg | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.7 | 4.7 |
| Gemeente | Geertruidenberg | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.7 | 4.7 |
| Gemeente | Geldrop-Mierlo | 80 | 0.0 [%] | 0.0 [%] | 0.3 [%] | 3.4 | 3.2 |
| Gemeente | Geldrop-Mierlo | Totaal | 0.0 [%] | 0.0 [%] | 0.3 [%] | 3.4 | 3.2 |
| Gemeente | Gemert-Bakel | 80 | 1.4 [%] | 0.8 [%] | 0.4 [%] | 36.8 | 34.8 |
| Gemeente | Gemert-Bakel | Totaal | 1.4 [%] | 0.8 [%] | 0.4 [%] | 36.8 | 34.8 |
| Gemeente | Gennep | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 41.0 | 41.0 |
| Gemeente | Gennep | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 41.0 | 41.0 |
| Gemeente | Gilze en Rijen | 80 | 0.0 [%] | 0.0 [%] | 10.6 [%] | 0.9 | 0.8 |
| Gemeente | Gilze en Rijen | Totaal | 0.0 [%] | 0.0 [%] | 10.6 [%] | 0.9 | 0.8 |
| Gemeente | Goeree-Overflakkee | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Goeree-Overflakkee | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.2 | 1.8 |
| Gemeente | Goeree-Overflakkee | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.2 | 1.8 |
| Gemeente | Goes | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Goes | 80 | 0.0 [%] | 0.0 [%] | 6.5 [%] | 2.1 | 1.3 |
| Gemeente | Goes | Totaal | 0.0 [%] | 0.0 [%] | 6.1 [%] | 2.2 | 1.4 |
| Gemeente | Goirle | 80 | 0.0 [%] | 0.0 [%] | 1.0 [%] | 8.9 | 8.4 |
| Gemeente | Goirle | Totaal | 0.0 [%] | 0.0 [%] | 1.0 [%] | 8.9 | 8.4 |
| Gemeente | Gooise Meren | 80 | 4.2 [%] | 4.4 [%] | 2.4 [%] | 10.9 | 9.4 |
| Gemeente | Gooise Meren | Totaal | 4.2 [%] | 4.4 [%] | 2.4 [%] | 10.9 | 9.4 |
| Gemeente | Gorinchem | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Gorinchem | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Gouda | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Gouda | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Groningen | 70 | 4.0 [%] | 0.2 [%] | 0.1 [%] | 7.7 | 7.7 |
| Gemeente | Groningen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.9 | 2.9 |
| Gemeente | Groningen | Totaal | 2.9 [%] | 0.2 [%] | 0.1 [%] | 10.6 | 10.6 |
| Gemeente | Gulpen-Wittem | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.5 | 11.5 |
| Gemeente | Gulpen-Wittem | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.5 | 11.5 |
| Gemeente | Haaksbergen | 70 | 0.0 [%] | 0.0 [%] | 4.2 [%] | 6.3 | 5.6 |
| Gemeente | Haaksbergen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.6 | 8.6 |
| Gemeente | Haaksbergen | Totaal | 0.0 [%] | 0.0 [%] | 1.6 [%] | 14.9 | 14.2 |
| Gemeente | Haarlem | 70 | 10.0 [%] | 76.2 [%] | 70.5 [%] | 1.4 | 0.8 |
| Gemeente | Haarlem | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Haarlem | Totaal | 9.5 [%] | 73.9 [%] | 66.6 [%] | 1.5 | 0.8 |
| Gemeente | Haarlemmermeer | 70 | 17.1 [%] | 28.7 [%] | 37.2 [%] | 8.8 | 5.6 |
| Gemeente | Haarlemmermeer | 80 | 1.8 [%] | 3.7 [%] | 5.9 [%] | 24.0 | 20.1 |
| Gemeente | Haarlemmermeer | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Haarlemmermeer | Totaal | 5.2 [%] | 10.4 [%] | 12.6 [%] | 33.0 | 25.9 |
| Gemeente | Halderberge | 70 | 33.3 [%] | 71.3 [%] | 85.8 [%] | 1.8 | 0.9 |
| Gemeente | Halderberge | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.2 | 9.2 |
| Gemeente | Halderberge | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Halderberge | Totaal | 7.8 [%] | 9.8 [%] | 6.4 [%] | 13.0 | 12.1 |
| Gemeente | Hardenberg | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.5 |
| Gemeente | Hardenberg | 80 | 0.0 [%] | 0.0 [%] | 2.4 [%] | 15.6 | 15.1 |
| Gemeente | Hardenberg | Totaal | 0.0 [%] | 0.0 [%] | 2.2 [%] | 17.1 | 16.6 |
| Gemeente | Harderwijk | 80 | 5.3 [%] | 4.0 [%] | 2.5 [%] | 13.7 | 13.1 |
| Gemeente | Harderwijk | Totaal | 5.3 [%] | 4.0 [%] | 2.5 [%] | 13.7 | 13.1 |
| Gemeente | Harlingen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.4 | 2.3 |
| Gemeente | Harlingen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.4 | 2.3 |
| Gemeente | Hattem | 80 | 0.0 [%] | 0.0 [%] | 6.2 [%] | 3.3 | 3.1 |
| Gemeente | Hattem | Totaal | 0.0 [%] | 0.0 [%] | 6.2 [%] | 3.3 | 3.1 |
| Gemeente | Heemskerk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Heemskerk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Heemstede | 80 | 100.0 [%] | 100.0 [%] | 100.2 [%] | 0.2 | 0.1 |
| Gemeente | Heemstede | Totaal | 100.0 [%] | 100.0 [%] | 100.2 [%] | 0.2 | 0.1 |
| Gemeente | Heerde | 80 | 3.2 [%] | 1.6 [%] | 0.8 [%] | 6.2 | 6.1 |
| Gemeente | Heerde | Totaal | 3.2 [%] | 1.6 [%] | 0.8 [%] | 6.2 | 6.1 |
| Gemeente | Heerenveen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 13.5 | 10.9 |
| Gemeente | Heerenveen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 13.5 | 10.9 |
| Gemeente | Heerlen | 70 | 26.3 [%] | 44.3 [%] | 42.0 [%] | 13.6 | 9.0 |
| Gemeente | Heerlen | 80 | 5.9 [%] | 4.7 [%] | 3.5 [%] | 6.1 | 4.8 |
| Gemeente | Heerlen | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Heerlen | Totaal | 16.2 [%] | 32.0 [%] | 28.5 [%] | 19.7 | 13.9 |
| Gemeente | Heeze-Leende | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Heeze-Leende | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.7 | 7.7 |
| Gemeente | Heeze-Leende | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.7 | 7.7 |
| Gemeente | Hellendoorn | 80 | 0.0 [%] | 0.0 [%] | 0.6 [%] | 21.0 | 20.1 |
| Gemeente | Hellendoorn | Totaal | 0.0 [%] | 0.0 [%] | 0.6 [%] | 21.0 | 20.1 |
| Gemeente | Helmond | 70 | 19.1 [%] | 68.3 [%] | 61.1 [%] | 9.4 | 5.4 |
| Gemeente | Helmond | 80 | 0.0 [%] | 0.0 [%] | 2.8 [%] | 12.9 | 11.8 |
| Gemeente | Helmond | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.9 | 2.0 |
| Gemeente | Helmond | Totaal | 6.9 [%] | 24.5 [%] | 18.9 [%] | 26.3 | 19.2 |
| Gemeente | Hengelo (O) | 80 | 12.5 [%] | 20.2 [%] | 10.9 [%] | 2.5 | 2.2 |
| Gemeente | Hengelo (O) | Totaal | 12.5 [%] | 20.2 [%] | 10.9 [%] | 2.5 | 2.2 |
| Gemeente | Het Hogeland | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Het Hogeland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 155.3 | 155.2 |
| Gemeente | Het Hogeland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 155.3 | 155.2 |
| Gemeente | Heumen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.9 | 1.9 |
| Gemeente | Heumen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.9 | 1.9 |
| Gemeente | Heusden | 70 | 0.0 [%] | 0.0 [%] | 6.2 [%] | 3.9 | 3.6 |
| Gemeente | Heusden | 80 | 2.7 [%] | 2.9 [%] | 1.5 [%] | 11.0 | 10.6 |
| Gemeente | Heusden | Totaal | 2.0 [%] | 2.2 [%] | 2.7 [%] | 14.9 | 14.2 |
| Gemeente | Hilvarenbeek | 70 | 0.0 [%] | 0.0 [%] | 10.6 [%] | 0.1 | 0.1 |
| Gemeente | Hilvarenbeek | 80 | 15.6 [%] | 37.4 [%] | 35.9 [%] | 2.9 | 1.8 |
| Gemeente | Hilvarenbeek | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Hilvarenbeek | Totaal | 14.3 [%] | 33.2 [%] | 30.8 [%] | 3.2 | 2.2 |
| Gemeente | Hilversum | 80 | 0.0 [%] | 0.0 [%] | 16.3 [%] | 2.2 | 1.6 |
| Gemeente | Hilversum | Totaal | 0.0 [%] | 0.0 [%] | 16.3 [%] | 2.2 | 1.6 |
| Gemeente | Hoeksche Waard | 80 | 0.0 [%] | 0.0 [%] | 1.4 [%] | 2.0 | 1.9 |
| Gemeente | Hoeksche Waard | Totaal | 0.0 [%] | 0.0 [%] | 1.4 [%] | 2.0 | 1.9 |
| Gemeente | Hof van Twente | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 4.9 | 4.4 |
| Gemeente | Hof van Twente | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 4.9 | 4.4 |
| Gemeente | Hollands Kroon | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 19.0 | 18.9 |
| Gemeente | Hollands Kroon | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 19.0 | 18.9 |
| Gemeente | Hoogeveen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.2 | 3.2 |
| Gemeente | Hoogeveen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Hoogeveen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.0 | 4.0 |
| Gemeente | Hoorn | 70 | 22.9 [%] | 54.7 [%] | 58.7 [%] | 9.4 | 5.5 |
| Gemeente | Hoorn | 80 | 13.3 [%] | 11.4 [%] | 6.3 [%] | 1.5 | 1.3 |
| Gemeente | Hoorn | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Hoorn | Totaal | 21.0 [%] | 48.3 [%] | 48.1 [%] | 11.0 | 6.9 |
| Gemeente | Horst aan de Maas | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 34.5 | 34.3 |
| Gemeente | Horst aan de Maas | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 34.5 | 34.3 |
| Gemeente | Houten | 70 | 11.9 [%] | 29.6 [%] | 39.2 [%] | 27.6 | 17.1 |
| Gemeente | Houten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.1 |
| Gemeente | Houten | Totaal | 11.6 [%] | 27.5 [%] | 34.9 [%] | 29.7 | 19.2 |
| Gemeente | Huizen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Huizen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Hulst | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Hulst | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | IJsselstein | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.1 | 1.1 |
| Gemeente | IJsselstein | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 1.9 |
| Gemeente | IJsselstein | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.2 | 3.1 |
| Gemeente | Kaag en Braassem | 80 | 3.3 [%] | 0.3 [%] | 0.3 [%] | 6.2 | 6.0 |
| Gemeente | Kaag en Braassem | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.5 |
| Gemeente | Kaag en Braassem | Totaal | 3.2 [%] | 0.2 [%] | 0.2 [%] | 7.8 | 7.6 |
| Gemeente | Kampen | 80 | 0.0 [%] | 0.0 [%] | 1.6 [%] | 1.2 | 1.0 |
| Gemeente | Kampen | Totaal | 0.0 [%] | 0.0 [%] | 1.6 [%] | 1.2 | 1.0 |
| Gemeente | Kapelle | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Kapelle | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Katwijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Katwijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Kerkrade | 70 | 8.3 [%] | 22.1 [%] | 24.6 [%] | 2.8 | 2.1 |
| Gemeente | Kerkrade | 80 | 0.0 [%] | 0.0 [%] | 1.0 [%] | 4.7 | 4.1 |
| Gemeente | Kerkrade | Totaal | 4.1 [%] | 8.3 [%] | 9.0 [%] | 7.4 | 6.3 |
| Gemeente | Koggenland | 70 | 33.3 [%] | 9.8 [%] | 77.8 [%] | 0.5 | 0.3 |
| Gemeente | Koggenland | 80 | 11.8 [%] | 3.0 [%] | 1.6 [%] | 2.3 | 2.2 |
| Gemeente | Koggenland | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Koggenland | Totaal | 14.3 [%] | 4.1 [%] | 9.1 [%] | 2.9 | 2.5 |
| Gemeente | Krimpenerwaard | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Krimpenerwaard | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Laarbeek | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.5 | 8.5 |
| Gemeente | Laarbeek | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.5 | 8.5 |
| Gemeente | Land van Cuijk | 70 | 0.0 [%] | 0.0 [%] | 75.1 [%] | 0.4 | 0.2 |
| Gemeente | Land van Cuijk | 80 | 1.4 [%] | 0.9 [%] | 0.9 [%] | 40.5 | 37.8 |
| Gemeente | Land van Cuijk | Totaal | 1.3 [%] | 0.9 [%] | 1.3 [%] | 41.0 | 38.0 |
| Gemeente | Landgraaf | 70 | 50.0 [%] | 64.6 [%] | 62.8 [%] | 3.3 | 1.7 |
| Gemeente | Landgraaf | 80 | 3.8 [%] | 3.9 [%] | 2.0 [%] | 3.8 | 3.6 |
| Gemeente | Landgraaf | Totaal | 10.0 [%] | 32.3 [%] | 21.0 [%] | 7.1 | 5.3 |
| Gemeente | Landsmeer | 80 | 0.0 [%] | 0.0 [%] | 2.3 [%] | 1.7 | 1.6 |
| Gemeente | Landsmeer | Totaal | 0.0 [%] | 0.0 [%] | 2.3 [%] | 1.7 | 1.6 |
| Gemeente | Lansingerland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 5.7 | 5.6 |
| Gemeente | Lansingerland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 5.7 | 5.6 |
| Gemeente | Laren | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.8 | 2.6 |
| Gemeente | Laren | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.8 | 2.6 |
| Gemeente | Leeuwarden | 70 | 38.5 [%] | 35.5 [%] | 64.5 [%] | 10.6 | 5.3 |
| Gemeente | Leeuwarden | 80 | 0.0 [%] | 0.0 [%] | 0.6 [%] | 29.8 | 28.3 |
| Gemeente | Leeuwarden | Totaal | 10.8 [%] | 9.3 [%] | 10.7 [%] | 40.4 | 33.6 |
| Gemeente | Leiderdorp | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Leiderdorp | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Leidschendam-Voorburg | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Gemeente | Leidschendam-Voorburg | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.6 | 0.6 |
| Gemeente | Leidschendam-Voorburg | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Lelystad | 70 | 49.2 [%] | 55.5 [%] | 69.6 [%] | 33.7 | 18.4 |
| Gemeente | Lelystad | 80 | 0.4 [%] | 0.1 [%] | 0.5 [%] | 131.1 | 129.8 |
| Gemeente | Lelystad | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Lelystad | Totaal | 16.5 [%] | 11.4 [%] | 9.0 [%] | 164.8 | 148.3 |
| Gemeente | Leudal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 27.9 | 27.8 |
| Gemeente | Leudal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 27.9 | 27.8 |
| Gemeente | Leusden | 80 | 0.0 [%] | 0.0 [%] | 0.8 [%] | 1.8 | 1.7 |
| Gemeente | Leusden | Totaal | 0.0 [%] | 0.0 [%] | 0.8 [%] | 1.8 | 1.7 |
| Gemeente | Lingewaard | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 35.2 | 34.8 |
| Gemeente | Lingewaard | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 35.2 | 34.8 |
| Gemeente | Lochem | 80 | 0.0 [%] | 0.0 [%] | 4.3 [%] | 1.2 | 1.0 |
| Gemeente | Lochem | Totaal | 0.0 [%] | 0.0 [%] | 4.3 [%] | 1.2 | 1.0 |
| Gemeente | Loon op Zand | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 5.5 | 4.7 |
| Gemeente | Loon op Zand | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 5.5 | 4.7 |
| Gemeente | Lopik | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Gemeente | Lopik | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Gemeente | Losser | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Losser | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Maasdriel | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Maasdriel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 38.6 | 38.3 |
| Gemeente | Maasdriel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 38.9 | 38.6 |
| Gemeente | Maasgouw | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 33.1 | 33.1 |
| Gemeente | Maasgouw | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 33.1 | 33.1 |
| Gemeente | Maashorst | 80 | 5.4 [%] | 5.8 [%] | 3.6 [%] | 18.1 | 15.8 |
| Gemeente | Maashorst | Totaal | 5.4 [%] | 5.8 [%] | 3.6 [%] | 18.1 | 15.8 |
| Gemeente | Maassluis | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Maassluis | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Maastricht | 70 | 3.7 [%] | 5.7 [%] | 6.7 [%] | 6.1 | 4.7 |
| Gemeente | Maastricht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.5 | 1.9 |
| Gemeente | Maastricht | Totaal | 2.3 [%] | 4.1 [%] | 4.8 [%] | 8.5 | 6.5 |
| Gemeente | Medemblik | 80 | 0.0 [%] | 0.0 [%] | 2.0 [%] | 7.1 | 6.7 |
| Gemeente | Medemblik | Totaal | 0.0 [%] | 0.0 [%] | 2.0 [%] | 7.1 | 6.7 |
| Gemeente | Meerssen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.4 |
| Gemeente | Meerssen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.4 |
| Gemeente | Meierijstad | 70 | 17.2 [%] | 24.2 [%] | 24.9 [%] | 13.1 | 8.0 |
| Gemeente | Meierijstad | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 14.0 | 12.1 |
| Gemeente | Meierijstad | Totaal | 11.3 [%] | 11.7 [%] | 9.9 [%] | 27.1 | 20.2 |
| Gemeente | Meppel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.4 | 10.3 |
| Gemeente | Meppel | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Meppel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.4 | 10.3 |
| Gemeente | Middelburg | 70 | 14.3 [%] | 53.8 [%] | 54.9 [%] | 3.1 | 1.9 |
| Gemeente | Middelburg | Totaal | 14.3 [%] | 53.8 [%] | 54.9 [%] | 3.1 | 1.9 |
| Gemeente | Midden-Delfland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.3 |
| Gemeente | Midden-Delfland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.3 |
| Gemeente | Midden-Drenthe | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 73.8 | 73.4 |
| Gemeente | Midden-Drenthe | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 73.8 | 73.4 |
| Gemeente | Midden-Groningen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Midden-Groningen | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 19.2 | 18.9 |
| Gemeente | Midden-Groningen | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 19.3 | 19.1 |
| Gemeente | Moerdijk | 80 | 2.5 [%] | 1.4 [%] | 5.2 [%] | 18.0 | 14.9 |
| Gemeente | Moerdijk | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Moerdijk | Totaal | 2.5 [%] | 1.3 [%] | 4.6 [%] | 20.0 | 16.9 |
| Gemeente | Molenlanden | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Molenlanden | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Montferland | 80 | 0.0 [%] | 0.0 [%] | 3.1 [%] | 9.6 | 8.5 |
| Gemeente | Montferland | Totaal | 0.0 [%] | 0.0 [%] | 3.1 [%] | 9.6 | 8.5 |
| Gemeente | Montfoort | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Montfoort | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Neder-Betuwe | 80 | 0.0 [%] | 0.0 [%] | 1.4 [%] | 13.0 | 12.2 |
| Gemeente | Neder-Betuwe | Totaal | 0.0 [%] | 0.0 [%] | 1.4 [%] | 13.0 | 12.2 |
| Gemeente | Nederweert | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 197.6 | 197.5 |
| Gemeente | Nederweert | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 197.6 | 197.5 |
| Gemeente | Nieuwegein | 70 | 33.3 [%] | 75.2 [%] | 71.2 [%] | 12.2 | 6.7 |
| Gemeente | Nieuwegein | 80 | 7.4 [%] | 18.9 [%] | 37.0 [%] | 2.7 | 1.7 |
| Gemeente | Nieuwegein | Totaal | 26.7 [%] | 65.0 [%] | 64.2 [%] | 14.9 | 8.4 |
| Gemeente | Nieuwkoop | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.5 | 4.5 |
| Gemeente | Nieuwkoop | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.5 | 4.5 |
| Gemeente | Nijkerk | 80 | 14.3 [%] | 57.0 [%] | 39.7 [%] | 2.6 | 1.8 |
| Gemeente | Nijkerk | Totaal | 14.3 [%] | 57.0 [%] | 39.7 [%] | 2.6 | 1.8 |
| Gemeente | Nijmegen | 70 | 17.9 [%] | 34.6 [%] | 36.3 [%] | 5.3 | 3.6 |
| Gemeente | Nijmegen | 80 | 3.4 [%] | 3.4 [%] | 2.4 [%] | 8.9 | 7.6 |
| Gemeente | Nijmegen | 100 | 25.0 [%] | 64.8 [%] | 68.4 [%] | 1.4 | 0.7 |
| Gemeente | Nijmegen | Totaal | 7.5 [%] | 19.6 [%] | 16.8 [%] | 15.6 | 11.9 |
| Gemeente | Nissewaard | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Nissewaard | 80 | 25.8 [%] | 50.5 [%] | 41.5 [%] | 3.8 | 2.3 |
| Gemeente | Nissewaard | Totaal | 23.5 [%] | 49.6 [%] | 40.2 [%] | 3.9 | 2.4 |
| Gemeente | Noardeast-Fryslân | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 259.7 | 259.5 |
| Gemeente | Noardeast-Fryslân | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 259.7 | 259.5 |
| Gemeente | Noordenveld | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.1 | 8.0 |
| Gemeente | Noordenveld | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.1 | 8.0 |
| Gemeente | Noordoostpolder | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.6 | 0.6 |
| Gemeente | Noordoostpolder | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 141.6 | 140.6 |
| Gemeente | Noordoostpolder | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 142.3 | 141.2 |
| Gemeente | Noordwijk | 80 | 0.0 [%] | 0.0 [%] | 10.9 [%] | 0.3 | 0.2 |
| Gemeente | Noordwijk | Totaal | 0.0 [%] | 0.0 [%] | 10.9 [%] | 0.3 | 0.2 |
| Gemeente | Nuenen, Gerwen en Nederwetten | 80 | 12.0 [%] | 18.3 [%] | 16.2 [%] | 10.0 | 7.4 |
| Gemeente | Nuenen, Gerwen en Nederwetten | Totaal | 12.0 [%] | 18.3 [%] | 16.2 [%] | 10.0 | 7.4 |
| Gemeente | Nunspeet | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.1 |
| Gemeente | Nunspeet | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.1 |
| Gemeente | Oegstgeest | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.7 | 2.7 |
| Gemeente | Oegstgeest | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.7 | 2.7 |
| Gemeente | Oirschot | 80 | 3.1 [%] | 5.2 [%] | 5.4 [%] | 10.8 | 9.5 |
| Gemeente | Oirschot | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Oirschot | Totaal | 3.0 [%] | 4.9 [%] | 5.0 [%] | 11.5 | 10.2 |
| Gemeente | Oisterwijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Oisterwijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Oldambt | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 74.8 | 65.6 |
| Gemeente | Oldambt | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 74.8 | 65.6 |
| Gemeente | Oldebroek | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Oldebroek | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Oldenzaal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Oldenzaal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Olst-Wijhe | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.6 | 6.5 |
| Gemeente | Olst-Wijhe | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.6 | 6.5 |
| Gemeente | Ommen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.0 | 7.0 |
| Gemeente | Ommen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.0 | 7.0 |
| Gemeente | Oost Gelre | 80 | 0.0 [%] | 0.0 [%] | 2.4 [%] | 3.2 | 2.5 |
| Gemeente | Oost Gelre | Totaal | 0.0 [%] | 0.0 [%] | 2.4 [%] | 3.2 | 2.5 |
| Gemeente | Oosterhout | 70 | 35.5 [%] | 62.6 [%] | 64.4 [%] | 7.2 | 4.3 |
| Gemeente | Oosterhout | 80 | 4.0 [%] | 3.1 [%] | 3.9 [%] | 28.3 | 26.4 |
| Gemeente | Oosterhout | Totaal | 11.5 [%] | 15.2 [%] | 12.4 [%] | 35.5 | 30.7 |
| Gemeente | Ooststellingwerf | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Ooststellingwerf | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 20.0 | 20.0 |
| Gemeente | Ooststellingwerf | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 20.7 | 20.7 |
| Gemeente | Oostzaan | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.0 |
| Gemeente | Oostzaan | 80 | 50.0 [%] | 88.2 [%] | 86.2 [%] | 0.3 | 0.1 |
| Gemeente | Oostzaan | Totaal | 40.0 [%] | 73.1 [%] | 71.5 [%] | 0.3 | 0.2 |
| Gemeente | Opmeer | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Opmeer | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Opsterland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 25.5 | 25.5 |
| Gemeente | Opsterland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 25.5 | 25.5 |
| Gemeente | Oss | 70 | 30.0 [%] | 68.0 [%] | 71.2 [%] | 11.8 | 6.2 |
| Gemeente | Oss | 80 | 0.0 [%] | 0.0 [%] | 1.3 [%] | 17.6 | 15.9 |
| Gemeente | Oss | Totaal | 11.7 [%] | 27.2 [%] | 21.0 [%] | 29.3 | 22.1 |
| Gemeente | Oude IJsselstreek | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.6 | 4.5 |
| Gemeente | Oude IJsselstreek | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.6 | 4.5 |
| Gemeente | Ouder-Amstel | 70 | 25.0 [%] | 75.5 [%] | 76.0 [%] | 0.8 | 0.4 |
| Gemeente | Ouder-Amstel | 80 | 14.3 [%] | 15.7 [%] | 8.6 [%] | 2.3 | 2.1 |
| Gemeente | Ouder-Amstel | Totaal | 18.2 [%] | 30.5 [%] | 19.5 [%] | 3.1 | 2.5 |
| Gemeente | Oudewater | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Oudewater | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Overbetuwe | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 5.0 | 5.0 |
| Gemeente | Overbetuwe | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Overbetuwe | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 5.0 | 5.0 |
| Gemeente | Papendrecht | 80 | 0.0 [%] | 0.0 [%] | 7.1 [%] | 0.7 | 0.4 |
| Gemeente | Papendrecht | Totaal | 0.0 [%] | 0.0 [%] | 7.1 [%] | 0.7 | 0.4 |
| Gemeente | Peel en Maas | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.5 | 7.5 |
| Gemeente | Peel en Maas | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.5 | 7.5 |
| Gemeente | Pekela | 80 | 0.0 [%] | 0.0 [%] | 9.1 [%] | 0.2 | 0.1 |
| Gemeente | Pekela | Totaal | 0.0 [%] | 0.0 [%] | 9.1 [%] | 0.2 | 0.1 |
| Gemeente | Pijnacker-Nootdorp | 80 | 0.0 [%] | 0.0 [%] | 4.6 [%] | 1.5 | 1.3 |
| Gemeente | Pijnacker-Nootdorp | Totaal | 0.0 [%] | 0.0 [%] | 4.6 [%] | 1.5 | 1.3 |
| Gemeente | Purmerend | 80 | 0.0 [%] | 0.0 [%] | 8.5 [%] | 1.9 | 1.4 |
| Gemeente | Purmerend | Totaal | 0.0 [%] | 0.0 [%] | 8.5 [%] | 1.9 | 1.4 |
| Gemeente | Putten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.3 | 1.3 |
| Gemeente | Putten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.3 | 1.3 |
| Gemeente | Raalte | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.0 | 3.0 |
| Gemeente | Raalte | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.0 | 3.0 |
| Gemeente | Reimerswaal | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Reimerswaal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Reimerswaal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Renkum | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.0 |
| Gemeente | Renkum | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.0 |
| Gemeente | Renswoude | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.3 | 4.3 |
| Gemeente | Renswoude | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.3 | 4.3 |
| Gemeente | Reusel-De Mierden | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.3 | 0.8 |
| Gemeente | Reusel-De Mierden | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.3 | 0.8 |
| Gemeente | Rheden | 80 | 0.0 [%] | 0.0 [%] | 2.5 [%] | 1.9 | 1.7 |
| Gemeente | Rheden | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Rheden | Totaal | 0.0 [%] | 0.0 [%] | 2.4 [%] | 2.0 | 1.8 |
| Gemeente | Rhenen | 80 | 0.0 [%] | 0.0 [%] | 1.7 [%] | 2.2 | 1.9 |
| Gemeente | Rhenen | Totaal | 0.0 [%] | 0.0 [%] | 1.7 [%] | 2.2 | 1.9 |
| Gemeente | Ridderkerk | 70 | 0.0 [%] | 0.0 [%] | 35.8 [%] | 0.2 | 0.1 |
| Gemeente | Ridderkerk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Ridderkerk | Totaal | 0.0 [%] | 0.0 [%] | 12.8 [%] | 0.4 | 0.3 |
| Gemeente | Rijssen-Holten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Rijssen-Holten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Rijswijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Rijswijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Roerdalen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.0 | 8.0 |
| Gemeente | Roerdalen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.0 | 8.0 |
| Gemeente | Roermond | 70 | 13.3 [%] | 16.0 [%] | 8.1 [%] | 2.1 | 1.9 |
| Gemeente | Roermond | 80 | 0.0 [%] | 0.0 [%] | 0.2 [%] | 8.4 | 8.3 |
| Gemeente | Roermond | Totaal | 3.5 [%] | 3.2 [%] | 1.7 [%] | 10.4 | 10.2 |
| Gemeente | Roosendaal | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 18.9 | 18.7 |
| Gemeente | Roosendaal | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 18.9 | 18.7 |
| Gemeente | Rotterdam | 70 | 56.0 [%] | 92.6 [%] | 89.1 [%] | 9.0 | 4.6 |
| Gemeente | Rotterdam | 80 | 2.2 [%] | 4.4 [%] | 4.4 [%] | 143.3 | 122.4 |
| Gemeente | Rotterdam | Totaal | 3.7 [%] | 9.6 [%] | 7.5 [%] | 152.3 | 127.0 |
| Gemeente | Rozendaal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Rozendaal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Rucphen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Rucphen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.1 | 2.0 |
| Gemeente | Rucphen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.2 | 2.0 |
| Gemeente | Schagen | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 5.9 | 5.9 |
| Gemeente | Schagen | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 5.9 | 5.9 |
| Gemeente | Scherpenzeel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Scherpenzeel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Schouwen-Duiveland | 80 | 8.3 [%] | 16.1 [%] | 11.7 [%] | 0.9 | 0.8 |
| Gemeente | Schouwen-Duiveland | Totaal | 8.3 [%] | 16.1 [%] | 11.7 [%] | 0.9 | 0.8 |
| Gemeente | Simpelveld | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 23.2 | 23.0 |
| Gemeente | Simpelveld | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 23.2 | 23.0 |
| Gemeente | Sint-Michielsgestel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Sint-Michielsgestel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Sittard-Geleen | 70 | 7.4 [%] | 5.3 [%] | 18.0 [%] | 5.1 | 3.9 |
| Gemeente | Sittard-Geleen | 80 | 3.6 [%] | 1.4 [%] | 1.3 [%] | 38.5 | 37.7 |
| Gemeente | Sittard-Geleen | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Sittard-Geleen | Totaal | 4.1 [%] | 1.8 [%] | 2.9 [%] | 43.8 | 41.8 |
| Gemeente | Sliedrecht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Sliedrecht | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Sluis | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Sluis | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.9 | 2.9 |
| Gemeente | Sluis | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.0 | 3.0 |
| Gemeente | Smallingerland | 80 | 12.5 [%] | 40.6 [%] | 29.0 [%] | 5.1 | 3.3 |
| Gemeente | Smallingerland | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Smallingerland | Totaal | 11.8 [%] | 40.5 [%] | 28.9 [%] | 5.1 | 3.4 |
| Gemeente | Soest | 80 | 0.0 [%] | 0.0 [%] | 0.2 [%] | 7.4 | 7.3 |
| Gemeente | Soest | Totaal | 0.0 [%] | 0.0 [%] | 0.2 [%] | 7.4 | 7.3 |
| Gemeente | Someren | 80 | 1.6 [%] | 0.4 [%] | 0.4 [%] | 60.3 | 59.6 |
| Gemeente | Someren | Totaal | 1.6 [%] | 0.4 [%] | 0.4 [%] | 60.3 | 59.6 |
| Gemeente | Son en Breugel | 80 | 0.0 [%] | 0.0 [%] | 7.1 [%] | 3.0 | 1.8 |
| Gemeente | Son en Breugel | Totaal | 0.0 [%] | 0.0 [%] | 7.1 [%] | 3.0 | 1.8 |
| Gemeente | Stadskanaal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 164.5 | 159.0 |
| Gemeente | Stadskanaal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 164.5 | 159.0 |
| Gemeente | Staphorst | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Staphorst | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Staphorst | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Stede Broec | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Stede Broec | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Steenbergen | 80 | 2.2 [%] | 0.2 [%] | 0.2 [%] | 20.9 | 20.3 |
| Gemeente | Steenbergen | Totaal | 2.2 [%] | 0.2 [%] | 0.2 [%] | 20.9 | 20.3 |
| Gemeente | Steenwijkerland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.5 | 11.5 |
| Gemeente | Steenwijkerland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.5 | 11.5 |
| Gemeente | Stein | 80 | 7.9 [%] | 18.0 [%] | 17.3 [%] | 11.2 | 8.3 |
| Gemeente | Stein | Totaal | 7.9 [%] | 18.0 [%] | 17.3 [%] | 11.2 | 8.3 |
| Gemeente | Stichtse Vecht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.2 | 7.1 |
| Gemeente | Stichtse Vecht | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.2 | 7.1 |
| Gemeente | Súdwest-Fryslân | 70 | 0.0 [%] | 0.0 [%] | 0.6 [%] | 4.0 | 3.9 |
| Gemeente | Súdwest-Fryslân | 80 | 0.4 [%] | 0.2 [%] | 0.3 [%] | 63.5 | 62.6 |
| Gemeente | Súdwest-Fryslân | Totaal | 0.4 [%] | 0.2 [%] | 0.3 [%] | 67.5 | 66.5 |
| Gemeente | Terneuzen | 70 | 16.0 [%] | 71.8 [%] | 60.1 [%] | 3.0 | 1.8 |
| Gemeente | Terneuzen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.4 |
| Gemeente | Terneuzen | Totaal | 9.1 [%] | 47.8 [%] | 34.2 [%] | 4.5 | 3.1 |
| Gemeente | Terschelling | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 35.6 | 35.6 |
| Gemeente | Terschelling | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 35.6 | 35.6 |
| Gemeente | Texel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.9 | 10.4 |
| Gemeente | Texel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 10.9 | 10.4 |
| Gemeente | Teylingen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Teylingen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Tholen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Tholen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Tiel | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Tiel | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.0 | 2.2 |
| Gemeente | Tiel | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 3.9 | 3.1 |
| Gemeente | Tilburg | 70 | 33.3 [%] | 82.2 [%] | 82.4 [%] | 10.7 | 5.5 |
| Gemeente | Tilburg | 80 | 20.4 [%] | 53.1 [%] | 55.3 [%] | 56.1 | 33.0 |
| Gemeente | Tilburg | 100 | 25.0 [%] | 26.4 [%] | 19.8 [%] | 2.2 | 1.5 |
| Gemeente | Tilburg | Totaal | 24.2 [%] | 56.8 [%] | 57.7 [%] | 69.0 | 40.0 |
| Gemeente | Tubbergen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.7 | 11.7 |
| Gemeente | Tubbergen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.7 | 11.7 |
| Gemeente | Twenterand | 70 | 0.0 [%] | 0.0 [%] | 14.7 [%] | 0.4 | 0.3 |
| Gemeente | Twenterand | 80 | 3.6 [%] | 1.3 [%] | 0.6 [%] | 9.6 | 9.3 |
| Gemeente | Twenterand | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Twenterand | Totaal | 3.0 [%] | 1.1 [%] | 0.9 [%] | 10.7 | 10.3 |
| Gemeente | Tynaarlo | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Tynaarlo | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.6 | 6.6 |
| Gemeente | Tynaarlo | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.7 | 6.7 |
| Gemeente | Tytsjerksteradiel | 80 | 0.0 [%] | 0.0 [%] | 0.1 [%] | 60.2 | 60.0 |
| Gemeente | Tytsjerksteradiel | Totaal | 0.0 [%] | 0.0 [%] | 0.1 [%] | 60.2 | 60.0 |
| Gemeente | Uitgeest | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.1 | 1.1 |
| Gemeente | Uitgeest | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.1 | 1.1 |
| Gemeente | Uithoorn | 80 | 0.0 [%] | 0.0 [%] | 31.9 [%] | 1.9 | 1.3 |
| Gemeente | Uithoorn | Totaal | 0.0 [%] | 0.0 [%] | 31.9 [%] | 1.9 | 1.3 |
| Gemeente | Urk | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.2 | 1.2 |
| Gemeente | Urk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Urk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.3 | 1.3 |
| Gemeente | Utrecht | 70 | 28.9 [%] | 47.8 [%] | 57.1 [%] | 34.6 | 19.0 |
| Gemeente | Utrecht | 80 | 5.1 [%] | 10.7 [%] | 7.5 [%] | 3.9 | 2.8 |
| Gemeente | Utrecht | Totaal | 23.1 [%] | 44.0 [%] | 50.6 [%] | 38.5 | 21.9 |
| Gemeente | Utrechtse Heuvelrug | 80 | 3.3 [%] | 2.9 [%] | 2.5 [%] | 18.4 | 17.6 |
| Gemeente | Utrechtse Heuvelrug | Totaal | 3.3 [%] | 2.9 [%] | 2.5 [%] | 18.4 | 17.6 |
| Gemeente | Vaals | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Vaals | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Valkenburg aan de Geul | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.4 | 0.4 |
| Gemeente | Valkenburg aan de Geul | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.0 | 7.0 |
| Gemeente | Valkenburg aan de Geul | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.4 | 7.4 |
| Gemeente | Valkenswaard | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.8 | 6.8 |
| Gemeente | Valkenswaard | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.8 | 6.8 |
| Gemeente | Veendam | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Veendam | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 31.8 | 31.8 |
| Gemeente | Veendam | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 31.9 | 31.9 |
| Gemeente | Veenendaal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Veenendaal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Veere | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.6 | 1.6 |
| Gemeente | Veere | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.6 | 1.6 |
| Gemeente | Veldhoven | 70 | 27.0 [%] | 60.4 [%] | 55.1 [%] | 17.7 | 10.2 |
| Gemeente | Veldhoven | 80 | 1.9 [%] | 2.1 [%] | 1.2 [%] | 24.5 | 23.6 |
| Gemeente | Veldhoven | Totaal | 13.2 [%] | 26.5 [%] | 17.5 [%] | 42.2 | 33.8 |
| Gemeente | Velsen | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.7 | 1.7 |
| Gemeente | Velsen | 80 | 0.0 [%] | 0.0 [%] | 16.8 [%] | 2.0 | 1.5 |
| Gemeente | Velsen | Totaal | 0.0 [%] | 0.0 [%] | 8.0 [%] | 3.7 | 3.2 |
| Gemeente | Venlo | 70 | 6.7 [%] | 12.2 [%] | 67.1 [%] | 2.4 | 1.3 |
| Gemeente | Venlo | 80 | 2.7 [%] | 5.1 [%] | 3.5 [%] | 20.0 | 18.3 |
| Gemeente | Venlo | Totaal | 3.2 [%] | 5.9 [%] | 7.7 [%] | 22.4 | 19.6 |
| Gemeente | Venray | 80 | 0.0 [%] | 0.0 [%] | 0.5 [%] | 11.5 | 11.4 |
| Gemeente | Venray | Totaal | 0.0 [%] | 0.0 [%] | 0.5 [%] | 11.5 | 11.4 |
| Gemeente | Vijfheerenlanden | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Vijfheerenlanden | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Vlaardingen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.7 | 2.7 |
| Gemeente | Vlaardingen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.7 | 2.7 |
| Gemeente | Vlieland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Vlieland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Vlissingen | 70 | 13.7 [%] | 26.3 [%] | 19.0 [%] | 7.4 | 5.6 |
| Gemeente | Vlissingen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Vlissingen | Totaal | 12.5 [%] | 25.9 [%] | 18.6 [%] | 7.5 | 5.7 |
| Gemeente | Voerendaal | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Voerendaal | 80 | 7.4 [%] | 6.1 [%] | 9.1 [%] | 4.6 | 4.1 |
| Gemeente | Voerendaal | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Voerendaal | Totaal | 6.7 [%] | 5.0 [%] | 7.3 [%] | 5.6 | 5.1 |
| Gemeente | Voorne aan Zee | 80 | 0.0 [%] | 0.0 [%] | 5.6 [%] | 4.2 | 3.7 |
| Gemeente | Voorne aan Zee | Totaal | 0.0 [%] | 0.0 [%] | 5.6 [%] | 4.2 | 3.7 |
| Gemeente | Voorschoten | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.7 | 4.4 |
| Gemeente | Voorschoten | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.7 | 4.4 |
| Gemeente | Voorst | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.8 | 6.7 |
| Gemeente | Voorst | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.8 | 6.7 |
| Gemeente | Vught | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Vught | 80 | 10.0 [%] | 6.1 [%] | 8.0 [%] | 1.7 | 1.5 |
| Gemeente | Vught | 100 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Vught | Totaal | 8.7 [%] | 4.0 [%] | 5.1 [%] | 2.6 | 2.4 |
| Gemeente | Waadhoeke | 70 | 37.8 [%] | 92.8 [%] | 89.4 [%] | 5.5 | 2.8 |
| Gemeente | Waadhoeke | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 50.0 | 48.6 |
| Gemeente | Waadhoeke | Totaal | 7.1 [%] | 9.2 [%] | 5.0 [%] | 55.6 | 51.4 |
| Gemeente | Waalre | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Waalre | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Waalwijk | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.8 | 0.8 |
| Gemeente | Waalwijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.2 | 5.7 |
| Gemeente | Waalwijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 7.0 | 6.6 |
| Gemeente | Waddinxveen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.3 | 2.2 |
| Gemeente | Waddinxveen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.3 | 2.2 |
| Gemeente | Wageningen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Wageningen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Wassenaar | 70 | 0.0 [%] | 0.0 [%] | 1.9 [%] | 1.1 | 1.0 |
| Gemeente | Wassenaar | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 5.3 | 4.8 |
| Gemeente | Wassenaar | Totaal | 0.0 [%] | 0.0 [%] | 0.3 [%] | 6.4 | 5.9 |
| Gemeente | Waterland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Waterland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.3 | 0.3 |
| Gemeente | Weert | 70 | 14.3 [%] | 37.0 [%] | 34.7 [%] | 17.2 | 11.5 |
| Gemeente | Weert | 80 | 1.4 [%] | 9.2 [%] | 10.7 [%] | 21.1 | 18.8 |
| Gemeente | Weert | Totaal | 10.1 [%] | 21.7 [%] | 19.8 [%] | 38.3 | 30.3 |
| Gemeente | West Betuwe | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | West Betuwe | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 8.4 | 8.4 |
| Gemeente | West Betuwe | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 9.4 | 9.4 |
| Gemeente | West Maas en Waal | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | West Maas en Waal | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Westerkwartier | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.2 | 1.3 |
| Gemeente | Westerkwartier | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 92.7 | 92.7 |
| Gemeente | Westerkwartier | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 95.0 | 94.0 |
| Gemeente | Westerveld | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.0 | 0.0 |
| Gemeente | Westerveld | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Westerveld | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.9 | 0.9 |
| Gemeente | Westervoort | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Westervoort | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.7 | 0.7 |
| Gemeente | Westerwolde | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 314.2 | 310.8 |
| Gemeente | Westerwolde | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 314.2 | 310.8 |
| Gemeente | Westland | 80 | 0.0 [%] | 0.0 [%] | 3.7 [%] | 7.1 | 6.6 |
| Gemeente | Westland | Totaal | 0.0 [%] | 0.0 [%] | 3.7 [%] | 7.1 | 6.6 |
| Gemeente | Weststellingwerf | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.4 | 2.4 |
| Gemeente | Weststellingwerf | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 20.0 | 20.0 |
| Gemeente | Weststellingwerf | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 22.4 | 22.4 |
| Gemeente | Wierden | 80 | 0.0 [%] | 0.0 [%] | 2.4 [%] | 5.7 | 5.1 |
| Gemeente | Wierden | Totaal | 0.0 [%] | 0.0 [%] | 2.4 [%] | 5.7 | 5.1 |
| Gemeente | Wijchen | 80 | 0.0 [%] | 0.0 [%] | 0.4 [%] | 21.4 | 21.3 |
| Gemeente | Wijchen | Totaal | 0.0 [%] | 0.0 [%] | 0.4 [%] | 21.4 | 21.3 |
| Gemeente | Wijdemeren | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.4 | 6.4 |
| Gemeente | Wijdemeren | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 6.4 | 6.4 |
| Gemeente | Wijk bij Duurstede | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.5 | 1.5 |
| Gemeente | Wijk bij Duurstede | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 1.0 | 1.0 |
| Gemeente | Wijk bij Duurstede | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.5 | 2.5 |
| Gemeente | Winterswijk | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Winterswijk | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.2 | 0.2 |
| Gemeente | Woensdrecht | 80 | 5.4 [%] | 8.6 [%] | 4.3 [%] | 11.5 | 10.9 |
| Gemeente | Woensdrecht | Totaal | 5.4 [%] | 8.6 [%] | 4.3 [%] | 11.5 | 10.9 |
| Gemeente | Woerden | 70 | 50.0 [%] | 58.9 [%] | 68.3 [%] | 2.1 | 1.1 |
| Gemeente | Woerden | 80 | 20.0 [%] | 9.4 [%] | 6.3 [%] | 3.7 | 3.5 |
| Gemeente | Woerden | Totaal | 28.6 [%] | 27.5 [%] | 20.8 [%] | 5.9 | 4.6 |
| Gemeente | Woudenberg | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Woudenberg | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.0 | 2.0 |
| Gemeente | Zaanstad | 70 | 23.4 [%] | 26.3 [%] | 44.3 [%] | 16.6 | 10.2 |
| Gemeente | Zaanstad | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.2 | 4.2 |
| Gemeente | Zaanstad | Totaal | 19.7 [%] | 21.0 [%] | 31.5 [%] | 20.7 | 14.4 |
| Gemeente | Zaltbommel | 80 | 1.4 [%] | 0.9 [%] | 0.5 [%] | 52.2 | 51.5 |
| Gemeente | Zaltbommel | Totaal | 1.4 [%] | 0.9 [%] | 0.5 [%] | 52.2 | 51.5 |
| Gemeente | Zeewolde | 70 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 2.6 | 2.6 |
| Gemeente | Zeewolde | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 116.5 | 116.5 |
| Gemeente | Zeewolde | 100 | 66.7 [%] | 93.4 [%] | 89.4 [%] | 0.1 | 0.1 |
| Gemeente | Zeewolde | Totaal | 1.4 [%] | 0.1 [%] | 0.0 [%] | 119.3 | 119.2 |
| Gemeente | Zeist | 80 | 3.0 [%] | 7.1 [%] | 3.8 [%] | 4.2 | 3.8 |
| Gemeente | Zeist | Totaal | 3.0 [%] | 7.1 [%] | 3.8 [%] | 4.2 | 3.8 |
| Gemeente | Zevenaar | 80 | 8.8 [%] | 3.1 [%] | 1.5 [%] | 7.0 | 6.9 |
| Gemeente | Zevenaar | Totaal | 8.8 [%] | 3.1 [%] | 1.5 [%] | 7.0 | 6.9 |
| Gemeente | Zoetermeer | 70 | 34.9 [%] | 44.0 [%] | 64.4 [%] | 20.0 | 10.7 |
| Gemeente | Zoetermeer | 80 | 0.0 [%] | 0.0 [%] | 7.4 [%] | 0.3 | 0.2 |
| Gemeente | Zoetermeer | Totaal | 32.4 [%] | 43.3 [%] | 63.5 [%] | 20.3 | 10.9 |
| Gemeente | Zuidplas | 80 | 2.0 [%] | 0.9 [%] | 2.6 [%] | 5.7 | 5.5 |
| Gemeente | Zuidplas | Totaal | 2.0 [%] | 0.9 [%] | 2.6 [%] | 5.7 | 5.5 |
| Gemeente | Zundert | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 68.0 | 60.9 |
| Gemeente | Zundert | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 68.0 | 60.9 |
| Gemeente | Zutphen | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.1 | 11.0 |
| Gemeente | Zutphen | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 11.1 | 11.0 |
| Gemeente | Zwartewaterland | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.1 | 3.3 |
| Gemeente | Zwartewaterland | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 4.1 | 3.3 |
| Gemeente | Zwijndrecht | 80 | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Zwijndrecht | Totaal | 0.0 [%] | 0.0 [%] | 0.0 [%] | 0.1 | 0.1 |
| Gemeente | Zwolle | 70 | 28.2 [%] | 60.4 [%] | 53.5 [%] | 43.7 | 27.0 |
| Gemeente | Zwolle | 80 | 9.1 [%] | 16.3 [%] | 11.7 [%] | 6.4 | 5.5 |
| Gemeente | Zwolle | Totaal | 25.1 [%] | 54.8 [%] | 46.5 [%] | 50.1 | 32.5 |
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 70km/uur en 80 km/uur en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# functie wrapper voor het aanroepen van plot_ly
#' De functie roept plot_ly aan voor het maken van de grafiek
#' Breedte, plaatsing en margins zijn proefondervindelijk bepaald voor alle onderdelen
#' Een dropdown menu is toegevoegd om te kunnen schakelen tussen wegbeheerders
#' Een tweede dropdown om tevens te filteren op basis van limiet lijkt complex en wordt buiten de functie gelaten.
# functie
figuur.benchmark <- function(scores_wegbeheerder_limiet, limiet, groepskeuzen_wegbeheerder_limiet, landelijke_score_limiet) {
# roep plot_ly aan en initieer de grafie voor de dropdown keuze met vaste x en y waarde
plot_ly(scores_wegbeheerder_limiet, x = "Categorieën", y = 0, type = 'bar', # data, x as waarde, y as waarde, type barplot
# marker stelt de grafiekkleuren vast in een vector (hier 2 waarden)
# width fixeert de breedte van de grafiek, 900 is in pixels en ongeveer markdown pagina breedte
marker = grafiekkleuren, width = 900) %>% #list(color = c('blue', 'purple'))
layout(
# titeel initiele grafiek met object limiet
title = list(text = paste("Kenmerkscore aanwezigheid rijbaanscheiding bij limiet", limiet, "\n", "voor",
"te selecteren wegbeheerder", "vs. landelijk.", "\n", "\n",
"<b> Selecteer de wegbeheerder uit de uitklapbare keuzelijst rechts </b>"),
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 Aanwezigheid rijbaanscheiding`[i],
landelijke_score_limiet))), # Update x and y scores_wegbeheerder_limiet
list(title = paste("Kenmerkscore aanwezigheid rijbaanscheiding bij limiet", limiet, "\n", "voor",
groepskeuzen_wegbeheerder_limiet[i], "vs. landelijk")) # Dynamic title update
),
label = groepskeuzen_wegbeheerder_limiet[i]
)
})
)
)
)
}# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[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]))# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 50
fig70prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70prov# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 80
fig80prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80prov# maak een benchmark grafiek voor provenciale wegbeheerders met limiet 100
fig100prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100prov# maak een benchmark grafiek voor provenciale wegbeheerders van alle limieten
fig_totaal_prov <- figuur.benchmark(scores_wegbeheerder_limiet = scores_provincies_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_provincies_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_provIn deze paragraaf worden benchmarks getoond voor gemeentelijke wegbeheerders, afgezet tegen het landelijk niveau. De benchmarks worden getoond voor het totale areaal en voor de wegen met een limiet van 70km/uur en 80 km/uur en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[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]))# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 70
fig70gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 80
fig80gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders met wegen met limiet 100
fig100gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100gem# maak een benchmark grafiek voor gemeentelijke wegbeheerders
fig_totaal_gem <- figuur.benchmark(scores_wegbeheerder_limiet = scores_gemeenten_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_gemeenten_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_gemIn deze paragraaf worden benchmarks getoond voor wegbeherende waterschappen, afgezet tegen het landelijk niveau. De benchmarks worden getoond voor het totale areaal en voor de wegen met een limiet van 70km/uur en 80 km/uur en 100 km/uur apart.
Klik met de muis op de onderstaande tabbladen om de benchmarks van de verschillende limieten of het totaal te tonen. Klik vervolgens op de knop rechts van de grafiek om de gewenste wegbeheerder te kiezen.
Let op, er worden pas scores getoond na het maken van een eerste keuze.
# Calculate the average score
landelijke_score_70 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[1]
landelijke_score_80 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[2]
landelijke_score_100 <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[3]
landelijke_score_totaal <- scores_landelijk$`Score kenmerk Aanwezigheid rijbaanscheiding`[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]))# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 70
fig70wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_70,
limiet = 70,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_70,
landelijke_score_limiet = landelijke_score_70)
# Display the plot
fig70wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 80
fig80wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_80,
limiet = 80,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_80,
landelijke_score_limiet = landelijke_score_80)
# Display the plot
fig80wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 100
fig100wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_100,
limiet = 100,
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_100,
landelijke_score_limiet = landelijke_score_100)
# Display the plot
fig100wat# maak een benchmark grafiek voor waterschaps-wegbeheerders met wegen met limiet 60
fig_totaal_wat <- figuur.benchmark(scores_wegbeheerder_limiet = scores_waterschappen_totaal,
limiet = "totaal",
groepskeuzen_wegbeheerder_limiet = groepskeuzen_waterschappen_totaal,
landelijke_score_limiet = landelijke_score_totaal)
# Display the plot
fig_totaal_watHet kenmerk geeft geen volledig beeld van de situatie van rijbaanscheidingen van wegen met een snelheidslimiet van 70km/uur of hoger.
De in het vorige hoofdstuk behandelde scores per wegbeheerder zijn bepaald op basis van scores op netwerk niveau. Van het gehele netwerk is bepaald hoeveel % voldoet aan het kenmerk SPI Veilige Infrastructuur - Aanwezigheid rijbaanscheiding. Daarnaast is per wegvak bepaald of voor 90% van het wegvak of meer een voldoende beoordeelde rijbaanscheiding aanwezig is. Per wegvak zijn de volgende kenmerken vastgelegd:
# sf df om te exporteren
nwb_rijbaanscheiding_export <- nwb_rijbaanscheiding %>%
mutate(rijbaanscheiding_aanwezig = ifelse(rijbaanscheiding_voldoende == 1, "rijbaanscheiding voldoende aanwezig", "rijbaanscheiding niet voldoende aanwezig")) %>%
relocate(BST_CODE, .after = GME_NAAM) %>%
relocate(rijbaanscheiding_voldoende, rijbaanscheiding_aanwezig, .after = Snelheidslimiet) %>%
relocate(aandeel_bubeko, lengte_limiet_aandeel, .after = lengte_wegvak_straat)
# names(nwb_rijbaanscheiding_export)
# Attributen tabel in tekstformat
nwb_rijbaanscheiding_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("rijbaanscheiding_voldoende","Beoordeling of het wegvak voldoet, 90% of meer van het wegvak heeft een voldoende beoordeelde rijbaanscheiding:
1: voldoet, 0: voldoet niet"),
c("rijbaanscheiding_aanwezig","Beoordeling of langs het wegvak, in de middenberm, voldoende rijbaanscheiding aanwezig is:
Rijbaanscheiding voldoende aanwezig / rijbaanscheiding niet voldoende aanwezig"),
c("wegvaklengte","Lengte van het wegvak in meters"),
c("lengte_wegvak_straat", "De relatieve lengte van het wegvak naar weg-/straatniveau: 0,5 x wegvaklengte
indien RPE_CODE <> '#' (ofwel de rijrichtingen zijn apart ingetekend)"),
c("lengte_geleiderails","De lengte [m] waar geleiderails in de middenberm aanwezig is"),
c("lengte_middenberm_voldoende","De lengte [m] waar voldoende brede middenberm aanwezig is langs het wegvak"),
c("lengte_middenberm_onvoldoende","De lengte [m] waar onvoldoende brede middenberm aanwezig is langs het wegvak"),
c("lengte_rijbaanscheiding_voldoende","De lengte van voldoende beoordeelde rijbaanscheiding langs het wegvak: lengte_geleiderails + lengte_middenberm_voldoende"),
c("lengte_rijbaanscheiding_fysiek","De lengte van aanwezige rijbaanscheiding langs het wegvak: lengte_geleiderails + lengte_middenberm_voldoende + lengte_middenberm_onvoldoende"),
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"),
c("RPE_CODE","NWB variabele - De relatieve positie van een wegvak ten opzicht van een parallel daaraan lopend wegvak met dezelfde naam")
) %>%
as.data.frame()
# kolomnamen op basis van eerste rij
names(nwb_rijbaanscheiding_export_attributentabel) <-nwb_rijbaanscheiding_export_attributentabel[1,]
# verwijder eerste rij
nwb_rijbaanscheiding_export_attributentabel <- nwb_rijbaanscheiding_export_attributentabel[-1,]
# maak een scrol tabel van de attributen tabel
scroltabel_gt(nwb_rijbaanscheiding_export_attributentabel, title = "Attributentabel gegevensexport" )| Attributentabel gegevensexport | |
| Attribuut | Omschrijving |
|---|---|
| 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. |
| rijbaanscheiding_voldoende | Beoordeling of het wegvak voldoet, 90% of meer van het wegvak heeft een voldoende beoordeelde rijbaanscheiding: 1: voldoet, 0: voldoet niet |
| rijbaanscheiding_aanwezig | Beoordeling of langs het wegvak, in de middenberm, voldoende rijbaanscheiding aanwezig is: Rijbaanscheiding voldoende aanwezig / rijbaanscheiding niet voldoende aanwezig |
| wegvaklengte | Lengte van het wegvak in meters |
| lengte_wegvak_straat | De relatieve lengte van het wegvak naar weg-/straatniveau: 0,5 x wegvaklengte indien RPE_CODE <> '#' (ofwel de rijrichtingen zijn apart ingetekend) |
| lengte_geleiderails | De lengte [m] waar geleiderails in de middenberm aanwezig is |
| lengte_middenberm_voldoende | De lengte [m] waar voldoende brede middenberm aanwezig is langs het wegvak |
| lengte_middenberm_onvoldoende | De lengte [m] waar onvoldoende brede middenberm aanwezig is langs het wegvak |
| lengte_rijbaanscheiding_voldoende | De lengte van voldoende beoordeelde rijbaanscheiding langs het wegvak: lengte_geleiderails + lengte_middenberm_voldoende |
| lengte_rijbaanscheiding_fysiek | De lengte van aanwezige rijbaanscheiding langs het wegvak: lengte_geleiderails + lengte_middenberm_voldoende + lengte_middenberm_onvoldoende |
| 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 |
| RPE_CODE | NWB variabele - De relatieve positie van een wegvak ten opzicht van een parallel daaraan lopend wegvak met dezelfde naam |
Op basis hiervan is eenvoudig te visualiseren welke wegvakken van een wegbeheerder al dan niet voldoen aan dit kenmerk. Onderstaand geven we hiervan een voorbeeld voor wegen met limiet 80 van de provincie Zuid-Holland
rijbaanscheiding_ZH <- nwb_rijbaanscheiding_export %>%
filter(WEGBEHNAAM == "Zuid-Holland" & Snelheidslimiet == "80")mapview(rijbaanscheiding_ZH, zcol = "rijbaanscheiding_aanwezig", legend = TRUE)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.
Deze data is geëxporteerd naar een tekstbestand (csv, scheidingsteken ‘;’, decimaalscheidingsteken ‘,’) en gis bestand (geopackage, ofwel gpkg). De export bevat alle voor deze analyse geselecteerde wegvakken in Nederland. Beide datasets zijn via een aparte downloadoptie openbaar beschikbaar. Het tekstbestand is geschikt voor het openen in bijvoorbeeld Excel. Het geopackage kan gebruikt worden in een gis viewer, bijvoorbeeld QGIS. Let op dat het decimaal scheidingsteken een ‘,’ betreft conform de Nederlandse standaard. De data in het geopackage is ‘.’ decimaalgescheiden (conform internationale standaarden).
# export naar csv, verwijder daarvoor geometry
write.table(st_drop_geometry(nwb_rijbaanscheiding_export), here("Output", "SPI_kenmerkscore_rijbaanscheiding.csv"),
row.names = FALSE, sep = ";", dec = ",", quote = TRUE)
# export naar geopackage
st_write(nwb_rijbaanscheiding_export, here("Output", "SPI_kenmerkscore_rijbaanscheiding.gpkg"), Append = FALSE, delete_dsn = TRUE)
# let op, het script overschrijft bestaande datasets met dezelfde naam. Maak een kopie van de dataset als je deze bewerkt en wilt bewaren