現代の手法は主に車線検出をピクセル単位のセグメンテーション問題として捉えているが、これには困難なシナリオや高速処理の課題に対応しきれないという問題がある。人間の知覚に着想を得て、重度の遮蔽や極端な照明条件下における車線の認識は、主に文脈情報および全体的な構造情報に依拠している。この観察に基づき、極めて高速かつ困難な状況下でも有効な、新たなシンプルかつ効果的な定式化を提案する。具体的には、グローバル特徴を用いた行ベースの選択問題として車線検出プロセスを定式化する。行ベースの選択により、計算コストを著しく低減できる。また、グローバル特徴に大きな受容fieldを適用することで、困難な状況に対しても対応可能となる。さらに、この定式化を基盤として、車線の構造を明示的にモデル化する構造的損失関数も提案する。2つの車線検出ベンチマークデータセットにおける広範な実験結果から、本手法が速度と精度の両面で最先端の性能を達成することが示された。軽量版では、同じ解像度下で300フレーム/秒以上を実現でき、従来の最先端手法よりも少なくとも4倍以上高速である。本研究のコードは公開予定である。