• <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 ?

    基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型

    2016-05-22 02:19:44田?;?/span>
    關(guān)鍵詞:交通流量交通流時(shí)空

    田?;郏?彬

    (河南交通職業(yè)技術(shù)學(xué)院 交通信息工程系,河南 鄭州 450000)

    基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型

    田?;?,郭 彬

    (河南交通職業(yè)技術(shù)學(xué)院 交通信息工程系,河南 鄭州 450000)

    交通流預(yù)測(cè)的實(shí)時(shí)性和準(zhǔn)確性直接影響到交通流誘導(dǎo)系統(tǒng)的高效性,是智能交通領(lǐng)域研究的熱點(diǎn)。為了進(jìn)一步提高短時(shí)交通流預(yù)測(cè)的精度,提出一種基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型。在分析路段時(shí)空相關(guān)性的基礎(chǔ)上,利用云模型改進(jìn)的遺傳算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化,得到最優(yōu)的支持向量機(jī)模型,并實(shí)現(xiàn)短時(shí)交通流預(yù)測(cè)。以長(zhǎng)春市局部路網(wǎng)的實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),驗(yàn)證了所提出模型的有效性和可行性。

    交通運(yùn)輸工程;交通量預(yù)測(cè);時(shí)空特征分析;云模型;遺傳算法;支持向量機(jī)

    0 引 言

    交通流預(yù)測(cè)在智能交通研究領(lǐng)域一直占據(jù)著舉足輕重的地位,通過國(guó)內(nèi)外研究學(xué)者的不斷努力,形成了多種方法,如Kalman濾波法[1]、時(shí)間序列法[2]、神經(jīng)網(wǎng)絡(luò)法[3]、支持向量機(jī)[4]等。由于基于單一模型的預(yù)測(cè)方法都存在缺陷,國(guó)內(nèi)外學(xué)者研究了很多基于組合理論的預(yù)測(cè)方法,如灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[5]、基于小波包和最小二乘支持向量機(jī)的預(yù)測(cè)方法[6]、基于蟻群優(yōu)化支持向量機(jī)的預(yù)測(cè)方法[7]等。

    這些短時(shí)交通流預(yù)測(cè)方法在很大程度上都能得到滿意的預(yù)測(cè)結(jié)果,但是普遍沒有考慮路段時(shí)空相關(guān)性,預(yù)測(cè)因子考慮不全面,預(yù)測(cè)精度還有待于提高。為了進(jìn)一步提高短時(shí)交通流預(yù)測(cè)的精確度,筆者一方面優(yōu)化預(yù)測(cè)因子,充分考慮路段時(shí)空相關(guān)性,另一方面優(yōu)化預(yù)測(cè)模型,通過云模型改進(jìn)的遺傳算法優(yōu)化支持向量機(jī)模型,提出一種基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型。以長(zhǎng)春市局部路網(wǎng)的實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),通過實(shí)例驗(yàn)證了所提出模型的有效性和可行性。

    1 路段時(shí)空相關(guān)性分析

    1.1 相似性分析

    圖1是同一日不同檢測(cè)器的交通流量變化曲線,共28個(gè)檢測(cè)器,隨機(jī)選出4個(gè)檢測(cè)器采集到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。從圖1可以看出:在這些檢測(cè)器中,部分交通流量變化曲線存在一定的相似性,這是路段截面相關(guān)性分析的基礎(chǔ)。

    圖1 同一日不同檢測(cè)器交通流量變化曲線Fig.1 Traffic flow change curve of different detectors on the same day

    1.2 相關(guān)性分析

    為了進(jìn)一步了解各路段截面之間的相關(guān)程度,選擇相關(guān)系數(shù)為相似系數(shù),以相似系數(shù)作為聚類標(biāo)準(zhǔn),采用系統(tǒng)聚類方法對(duì)路段截面數(shù)據(jù)進(jìn)行分析。系統(tǒng)聚類分析法的具體步驟是:①數(shù)據(jù)的標(biāo)準(zhǔn)化處理;②確定相似系數(shù);③計(jì)算類間距并進(jìn)行聚類;④繪制系統(tǒng)聚類譜系圖。

    相關(guān)系數(shù)是描述變量間線性關(guān)系密切程度的數(shù)量指標(biāo)。設(shè)路段截面交通流量統(tǒng)計(jì)數(shù)據(jù)矩陣為

    (1)

    式中:m為截面數(shù);n為時(shí)間點(diǎn)數(shù)。

    相關(guān)系數(shù)計(jì)算步驟如下:

    1)對(duì)原始數(shù)據(jù)標(biāo)準(zhǔn)化變換

    (2)

    2)計(jì)算相關(guān)系數(shù)矩陣

    R=QQ′

    (3)

    式中:R為相關(guān)系數(shù)矩陣;Q為標(biāo)準(zhǔn)化后的交通流量矩陣;Q′為Q的轉(zhuǎn)置矩陣。

    2 支持向量機(jī)

    交通流預(yù)測(cè)是一種非線性回歸問題,支持向量機(jī)(support vector machine,SVM)在解決這類問題上具有優(yōu)勢(shì)[8-9],因此選擇SVM模型作為基礎(chǔ)預(yù)測(cè)模型,其基本原理如下。

    存在訓(xùn)練集:

    式中:xi∈Rn為預(yù)測(cè)因子,即前幾個(gè)時(shí)段的時(shí)空序列;yi∈R為預(yù)測(cè)值;i=1,…,l為訓(xùn)練集包含的訓(xùn)練樣本數(shù)。

    (4)

    (5)

    (6)

    對(duì)上述問題進(jìn)一步變換,將式(4)改寫為

    (7)

    3 基于云模型的遺傳算法優(yōu)化支持向量機(jī)

    在支持向量機(jī)的參數(shù)中,對(duì)模型的預(yù)測(cè)結(jié)果影響較大的是懲罰參數(shù)C、不敏感損失參數(shù)ε和核函數(shù)參數(shù)σ。同時(shí)考慮遺傳算法存在一定的缺陷,如收斂速度慢,陷入局部最優(yōu),因此,采用基于云模型的遺傳算法對(duì)支持向量機(jī)參數(shù)進(jìn)行優(yōu)化。

    3.1 云模型

    3.1.1 云的數(shù)字特征

    圖2 云模型及其數(shù)字特征Fig.2 Cloud model and its numerical characteristics

    3.1.2 云發(fā)生器

    云發(fā)生器有兩種,一種是由定性到定量的過程,稱為正向云發(fā)生器;另一種是由定量到定性的過程,稱為逆向云發(fā)生器。如圖3。

    圖3 云發(fā)生器Fig.3 Cloud generator

    3.2 基于云模型的遺傳優(yōu)化支持向量機(jī)

    基于云模型的遺傳算法優(yōu)化支持向量機(jī)參數(shù)的具體步驟如下[12],如圖4。

    圖4 遺傳優(yōu)化支持向量機(jī)參數(shù)的流程Fig.4 Process of SVM parameters optimized by GA

    1)初始化,隨機(jī)產(chǎn)生一組支持向量機(jī)參數(shù),并對(duì)其進(jìn)行編碼。

    2)初始化種群,對(duì)種群規(guī)模、最大迭代次數(shù)等參數(shù)進(jìn)行設(shè)定。

    3)適應(yīng)度評(píng)價(jià)。

    4)以最大迭代次數(shù)為優(yōu)化準(zhǔn)則,如果滿足條件則輸出結(jié)果,即支持向量機(jī)的最優(yōu)參數(shù),從而得到訓(xùn)練好的支持向量機(jī);如果不滿足條件,則進(jìn)行步驟5)。

    5)執(zhí)行選擇、交叉和變異操作,生成新種群,再?gòu)牟襟E1)開始新一代遺傳。

    3.2.1 染色體編碼與解碼

    3.2.2 適應(yīng)度函數(shù)

    適應(yīng)度函數(shù)可以指導(dǎo)下一代的遺傳和進(jìn)化,是自然選擇的唯一標(biāo)準(zhǔn)。通過合適地選擇適應(yīng)度函數(shù)能夠提升算法的效率和解的質(zhì)量。因?yàn)橐獙?shí)現(xiàn)SVM的參數(shù)優(yōu)化,就要找到最優(yōu)的模型,所以選擇均方根誤差函數(shù)為適應(yīng)度函數(shù)。

    3.2.3 個(gè)體選擇

    通過個(gè)體選擇可以使適應(yīng)度較高的個(gè)體遺傳下來,并在代與代之間不斷進(jìn)化。筆者通過輪盤賭法進(jìn)行個(gè)體選擇,則個(gè)體被選擇的概率為

    (8)

    3.2.4 交叉與變異

    交叉的目的是保留父本的優(yōu)秀基因,構(gòu)成一個(gè)全新的個(gè)體。變異是為了保持種群的多樣性,避免陷入局部最優(yōu)。自適應(yīng)遺傳算法的交叉率和變異率函數(shù)絕對(duì)地保留了優(yōu)秀個(gè)體,缺乏隨機(jī)性,因此筆者采用正向云發(fā)生器對(duì)自適應(yīng)交叉率和變異率函數(shù)進(jìn)行改進(jìn),得到式(9)和式(10)。

    (9)

    (10)

    4 基于時(shí)空分析和云遺傳優(yōu)化支持向量機(jī)的交通流預(yù)測(cè)模型

    實(shí)現(xiàn)基于時(shí)空分析和云遺傳優(yōu)化支持向量機(jī)的交通流預(yù)測(cè)需要3個(gè)步驟:①訓(xùn)練樣本的準(zhǔn)備;②利用基于云模型的遺傳算法對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練;③利用訓(xùn)練好的支持向量機(jī)模型進(jìn)行短時(shí)交通流預(yù)測(cè)。

    4.1 訓(xùn)練樣本的準(zhǔn)備

    訓(xùn)練樣本的準(zhǔn)備包括兩個(gè)步驟:

    1)路網(wǎng)數(shù)據(jù)的時(shí)空分析,得到具有時(shí)空特征的樣本數(shù)據(jù)。

    2)對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理,將數(shù)據(jù)歸一到區(qū)間[-1,1],公式如下:

    (11)

    式中:x為原始數(shù)據(jù);y為映射后數(shù)據(jù)。

    4.2 云遺傳支持向量機(jī)的短時(shí)交通流預(yù)測(cè)

    利用云遺傳支持向量機(jī)進(jìn)行短時(shí)交通流預(yù)測(cè)的流程如圖5。

    圖5 云遺傳支持向量機(jī)的交通流預(yù)測(cè)流程Fig.5 Process of traffic flow forecasting based on CGA-SVM

    4.3 評(píng)價(jià)指標(biāo)選取

    為了評(píng)價(jià)所提出模型的有效性,選擇相對(duì)誤差XRE、平均相對(duì)誤差XMRE、最大相對(duì)誤差XMAXRE、均方根誤差XRMSE為評(píng)價(jià)指標(biāo)。相關(guān)表達(dá)式如下:

    5 實(shí)例驗(yàn)證與分析

    實(shí)驗(yàn)對(duì)象為長(zhǎng)春市局部路網(wǎng),如圖6,取其中的12個(gè)路段斷面進(jìn)行分析。實(shí)驗(yàn)數(shù)據(jù)為2013年8月12—16日06:30—18:30的流量數(shù)據(jù),每5 min采集一次,12個(gè)截面共產(chǎn)生720組數(shù)據(jù),以前4天的576組數(shù)據(jù)作為訓(xùn)練樣本,16日的144組數(shù)據(jù)為預(yù)測(cè)樣本。在MATLAB7.0.1環(huán)境下設(shè)計(jì)云模型等相關(guān)程序,運(yùn)用GA工具箱和LibSVM工具箱對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化。為了驗(yàn)證所提出的基于時(shí)空分析和云遺傳支持向量機(jī)(時(shí)空CGA-SVM)預(yù)測(cè)模型的有效性,在實(shí)驗(yàn)過程中與云遺傳支持向量機(jī)模型(CGA-SVM)和遺傳支持向量機(jī)模型(GA-SVM)進(jìn)行了對(duì)比和分析。

    圖6 長(zhǎng)春市局部路網(wǎng)Fig.6 Local road network diagram of Changchun

    首先進(jìn)行路段時(shí)空特征的聚類分析,得到的聚類譜系圖如圖7。

    圖7 聚類譜系Fig.7 Hierarchical graph

    由此可見,截面2,6,7,截面1,3,4,8,截面9,10,11,12均為相關(guān)性較強(qiáng)的一組。以截面4為例,對(duì)其進(jìn)行短時(shí)交通流預(yù)測(cè),實(shí)驗(yàn)分為兩種情況:①對(duì)于GA-SVM模型和CGA-SVM模型,以截面4的歷史流量作為輸入變量;②對(duì)于基于時(shí)空分析的CGA-SVM模型,以截面1,3,4,8的歷史流量作為輸入變量。

    在利用3種模型進(jìn)行交通流預(yù)測(cè)之前,首先要對(duì)SVM參數(shù)進(jìn)行優(yōu)化。設(shè)置GA和CGA的種群規(guī)模、最大迭代次數(shù)均為m=30、Gmax=100,通過優(yōu)化,得到最優(yōu)的SVM參數(shù)結(jié)果如表1。

    表1 支持向量機(jī)的參數(shù)優(yōu)化結(jié)果

    通過GA-SVM,CGA-SVM和基于時(shí)空CGA得到的預(yù)測(cè)結(jié)果和預(yù)測(cè)結(jié)果的相對(duì)誤差如圖8,3種方法的評(píng)價(jià)指標(biāo)值如表2。

    圖8 預(yù)測(cè)結(jié)果和相對(duì)誤差Fig.8 Prediction results and relative error

    模型XMREXMAXREXRMSEGA-SVM0.12030.18182.1414CGA-SVM0.10040.16891.5284時(shí)空CGA-SVM0.74490.12820.8453

    由圖8可以看出,基于時(shí)空CGA模型的預(yù)測(cè)結(jié)果和實(shí)際值擬合的效果最好,同時(shí),即使是流量變化較大的情況下,其預(yù)測(cè)結(jié)果的相對(duì)誤差也能保持基本穩(wěn)定。由表2可以看出,基于時(shí)空CGA模型的XMRE,XMAXRE,XRMSE是最小的,因此所提出方法的預(yù)測(cè)精度最高。

    6 結(jié) 語(yǔ)

    提出了一種基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型,充分考慮了交通流數(shù)據(jù)的時(shí)空特征,同時(shí)結(jié)合云模型和遺傳算法的優(yōu)點(diǎn),優(yōu)化了支持向量機(jī)參數(shù),得到了最優(yōu)的交通流預(yù)測(cè)模型。與遺傳支持向量機(jī)模型和云遺傳支持向量機(jī)模型相比,所提出的預(yù)測(cè)模型提高了短時(shí)交通流預(yù)測(cè)的精度。實(shí)驗(yàn)表明基于時(shí)空分析和云遺傳支持向量機(jī)的短時(shí)交通流預(yù)測(cè)方法具有有效性和可行性,同時(shí),該短時(shí)交通流預(yù)測(cè)方法比較簡(jiǎn)單,易于實(shí)現(xiàn),可以進(jìn)行工程應(yīng)用。

    [1] 朱征宇,劉琳,崔明.一種結(jié)合SVM與卡爾曼濾波的短時(shí)交通流預(yù)測(cè)模型[J].計(jì)算機(jī)科學(xué),2013,40(10):248-278. ZHU Zhengyu, LIU Lin, CUI Ming. Short-term traffic flow forecasting model combining SVM and Kalman filtering [J].ComputerScience, 2013, 40(10): 248-278.

    [2] 張曉利,賀國(guó)光,陸化普.基于K-鄰域非參數(shù)回歸短時(shí)交通流預(yù)測(cè)方法[J].計(jì)算機(jī)應(yīng)用與軟件,2009,24(2):178-182. ZHANG Xiaoli, HE Guoguang, LU Huapu. Short-term traffic flow forecasting based on K-nearest neighbors non-parametric regession[J].JournalofSystemsEngineering, 2009, 24 (2): 178-182.

    [3] 唐志強(qiáng),王正武,招曉菊,等. 基于神經(jīng)網(wǎng)絡(luò)和混沌理論的短時(shí)交通流預(yù)測(cè)[J].山西科技,2005(5):117-120. TANG Zhiqiang, WANG Zhengwu,ZHAO Xiaoju, et al. Short-time traffic prediction based on neural network and chaos theory[J].ShanxiScienceandTechnology, 2005(5): 117-120.

    [4] 楊兆升,王媛,管青. 基于支持向量機(jī)方法的短時(shí)交通流量預(yù)測(cè)方法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2006,36(6):881-884. YANG Zhaosheng, WANG Yuan, GUAN Qing. Short-term traffic flow prediction method based on SVM[J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2006, 36(6): 881-884.

    [5] 陳淑燕,王煒. 交通量的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J]. 東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2004,34(7):541-544. CHEN Shuyan, WANG Wei. Grey neural network forecasting for traffic flow[J].JournalofSoutheastUniversity(NaturalScienceEdition), 2004,34( 7): 541-544.

    [6] 姚智勝,邵春福,熊志華.基于小波包和最小二乘支持向量機(jī)的短時(shí)交通流組合預(yù)測(cè)方法研究[J]. 中國(guó)管理科學(xué),2007,15(1):64-68. YAO Zhisheng, SHAO Chunfu, XIONG Zhihua. Research on short-term traffic flow combined forecasting based on wavelet package and least square support vector machines[J].ChineseJournalofManagementScience,2007,15(1):64-68.

    [7] 劉艷忠,邵小建,李旭宏. 基于Lagrange支持向量回歸機(jī)的短時(shí)交通流量預(yù)測(cè)模型的研究[J].交通與計(jì)算機(jī),2007,25(5):46-49. LIU Yanzhong, SHAO Xiaojian, LI Xuhong. Short-term traffic flow prediction model based on lagrange support vector regression[J].TrafficandComputer, 2007, 25(5): 46- 49.

    [8] 徐鵬,姜鳳茹. 基于蟻群優(yōu)化支持向量機(jī)的短時(shí)交通流量預(yù)測(cè)[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(3):250-254. XU Peng,JIANG Fengru. Short-term traffic flow prediction based on SVM optimized by ACO[J].ComputerApplicationsandSoftware, 2013, 30(3): 250-254.

    [9] YAN Hongsen , XU Duo. An approach to estimating product design time based on fuzzy v-support vector machine[J].IEEETransactionsonNeuralNetworks, 2007, 18(3): 721-731.

    [10] 李德毅,劉常昱.論正態(tài)云模型的普適性[J].中國(guó)工程科學(xué),2004,6(8):28-34. LI Deyi, LIU Changyu. Study on the universality of normal cloud model [J].EngineeringScience, 2004,6(8): 28-34.

    [11] 楊朝暉,李德毅.二維云模型及其在預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)學(xué)報(bào),1998,21(11):961-969. YANG Zhaohui, LI Deyi. Planar model and ITS application in prediction[J].ChineseJournalofComputers,1998,21(11): 961-969.

    [12] MIN Sunghwan, LEE Jumin, HAN Ingoo. Hybrid genetic algorithms and support vector machines for bankruptcy prediction[J].ExpertSystemswithApplications,2006,31(3):652-660.

    [13] SRINIVAS M, PATNAIK L M. Adaptive probabilities of crossover and mutation in genetic algorithms[J].IEEETransonSystems,ManandCybernetics, 1994, 24(4): 656- 667.

    A Short-Term Traffic Flow Prediction Model Based on Spatio-Temporal Characteristics Analysis

    TIAN Baohui, GUO Bin

    (Department of Traffic Information Engineering, Henan Communication Vocational Technology College, Zhengzhou 450000, Henan, P.R.China)

    The real-time and accuracy of traffic flow prediction directly affect the efficiency of traffic flow guidance system, which is a hot issue of intelligent transportation system research. In order to improve the accuracy of short-term traffic flow forecasting further, a short-term traffic flow prediction model based on spatio-temporal characteristics analysis was proposed. On the basis of spatio-temporal correlativity analysis of section, the parameters of support vector machine (SVM) were optimized by using the genetic algorithm improved by cloud model. At last, the optimal SVM model was obtained, and it realized the short-term traffic flow prediction. Based on the measured data of local road network in Changchun city, the feasibility and effectiveness of the proposed model were verified.

    traffic and transportation engineering; traffic flow forecasting; spatio-temporal characteristics analysis; cloud model; genetic algorithm; support vector machine

    10.3969/j.issn.1674-0696.2016.03.22

    2014-12-16;

    2015-03-09

    河南省交通運(yùn)輸廳科技計(jì)劃項(xiàng)目(2014G21)

    田保慧(1975—),女,河南鄭州人,副教授,主要從事交通信息化方面的研究。E-mail:18341615@qq.com。

    U491.1

    A

    1674-0696(2016)03-105-05

    猜你喜歡
    交通流量交通流時(shí)空
    跨越時(shí)空的相遇
    鏡中的時(shí)空穿梭
    基于XGBOOST算法的擁堵路段短時(shí)交通流量預(yù)測(cè)
    玩一次時(shí)空大“穿越”
    基于GA-BP神經(jīng)網(wǎng)絡(luò)的衡大高速公路日交通流量預(yù)測(cè)
    交通流隨機(jī)行為的研究進(jìn)展
    時(shí)空之門
    路內(nèi)停車對(duì)交通流延誤影響的定量分析
    具有負(fù)壓力的Aw-Rascle交通流的Riemann問題
    基于復(fù)合卡和ETC的交通流量采集研究
    一级a做视频免费观看| 亚洲高清免费不卡视频| 高清午夜精品一区二区三区| 国产在线男女| 日本三级黄在线观看| 18禁动态无遮挡网站| 国产精品国产三级国产专区5o| 在线免费观看不下载黄p国产| 能在线免费观看的黄片| 麻豆成人午夜福利视频| 国产人妻一区二区三区在| 久久国内精品自在自线图片| 亚洲综合精品二区| 毛片一级片免费看久久久久| 久久6这里有精品| 久久久精品欧美日韩精品| 亚洲一级一片aⅴ在线观看| 久久这里只有精品中国| 神马国产精品三级电影在线观看| 中文字幕av成人在线电影| 国产极品天堂在线| 神马国产精品三级电影在线观看| 国产亚洲5aaaaa淫片| 2021天堂中文幕一二区在线观| 人人妻人人澡欧美一区二区| 深夜a级毛片| 男女边摸边吃奶| 亚洲av中文av极速乱| 国内揄拍国产精品人妻在线| 亚洲综合色惰| 五月伊人婷婷丁香| 免费看a级黄色片| 国产一级毛片七仙女欲春2| 高清午夜精品一区二区三区| 亚洲最大成人中文| 高清视频免费观看一区二区 | 精品酒店卫生间| 成年版毛片免费区| 少妇高潮的动态图| 大陆偷拍与自拍| 黄色一级大片看看| 久久这里有精品视频免费| 国产成人a区在线观看| 免费少妇av软件| 中文字幕久久专区| 国产精品麻豆人妻色哟哟久久 | 大话2 男鬼变身卡| 人体艺术视频欧美日本| 欧美三级亚洲精品| 成年女人看的毛片在线观看| 免费无遮挡裸体视频| 夫妻性生交免费视频一级片| h日本视频在线播放| 在线a可以看的网站| 白带黄色成豆腐渣| 女人久久www免费人成看片| 天天一区二区日本电影三级| 亚洲,欧美,日韩| 成人高潮视频无遮挡免费网站| 日韩成人伦理影院| 不卡视频在线观看欧美| 中文资源天堂在线| 国内精品一区二区在线观看| 熟妇人妻久久中文字幕3abv| 99久久精品一区二区三区| av线在线观看网站| 尤物成人国产欧美一区二区三区| 丝袜喷水一区| 日韩电影二区| 高清视频免费观看一区二区 | 色哟哟·www| 舔av片在线| 亚洲aⅴ乱码一区二区在线播放| 好男人视频免费观看在线| 亚洲精品日本国产第一区| a级毛色黄片| 尤物成人国产欧美一区二区三区| 成年女人看的毛片在线观看| a级毛片免费高清观看在线播放| 简卡轻食公司| 亚洲精品一二三| 91午夜精品亚洲一区二区三区| 精品久久久久久久久av| 国产精品一区www在线观看| 国产在视频线在精品| 国产免费又黄又爽又色| 国产午夜精品一二区理论片| 精品少妇黑人巨大在线播放| 色5月婷婷丁香| 亚洲经典国产精华液单| 黄色配什么色好看| 一区二区三区免费毛片| 亚洲国产最新在线播放| 国语对白做爰xxxⅹ性视频网站| 麻豆成人午夜福利视频| 国语对白做爰xxxⅹ性视频网站| 日本欧美国产在线视频| 精品一区二区三区视频在线| 又爽又黄无遮挡网站| 国产大屁股一区二区在线视频| 又黄又爽又刺激的免费视频.| 国产在线男女| 久久久久久久久久久免费av| av在线蜜桃| 深夜a级毛片| av免费在线看不卡| 免费大片18禁| 中文字幕制服av| 亚洲色图av天堂| 亚洲欧美成人综合另类久久久| 69av精品久久久久久| 欧美 日韩 精品 国产| 搞女人的毛片| 亚洲av成人精品一二三区| 好男人视频免费观看在线| 尤物成人国产欧美一区二区三区| 成人毛片a级毛片在线播放| 国产av不卡久久| 麻豆成人午夜福利视频| 熟妇人妻久久中文字幕3abv| 欧美bdsm另类| 国内精品宾馆在线| 久久久久久久久中文| 亚洲av中文av极速乱| 激情 狠狠 欧美| 青春草国产在线视频| 人妻一区二区av| av专区在线播放| 夜夜看夜夜爽夜夜摸| 美女国产视频在线观看| 麻豆成人午夜福利视频| 午夜视频国产福利| 日本色播在线视频| 能在线免费看毛片的网站| av在线老鸭窝| 午夜日本视频在线| 91久久精品国产一区二区成人| 亚洲美女搞黄在线观看| 大话2 男鬼变身卡| 观看美女的网站| 国产精品国产三级国产专区5o| 高清视频免费观看一区二区 | 乱系列少妇在线播放| 看黄色毛片网站| 国产黄频视频在线观看| 欧美日韩视频高清一区二区三区二| 又爽又黄无遮挡网站| 免费大片黄手机在线观看| 久久这里只有精品中国| 能在线免费观看的黄片| 国产精品一区二区三区四区免费观看| 免费电影在线观看免费观看| 亚洲精品成人av观看孕妇| 色5月婷婷丁香| av国产免费在线观看| 好男人视频免费观看在线| 日本一本二区三区精品| 免费看a级黄色片| 久久6这里有精品| 亚洲天堂国产精品一区在线| 久久精品人妻少妇| 亚洲欧美日韩卡通动漫| 在线观看人妻少妇| 婷婷色麻豆天堂久久| 亚洲精品久久午夜乱码| 国产一区有黄有色的免费视频 | 在线观看免费高清a一片| 99久久人妻综合| 亚洲第一区二区三区不卡| 日本猛色少妇xxxxx猛交久久| 亚洲欧美一区二区三区国产| 亚洲欧美成人精品一区二区| 日日撸夜夜添| 少妇人妻精品综合一区二区| 久久久久久久久久久免费av| 成人特级av手机在线观看| 超碰97精品在线观看| 白带黄色成豆腐渣| 久久久久久久午夜电影| 国产在线一区二区三区精| 国产成人精品久久久久久| 久久久久久久午夜电影| 亚洲人成网站在线播| 高清午夜精品一区二区三区| 国产综合精华液| 日日啪夜夜爽| 久久久午夜欧美精品| 国产av国产精品国产| 丝袜喷水一区| 免费观看a级毛片全部| 卡戴珊不雅视频在线播放| videos熟女内射| 日韩一本色道免费dvd| 日韩成人av中文字幕在线观看| 久久精品国产鲁丝片午夜精品| 国产免费一级a男人的天堂| 欧美性猛交╳xxx乱大交人| 五月天丁香电影| 天堂影院成人在线观看| 免费看a级黄色片| 91精品伊人久久大香线蕉| 亚洲av电影不卡..在线观看| 熟妇人妻久久中文字幕3abv| 日韩欧美三级三区| 精品一区二区三区视频在线| 欧美潮喷喷水| 九九久久精品国产亚洲av麻豆| 国产亚洲精品久久久com| 日韩欧美一区视频在线观看 | 97精品久久久久久久久久精品| 一区二区三区乱码不卡18| 午夜老司机福利剧场| 99久久精品国产国产毛片| 欧美成人午夜免费资源| 国产精品人妻久久久久久| 精品熟女少妇av免费看| 日韩精品有码人妻一区| 国产黄片视频在线免费观看| 久久人人爽人人片av| a级一级毛片免费在线观看| 人妻夜夜爽99麻豆av| 我的女老师完整版在线观看| 午夜福利在线观看吧| 中文字幕亚洲精品专区| 亚洲最大成人中文| eeuss影院久久| 亚洲四区av| 国产精品不卡视频一区二区| 精品午夜福利在线看| 三级国产精品片| 亚洲成色77777| 久久人人爽人人爽人人片va| 99久久人妻综合| 22中文网久久字幕| av国产久精品久网站免费入址| 精品久久久久久久人妻蜜臀av| 免费播放大片免费观看视频在线观看| 最近的中文字幕免费完整| 少妇熟女aⅴ在线视频| 日韩三级伦理在线观看| 精品欧美国产一区二区三| 天堂网av新在线| 一级毛片黄色毛片免费观看视频| 久久久国产一区二区| 非洲黑人性xxxx精品又粗又长| 18+在线观看网站| av播播在线观看一区| 欧美另类一区| 能在线免费看毛片的网站| 亚洲三级黄色毛片| 亚洲激情五月婷婷啪啪| 久久精品国产自在天天线| 毛片一级片免费看久久久久| 女的被弄到高潮叫床怎么办| 少妇的逼水好多| 国产一级毛片七仙女欲春2| 一级片'在线观看视频| 久久久久九九精品影院| 精品人妻一区二区三区麻豆| 天天一区二区日本电影三级| 久久99精品国语久久久| 爱豆传媒免费全集在线观看| 搡老妇女老女人老熟妇| 两个人的视频大全免费| 亚洲18禁久久av| 男人爽女人下面视频在线观看| 又黄又爽又刺激的免费视频.| 国产一级毛片七仙女欲春2| 日韩三级伦理在线观看| 午夜精品在线福利| 可以在线观看毛片的网站| 国产永久视频网站| 亚洲精品国产成人久久av| 成人性生交大片免费视频hd| 国产熟女欧美一区二区| 欧美激情在线99| 80岁老熟妇乱子伦牲交| 久久精品夜夜夜夜夜久久蜜豆| 在线免费十八禁| 成年版毛片免费区| 天美传媒精品一区二区| 亚洲欧美成人精品一区二区| 亚洲伊人久久精品综合| 麻豆av噜噜一区二区三区| 亚洲成色77777| 国产精品日韩av在线免费观看| 欧美日韩亚洲高清精品| 99视频精品全部免费 在线| 国产高清国产精品国产三级 | 91aial.com中文字幕在线观看| 亚洲国产最新在线播放| 欧美+日韩+精品| 免费不卡的大黄色大毛片视频在线观看 | 午夜福利视频精品| kizo精华| 亚洲综合色惰| 久久精品久久久久久久性| 高清午夜精品一区二区三区| 国产高清有码在线观看视频| 亚洲丝袜综合中文字幕| 亚洲综合色惰| 干丝袜人妻中文字幕| 午夜福利在线观看免费完整高清在| 青青草视频在线视频观看| 日韩欧美国产在线观看| 国产av在哪里看| 亚洲精品国产av成人精品| 亚洲性久久影院| 亚洲一级一片aⅴ在线观看| 97精品久久久久久久久久精品| 国内精品一区二区在线观看| av一本久久久久| 日日啪夜夜爽| 亚洲真实伦在线观看| 欧美成人一区二区免费高清观看| 91精品一卡2卡3卡4卡| 国产伦精品一区二区三区视频9| 国产精品一区www在线观看| 精品久久久久久久人妻蜜臀av| 国产乱人视频| 亚洲av免费高清在线观看| 亚洲在久久综合| 日韩av免费高清视频| 免费看日本二区| 亚洲欧美一区二区三区黑人 | 日韩大片免费观看网站| 国产一级毛片在线| 国产永久视频网站| 天天躁日日操中文字幕| 色5月婷婷丁香| 亚洲av福利一区| 中文字幕制服av| 亚洲精品乱码久久久久久按摩| 一级毛片我不卡| 人妻一区二区av| 久久人人爽人人爽人人片va| 乱码一卡2卡4卡精品| 美女大奶头视频| 2021少妇久久久久久久久久久| 搞女人的毛片| 国产成人福利小说| 国产高清三级在线| 久久精品久久久久久噜噜老黄| 国产美女午夜福利| 全区人妻精品视频| 毛片一级片免费看久久久久| 特级一级黄色大片| 91久久精品国产一区二区三区| 国产色爽女视频免费观看| 国产精品无大码| 毛片女人毛片| 精品国产露脸久久av麻豆 | 在线播放无遮挡| 色哟哟·www| 精品一区二区三卡| 高清av免费在线| 成人美女网站在线观看视频| 国产男人的电影天堂91| 大又大粗又爽又黄少妇毛片口| 日本色播在线视频| 一本久久精品| 国产综合懂色| 国产一级毛片七仙女欲春2| 国产黄a三级三级三级人| 国产精品国产三级国产专区5o| 日韩,欧美,国产一区二区三区| 美女主播在线视频| 国模一区二区三区四区视频| 国产成人a区在线观看| 日本-黄色视频高清免费观看| 日韩av免费高清视频| 免费看日本二区| 成人亚洲欧美一区二区av| 高清av免费在线| 亚洲av不卡在线观看| 国产一级毛片七仙女欲春2| 国产综合精华液| 国产精品麻豆人妻色哟哟久久 | 乱系列少妇在线播放| 成人高潮视频无遮挡免费网站| 国产精品国产三级国产av玫瑰| 一本一本综合久久| 岛国毛片在线播放| 亚洲精品色激情综合| 午夜激情欧美在线| 日韩成人伦理影院| 久久精品夜夜夜夜夜久久蜜豆| 91精品伊人久久大香线蕉| 蜜桃久久精品国产亚洲av| 一级毛片黄色毛片免费观看视频| 亚洲第一区二区三区不卡| 搡女人真爽免费视频火全软件| 麻豆成人午夜福利视频| 国产成人freesex在线| 菩萨蛮人人尽说江南好唐韦庄| 久99久视频精品免费| 国产白丝娇喘喷水9色精品| 久久久国产一区二区| 男人狂女人下面高潮的视频| 三级国产精品欧美在线观看| 日本av手机在线免费观看| 大又大粗又爽又黄少妇毛片口| 热99在线观看视频| 美女高潮的动态| 午夜福利高清视频| 啦啦啦中文免费视频观看日本| 精品国内亚洲2022精品成人| 婷婷色综合大香蕉| 免费av不卡在线播放| 亚洲最大成人av| 免费看日本二区| 在线天堂最新版资源| 成人特级av手机在线观看| 97精品久久久久久久久久精品| 日韩成人伦理影院| 99热网站在线观看| 能在线免费观看的黄片| 国产午夜精品论理片| 亚洲国产精品专区欧美| 最近的中文字幕免费完整| 亚洲av二区三区四区| 男女国产视频网站| 色尼玛亚洲综合影院| 日韩一本色道免费dvd| 午夜福利在线观看吧| 欧美高清成人免费视频www| 99久久中文字幕三级久久日本| 久久久久网色| 男女那种视频在线观看| 日韩人妻高清精品专区| 久久99热这里只频精品6学生| 欧美一级a爱片免费观看看| 自拍偷自拍亚洲精品老妇| 高清欧美精品videossex| 免费看光身美女| 精品久久久久久久久av| 亚洲精品乱码久久久v下载方式| 中文字幕av成人在线电影| 亚洲欧美日韩卡通动漫| 80岁老熟妇乱子伦牲交| 高清日韩中文字幕在线| 人妻系列 视频| 美女脱内裤让男人舔精品视频| 淫秽高清视频在线观看| 国产v大片淫在线免费观看| 边亲边吃奶的免费视频| 最后的刺客免费高清国语| 成人高潮视频无遮挡免费网站| 丰满乱子伦码专区| 十八禁国产超污无遮挡网站| 国产av在哪里看| 毛片女人毛片| 亚洲av二区三区四区| 综合色丁香网| 日日啪夜夜爽| 亚洲精品成人久久久久久| 99久久精品国产国产毛片| 国产黄频视频在线观看| av线在线观看网站| 午夜福利在线在线| 午夜福利视频1000在线观看| 亚洲成色77777| 欧美性猛交╳xxx乱大交人| 亚洲国产精品国产精品| 日韩av在线免费看完整版不卡| 男女视频在线观看网站免费| 久久久精品免费免费高清| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产成人一精品久久久| freevideosex欧美| 男人爽女人下面视频在线观看| 欧美最新免费一区二区三区| 少妇裸体淫交视频免费看高清| 赤兔流量卡办理| 高清日韩中文字幕在线| 亚洲成人一二三区av| 久久久亚洲精品成人影院| 毛片女人毛片| 亚洲最大成人中文| 国产精品三级大全| 国产综合懂色| 男人舔女人下体高潮全视频| 少妇熟女欧美另类| 国产免费福利视频在线观看| 一级毛片我不卡| 网址你懂的国产日韩在线| 嫩草影院新地址| 亚洲无线观看免费| 激情五月婷婷亚洲| 日韩一区二区视频免费看| 色吧在线观看| 精品亚洲乱码少妇综合久久| 日韩伦理黄色片| 极品教师在线视频| 免费高清在线观看视频在线观看| 成人性生交大片免费视频hd| 午夜福利在线观看免费完整高清在| av国产久精品久网站免费入址| 免费无遮挡裸体视频| 亚洲欧美日韩卡通动漫| 欧美日韩综合久久久久久| 久久久久精品性色| 亚洲欧美日韩无卡精品| 中文在线观看免费www的网站| 一级a做视频免费观看| 欧美激情国产日韩精品一区| 18禁在线无遮挡免费观看视频| 1000部很黄的大片| 国产精品一二三区在线看| 欧美bdsm另类| 免费少妇av软件| 国产精品精品国产色婷婷| 不卡视频在线观看欧美| 免费观看的影片在线观看| 亚洲av国产av综合av卡| 高清毛片免费看| 欧美精品国产亚洲| 99re6热这里在线精品视频| 最后的刺客免费高清国语| 日韩人妻高清精品专区| 狠狠精品人妻久久久久久综合| 亚洲一级一片aⅴ在线观看| 午夜免费男女啪啪视频观看| 久久久久久久午夜电影| 成人午夜精彩视频在线观看| 一边亲一边摸免费视频| 99热这里只有是精品50| 一级毛片 在线播放| 99久久人妻综合| www.色视频.com| 日本三级黄在线观看| 亚洲欧美成人综合另类久久久| 亚洲av不卡在线观看| 看非洲黑人一级黄片| 嘟嘟电影网在线观看| 美女主播在线视频| 亚洲国产成人一精品久久久| 少妇被粗大猛烈的视频| 晚上一个人看的免费电影| av国产免费在线观看| 国产精品蜜桃在线观看| 美女大奶头视频| 极品教师在线视频| 婷婷色综合大香蕉| 久久久久久久国产电影| 成人国产麻豆网| 直男gayav资源| 高清日韩中文字幕在线| 国产综合懂色| 亚洲熟妇中文字幕五十中出| 午夜精品一区二区三区免费看| 超碰av人人做人人爽久久| 在线天堂最新版资源| 建设人人有责人人尽责人人享有的 | 国产黄片视频在线免费观看| 午夜福利在线观看免费完整高清在| 麻豆av噜噜一区二区三区| 免费电影在线观看免费观看| 亚洲性久久影院| 禁无遮挡网站| 美女大奶头视频| 国产色婷婷99| 欧美zozozo另类| 1000部很黄的大片| 亚洲精品国产av蜜桃| 有码 亚洲区| 国内精品一区二区在线观看| 亚洲国产精品成人久久小说| 久久久久精品久久久久真实原创| 青春草视频在线免费观看| 两个人视频免费观看高清| 午夜福利网站1000一区二区三区| 亚洲av电影不卡..在线观看| 国产av不卡久久| 少妇高潮的动态图| 狂野欧美白嫩少妇大欣赏| 久久久成人免费电影| 亚洲精品一二三| 国产探花极品一区二区| 18禁裸乳无遮挡免费网站照片| 国产精品福利在线免费观看| 日本一本二区三区精品| 免费观看性生交大片5| 亚洲精品aⅴ在线观看| 99热这里只有精品一区| 91久久精品国产一区二区三区| 成人亚洲欧美一区二区av| 午夜激情福利司机影院| 九九久久精品国产亚洲av麻豆| 97超碰精品成人国产| 婷婷色综合www| 哪个播放器可以免费观看大片| 国产日韩欧美在线精品| 国精品久久久久久国模美| 日韩一本色道免费dvd| av黄色大香蕉| 少妇裸体淫交视频免费看高清| 精品一区二区三区人妻视频| 99热这里只有精品一区| 国产高清国产精品国产三级 | 晚上一个人看的免费电影| 日韩制服骚丝袜av| av在线老鸭窝| 2018国产大陆天天弄谢| 午夜视频国产福利| 免费大片18禁| 国产精品.久久久| 好男人视频免费观看在线| 国产精品久久久久久久电影| 老司机影院成人| 2022亚洲国产成人精品| 中文字幕亚洲精品专区| 国产精品人妻久久久影院| 免费少妇av软件| 久久久久久久午夜电影|