摘要：為了提高交通標志信息量的度量精度,構建駕駛員認知交通標志信息傳輸模型,針對傳統(tǒng)Elman神經網絡算法在求解該問題時因量綱不同而造成數(shù)據(jù)集的波動性較大、不利于模型逼近的問題,設計了灰色關聯(lián)度權重分配Elman神經網絡算法進行求解仿真.采用1-AGO灰化處理樣本數(shù)據(jù)集,使數(shù)據(jù)呈現(xiàn)單調遞增趨勢,弱化了數(shù)據(jù)的波動性,對數(shù)據(jù)進行歸一化處理,統(tǒng)一數(shù)據(jù)集量綱,加快了網絡訓練速度,提高了算法精度.仿真結果表明：灰色關聯(lián)度權重分配Elman神經網絡算法在求解性能上有較大進步,可為交通標志信息度量提供有效解決方案。