• <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 ?

    基于相空間重構的GQPSO-WNN短時交通流預測

    2019-07-16 01:19:16陳慶春類先富
    計算機應用與軟件 2019年7期
    關鍵詞:相空間交通流維數(shù)

    唐 瑞 陳慶春 類先富

    1(西南交通大學信息科學與技術學院 四川 成都 611756)2(廣州大學機械與電氣工程學院 廣東 廣州 510006)

    0 引 言

    智能交通系統(tǒng)(ITS)的發(fā)展是減少城市污染、緩解交通擁堵以及避免交通事故發(fā)生的關鍵。短時交通流的預測模型是指預測時間不超過15 min,通過得到的交通流歷史數(shù)據(jù)選擇適當?shù)念A測模型,在t時刻在線實時地預測出時刻的交通流數(shù)據(jù)。短期交通預測模型的實際應用之一是根據(jù)實時交通信息幫助旅客選擇t+Δt出行路線或提前計劃出行。它還可以幫助制定主動的交通管理策略,改善交通擁塞。

    傳統(tǒng)的交通流預測精度已經(jīng)無法滿足需求[1],在過去的幾十年中,交通短期變量預測得到了發(fā)展和改進。預測方法可以分為兩類:統(tǒng)計算法類,如非參數(shù)回歸模型、卡爾曼濾波等;人工智能類,如BP神經(jīng)網(wǎng)絡和WNN等[2-3];其中,WNN模型是最常用的短期交通預測模型。盡管WNN模型易于構建,并取得了讓人滿意的預測效果。但是人工智能網(wǎng)絡預測模型存在著許多缺點,比如:早熟收斂或無法收斂、求解精度不高等,所以許多研究者引入了粒子群等優(yōu)化算法來對這些智能網(wǎng)絡算法進行改進[4]。粒子群優(yōu)化算法收斂速度快,在尋求函數(shù)最優(yōu)解方面有很大優(yōu)勢,能改善神經(jīng)網(wǎng)絡收斂速度慢、訓練誤差過大的問題。但是,標準粒子群算法存在一些缺點,如搜索空間有限、容易早熟、容易陷入局部優(yōu)化[5]。對應的,本文采用全局收斂的量子粒子群算法在粒子后期搜索中改善收斂性能問題,由于量子粒子群算法沒有交叉和變異過程,難以搜索到全局最優(yōu)點,因此采用遺傳算法進行改進。結合這兩種算法,可以提高捕獲交通流數(shù)據(jù)中的線性和非線性模式的可能性,并提高預測性能。為了使提出的預測模型更加可靠,還需要對交通流時間序列數(shù)據(jù)進行重構,分析序列內(nèi)部的混沌特性,驗證其可預測性[6]。

    1 相空間重構

    交通流時間序列是一組看似無規(guī)律、隨機性的序列,這樣的序列是否具有可預測性是后續(xù)預測模型建立的前提。1980年Packard[8]和Takens[9]提出了相空間重構理論(phase space reconstruction theory),其主要目的在于恢復時間序列的混沌吸引子,其原理是選擇合適的延遲時間τ和嵌入維數(shù)m,采用混沌理論的相空間重構技術可以將低維時間序列映射到高維相空間里并保持微分同胚。設x={xi|i=1,2,…,N}為給定的交通流時間序列,選擇適當?shù)膮?shù)重構相空間得到[10]:

    X=[xi,xi+τ,…,xi+(m-1)τ]Ti=1,2,…,M

    (1)

    式中:X是維數(shù)為M×m的軌線矩陣,相點個數(shù)為M=N-(m-1)τ。

    1.1 C-C方法

    1999年,H.S.Kim等[11]提出C-C方法,該方法認為嵌入維數(shù)m不依賴于延遲時間τd而依賴于延遲時間窗口τw,通過計算公式τw=(m-1)τd可以得出嵌入維數(shù)m的值。對于時間序列x={xi|i=1,2,…,N},定義關聯(lián)積分為以下公式[7]:

    (2)

    式中:r>0為尺度,dij=‖Xi-Xj‖,Xi為根據(jù)給出延遲時間τ和嵌入維數(shù)m的值重構相空間的點。若x<0,則θ(x)>0;若x≥0,則θ(x)=1。將時間序列{xi}分解t個不重疊的時間序列,采用分塊平均策略:

    (3)

    令N→∞時,有:

    (4)

    對于獨立同分布的時間序列,那么m、t是固定的,當N趨近于無窮時,則對所有的r均有S(m,r,τ)恒等于0。但是實際序列是有限的且可能存在相關的元素,所以S(m,r,τ)≠0,關于半徑r的最大偏差:

    ΔS(m,τ)=max{S(m,rj,τ)}-min{S(m,rj,τ)}

    (5)

    m=2,3,4,5;j=1,2,3,4

    Brock等[12]根據(jù)數(shù)學統(tǒng)計結果表明,選取合適的N,計算出時間序列的標準差σ,三個統(tǒng)計量的計算公式:

    (6)

    (7)

    (8)

    式中:rj=jσ/2,j=1,2,3,4。

    圖1 C-C方法計算交通流數(shù)據(jù)表示圖

    1.2 Lyapunov指數(shù)計算

    Lyapunov指數(shù)是刻畫相空間中兩條初始值十分靠近的軌道,隨著時間推移呈指數(shù)形式的平均發(fā)散率[13],若最大Lyapunov指數(shù)大于0,則可以認為系統(tǒng)是混沌的。

    小數(shù)組方法[14]是混沌理論里計算最大Lyapunov指數(shù)普遍適應的方法,跟Jacobian方法、P-范數(shù)法等比起來,該算法具有計算量不大、相對易操作、對小數(shù)據(jù)組比較可靠、求解精度較高的優(yōu)點。

    使用小數(shù)組方法求解Lyapunov指數(shù)的步驟如下[11]:

    Step1對時間序列進行FFT變換,求出平均周期P;

    Step2根據(jù)計算得到的m和τ,重構相空間矩陣{Xj=j=1,2,…,M};

    Step3找出給定軌跡上的每個點相隔最近的點,即:

    d(0)=min‖Xj-X′j‖ |j-j′|>P

    (9)

    Step4尋找相空間軌跡矩陣里Xj最近點經(jīng)過i個時間點后的距離:

    dj(i)=min‖Xj+i-X′j+1‖

    (10)

    Step5求出所有的lndj(i)平均y(i),q為當dj(i)≠0時的值,即:

    (11)

    如圖2所示,對交通流時間序列數(shù)據(jù)進行仿真實驗求得的最大Lyapunov指數(shù),即為最小二乘法擬合后的曲線斜率λ。從圖中可以看出,λ是大于0的,根據(jù)定理說明交通流時間序列是混沌的,可以進行短期預測。

    圖2 小數(shù)量法求得交通流最大Lyapunov指數(shù)

    2 小波神經(jīng)網(wǎng)絡(WNN)模型

    如圖3所示,WNN是三層架構,包括輸入層、隱藏層(其中小波函數(shù)用作激活函數(shù))和輸出層(其是隱藏層的加權輸出的線性求和)[5]。

    圖3 小波神經(jīng)網(wǎng)絡拓撲結構

    圖3中xi是輸入?yún)?shù),yk是輸出參數(shù)。wij和wjk是神經(jīng)網(wǎng)絡的權值。

    (12)

    本文采用的小波基函數(shù)為Morlet母小波基函數(shù),因為它在[-1,0]以及[0,1]上是單調(diào)的,數(shù)學公式為:

    y=cos(1.75x)e-x2/2

    (13)

    WNN的輸出網(wǎng)絡層計算公式為:

    (14)

    式中:wik為隱含層到輸出層權值;h(i)為第i個隱含層節(jié)點的輸出;l為隱含層節(jié)點數(shù);m為輸出層節(jié)點。

    傳統(tǒng)的小波神經(jīng)網(wǎng)絡采用的是梯度下降法來調(diào)整參數(shù),網(wǎng)絡權值、伸縮因子、平移因子這些參數(shù)的初值選取一般采用試探法給定[15],可能會造成求解過程中陷入局部最優(yōu)和產(chǎn)生振蕩的不良效果,網(wǎng)絡訓練誤差也達不到設定的要求,因此本文采用粒子群優(yōu)化算法對其進行改進。

    3 量子粒子群優(yōu)化算法

    3.1 粒子群優(yōu)化算法

    粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)[16]是一種利用速度向量Vi和位置向量Xi模擬社會有機體的自然演變過程。算法里面的每個粒子相當于一種當前問題的候選解決方案,這些粒子將四處移動以搜索最佳值,每個粒子記錄其最佳先前位置(給出最佳適應值的位置)為gbesti,稱為個體最佳位置。在每次迭代中,每個粒子與整個種群中的其他粒子競爭最佳位置zbest的最佳粒子(在種群中具有最佳適應值),稱為全局最佳位置。然后使用這些信息來調(diào)整自己的速度和位置,從而實現(xiàn)解決方案領域的個性化優(yōu)化。粒子的更新公式如下:

    (15)

    (16)

    式中:ω為慣性權重;k為當前的迭代次數(shù);Vid為粒子速度;c1和c2為加速度因子;r1和r2為分布于[0,1]之間的隨機數(shù)。粒子群算法雖然在魯棒性、求解精度上有明顯優(yōu)勢,但是粒子由于隨機性不高容易陷入局部最優(yōu)。

    3.2 量子粒子群算法

    Sun等提出的QPSO算法,這是一種基于PSO和量子模型的新算法。在經(jīng)典粒子群優(yōu)化算法中,通過位置矢量Xi和Vi速度矢量來描述粒子飛行軌跡。但是在CPSO系統(tǒng)中,粒子的動力學行為是廣泛發(fā)散形式,即不能同時確定Xi和Vi的精確值。由于粒子會因為速度的原因使得搜索空間限制在某個區(qū)域,于是QPSO算法采用波函數(shù)表示粒子的運動狀態(tài)。量子粒子群算法的更新方程為:

    (一)基本建設投資管理缺乏科學有效的分工決策機制?;窘ㄔO項目由投資主管部門進行立項、可行性研究、初步設計和概算審批,其主要考慮項目需求,往往忽略財政可承受能力評估,容易出現(xiàn)超越現(xiàn)有財力或者雖然確定了籌資渠道但是無法落實的情況,綁架財政不斷擴大支出。同時,現(xiàn)行決策制度也缺乏硬約束,有的前期論證流于形式,“邊設計、邊報批、邊施工”,時常出現(xiàn)“預算超概算,決算超預算”的情況。整個鏈條不同環(huán)節(jié)沒有形成合力,不同的部門之間溝通不暢,影響科學決策。

    (17)

    (18)

    (19)

    式中:M為粒子種群數(shù),φ1=rand(),φ2=1-φ1,u=rand();mbesti為迭代t次后所有粒子的最佳位置平均值,β為收縮-擴張系數(shù),為了保證算法的收斂性,一般使用1.0~5.0線性下降策略[15]:

    β=βmax-(βmax-βmin)t/tmax

    (20)

    3.3 GQPSO

    QPSO是一種進化算法,在其全局搜索能力、相對快速的收斂性方面大大優(yōu)于PSO[17],但是也存在缺陷,隨著迭代次數(shù)的增加,QPSO的收斂性能將逐漸趨于緩慢,尋優(yōu)能力會下降,并且可能在局部極小值中周旋。采用遺傳算法里的交叉變異操作,可以改進量子粒子群算法里隨著迭代次數(shù)增加而生成的新的個體過于單一的問題。在GQPSO算法中,個體不再只是根據(jù)群體里的最優(yōu)位置信息交換群體知識,而是從具有較好適應度的個體隨機選擇需要學習的對象。GQPSO算法步驟如下:

    1) 通過適應度函數(shù)計算粒子的適應度值,對群體的局部最佳gbesti和全局最佳zbest分別進行更新。

    2) 對雜交池numpool進行初始化,利用公式seed1=floor(rand()×numpool)+1計算出需要進行雜交操作的粒子。

    3) 計算雜交后產(chǎn)生的新粒子的適應度的值,若優(yōu)于父代適應度的值,則用子代的位置替代父代的位置。

    4) 初始化變異范圍大小,計算出需要進行變異操作的粒子seed2=floor(rand()×mutationpool)+1。

    5) 更新變異后的子代粒子的位置,計算適應度的值,若優(yōu)于父代適應度的值,則代替父代位置。

    6) 重復上述步驟1)至5),直到滿足誤差終止條件。

    4 實驗分析

    為驗證GQPSO-WNN算法的有效性,本文采用了PeMs(http://pems.dot.ca.gov/)能力度量系統(tǒng)上采集的2016年12月5號到7號美國加州快速路網(wǎng)I110-N號線圈檢測的采樣間隔為5 min的實時交通流量數(shù)據(jù),共864條數(shù)據(jù),將最后230條數(shù)據(jù)作為測試樣本進行仿真實驗。

    由于采集到的數(shù)據(jù)可能存在噪聲,所以首先對數(shù)據(jù)進行了降噪和歸一化處理,根據(jù)C-C算法確定的時間延遲τ和嵌入維數(shù)m(參見圖1)重構相空間,計算得到Lyapunov指數(shù)大于0(參見圖2),證明該交通流序列具有混沌特性,設置小波神經(jīng)網(wǎng)絡各個參數(shù),網(wǎng)絡的輸入層應該等于嵌入維數(shù),故輸入層為6,輸出層為1,隱含層數(shù)7,隨機初始化50個粒子。本文采用以下模型評價指標:

    式中:Yp(t)是第t時的預測值,Yr(t)是第t時的實際值。圖4-圖8給出了WNN模型,PSO-WNN模型以及GQPSO-WNN模型對實際交通流的預測結果和誤差對比圖,同時分別比較了PSO-WNN模型和GQPSO-WNN模型的收斂性。

    圖4 WNN預測結果對比曲線和絕對誤差

    圖5 PSO-WNN預測結果對比曲線和絕對誤差

    圖6 GQPSO-WNN預測結果對比曲線和絕對誤差

    圖7 PSO-WNN適應度值迭代曲線

    圖8 GQPSO-WNN適應度值迭代曲線

    從圖6和圖8可以看出,GAQPSO-WNN算法模型預測結果曲線更加貼合真實交通流曲線,算法在迭代次數(shù)不超過10次時,適應度值就已經(jīng)下降到0.2以下,迭代到接近20次時GAQPSO-WNN預測模型的曲線幾乎收斂。由此可見,該算法相較于PSO-WNN算法收斂性較好,預測準確度也更高。

    將預測模型多次試驗取平均值得到結果如表1所示。綜合對比BP、WNN和PSO-WNN等算法的評估指標結果,經(jīng)過混合優(yōu)化后的GQPSO-WNN短時交通流預測模型的均方誤差比PSO-WNN模型低56%左右,擬合度也明顯高于WNN模型和PSO-WNN模型。

    表1 各類模型交通預測性能對比

    5 結 語

    本文在建立預測模型之前,利用最大Lyapunov指數(shù)分析交通流的預測性質(zhì)。在現(xiàn)有的短時交通流智能預測模型基礎上,提出基于相空間的GQPSO-WNN的混合預測模型,該方法結合了GA和QPSO的優(yōu)點,優(yōu)化小波神經(jīng)網(wǎng)絡參數(shù)值選取。實驗結果表明,與以往研究中的模型相比,所提模型的收斂速度和預測精確度均可以達到理想水平,有望應用于未來的實際交通領域中。

    猜你喜歡
    相空間交通流維數(shù)
    β-變換中一致丟番圖逼近問題的維數(shù)理論
    束團相空間分布重建技術在西安200 MeV質(zhì)子應用裝置的應用
    一類齊次Moran集的上盒維數(shù)
    關于齊次Moran集的packing維數(shù)結果
    交通流隨機行為的研究進展
    非對易空間中的三維諧振子Wigner函數(shù)
    涉及相變問題Julia集的Hausdorff維數(shù)
    路內(nèi)停車對交通流延誤影響的定量分析
    基于相空間重構的電磁繼電器電性能參數(shù)預測研究
    具有負壓力的Aw-Rascle交通流的Riemann問題
    精品一区二区三区四区五区乱码| 国产精品偷伦视频观看了| 亚洲精品国产精品久久久不卡| 大陆偷拍与自拍| 久久人人精品亚洲av| 老汉色av国产亚洲站长工具| 中国美女看黄片| 操出白浆在线播放| 欧洲精品卡2卡3卡4卡5卡区| 少妇 在线观看| 亚洲全国av大片| 一a级毛片在线观看| 中文字幕人妻丝袜制服| 日韩一卡2卡3卡4卡2021年| 精品午夜福利视频在线观看一区| 真人做人爱边吃奶动态| 丝袜在线中文字幕| 久久久久久免费高清国产稀缺| 亚洲 国产 在线| 日韩欧美一区二区三区在线观看| 老熟妇仑乱视频hdxx| 日韩精品免费视频一区二区三区| 亚洲,欧美精品.| 啦啦啦 在线观看视频| 一级片免费观看大全| 日韩一卡2卡3卡4卡2021年| 精品一区二区三区av网在线观看| 亚洲国产欧美日韩在线播放| 亚洲男人天堂网一区| 男女之事视频高清在线观看| 很黄的视频免费| 黄色a级毛片大全视频| 无限看片的www在线观看| 淫妇啪啪啪对白视频| 啦啦啦在线免费观看视频4| 久久 成人 亚洲| 一本综合久久免费| 好看av亚洲va欧美ⅴa在| 757午夜福利合集在线观看| 久久久久国产精品人妻aⅴ院| av免费在线观看网站| 精品久久久精品久久久| 欧美 亚洲 国产 日韩一| 亚洲午夜理论影院| 午夜福利影视在线免费观看| 热99国产精品久久久久久7| 咕卡用的链子| av电影中文网址| 亚洲一区二区三区不卡视频| 香蕉久久夜色| 日韩免费高清中文字幕av| 老司机亚洲免费影院| 国产精品1区2区在线观看.| 黄网站色视频无遮挡免费观看| 精品一区二区三区视频在线观看免费 | 亚洲一区二区三区不卡视频| 午夜精品国产一区二区电影| 天天添夜夜摸| 在线观看日韩欧美| 真人做人爱边吃奶动态| 国产成人系列免费观看| 亚洲精品中文字幕一二三四区| 精品国产一区二区久久| 91老司机精品| 热re99久久精品国产66热6| 一进一出好大好爽视频| tocl精华| 99精品在免费线老司机午夜| 久久久久亚洲av毛片大全| 日本撒尿小便嘘嘘汇集6| 亚洲男人的天堂狠狠| 久久久久国产精品人妻aⅴ院| 一a级毛片在线观看| 一个人观看的视频www高清免费观看 | 青草久久国产| av天堂久久9| 黑人巨大精品欧美一区二区mp4| 国产精品香港三级国产av潘金莲| 色综合站精品国产| 老司机福利观看| 看黄色毛片网站| 亚洲精品国产区一区二| 亚洲第一青青草原| 午夜精品久久久久久毛片777| 精品第一国产精品| av免费在线观看网站| 一进一出好大好爽视频| 视频在线观看一区二区三区| 伦理电影免费视频| 中文字幕高清在线视频| 国产1区2区3区精品| 天堂中文最新版在线下载| 日韩视频一区二区在线观看| 亚洲av电影在线进入| 久久久久久大精品| 日韩欧美免费精品| 久久人妻熟女aⅴ| 亚洲国产欧美一区二区综合| 两性夫妻黄色片| av网站免费在线观看视频| 精品久久久久久久毛片微露脸| 丝袜美腿诱惑在线| 男女之事视频高清在线观看| 18美女黄网站色大片免费观看| 制服诱惑二区| 亚洲人成电影免费在线| 操美女的视频在线观看| 色综合欧美亚洲国产小说| 国产日韩一区二区三区精品不卡| 成人精品一区二区免费| 午夜91福利影院| 一级a爱视频在线免费观看| 亚洲第一av免费看| 十八禁人妻一区二区| 91大片在线观看| 一边摸一边做爽爽视频免费| 久久精品aⅴ一区二区三区四区| 亚洲av第一区精品v没综合| 色婷婷av一区二区三区视频| 亚洲国产欧美网| 成人国产一区最新在线观看| 亚洲精品国产精品久久久不卡| 极品人妻少妇av视频| 久久久久久久久中文| av中文乱码字幕在线| 久久久国产精品麻豆| 操出白浆在线播放| 女性被躁到高潮视频| 天天躁狠狠躁夜夜躁狠狠躁| 一级片免费观看大全| 级片在线观看| 少妇粗大呻吟视频| 国产精品日韩av在线免费观看 | 女警被强在线播放| 久久精品国产综合久久久| 欧美日本亚洲视频在线播放| 欧美在线一区亚洲| 级片在线观看| 妹子高潮喷水视频| 视频区欧美日本亚洲| 国产97色在线日韩免费| 激情在线观看视频在线高清| 在线永久观看黄色视频| 一进一出抽搐动态| 女人爽到高潮嗷嗷叫在线视频| 免费看a级黄色片| 亚洲欧美一区二区三区黑人| 成人亚洲精品av一区二区 | 亚洲aⅴ乱码一区二区在线播放 | 色播在线永久视频| 亚洲第一av免费看| 男人的好看免费观看在线视频 | 女人爽到高潮嗷嗷叫在线视频| 午夜免费成人在线视频| 丝袜美腿诱惑在线| 国产av一区在线观看免费| 国产99白浆流出| 欧美日韩中文字幕国产精品一区二区三区 | 国产成人精品无人区| 伦理电影免费视频| 国产深夜福利视频在线观看| 久久中文字幕一级| av天堂久久9| 亚洲欧美激情在线| 成人亚洲精品一区在线观看| 人妻久久中文字幕网| 精品少妇一区二区三区视频日本电影| 91精品三级在线观看| 后天国语完整版免费观看| 亚洲av成人一区二区三| 在线观看免费视频网站a站| 国产成人精品无人区| 国产在线精品亚洲第一网站| 97碰自拍视频| 一夜夜www| 亚洲欧洲精品一区二区精品久久久| 一级a爱视频在线免费观看| 国产高清激情床上av| 视频在线观看一区二区三区| 丁香六月欧美| 波多野结衣av一区二区av| 老熟妇乱子伦视频在线观看| 久久 成人 亚洲| 久久 成人 亚洲| 三上悠亚av全集在线观看| 亚洲中文av在线| 色婷婷av一区二区三区视频| 国产亚洲精品久久久久久毛片| 久久精品影院6| 国产成人一区二区三区免费视频网站| 午夜日韩欧美国产| 国产又色又爽无遮挡免费看| 这个男人来自地球电影免费观看| 日日摸夜夜添夜夜添小说| 日韩成人在线观看一区二区三区| www.www免费av| 精品一区二区三区av网在线观看| 亚洲第一av免费看| 午夜精品久久久久久毛片777| 久久久久久久久中文| 国产主播在线观看一区二区| 操出白浆在线播放| 欧美日韩av久久| 99在线人妻在线中文字幕| 黄色片一级片一级黄色片| 午夜91福利影院| 搡老岳熟女国产| 久久中文字幕一级| 这个男人来自地球电影免费观看| 国产激情久久老熟女| 看黄色毛片网站| www.自偷自拍.com| 国产精品久久久久久人妻精品电影| 亚洲人成伊人成综合网2020| 精品久久久久久久久久免费视频 | 老汉色av国产亚洲站长工具| 亚洲精品国产一区二区精华液| 又紧又爽又黄一区二区| 色综合站精品国产| 久久久久久久久免费视频了| 日本五十路高清| 亚洲欧美一区二区三区黑人| 亚洲av片天天在线观看| 91成人精品电影| 大型av网站在线播放| 精品第一国产精品| 国产亚洲精品第一综合不卡| 欧美人与性动交α欧美精品济南到| 久久久久久久久中文| 日韩欧美国产一区二区入口| 久久久久久久久久久久大奶| 久久久久久久久中文| 日韩欧美一区二区三区在线观看| 无人区码免费观看不卡| 午夜激情av网站| 国产精品爽爽va在线观看网站 | 18禁国产床啪视频网站| 中文欧美无线码| www.精华液| 欧美性长视频在线观看| 亚洲情色 制服丝袜| 午夜精品在线福利| 久久国产精品人妻蜜桃| 精品一区二区三区视频在线观看免费 | 国产亚洲精品久久久久久毛片| 午夜a级毛片| 亚洲aⅴ乱码一区二区在线播放 | 国产黄色免费在线视频| 国产精品永久免费网站| 亚洲精品在线美女| 久久精品影院6| 国产国语露脸激情在线看| 精品一区二区三区av网在线观看| 97人妻天天添夜夜摸| 男女做爰动态图高潮gif福利片 | 午夜激情av网站| 国产不卡一卡二| 91av网站免费观看| 久久久精品国产亚洲av高清涩受| 可以在线观看毛片的网站| 精品久久久精品久久久| 成人av一区二区三区在线看| 在线观看免费视频网站a站| 免费高清在线观看日韩| 午夜免费激情av| 天堂影院成人在线观看| 久久精品国产综合久久久| 欧美亚洲日本最大视频资源| 亚洲久久久国产精品| 日韩大码丰满熟妇| 高清在线国产一区| 777久久人妻少妇嫩草av网站| 国产精品香港三级国产av潘金莲| 69精品国产乱码久久久| 97人妻天天添夜夜摸| 俄罗斯特黄特色一大片| 久久久久久久久免费视频了| 在线永久观看黄色视频| 欧美一级毛片孕妇| 午夜视频精品福利| 久久精品亚洲av国产电影网| 又黄又爽又免费观看的视频| 国产精品爽爽va在线观看网站 | 国产亚洲欧美在线一区二区| 国产精品永久免费网站| 国产精品久久久av美女十八| 国产精品美女特级片免费视频播放器 | 757午夜福利合集在线观看| 久久这里只有精品19| 国产亚洲精品综合一区在线观看 | 一级片免费观看大全| 久久人妻av系列| 久久久国产欧美日韩av| 男人操女人黄网站| 亚洲色图av天堂| 国产精品九九99| 亚洲精品国产色婷婷电影| 国产三级在线视频| 欧美日韩一级在线毛片| 亚洲欧美日韩另类电影网站| 丝袜美腿诱惑在线| 可以在线观看毛片的网站| 在线观看免费视频网站a站| 99久久国产精品久久久| 精品一区二区三区视频在线观看免费 | 亚洲第一av免费看| 久久天躁狠狠躁夜夜2o2o| av福利片在线| 一进一出抽搐动态| 女性被躁到高潮视频| 欧美黑人精品巨大| av欧美777| 国产熟女午夜一区二区三区| 亚洲欧美一区二区三区久久| 久久国产精品男人的天堂亚洲| 大香蕉久久成人网| 高清欧美精品videossex| 精品国产超薄肉色丝袜足j| 久久人妻熟女aⅴ| 亚洲欧洲精品一区二区精品久久久| 午夜视频精品福利| 久久亚洲真实| 亚洲成a人片在线一区二区| 精品国产乱子伦一区二区三区| 村上凉子中文字幕在线| 久久午夜亚洲精品久久| 亚洲av片天天在线观看| 亚洲自拍偷在线| 久久久久久久精品吃奶| 黑人猛操日本美女一级片| 精品久久久精品久久久| 国产高清激情床上av| 一级,二级,三级黄色视频| 天堂影院成人在线观看| 国产99白浆流出| 欧美午夜高清在线| 欧美成人性av电影在线观看| 国产成人啪精品午夜网站| 亚洲精品粉嫩美女一区| 又黄又爽又免费观看的视频| 欧美亚洲日本最大视频资源| 久久人人精品亚洲av| 亚洲欧美日韩无卡精品| 在线十欧美十亚洲十日本专区| 亚洲午夜理论影院| 欧美不卡视频在线免费观看 | 女人被躁到高潮嗷嗷叫费观| 天堂影院成人在线观看| 亚洲av片天天在线观看| 不卡一级毛片| 色综合站精品国产| 后天国语完整版免费观看| 国产在线精品亚洲第一网站| 一级a爱视频在线免费观看| 日韩精品青青久久久久久| 90打野战视频偷拍视频| 女人精品久久久久毛片| 热99国产精品久久久久久7| 久久国产精品男人的天堂亚洲| 国产成人精品无人区| www国产在线视频色| 欧美 亚洲 国产 日韩一| 91麻豆精品激情在线观看国产 | 两性夫妻黄色片| 久久精品国产综合久久久| 97碰自拍视频| 午夜亚洲福利在线播放| 夜夜夜夜夜久久久久| 老司机在亚洲福利影院| 99精品欧美一区二区三区四区| 女警被强在线播放| 咕卡用的链子| 日韩欧美国产一区二区入口| 久久久水蜜桃国产精品网| 欧美激情久久久久久爽电影 | 精品欧美一区二区三区在线| 9191精品国产免费久久| 久久国产精品男人的天堂亚洲| 狠狠狠狠99中文字幕| 搡老乐熟女国产| 亚洲欧美激情在线| 黄色女人牲交| 中亚洲国语对白在线视频| 亚洲欧洲精品一区二区精品久久久| 999精品在线视频| 老汉色av国产亚洲站长工具| 桃色一区二区三区在线观看| xxx96com| 婷婷精品国产亚洲av在线| 久久精品成人免费网站| 窝窝影院91人妻| 999久久久国产精品视频| 亚洲人成77777在线视频| 精品久久久久久电影网| 99精品在免费线老司机午夜| av天堂在线播放| 免费女性裸体啪啪无遮挡网站| 国产精品亚洲av一区麻豆| 国产乱人伦免费视频| 欧美av亚洲av综合av国产av| 高清黄色对白视频在线免费看| 国产片内射在线| 黄片播放在线免费| 两性午夜刺激爽爽歪歪视频在线观看 | av中文乱码字幕在线| 极品教师在线免费播放| 国产极品粉嫩免费观看在线| 国产精品一区二区免费欧美| 麻豆久久精品国产亚洲av | 亚洲男人的天堂狠狠| 精品少妇一区二区三区视频日本电影| 99精品欧美一区二区三区四区| 91麻豆av在线| 亚洲精品在线美女| 黄频高清免费视频| 50天的宝宝边吃奶边哭怎么回事| av中文乱码字幕在线| 在线观看免费日韩欧美大片| 国产精品电影一区二区三区| av欧美777| 极品人妻少妇av视频| 精品福利观看| 国产一区二区三区在线臀色熟女 | 国产精品久久久av美女十八| 三级毛片av免费| 欧美亚洲日本最大视频资源| 丝袜人妻中文字幕| 一边摸一边抽搐一进一出视频| 19禁男女啪啪无遮挡网站| 久久久久久久久免费视频了| 最好的美女福利视频网| 狠狠狠狠99中文字幕| 成人18禁高潮啪啪吃奶动态图| 国产精品98久久久久久宅男小说| 神马国产精品三级电影在线观看 | 色婷婷av一区二区三区视频| 国产极品粉嫩免费观看在线| 亚洲精品国产色婷婷电影| 国产成人欧美| 性色av乱码一区二区三区2| 级片在线观看| 欧美+亚洲+日韩+国产| 18禁美女被吸乳视频| 久久热在线av| 人人妻,人人澡人人爽秒播| 亚洲精品中文字幕一二三四区| 精品第一国产精品| av中文乱码字幕在线| 国产精品久久久久久人妻精品电影| 国产精品一区二区免费欧美| 乱人伦中国视频| 免费看十八禁软件| 久久久久久亚洲精品国产蜜桃av| 99精品在免费线老司机午夜| 久久精品国产亚洲av香蕉五月| 亚洲人成伊人成综合网2020| 一级黄色大片毛片| 国产有黄有色有爽视频| 国产99久久九九免费精品| 男女做爰动态图高潮gif福利片 | 午夜久久久在线观看| 亚洲 国产 在线| 电影成人av| 久久 成人 亚洲| 欧美av亚洲av综合av国产av| 免费在线观看黄色视频的| 九色亚洲精品在线播放| 淫秽高清视频在线观看| 国内久久婷婷六月综合欲色啪| 99久久人妻综合| 精品第一国产精品| 亚洲色图av天堂| 日韩欧美一区二区三区在线观看| 天堂√8在线中文| 大香蕉久久成人网| 国产高清videossex| 一区二区三区国产精品乱码| 黄色 视频免费看| 人人妻,人人澡人人爽秒播| 久久人人爽av亚洲精品天堂| 国产91精品成人一区二区三区| 亚洲精品一二三| 欧美成人性av电影在线观看| 别揉我奶头~嗯~啊~动态视频| 韩国av一区二区三区四区| 男女床上黄色一级片免费看| 别揉我奶头~嗯~啊~动态视频| 国产99久久九九免费精品| 国产精品香港三级国产av潘金莲| av超薄肉色丝袜交足视频| 国产精品野战在线观看 | 嫩草影视91久久| 国产精品偷伦视频观看了| 好看av亚洲va欧美ⅴa在| 欧美老熟妇乱子伦牲交| 欧美中文日本在线观看视频| 亚洲av成人一区二区三| 免费在线观看完整版高清| 老司机午夜福利在线观看视频| 一区二区三区激情视频| 欧美激情高清一区二区三区| 久久青草综合色| 一区二区日韩欧美中文字幕| 亚洲欧美激情综合另类| 老司机在亚洲福利影院| 精品国产乱码久久久久久男人| 最新美女视频免费是黄的| 18禁观看日本| av网站免费在线观看视频| 久久影院123| 女人高潮潮喷娇喘18禁视频| 久久久久国内视频| 欧美日韩瑟瑟在线播放| 国产主播在线观看一区二区| 嫁个100分男人电影在线观看| 人妻丰满熟妇av一区二区三区| 日本免费一区二区三区高清不卡 | 欧美不卡视频在线免费观看 | ponron亚洲| 电影成人av| 久久 成人 亚洲| 午夜a级毛片| 亚洲欧美激情综合另类| 午夜视频精品福利| 99在线视频只有这里精品首页| 欧美日韩av久久| 色精品久久人妻99蜜桃| 亚洲中文字幕日韩| www.www免费av| 不卡av一区二区三区| 国产亚洲欧美在线一区二区| 人人妻人人添人人爽欧美一区卜| 他把我摸到了高潮在线观看| 中出人妻视频一区二区| 新久久久久国产一级毛片| 国产国语露脸激情在线看| 欧美日韩黄片免| 香蕉国产在线看| 亚洲五月色婷婷综合| avwww免费| 人人妻人人澡人人看| 欧美 亚洲 国产 日韩一| 亚洲激情在线av| 国产欧美日韩综合在线一区二区| 在线观看舔阴道视频| 一区二区日韩欧美中文字幕| 久久久久久久精品吃奶| 久久久精品国产亚洲av高清涩受| 淫妇啪啪啪对白视频| 久久久久久免费高清国产稀缺| 日韩欧美一区二区三区在线观看| 国产精品偷伦视频观看了| 脱女人内裤的视频| 亚洲自拍偷在线| 麻豆av在线久日| 无限看片的www在线观看| 老汉色av国产亚洲站长工具| 亚洲男人的天堂狠狠| av天堂在线播放| 一区二区三区精品91| 欧美性长视频在线观看| 日本精品一区二区三区蜜桃| 国产精品亚洲av一区麻豆| 在线观看www视频免费| 欧美在线一区亚洲| 中文字幕高清在线视频| 午夜福利,免费看| 国产97色在线日韩免费| 久热爱精品视频在线9| 99热只有精品国产| 啪啪无遮挡十八禁网站| 日韩大尺度精品在线看网址 | av片东京热男人的天堂| 国产精品99久久99久久久不卡| 亚洲视频免费观看视频| 成人三级做爰电影| 亚洲美女黄片视频| 三级毛片av免费| 亚洲伊人色综图| 99久久精品国产亚洲精品| 成人av一区二区三区在线看| 亚洲人成电影观看| 9热在线视频观看99| 少妇裸体淫交视频免费看高清 | 老司机福利观看| 久久亚洲精品不卡| 色尼玛亚洲综合影院| 久久天堂一区二区三区四区| 亚洲情色 制服丝袜| 天堂√8在线中文| 精品卡一卡二卡四卡免费| 精品国产乱码久久久久久男人| 亚洲va日本ⅴa欧美va伊人久久| 满18在线观看网站| 国产精品99久久99久久久不卡| 高清毛片免费观看视频网站 | 欧美黑人欧美精品刺激| 精品国内亚洲2022精品成人| 国产91精品成人一区二区三区| 国产高清videossex| 国产一卡二卡三卡精品| 最新美女视频免费是黄的| 日韩欧美三级三区| 亚洲在线自拍视频| 国产黄a三级三级三级人| 一级毛片精品| 成在线人永久免费视频| 欧美人与性动交α欧美软件| 久久久精品欧美日韩精品| 色综合婷婷激情| 亚洲狠狠婷婷综合久久图片| 91精品国产国语对白视频| 91成年电影在线观看| 国产伦一二天堂av在线观看| 18禁美女被吸乳视频|