English Abstract In decision-making processes on emission reduction, not
only are emission data needed but also information on the uncertainty of
these data. Here, structured expert elicitation was used an uncertainty
analysis on NOx emissions from Dutch passenger cars in 1998. Experts from
several Dutch research institutes were elicited on individual car
performance (emission factors) and volumetric (kilometres driven) variables
could be obtained with the expert elicitation method. Total population
uncertainty was calculated by propagation and aggregation of individual car
uncertainty in a Monte Carlo simulation. The calculation process was
explicitly geared to variables showing inherent variability (aleatory
uncertainty) and variables that are uncertain because of a lack of knowledge
(epistemic uncertainty). The smallest 95% uncertainty interval for total
population NOx emission was obtained for the TNO-CBS (Statistics
Netherlands) expert (-12% to +15%), while the largest interval was obtained
for the RIVM expert (-35% to +51%). The combination of experts (called
decision-makers [DM]) showed intervals of -30% to +41% (DM before
propagation) and -46% to +81% (DM after aggregation). The use of structured
expert elicitation was very time consuming, and there is still a lot of
discussion on combining expert data. Therefore, the need for structured
expert elicitation should be firmly substantiated and focused on sensitive
and controversial variables.
Rapport in het kort
Bij besluitvorming over maatregelen op het gebied van
emissie-reductie zijn niet alleen gegevens over emissies nodig maar ook over
de onzekerheid daarvan. Dit rapport beschrijft een studie naar het gebruik
van gestructureerde expertbevraging bij onzekerheidsanalyse van de
NOx-emissies uit personenauto's. Experts van verschillende Nederlandse
onderzoeksinstituten zijn bevraagd over prestatiegegevens (emissie-factoren)
en volumegegevens (kilometrages). De totale populatie onzekerheid is
berekend door het opschalen van de onzekerheid van individuele auto's door
Monte Carlo simulaties. In de berekening is expliciet onderscheid gemaakt
tussen variabelen die inherent variabel zijn (aleatorische onzekerheid) en
variabelen die onzeker zijn vanwege een gebrek aan kennis (epistemische
onzekerheid). Het kleinste 95% betrouwbaarheidsinterval werd verkregen voor
de TNO-CBS expert (-12% tot +15%), en het grootste interval voor de RIVM
expert (-35% tot +51%). De combinatie van experts (decision-makers [DM]
genoemd in deze methode) kreeg intervallen van -30% tot +41% (DM voor
propagatie) en van -46% tot +81% (DM na aggregatie). Het gebruik van expert
bevraging bleek arbeidsintensief en er is veel discussie over het wel of
niet combineren van expert antwoorden. Het gebruik van deze methode moet
daarom goed onderbouwd worden, en moet zich richten op de meest gevoelige en
controversiele parameters.
