Das Verständnis von Fahrzeugszenarien ist entscheidend für die Realisierung autonomer Fahrzeuge.Frühere Arbeiten wie Kartenlernen und BEV-Spurerkennung (BEV: Bird's Eye View) vernachlässigen jedoch das Zusammenhangsverhältnis zwischen Spurinstanzen, und Aufgaben zur Erkennung von Verkehrselementen ignorieren in der Regel den Zusammenhang mit Spurlinien. Um diese Probleme zu lösen, wird eine Aufgabe vorgestellt, die vier Teilaufgaben umfasst: die Erkennung von Verkehrselementen, die Erkennung von Spurmittellinien, das Schließen über Zusammenhänge zwischen Spuren und das Zuordnen von Beziehungen zwischen Spuren und Verkehrselementen. Wir präsentieren den Separated RoadTopoFormer, einen end-to-end-Framework, der Spurmittellinien und Verkehrselemente erkennt und ihre Beziehungen miteinander analysiert. Jedes Modul wird getrennt optimiert, um gegenseitige Interaktionen zu vermeiden, und anschließend werden sie mit wenigen Feineinstellungen zusammengefasst. Für die beiden Erkennungsköpfe haben wir eine DETR-ähnliche Architektur (DETR: Deformable Transformer) verwendet, um Objekte zu erkennen. Für den Beziehungskopf konkatenieren wir zwei Instanzmerkmale aus den vorderen Detektoren und geben sie dem Klassifizierer weiter, um Wahrscheinlichkeiten für Beziehungen zu erhalten. Unsere endgültige Einreichung erreicht einen OLS-Wert von 0,445 (OLS: Overall Lane Score), der sowohl in den Teil- als auch in den kombinierten Bewertungen wettbewerbsfähig ist.