自動運転の実現にはドライビングシナリオの理解が不可欠です。これまでの研究では、マップ学習やBEVレーン検出などにおいて、レーンインスタンス間の接続関係が無視されてきました。また、交通要素検出タスクでは通常、レーンラインとの関連性が考慮されていませんでした。これらの問題を解決するために、4つのサブタスクからなる新しいタスクが提案されました。具体的には、交通要素の検出、レーンセンターラインの検出、レーン間の接続関係の推論、およびレーンと交通要素間の割り当て関係の推論です。我々はこれらの課題に対処するため、「Separated RoadTopoFormer」を提案します。これはエンドツーエンドのフレームワークで、レーンセンターラインと交通要素を検出し、それら相互間の関係性を推論します。各モジュールを個別に最適化することで相互作用を防ぎ、微調整を最小限に抑えながら統合しました。2つの検出ヘッドについてはDETRのようなアーキテクチャを採用し、物体検出を行いました。関係性ヘッドについては、前方デテクターから得られる2つのインスタンス特徴量を連結し、分類器に入力して関係性確率を得ました。最終的な提出物は0.445 OLS（Overall Lane Score）を達成しており、サブタスクおよび総合スコアにおいて競争力があります。