La circulation routière est une source majeure de pollution atmosphérique dans les zones urbaines. Les décideurs politiques préconisent différentes solutions, y compris de nouvelles stratégies de gestion du trafic qui permettent de réduire directement les émissions de polluants. Pour évaluer les performances de ces stratégies, le calcul des émissions de polluants devrait tenir compte de la dynamique du trafic. L'utilisation de capteurs routiers traditionnels (par exemple les boucles inductives) pour la collecte de données en temps réel est nécessaire mais pas suffisante en raison du coût élevé de leur mise en oeuvre. Le fait que, pour des raisons pratiques, ces technologies ne fournissent que des informations locales constitue également un inconvénient. Certaines méthodes devraient ensuite être appliquées pour étendre cette information locale à une grande échelle spatiale. Ces méthodes souffrent actuellement des limitations suivantes: (i) la relation entre les données manquantes et la précision de l'estimation, et (ii) les calculs sur de grandes zones sont coûteux. Dans le cadre d'une simulation dynamique du trafic, nous adoptons une approche novatrice à ce problème en appliquant des techniques de sélection qui permettent d'identifier les endroits les plus pertinents pour estimer les émissions des véhicules sur le réseau. Cet article explore l'utilisation d'une méthode statistique, c'est-à-dire les modèles linéaires généralisés et régularisés au Lasso, comme outil puissant pour sélectionner les informations routières les plus pertinentes sur un réseau afin de déterminer l'émission totale de pollution.