Actualmente, muchos consumidores y académicos se centran en los sistemas de asistencia a la conducción (DAS) y las tecnologías de transporte inteligente. La tecnología de medición de distancia y velocidad del vehículo que está delante es una parte importante del DAS. Los algoritmos existentes de estimación de distancia y velocidad de vehículos basados en cámaras monoculares aún tienen limitaciones, como ignorar la relación entre las características subyacentes de la velocidad y la distancia del vehículo. Se propone un marco de fusión de múltiples señales para la velocidad y la medición de distancia monocular para mejorar la precisión de la medición de distancia y velocidad monocular. Utilizamos el mecanismo de atención para fusionar diferentes informaciones de características. El método de entrenamiento se utiliza para entrenar conjuntamente la red a través de la función de pérdida de regresión de distancia y velocidad y la pérdida de profundidad como función de pérdida auxiliar. Finalmente, se realiza una validación experimental en el conjunto de datos Tusimple y el conjunto de datos KITTI. En el conjunto de datos Tusimple, el error cuadrático medio de velocidad promedio del método propuesto es menor que , y el error cuadrático medio promedio de la distancia es . En el conjunto de datos KITTI, el error cuadrático medio de velocidad promedio de nuestro método es menor que . Además, probamos en diferentes escenarios y confirmamos la efectividad de la red.