• <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 ?

    運輸車輛軌跡點數(shù)據(jù)清洗方法研究

    2019-03-07 05:22:46高靜文蔡永香甘藝垚
    電腦知識與技術(shù) 2019年36期

    高靜文 蔡永香 甘藝垚

    摘要:[目的]運輸行業(yè)管理部門利用車聯(lián)網(wǎng)系統(tǒng)獲取了大量駕駛員的時空軌跡點數(shù)據(jù),而對行車軌跡點數(shù)據(jù)進行挖掘分析可以評估駕駛員的安全駕駛行為習(xí)慣,管理部門可以據(jù)此有針對性地對駕駛員進行教育監(jiān)管,有助于規(guī)避風(fēng)險,提高交通安全。而原始的軌跡點數(shù)據(jù)由于GPS信號被遮擋或者干擾等原因,會包含大量噪聲及一些錯誤信息,需要有效清洗才能使用。[方法]文中以運輸車輛原始軌跡點數(shù)據(jù)為研究目標(biāo),分析總結(jié)出了其中常見的六類數(shù)據(jù)點異?,F(xiàn)象,包括無效屬性信息、時間信息錯誤、車速零點漂移、速度變化率異常、信息量過少的軌跡路段、經(jīng)緯度漂移等問題,并針對這些具體的問題提出了相應(yīng)的數(shù)據(jù)清洗方法;[結(jié)果]最后將該方法成功應(yīng)用于某運輸企業(yè)提供的車輛軌跡數(shù)據(jù)點的清洗。[結(jié)論]結(jié)果表明,文中提出的數(shù)據(jù)清洗方法能夠有效去除異常數(shù)據(jù),為后續(xù)駕駛員行為評估提供高質(zhì)量數(shù)據(jù)。

    關(guān)鍵詞:數(shù)據(jù)清洗;駕駛行為;車輛軌跡;可視化表達;時空數(shù)據(jù)

    中圖分類號:TP311 文獻標(biāo)識碼:A

    文章編號:1009-3044(2019)36-0189-04

    1概述

    隨著我國運輸車輛日益增多,交通肇事率呈現(xiàn)遞增態(tài)勢,迫切需要提升車輛運行安全水平,而司機的駕駛行為習(xí)慣是最直接影響道路交通安全的因素?,F(xiàn)在大部分運輸車輛都安裝GPS設(shè)備,進入了車聯(lián)網(wǎng)系統(tǒng),能夠自動采集行車狀態(tài)信息,形成了數(shù)據(jù)量龐大的時空軌跡點數(shù)據(jù)。對這些行車軌跡點數(shù)據(jù)進行挖掘分析可以評估駕駛員的安全駕駛行為習(xí)慣,管理部門可以據(jù)此有針對性地對駕駛員進行教育監(jiān)管,有助于提高運輸安全的監(jiān)管水平。然而有效的數(shù)據(jù)挖掘必須建立在高質(zhì)量數(shù)據(jù)基礎(chǔ)之上,如果是“Garbage in”,那必是“Garbage out”,因此在運輸軌跡數(shù)據(jù)建模分析之前對原始數(shù)據(jù)進行清洗變得至關(guān)重要。

    數(shù)據(jù)清洗是一種盡可能多的調(diào)整或去除有質(zhì)量問題的原始數(shù)據(jù)而保留正確信息,使其具有更好的穩(wěn)定性和代表性的數(shù)據(jù)處理方法[1-3]。當(dāng)前關(guān)于數(shù)據(jù)清洗的研究主要集中于以下幾個方向:Jarke等人[4]利用近鄰排序算法比較排序后的相鄰數(shù)據(jù)是否相等,按一定的規(guī)則合并或刪除重復(fù)記錄;Hido等人[5]使用統(tǒng)計的方法匹配不同類型數(shù)據(jù)所需的分布模型,再逐個數(shù)據(jù)進行檢測發(fā)現(xiàn)離群值;郝勝軒[6]提出改進的基于雙聚類的缺失數(shù)據(jù)填補算法,實驗驗證該方法可以實現(xiàn)對缺失數(shù)據(jù)填補的高效性;黃冠利等人[7]提出在GPS數(shù)據(jù)的存儲端采用基于時間序列的算法分別對經(jīng)緯度數(shù)據(jù)進行校驗與調(diào)整,確保GPS軟件產(chǎn)品的質(zhì)量得到提升;劉子政等人[8]在[7]的基礎(chǔ)上依據(jù)速度一時間序列的方差和均值判斷漂移點,精準(zhǔn)度相較于前者有所提升。這些方法基本上是針對一般性的數(shù)據(jù)異?;蛘吣承┨囟ó惓#℅PS定位漂移)情況的數(shù)據(jù)進行清洗。而實際運輸車輛軌跡數(shù)據(jù)中存在多種特定的異常狀況,本文專門針對運輸車輛產(chǎn)生的軌跡點數(shù)據(jù)展開研究,分析了其中存在的異常數(shù)據(jù)類型,并提出了相應(yīng)的數(shù)據(jù)清洗方法,最后將該方法應(yīng)用于某運輸企業(yè)提供的車輛軌跡點數(shù)據(jù)清洗。

    2車輛軌跡數(shù)據(jù)異常分析

    運輸車輛時空軌跡數(shù)據(jù)在采集傳輸過程中,由于受到大氣層、GPS設(shè)備自身弊端或故障、信號遮擋或其他信號干擾以及駕駛?cè)藛T操作不當(dāng)?shù)瓤陀^或主觀因素的影響,獲取的部分軌跡數(shù)據(jù)出現(xiàn)了異常數(shù)據(jù)現(xiàn)象,這對基于這些數(shù)據(jù)挖掘駕駛員的駕駛行為模式產(chǎn)生了巨大影響[9]。

    GPS采集的行車軌跡點數(shù)據(jù)一般包括了車牌號碼、設(shè)備號、方位角、經(jīng)度、緯度等多個參數(shù),表l是某公司運輸車輛軌跡點數(shù)據(jù)的參數(shù)說明。我們對大量原始運輸車輛軌跡點數(shù)據(jù)進行分析,總結(jié)出原始數(shù)據(jù)存在以下六種異?,F(xiàn)象:無效屬性信息、時間信息錯誤、車速零點漂移、速度變化率異常、信息量過少的軌跡路段、經(jīng)緯度漂移等。下面對這六種異常現(xiàn)象進行分別說明。

    1)無效屬性信息:軌跡點數(shù)據(jù)記錄中存在部分屬性字段完全為0的情況,如:我們獲取的車輛軌跡點數(shù)據(jù)中有轉(zhuǎn)向燈、左轉(zhuǎn)向燈、手剎和腳剎等參數(shù)值均為零。產(chǎn)生這種現(xiàn)象的原因是GPS設(shè)備上獲取這些參數(shù)的連接線未與車輛連接。

    2)時間信息錯誤:部分時空軌跡點數(shù)據(jù)集中出現(xiàn)了時刻重復(fù)、時間前后顛倒等現(xiàn)象,如ti是前一時刻,ti+1,是后一時刻,出現(xiàn)了t+i-ti=0或ti>ti+1的現(xiàn)象,這可能是由于GPS接收機在接收待測衛(wèi)星信號并進行信號變換處理時,接收機出現(xiàn)不穩(wěn)定性故障,導(dǎo)致測量的GPS信號從衛(wèi)星到接收機天線的傳播時間出現(xiàn)誤差[10]。如果用這樣的錯誤時間信息數(shù)據(jù)計算速率等特征值,即速率a=(vi+1-vi)/(ti+1-ti),得到的結(jié)果會不真實。

    3)車速零點漂移:時空軌跡數(shù)據(jù)中出現(xiàn)了當(dāng)車輛靜止時,車速非零值跳動現(xiàn)象。如:前一時刻車速vi-1=0,后一時刻車速vi+1=0,而當(dāng)前時刻車速vi≠0。這可能是由于GPS終端設(shè)備受到外界信號十?dāng)_引起的。

    4)速度變化率異常:歐洲共和體(EEC)與聯(lián)合國歐洲經(jīng)濟委員會(ECE)標(biāo)準(zhǔn)對制動效能檢驗要求以及評價參數(shù)的限值都曾做出具體規(guī)定,詳細內(nèi)容如表格2所述。

    表中M1是指不超過8座小客車;M2是指8座以上且總質(zhì)量不超過5噸的客車;M3是指8座以上且總質(zhì)量5噸以上的客車;N1是指總質(zhì)量不超過3.5噸的載貨汽車或牽引車;N2是指總質(zhì)量在(3.5噸,12噸1的載貨汽車;N3是指總質(zhì)量12噸以上的載貨汽車。

    從表2中可以看出,運輸車輛所能采取的最大制動減速度不能超過4.4m/S2,然而運輸車輛駕駛行為特性決定了運輸車輛在典型行駛工況下速度變化率一般不會超過2.5 m/s2[11],因此,速度變化率的參考閾值可以設(shè)置為[-4.4 m/s2,2.5 m/s2],數(shù)據(jù)中速度變化率超出這個區(qū)間外的為異常。

    5)信息量過少的軌跡路段:每輛車的軌跡數(shù)據(jù)實際上是由多個行駛時段數(shù)據(jù)集合構(gòu)成。駕駛員行為模式評估是首先基于單個行駛時段的數(shù)據(jù)進行行為方式提取,再基于多個行駛路段的情況對其行為模式進行評估,而行駛時間過短的軌跡路段很難分析駕駛員的行為模式,只有行駛時間足夠長的數(shù)據(jù)才可能具有研究價值。因此,行駛時間過短、軌跡數(shù)據(jù)信息量過少的數(shù)據(jù)不具有相應(yīng)的挖掘價值,需要予以刪除。

    6)經(jīng)緯度漂移:由于GPS信號本身是一種電磁波,而這種電磁波的功率很小,信號經(jīng)過傳輸至地面時會嚴重衰減,一旦傳輸過程中遇到信號遮擋、建筑物等復(fù)雜環(huán)境的反射,就會使得GPS所獲取的數(shù)據(jù)點存在大量經(jīng)緯度漂移現(xiàn)象[12],即軌跡點數(shù)據(jù)不在實際行駛的道路上。如果將軌跡點數(shù)據(jù)中的地理位置信息可視化表達在地圖上就很容易發(fā)現(xiàn)異常的存在,如軌跡定位在了河流、高山上,或者突然離開軌跡原本所在道路線,出現(xiàn)在與之相距甚遠的地圖某處。如圖1就是產(chǎn)生漂移,遠離實際路線的軌跡點數(shù)據(jù)示例,與基礎(chǔ)地理信息數(shù)據(jù)疊加,圖中縱橫交叉的曲線為真實道路網(wǎng),圖l(a)中的車輛軌跡點漂移到水體上;圖l(b)中軌跡點漂移到的位置上并沒有與之對應(yīng)的可行駛的道路。

    3車輛軌跡點數(shù)據(jù)清洗方法

    原始獲得的軌跡點數(shù)據(jù)一般都存在上述六種異?,F(xiàn)象的一種或幾種,必須經(jīng)過相應(yīng)的清洗和糾偏后使用,才能保證挖掘出有價值的信息。

    對此,我們總結(jié)了一套清洗流程,如圖2所示,包括過濾掉一些無效的、錯誤的數(shù)據(jù)點,對一些異常數(shù)據(jù)點進行糾偏修復(fù)等。下面對具體的清洗方法進行闡述。

    1)清洗無效屬性信息數(shù)據(jù)。將屬于字段信息采集不完整(如屬性值全為0),對研究分析的內(nèi)容沒有信息貢獻的項予以剔除;

    2)清洗時間信息錯誤數(shù)據(jù)。因正常行駛時運輸車輛軌跡點數(shù)據(jù)的采集時l司間隔大致相等,從初始時刻開始,依次計算軌跡點數(shù)據(jù)的相鄰時刻差A(yù)t=ti+1=ti,若存在A≤O,則ti與ti+1,為錯誤疑似點;再計算At=ti+2-ti+1,若At‘也小于等于0,判定錯誤時間信息點是ti+1,;若At‘大于0,則判定錯誤時間信息點是ti,予以剔除。

    3)清洗車速零點漂移數(shù)據(jù)。首先,對軌跡點數(shù)據(jù)的速度值進行檢查,看是否存在前一時刻和后一時刻GPS采樣點的速度為0,即vi+1=O,vi+1=0,但當(dāng)前點的速度不為0即vi≠0的情況;其次,進行車速零點漂移異常判斷,看這三點的經(jīng)緯度的值是否相等,即lati-1=lati+1=lati,Ingi-1=lngi+1=lngi,如果是,則屬于車速零點漂9移情況;最后,進行速度異常值修復(fù)處理,將當(dāng)前點的速度置為O,即vi=O。

    4)清洗速度變化率異常數(shù)據(jù)。對所有運輸車輛的速度變化率進行計算,計算公式為ai=(vi-vi-1)/(ti-ti-1)這里將第i點與第i-1點之間計算的加速度作為第i點的加速度。根據(jù)計算結(jié)果剔除速度變化率超出閾值的軌跡數(shù)據(jù)點。

    5)清洗信息量過少的軌跡路段,清洗方法包括:分段、檢查和舍棄?!兜缆方煌ò踩▽嵤l例》第六十二條規(guī)定:連續(xù)駕駛機動車超過4小時應(yīng)停車休息,停車休息時間不少于20分鐘。我們對數(shù)據(jù)集中大量的車輛數(shù)據(jù)進行觀察,發(fā)現(xiàn)在一次運輸活動結(jié)束后(即一條軌跡采集完成后),距離下一次GPS記錄至少間隔兩小時。因此可以設(shè)定一定的時間間隔閾值對GPS采集數(shù)據(jù)點進行軌跡分段。

    分段后,對每條軌跡點數(shù)據(jù)進行檢查。判斷軌跡點信息記錄數(shù)量是否過少,將軌跡點數(shù)量少于某一特定閾值的軌跡認為是需要舍棄的軌跡。

    6)清洗經(jīng)緯度漂移異常數(shù)據(jù),包括經(jīng)緯度漂移異常數(shù)據(jù)的發(fā)現(xiàn)與修復(fù)。經(jīng)緯度漂移異常數(shù)據(jù)可以采用位移和位置異常兩種方式進行監(jiān)測發(fā)現(xiàn):

    (1)位移數(shù)據(jù)異常判別

    經(jīng)過前期異常清洗后的軌跡點數(shù)據(jù)是嚴格按照時間遞增順序排列的,按照車輛行駛的速度和時間差可以估算出兩點間的最大位移量X,而按照車輛行駛軌跡中的經(jīng)緯度數(shù)據(jù)也可以求出兩點間的距離L,如果L大于X的數(shù)倍,顯然軌跡數(shù)據(jù)中的地理位置存在異常。例如,表3是某車輛的第5929個和5930個采樣點數(shù)據(jù),分別標(biāo)記為點A和點B。A點坐標(biāo)(116.966693°,28.999466°),B點坐標(biāo)(116.96692° ,28.999585°),而當(dāng)前汽車速度均為93 km/h,時間差為1秒。根據(jù)兩點經(jīng)緯度位置數(shù)據(jù),采用公式(1)-(3)計算出兩點間最小球面距離L為25.65254米,其中公式(1)是已知A、B兩點的經(jīng)緯度后,利用球面余弦公式求得θ角的余弦值,公式(2)是將角度θ轉(zhuǎn)換成弧度c,公式(3)根據(jù)地球半徑R和弧度c得出球面上A、B兩點間的距離L。而依據(jù)其行駛速度和時長,可以按公式4(兩點中的速度最大值與時間差的乘積)求出其最大位移量X為25.83333米,令K=L/X,若K超過一定的閾值范圍,則視為異常。

    (2)位置數(shù)據(jù)異常判別

    有些經(jīng)緯度漂移的數(shù)據(jù)離開了實際行駛的道路,但并不總是表現(xiàn)出明顯的位移數(shù)據(jù)異常特征,這就需要通過地理信息科學(xué)中的緩沖區(qū)分析和疊置分析方法來進行位置異常判別。

    緩沖區(qū)分析是對一組或一類地圖要素按照設(shè)定的距離條件,圍繞這組要素形成具有一定范圍的多邊形實體,從而實現(xiàn)數(shù)據(jù)在二維空間擴展的信息分析的方法。疊置分析是將代表不同主題的各個數(shù)據(jù)層面進行疊置產(chǎn)生一個新的數(shù)據(jù)層面,用來提取空間隱含信息的方法[13]。我國《城市規(guī)劃定額指標(biāo)暫行規(guī)定》中將道路劃分為40—70米,30—60米,20—40米,16—30米等寬度的四級道路。我們可以按照這個標(biāo)準(zhǔn)設(shè)置道路緩沖帶,再與GPS軌跡點進行疊置分析,即Point n Area,落在緩沖帶范圍外的軌跡點即可視為位置異常。

    對于判定為漂移的經(jīng)緯度屬性數(shù)據(jù)需要進行修復(fù)。取刪除的每個異常漂移點的采樣時間與瞬時速度的乘積進行累加,得到該段缺失軌跡的軌跡距離,再與可視化的底圖路線進行匹配找到實際軌跡路線,以軌跡缺失的開始點為起點,沿著道路線,按照點與點之間的間距進行軌跡點標(biāo)定,最終將軌跡補充完整。

    4車輛軌跡點數(shù)據(jù)清洗實例

    本文的清洗應(yīng)用實例采用的是第七屆“泰迪杯”數(shù)據(jù)挖掘挑戰(zhàn)賽的競賽數(shù)據(jù),來源于交通運輸部公路科學(xué)研究院汽車運輸研究中心的行車時空軌跡點數(shù)據(jù),采集時間為2018年7月30日至2018年10月26日,原始數(shù)據(jù)中平均一輛車約保存100000條記錄,數(shù)據(jù)采樣間隔為1秒,屬于高頻數(shù)據(jù),數(shù)據(jù)采樣均勻。

    按照前面所述的清洗方法,我們從OpenStreetMap(簡稱OSM)地圖上下載得到了全國道路網(wǎng)矢量線狀數(shù)據(jù),并利用其柵格底圖,基于Arc GIS平臺,采用Java語言編程實現(xiàn)了數(shù)據(jù)的清洗。清洗無效屬性信息數(shù)據(jù)時,剔除掉了左轉(zhuǎn)向燈、右轉(zhuǎn)向燈、手剎、腳剎等數(shù)值均為零的屬性值;去掉了時間信息錯誤數(shù)據(jù);修復(fù)了車速零點漂移數(shù)據(jù);以[-4.4m/S2,2.5m/S2]作為速度變化率閾值,將速度變化率異常的軌跡點予以刪除;在清洗信息量過少的軌跡路段時,首先我們以連續(xù)軌跡點之間的時差超過2小時的作分段處理,接著將記錄數(shù)少于1500條的軌跡路段予以舍棄,這是因為我們獲取的數(shù)據(jù)采樣間隔為1秒,1500條記錄相當(dāng)于25分鐘,也就是說將行駛時長小于25分鐘的軌跡路段舍棄。

    清洗經(jīng)緯度漂移異常數(shù)據(jù)時,我們將位移數(shù)據(jù)異常判別的K值沒置為1.5,將位置數(shù)據(jù)異常判別的緩沖區(qū)半徑設(shè)置為35m,首先刪除位移異常的軌跡點數(shù)據(jù),接著再刪除位置異常的軌跡點數(shù)據(jù)。

    經(jīng)過上述清洗步驟后,清洗結(jié)果可以以可視化的形式展示。圖4是某車輛軌跡清洗前后的對比圖。

    從清洗前后對比圖中可以發(fā)現(xiàn),經(jīng)過數(shù)據(jù)清洗后,表現(xiàn)異常的軌跡點得到了刪除或修復(fù),運輸車輛軌跡點匹配到了相應(yīng)的道路網(wǎng)上,這為車輛運輸路線圖的制作以及后續(xù)的駕駛行為挖掘提供了準(zhǔn)確的依據(jù)。將清洗后的軌跡點在AreMap中按照時間順序由點轉(zhuǎn)成線,就能生成該車輛在數(shù)據(jù)采集的時間區(qū)段內(nèi)的運輸線路圖,總共由5條軌跡路段組成,如圖5所示。

    5結(jié)論

    道路運輸行業(yè)管理部門通過車聯(lián)網(wǎng)平臺采集了大量的運輸車輛時空軌跡點數(shù)據(jù),本文針對數(shù)據(jù)采集傳輸過程中由于主觀或客觀因素而產(chǎn)生的六種不同類型的數(shù)據(jù)異?,F(xiàn)象,提出了一套軌跡點數(shù)據(jù)清洗的流程和方法,包括過濾無效屬性信息、清洗時間信息錯誤數(shù)據(jù)、修復(fù)車速零點漂移數(shù)據(jù)、剔除速度變化率異常數(shù)據(jù)、舍棄信息量過少的軌跡路段、清洗經(jīng)緯度漂移數(shù)據(jù)等。我們將該方法應(yīng)用于某運輸企業(yè)原始車輛軌跡點數(shù)據(jù)的清洗,并將清洗前后的數(shù)據(jù)在可視化平臺上進行對比,結(jié)果表明,清洗后的軌跡點更符合實際行車狀態(tài),清洗效果顯著。

    文中提出的數(shù)據(jù)清洗方法,能有效去除大量噪聲數(shù)據(jù),為后續(xù)挖掘分析駕駛員的駕駛行為習(xí)慣提供了有力保障。

    本文數(shù)據(jù)為第七屆“泰迪杯”數(shù)據(jù)挖掘挑戰(zhàn)賽競賽數(shù)據(jù),來源于交通運輸部公路科學(xué)研究院汽車運輸研究中心,感謝競賽主辦方對數(shù)據(jù)的提供。

    參考文獻:

    [1] Rajashree Y Patil,R V Kulkarni.A Review of Data CleaningAlgorithms for Data Warehouse Systems,[J]. Intemational Jour-nal of Computer Science and Information Technologies, 2012,3(5):5212-5214.

    [2] Prema S Kulkarni,J W Bakal. Hybrid Approaches for DataCleaning in Data Warehouse[J]. Intemational Journal of Com-puter Applications, 2014, 88(18):7-10.

    [3]馮士雍,倪加勛,鄒國華,等.抽樣調(diào)查理論與方法[M].北京:中國統(tǒng)計出版社,1998.

    [4] Matthias Jarke, Manfred A leusfeld, Christoph Quix, et al.Ar-chifecture and quality in data warehouses: An extended reposi-tory approach[J]. Information Systems, 1999, 24(3):229-253.

    [5] Shohei Hido, Yuta Tsuboi, Hisashi Kashima, et al.Statisticaloutlier detection using direct density ratio estimation[J]. Knowl-edge and information systems, 2011, 26(2):309-336.

    [6]郝勝軒.數(shù)據(jù)清洗算法研究與實現(xiàn)[D].中國科學(xué)院大學(xué),2015.

    [7]黃冠利,王輝,徐華平.基于時間序列解決GPS信號定位漂移的研究[J].計算機工程與應(yīng)用,2008,44(31):94-97.

    [8]劉子政,李默穎,黃長青,等.顧及速度約束的基于時間序列GPS漂移數(shù)據(jù)處理方法[J].測繪地理信息,2017,42(1):14-18.

    [9]康四林,李語強.GPS定位中的誤差分析[J].天文研究與技術(shù),2010,7(3):222-230.

    [10]崔保延.GPS軟件接收機基礎(chǔ)[M].2版.北京:電子工業(yè)出版社.2007.

    [11]侯聰,王賀武,歐陽明高.中美PHEV能耗評價方法對比研究[J].汽車工程,2015,37(1):1-8.

    [12]金同雄.GPS衛(wèi)星定位的應(yīng)用與數(shù)據(jù)處理[M].上海:同濟大學(xué)出版社,2003:207-215.

    [13]湯同安,楊昕.AreGIS地理信息系統(tǒng)空間分析實驗教程[M].2版.北京:科學(xué)出版社,2012.

    【通聯(lián)編輯:光文玲】

    收稿日期:2019-09-13

    基金項目:地理信息工程國家重點實驗室開放基金課題資助(SKLGIE2017-M-4-6)

    作者簡介:高靜文(1992-),女,安徽蚌埠人,碩士研究生,主要研究方向為地理信息可視化表達和智能數(shù)據(jù)處理;通信作者:蔡永香,副教授。

    新平| 于田县| 聂荣县| 灵寿县| 陇南市| 柳林县| 勃利县| 黑山县| 阳信县| 子长县| 昌平区| 井陉县| 邢台市| 博野县| 曲周县| 辽阳县| 右玉县| 肃南| 郑州市| 乐业县| 昌都县| 丹东市| 温泉县| 九寨沟县| 绵竹市| 安仁县| 盐边县| 兰溪市| 和静县| 安化县| 巴青县| 临猗县| 海口市| 舞钢市| 宁化县| 宁强县| 宝清县| 禄丰县| 酉阳| 三门县| 云梦县|