• <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
    精品国产一区二区三区四区第35| 亚洲精品456在线播放app| 精品亚洲成国产av| 下体分泌物呈黄色| 亚洲四区av| 亚洲欧美日韩卡通动漫| 国产亚洲午夜精品一区二区久久| 免费不卡的大黄色大毛片视频在线观看| 超色免费av| 日产精品乱码卡一卡2卡三| 亚洲精品aⅴ在线观看| 国产淫语在线视频| 日韩精品免费视频一区二区三区 | 精品亚洲成国产av| 男女无遮挡免费网站观看| 免费人成在线观看视频色| 久久精品aⅴ一区二区三区四区 | 狠狠精品人妻久久久久久综合| 中文字幕精品免费在线观看视频 | 中文天堂在线官网| 精品一区二区免费观看| 成人影院久久| 一二三四中文在线观看免费高清| videossex国产| 国产午夜精品一二区理论片| 亚洲国产毛片av蜜桃av| 亚洲国产看品久久| 久久国产精品男人的天堂亚洲 | 亚洲av电影在线进入| 欧美日本中文国产一区发布| 久久久国产精品麻豆| 你懂的网址亚洲精品在线观看| 日韩欧美一区视频在线观看| av视频免费观看在线观看| 亚洲成av片中文字幕在线观看 | 婷婷色综合大香蕉| 亚洲精品视频女| 91aial.com中文字幕在线观看| 夫妻午夜视频| 国产1区2区3区精品| √禁漫天堂资源中文www| 秋霞伦理黄片| 久久久国产欧美日韩av| 欧美成人午夜免费资源| 久久精品夜色国产| 国产一级毛片在线| 十八禁高潮呻吟视频| videos熟女内射| 国产淫语在线视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 热re99久久国产66热| 女的被弄到高潮叫床怎么办| 久久国产精品大桥未久av| 少妇人妻 视频| 91精品国产国语对白视频| 狠狠精品人妻久久久久久综合| 看免费成人av毛片| 国产成人免费观看mmmm| 免费日韩欧美在线观看| 亚洲欧美成人精品一区二区| 免费播放大片免费观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 老熟女久久久| 欧美xxⅹ黑人| 久久ye,这里只有精品| 狂野欧美激情性bbbbbb| 欧美激情国产日韩精品一区| www.色视频.com| 美国免费a级毛片| 999精品在线视频| 青春草国产在线视频| 亚洲色图 男人天堂 中文字幕 | 国产黄色免费在线视频| 香蕉国产在线看| 精品久久久久久电影网| 亚洲国产欧美在线一区| 久久久久人妻精品一区果冻| 中文字幕av电影在线播放| 老司机亚洲免费影院| 亚洲成人一二三区av| 精品亚洲成a人片在线观看| 国产精品国产av在线观看| av有码第一页| 天天操日日干夜夜撸| 欧美日韩视频精品一区| 又粗又硬又长又爽又黄的视频| 亚洲欧美日韩卡通动漫| 精品一区二区三区视频在线| 丝袜在线中文字幕| 少妇精品久久久久久久| 国产黄色免费在线视频| 热re99久久国产66热| 精品亚洲成a人片在线观看| 亚洲第一区二区三区不卡| 久久人人爽人人爽人人片va| 欧美丝袜亚洲另类| videosex国产| 少妇的逼好多水| 亚洲五月色婷婷综合| 久久亚洲国产成人精品v| 中文欧美无线码| 国产av国产精品国产| 高清毛片免费看| 精品国产一区二区三区久久久樱花| 成人国语在线视频| 亚洲精品成人av观看孕妇| 人妻一区二区av| 99热国产这里只有精品6| 精品久久久精品久久久| 18+在线观看网站| 中文欧美无线码| 国精品久久久久久国模美| av线在线观看网站| 十八禁网站网址无遮挡| 最新的欧美精品一区二区| 成人18禁高潮啪啪吃奶动态图| av国产久精品久网站免费入址| 老熟女久久久| 国产福利在线免费观看视频| 青春草亚洲视频在线观看| 黄色 视频免费看| videosex国产| xxx大片免费视频| 少妇人妻精品综合一区二区| 国产一区二区激情短视频 | 我要看黄色一级片免费的| 成年动漫av网址| 亚洲精品自拍成人| 热re99久久国产66热| 少妇精品久久久久久久| 超色免费av| 少妇猛男粗大的猛烈进出视频| 老女人水多毛片| 22中文网久久字幕| av国产精品久久久久影院| 18禁观看日本| 中文天堂在线官网| 久久 成人 亚洲| 丁香六月天网| 成人手机av| 91精品国产国语对白视频| 午夜影院在线不卡| 国产一区二区三区av在线| 国产成人a∨麻豆精品| 久久久国产欧美日韩av| 中文欧美无线码| 好男人视频免费观看在线| 在线观看一区二区三区激情| 国产精品无大码| 毛片一级片免费看久久久久| 久久毛片免费看一区二区三区| 五月伊人婷婷丁香| 99久国产av精品国产电影| av视频免费观看在线观看| av免费观看日本| 欧美日韩国产mv在线观看视频| 男人添女人高潮全过程视频| 99香蕉大伊视频| 亚洲精品国产av成人精品| 亚洲天堂av无毛| videosex国产| 亚洲激情五月婷婷啪啪| 午夜福利在线观看免费完整高清在| 成年av动漫网址| 成人综合一区亚洲| 捣出白浆h1v1| 亚洲一码二码三码区别大吗| 日本wwww免费看| 亚洲精品久久午夜乱码| 午夜激情av网站| tube8黄色片| 国产欧美亚洲国产| 91国产中文字幕| 2018国产大陆天天弄谢| 国产免费一区二区三区四区乱码| 建设人人有责人人尽责人人享有的| 午夜影院在线不卡| 中文字幕另类日韩欧美亚洲嫩草| 免费播放大片免费观看视频在线观看| 天美传媒精品一区二区| 成人综合一区亚洲| 精品久久久久久电影网| 婷婷成人精品国产| 永久免费av网站大全| 最近中文字幕高清免费大全6| 日本91视频免费播放| 婷婷色麻豆天堂久久| 久久国产亚洲av麻豆专区| 国产免费又黄又爽又色| 久久这里只有精品19| 狂野欧美激情性bbbbbb| 国产精品一区二区在线观看99| 日韩av免费高清视频| 亚洲精品中文字幕在线视频| 久久久久久久久久久久大奶| 日韩欧美精品免费久久| 一级爰片在线观看| 大话2 男鬼变身卡| 国产日韩欧美在线精品| 欧美+日韩+精品| 亚洲精品aⅴ在线观看| 日日撸夜夜添| xxxhd国产人妻xxx| 国产乱来视频区| 日韩一区二区视频免费看| 大话2 男鬼变身卡| 十分钟在线观看高清视频www| 午夜老司机福利剧场| 亚洲精品一区蜜桃| 人人妻人人澡人人爽人人夜夜| 看非洲黑人一级黄片| 一区二区三区四区激情视频| 中文字幕制服av| 女人久久www免费人成看片| 久久久久精品久久久久真实原创| a 毛片基地| 人人妻人人爽人人添夜夜欢视频| 一边亲一边摸免费视频| 九九爱精品视频在线观看| 久久久亚洲精品成人影院| 在线观看免费高清a一片| 秋霞伦理黄片| 大码成人一级视频| 亚洲少妇的诱惑av| 最新的欧美精品一区二区| 精品久久久精品久久久| 大香蕉久久网| av天堂久久9| 精品亚洲成国产av| 日本午夜av视频| 精品一区二区三区视频在线| 人体艺术视频欧美日本| 在线观看美女被高潮喷水网站| 国产日韩欧美在线精品| 亚洲av.av天堂| 日韩一区二区三区影片| 亚洲欧美精品自产自拍| 久久午夜福利片| 国产不卡av网站在线观看| 久久久久精品久久久久真实原创| 蜜桃国产av成人99| av在线观看视频网站免费| 热99国产精品久久久久久7| 日本黄色日本黄色录像| 丰满乱子伦码专区| 国产亚洲精品第一综合不卡 | 国产乱来视频区| 天堂中文最新版在线下载| 黄色怎么调成土黄色| 久久狼人影院| 色婷婷av一区二区三区视频| 女的被弄到高潮叫床怎么办| 国产一区二区三区av在线| 9热在线视频观看99| 久久久久久久久久久免费av| 在线观看美女被高潮喷水网站| 久久狼人影院| 国产欧美另类精品又又久久亚洲欧美| av黄色大香蕉| 26uuu在线亚洲综合色| 久久久久国产精品人妻一区二区| 久久99一区二区三区| 亚洲高清免费不卡视频| 亚洲国产日韩一区二区| 人人妻人人添人人爽欧美一区卜| 日韩精品免费视频一区二区三区 | 天堂俺去俺来也www色官网| 日本-黄色视频高清免费观看| 久久久久久久精品精品| h视频一区二区三区| 国产一区二区在线观看av| 久久99热6这里只有精品| 肉色欧美久久久久久久蜜桃| 日日爽夜夜爽网站| 在线精品无人区一区二区三| 9色porny在线观看| 精品人妻在线不人妻| 亚洲av成人精品一二三区| 国产乱来视频区| 高清黄色对白视频在线免费看| 看免费av毛片| 亚洲成av片中文字幕在线观看 | 在线观看美女被高潮喷水网站| 精品国产一区二区三区四区第35| 我的女老师完整版在线观看| av黄色大香蕉| 日本vs欧美在线观看视频| 欧美成人精品欧美一级黄| 男女啪啪激烈高潮av片| 热99国产精品久久久久久7| 看十八女毛片水多多多| 久久 成人 亚洲| 18禁国产床啪视频网站| av天堂久久9| 亚洲精品中文字幕在线视频| 国产精品.久久久| 国产亚洲欧美精品永久| 精品99又大又爽又粗少妇毛片| 男女啪啪激烈高潮av片| 亚洲人与动物交配视频| av网站免费在线观看视频| 亚洲婷婷狠狠爱综合网| 欧美最新免费一区二区三区| 亚洲,一卡二卡三卡| 人妻一区二区av| 一级a做视频免费观看| 男女国产视频网站| 国产日韩欧美在线精品| 成人国产av品久久久| 王馨瑶露胸无遮挡在线观看| kizo精华| 精品一区二区三区四区五区乱码 | 国产精品蜜桃在线观看| 男女无遮挡免费网站观看| 男女啪啪激烈高潮av片| 亚洲精品久久午夜乱码| 久久久a久久爽久久v久久| 久久久久久久久久久久大奶| 久久久久人妻精品一区果冻| 18禁动态无遮挡网站| 狠狠婷婷综合久久久久久88av| 2018国产大陆天天弄谢| 黄网站色视频无遮挡免费观看| 久久久久国产网址| 桃花免费在线播放| 老司机影院成人| 日韩在线高清观看一区二区三区| 国产亚洲欧美精品永久| 国产高清三级在线| 国产男人的电影天堂91| 国产免费又黄又爽又色| 日韩三级伦理在线观看| 精品亚洲成a人片在线观看| 少妇人妻 视频| 如何舔出高潮| 男人操女人黄网站| 久热久热在线精品观看| 国产精品一国产av| 亚洲av综合色区一区| 在线观看免费日韩欧美大片| 99热这里只有是精品在线观看| 亚洲av国产av综合av卡| 51国产日韩欧美| 国产女主播在线喷水免费视频网站| 亚洲欧美清纯卡通| 精品熟女少妇av免费看| 老司机影院成人| 日本免费在线观看一区| 国产精品熟女久久久久浪| 99国产综合亚洲精品| 黄色毛片三级朝国网站| 久久精品国产亚洲av涩爱| 久久久久视频综合| 午夜福利影视在线免费观看| 午夜免费鲁丝| 亚洲精品国产av蜜桃| 免费女性裸体啪啪无遮挡网站| 国产亚洲最大av| 亚洲伊人色综图| 搡女人真爽免费视频火全软件| 欧美 日韩 精品 国产| 成人黄色视频免费在线看| 99热全是精品| 国产黄频视频在线观看| 在线观看www视频免费| 亚洲av中文av极速乱| 97精品久久久久久久久久精品| 欧美精品人与动牲交sv欧美| 午夜激情av网站| 日韩人妻精品一区2区三区| 又黄又粗又硬又大视频| 亚洲欧美精品自产自拍| 水蜜桃什么品种好| 日韩一本色道免费dvd| 美国免费a级毛片| a级片在线免费高清观看视频| 免费大片黄手机在线观看| 久久精品国产亚洲av涩爱| 26uuu在线亚洲综合色| 在现免费观看毛片| 黄色配什么色好看| 日日撸夜夜添| 美国免费a级毛片| 久久这里有精品视频免费| 久久这里只有精品19| 99久久精品国产国产毛片| 两个人免费观看高清视频| 亚洲一码二码三码区别大吗| av在线播放精品| 日韩电影二区| 亚洲av国产av综合av卡| 热99国产精品久久久久久7| 亚洲人成网站在线观看播放| 伊人亚洲综合成人网| 青春草亚洲视频在线观看| 18禁观看日本| 亚洲一区二区三区欧美精品| 国产成人av激情在线播放| 久久久久久久大尺度免费视频| 国产av精品麻豆| av一本久久久久| 丝瓜视频免费看黄片| 1024视频免费在线观看| 国产免费一区二区三区四区乱码| 80岁老熟妇乱子伦牲交| 日韩不卡一区二区三区视频在线| 人妻少妇偷人精品九色| 女性生殖器流出的白浆| 国产精品免费大片| 久久人人97超碰香蕉20202| 男女啪啪激烈高潮av片| 最近中文字幕高清免费大全6| 久久国产精品男人的天堂亚洲 | 9191精品国产免费久久| 久久久久久久久久成人| 久久综合国产亚洲精品| 人人妻人人爽人人添夜夜欢视频| 国产精品一区二区在线不卡| 在线天堂中文资源库| 人人妻人人添人人爽欧美一区卜| 在线天堂中文资源库| 大片免费播放器 马上看| 成人亚洲精品一区在线观看| 成人无遮挡网站| 国产av精品麻豆| 免费日韩欧美在线观看| 母亲3免费完整高清在线观看 | 欧美日韩亚洲高清精品| 成人国产麻豆网| 中文字幕制服av| 美女国产视频在线观看| 国产亚洲av片在线观看秒播厂| av免费在线看不卡| 久久久精品免费免费高清| 午夜久久久在线观看| 久久婷婷青草| 黑人猛操日本美女一级片| 少妇的逼水好多| 狂野欧美激情性xxxx在线观看| 日韩在线高清观看一区二区三区| 免费观看无遮挡的男女| 亚洲成人av在线免费| 日韩欧美精品免费久久| 国产精品 国内视频| 狂野欧美激情性bbbbbb| 超色免费av| 纯流量卡能插随身wifi吗| 亚洲欧洲国产日韩| 久久久久久人人人人人| 最近最新中文字幕免费大全7| 欧美精品高潮呻吟av久久| 亚洲av福利一区| 免费看不卡的av| 久久久久人妻精品一区果冻| 人妻一区二区av| 亚洲成人手机| 精品熟女少妇av免费看| 国产日韩欧美视频二区| 免费观看a级毛片全部| 亚洲精品中文字幕在线视频| 桃花免费在线播放| 精品视频人人做人人爽| 2018国产大陆天天弄谢| 91精品三级在线观看| 视频中文字幕在线观看| 久久久久国产网址| 中文字幕最新亚洲高清| 97人妻天天添夜夜摸| 99久久综合免费| 国产又爽黄色视频| 日韩制服骚丝袜av| 国产精品久久久久久久久免| 国产在线免费精品| 免费大片18禁| 欧美97在线视频| 一区二区av电影网| 免费看av在线观看网站| av.在线天堂| 王馨瑶露胸无遮挡在线观看| 老司机影院毛片| 国产免费视频播放在线视频| 久久久久久久久久人人人人人人| 久久午夜福利片| 全区人妻精品视频| 色婷婷久久久亚洲欧美| 插逼视频在线观看| 国产老妇伦熟女老妇高清| 亚洲第一区二区三区不卡| 91精品伊人久久大香线蕉| 日韩熟女老妇一区二区性免费视频| 一二三四中文在线观看免费高清| 亚洲在久久综合| 美女福利国产在线| 亚洲在久久综合| 成人漫画全彩无遮挡| 男女无遮挡免费网站观看| 日韩制服骚丝袜av| 18禁观看日本| 久久99蜜桃精品久久| 免费黄色在线免费观看| 天堂中文最新版在线下载| 人妻人人澡人人爽人人| 久久久国产精品麻豆| 欧美日韩视频高清一区二区三区二| 免费看不卡的av| 一级a做视频免费观看| 精品一品国产午夜福利视频| 一级毛片 在线播放| 九九爱精品视频在线观看| av在线观看视频网站免费| 性色av一级| 18在线观看网站| 男人爽女人下面视频在线观看| 国产高清不卡午夜福利| 丰满少妇做爰视频| 人体艺术视频欧美日本| 18禁在线无遮挡免费观看视频| 十八禁网站网址无遮挡| 日韩成人av中文字幕在线观看| 免费在线观看完整版高清| www.熟女人妻精品国产 | 日本色播在线视频| 激情视频va一区二区三区| 久久99蜜桃精品久久| 亚洲av综合色区一区| 两性夫妻黄色片 | 九草在线视频观看| 少妇猛男粗大的猛烈进出视频| 在线精品无人区一区二区三| 国产亚洲最大av| 亚洲精品美女久久av网站| 在现免费观看毛片| 亚洲色图 男人天堂 中文字幕 | 精品国产一区二区久久| 久久婷婷青草| 中文字幕av电影在线播放| 熟女电影av网| 另类精品久久| 日韩制服骚丝袜av| 日韩视频在线欧美| 免费观看性生交大片5| 熟女电影av网| 亚洲精品成人av观看孕妇| 精品国产一区二区久久| 成年动漫av网址| 色视频在线一区二区三区| 成年美女黄网站色视频大全免费| 亚洲欧美日韩另类电影网站| 国产欧美日韩综合在线一区二区| 国产免费又黄又爽又色| 欧美日韩视频高清一区二区三区二| 天堂中文最新版在线下载| 久久精品久久久久久久性| 久久久久视频综合| 亚洲久久久国产精品| av不卡在线播放| 欧美亚洲 丝袜 人妻 在线| 免费黄频网站在线观看国产| 亚洲av电影在线观看一区二区三区| 熟女电影av网| 欧美丝袜亚洲另类| 又粗又硬又长又爽又黄的视频| 亚洲成av片中文字幕在线观看 | 超碰97精品在线观看| 一本—道久久a久久精品蜜桃钙片| 宅男免费午夜| 又黄又粗又硬又大视频| 制服诱惑二区| 日韩精品免费视频一区二区三区 | 国产不卡av网站在线观看| 成人无遮挡网站| 视频在线观看一区二区三区| 精品亚洲成a人片在线观看| 成人18禁高潮啪啪吃奶动态图| 狠狠婷婷综合久久久久久88av| 欧美3d第一页| 日韩av免费高清视频| 亚洲中文av在线| 免费黄色在线免费观看| 色吧在线观看| 伦精品一区二区三区| 国产片特级美女逼逼视频| 91国产中文字幕| 男人添女人高潮全过程视频| 一二三四中文在线观看免费高清| 午夜日本视频在线| av在线app专区| 校园人妻丝袜中文字幕| 边亲边吃奶的免费视频| 国产在线一区二区三区精| 久久人人爽av亚洲精品天堂| 国产免费福利视频在线观看| 精品99又大又爽又粗少妇毛片| 男女高潮啪啪啪动态图| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品中文字幕在线视频| 午夜久久久在线观看| 精品酒店卫生间| 51国产日韩欧美| 亚洲av.av天堂| 国产一区二区三区综合在线观看 | 街头女战士在线观看网站| 三上悠亚av全集在线观看| 精品久久蜜臀av无| 国产一区二区三区综合在线观看 | av在线观看视频网站免费| 午夜精品国产一区二区电影| 一本—道久久a久久精品蜜桃钙片| 成年人免费黄色播放视频| 熟女人妻精品中文字幕| 日日撸夜夜添| 亚洲精品美女久久久久99蜜臀 | 欧美精品一区二区免费开放| 精品一区二区三卡| 一区二区三区四区激情视频|