您必须通过自动调整操作参数来提高 2000 万辆蜂窝和非联网车辆的运营效率。您应该如何操作？

该场景涉及 2000 万辆蜂窝和非联网车辆。在车辆本地运行机器学习模型是最佳解决方案，因为这允许在没有持续网络连接的情况下进行实时调整，这对于非联网车辆至关重要。 其他选项的缺点： 工程师手动检查数据和基于规则的算法难以扩展到 2000 万辆车，并且可能无法捕捉到复杂的模式。 Cloud Dataflow 流式传输作业和 Google Cloud Messaging 需要持续的网络连接，这对于非联网车辆来说是不可行的。 将模型托管在 Cloud ML Platform 上并从云端进行调整也需要持续的网络连接，不适用于非联网车辆，并且可能引入延迟，影响实时操作效率。