본 논문은 스트리밍 서비스의 급증으로 인해 크라우드소싱 클라우드-엣지 플랫폼(CCP)에서 품질 보증(QoS) 유지를 어렵게 만드는 시간 변동성이 심하고 버스트 현상이 빈번한 네트워크 부하 문제를 다룹니다. 기존의 예측-스케줄링 아키텍처는 평균 절대 오차를 최소화하여 피크 시간대 SLA 위반을 초래하거나, 보수적인 과적재 전략으로 자원 낭비를 발생시키는 문제점을 가지고 있습니다. 이를 해결하기 위해 본 논문은 극단적인 부하 역학을 더 잘 포착하기 위해 수치 및 이미지 기반 표현을 통합하는 스케줄링 인식 하이브리드 표현 프레임워크(HRS)를 제안합니다. 또한 예측 오류의 비대칭적 영향을 포착하는 스케줄링 인식 손실(SAL)을 도입하여 스케줄링 결정을 더 잘 지원하는 예측을 유도합니다. 실제 데이터셋 4개에 대한 광범위한 실험 결과, HRS는 10개의 기준 모델을 능가하며 최첨단 성능을 달성하여 SLA 위반율을 63.1%, 총 이윤 손실을 32.3% 줄였습니다.
