要设计一个根据汽车时速和制动距离推算发生碰撞事故时生还几率的程序，我们需要建立一个简单的模型。这个模型可以基于一些假设和经验公式，比如： - 速度越快，生还几率越低； - 制动距离越长，碰撞时速度可能越高，生还几率也越低； - 可以参考一些交通事故研究数据，比如 NHTSA（美国国家公路交通安全管理局）的碰撞测试数据，设定一个经验公式。 下面是一个简单的模型： **假设：** - 生还几率 = 100% - (速度 × 0.5 + 制动距离 × 0.5) × 2% - 即：`survival_rate = max(0, 100 - (speed * 0.5 + braking_distance * 0.5) * 2)` 这个模型只是一个示例，实际应用中需要根据真实数据进行建模。 --- ### ✅ Python代码实现： ```python def calculate_survival_rate(speed, braking_distance): """ 根据车速和制动距离估算生还几率 :param speed: 车速 (km/h) :param braking_distance: 制动距离 (m) :return: 生还几率 (%) """ # 使用一个简单的线性模型 impact_factor = speed * 0.5 + braking_distance * 0.5 survival_rate = max(0, 100 - impact_factor * 2) return round(survival_rate, 2) def main(): try: speed = float(input("请输入汽车时速(km/h): ")) braking_distance = float(input("请输入制动距离(m): ")) survival_rate = calculate_survival_rate(speed, braking_distance) print(f"发生碰撞时的生还几率为: {survival_rate}%") except ValueError: print("请输入有效的数字！") if __name__ == "__main__": main() ``` --- ### 🔍 代码解释： 1. **`calculate_survival_rate` 函数：** - 接收两个参数：`speed`（时速）和 `braking_distance`（制动距离）； - 计算一个综合影响因子 `impact_factor`，它是速度和制动距离的加权平均； - 根据该因子计算生还几率，确保不低于 0； - 返回保留两位小数的生还几率。 2. **`main` 函数：** - 从用户输入获取时速和制动距离； - 调用 `calculate_survival_rate` 计算并输出生还几率； - 使用 `try-except` 捕获非法输入，增强程序健壮性。 --- ###