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Elman神經網絡算法在求解該問題時因量綱不同而造成數據集的波動性較大、不利于模型逼近的問題,設計了灰色關聯度權重分配Elman神經網絡算法進行求解仿真.采用1-AGO灰化處理樣本數據集,使數據呈現單調遞增趨勢,弱化了數據的波動性,對數據進行歸一化處理,統一數據集量綱,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。