Transport models are key in predicting travel behaviour and planning transport systems. Transport models can be either aggregated or disaggregated. Disaggregation means that travel behaviour is represented on an individual level, which can be beneficial because it offers a higher detail level and reduces aggregation bias. Input data for transport models can be both expensive and inaccessible, especially comprehensive data. Thus, it is advantageous to explore the utilisation of open data, which is free and accessible. The objective of the thesis was to evaluate how OpenStreetMap and other Open Data can be utilised in disaggregated transport modelling. The scope of the study was Uppsala, Sweden. In the thesis, a disaggregate transport model was designed, which only considered commuting trips made by public transport. Destinations and a synthetic population were estimated based on OpenStreetMap map features, SCB census data, and LuTRANS land use data. A travel survey was utilised in model calibration, and UL boarding data was used for model validation. The results showed that OpenStreetMap provided sufficient data for estimating a synthetic population and destinations for a disaggregate transport model when combined with other open data sources. Population and land usecensus data were essential for calibrating the model. However, the model came with limitations caused by assumptions, generalisation, technical constraints, and the partial incompleteness of open data. The thesis concludes that Open Data, such as OpenStreetMap, can be utilised sufficiently for transport modelling, with proper assumptions and processing. The openness of the data also increases the replicability of such a model. / Transportmodeller är viktiga i att förutspå resvanemönster och för att kunna planera transportsystemet. Transportmodeller kan vara antingen aggregeradeeller disaggregerade. Disaggregering betyder att resvanor är representerade påindividuell nivå, vilket kan vara fördelaktigt då det innebär en högre detalj nivå och mindre partiskhet orsakad av aggregering (aggregation bias). Indata förtransportmodeller kan vara både dyrt och svåråtkomligt, speciellt för mer omfattande data. Därav kan det vara till stor nytta att utforska möjligheten att använda öppnadata (Open Data), som är gratis och lättåtkomligt. Syftet med examensarbetetvar att utvärdera hur OpenStreetMap och annan Open Data kan användas idisaggregerad transportmodellering. Den geografiska omfattningen av studien är Uppsala tätort. En disaggregerad transportmodell togs fram i examensarbetet, sombara tog hänsyn till jobbresor med kollektivtrafik. Destinationer och en syntetiskbefolkning uppskattades utifrån OpenStreetMap objekt, befolkningsdata från SCB, samt markanvändningsdata från LuTRANS. En resvaneundersökning utnyttjadesför modellkalibrering och påstigningsdata från UL användes för modellvalidering.Resultaten visade att OpenStreetMap erbjöd tillräckligt med data för att ta framoch uppskatta en syntetisk befolkning och destinationer för en disaggregeradtransportmodell, om den kombineras med andra öppna datakällor. Befolkning- ochmarkanvändningsdata var avgörande i att kalibrera modellen. Dock så innefattar modellen vissa begränsningar som är orsakada av antaganden, generalisering, tekniskabegränsningar, samt ofullständigheten av Open Data. Slutsatsen är att Open Data, så som OpenStreetMap, kan utnyttjas för transportmodellering, om det kombineras med välformulerade antaganden och processering av datan. Datans öppenheten medför även en ökad replikerbarhet för en sådan modell.