摘要：為了提高交通標志信息量的度量精度,構(gòu)建駕駛員認知交通標志信息傳輸模型,針對傳統(tǒng)Elman神經(jīng)網(wǎng)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(guān)聯(lián)度權(quán)重分配Elman神經(jīng)網(wǎng)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(diào)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(wǎng)絡訓練速度,提高了算法精度.仿真結(jié)果表明：灰色關(guān)聯(lián)度權(quán)重分配Elman神經(jīng)網(wǎng)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。