本論文では、悪天候条件下でも消失点によって誘導される車線と道路標識の検出および認識を統合的に処理できるエンドツーエンド学習可能なマルチタスクネットワークを提案します。特に、雨や低照度条件はこれまで明確な課題のために十分に研究されていませんでした。例えば、雨の日の画像は低照度にさらされ、濡れた道路は光の反射を引き起こし、車線と道路標識の外観を歪めます。夜間には、限られた照度下で色が歪む現象が発生します。その結果、ベンチマークデータセットが存在せず、悪天候条件下で機能するアルゴリズムもごく少数しか開発されていません。この欠点に対処するために、約20,000枚の画像から構成される車線と道路標識のベンチマークデータセットを構築しました。このデータセットには17種類の車線と道路標識クラスが含まれており、4つの異なるシナリオ（晴れ、雨、大雨、夜）に対応しています。提案されたマルチタスクネットワークのいくつかのバージョンを訓練し評価することで、各タスクの重要性を検証しました。その結果得られた手法VPGNetは、単一の順方向パスで車線と道路標識を検出し分類し、消失点を予測することができます。実験結果は、当手法がリアルタイム（20 fps）で様々な条件下において高い精度と堅牢性を達成していることを示しています。ベンチマークデータセットおよびVPGNetモデルは公開される予定です。