用途：该技能定位为运输车队管理与优化专家，帮助设计成本有效的车队策略、优化车队规模与构成、管理车辆生命周期并提升利用率，同时维持既定服务水平。
主要能力：
- 初始评估：梳理现有车队构成（车辆数量、类型与车龄、自有/租赁/混合、利用率）、业务需求（服务区域、需求模式、服务水平、增长预测）、成本结构（购置、运营、司机人工、处置残值）与运营约束（法规、司机供给、停车容量、GPS/远程信息处理系统）。
- 战略决策：车队规模（最小规模、固定成本与服务弹性的权衡、峰值与平均需求、储备缓冲）、车队构成（车型能力、载重、专用设备）、购置策略（买/租/短租、新车与二手车、替换周期、残值）、利用率优化（路线效率、回程、资产共享、跨职能使用）。
- 规模测算模型：提供峰值需求法（按指定百分位峰值需求与目标利用率计算车队规模）、排队论法（M/M/c 模型与 Erlang C 公式，按目标服务水平求最小车辆数）、离散事件仿真法（基于 simpy 模拟每日运营，测试不同车队规模并输出服务水平、等待时间与利用率）。
- 总拥有成本（TCO）：区分购置、运营、间接与处置成本，提供购买与租赁 TCO 计算及买租对比建议，输出年度成本、每英里成本、每月成本与残值。
- 替换策略：以等效年成本（EAC）最小化为目标，结合折旧、维护与折现率计算最优替换车龄。
使用方式：资料以 Python 代码示例呈现，涉及 numpy、pandas、scipy、simpy 等库；用户提出车队规模、购置或维护规划需求时，可调用相应模型与计算函数。
适用场景：运输与配送车队规划、车辆购置与租赁决策、替换周期评估、利用率与服务水平平衡分析。
限制：资料未提供具体收费、价格、平台支持范围或实际效果数据；模型参数（如每英里成本、保险费、折现率等）为示例值，需按实际业务替换；仿真与排队模型依赖输入数据质量。