Denna rapport beskriver arbetet i projektet Demopan-2 med att utveckla prognosmodeller för färdmedelsval för långväga resor givet att resvaneundersökningar har sjunkande svarsfrekvenser, medan mobilnätsdata framkommit som en potentiell datakälla för resebeteende. I Demopan-1 skattade vi färdmedelsvalsmodeller med mobilnätsdata som enda källa till data om resebeteende. Vi såg då problem i skattningen av modeller på mobilnätsdata. Det ena problemet uppstår på grund av att mobilnätsdata inte innehåller information om ärende (till exempel om resan är en privat resa eller en tjänsteresa). Det andra problemet för att det är svårt att särskilja bil och buss genom automatisk identifikation av färdmedel eftersom de båda använder väginfrastrukturen. I Demopan-2 kombinerar vi mobilnätsdata med enkätdata, för att lösa dessa problem. Genom att genomföra en litteraturöversikt över maskininlärnings-metoder (ML-metoder) och deras tillämpning på färdmedelsval undersöker vi också potentialen för helt nya typer av modeller som skulle kunna ersätta den klassiska logit-modellen.