در دنیای امروز، نگرانی‌های زیست‌محیطی و اثرات منفی آلودگی هوا بر سلامت عمومی موجب شده است که کاهش انتشار آلاینده‌های ترافیکی به‌عنوان یکی از اولویت‌های اساسی در شهرهای بزرگ مطرح شود. در شهر تهران نیز، سطح آلودگی ناشی از آلاینده‌‌هایی مانند هیدروکربن‌ها، مونوکسید و دی‌اکسیدکربن، اکسید‌های نیتروژن و ذرات معلق که مهم‌ترین آلاینده‌های ناشی از جریان ترافیک‌اند اغلب از استانداردهای مجاز فراتر رفته و مشکلات جدی برای سلامت ساکنان ایجاد کرده است. این پژوهش باهدف ارائه رویکردی هوشمند در مدیریت انتشار آلاینده‌ها، مدلی مبتنی بر یادگیری تقویتی با عامل بهینه‌سازی سیاست هم‌جوار را معرفی می‌کند که از طریق تنظیم دینامیک سرعت مجاز و زمان‌بندی چراغ‌های رمپ، بدون تأثیر منفی به‌خصوص بر شاخص‌های جریان ترافیک، کاهش انتشار آلاینده‌های کلیدی و همچنین مصرف سوخت را به دنبال دارد. استفاده از شبیه‌سازی دقیق ترافیکی با نرم‌افزار سومو و آموزش مدل در احجام مختلف ترافیکی منجر به عملکرد پایدار آن در وضعیت‌های مختلف شبکه شده است. در پیاده‌سازی، مدل در یک شبیه‌سازی یک‌ساعته اجرا شده و با استفاده از آموزش در محیط‌های موازی، کنترل‌های مربوط به تغییرات سرعت مجاز و زمان چراغ‌های راهنمایی رمپ ورودی به طور پیوسته به‌روزرسانی می‌شوند. عامل با دریافت وضعیت ترافیکی شبکه شامل تراکم و سرعت متوسط در قطعات مختلف راه انتخاب می‌کند که چه کنترل‌هایی در شبکه پیاده کند که باعث کاهش انتشار آلاینده‌ها شود. خروجی‌های به‌دست‌آمده که شامل شاخص‌های مربوط به انتشار آلاینده‌ها و همچنین عملکرد جریان ترافیکی است نشان می‌دهد که مدل قادر به کاهش معنادار آلاینده‌ها بدون به‌هم‌ریختن جریان ترافیکی است.