鐵路大亨2客運利益公式運算

對初學(xué)者而言，貨運賺錢是比較容易的，但客運運著運著就不對了，需求越來越小，甚至降為零，那么運還是不運呢?本文就是要探討客運的獲利問題。

很淺顯的獲利公式如下：

每月利潤=每月收入-每月機車運行成本 (1)

下面，令每次運輸車皮數(shù)=n，n=1不考慮。

每月貨物運輸損耗率=c，客運約0.04-0.075，郵件約0.06-0.10，視關(guān)卡及站間地形而定。

運輸時間=t，

機車平均速度=v，

運輸距離=S，

貨物價值=V，右鍵點擊車站車廂，可以看到其基本價值。

車站距離(直線距離，而不是鐵路長度)=S”，需用勾股定理計算。

標準距離(使旅客價值和其基本價值相等的車站距離)=m，大約為直線50格鐵軌左右。

貨物價值彈性系數(shù)(距離不同，貨物的價值增長率不一樣，如距離增長1倍，旅客價值增長1倍，但煤的價值可能只增長0.4倍，因為這里探討客運，可以忽略)=a，

則有

每月有效運輸車皮數(shù)=n×(1-c?t)/t=n×(1/t-c) (2)

單位車皮價值=V?( S”?a/m) (3)

t=S/v (4)

(一)機車車型選定，探討車廂數(shù)量

在機車車型選定的前提下，n確定，則v確定，相應(yīng)的t也可確定(測定)，從而計算出S，選擇野鴨進行了n、v的測定(在雇傭經(jīng)理的頁面右側(cè)，有個下一頁，翻兩頁，可以看到效率數(shù)據(jù)，如平均速度、運載貨物數(shù))，發(fā)現(xiàn)：

n=2時，v=80(以下皆為道路盡量不彎曲，不多于2個彎，且距離不短于2個月路程)

n=3時，v=70

n=4時，v=60

n=5, 故障極高，且動力不足，不考慮。

從而有v=90-10n (5)

將(4)、(5)代入(2)，消去t、v，得到

每月有效運輸車皮數(shù)=n×(90-10n/S-c) (6)

化簡得

每月有效運輸車皮數(shù)=[-10(n-4.5)2 +202.5-c?S]/S (7)

因此，當n=4時，式(7)有最大值，即野鴨應(yīng)使用4節(jié)車廂。實際上，因野鴨可靠性差，4節(jié)車廂的故障率就高達50%+，建議使用3節(jié)車廂(野鴨可是南極大陸一關(guān)的好車!)。

車廂數(shù)量確定，探討車站距離

顯然，車站距離增長，則行駛距離增長，收入也增長，但損耗及燃料等費用也增長。因此，這時我們要用到邊際收入和邊際產(chǎn)出了。邊際收入與邊際支出相等時，即為合適的距離。

令每月機車費用(燃料、保養(yǎng)、車廂、折舊之和)=K,常數(shù)。

機車額定最高速度(n節(jié)車廂時)=f，常數(shù)。

為簡化討論，不妨假設(shè)車站距離=行駛距離(直線鐵軌)。則有

顯然，S=ft-b (運動公式S=vt+1/2at^2,由于加速度a確定，因此在加速強勁的情況下，機車無非是少走了1段加速段和1段減速段，可以認為它們是常數(shù)b) (8)

則

收入-支出=F(t)=(1-c?t)?S?V/m-Kt=(1-ct)(ft-b)?V/m-Kt=

[-cf?t^2+(bc+f-K?m/V)t-b]?V/m (9)

F(t)為開口向下的拋物線，因此，問題變?yōu)?/p>

使F(t)≥0時t的最大值，顯然t為方程F(t)=0的較大根。

即t={-(bc+f-K?m/V)+ [(bc+f-K?m/V)^2-4b?c?f]^1/2}/2cf

下面對結(jié)論進行試運算，

設(shè)有CG1，6節(jié)車皮，則有f=77mile/h,折算約為22節(jié)鐵軌/月(換算關(guān)系比較難說明，需要實測，標準距離50節(jié)鐵軌，大約2.86個月左右)，K=8k/月，假設(shè)b=16節(jié)鐵軌,c=0.04,m=50節(jié)鐵軌，V=60k(旅客),計算得到t的最大值為17月。

那么，是不是車站距離越長越好呢?且慢!前面的假設(shè)為車站距離=行駛距離，但實際上車站距離不可能=行駛距離，也就是說，b的取值小了，而實際列車可能跑的無效距離更長，不妨假設(shè)b增大到使方程根的根號部分，即(bc+f-K?m/V)^2-4b?c?f=0的地步，此時，對前例進行計算，則t的最大值為9個月。此時我們可以做出如下推測，列車如果跑長途運輸，的確在單位時間的獲利的效率是最高的，但，這也還不算完。因為效率最高并不和獲利最大劃等號。這就是大公司可能效率不如小公司，但規(guī)模和利潤卻遠遠超過小公司的道理。

鐵路大亨2

RailRoad Tycoon 2 發(fā)行商：Gathering 平臺：PC 類型：模擬經(jīng)營（SIM） 發(fā)售日期：1998年10月31日 進入專題>>