5. Conclusie
Wat is de daadwerkelijke standplaats van elektrische auto’s in Nederland? Zoals in dit rapport is uitgewerkt, kan deze vraag op provincieniveau worden beantwoord, maar op gemeenteniveau slechts gedeeltelijk. Omdat laag regionale data over de locatie van elektrische voertuigen van belang is in het kader van laadinfrastructuur en energietransitie, is in dit rapport het deelresultaat op gemeenteniveau gepubliceerd, voorzien van de benodigde context.
Om tot de locatie van de eindgebruiker van voertuigen te komen heeft het CBS in opdracht van Rijksdienst voor Ondernemend Nederland (RVO) een methode ontwikkeld. Deze methode combineert verschillende bronnen met elkaar, om door middel van koppeling per kenteken de (geanonimiseerde) eindgebruiker (en diens locatie) te achterhalen. Voor een deel van de kentekens is het mogelijk om bij de eindgebruiker uit te komen, de resterende kentekens worden modelmatig over de provincies verdeeld. Voor deze resterende kentekens is het nog niet mogelijk om tot een verdeling over de gemeenten te komen, omdat de huidige verdeelsleutels hier niet fijnmazig genoeg voor zijn. Op dit moment is daarom alleen voor de groep waarvan de eindgebruiker bekend is (voertuigen van natuurlijke personen, en voertuigen van rechtspersonen voor zover die aan een eindgebruiker konden worden gekoppeld) ook de gemeente beschikbaar.
Het deelresultaat met aantallen per gemeente (voor zover beschikbaar), zoals gepresenteerd in hoofdstuk 4 ‘resultaten’, kan bijvoorbeeld als ‘ondergrens’ worden aangehouden, maar kan niet zomaar worden opgehoogd naar het totale aantal voertuigen, omdat er sprake is van selectiviteit bij de groep waarvan de locatie bekend is. In dit rapport is de selectiviteit van de groep onderzocht en uitgewerkt voor verschillende kenmerken: lease versus auto van de zaak, brandstofsoort, leeftijd van het voertuig, bedrijfstak en grootte van het bedrijf. Gebruikers van de data dienen op de hoogte te zijn van deze informatie, om weloverwogen keuzes te kunnen maken bij het gebruiken van de data. Het is van belang om te weten hoe de uitkomsten tot stand zijn gekomen en welke beperkingen en aandachtspunten er een rol spelen bij de interpretatie van de uitkomsten. Daarnaast dient erop te worden gewezen dat in dit rapport de selectiviteit slechts afzonderlijk per kenmerk is uitgewerkt, maar dat de vertekening mogelijk nog groter is wanneer er sprake is van stapeling en kenmerken bij elkaar worden gevoegd. Dus bijvoorbeeld voor een kenteken uit de restgroep met de kenmerken een jonge elektrische auto bij een groot bedrijf in de bedrijfstak ‘Verhuur en overige zakelijke diensten’, is dit voertuig nog correct toe te wijzen aan gemeente X met bepaalde rijbewijsomvang, economische structuur, arbeidsmarkt en inwoneraantal?
5.1 Aanbevelingen en vervolg
De afgelopen jaren is het aantal natuurlijke personen met een FEV of PHEV toegenomen. Aangezien bij natuurlijke personen de locatie van de eindgebruiker bekend is, zorgt een groei van deze groep ervoor dat er steeds minder voertuigen overblijven waarvoor de locatie van de eindgebruiker nog moet worden bepaald. De regionale cijfers worden daardoor vanzelf steeds beter en completer.
Naast deze ontwikkeling zijn er ook verbeteringen die ervoor kunnen zorgen dat ook de toewijzing van de rechtspersonen aan een eigenaar beter en vollediger wordt.
Ten eerste kan een kwaliteitsverbetering in de brondata bijdragen aan een beter koppelresultaat. In paragraaf 3.3. werden de opgave van kleine bedrijven (minder dan 25 voertuigen) in de ‘wagenparkopgaven’ van de Belastingdienst, en de vulling van de catalogusprijs in het kentekenregister al genoemd als aandachtspunt.
Een andere optie om de resultaten verder te verbeteren is gebruik te maken van specifieke bestanden binnen het Algemene Bedrijven Register, bijvoorbeeld het ‘zelfstandigen bestand’. Dit bestand kan worden gebruikt om KVK-nummers beter te koppelen aan leasecontracten en auto’s op naam van een zaak.
Ook toegang tot nieuwe databronnen, bijvoorbeeld wanneer een leasemaatschappij de registratie van eindgebruikers van leasevoertuigen beschikbaar zou stellen, zou de toewijzing naar regio sterk kunnen verbeteren.
Verder zou een andere methode kunnen worden toegepast om tot complete gemeentecijfers te komen, bijvoorbeeld het uitwerken van modelmatige toewijzing van voertuigen op gemeenteniveau voor de groep waarvan de eindgebruiker niet kan worden achterhaald. Wellicht kan worden onderzocht of het op basis van persoonskenmerken mogelijk is om te voorspellen wie de grootste kans heeft om in een (elektrische) auto te rijden, en zo de restgroep te verdelen.