城市交通拥堵是全球性问题,先进的交通信号控制是缓解城市交通拥堵的重要举措,交通状态感知是自适应交通信号控制的基础。最大压强(MP)算法是一种分散式自适应信号控制策略,它高度依赖路网车辆的实时排队信息。本文研究车联网环境下的路网车辆排队估计和基于MP算法的自适应交通信号控制。现有的网联车数据几乎都是通过GPS技术获取的,而民用GPS精度不能按车道定位车辆,因此使用网联车数据无法直接区分直行(+右转)排队和左转排队。另一方面,很多路段上这两种排队车辆的路权是由不同信号相位来管理的,明确按车道区分这两种排队是实现MP信号控制策略的先决条件,由此产生了一个两难问题。本文提出两种启发式MP策略,基于现实条件的网联车GPS数据,实现实时排队估计和分散式自适应交通信号控制。为对照研究起见,本文也考察一种理想情形,即未来可以根据网联车数据直接定位车辆所处车道,区分并估计直行(+右转)排队长和左转排队长,进而实现MP交通信号控制。本文提出了三种自适应信号控制方案与固定配时方案对比,并在AIMSUN微观仿真平台上构建了一个3*3城市道路网络,针对两种交通场景和不同网联车占比深入开展仿真实验,较全面地评估了所提出的排队估计模型和MP控制算法的性能。结果显示,理想情形下的排队估计和MP控制性能令人满意,现实条件下的排队估计和MP控制性能和前者相比有一定差距,随着网联车占比不断增大,排队估计算法的准确性提高,MP信号控制的效果也随之提升。