• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    遺傳算法優(yōu)化支持向量機的城市交通狀態(tài)識別

    2020-08-24 03:01:02李巧茹郝恩強范忠國楊文偉
    關(guān)鍵詞:城市交通遺傳算法向量

    李巧茹,郝恩強,陳 亮,范忠國,楊文偉

    (1.河北工業(yè)大學(xué) 土木與交通學(xué)院,天津 300401;2.河北工業(yè)大學(xué) 智慧基礎(chǔ)設(shè)施研究院,天津 300401)

    0 引 言

    城市交通狀態(tài)識別不僅是現(xiàn)代智能交通系統(tǒng)(intelligent transport system, ITS)的重要內(nèi)容之一,同時也是城市交通規(guī)劃、設(shè)計和交通組織的重要依據(jù)。

    交通狀態(tài)識別具有主觀模糊性,因此選取合理高效的算法判斷交通狀態(tài)是實現(xiàn)交通識別的關(guān)鍵。現(xiàn)有算法主要有:數(shù)理統(tǒng)計算法、聚類分析算法、模式識別算法。針對數(shù)理統(tǒng)計算法,A.R.COOK等[1]通過比較交通參數(shù)的實際觀測值和雙指數(shù)平滑法(DES)獲得的預(yù)測值判斷交通狀態(tài);B.N.PERSAUD等[2]提出了基于突變理論的McMaster算法,實現(xiàn)對交通擁堵類別的準(zhǔn)確分類;M.LEVIN等[3]通過貝葉斯算法計算占有率變化的條件概率,實現(xiàn)交通狀態(tài)的自動檢測。針對聚類分析算法,任其亮等[4]通過建立交通參數(shù)之間的模糊相似性與樣本之間歐式距離的映射關(guān)系,構(gòu)建了基于遺傳動態(tài)模糊聚類的交通狀態(tài)判定方法;張亮亮等[5]考慮交通流參數(shù)在交通狀態(tài)劃分過程中作用的不同,提出了一種基于參數(shù)權(quán)重模糊聚類的交通狀態(tài)識別方法;黃艷國等[6]提出了一種基于模糊C均值聚類的城市道路交通狀態(tài)識別方法。針對模式識別算法,最具代表的算法為神經(jīng)網(wǎng)絡(luò)(neural network,NNet)算法和支持向量機算法,巫威眺等[7]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)判別算法,該算法在實測數(shù)據(jù)驗證下具有較高的精確度和較好的收斂性;C.CORTES等[8]首次提出支持向量機模型,其在非線性和高維模式識別中也表現(xiàn)出許多優(yōu)勢;于榮等[9]利用支持向量機對道路交通狀態(tài)進行分類;廖瑞輝等[10]針對擁擠預(yù)警信息的隨機性和模糊性特點,利用支持向量機對交通狀態(tài)進行判別,在預(yù)警系統(tǒng)取得成功。

    綜合分析現(xiàn)階段國內(nèi)外交通狀態(tài)識別研究現(xiàn)狀,數(shù)理統(tǒng)計算法、聚類分析算法以及模式識別算法已成為交通狀態(tài)識別的重要手段。數(shù)理統(tǒng)計算法使用簡便,但存在交通狀態(tài)識別誤報率高,實用性不強等缺點。聚類分析算法適用于交通狀態(tài)識別的模糊性特征,但易于陷入局部最優(yōu)以及對初始參數(shù)較為敏感,處理海量數(shù)據(jù)時存在一定弊端。神經(jīng)網(wǎng)絡(luò)模型簡單,在處理并行數(shù)據(jù)方面具有天然優(yōu)勢,具備強大的非線性映射及反饋學(xué)習(xí)能力,但其易產(chǎn)生過擬合現(xiàn)象,在實際應(yīng)用中效果并不理想。支持向量機具有嚴(yán)格的理論基礎(chǔ)和數(shù)學(xué)基礎(chǔ),可避免局部最小問題,克服了神經(jīng)網(wǎng)絡(luò)算法過擬合的缺陷,且小樣本學(xué)習(xí)具有較強的泛化能力。然而,支持向量機的分類性能對參數(shù)選擇比較敏感,實際應(yīng)用中存在依靠經(jīng)驗或試算方法確定參數(shù)的局限性,這在一定程度上限制了模型的泛化能力。吐松江·卡日等[11]提出了一種基于支持向量機和遺傳算法的電力變壓器故障診斷方法,該方法能準(zhǔn)確、有效診斷變壓器故障。

    綜上所述,本研究基于聚類分析算法,獲取先驗分類數(shù)據(jù),并嘗試采用遺傳算法優(yōu)化支持向量機參數(shù)模型,確定SVM最優(yōu)參數(shù)組合,建立基于GA-SVM的城市交通狀態(tài)識別模型,并在MATLAB平臺下進行驗證分析。

    1 支持向量機

    1.1 支持向量機分類理論

    支持向量機是一種基于VC維理論和結(jié)構(gòu)風(fēng)險最小原理的模式識別算法,可根據(jù)有限樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中,進而實現(xiàn)模型推廣能力的最優(yōu)化。支持向量機在線性可分情況下,最優(yōu)分類超平面定義的分類決策函數(shù)為:

    f(x)=sgn[(w·x)+b]

    (1)

    (2)

    (3)

    (4)

    (5)

    (6)

    已有成果表明,目前應(yīng)用較多的支持向量機核函數(shù)包括多項式核函數(shù)、徑向基(RBF)核函數(shù)和Sigmod核函數(shù)3種,且在城市交通狀態(tài)識別方面均有較好的應(yīng)用效果。其中,徑向基(RBF)核函數(shù)不僅能實現(xiàn)非線性映射,且參數(shù)較少,易于優(yōu)化。因此選取徑向基(RBF)核函數(shù)進行參數(shù)尋優(yōu)。

    1.2 支持向量機參數(shù)對其性能的影響

    在支持向量機分類方法中,關(guān)鍵參數(shù)主要為懲罰系數(shù)C和核函數(shù)參數(shù)σ,其選擇效果直接影響支持向量機的性能。

    1)懲罰系數(shù)C影響模型的復(fù)雜度和訓(xùn)練誤差。當(dāng)C取值偏小時,樣本數(shù)據(jù)中超出不敏感帶的樣本懲罰也偏小,同時訓(xùn)練精確度降低,系統(tǒng)推廣能力變差,出現(xiàn)“欠學(xué)習(xí)”現(xiàn)象;當(dāng)C取值偏大時,則易出現(xiàn)“過學(xué)習(xí)”現(xiàn)象。

    2)核函數(shù)參數(shù)σ主要反映訓(xùn)練樣本數(shù)據(jù)的范圍特性,直接影響支持向量機模型的學(xué)習(xí)能力。當(dāng)σ取值偏小時易出現(xiàn)“欠學(xué)習(xí)”現(xiàn)象,當(dāng)σ取值偏大時易出現(xiàn)“過學(xué)習(xí)”現(xiàn)象。

    由此可見,合理確定上述參數(shù)值能夠有效降低支持向量機的訓(xùn)練誤差,提高其學(xué)習(xí)能力。

    2 GA-SVM交通狀態(tài)識別模型

    城市交通狀態(tài)識別具有高度復(fù)雜性和主觀模糊性等特點,雖然SVM模型在城市交通狀態(tài)識別方面具有較好的應(yīng)用效果,但在參數(shù)選擇上依然存在依靠經(jīng)驗或者反復(fù)試驗確定參數(shù)的局限性,影響SVM的推廣能力。針對SVM模型中存在的問題,建立基于遺傳算法優(yōu)化支持向量機參數(shù)的城市交通狀態(tài)識別模型。該模型分為3個部分,即城市道路交通狀態(tài)分類理論和方法、遺傳算法優(yōu)化SVM參數(shù)、城市交通狀態(tài)識別的GA-SVM模型。算法流程圖如圖1。

    2.1 城市道路交通狀態(tài)分類理論和方法

    描述道路交通流整體特性主要有車流量、平均速度、占有率等參數(shù)指標(biāo)。不同時段,城市道路交通流在這些參數(shù)下表現(xiàn)出不同的交通特性,據(jù)此建立三維指標(biāo)評價體系,指標(biāo)定義如下[12]:

    1)車流量(pcu/h):單車道2 min內(nèi)各車型車輛數(shù)目之和,計算公式為:

    (7)

    式中:ni1為第1 min通過的第i類車的車輛數(shù);ni2為第2 min通過的第i類車的車輛數(shù);wi為第i類車輛的折算系數(shù)。

    2)平均速度(mile/h):單車道2 min內(nèi)所有機動車的平均速度,計算公式為:

    (8)

    式中:v1為第1 min的平均速度;v2為第2 min的平均速度;f1為第1 min的流量;f2為第2 min的流量。

    3)占有率(%):單車道2 min內(nèi)車輛在環(huán)形線圈檢測器上的時間比例,計算公式為:

    (9)

    式中:ft為t時間段內(nèi)的流量;lt為t時間段內(nèi)所有機動車輛的車身長度;vt為t時間段內(nèi)的平均速度;t為時間間隔,此處定義為2 min。

    根據(jù)上述三維指標(biāo),對城市道路交通狀態(tài)數(shù)據(jù)進行聚類分析,得到聚類中心矩陣為:

    (10)

    該矩陣第1列v1,v2,v4,v4分別代表順暢流、平穩(wěn)流、擁擠流、堵塞流的聚類中心;第2列代表車流量;第3列代表速度;第4列代表占有率。

    2.2 遺傳算法優(yōu)化SVM參數(shù)

    遺傳算法種群規(guī)模設(shè)定為20,進化代數(shù)設(shè)定為200。保留精英遺傳算法優(yōu)化參數(shù)執(zhí)行過程如下:

    1)種群初始化。參數(shù)C和σ分別以n1和n2位二進制進行編碼,則每組參數(shù)為一個基因長度n1+n2的二進制代碼,如圖2。

    2)確定適應(yīng)度函數(shù)。根據(jù)種群中個體得到SVM模型的初始參數(shù)值,用樣本數(shù)據(jù)訓(xùn)練SVM模型,然后依據(jù)訓(xùn)練精確度確定個體適應(yīng)度值,如式(11)~式(12):

    f=Ac

    (11)

    (12)

    式中:f為適應(yīng)度函數(shù);Ac為預(yù)測精確度;N為訓(xùn)練總樣本;Nf為錯誤分類的樣本。

    3)選擇操作。采用遺傳算法選擇操作中的輪盤賭法。個體被選中的概率與其適應(yīng)度值的大小成正比,這樣就增加了個體的多樣性,便于執(zhí)行交叉操作和變異操作,如式(13):

    (13)

    式中:fi為個體i的適應(yīng)度值。

    4)交叉操作。按照一定交叉概率交換配對個體基因,產(chǎn)生新的個體。第1代交叉后自適應(yīng)概率如式(14):

    (14)

    式中:G為遺傳代數(shù);Gmax為最大遺代數(shù);Pc(1)為第1代交叉概率,此處定義為0.7;Pc(G)為第G代的交叉概率。

    5)變異操作。按照一定的變異概率改變選中個體染色體的等位基因,增強種群的多樣性。第1代變異后自適應(yīng)概率如式(15):

    (15)

    式中:Pm(1)為第1代變異概率,此處定義為0.01;Pm(G)為第G代的變異概率。

    2.3 GA-SVM模型

    將上述遺傳算法進化過程中得到的最優(yōu)個體分解為參數(shù)組合C*和σ*,代入SVM模型,得到城市交通狀態(tài)識別的GA-SVM模型。在MATLAB平臺下對GA-SVM模型性能進行測試分析。

    3 MATLAB實驗分析

    3.1 數(shù)據(jù)采集與處理

    岳麓大道為長沙市四橫六縱的重要一環(huán),承載著連接?xùn)|西城區(qū)的重任。選取長沙市岳麓大道的實驗路段西起澗塘立交橋,東至銀盆嶺大橋,道路線型大致呈直線線形,車道數(shù)為雙向八車道,易于交通數(shù)據(jù)的采集。在車輛出行高峰期和低谷期,呈現(xiàn)多種交通狀態(tài)。因此采集其周一至周五6:00—19:00的流量、速度和占有率數(shù)據(jù),將城市道路交通狀態(tài)設(shè)定為順暢流、平穩(wěn)流、擁擠流和堵塞流4種類別,進行聚類分析。每一種交通狀態(tài)選用100個樣本,共400組觀測數(shù)據(jù)。取每種狀態(tài)80個樣本作為訓(xùn)練數(shù)據(jù),20個樣本作為測試數(shù)據(jù),結(jié)果如圖3、圖4。其中,圖3為交通數(shù)據(jù)的box可視化圖,記錄了樣本數(shù)據(jù)分布情況,交通流參數(shù)屬性正常,不存在異常點;圖4為交通樣本數(shù)據(jù)三維可視化圖,在三維空間內(nèi)呈現(xiàn)出4種交通狀態(tài),數(shù)據(jù)聚類效果明顯。

    3.2 仿真分析

    在MATLAB平臺下,利用LIBSVM工具箱對樣本數(shù)據(jù)進行歸一化處理,將數(shù)據(jù)歸一化到[0,1]范圍內(nèi)。其中,圖5為遺傳算法迭代尋優(yōu)過程,設(shè)定遺傳算法種群規(guī)模為20,迭代次數(shù)為200。迭代尋優(yōu)前期,適應(yīng)度曲線隨著迭代次數(shù)的增加,適應(yīng)度逐漸上升;迭代尋優(yōu)后期,適應(yīng)度曲線趨于平穩(wěn)狀態(tài),最佳適應(yīng)度穩(wěn)定在99.69%,說明在尋優(yōu)過程中支持向量機參數(shù)種群不斷進化,直到滿足訓(xùn)練條件,獲得最優(yōu)參數(shù)C*和σ*。

    圖6為SVM測試集實際分類效果和預(yù)測分類效果對比圖,結(jié)合現(xiàn)有研究成果設(shè)定C=2,σ=1,圖中測試樣本總數(shù)為80,準(zhǔn)確預(yù)測樣本數(shù)為76,Ac=95%(76/80),錯誤預(yù)測的樣本點為3個順暢流樣本點預(yù)測為平穩(wěn)流樣本點,1個擁擠流樣本點預(yù)測為堵塞流樣本點;圖7為GA-SVM測試集實際分類效果和預(yù)測分類效果對比圖,圖中測試樣本總數(shù)為80,最優(yōu)參數(shù)組合C*=0.518 5,σ*=21.067 4,準(zhǔn)確預(yù)測樣本數(shù)為79,Ac=98.75%(79/80),錯誤預(yù)測的樣本點為1個擁擠流樣本點預(yù)測為堵塞流樣本點。

    比較上述結(jié)果,GA-SVM模型和SVM模型均有較好的城市交通狀態(tài)識別效果,其中GA-SVM模型比SVM模型識別精確度提高3.75%,具體結(jié)果如表1。

    由表1可知,改進后的模型優(yōu)于基于SVM的交通狀態(tài)識別模型,主要體現(xiàn)在以下3個方面:①參數(shù)選取方法,參數(shù)C和σ的選擇對支持向量分類機的學(xué)習(xí)和推廣能力有很大影響,傳統(tǒng)參數(shù)選取方法計算復(fù)雜,盲目性較強,利用遺傳算法可以在初始化范圍內(nèi)對參數(shù)進行全局、快速搜索;②全局最優(yōu),遺傳算法具有良好的全局搜索能力,不易陷入局部最優(yōu),利用遺傳算法對支持向量機關(guān)鍵參數(shù)進行尋優(yōu),可找到使模型識別精確度更高的參數(shù),在此基礎(chǔ)上進行城市道路交通狀態(tài)識別,更具科學(xué)性;③識別精確度,由表1可知,在測試集的識別分類中,GA-SVM模型識別精確度更高,更適于實際工程使用。

    表1 SVM模型和GA-SVM模型分類結(jié)果比較

    4 結(jié) 論

    將遺傳算法和支持向量機相結(jié)合應(yīng)用于城市交通狀態(tài)識別研究,得出如下結(jié)論:

    1)選取車流量、平均速度和占有率為城市交通狀態(tài)識別的基礎(chǔ)參數(shù)指標(biāo),通過聚類分析方法,獲取以順暢流、平穩(wěn)流、擁擠流和堵塞流為標(biāo)簽的城市交通狀態(tài)先驗分類數(shù)據(jù)。

    2)利用遺傳算法優(yōu)化支持向量機模型的關(guān)鍵參數(shù)——懲罰系數(shù)C和核函數(shù)σ,避免了依靠經(jīng)驗確定參數(shù)方法的盲目性。

    3)依托長沙市岳麓大道監(jiān)測數(shù)據(jù)進行城市交通狀態(tài)識別研究,SVM模型和GA-SVM模型預(yù)測精確度分別達到95.00%和98.75%,相較于SVM模型,GA-SVM模型在預(yù)測精確度方面提高3.75%。

    4)GA-SVM模型為城市交通狀態(tài)識別研究提供一種新思路,對智能交通系統(tǒng)中路徑誘導(dǎo)和交通控制有一定的實用價值。

    猜你喜歡
    城市交通遺傳算法向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    新形勢下我國城市交通發(fā)展戰(zhàn)略思考
    上海城市交通大數(shù)據(jù)研究與實踐
    上海公路(2018年1期)2018-06-26 08:37:40
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    向量垂直在解析幾何中的應(yīng)用
    基于改進的遺傳算法的模糊聚類算法
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    一级片免费观看大全| 亚洲精品美女久久av网站| 舔av片在线| 一本一本综合久久| 欧美另类亚洲清纯唯美| 国产精品一区二区精品视频观看| 国产成人系列免费观看| 国产亚洲精品久久久久5区| 国产熟女午夜一区二区三区| 欧美最黄视频在线播放免费| 日本免费一区二区三区高清不卡| 久久久久久久午夜电影| 欧美人与性动交α欧美精品济南到| 亚洲第一电影网av| 黄色成人免费大全| 中文字幕人成人乱码亚洲影| cao死你这个sao货| svipshipincom国产片| 欧美性长视频在线观看| 美女大奶头视频| 亚洲人成77777在线视频| 欧美日韩福利视频一区二区| 麻豆一二三区av精品| 黄色 视频免费看| 亚洲成人国产一区在线观看| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产精品sss在线观看| 久久精品影院6| 黄片大片在线免费观看| svipshipincom国产片| 手机成人av网站| 亚洲成人中文字幕在线播放| 亚洲五月天丁香| 人妻久久中文字幕网| 国产免费男女视频| 日韩欧美精品v在线| 亚洲性夜色夜夜综合| 欧美成狂野欧美在线观看| 天堂影院成人在线观看| 欧美日韩黄片免| 丰满的人妻完整版| 国产精品 国内视频| 亚洲欧美精品综合久久99| 国产成人精品久久二区二区免费| 亚洲 国产 在线| 中文字幕人妻丝袜一区二区| 在线观看午夜福利视频| 黑人欧美特级aaaaaa片| 国产精品综合久久久久久久免费| 中文字幕熟女人妻在线| 99久久国产精品久久久| 亚洲专区字幕在线| 精华霜和精华液先用哪个| 精品免费久久久久久久清纯| 日韩欧美在线二视频| 成年版毛片免费区| 国产成年人精品一区二区| 日本一二三区视频观看| 日韩大尺度精品在线看网址| 黑人欧美特级aaaaaa片| 成人高潮视频无遮挡免费网站| www.自偷自拍.com| 90打野战视频偷拍视频| 欧美丝袜亚洲另类 | 国产在线精品亚洲第一网站| 999久久久精品免费观看国产| 国产精品,欧美在线| 亚洲精华国产精华精| 亚洲第一欧美日韩一区二区三区| 成人欧美大片| 国语自产精品视频在线第100页| 亚洲午夜理论影院| 18美女黄网站色大片免费观看| 日韩高清综合在线| 成年女人毛片免费观看观看9| 欧美 亚洲 国产 日韩一| 最好的美女福利视频网| 在线观看美女被高潮喷水网站 | 国产精品野战在线观看| 18禁观看日本| av视频在线观看入口| 欧美日韩亚洲国产一区二区在线观看| 日本黄色视频三级网站网址| 日本精品一区二区三区蜜桃| tocl精华| 9191精品国产免费久久| av在线播放免费不卡| 欧美在线一区亚洲| 淫妇啪啪啪对白视频| 亚洲一区二区三区色噜噜| 长腿黑丝高跟| 国产视频内射| 老熟妇乱子伦视频在线观看| 天堂动漫精品| xxxwww97欧美| 老司机在亚洲福利影院| 欧美黄色片欧美黄色片| 免费在线观看亚洲国产| 精品福利观看| 丰满的人妻完整版| 国产av又大| 日日摸夜夜添夜夜添小说| 久久精品人妻少妇| 亚洲一码二码三码区别大吗| 老司机福利观看| 又爽又黄无遮挡网站| 天堂动漫精品| 在线免费观看的www视频| www.999成人在线观看| 日韩欧美免费精品| 亚洲成av人片免费观看| 久久香蕉激情| 久久九九热精品免费| 亚洲成av人片免费观看| tocl精华| 精品午夜福利视频在线观看一区| 亚洲精品国产一区二区精华液| 日日爽夜夜爽网站| 一二三四在线观看免费中文在| 国产野战对白在线观看| av在线天堂中文字幕| 久久久久国产一级毛片高清牌| 白带黄色成豆腐渣| 99热只有精品国产| 亚洲欧美激情综合另类| 在线a可以看的网站| 日韩欧美三级三区| 久久久久久亚洲精品国产蜜桃av| 婷婷亚洲欧美| 变态另类丝袜制服| 色综合欧美亚洲国产小说| 亚洲av五月六月丁香网| 变态另类丝袜制服| 色综合欧美亚洲国产小说| 三级男女做爰猛烈吃奶摸视频| 18禁国产床啪视频网站| aaaaa片日本免费| 老司机深夜福利视频在线观看| 男人舔女人下体高潮全视频| 一级作爱视频免费观看| www日本在线高清视频| 婷婷六月久久综合丁香| 精品无人区乱码1区二区| 免费在线观看视频国产中文字幕亚洲| 在线永久观看黄色视频| 97超级碰碰碰精品色视频在线观看| 在线十欧美十亚洲十日本专区| 欧美午夜高清在线| 久9热在线精品视频| 午夜日韩欧美国产| 国产一区二区在线观看日韩 | 国产一级毛片七仙女欲春2| 久久久久久国产a免费观看| 久久久久久亚洲精品国产蜜桃av| 久久精品91蜜桃| 视频区欧美日本亚洲| 欧美一级毛片孕妇| 老熟妇仑乱视频hdxx| 久久人妻福利社区极品人妻图片| 最近最新中文字幕大全电影3| 一区二区三区激情视频| 香蕉丝袜av| 精品久久久久久成人av| 久久国产精品影院| 欧美一区二区国产精品久久精品 | 日本黄色视频三级网站网址| or卡值多少钱| 亚洲第一电影网av| 日本黄大片高清| 舔av片在线| 日韩欧美在线二视频| 两个人的视频大全免费| 国产精品久久久久久人妻精品电影| 国产又黄又爽又无遮挡在线| 亚洲国产精品sss在线观看| 这个男人来自地球电影免费观看| 韩国av一区二区三区四区| 午夜a级毛片| 高清毛片免费观看视频网站| 亚洲专区字幕在线| 国产精品,欧美在线| 午夜老司机福利片| 曰老女人黄片| 国产一区二区激情短视频| 欧美一级毛片孕妇| ponron亚洲| 久久香蕉激情| 一二三四在线观看免费中文在| 少妇被粗大的猛进出69影院| 极品教师在线免费播放| 国产高清有码在线观看视频 | 精品欧美一区二区三区在线| 婷婷亚洲欧美| 国产精品影院久久| 深夜精品福利| 亚洲九九香蕉| 这个男人来自地球电影免费观看| 日本一区二区免费在线视频| 丰满人妻熟妇乱又伦精品不卡| 激情在线观看视频在线高清| 在线视频色国产色| 国产精品精品国产色婷婷| 午夜精品久久久久久毛片777| 99热这里只有是精品50| 国产精品亚洲美女久久久| 中国美女看黄片| 久久香蕉激情| 一卡2卡三卡四卡精品乱码亚洲| 韩国av一区二区三区四区| 国产精品久久久久久亚洲av鲁大| 变态另类丝袜制服| 日韩有码中文字幕| 黑人欧美特级aaaaaa片| 亚洲 欧美 日韩 在线 免费| 日韩欧美在线二视频| 欧美激情久久久久久爽电影| 亚洲成人中文字幕在线播放| cao死你这个sao货| 两个人看的免费小视频| 亚洲熟女毛片儿| 五月玫瑰六月丁香| 免费看十八禁软件| 国产aⅴ精品一区二区三区波| 久久国产精品影院| av欧美777| 禁无遮挡网站| 欧美久久黑人一区二区| 97碰自拍视频| 国产高清有码在线观看视频 | 人妻丰满熟妇av一区二区三区| 亚洲一区二区三区色噜噜| 90打野战视频偷拍视频| 午夜激情福利司机影院| 欧美大码av| 国产精品国产高清国产av| 日本黄大片高清| 亚洲国产欧洲综合997久久,| 欧美乱妇无乱码| 法律面前人人平等表现在哪些方面| 老熟妇乱子伦视频在线观看| 国内毛片毛片毛片毛片毛片| 窝窝影院91人妻| 欧美黑人精品巨大| 久久久国产成人精品二区| 老汉色∧v一级毛片| 岛国在线免费视频观看| 国产伦在线观看视频一区| 中文字幕人成人乱码亚洲影| 久久久久性生活片| 亚洲全国av大片| 丝袜人妻中文字幕| 色老头精品视频在线观看| 琪琪午夜伦伦电影理论片6080| 黄色丝袜av网址大全| 久久国产乱子伦精品免费另类| 亚洲欧美日韩高清专用| 一边摸一边做爽爽视频免费| 性色av乱码一区二区三区2| 成人一区二区视频在线观看| 色综合亚洲欧美另类图片| 成人国语在线视频| 神马国产精品三级电影在线观看 | www.自偷自拍.com| 久久香蕉激情| 在线观看66精品国产| 久久人妻福利社区极品人妻图片| 人人妻人人看人人澡| 欧美午夜高清在线| 国产精品 欧美亚洲| 最好的美女福利视频网| 中文字幕精品亚洲无线码一区| 成人特级黄色片久久久久久久| 中文字幕熟女人妻在线| 成人精品一区二区免费| 国产av不卡久久| 亚洲第一电影网av| 国产真人三级小视频在线观看| 女警被强在线播放| 色哟哟哟哟哟哟| 一个人观看的视频www高清免费观看 | 18禁美女被吸乳视频| 欧美极品一区二区三区四区| 美女大奶头视频| 99久久国产精品久久久| 午夜福利高清视频| 一级作爱视频免费观看| 亚洲人成网站在线播放欧美日韩| 国产精品久久视频播放| 搞女人的毛片| 91av网站免费观看| 亚洲国产日韩欧美精品在线观看 | 久久精品夜夜夜夜夜久久蜜豆 | 12—13女人毛片做爰片一| 18美女黄网站色大片免费观看| 熟妇人妻久久中文字幕3abv| 俄罗斯特黄特色一大片| 9191精品国产免费久久| 亚洲av电影在线进入| 高潮久久久久久久久久久不卡| 日韩欧美一区二区三区在线观看| 欧美成人免费av一区二区三区| 神马国产精品三级电影在线观看 | 国内少妇人妻偷人精品xxx网站 | 亚洲精品av麻豆狂野| 国产精品久久久久久精品电影| 国产成人欧美在线观看| 2021天堂中文幕一二区在线观| 欧美日韩福利视频一区二区| 麻豆久久精品国产亚洲av| 18美女黄网站色大片免费观看| 亚洲国产精品合色在线| 51午夜福利影视在线观看| 午夜日韩欧美国产| 激情在线观看视频在线高清| 久久精品夜夜夜夜夜久久蜜豆 | 午夜视频精品福利| 久久久国产成人免费| 国产精品久久久久久久电影 | 色综合站精品国产| 国产1区2区3区精品| www.999成人在线观看| 亚洲精品粉嫩美女一区| 黄色丝袜av网址大全| 国产又色又爽无遮挡免费看| 首页视频小说图片口味搜索| 无遮挡黄片免费观看| 精品一区二区三区四区五区乱码| 日韩精品青青久久久久久| 久9热在线精品视频| 日本黄色视频三级网站网址| 禁无遮挡网站| 欧美日韩黄片免| 麻豆av在线久日| 亚洲av五月六月丁香网| 成在线人永久免费视频| 亚洲 欧美一区二区三区| 国产成年人精品一区二区| 中文字幕最新亚洲高清| 两个人免费观看高清视频| 免费在线观看成人毛片| 在线观看66精品国产| 精品久久久久久久人妻蜜臀av| 亚洲成人av在线免费| 免费av毛片视频| 美女cb高潮喷水在线观看| 午夜视频国产福利| 看非洲黑人一级黄片| 男插女下体视频免费在线播放| 国产精品不卡视频一区二区| 欧美bdsm另类| 国产真实乱freesex| 日本熟妇午夜| 色综合亚洲欧美另类图片| 一本久久精品| 亚洲三级黄色毛片| 日产精品乱码卡一卡2卡三| 69人妻影院| 亚洲国产精品久久男人天堂| 成人毛片a级毛片在线播放| 校园人妻丝袜中文字幕| 观看免费一级毛片| 99国产极品粉嫩在线观看| 中国美女看黄片| 国产成人午夜福利电影在线观看| 舔av片在线| 国产亚洲精品av在线| a级毛片a级免费在线| 亚洲人成网站在线观看播放| 欧美性猛交╳xxx乱大交人| 亚洲欧美成人精品一区二区| 欧美一区二区亚洲| 亚洲无线观看免费| 国产精品女同一区二区软件| 成人永久免费在线观看视频| av视频在线观看入口| www.av在线官网国产| 69人妻影院| 亚洲国产精品合色在线| 18禁在线无遮挡免费观看视频| 欧美不卡视频在线免费观看| 美女内射精品一级片tv| 免费观看在线日韩| 国产淫片久久久久久久久| 国产女主播在线喷水免费视频网站 | 成年女人看的毛片在线观看| 亚洲国产色片| 日日啪夜夜撸| 久久精品久久久久久久性| 日本与韩国留学比较| 欧美3d第一页| 男人舔女人下体高潮全视频| 精品久久久久久久久久久久久| 久久精品国产清高在天天线| 日本一本二区三区精品| 国产精品三级大全| 中国美白少妇内射xxxbb| 免费大片18禁| 国产精品.久久久| 18禁在线无遮挡免费观看视频| 日本成人三级电影网站| 国产亚洲精品久久久com| 色哟哟哟哟哟哟| 亚洲国产精品成人久久小说 | 国产精品蜜桃在线观看 | a级毛色黄片| 亚洲成人精品中文字幕电影| 校园春色视频在线观看| 99久久中文字幕三级久久日本| 久久久久久久亚洲中文字幕| 亚洲国产欧美人成| 国产伦在线观看视频一区| 国产黄片视频在线免费观看| 免费av不卡在线播放| 99riav亚洲国产免费| 国产精品久久久久久久电影| 午夜爱爱视频在线播放| 久久99精品国语久久久| 人妻久久中文字幕网| 九九久久精品国产亚洲av麻豆| 久久久久久久久久久丰满| 美女黄网站色视频| 免费一级毛片在线播放高清视频| 嫩草影院精品99| 内射极品少妇av片p| 岛国在线免费视频观看| 九九在线视频观看精品| 简卡轻食公司| 亚洲自拍偷在线| 午夜福利成人在线免费观看| 91麻豆精品激情在线观看国产| 久久人妻av系列| АⅤ资源中文在线天堂| 97超碰精品成人国产| 搡老妇女老女人老熟妇| 免费av不卡在线播放| 免费观看的影片在线观看| 国产精品综合久久久久久久免费| 成年免费大片在线观看| 在线观看一区二区三区| 国产又黄又爽又无遮挡在线| 久久久久久国产a免费观看| 尾随美女入室| 欧美在线一区亚洲| 天堂中文最新版在线下载 | 欧美不卡视频在线免费观看| 日本一二三区视频观看| 日韩精品青青久久久久久| 成人二区视频| 亚洲av.av天堂| 成人美女网站在线观看视频| 久久久久久大精品| www.av在线官网国产| 日韩欧美精品免费久久| 天天躁夜夜躁狠狠久久av| 麻豆精品久久久久久蜜桃| 五月伊人婷婷丁香| 中文在线观看免费www的网站| 天堂网av新在线| 国产成人福利小说| 亚洲在久久综合| 六月丁香七月| 欧美精品一区二区大全| 国产亚洲欧美98| 亚洲欧美成人综合另类久久久 | 亚洲电影在线观看av| 日韩 亚洲 欧美在线| 欧美日韩在线观看h| 别揉我奶头 嗯啊视频| 国产男人的电影天堂91| 亚洲性久久影院| av卡一久久| 身体一侧抽搐| 啦啦啦啦在线视频资源| 国产精品久久久久久精品电影| 大又大粗又爽又黄少妇毛片口| 青春草亚洲视频在线观看| 伦理电影大哥的女人| 久久国内精品自在自线图片| 久久热精品热| 成熟少妇高潮喷水视频| 精品午夜福利在线看| 91精品一卡2卡3卡4卡| 亚洲av熟女| 亚洲国产高清在线一区二区三| 国产人妻一区二区三区在| 欧美日韩在线观看h| 精品久久久久久久久久久久久| 亚洲精品粉嫩美女一区| 日韩国内少妇激情av| 久久午夜福利片| 午夜福利在线观看免费完整高清在 | 变态另类成人亚洲欧美熟女| 成人av在线播放网站| 精品人妻视频免费看| 中文字幕人妻熟人妻熟丝袜美| 成年女人永久免费观看视频| 欧美激情久久久久久爽电影| 好男人在线观看高清免费视频| 2022亚洲国产成人精品| 直男gayav资源| 国产精品精品国产色婷婷| 成年版毛片免费区| 亚洲国产精品成人久久小说 | 国产综合懂色| 九九热线精品视视频播放| 亚洲欧美日韩东京热| 亚洲精品久久国产高清桃花| 精品人妻偷拍中文字幕| 精品久久久久久成人av| 麻豆国产97在线/欧美| 少妇熟女aⅴ在线视频| 99久国产av精品国产电影| 亚洲真实伦在线观看| 国产av一区在线观看免费| 国产精品日韩av在线免费观看| 日韩,欧美,国产一区二区三区 | 国产日韩欧美在线精品| 欧美日韩乱码在线| 永久网站在线| 久久人人爽人人片av| 日韩精品有码人妻一区| 日韩一区二区视频免费看| 国产高清有码在线观看视频| 人妻夜夜爽99麻豆av| 久久草成人影院| 亚洲自偷自拍三级| 不卡视频在线观看欧美| 日韩亚洲欧美综合| 深夜a级毛片| 99热这里只有是精品50| 观看美女的网站| 久久精品91蜜桃| 国产69精品久久久久777片| 高清日韩中文字幕在线| 久久久久免费精品人妻一区二区| 午夜免费激情av| 最好的美女福利视频网| av在线老鸭窝| 综合色丁香网| 身体一侧抽搐| 少妇熟女欧美另类| 91av网一区二区| 精品久久久久久成人av| 搡女人真爽免费视频火全软件| 亚洲av电影不卡..在线观看| 国产一区二区三区av在线 | 欧美日韩综合久久久久久| 成人午夜高清在线视频| 国产精品99久久久久久久久| 日本爱情动作片www.在线观看| 国产伦在线观看视频一区| 欧美日韩乱码在线| 日本熟妇午夜| 18禁在线播放成人免费| 不卡视频在线观看欧美| 亚洲国产精品成人综合色| 欧美最新免费一区二区三区| 高清毛片免费观看视频网站| 亚洲欧美精品自产自拍| 人妻少妇偷人精品九色| 中文字幕av成人在线电影| 国产视频内射| 欧美bdsm另类| 亚洲天堂国产精品一区在线| 国产亚洲91精品色在线| 亚洲人成网站在线观看播放| 深爱激情五月婷婷| 大香蕉久久网| 久久久久九九精品影院| 国产免费一级a男人的天堂| 最近的中文字幕免费完整| 国产 一区精品| 九九爱精品视频在线观看| 亚洲综合色惰| 午夜视频国产福利| 一级毛片我不卡| 深夜a级毛片| 99热精品在线国产| 91久久精品国产一区二区成人| 久久精品人妻少妇| 乱码一卡2卡4卡精品| 午夜亚洲福利在线播放| 国产高潮美女av| 精品99又大又爽又粗少妇毛片| 亚洲无线在线观看| 国产老妇女一区| 婷婷色av中文字幕| 久久人人爽人人爽人人片va| 白带黄色成豆腐渣| 国产日本99.免费观看| 国产一区亚洲一区在线观看| 九草在线视频观看| 最近的中文字幕免费完整| 99久久中文字幕三级久久日本| 一个人看视频在线观看www免费| 简卡轻食公司| 99热网站在线观看| 国产探花极品一区二区| 国产美女午夜福利| 色吧在线观看| 黄色配什么色好看| 狂野欧美白嫩少妇大欣赏| 免费电影在线观看免费观看| 亚洲最大成人中文| 午夜激情福利司机影院| 爱豆传媒免费全集在线观看| 天天一区二区日本电影三级| 51国产日韩欧美| 99热只有精品国产| 99久久九九国产精品国产免费| 久久久久性生活片| 精品午夜福利在线看| 亚洲av二区三区四区| 免费看av在线观看网站| 99在线人妻在线中文字幕|