De wetenschap rond het verkeer: Diepenbeek aan de slag met mobiliteitsdata

Februari 2026

Jaarlijks groeit het verkeer rond de wetenschapscampus in Diepenbeek aanzienlijk en dat heeft een aantal gevolgen voor de omgeving. Limburg DC, UHasselt en de gemeente Diepenbeek startten samen met s-Lim een project op om de problematiek op basis van data en tellingen in kaart te brengen. Men krijgt zicht op de mobiliteit in en rond het wetenschapspark door onder meer te achterhalen wat de herkomst van het autoverkeer is. Door de intensiteiten van de fietsers en het gemotoriseerd verkeer in kaart te brengen, kan met maatregelen gaan bepalen om de ‘modal shift’ richting meer duurzaam vervoer te stimuleren.  

Met deze data-inzichten kan men dus de nodige maatregelen treffen om de mensen in het verkeer te sensibiliseren en te motiveren om meer met de fiets, het openbaar vervoer of met deelmobiliteit te komen. 

Om de data zo accuraat mogelijk te maken werd een tweeledige aanpak gehanteerd. Enerzijds worden met eigen meetsensoren tellingen ter plaatse uitgevoerd: Fietsers worden geteld met verschillende fietslussen, geïnstalleerd op strategische locaties op en rond de campus. Daarnaast worden voertuigen geregistreerd met magnetometers. Dit zijn een soort potjes, ingebouwd in het wegdek.  Deze meetsensoren worden nog verder uitgebreid, naargelang de verdere aanleg van de nieuwe infrastructuur voor Hoogwaardig Openbaar Vervoer op de campus vordert. 

Deze data wordt op kwartierbasis verzameld en dagelijks geüpdatet in een kant en klaar dashboard.  

Anderzijds wordt deze ‘getelde’ data aangevuld en gecombineerd met floating car data. Dit is data van TomTom die s-Lim voor de hele regio Limburg ter beschikking heeft. Hiermee kan s-Lim voor specifieke locaties en wegsegmenten in kaart brengen wat de herkomst van het verkeer is, welke aanrijroutes er gebruikt worden en tegen welke snelheden er wordt gereden (vb. V85).  Deze data komt voort uit TomTom navigatiesystemen van een gedeelte van de voertuigen en bestuurders die zich over het wegennet begeven.  

De floating car data legt op objectief onderbouwde wijze de pijnpunten van het verkeer bloot binnen een bepaalde periode. Bijvoorbeeld waar er nieuwe sluiproutes ontstaan en tegen welke snelheden men waar rijdt. 

We krijgen wel eens te horen dat data niet veel betekent zonder de correcte methodes om er relevante inzichten uit te putten. Welnu; in dit project ontvangen de gemeente Diepenbeek en de andere partners van s-Lim periodiek een onderzoeksrapport met antwoorden op de vooraf bepaalde onderzoeksvragen.  Hierbij worden de verschillende datasets gecombineerd, binnen een afgebakende periode. 

Daarnaast kan men uiteraard ook zelf aan de slag met de data, bijvoorbeeld in het dashboard met de tellingen van fietsers en voertuigen op en rond de campus. 

Men ontving een eerste rapport als nulmeting met een analyse voor Q4 2024.  

Een jaar later werd een volgend rapport bezorgd, met daarin uiteraard ook de vergelijkingen voor herkomst-bestemmingsverkeer, sluipverkeer en snelheden in Diepenbeek.  

• 20 tot 25% van het autoverkeer op de campus komt vanuit grondgebied Hasselt of Diepenbeek zelf.  

• 65% van het autoverkeer bereikt de campus via de hoofdingang Universiteitslaan, al de rest zoekt zich dus een andere (sluip)weg, die we ook specifiek in kaart hebben. In Q4 2025 daalde dit aandeel verder tot 60%, wat een toename van het sluipverkeer zou kunnen impliceren. 

• 10% van het autoverkeer is afkomstig van buiten regio Limburg. 

Dit onderzoek toont aan dat een datagedreven aanpak essentieel is om de groeiende verkeersproblematiek rond de wetenschapscampus te begrijpen en aan te pakken. Door het combineren van tellingen en floating car data krijgen de betrokken partners niet alleen inzicht in de herkomst, routes en snelheden van het verkeer, maar ook in de pijnpunten zoals sluipverkeer en knelpunten in de infrastructuur. 

Door voort te bouwen op deze analyses, kunnen de gemeente Diepenbeek en haar partners de mobiliteit rond de campus toekomstbestendig, duurzamer en leefbaarder maken, een voorbeeld voor andere regio’s met vergelijkbare uitdagingen.