• <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
    欧美日本视频| 在现免费观看毛片| 91精品伊人久久大香线蕉| 能在线免费看毛片的网站| 丰满少妇做爰视频| 麻豆av噜噜一区二区三区| 午夜福利成人在线免费观看| 啦啦啦韩国在线观看视频| 国精品久久久久久国模美| 校园人妻丝袜中文字幕| 亚洲最大成人手机在线| 男人爽女人下面视频在线观看| 成人性生交大片免费视频hd| 99热这里只有精品一区| 国产精品美女特级片免费视频播放器| 狠狠精品人妻久久久久久综合| 十八禁国产超污无遮挡网站| 99re6热这里在线精品视频| 狂野欧美激情性xxxx在线观看| 一级毛片 在线播放| 高清av免费在线| 在线观看美女被高潮喷水网站| 欧美成人a在线观看| 97热精品久久久久久| 国产精品美女特级片免费视频播放器| 尤物成人国产欧美一区二区三区| 赤兔流量卡办理| 精品酒店卫生间| 国产精品精品国产色婷婷| 一二三四中文在线观看免费高清| 老司机影院成人| 久久97久久精品| 日本欧美国产在线视频| 久久久久久久大尺度免费视频| 在现免费观看毛片| 如何舔出高潮| 天堂俺去俺来也www色官网 | 观看美女的网站| 女人十人毛片免费观看3o分钟| 国产精品人妻久久久影院| 亚洲电影在线观看av| 国产精品一区二区三区四区免费观看| 国产永久视频网站| 国产成人免费观看mmmm| 91久久精品国产一区二区三区| 日韩av在线大香蕉| 建设人人有责人人尽责人人享有的 | 中文字幕人妻熟人妻熟丝袜美| 精品久久久久久成人av| 国产午夜精品一二区理论片| 精品国产一区二区三区久久久樱花 | 成年人午夜在线观看视频 | 日本三级黄在线观看| 亚洲av在线观看美女高潮| 中文字幕人妻熟人妻熟丝袜美| kizo精华| 夜夜看夜夜爽夜夜摸| 国产黄频视频在线观看| 欧美日韩精品成人综合77777| 日韩三级伦理在线观看| 国产av国产精品国产| 精品久久久精品久久久| 欧美97在线视频| 国产探花极品一区二区| 亚洲激情五月婷婷啪啪| 爱豆传媒免费全集在线观看| 国产人妻一区二区三区在| 午夜精品国产一区二区电影 | 五月天丁香电影| 人妻少妇偷人精品九色| 久久久久久久国产电影| 特级一级黄色大片| 国产探花极品一区二区| 精品国产三级普通话版| 男女国产视频网站| 最近中文字幕高清免费大全6| 日本猛色少妇xxxxx猛交久久| 激情 狠狠 欧美| 丝袜美腿在线中文| 三级毛片av免费| 亚洲高清免费不卡视频| 亚洲国产最新在线播放| 蜜桃久久精品国产亚洲av| 国产伦精品一区二区三区四那| 国产乱来视频区| 校园人妻丝袜中文字幕| 日韩一区二区三区影片| 亚洲av中文字字幕乱码综合| 国产精品一区二区三区四区免费观看| 精华霜和精华液先用哪个| 久久久国产一区二区| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美中文字幕日韩二区| 国产成人精品一,二区| 日韩,欧美,国产一区二区三区| 黄色日韩在线| 美女大奶头视频| 七月丁香在线播放| 69av精品久久久久久| 好男人视频免费观看在线| 成年免费大片在线观看| 真实男女啪啪啪动态图| 亚洲av二区三区四区| 2022亚洲国产成人精品| 男人舔奶头视频| 精品久久久久久电影网| 床上黄色一级片| 亚洲av国产av综合av卡| 亚洲av免费高清在线观看| 免费观看性生交大片5| 在线免费观看的www视频| 在线观看免费高清a一片| 亚洲国产精品成人综合色| 日日撸夜夜添| 亚洲欧美精品专区久久| 国产精品不卡视频一区二区| 久久这里有精品视频免费| a级一级毛片免费在线观看| 国产69精品久久久久777片| 欧美xxxx性猛交bbbb| 久久97久久精品| 日本av手机在线免费观看| 一级二级三级毛片免费看| 99久久中文字幕三级久久日本| 精品少妇黑人巨大在线播放| 国产av码专区亚洲av| 婷婷色综合大香蕉| 日本爱情动作片www.在线观看| 最近2019中文字幕mv第一页| 精品一区二区三卡| av在线蜜桃| 少妇被粗大猛烈的视频| 精品一区二区三区人妻视频| 成人亚洲欧美一区二区av| 久久这里有精品视频免费| 99久久人妻综合| 久久人人爽人人片av| 51国产日韩欧美| 插阴视频在线观看视频| 男插女下体视频免费在线播放| 精品久久久久久久末码| 偷拍熟女少妇极品色| 欧美一区二区亚洲| 乱人视频在线观看| 丰满人妻一区二区三区视频av| 热99在线观看视频| 男女下面进入的视频免费午夜| 亚洲精品自拍成人| 久久99蜜桃精品久久| 欧美bdsm另类| 免费观看性生交大片5| 午夜激情福利司机影院| 小蜜桃在线观看免费完整版高清| 久久热精品热| 噜噜噜噜噜久久久久久91| 女的被弄到高潮叫床怎么办| 精品少妇黑人巨大在线播放| 精华霜和精华液先用哪个| 丰满少妇做爰视频| 久久久a久久爽久久v久久| 欧美不卡视频在线免费观看| 日韩欧美精品v在线| 天天躁日日操中文字幕| 国产在线一区二区三区精| 99re6热这里在线精品视频| 久久久久久伊人网av| 观看美女的网站| 国产乱来视频区| 国产综合懂色| av播播在线观看一区| 天堂√8在线中文| 最近手机中文字幕大全| 久久久久免费精品人妻一区二区| 亚洲精品,欧美精品| 一级毛片电影观看| 在线观看人妻少妇| 国产精品一区二区性色av| 99久久精品热视频| 久久精品国产亚洲网站| 赤兔流量卡办理| 日韩精品青青久久久久久| 黑人高潮一二区| 天天躁日日操中文字幕| 尤物成人国产欧美一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 欧美成人精品欧美一级黄| 91狼人影院| 午夜福利在线在线| 永久免费av网站大全| 日韩大片免费观看网站| 少妇猛男粗大的猛烈进出视频 | 国产精品国产三级专区第一集| av一本久久久久| 久久久色成人| 国产黄色视频一区二区在线观看| 国产伦精品一区二区三区四那| 国产乱人视频| 蜜臀久久99精品久久宅男| 久久精品国产亚洲av涩爱| 亚洲av中文字字幕乱码综合| 日本黄大片高清| 国产精品国产三级国产av玫瑰| 国语对白做爰xxxⅹ性视频网站| 国产乱人偷精品视频| 免费无遮挡裸体视频| 亚洲成色77777| 插逼视频在线观看| 精品午夜福利在线看| 久久6这里有精品| 男女国产视频网站| 婷婷色av中文字幕| 伦理电影大哥的女人| 26uuu在线亚洲综合色| 一区二区三区四区激情视频| 晚上一个人看的免费电影| 极品少妇高潮喷水抽搐| 久久久精品免费免费高清| 国产成人午夜福利电影在线观看| 3wmmmm亚洲av在线观看| 久久97久久精品| 精品99又大又爽又粗少妇毛片| 伦精品一区二区三区| 自拍偷自拍亚洲精品老妇| 天天躁夜夜躁狠狠久久av| 激情五月婷婷亚洲| 极品教师在线视频| 人妻一区二区av| 国产成人freesex在线| 国产女主播在线喷水免费视频网站 | 夫妻性生交免费视频一级片| 亚洲av男天堂| 亚洲欧洲日产国产| 日日啪夜夜爽| 日本免费在线观看一区| 2018国产大陆天天弄谢| 婷婷色av中文字幕| 精品国产露脸久久av麻豆 | 九色成人免费人妻av| 国产精品久久久久久av不卡| 亚洲不卡免费看| av福利片在线观看| 2018国产大陆天天弄谢| 国产成人aa在线观看| 国产午夜精品论理片| 国产三级在线视频| 日韩中字成人| 亚洲国产最新在线播放| 久久精品熟女亚洲av麻豆精品 | 亚洲精品日韩在线中文字幕| 免费av毛片视频| 在线观看免费高清a一片| 乱码一卡2卡4卡精品| 又爽又黄无遮挡网站| 久久精品久久精品一区二区三区| 精品久久久久久成人av| 国产高潮美女av| 性插视频无遮挡在线免费观看| 国产久久久一区二区三区| 国产探花极品一区二区| 欧美精品一区二区大全| 国产av国产精品国产| 国产单亲对白刺激| 日韩一本色道免费dvd| 欧美性猛交╳xxx乱大交人| 人妻系列 视频| 大陆偷拍与自拍| 美女黄网站色视频| 中文乱码字字幕精品一区二区三区 | 丝袜喷水一区| 日韩av不卡免费在线播放| 亚洲欧美精品专区久久| 亚洲av免费高清在线观看| 夜夜爽夜夜爽视频| 午夜福利高清视频| 欧美成人a在线观看| 亚洲av在线观看美女高潮| 免费无遮挡裸体视频| 亚洲18禁久久av| 国内精品宾馆在线| 极品教师在线视频| 亚洲欧美一区二区三区黑人 | 老司机影院毛片| 日本wwww免费看| 人妻系列 视频| 九草在线视频观看| 两个人的视频大全免费| 日本午夜av视频| 精品久久久久久久末码| 亚洲在线观看片| 九草在线视频观看| 国产精品女同一区二区软件| av线在线观看网站| 午夜福利网站1000一区二区三区| 性插视频无遮挡在线免费观看| 亚洲人成网站高清观看| 日日啪夜夜撸| 亚洲成人久久爱视频| 国产亚洲精品av在线| eeuss影院久久| 精品人妻熟女av久视频| 国产精品一区二区在线观看99 | 亚洲欧洲国产日韩| 国产69精品久久久久777片| 网址你懂的国产日韩在线| 免费播放大片免费观看视频在线观看| 日本av手机在线免费观看| 色尼玛亚洲综合影院| 久久99蜜桃精品久久| 最近手机中文字幕大全| 亚洲精品乱码久久久v下载方式| 久久99精品国语久久久| 欧美日韩国产mv在线观看视频 | 男女下面进入的视频免费午夜| 亚洲国产最新在线播放| 波野结衣二区三区在线| 男女国产视频网站| 久久久久久久国产电影| 日本色播在线视频| 久久久久网色| 99久久精品一区二区三区| 日韩制服骚丝袜av| 国产精品久久久久久精品电影小说 | 91av网一区二区| 男女视频在线观看网站免费| 伦理电影大哥的女人| 国产成人福利小说| 中文字幕制服av| 亚洲成人精品中文字幕电影| 99久国产av精品国产电影| 欧美日本视频| 国产一区二区三区av在线| 亚洲综合精品二区| 午夜视频国产福利| 亚洲伊人久久精品综合| 老司机影院成人| 肉色欧美久久久久久久蜜桃 | 国精品久久久久久国模美| 亚洲天堂国产精品一区在线| 国产高潮美女av| 国产av国产精品国产| 亚洲av成人精品一区久久| 美女主播在线视频| 国产黄色视频一区二区在线观看| .国产精品久久| av在线播放精品| 亚洲在线观看片| 亚洲成人精品中文字幕电影| 国产麻豆成人av免费视频| h日本视频在线播放| 国产精品无大码| 99热6这里只有精品| 国内精品一区二区在线观看| 色哟哟·www| 天堂影院成人在线观看| 亚洲真实伦在线观看| 最近2019中文字幕mv第一页| 欧美日韩综合久久久久久| a级毛片免费高清观看在线播放| 国产精品国产三级国产专区5o| 在线天堂最新版资源| 成人漫画全彩无遮挡| 国产伦精品一区二区三区四那| 热99在线观看视频| 久久精品夜色国产| 男女啪啪激烈高潮av片| videossex国产| 内地一区二区视频在线| 搡女人真爽免费视频火全软件| 午夜爱爱视频在线播放| 男女啪啪激烈高潮av片| 亚洲国产最新在线播放| 国产在线男女| 我要看日韩黄色一级片| 老师上课跳d突然被开到最大视频| 日韩精品有码人妻一区| 麻豆乱淫一区二区| 寂寞人妻少妇视频99o| 男插女下体视频免费在线播放| 亚洲欧美成人精品一区二区| 看非洲黑人一级黄片| 成人鲁丝片一二三区免费| 欧美日韩综合久久久久久| 男女国产视频网站| 国产淫语在线视频| www.色视频.com| 别揉我奶头 嗯啊视频| 日韩精品青青久久久久久| 搡老乐熟女国产| 亚洲欧美成人精品一区二区| xxx大片免费视频| 啦啦啦啦在线视频资源| 神马国产精品三级电影在线观看| 丰满少妇做爰视频| a级一级毛片免费在线观看| 在线免费观看的www视频| 日韩 亚洲 欧美在线| 欧美人与善性xxx| 国产成人福利小说| 天堂影院成人在线观看| 在线免费观看的www视频| 亚洲精品456在线播放app| 永久免费av网站大全| 亚洲国产色片| 精品国产一区二区三区久久久樱花 | 一级毛片aaaaaa免费看小| 午夜福利在线观看免费完整高清在| 国精品久久久久久国模美| 小蜜桃在线观看免费完整版高清| 精品一区二区免费观看| 欧美极品一区二区三区四区| 久久久久久伊人网av| 97精品久久久久久久久久精品| 日韩一本色道免费dvd| 亚洲国产最新在线播放| 国产精品99久久久久久久久| 亚洲欧美日韩卡通动漫| 看黄色毛片网站| 亚洲内射少妇av| 国产精品蜜桃在线观看| 91久久精品电影网| 大香蕉97超碰在线| 国产免费又黄又爽又色| 国产精品爽爽va在线观看网站| 久久久a久久爽久久v久久| 又粗又硬又长又爽又黄的视频| 精品99又大又爽又粗少妇毛片| 亚洲av中文av极速乱| 秋霞在线观看毛片| 我的老师免费观看完整版| 超碰av人人做人人爽久久| 一个人看视频在线观看www免费| 男女边吃奶边做爰视频| 欧美极品一区二区三区四区| 亚洲av男天堂| 狠狠精品人妻久久久久久综合| 亚洲伊人久久精品综合| 亚洲av不卡在线观看| 肉色欧美久久久久久久蜜桃 | 免费大片18禁| 欧美潮喷喷水| 偷拍熟女少妇极品色| 成年女人在线观看亚洲视频 | 天天一区二区日本电影三级| 国产免费视频播放在线视频 | 在线免费十八禁| www.av在线官网国产| 一个人观看的视频www高清免费观看| 久久久久久久久久久免费av| 欧美成人a在线观看| 不卡视频在线观看欧美| 精品久久久精品久久久| 1000部很黄的大片| 一区二区三区四区激情视频| 熟女电影av网| 日日摸夜夜添夜夜爱| 亚洲成色77777| 在线观看免费高清a一片| 国产伦在线观看视频一区| 日韩成人av中文字幕在线观看| 午夜视频国产福利| 99久久中文字幕三级久久日本| 丝袜美腿在线中文| 午夜福利成人在线免费观看| 午夜福利在线观看免费完整高清在| 免费观看性生交大片5| 不卡视频在线观看欧美| 国产亚洲最大av| 日韩国内少妇激情av| 亚洲婷婷狠狠爱综合网| 国产精品久久久久久久电影| 能在线免费看毛片的网站| 国产激情偷乱视频一区二区| 国产黄色小视频在线观看| 99久久精品一区二区三区| av在线天堂中文字幕| 国产成人午夜福利电影在线观看| 精品久久久久久电影网| 秋霞伦理黄片| av又黄又爽大尺度在线免费看| 中文字幕av在线有码专区| 久久久国产一区二区| 最近最新中文字幕大全电影3| 免费电影在线观看免费观看| 高清在线视频一区二区三区| 国产一区亚洲一区在线观看| 国产成人a区在线观看| 中文字幕av成人在线电影| 色视频www国产| 日本黄大片高清| 亚洲精品成人av观看孕妇| ponron亚洲| 亚洲综合精品二区| 2022亚洲国产成人精品| 少妇人妻精品综合一区二区| 美女大奶头视频| 99热这里只有是精品在线观看| 最近中文字幕2019免费版| 久久韩国三级中文字幕| 女的被弄到高潮叫床怎么办| 美女黄网站色视频| 国产大屁股一区二区在线视频| 久久久精品94久久精品| 久久这里有精品视频免费| 久久99热这里只有精品18| 精品久久久久久成人av| 男人舔女人下体高潮全视频| 联通29元200g的流量卡| 国产黄a三级三级三级人| 一个人看视频在线观看www免费| 国产精品爽爽va在线观看网站| 亚洲国产色片| 中文字幕av成人在线电影| 蜜桃亚洲精品一区二区三区| 日韩欧美精品v在线| 国产亚洲av片在线观看秒播厂 | 久久午夜福利片| 国产欧美日韩精品一区二区| 久久97久久精品| 亚洲欧美日韩东京热| 最近手机中文字幕大全| 国产精品久久久久久久电影| 99热这里只有是精品在线观看| 中文字幕av成人在线电影| 欧美成人一区二区免费高清观看| 婷婷色麻豆天堂久久| 免费黄色在线免费观看| 在线观看一区二区三区| 欧美日韩亚洲高清精品| 日韩一本色道免费dvd| 非洲黑人性xxxx精品又粗又长| 少妇丰满av| 精品99又大又爽又粗少妇毛片| 国内精品美女久久久久久| 成年免费大片在线观看| 中文欧美无线码| 观看免费一级毛片| 国产欧美另类精品又又久久亚洲欧美| 99久国产av精品| 少妇丰满av| 91精品国产九色| 中文精品一卡2卡3卡4更新| 亚洲在线自拍视频| 深爱激情五月婷婷| 色5月婷婷丁香| 国产国拍精品亚洲av在线观看| 午夜免费观看性视频| 高清日韩中文字幕在线| 精品久久久久久久人妻蜜臀av| 色综合站精品国产| 99久国产av精品| 高清av免费在线| 天堂影院成人在线观看| 美女xxoo啪啪120秒动态图| 99久久精品一区二区三区| 欧美激情在线99| av天堂中文字幕网| 久久精品综合一区二区三区| 免费看光身美女| 免费观看无遮挡的男女| 日韩人妻高清精品专区| 在线 av 中文字幕| 久久精品久久久久久噜噜老黄| 中文字幕亚洲精品专区| 男女边吃奶边做爰视频| 国产又色又爽无遮挡免| 在线观看免费高清a一片| 亚洲成人av在线免费| 亚洲精品成人av观看孕妇| av在线观看视频网站免费| 高清在线视频一区二区三区| 最近最新中文字幕免费大全7| 国产老妇伦熟女老妇高清| 亚洲欧美精品专区久久| 黄色欧美视频在线观看| 一二三四中文在线观看免费高清| 91午夜精品亚洲一区二区三区| 高清在线视频一区二区三区| 免费大片18禁| 成人毛片60女人毛片免费| 蜜桃久久精品国产亚洲av| 国产精品爽爽va在线观看网站| 国产有黄有色有爽视频| 建设人人有责人人尽责人人享有的 | 久久韩国三级中文字幕| 午夜日本视频在线| 最近最新中文字幕大全电影3| 国产精品三级大全| 国产午夜精品论理片| 天天躁日日操中文字幕| av在线观看视频网站免费| 国产日韩欧美在线精品| 日韩av在线大香蕉| 亚洲精品久久久久久婷婷小说| 天堂影院成人在线观看| 国产黄色小视频在线观看| 男的添女的下面高潮视频| 亚洲国产精品国产精品| 国产精品女同一区二区软件| 国产免费一级a男人的天堂| 内地一区二区视频在线| 欧美性猛交╳xxx乱大交人| 国产免费福利视频在线观看| 熟妇人妻不卡中文字幕| 乱人视频在线观看| 三级国产精品欧美在线观看| 欧美极品一区二区三区四区| 一级片'在线观看视频| 欧美人与善性xxx| 午夜爱爱视频在线播放| 亚洲真实伦在线观看| 黄色欧美视频在线观看| 精品一区在线观看国产| 日韩电影二区| 一级毛片久久久久久久久女| 午夜视频国产福利|