آگاهی از میزان آلاینده های هوا و توزیع زمانی و مکانی آن ها اهمیت ویژه ای در تصمیم گیری و برنامه ریزی های مرتبط با سلامت، محیط زیست و برآورد کیفیت هوا در مقیاس های مختلف دارد. کلان شهر مشهد به دلیل موقعیت مذهبی، اجتماعی، فرهنگی و جغرافیای خاص خود در برخی روزهای سال آلوده ترین شهر کشور است. هدف این تحقیق با فرض وجود رابطه بین حجم ترافیک و غلظت آلاینده های مختلف (PM2.5, CO, ) تخمین میزان آلاینده های هوا براساس داده های حجم ترافیک و داده های ساده جوی است. برای این هدف با استفاده از مدل های تجربی Baker و AERMOD، مدل رگرسیون خطی و مدل غیر خطی شبکه های عصبی مصنوعی به بررسی رابطه میان تعداد وسایل نقلیه و غلظت آلاینده ها در نقاط مختلف شهر برای بازه زمانی شش ماهه پرداخته شد. نتایج حاکی از همبستگی پایین داده های حجم ترافیک و آلاینده های مختلف در بازه زمانی مورد مطالعه است که امکان استفاده از این مدل ها برای تخمین میزان آلودگی و تهیه نقشه پیوسته آلودگی این شهر را ناممکن می سازد. نتایج نشان می دهد که این همبستگی در آلاینده PM2.5 پایین تر از دو آلاینده دیگر است. نتایج تحلیل حساسیت مدل های تجربی نیز نشان داد که متغیر سرعت اتوموبیل اثرگذارترین متغیر در دو مدل تجربی مورد استفاده در تحقیق است.
