• <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NARNN的城市軌道交通短時進(jìn)站客流預(yù)測

    2020-04-29 06:51:54李科君高瑾瑤宋建華
    關(guān)鍵詞:客流量進(jìn)站客流

    李科君 高瑾瑤 宋建華 任 剛

    (中電科大數(shù)據(jù)研究院有限公司1) 貴陽 550022) (東南大學(xué)江蘇省城市智能交通重點實驗室2) 南京 211189)(東南大學(xué)現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心3) 南京 211189)

    0 引 言

    城市軌道交通作為城市公共交通系統(tǒng)的重要組成部分,具有大運量、準(zhǔn)時和快捷等特點,承擔(dān)著許多城市中遠(yuǎn)距離通勤及彈性出行的客流需求.客流預(yù)測是城市軌道交通規(guī)劃、運營與管理的基礎(chǔ),短時客流預(yù)測能夠反映客流實時變化規(guī)律,是系統(tǒng)資源調(diào)配、站臺擁擠管理的重要依據(jù).通過利用城市軌道交通AFC刷卡數(shù)據(jù),準(zhǔn)確、可靠地預(yù)測短時段進(jìn)站客流量,并根據(jù)客流的變化情況及時調(diào)整行車計劃,進(jìn)行客流誘導(dǎo)與控制、站臺客流組織與疏散等,有助于提高城市軌道交通系統(tǒng)運營管理的科學(xué)性、高效性及安全性.

    常見的短時交通流的預(yù)測方法大致可以分為以下四種:基于線性理論的方法、基于非線性理論的方法、基于混合理論的方法和其他預(yù)測方法[1].客流預(yù)測的研究中也多借鑒于交通流預(yù)測的方法.基于線性理論的方法主要包括自回歸滑動平均模型[2-3]和卡爾曼濾波模型[4]等;非線性理論方法有支持向量機[5]、非參數(shù)回歸[6]、神經(jīng)網(wǎng)絡(luò)模型[7]等;混合方法是指多種預(yù)測方法在預(yù)測過程或者結(jié)果上的組合使用.

    城市軌道交通短時進(jìn)站客流是具有動態(tài)性、非線性、不確定性、周期性的時間序列,傳統(tǒng)AR、ARMA等線性時間序列預(yù)測模型不能很好地捕捉其非線性特征,但人工神經(jīng)網(wǎng)絡(luò)具有非線性的映射能力以及較高的容錯率等特點.非線性自回歸神經(jīng)網(wǎng)絡(luò)模型(nonlinear autoregression neural network,NARNN)是一種通過神經(jīng)網(wǎng)絡(luò)實現(xiàn)非線性回歸的模型,它結(jié)合了自回歸方法對時間序列潛在機理挖掘的能力以及神經(jīng)網(wǎng)絡(luò)算法的非線性函數(shù)擬合能力,算法靈活,不需要像其他方法構(gòu)建詳細(xì)的模型,且具有自適應(yīng)、自學(xué)習(xí)的優(yōu)勢,其在一些領(lǐng)域的預(yù)測研究中得到了應(yīng)用[8-10].文中構(gòu)建非線性自回歸神經(jīng)網(wǎng)絡(luò)(NARNN)模型進(jìn)行地鐵車站短時進(jìn)站客流的預(yù)測,結(jié)果表明其具有一定的應(yīng)用價值,且預(yù)測精度優(yōu)于線性時間序列預(yù)測模型.

    1 進(jìn)站客流時間序列特性分析

    文中研究的對象是短時進(jìn)站客流,在利用數(shù)據(jù)進(jìn)行預(yù)測之前,需要對進(jìn)站客流的發(fā)展變化規(guī)律進(jìn)行觀測和分析.選取南京地鐵三號線夫子廟站2017年10月16—20日(周一—周五)及10月1—7日(國慶節(jié)假日)的日進(jìn)站客流量進(jìn)行分析.將該站的AFC日進(jìn)站刷卡數(shù)據(jù)從地鐵運營時間06:00—23:30按照每5,15 min分別進(jìn)行累計統(tǒng)計,畫圖觀察工作日、節(jié)假日(國慶周)的短時進(jìn)站客流量變化情況,兩種特征日的進(jìn)站客流時間序列見圖1.

    圖1 夫子廟站進(jìn)站客流時間序列

    經(jīng)過數(shù)據(jù)統(tǒng)計與對比分析可以發(fā)現(xiàn),夫子廟站國慶周的日均客流量為41 865人·次/d,顯著高于平常工作周的日均客流量24 360人·次/d,造成這一現(xiàn)象的原因是夫子廟站點附近的夫子廟、秦淮河等著名旅游景點國慶期間吸引著大量的旅游客流.由圖1可知,工作日和國慶周的日進(jìn)站客流時間分布不同,兩種特征日的客流高峰出現(xiàn)時段及客流變化趨勢都有所差異,但每種特征日的內(nèi)部都有相似的規(guī)律.在同一時間測度下,工作日客流變化較平穩(wěn),且有明顯的高峰和平峰;相較于工作日,國慶假日期間進(jìn)站客流時間分布波動性更強,且全天客流量都較大,高峰時段不凸顯.通過進(jìn)一步對比同一特征日的兩種時間測度,明顯可以看出較短的5 min時間測度數(shù)據(jù)波動大、不平穩(wěn).

    以上分析表明,地鐵短時進(jìn)站客流是一種不穩(wěn)定的并隱含著大量動態(tài)特征的非線性、非平穩(wěn)時間序列;同時工作周和節(jié)假日周的客流發(fā)展變化分別隱藏著一定的日分布規(guī)律,每日客流的增長與下降趨勢類似,即具有一定的周期性.考慮上述的時間序列特征,本文構(gòu)建非線性自回歸神經(jīng)網(wǎng)絡(luò)(NARNN)模型對普通工作日及節(jié)假日期間旅游景點夫子廟站的地鐵短時進(jìn)站客流進(jìn)行預(yù)測,通過對工作日及節(jié)假日地鐵進(jìn)站刷卡數(shù)據(jù)內(nèi)部發(fā)展規(guī)律的挖掘,實現(xiàn)短時進(jìn)站客流預(yù)測.

    2 非線性自回歸神經(jīng)網(wǎng)絡(luò)模型

    2.1 非線性自回歸神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

    非線性自回歸神經(jīng)網(wǎng)絡(luò)為帶有延時函數(shù)的神經(jīng)網(wǎng)絡(luò),延時的階數(shù)決定神經(jīng)網(wǎng)絡(luò)的輸入個數(shù),是專門針對時間序列預(yù)測問題的模型.標(biāo)準(zhǔn)的NARNN結(jié)構(gòu)示意圖見圖2,其中時間序列y(t)既是輸入也是輸出,網(wǎng)絡(luò)中包含若干隱藏層和一個輸出層.該神經(jīng)網(wǎng)絡(luò)中嵌入了一個延遲函數(shù),用于將時間序列y(t)進(jìn)行延遲處理.該神經(jīng)網(wǎng)絡(luò)中隱含層采用非線性傳輸函數(shù),輸出層采用線性傳輸函數(shù).

    d-延遲階數(shù);W-神經(jīng)元之間的聯(lián)結(jié)權(quán)值矩陣;b-各層神經(jīng)元的的閾值向量;S-各層的神經(jīng)元個數(shù)圖2 非線性自回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    2.2 非線性自回歸神經(jīng)網(wǎng)絡(luò)預(yù)測原理

    非線性自回歸神經(jīng)網(wǎng)絡(luò)實質(zhì)上是自回歸模型(AR)的非線性化,通過利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)以及可以實現(xiàn)非線性映射的特點,對具有非線性特征的時間序列進(jìn)行擬合及預(yù)測.整個網(wǎng)絡(luò)的預(yù)測原理就是通過時間序列某時刻t的前d個時刻的值來預(yù)測該時刻的值,表示為

    y(t)=f(y(t-1),y(t-2),…,y(t-d)) (1)

    式中:d為延時階數(shù);f(·)為神經(jīng)網(wǎng)絡(luò)模型.由式(1)可知,該模型承認(rèn)事物發(fā)展的延續(xù)性,用過去的值來推斷當(dāng)前的值.本研究將1 d內(nèi)的客流量按照每5 min和每15 min分別統(tǒng)計,此時時間序列中t為第t個5 min或15 min統(tǒng)計時段,t-d為t之前的d個5 min或15 min統(tǒng)計時段.

    非線性自回歸神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)見圖3,輸出信號的時間延遲作為該網(wǎng)絡(luò)中時間延遲反饋,將輸出的時間d階延遲信號當(dāng)作網(wǎng)絡(luò)的輸出.網(wǎng)絡(luò)結(jié)構(gòu)為d-l-1,即一個輸入層、一個隱含層及一個網(wǎng)絡(luò)輸出.輸入延遲階數(shù)d決定了輸入神經(jīng)元的個數(shù),隱含層神經(jīng)元個數(shù)為l,網(wǎng)絡(luò)輸出為一個值.網(wǎng)絡(luò)的最終輸出y由式(3)中的輸出層傳輸函數(shù)f2得到.

    (2)

    式中:xi為網(wǎng)絡(luò)的輸入,分別對應(yīng)時間序列t時刻之前的d個時刻的觀測值;wi,j為輸入神經(jīng)元與隱含層神經(jīng)元之間的聯(lián)結(jié)權(quán)值;aj為隱含層神經(jīng)元的閾值.

    (3)

    式中:wj為隱含層神經(jīng)元與輸出層神經(jīng)元之間的聯(lián)結(jié)權(quán)值;b為輸出層神經(jīng)元的閾值;mj為隱含層各神經(jīng)元的輸出;mj根據(jù)式(2)中的隱含層傳輸函數(shù)f1得到.

    圖3 非線性自回歸神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D

    采用BP學(xué)習(xí)方法對該神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,第一個階段是輸入已知學(xué)習(xí)樣本,通過設(shè)置的網(wǎng)絡(luò)結(jié)構(gòu)和前一次迭代的權(quán)值和閾值,從網(wǎng)絡(luò)的第一層向后計算各神經(jīng)元的輸出.第二個階段是對權(quán)值和閾值進(jìn)行修改,從最后一層向前計算各權(quán)值和閾值對總誤差的影響(梯度),據(jù)此對各權(quán)值和閾值進(jìn)行修改.以上兩個過程反復(fù)交替,直到達(dá)到收斂為止.模型中的網(wǎng)絡(luò)誤差性能函數(shù)選取為MSE(mean square error),隱含層傳輸函數(shù)選取Tan-sigmoid函數(shù),輸出層的傳輸函數(shù)選為pure-line 線性函數(shù).為了提高神經(jīng)網(wǎng)絡(luò)的泛化能力、防止“過適配”現(xiàn)象,采用貝葉斯歸一化法(bayesian regularization)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練.

    在訓(xùn)練時,網(wǎng)絡(luò)采用開環(huán)的形式,將時間序列通過延時函數(shù)進(jìn)行輸入和輸出數(shù)據(jù)的分解及對應(yīng),在預(yù)測階段,網(wǎng)絡(luò)采用閉環(huán)形式,將t時刻的輸出在t+1時刻作為輸入被反饋,通過輸入構(gòu)建自回歸模型,通過對該輸入權(quán)值和歷史數(shù)據(jù)權(quán)值的修正,網(wǎng)絡(luò)遞歸的產(chǎn)生了一個自回歸模型以便預(yù)測下一個輸出.隱含層中的神經(jīng)元可以對相同的自回歸過程產(chǎn)生一些變化,這有助于區(qū)別滯后的重要程度,也能夠發(fā)現(xiàn)時間序列最合適的滯后結(jié)構(gòu).

    2.3 非線性自回歸神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立步驟

    在建立NARNN模型之前,先對原始的地鐵進(jìn)站閘機AFC刷卡數(shù)據(jù)庫里的數(shù)據(jù)進(jìn)行預(yù)處理,對研究時間范圍內(nèi)的車站刷卡數(shù)據(jù)進(jìn)行篩選,剔除異常數(shù)據(jù),并按照每5,15 min間隔統(tǒng)計短時進(jìn)站客流量,將其處理成時間序列的形式.建立預(yù)測模型的具體步驟如下:①生成時間序列,將原始數(shù)據(jù)進(jìn)行歸一化,轉(zhuǎn)化為值域為[-1,1]的序列;②設(shè)計神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),初始化時間延遲階數(shù)、隱含層神經(jīng)元個數(shù);③對訓(xùn)練樣本數(shù)據(jù)進(jìn)行多次訓(xùn)練,根據(jù)誤差自相關(guān)圖滿足95%的置信區(qū)間的要求,調(diào)整網(wǎng)絡(luò)的結(jié)構(gòu),并根據(jù)擬合效果圖選擇合適的模型參數(shù);④用訓(xùn)練好的模型對測試數(shù)據(jù)進(jìn)行預(yù)測,根據(jù)選取的誤差指標(biāo)分析網(wǎng)絡(luò)預(yù)測性能.研究中采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行輔助建模與分析.

    3 短時進(jìn)站客流預(yù)測仿真與分析

    3.1 數(shù)據(jù)準(zhǔn)備

    以南京地鐵三號線夫子廟站的進(jìn)站客流AFC刷卡數(shù)據(jù)為基礎(chǔ)數(shù)據(jù),從原始的ACCESS數(shù)據(jù)庫進(jìn)行數(shù)據(jù)的篩選與預(yù)處理.原始刷卡數(shù)據(jù)記錄了進(jìn)站時間、交易發(fā)生時間、車站號、卡號、票卡類型等信息,其中進(jìn)站時間精確到秒.依據(jù)夫子廟站對應(yīng)的車站號對進(jìn)站時間數(shù)據(jù)進(jìn)行篩選,剔除掉異常數(shù)據(jù),分別按照每5,15 min對10月1—7日(代表節(jié)假日),10月16—20日(代表工作周)每日06:00—23:30的進(jìn)站客流量進(jìn)行統(tǒng)計,并將其處理成時間序列的形式.按照85%和15%的比例劃分訓(xùn)練集和測試集,工作日的5 min間隔試驗數(shù)據(jù)共有355個,比例選取前300個為訓(xùn)練樣本,后55個為測試樣本,15 min間隔試驗數(shù)據(jù)共有1 060個,選取前896個為訓(xùn)練樣本,后164個為測試樣本.節(jié)假日的5 min間隔試驗數(shù)據(jù)共有497個,選取前420個為訓(xùn)練樣本,后77個為測試樣本,15分鐘間隔試驗數(shù)據(jù)共有1 484個,選取前1 254個為訓(xùn)練樣本,后230個為測試樣本.

    3.2 短時客流預(yù)測

    根據(jù)實際的數(shù)據(jù)進(jìn)行建模分析.其中自回歸階數(shù),即延時階數(shù)d決定了非線性自回歸神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元的個數(shù),從而也影響到隱含層神經(jīng)元個數(shù)的選擇,其對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及預(yù)測結(jié)果有著決定性的影響.目前尚未找到特定精確的方法來確定其值,采取多次試驗測算的方法來確定最優(yōu)的延時階數(shù),即設(shè)置不同的d值構(gòu)造神經(jīng)網(wǎng)絡(luò),對訓(xùn)練樣本數(shù)據(jù)進(jìn)行多次訓(xùn)練,在誤差自相關(guān)圖滿足95%置信區(qū)間的網(wǎng)絡(luò)結(jié)構(gòu)中,選取預(yù)測誤差平方和(MSE)最小的神經(jīng)網(wǎng)絡(luò)作為最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).在對神經(jīng)網(wǎng)絡(luò)的多次訓(xùn)練中,發(fā)現(xiàn)對于5 min時間測度的工作日和節(jié)假日最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為6-15-1,即時間延遲階數(shù)為6,可以解讀為當(dāng)前時刻的客流量與前6個5 min的客流量關(guān)系最密切,通過每6個5 min間隔的客流量進(jìn)行預(yù)測能較好的捕捉到客流數(shù)據(jù)的內(nèi)在發(fā)展規(guī)律,得到較好的預(yù)測結(jié)果.對于15 min時間測度的工作日和節(jié)假日最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為4-10-1,即時間延遲階數(shù)為4,可以解讀為當(dāng)前時刻的客流量與前4個15 min的客流量關(guān)系最密切,通過每4個15 min間隔的客流量進(jìn)行預(yù)測能較好的捕捉到客流數(shù)據(jù)的內(nèi)在發(fā)展規(guī)律,得到較好的預(yù)測結(jié)果.進(jìn)一步運用傳統(tǒng)的線性時間序列ARIMA(p,d,q)預(yù)測模型對同樣的試驗樣本數(shù)據(jù)進(jìn)行建模及預(yù)測,選取不同參數(shù)設(shè)置下的各個ARIMA模型中預(yù)測平均絕對誤差最小的模型與文中提出的模型進(jìn)行預(yù)測結(jié)果的對比分析,測試樣本得到的預(yù)測數(shù)據(jù)和真實客流值的比較見圖4~5.

    圖4 工作日短時客流預(yù)測圖

    圖5 節(jié)假日短時客流預(yù)測圖

    3.3 結(jié)果分析

    MAE(mean absolute error)能很好地反映預(yù)測值誤差的實際情況,RMSE(root mean squared error)可以評價數(shù)據(jù)與預(yù)測模型適應(yīng)性.采用平均絕對誤差MAE和均方根誤差RMSE兩個評價指標(biāo)對各個模型的預(yù)測性能進(jìn)行量化對比分析,結(jié)果列于表1~2.

    (4)

    (5)

    表1 工作日預(yù)測誤差指標(biāo)

    表2 節(jié)假日預(yù)測誤差指標(biāo)

    由圖4~5可知,NARNN模型預(yù)測結(jié)果與測試數(shù)據(jù)的實際值能較好地擬合,該模型能夠反映出客流數(shù)據(jù)的動態(tài)發(fā)展趨勢及變化規(guī)律,且相比于ARIMA模型,其預(yù)測結(jié)果更貼近真實值.由表1~2可知,NARNN模型有比ARIMA模型更小的MAE和RMSE指標(biāo)值,即其有更高的預(yù)測精度和模型適應(yīng)性.NARNN模型對工作日和節(jié)假日預(yù)測的MAE值在相同的時間間隔測度下相差不大,分別為17人·次/5 min、43人·次/15 min及18人·次/5 min、48人·次/15 min,相比于工作日132人·次/5 min、395人·次/15 min的平均進(jìn)站客流量,節(jié)假日177人·次/5 min、527人·次/15 min的平均進(jìn)站客流量,該誤差在可接受的范圍內(nèi),表明該模型可以用于短時進(jìn)站客流的預(yù)測.通過進(jìn)一步比較不同時間間隔的誤差指標(biāo),15 min預(yù)測結(jié)果的MAE值均小于經(jīng)5 min時間間隔擴算得到的MAE值,該結(jié)果表明隨著數(shù)據(jù)的波動性和隨機性增大,模型的預(yù)測精度有所降低.

    4 結(jié)束語

    利用非線性自回歸歸神經(jīng)網(wǎng)絡(luò)(NARNN)模型對地鐵短時進(jìn)站客流進(jìn)行了預(yù)測,采用實際的地鐵車站工作日及節(jié)假日AFC刷卡數(shù)據(jù)進(jìn)行了實例分析,并與線性ARIMA預(yù)測模型的預(yù)測結(jié)果進(jìn)行比較分析.研究結(jié)果表明,該模型在不同時間測度下對工作日和節(jié)假日的地鐵進(jìn)站客流數(shù)據(jù)均能較好地擬合,表明其具有一定的應(yīng)用價值,但隨著數(shù)據(jù)波動性和隨機性的增大,模型的預(yù)測精度有所降低;與線性時間序列預(yù)測模型相比,該模型預(yù)測結(jié)果具有更小的平均絕對誤差和均方根誤差,表明其預(yù)測精度優(yōu)于線性時間序列預(yù)測模型.

    猜你喜歡
    客流量進(jìn)站客流
    客流增多
    進(jìn)站口上下行載頻切換時引起ATP制動問題分析
    春運期間北京西站共有154.8萬人次刷臉進(jìn)站
    祖國(2018年6期)2018-06-27 10:27:26
    閱讀(科學(xué)探秘)(2018年8期)2018-05-14 10:06:29
    基于嵌入式系統(tǒng)的商場客流量統(tǒng)計算法
    基于自學(xué)習(xí)補償?shù)氖覂?nèi)定位及在客流分析中的應(yīng)用
    基于AFC數(shù)據(jù)的城軌站間客流量分布預(yù)測
    人工免疫算法在電梯客流時段劃分的應(yīng)用
    重慶軌道交通三號線列車進(jìn)站警示功能接口電路的分析
    城市軌道交通運營客流數(shù)據(jù)分析缺陷及應(yīng)對
    神马国产精品三级电影在线观看| 动漫黄色视频在线观看| 午夜福利在线在线| 女生性感内裤真人,穿戴方法视频| 老鸭窝网址在线观看| 97超级碰碰碰精品色视频在线观看| 久久精品国产亚洲av天美| 欧美日本视频| 久久国产乱子伦精品免费另类| 色哟哟·www| 亚洲av免费高清在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产精品国产高清国产av| 亚洲自拍偷在线| 亚洲av日韩精品久久久久久密| 禁无遮挡网站| 亚洲在线自拍视频| 免费在线观看影片大全网站| 99在线人妻在线中文字幕| av在线天堂中文字幕| 亚洲熟妇中文字幕五十中出| 级片在线观看| 国产精品一区二区免费欧美| 亚洲天堂国产精品一区在线| 国产一级毛片七仙女欲春2| 国产不卡一卡二| 日本免费a在线| 国产精品久久久久久人妻精品电影| 国产真实乱freesex| 99热这里只有是精品在线观看 | 欧美+亚洲+日韩+国产| 国产av不卡久久| 亚洲成av人片免费观看| 99久久成人亚洲精品观看| 欧美激情国产日韩精品一区| 国产真实伦视频高清在线观看 | 亚洲欧美激情综合另类| 熟妇人妻久久中文字幕3abv| 亚洲成人精品中文字幕电影| 成人午夜高清在线视频| 99久久成人亚洲精品观看| 免费av不卡在线播放| 婷婷六月久久综合丁香| 国产精品久久久久久人妻精品电影| 亚洲av不卡在线观看| 日本熟妇午夜| 中文字幕人成人乱码亚洲影| a在线观看视频网站| 高清在线国产一区| 亚洲一区二区三区色噜噜| 欧美黄色片欧美黄色片| 成人性生交大片免费视频hd| 国产午夜精品论理片| 2021天堂中文幕一二区在线观| 我要看日韩黄色一级片| 欧美丝袜亚洲另类 | 免费看a级黄色片| 乱人视频在线观看| 亚洲成a人片在线一区二区| 亚洲国产日韩欧美精品在线观看| 免费看光身美女| 国产野战对白在线观看| 亚洲国产精品成人综合色| 一卡2卡三卡四卡精品乱码亚洲| 国产探花极品一区二区| 男女做爰动态图高潮gif福利片| 久久久久久久精品吃奶| 欧美高清性xxxxhd video| 激情在线观看视频在线高清| 免费电影在线观看免费观看| 国产精品美女特级片免费视频播放器| 亚洲午夜理论影院| 男女下面进入的视频免费午夜| 亚洲av熟女| 精品日产1卡2卡| 成人高潮视频无遮挡免费网站| 搡老岳熟女国产| 精品免费久久久久久久清纯| 久久精品国产亚洲av天美| 亚洲av五月六月丁香网| 国产精品一区二区三区四区久久| 久久久久性生活片| 国内精品一区二区在线观看| 国产免费av片在线观看野外av| 97热精品久久久久久| 天堂影院成人在线观看| 91字幕亚洲| 综合色av麻豆| 国内精品久久久久久久电影| 亚洲国产日韩欧美精品在线观看| 热99在线观看视频| 一本久久中文字幕| 窝窝影院91人妻| 日本五十路高清| 一级毛片久久久久久久久女| 精品日产1卡2卡| 久久国产精品影院| 欧美黄色片欧美黄色片| 在线看三级毛片| 日本熟妇午夜| 男女做爰动态图高潮gif福利片| 午夜免费激情av| 日韩大尺度精品在线看网址| 久久精品人妻少妇| 91久久精品国产一区二区成人| 国产成人啪精品午夜网站| 国产精品亚洲一级av第二区| 琪琪午夜伦伦电影理论片6080| aaaaa片日本免费| 欧美乱色亚洲激情| 欧美黄色片欧美黄色片| 国产69精品久久久久777片| 一个人看视频在线观看www免费| 3wmmmm亚洲av在线观看| 最近在线观看免费完整版| 麻豆一二三区av精品| 国产男靠女视频免费网站| 精品免费久久久久久久清纯| 久久久精品大字幕| 精品人妻视频免费看| 最近中文字幕高清免费大全6 | 亚洲欧美日韩高清在线视频| 村上凉子中文字幕在线| www.www免费av| 午夜精品一区二区三区免费看| 午夜福利高清视频| 欧美激情在线99| 国产大屁股一区二区在线视频| 999久久久精品免费观看国产| 九色成人免费人妻av| 一级黄片播放器| 久久久久久久久久成人| 亚洲av美国av| 欧美3d第一页| 午夜福利在线观看免费完整高清在 | 日本一二三区视频观看| 搡老熟女国产l中国老女人| 国产不卡一卡二| 午夜免费激情av| 国产激情偷乱视频一区二区| 国内揄拍国产精品人妻在线| 真人一进一出gif抽搐免费| 中文字幕高清在线视频| 精品国产三级普通话版| 成年人黄色毛片网站| 看黄色毛片网站| 国产一区二区在线观看日韩| 国产精品嫩草影院av在线观看 | 亚洲欧美日韩东京热| 大型黄色视频在线免费观看| 丰满人妻一区二区三区视频av| 欧美精品国产亚洲| 99国产精品一区二区蜜桃av| 天堂影院成人在线观看| 2021天堂中文幕一二区在线观| 久久亚洲真实| 赤兔流量卡办理| 3wmmmm亚洲av在线观看| 精品熟女少妇八av免费久了| 成年版毛片免费区| 国产精品日韩av在线免费观看| 又爽又黄无遮挡网站| 免费无遮挡裸体视频| 亚洲国产欧洲综合997久久,| 国产精品久久久久久久久免 | 69av精品久久久久久| 十八禁国产超污无遮挡网站| 日本与韩国留学比较| 欧美黑人巨大hd| 高潮久久久久久久久久久不卡| av天堂在线播放| 亚洲欧美日韩卡通动漫| av专区在线播放| 18禁黄网站禁片免费观看直播| 午夜老司机福利剧场| 真人做人爱边吃奶动态| 3wmmmm亚洲av在线观看| 午夜激情欧美在线| 亚洲成人免费电影在线观看| 观看美女的网站| 尤物成人国产欧美一区二区三区| 国产av在哪里看| 老鸭窝网址在线观看| 可以在线观看毛片的网站| 18禁黄网站禁片免费观看直播| 国产精华一区二区三区| 亚洲无线观看免费| 亚洲18禁久久av| 久久99热6这里只有精品| 黄色日韩在线| 欧美性感艳星| 日韩欧美国产在线观看| 日韩成人在线观看一区二区三区| 久9热在线精品视频| 久久精品国产亚洲av涩爱 | 在线播放无遮挡| 久久这里只有精品中国| 日本撒尿小便嘘嘘汇集6| 亚洲av二区三区四区| 一二三四社区在线视频社区8| 欧美高清成人免费视频www| 国产高清激情床上av| 成人性生交大片免费视频hd| 国产亚洲精品久久久久久毛片| 久久久久久国产a免费观看| 老司机福利观看| 身体一侧抽搐| 亚洲av熟女| 人妻丰满熟妇av一区二区三区| 日本与韩国留学比较| 高清毛片免费观看视频网站| 757午夜福利合集在线观看| 欧美黑人欧美精品刺激| 蜜桃亚洲精品一区二区三区| 午夜福利在线观看免费完整高清在 | 国产大屁股一区二区在线视频| av中文乱码字幕在线| 毛片一级片免费看久久久久 | 天天一区二区日本电影三级| 亚洲精品色激情综合| 国产69精品久久久久777片| 夜夜看夜夜爽夜夜摸| 超碰av人人做人人爽久久| 精品久久久久久久久久免费视频| 色噜噜av男人的天堂激情| 麻豆成人午夜福利视频| 日本成人三级电影网站| 深爱激情五月婷婷| 成人一区二区视频在线观看| 欧美午夜高清在线| 老司机午夜福利在线观看视频| 三级国产精品欧美在线观看| 久久午夜福利片| 在线播放无遮挡| 久久久久久久久久黄片| 亚洲第一电影网av| 欧美bdsm另类| 国内精品久久久久久久电影| 国产精品综合久久久久久久免费| 国产成人影院久久av| 亚洲,欧美,日韩| АⅤ资源中文在线天堂| 中文字幕人妻熟人妻熟丝袜美| 2021天堂中文幕一二区在线观| 亚洲最大成人手机在线| 精品不卡国产一区二区三区| 一区二区三区四区激情视频 | 69av精品久久久久久| 波多野结衣巨乳人妻| 九九久久精品国产亚洲av麻豆| 亚洲欧美激情综合另类| 在线观看av片永久免费下载| 久久九九热精品免费| 日韩国内少妇激情av| 女生性感内裤真人,穿戴方法视频| 欧美国产日韩亚洲一区| 精品久久久久久久久亚洲 | 亚洲国产日韩欧美精品在线观看| 国产成人福利小说| 欧美一级a爱片免费观看看| 婷婷色综合大香蕉| 欧美色欧美亚洲另类二区| 成人特级黄色片久久久久久久| 天美传媒精品一区二区| 日日摸夜夜添夜夜添av毛片 | 久久久国产成人免费| .国产精品久久| 国内毛片毛片毛片毛片毛片| 真人做人爱边吃奶动态| 亚洲精品粉嫩美女一区| 亚洲在线自拍视频| 精品乱码久久久久久99久播| 成熟少妇高潮喷水视频| 久久国产乱子伦精品免费另类| 国产人妻一区二区三区在| 精品不卡国产一区二区三区| 最近最新免费中文字幕在线| 黄色一级大片看看| 亚洲七黄色美女视频| 精品久久久久久久人妻蜜臀av| 99热只有精品国产| 精品久久久久久久久久久久久| 搡老岳熟女国产| 热99re8久久精品国产| 999久久久精品免费观看国产| 欧美成人a在线观看| 国产免费男女视频| 我要搜黄色片| 日日摸夜夜添夜夜添小说| 国产精品一及| 99久久成人亚洲精品观看| 丁香欧美五月| 日本黄色片子视频| 午夜免费成人在线视频| 最近在线观看免费完整版| 日本成人三级电影网站| 中国美女看黄片| 又黄又爽又免费观看的视频| 免费观看人在逋| 亚洲中文日韩欧美视频| 亚洲精品色激情综合| www.熟女人妻精品国产| 色综合亚洲欧美另类图片| 久久久久性生活片| 亚洲av五月六月丁香网| 丰满人妻一区二区三区视频av| 俺也久久电影网| 久久久久久久亚洲中文字幕 | 久久久久久久亚洲中文字幕 | 最近最新中文字幕大全电影3| 精品久久久久久久久亚洲 | av在线老鸭窝| 亚洲综合色惰| 成人亚洲精品av一区二区| 男人舔奶头视频| 欧美乱妇无乱码| 国产精品亚洲一级av第二区| av视频在线观看入口| 国产激情偷乱视频一区二区| 国产黄a三级三级三级人| 九色国产91popny在线| 热99在线观看视频| xxxwww97欧美| 亚洲真实伦在线观看| 欧美xxxx性猛交bbbb| 午夜福利在线观看免费完整高清在 | 亚洲人成网站高清观看| 国产主播在线观看一区二区| 色av中文字幕| 1000部很黄的大片| 嫩草影院入口| 特级一级黄色大片| 一级毛片久久久久久久久女| 色5月婷婷丁香| 精品久久国产蜜桃| 真实男女啪啪啪动态图| 婷婷六月久久综合丁香| 在线播放国产精品三级| 日本 av在线| 色综合欧美亚洲国产小说| 美女大奶头视频| 两人在一起打扑克的视频| 神马国产精品三级电影在线观看| 国产成人aa在线观看| 日韩中文字幕欧美一区二区| 嫁个100分男人电影在线观看| av福利片在线观看| 亚洲精品久久国产高清桃花| 日本黄色视频三级网站网址| 精品欧美国产一区二区三| 久久精品91蜜桃| 在线观看午夜福利视频| 夜夜看夜夜爽夜夜摸| 最后的刺客免费高清国语| 欧美最新免费一区二区三区 | 两性午夜刺激爽爽歪歪视频在线观看| а√天堂www在线а√下载| 内射极品少妇av片p| 丰满乱子伦码专区| 色综合婷婷激情| 淫秽高清视频在线观看| 精品国产三级普通话版| 欧美国产日韩亚洲一区| 国产精品,欧美在线| 国产aⅴ精品一区二区三区波| 久久久成人免费电影| 亚洲久久久久久中文字幕| 久久精品久久久久久噜噜老黄 | 欧美潮喷喷水| 九色成人免费人妻av| 成人一区二区视频在线观看| 亚洲国产欧美人成| 在线播放无遮挡| 听说在线观看完整版免费高清| 在线观看舔阴道视频| 俄罗斯特黄特色一大片| 亚洲无线观看免费| 国产伦人伦偷精品视频| 白带黄色成豆腐渣| 性色av乱码一区二区三区2| 亚洲成av人片在线播放无| 成人特级av手机在线观看| 看黄色毛片网站| 中文字幕熟女人妻在线| 一本综合久久免费| 久久6这里有精品| 国产伦一二天堂av在线观看| 欧美zozozo另类| 亚洲最大成人中文| 国产精品久久久久久人妻精品电影| 免费看光身美女| 国产伦人伦偷精品视频| 国产乱人伦免费视频| 国模一区二区三区四区视频| 亚洲成人免费电影在线观看| 别揉我奶头~嗯~啊~动态视频| 每晚都被弄得嗷嗷叫到高潮| 在线免费观看不下载黄p国产 | 亚洲最大成人av| 搡老熟女国产l中国老女人| 欧美日韩乱码在线| 国产乱人伦免费视频| 中国美女看黄片| 亚洲 欧美 日韩 在线 免费| 熟女人妻精品中文字幕| 国产精品影院久久| 极品教师在线视频| 亚洲综合色惰| 脱女人内裤的视频| 久久久久久大精品| 欧美高清成人免费视频www| 美女xxoo啪啪120秒动态图 | 青草久久国产| 国产精品综合久久久久久久免费| xxxwww97欧美| avwww免费| av黄色大香蕉| 国产成年人精品一区二区| 十八禁国产超污无遮挡网站| 久久久久久国产a免费观看| 国产亚洲精品综合一区在线观看| 偷拍熟女少妇极品色| 人妻制服诱惑在线中文字幕| 久久天躁狠狠躁夜夜2o2o| 三级男女做爰猛烈吃奶摸视频| 欧美xxxx黑人xx丫x性爽| 在线天堂最新版资源| 最近在线观看免费完整版| 又粗又爽又猛毛片免费看| 国产69精品久久久久777片| 欧美bdsm另类| av在线老鸭窝| 色哟哟·www| 国产亚洲精品综合一区在线观看| 天美传媒精品一区二区| 成年版毛片免费区| 欧美乱妇无乱码| 欧美+亚洲+日韩+国产| 国产精品亚洲av一区麻豆| 亚洲成人免费电影在线观看| 久久九九热精品免费| 亚洲专区中文字幕在线| 蜜桃亚洲精品一区二区三区| 香蕉av资源在线| 又黄又爽又刺激的免费视频.| 精品久久久久久久久av| 国产免费男女视频| 日韩欧美精品免费久久 | 99久久精品国产亚洲精品| 五月伊人婷婷丁香| 亚洲天堂国产精品一区在线| 久久久久久国产a免费观看| 成人永久免费在线观看视频| 18美女黄网站色大片免费观看| 成年女人看的毛片在线观看| 狂野欧美白嫩少妇大欣赏| 国产真实伦视频高清在线观看 | 熟女电影av网| 三级毛片av免费| 亚洲国产精品999在线| 久久伊人香网站| 精品午夜福利在线看| 少妇的逼水好多| 在线观看美女被高潮喷水网站 | 日本a在线网址| 亚洲精品一卡2卡三卡4卡5卡| 欧美乱妇无乱码| 久久久久亚洲av毛片大全| 午夜福利成人在线免费观看| 在线免费观看的www视频| 亚洲中文日韩欧美视频| 欧美在线一区亚洲| 国产精品一区二区性色av| 非洲黑人性xxxx精品又粗又长| 丁香欧美五月| 99热这里只有是精品50| 俄罗斯特黄特色一大片| 小说图片视频综合网站| 国产麻豆成人av免费视频| 一级a爱片免费观看的视频| 又爽又黄a免费视频| 麻豆国产97在线/欧美| 亚洲午夜理论影院| 制服丝袜大香蕉在线| 91狼人影院| 在线观看美女被高潮喷水网站 | 日本五十路高清| 国产人妻一区二区三区在| 动漫黄色视频在线观看| 俺也久久电影网| 国产老妇女一区| 啪啪无遮挡十八禁网站| 日本熟妇午夜| 男女之事视频高清在线观看| 成人永久免费在线观看视频| 国内毛片毛片毛片毛片毛片| 国产亚洲精品av在线| 久久久久久大精品| 看黄色毛片网站| 色综合站精品国产| 波多野结衣巨乳人妻| 亚洲最大成人av| 在线观看舔阴道视频| 欧美性感艳星| 亚洲,欧美,日韩| 搡老妇女老女人老熟妇| 欧美绝顶高潮抽搐喷水| 国产精品女同一区二区软件 | 亚洲专区国产一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲专区国产一区二区| 国产精品嫩草影院av在线观看 | 美女黄网站色视频| 国产熟女xx| a在线观看视频网站| 亚洲精品在线观看二区| av黄色大香蕉| 国产精品精品国产色婷婷| 麻豆成人av在线观看| 午夜激情福利司机影院| 热99在线观看视频| 真人做人爱边吃奶动态| 亚洲精华国产精华精| 久久精品人妻少妇| 欧美国产日韩亚洲一区| a级毛片a级免费在线| 波野结衣二区三区在线| 51国产日韩欧美| 99久久精品热视频| 赤兔流量卡办理| 日本 欧美在线| 亚洲精品亚洲一区二区| www.熟女人妻精品国产| 舔av片在线| 麻豆成人av在线观看| aaaaa片日本免费| 我的女老师完整版在线观看| 一本综合久久免费| 亚洲av免费高清在线观看| 美女大奶头视频| 高潮久久久久久久久久久不卡| 69人妻影院| 日本黄大片高清| 国产精品久久久久久久久免 | 乱码一卡2卡4卡精品| 国产精品精品国产色婷婷| 午夜两性在线视频| 久久久国产成人精品二区| 亚洲,欧美精品.| 国产精品99久久久久久久久| 亚洲欧美日韩高清专用| 婷婷色综合大香蕉| 日日摸夜夜添夜夜添小说| 天天躁日日操中文字幕| 午夜福利在线在线| 国产大屁股一区二区在线视频| 俄罗斯特黄特色一大片| 午夜福利在线观看免费完整高清在 | 成人高潮视频无遮挡免费网站| 99在线视频只有这里精品首页| 色噜噜av男人的天堂激情| 99久久精品一区二区三区| 夜夜爽天天搞| 嫩草影视91久久| 中文字幕人妻熟人妻熟丝袜美| 国内毛片毛片毛片毛片毛片| 三级国产精品欧美在线观看| 精品久久久久久成人av| 欧美日韩中文字幕国产精品一区二区三区| 国产黄片美女视频| 99热6这里只有精品| 国产精品免费一区二区三区在线| 欧美+日韩+精品| 在现免费观看毛片| 精品久久久久久久久亚洲 | 午夜福利在线在线| 十八禁国产超污无遮挡网站| 欧美成人性av电影在线观看| 91字幕亚洲| 国产aⅴ精品一区二区三区波| 国产黄色小视频在线观看| av在线蜜桃| 亚洲不卡免费看| 黄色视频,在线免费观看| 亚洲中文字幕一区二区三区有码在线看| 色综合欧美亚洲国产小说| 欧美一区二区国产精品久久精品| 99视频精品全部免费 在线| 桃色一区二区三区在线观看| 波多野结衣高清作品| 白带黄色成豆腐渣| 日本撒尿小便嘘嘘汇集6| 精品午夜福利在线看| 精品福利观看| 麻豆av噜噜一区二区三区| 国产av不卡久久| 一级黄色大片毛片| 国产精品伦人一区二区| 床上黄色一级片| 国产视频一区二区在线看| 99久国产av精品| 亚洲av美国av| netflix在线观看网站| 久久亚洲真实| 欧美日韩国产亚洲二区| 日韩精品青青久久久久久| 国产精品亚洲av一区麻豆| 婷婷六月久久综合丁香| 成人美女网站在线观看视频| 成人特级av手机在线观看| 日韩国内少妇激情av| 久久九九热精品免费| 色在线成人网| 亚洲在线自拍视频| 嫩草影院新地址|