您必須透過自動調整操作參數，提高 2,000 萬輛蜂巢式和斷線車輛的營運效率。您應該如何進行？

正確答案是「收集所有操作資料，訓練機器學習模型以識別理想操作，並在車輛本機執行這些模型以進行調整」。對於數千萬輛蜂巢式和斷線車輛，在車輛本機執行模型（邊緣運算）是關鍵。這能確保即使在網路連線不穩定或沒有連線的情況下，車輛也能即時調整參數，提高營運效率。 「讓工程師檢查資料以找出模式，然後實作基於規則的演算法來自動調整參數」效率低下，難以擴展到如此龐大的車隊，且無法處理複雜的動態模式。 「實作具有滑動視窗的 Cloud Dataflow 串流工作，並使用 Google Cloud Messaging 自動推送調整」在斷線環境下不可行，且即時性可能不足。 「收集所有操作資料，訓練機器學習模型以識別理想操作，並將模型託管在 Cloud ML Platform 上，以便從雲端自動進行調整」會因網路延遲和斷線問題而失效，不適用於斷線車輛。