La reprogramación de señales es la medida más rentable para reducir la demora de los vehículos y aliviar la congestión en las carreteras urbanas. Estudios anteriores han explorado el potencial de utilizar datos de vehículos conectados para la reprogramación de señales, específicamente en el actual entorno de baja penetración, lo que reducirá significativamente el costo y aumentará la productividad de la reprogramación de señales. Sin embargo, los métodos existentes son en su mayoría deterministas y no consideran adecuadamente la incertidumbre tanto en la demanda de tráfico como en la capacidad. Esto compromete su robustez en una aplicación real. En este estudio, se introduce una nueva medida del estado del tráfico: el tiempo de servicio en cola (QST), que se utiliza como la única entrada para generar un plan de señal robusto en intersecciones aisladas para un período del día. Primero, se propone un modelo basado en Bayes para estimar la distribución de QST utilizando colectivamente las observaciones de límite inferior y superior reportadas por vehículos conectados. Luego, se formula un modelo de optimización de señales basado en programación de objetivos utilizando cuantiles de QST como entrada, que tiene en cuenta la incertidumbre combinada tanto en la demanda de tráfico como en la capacidad. Experimentos de simulación validan la efectividad y robustez del método propuesto. Se demuestra que el modelo de estimación de QST propuesto es confiable para usar con una tasa de penetración tan baja como 0.05 y puede estimar efectivamente la distribución real tanto en condiciones de sub- como de sobresaturación. En comparación con un método basado en la demanda que solo considera la incertidumbre en la demanda de tráfico, el método de optimización del tiempo de señal basado en QST muestra su superioridad en la reducción de la ocurrencia de sobresaturación o fallos de fase, así como en la mejora del rendimiento frente a los peores casos.