• <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 ?

    基于隨機(jī)森林算法的路面狀況指數(shù)預(yù)測

    2021-11-11 01:33:24裴莉莉戶媛姣
    公路交通科技 2021年10期
    關(guān)鍵詞:路面神經(jīng)網(wǎng)絡(luò)森林

    余 婷,裴莉莉,李 偉,戶媛姣,楊 明

    (長安大學(xué) 信息工程學(xué)院,陜西 西安 710064)

    0 引言

    公路從正式開始運營后會受到各種交通工具的荷載及自然環(huán)境因素的干擾,其路面的使用性能將不斷衰弱,倘若無法及時進(jìn)行檢測與養(yǎng)護(hù),愈發(fā)嚴(yán)重的道路破損將使路面使用性能極速減弱[1]。為及時對破損路面采取相應(yīng)的養(yǎng)護(hù)措施,需要利用收集的路面使用性能數(shù)據(jù),研究并掌握路面使用性能[2]的衰變特點,以便公路管理部門作出最佳養(yǎng)護(hù)決策。而傳統(tǒng)的道路路況調(diào)查以人工調(diào)查為主[3],耗時長、效率低,在各種損壞情況和程度的判斷上很容易產(chǎn)生嚴(yán)重的主觀偏差,且各種損壞的判別界限具有模糊性,無法達(dá)到當(dāng)前公路養(yǎng)護(hù)管理要求。

    人工智能技術(shù)在近幾年強(qiáng)勢崛起,并且逐漸應(yīng)用于交通、醫(yī)療、國防等生產(chǎn)生活中[4]。2019年全國交通運輸工作會議的主旨就是以智慧交通為主導(dǎo),加大交通運輸與互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的深層次融合,使交通運輸決策更加科學(xué)化[5]。隨著對路面使用性能的深入研究,世界各國學(xué)者開始嘗試使用人工智能算法對路面使用性能進(jìn)行預(yù)測[6]。李波等[7]和張亮等[8]分別采用主成分分析法和灰色馬爾可夫模型對路面破損狀況進(jìn)行了預(yù)測。顏可珍等[9]建立了參數(shù)優(yōu)化的最小二乘支持向量機(jī)模型,能夠可靠地對路面性能作出評價。樊旭英等[10]在發(fā)現(xiàn)稀漿封層技術(shù)可有效減緩瀝青路面低溫病害發(fā)生的基礎(chǔ)上,對熵權(quán)-層次分析法進(jìn)行改進(jìn),建立了瀝青路面預(yù)養(yǎng)護(hù)評價模型。Sollazzo等[11]利用路面長期性能數(shù)據(jù)庫,采用人工神經(jīng)網(wǎng)絡(luò)模型來建立瀝青路面平整度與結(jié)構(gòu)性能之間的關(guān)系,發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)優(yōu)于經(jīng)典的線性回歸方法。Abdelaziz等[12]從一般路面研究和特定路面研究收集原始和重疊柔性路面的數(shù)據(jù)建立了國際平整度指數(shù)(International Roughness Index,IRI)預(yù)測模型,同樣得出ANNs模型比回歸模型預(yù)測準(zhǔn)確度更好。Zhang等[13]基于權(quán)重分布理論討論了Pavement ME Design模型和改進(jìn)的灰色預(yù)測模型預(yù)測多年凍土區(qū)瀝青路面橫向裂縫的互補(bǔ)優(yōu)勢,并開發(fā)了考慮區(qū)域特征的組合預(yù)測模型。Li等[14]開發(fā)一種創(chuàng)新的基于模糊趨勢時間序列預(yù)測和粒子群優(yōu)化(PSO)技術(shù)的IRI預(yù)測模型,且該方法優(yōu)于多項式擬合、自回歸積分移動平均法。李海蓮等[15]通過研究傳統(tǒng)路面性能預(yù)測方法,利用改進(jìn)的螢火蟲算法加快支持向量機(jī)模型的尋優(yōu)過程,驗證表明該模型收斂速度更快,精度更高。

    以上研究表明,支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法已廣泛應(yīng)用于路面性能預(yù)測建模,且預(yù)測模型具有較高精度。本研究通過對加拿大安大略省某公路的路面特征和路面綜合狀況指標(biāo)等數(shù)據(jù)進(jìn)行調(diào)查分析研究,構(gòu)建隨機(jī)森林路面狀況指數(shù)(PCI)預(yù)測模型,再對所構(gòu)建的模型的擬合效果和預(yù)測精度進(jìn)行優(yōu)化和評價分析,最終得到具有較高效率、較高精度和較低誤差的預(yù)測模型來解決PCI的預(yù)測問題。

    1 數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理

    首先利用ARAN9000多功能檢測車獲取加拿大安大略省某公路檢測數(shù)據(jù),再在了解各項數(shù)據(jù)特征后對其進(jìn)行數(shù)據(jù)預(yù)處理,使得最后建立模型的預(yù)測效果更好。整體技術(shù)路線如圖1所示。

    1.1 基于ARAN9000的道路三維數(shù)據(jù)獲取

    路面自動化快速檢測技術(shù)從對路面平整度、車轍等單一性能指標(biāo)檢測逐漸發(fā)展到了模塊化的多功能路面綜合檢測。ARAN9000多功能道路檢測車是由加拿大Fugro-Roadware公司研發(fā)的用于在高速公路上即時收集公路信息資料并進(jìn)行數(shù)據(jù)處理的多功能檢測車,它把精確的硬件勘察系統(tǒng)和功能強(qiáng)大的軟件系統(tǒng)集成在一起,可實現(xiàn)對任何公路的數(shù)據(jù)采集計劃。硬件系統(tǒng)包括道路平整度測量系統(tǒng)、路面病害測量系統(tǒng)、車轍測量系統(tǒng)等。軟件系統(tǒng)包括Vision(一體化數(shù)據(jù)處理和分析軟件套件)、Ivision(基于網(wǎng)絡(luò)的應(yīng)用程序)、Surveyor(路產(chǎn)管理應(yīng)用軟件)等。

    圖1 路面破損狀況指數(shù)預(yù)測技術(shù)路線Fig.1 Technical route of PCI prediction

    通過ARAN9000多功能道路檢測車對加拿大安大略省21號公路進(jìn)行數(shù)據(jù)采集,獲取到該公路路面特征數(shù)據(jù)集,具體分類與示例見表1。

    1.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)紛雜繁復(fù)且大部分會存在缺失值,甚至包含許多錯誤或虛假數(shù)據(jù),在數(shù)據(jù)分析前對數(shù)據(jù)進(jìn)行預(yù)處理,不僅可提升數(shù)據(jù)分析的質(zhì)量,而且可節(jié)省實際分析所用的時間。

    專業(yè)人員對原始數(shù)據(jù)進(jìn)行了分析,并采用方差選擇法去除了IDSession和Status等無關(guān)輔助特征,之后采用皮爾遜相關(guān)系數(shù)對余下特征因子進(jìn)行了相關(guān)性分析。變量X和變量Y的皮爾遜相關(guān)系數(shù)ρX,Y公式為:

    表1 數(shù)據(jù)集分類與示例Tab.1 Data set classification and examples

    (1)

    式中,cov(X,Y)為X與Y之間的協(xié)方差;σX為X的標(biāo)準(zhǔn)差;σY為Y的標(biāo)準(zhǔn)差。

    根據(jù)分析結(jié)果去除與預(yù)測目標(biāo)PCI相關(guān)性低的特征,最終得到包含路面特征在內(nèi)的3 000多組數(shù)據(jù)。

    此時數(shù)據(jù)中有大量的裂縫數(shù)據(jù)缺失,但由于每段路面不一定包含所有裂縫特征,因此和專業(yè)技術(shù)人員溝通并對比均值填充、拉格朗日插值等數(shù)據(jù)修復(fù)效果后,采用填零的方法修復(fù)缺失數(shù)據(jù)。其次發(fā)現(xiàn)預(yù)測目標(biāo)PCI有19行數(shù)據(jù)缺失,相對于整體數(shù)據(jù)量來說比例較小,所以選擇直接刪除。

    經(jīng)過特征篩選后,數(shù)據(jù)分布仍存在明顯的不平衡性,此現(xiàn)象可由圖2中原始特征變量數(shù)據(jù)的均值、方差看出,同時每個特征變量的極值之間差距較大。因此,為避免不同特征變量數(shù)據(jù)分布差異性導(dǎo)致的模型過擬合現(xiàn)象,必須對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化操作。

    圖2 部分特征變量的描述性統(tǒng)計Fig.2 Descriptive statistics of some feature variables

    采用離差標(biāo)準(zhǔn)化方法把數(shù)據(jù)映射到0~1范圍之內(nèi),用式(2)轉(zhuǎn)換:

    (2)

    式中,x*為標(biāo)準(zhǔn)化后的值;x為數(shù)據(jù)原始值;min為最小值;max為最大值。

    經(jīng)歸一化處理后,無論是模型的收斂速度還是模型的預(yù)測速度都有了大幅度提升。

    2 基于機(jī)器學(xué)習(xí)的PCI預(yù)測

    2.1 隨機(jī)森林

    隨機(jī)森林(Random Forest,RF)[16]是bagging集成學(xué)習(xí)算法演變而來的基于決策樹的機(jī)器學(xué)習(xí)算法。用隨機(jī)方式構(gòu)建一個由多棵互相獨立決策樹組成的森林。通過對特征劃分結(jié)果的優(yōu)劣進(jìn)行不純性度量,并計算信息增益來選擇分裂特征。從根節(jié)點按照特征劃分條件和節(jié)點純度最小原則,向下分裂直到滿足規(guī)則時停止,最終的預(yù)測結(jié)果是對每棵決策樹結(jié)果的加權(quán)平均值?;驹硪妶D3。

    圖3 隨機(jī)森林算法基本原理Fig.3 Basic principle of random forest algorithm

    通常用信息熵[17]作為衡量數(shù)據(jù)集純度的一種指標(biāo)。設(shè)第k類數(shù)據(jù)占所有數(shù)據(jù)集X的比例為pk(k=1,2,…,n),則定義數(shù)據(jù)集X的信息熵為:

    (3)

    若H(X)的值越小,那么數(shù)據(jù)集X的混亂程度越低,純度越高。

    假設(shè)使用離散特征a來對數(shù)據(jù)集X進(jìn)行劃分,就會產(chǎn)生V個分類結(jié)果,其中第V個分類結(jié)果包含的所有數(shù)據(jù),記為XV。根據(jù)式(3)計算出XV的信息熵,再考慮到不同的分類結(jié)果所包含的數(shù)據(jù)量不同,因此給每個分類結(jié)果給予1個權(quán)重|XV|/|X|,表明數(shù)據(jù)量越多的分類結(jié)果作用越大,于是計算利用特征a對數(shù)據(jù)集X進(jìn)行分裂所獲得的信息增益:

    (4)

    通常來說,Gain(D,a)值越大,就說明利用特征a來進(jìn)行分裂后,數(shù)據(jù)集的復(fù)雜度減小得越多,分類的結(jié)果越明顯。

    隨機(jī)森林在有放回地從原始的數(shù)據(jù)集上隨機(jī)抽取m個子樣本的基礎(chǔ)上,在訓(xùn)練單個決策樹時,再隨機(jī)選取k個特征,并從這k個特征中選擇最優(yōu)特征來分裂節(jié)點,這使得隨機(jī)森林模型不會輕易過度學(xué)習(xí)訓(xùn)練集的特征,且降低了模型的方差。實現(xiàn)流程圖如圖4所示。

    圖4 隨機(jī)森林算法實現(xiàn)流程Fig.4 Implementation process of random forest algorithm

    2.2 其他模型

    2.2.1 多元線性回歸

    多元線性回歸算法是利用最小二乘法來擬合回歸方程,主要用于處理多變量間的關(guān)系,即建立因變量y與多個自變量x之間的統(tǒng)計關(guān)系。其數(shù)學(xué)模型為:

    y=β0+β1x1+β2x2+…+βpxp+ε,

    (5)

    式中,y為因變量;x為自變量;β為自變量x的系數(shù);p為自變量的個數(shù);ε為預(yù)測值與真實值之間的殘差。

    2.2.2 BP神經(jīng)網(wǎng)絡(luò)

    神經(jīng)網(wǎng)絡(luò)模型是一種分布式并行運算的模型[18-19]。輸入信號首先經(jīng)過加權(quán)到隱藏節(jié)點,再通過激活函數(shù),從隱藏節(jié)點輸出并經(jīng)過加權(quán)傳播到輸出層節(jié)點,最后輸出層處理得到輸出結(jié)果,結(jié)構(gòu)見圖5。

    圖5 多層前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)Fig.5 Structure of multilayer forward neural network

    (6)

    網(wǎng)絡(luò)訓(xùn)練要使J的值最小,其權(quán)值的訓(xùn)練算法可描述為:

    (7)

    式中,w(t)為t時刻的權(quán)值;η為學(xué)習(xí)率[21]。

    在進(jìn)行模型構(gòu)建時,首先需要確定BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu),其次根據(jù)BP算法進(jìn)行訓(xùn)練,具體流程如圖6所示。

    圖6 BP神經(jīng)網(wǎng)絡(luò)模型的流程Fig.6 Flowchart of BP neural network model

    3 模型預(yù)測結(jié)果與對比

    3.1 模型評判標(biāo)準(zhǔn)

    為了對模型的預(yù)測結(jié)果進(jìn)行定量分析與比較,采用復(fù)相關(guān)系數(shù)R2、均方根誤差(Root Mean Square Error,RMSE)和平均絕對誤差(Mean Absolute Error,MAE)作為評價模型性能的指標(biāo)。如果數(shù)據(jù)點大多分布在擬合回歸線附近,則表明模型預(yù)測精度較高,誤差相對較小。計算公式如下:

    (8)

    (9)

    (10)

    式中,x為變量的值(本研究指PCI);xi(i=1,2,…,n)為真實值;x′0為xi的平均值;xp為xi的預(yù)測值;n為測量值的總個數(shù)。

    3.2 模型預(yù)測結(jié)果

    3.2.1 多元線性回歸預(yù)測結(jié)果

    將路面檢測狀況和往年路面評價指標(biāo)作為自變量,PCI為因變量,得到表2所示的多元線性回歸性能結(jié)果??梢钥闯觯撃P偷木容^低,而誤差較大。

    表2 多元線性回歸性能結(jié)果Tab.2 Multiple linear regression performance result

    3.2.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

    構(gòu)建神經(jīng)網(wǎng)絡(luò)模型首先選擇1層隱藏層,再根據(jù)預(yù)測精度高低,增加隱藏層層數(shù),從而提升預(yù)測精度,神經(jīng)網(wǎng)絡(luò)性能結(jié)果如表3所示。

    表3 BP神經(jīng)網(wǎng)絡(luò)性能結(jié)果Tab.3 BP neural network performance result

    從以上預(yù)測結(jié)果可以看出,當(dāng)只有1層隱藏層時,隱藏神經(jīng)元個數(shù)為14的R2為0.670,RMSE為4.542,MAE為3.035,此時預(yù)測結(jié)果最好。因此選擇在第1層隱藏層神經(jīng)元為14,并在此基礎(chǔ)上增加網(wǎng)絡(luò)層數(shù)來提高模型預(yù)測精度。

    第2層隱藏層設(shè)置神經(jīng)元個數(shù)5和10進(jìn)行對比分析。由表2可知,BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測PCI的R2從0.669增加到0.711,預(yù)測結(jié)果得到顯著提升。

    3.2.3 隨機(jī)森林預(yù)測結(jié)果

    同樣選取27個路面特征作為輸入樣本,默認(rèn)參數(shù)設(shè)置如表4所示,采用隨機(jī)森林算法進(jìn)行訓(xùn)練,得到默認(rèn)參數(shù)的情況下隨機(jī)森林模型的預(yù)測結(jié)果,如表5所示。

    表4 隨機(jī)森林默認(rèn)參數(shù)值Tab.4 Random forest default parameter values

    表5 隨機(jī)森林模型的預(yù)測結(jié)果Tab.5 Evaluation result of random forest model

    為了使隨機(jī)森林模型能夠更準(zhǔn)確地預(yù)測PCI,采用5折交叉驗證結(jié)果調(diào)整隨機(jī)森林模型參數(shù),使隨機(jī)森林模型預(yù)測精度提升。5折交叉驗證的具體過程如圖7所示。

    圖7 五折交叉驗證Fig.7 Five-fold cross-validation

    在默認(rèn)參數(shù)情況下,采用網(wǎng)格搜索法固定其他參數(shù),依次調(diào)節(jié)任一參數(shù)在不同范圍內(nèi)的參數(shù)值,然后找到在該范圍內(nèi)的最優(yōu)值,以該值為中心逐步縮小調(diào)節(jié)范圍,直至逼近最終的最優(yōu)參數(shù)值。

    由表5可得,在默認(rèn)參數(shù)的情況下,隨機(jī)森林模型的R2為0.895,RMSE為2.710,MAE為1.958,預(yù)測效果較好,但仍存在一定誤差。而改進(jìn)后的模型擬合效果更好,并且R2也從0.895提升到0.898,誤差也相應(yīng)地減小。因此,改進(jìn)后的模型更適合本研究的數(shù)據(jù)預(yù)測,預(yù)測精度更高。

    在調(diào)參試驗中發(fā)現(xiàn),由于本研究數(shù)據(jù)集樣本量較小,調(diào)節(jié)節(jié)點分枝最小樣本數(shù)和葉子節(jié)點最少樣本數(shù)對模型性能影響較小。因此使用默認(rèn)值,即節(jié)點分枝最小樣本數(shù)為2,葉子節(jié)點最少樣本數(shù)為1。各參數(shù)值與對應(yīng)精度變化曲線如圖8所示,最優(yōu)參數(shù)設(shè)置如表6所示。

    圖8 各參數(shù)最優(yōu)值與對應(yīng)精度變化曲線Fig.8 Optimal parameter values and corresponding accuracy variation curves

    同時,由于輸入變量較多,無法通過簡單的統(tǒng)計分析確定應(yīng)修正或刪除的異常數(shù)據(jù),因此選擇在完成模型構(gòu)建并預(yù)測后,通過預(yù)測值與真實值的擬合效果確定異常值。由擬合效果知遠(yuǎn)離擬合直線的異常點僅有13個,相對于整體數(shù)據(jù)來說比例較小,所以選擇直接刪除這些異常值。最后使用去除異常值后的數(shù)據(jù)重新作為訓(xùn)練集對模型進(jìn)行循環(huán)訓(xùn)練,使之達(dá)到當(dāng)前模型訓(xùn)練最優(yōu)。

    3.3 結(jié)果對比與分析

    通過調(diào)整輸入?yún)?shù),選擇預(yù)測結(jié)果最優(yōu)的模型進(jìn)行結(jié)果輸出,4種模型對PCI預(yù)測的擬合效果如圖9所示,散點在直線周圍分布越緊湊,預(yù)測效果越好。相應(yīng)地,表7展示了4種模型預(yù)測結(jié)果與實際值之間的復(fù)相關(guān)系數(shù)、均方根誤差和平均絕對值誤差。由式(8)~(10)可知,復(fù)相關(guān)系數(shù)越接近于1,誤差越接近于0,預(yù)測性能越好。從圖9中可以看到,與PCI的真實值相比,基于傳統(tǒng)的多元線性回歸的預(yù)測結(jié)果性能最差,而基于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果獲得了較大的提升。

    表6 隨機(jī)森林模型最優(yōu)參數(shù)值Tab.6 Optimal parameter values of random forest model

    表7 四種模型的性能結(jié)果Tab.7 Performance results of 4 models

    圖9 四種模型的擬合效果Fig.9 Fitting effects of 4 models

    然而圖9(b)中仍有部分?jǐn)?shù)據(jù)遠(yuǎn)離線性回歸直線,而圖9(c)中遠(yuǎn)離回歸線的異常點明顯減少。由于隨機(jī)森林模型對處理高維度數(shù)據(jù)(特征較多)和抗過擬合能力較優(yōu),使得該模型不僅獲得了較好的預(yù)測結(jié)果,而且訓(xùn)練速度提升了33 s。最后改進(jìn)后的隨機(jī)森林模型解決了圖9(c)中仍有部分?jǐn)?shù)據(jù)距回歸直線較遠(yuǎn)這一情況。

    由表7得,改進(jìn)的隨機(jī)森林模型的R2值為0.898,RMSE為2.483,MAE為1.805,訓(xùn)練時間縮短了2 s。由圖10也可看出,改進(jìn)后模型的隨機(jī)森林預(yù)測誤差整體較小,不僅優(yōu)于多元線性回歸和神經(jīng)網(wǎng)絡(luò)預(yù)測模型,而且更適于本研究的數(shù)據(jù)預(yù)測。

    圖10 四種模型的預(yù)測誤差Fig.10 Prediction errors of 4 models

    4 結(jié)論

    本研究通過對從ARAN9000多功能道路檢測車采集到的相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理與統(tǒng)計分析,選擇主要的路面特征和往年路面評價指標(biāo)作為輸入變量,路面狀況指數(shù)PCI作為輸出變量,構(gòu)建基于隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)和多元線性回歸的PCI預(yù)測模型。對比結(jié)果表明,隨機(jī)森林模型預(yù)測PCI的精度最高,誤差最低,且訓(xùn)練速度提升了近33 s;其次采用去除離異項和交叉驗證對模型進(jìn)行優(yōu)化,得到R2為0.898,提高了0.003。改進(jìn)后的隨機(jī)森林模型能夠有效地對PCI進(jìn)行預(yù)測。

    本研究提出的隨機(jī)森林預(yù)測模型能夠有效解決路面狀況的預(yù)測問題,為養(yǎng)護(hù)決策的制訂提供科學(xué)的數(shù)據(jù)支持和理論依據(jù)。精確的預(yù)測結(jié)果可幫助公路養(yǎng)護(hù)管理部門及時采取養(yǎng)護(hù)措施,從而保證路面良好的使用性能,降低養(yǎng)護(hù)成本。

    猜你喜歡
    路面神經(jīng)網(wǎng)絡(luò)森林
    用藝術(shù)修補(bǔ)路面
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    哈Q森林
    哈Q森林
    哈Q森林
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    哈Q森林
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    一款透水路面養(yǎng)護(hù)車
    專用汽車(2015年4期)2015-03-01 04:10:02
    BFRP連續(xù)配筋復(fù)合式路面配筋設(shè)計
    av在线老鸭窝| 国产色视频综合| 久久精品aⅴ一区二区三区四区| 国产老妇伦熟女老妇高清| 亚洲欧美一区二区三区久久| 亚洲精品av麻豆狂野| 成人18禁高潮啪啪吃奶动态图| 国产成人啪精品午夜网站| 高清av免费在线| 精品熟女少妇八av免费久了| 婷婷色麻豆天堂久久| 天天躁夜夜躁狠狠久久av| 亚洲精品日韩在线中文字幕| 国产精品成人在线| 制服诱惑二区| 国产欧美日韩综合在线一区二区| 国产亚洲精品久久久久5区| 美女中出高潮动态图| 国产亚洲av高清不卡| 欧美日韩视频高清一区二区三区二| 免费在线观看黄色视频的| 欧美日韩视频精品一区| 香蕉国产在线看| 天天操日日干夜夜撸| 狠狠婷婷综合久久久久久88av| 国产真人三级小视频在线观看| 丝袜喷水一区| 考比视频在线观看| 视频区欧美日本亚洲| 亚洲九九香蕉| 久久99一区二区三区| 人成视频在线观看免费观看| 亚洲精品日韩在线中文字幕| 久久九九热精品免费| 亚洲精品日韩在线中文字幕| 国产一区二区三区综合在线观看| 午夜福利免费观看在线| 你懂的网址亚洲精品在线观看| 纵有疾风起免费观看全集完整版| 亚洲精品日韩在线中文字幕| 亚洲欧洲国产日韩| 少妇的丰满在线观看| 亚洲欧洲国产日韩| 精品久久蜜臀av无| 亚洲国产中文字幕在线视频| 久久人人爽av亚洲精品天堂| 亚洲中文日韩欧美视频| 高清欧美精品videossex| 欧美国产精品va在线观看不卡| 久久久久网色| a 毛片基地| 蜜桃国产av成人99| 久久久久久久大尺度免费视频| 亚洲精品久久成人aⅴ小说| 亚洲av美国av| 成人亚洲欧美一区二区av| 只有这里有精品99| 精品熟女少妇八av免费久了| 99香蕉大伊视频| 国产极品粉嫩免费观看在线| 日本一区二区免费在线视频| 波多野结衣一区麻豆| 日本午夜av视频| 在线观看免费午夜福利视频| 成人国产av品久久久| 中文精品一卡2卡3卡4更新| 色精品久久人妻99蜜桃| 久久天躁狠狠躁夜夜2o2o | 99久久99久久久精品蜜桃| 中文字幕精品免费在线观看视频| 国产精品久久久久成人av| 国产老妇伦熟女老妇高清| 亚洲专区国产一区二区| 麻豆乱淫一区二区| 亚洲精品第二区| 性色av一级| 久久人人爽人人片av| 亚洲 国产 在线| 伊人久久大香线蕉亚洲五| 中文字幕制服av| 婷婷成人精品国产| 久久久国产欧美日韩av| 自线自在国产av| 亚洲精品中文字幕在线视频| 又紧又爽又黄一区二区| a级毛片黄视频| 欧美日韩黄片免| 天天影视国产精品| 午夜福利,免费看| 人人妻人人澡人人爽人人夜夜| 一级毛片黄色毛片免费观看视频| 日韩av不卡免费在线播放| 色精品久久人妻99蜜桃| 美女大奶头黄色视频| 99国产精品一区二区蜜桃av | av视频免费观看在线观看| 国产欧美日韩一区二区三 | 一级黄片播放器| 热re99久久精品国产66热6| 亚洲精品在线美女| 亚洲欧美日韩另类电影网站| 丝袜脚勾引网站| 欧美亚洲日本最大视频资源| 好男人电影高清在线观看| 日本91视频免费播放| 精品一品国产午夜福利视频| 午夜福利一区二区在线看| 国产欧美日韩精品亚洲av| 看免费成人av毛片| 岛国毛片在线播放| 国产高清不卡午夜福利| 国产精品一区二区在线观看99| 成人亚洲欧美一区二区av| 51午夜福利影视在线观看| 人成视频在线观看免费观看| 亚洲五月婷婷丁香| 嫁个100分男人电影在线观看 | 欧美日韩av久久| 国产精品久久久久久精品电影小说| 欧美人与性动交α欧美软件| 久久人人爽人人片av| 国产成人欧美| 美女视频免费永久观看网站| 黄网站色视频无遮挡免费观看| 久久久久国产精品人妻一区二区| 中文乱码字字幕精品一区二区三区| 建设人人有责人人尽责人人享有的| 丁香六月天网| 亚洲欧美色中文字幕在线| 国产亚洲av片在线观看秒播厂| 18禁国产床啪视频网站| 免费少妇av软件| 欧美变态另类bdsm刘玥| 国产欧美日韩一区二区三 | 老司机深夜福利视频在线观看 | 大片免费播放器 马上看| 一级毛片女人18水好多 | 在线观看免费视频网站a站| 久久精品熟女亚洲av麻豆精品| 在线观看一区二区三区激情| av线在线观看网站| www.自偷自拍.com| 中文字幕亚洲精品专区| av线在线观看网站| 99久久人妻综合| 天天影视国产精品| 在线观看免费视频网站a站| 亚洲,欧美精品.| 中文字幕另类日韩欧美亚洲嫩草| 久久精品成人免费网站| 少妇人妻久久综合中文| 制服人妻中文乱码| 国产精品一区二区在线不卡| 亚洲国产中文字幕在线视频| 久久久久视频综合| 狂野欧美激情性xxxx| 中国国产av一级| 我的亚洲天堂| 脱女人内裤的视频| 精品少妇久久久久久888优播| 又黄又粗又硬又大视频| 国产免费一区二区三区四区乱码| 狂野欧美激情性bbbbbb| 老司机亚洲免费影院| 久久久久久免费高清国产稀缺| 免费黄频网站在线观看国产| 啦啦啦 在线观看视频| 亚洲精品久久久久久婷婷小说| 一本色道久久久久久精品综合| 美女福利国产在线| 日韩一区二区三区影片| 伊人久久大香线蕉亚洲五| 国产深夜福利视频在线观看| 欧美成人精品欧美一级黄| 成年av动漫网址| 欧美av亚洲av综合av国产av| 久久久久久免费高清国产稀缺| 亚洲专区国产一区二区| 婷婷色av中文字幕| 丝袜喷水一区| 久久av网站| 黑丝袜美女国产一区| 国产一区二区三区av在线| 国产国语露脸激情在线看| 成人三级做爰电影| 久久国产亚洲av麻豆专区| 国产精品一二三区在线看| 一个人免费看片子| 亚洲中文av在线| 少妇裸体淫交视频免费看高清 | 狠狠婷婷综合久久久久久88av| 一区在线观看完整版| 人人澡人人妻人| 建设人人有责人人尽责人人享有的| 欧美黑人精品巨大| 成年人免费黄色播放视频| 久久人妻熟女aⅴ| 国产精品秋霞免费鲁丝片| 久久青草综合色| 久久久久久久大尺度免费视频| 亚洲成av片中文字幕在线观看| cao死你这个sao货| 爱豆传媒免费全集在线观看| 欧美日韩国产mv在线观看视频| 亚洲三区欧美一区| 国产主播在线观看一区二区 | 午夜91福利影院| 老熟女久久久| 国产在线免费精品| 日本色播在线视频| 少妇人妻久久综合中文| 亚洲欧美中文字幕日韩二区| 赤兔流量卡办理| 国产精品久久久久久精品电影小说| 午夜久久久在线观看| 欧美激情极品国产一区二区三区| 男女边吃奶边做爰视频| 国产高清国产精品国产三级| 人人妻人人添人人爽欧美一区卜| 色视频在线一区二区三区| 国产高清videossex| 婷婷色综合大香蕉| 18禁裸乳无遮挡动漫免费视频| 久9热在线精品视频| 成人国产一区最新在线观看 | 纯流量卡能插随身wifi吗| 人人妻,人人澡人人爽秒播 | 一二三四社区在线视频社区8| 久久久欧美国产精品| 熟女av电影| 欧美日韩亚洲综合一区二区三区_| 亚洲九九香蕉| 日本a在线网址| 日韩一本色道免费dvd| 两性夫妻黄色片| 国产精品成人在线| 波多野结衣一区麻豆| 男女国产视频网站| 亚洲欧美一区二区三区国产| 晚上一个人看的免费电影| 久久人人97超碰香蕉20202| 丝袜在线中文字幕| 日韩 欧美 亚洲 中文字幕| 免费在线观看完整版高清| 久久久久精品人妻al黑| 亚洲七黄色美女视频| 中国美女看黄片| 国产亚洲欧美精品永久| 国产99久久九九免费精品| av电影中文网址| 亚洲一区中文字幕在线| 一边摸一边做爽爽视频免费| 波多野结衣av一区二区av| 国产91精品成人一区二区三区 | 亚洲国产精品一区三区| 少妇猛男粗大的猛烈进出视频| 亚洲国产成人一精品久久久| 久久精品熟女亚洲av麻豆精品| 人妻 亚洲 视频| 久久久国产精品麻豆| 大型av网站在线播放| 国产精品秋霞免费鲁丝片| 性色av乱码一区二区三区2| 只有这里有精品99| 一级片免费观看大全| 极品少妇高潮喷水抽搐| 欧美av亚洲av综合av国产av| 成人国产一区最新在线观看 | 纯流量卡能插随身wifi吗| 天堂俺去俺来也www色官网| 曰老女人黄片| 中文字幕精品免费在线观看视频| 老司机在亚洲福利影院| 欧美国产精品va在线观看不卡| 久久影院123| 美女大奶头黄色视频| 天堂中文最新版在线下载| 人体艺术视频欧美日本| 成人亚洲精品一区在线观看| 99re6热这里在线精品视频| 免费黄频网站在线观看国产| 国产成人91sexporn| 肉色欧美久久久久久久蜜桃| 色网站视频免费| 在线精品无人区一区二区三| 午夜福利乱码中文字幕| 丁香六月天网| 国产在线一区二区三区精| 中文字幕av电影在线播放| 操美女的视频在线观看| 黄色片一级片一级黄色片| 精品人妻在线不人妻| 亚洲人成网站在线观看播放| 两个人免费观看高清视频| 青春草视频在线免费观看| 久久久精品免费免费高清| 少妇精品久久久久久久| 精品人妻一区二区三区麻豆| 久久久久久免费高清国产稀缺| 真人做人爱边吃奶动态| 国产一区二区 视频在线| 久久国产精品人妻蜜桃| a 毛片基地| 亚洲av在线观看美女高潮| 亚洲男人天堂网一区| 肉色欧美久久久久久久蜜桃| 久久精品亚洲av国产电影网| 麻豆国产av国片精品| 一区在线观看完整版| 天天添夜夜摸| 久久女婷五月综合色啪小说| av网站免费在线观看视频| 成年美女黄网站色视频大全免费| 大型av网站在线播放| 久久精品亚洲av国产电影网| 国产色视频综合| 免费观看a级毛片全部| 亚洲国产欧美一区二区综合| 久久精品成人免费网站| 性色av乱码一区二区三区2| 色精品久久人妻99蜜桃| 一本一本久久a久久精品综合妖精| 国产欧美日韩精品亚洲av| 黄频高清免费视频| 日韩人妻精品一区2区三区| 亚洲国产欧美一区二区综合| 亚洲激情五月婷婷啪啪| 巨乳人妻的诱惑在线观看| 欧美+亚洲+日韩+国产| 悠悠久久av| 日本欧美视频一区| a级片在线免费高清观看视频| videosex国产| 亚洲中文av在线| 男女床上黄色一级片免费看| 久久久久久人人人人人| 每晚都被弄得嗷嗷叫到高潮| 好男人电影高清在线观看| 久久国产精品男人的天堂亚洲| 久久久久精品人妻al黑| 成在线人永久免费视频| 欧美精品人与动牲交sv欧美| 18在线观看网站| 少妇的丰满在线观看| 可以免费在线观看a视频的电影网站| 美女主播在线视频| 多毛熟女@视频| 一级毛片女人18水好多 | 97精品久久久久久久久久精品| 久久久精品区二区三区| 久久精品国产a三级三级三级| 一区福利在线观看| 尾随美女入室| 久久国产精品大桥未久av| 大码成人一级视频| 99香蕉大伊视频| 十分钟在线观看高清视频www| 国产男女内射视频| 老司机亚洲免费影院| 国产野战对白在线观看| 婷婷成人精品国产| 97在线人人人人妻| 日韩制服丝袜自拍偷拍| av在线app专区| 国产主播在线观看一区二区 | 大陆偷拍与自拍| 亚洲欧美一区二区三区国产| 丝袜喷水一区| 老汉色av国产亚洲站长工具| 亚洲一区二区三区欧美精品| 伦理电影免费视频| 一本综合久久免费| 国产精品一二三区在线看| 亚洲 国产 在线| 伊人久久大香线蕉亚洲五| 涩涩av久久男人的天堂| 少妇被粗大的猛进出69影院| 99国产精品一区二区蜜桃av | 91精品伊人久久大香线蕉| 欧美成人午夜精品| 免费黄频网站在线观看国产| 亚洲av日韩精品久久久久久密 | 老司机在亚洲福利影院| 777久久人妻少妇嫩草av网站| 一级黄片播放器| 亚洲av综合色区一区| videos熟女内射| 考比视频在线观看| av视频免费观看在线观看| 国产伦理片在线播放av一区| 久久精品人人爽人人爽视色| 成人免费观看视频高清| 亚洲精品一二三| 久久中文字幕一级| 久久久亚洲精品成人影院| 天天躁夜夜躁狠狠久久av| 亚洲七黄色美女视频| 岛国毛片在线播放| 美女大奶头黄色视频| 男的添女的下面高潮视频| 欧美成狂野欧美在线观看| 大话2 男鬼变身卡| 亚洲av日韩在线播放| 看十八女毛片水多多多| 母亲3免费完整高清在线观看| 国产色视频综合| 91麻豆av在线| 亚洲 欧美一区二区三区| 国产老妇伦熟女老妇高清| 亚洲国产欧美日韩在线播放| 青春草视频在线免费观看| 国产一区二区激情短视频 | 亚洲精品久久成人aⅴ小说| 精品免费久久久久久久清纯 | 波野结衣二区三区在线| 亚洲av欧美aⅴ国产| 欧美成狂野欧美在线观看| 如日韩欧美国产精品一区二区三区| 精品久久久精品久久久| 欧美日韩精品网址| 99国产精品一区二区三区| 欧美成人午夜精品| 欧美97在线视频| 在线天堂中文资源库| 国产亚洲精品久久久久5区| 一级,二级,三级黄色视频| 免费在线观看黄色视频的| 操出白浆在线播放| √禁漫天堂资源中文www| 99久久99久久久精品蜜桃| 色婷婷久久久亚洲欧美| 国产精品国产三级国产专区5o| 久久久国产欧美日韩av| 人妻一区二区av| 永久免费av网站大全| 国产麻豆69| 国产人伦9x9x在线观看| 午夜日韩欧美国产| 超碰97精品在线观看| 亚洲欧美色中文字幕在线| 国产精品免费视频内射| 亚洲国产中文字幕在线视频| 黑人欧美特级aaaaaa片| 久久久久网色| 蜜桃国产av成人99| 国产精品国产av在线观看| 黑人巨大精品欧美一区二区蜜桃| 国产精品二区激情视频| 久久人妻熟女aⅴ| 女性生殖器流出的白浆| 国产精品九九99| 国产高清不卡午夜福利| 亚洲人成77777在线视频| 亚洲精品日韩在线中文字幕| 午夜老司机福利片| 亚洲综合色网址| 午夜久久久在线观看| 日本欧美国产在线视频| 精品亚洲乱码少妇综合久久| av在线app专区| 欧美人与善性xxx| 精品免费久久久久久久清纯 | 首页视频小说图片口味搜索 | 看免费av毛片| 国产在线一区二区三区精| 女性生殖器流出的白浆| 大陆偷拍与自拍| 中文字幕人妻熟女乱码| 国产精品一区二区在线不卡| 欧美国产精品va在线观看不卡| 黑人巨大精品欧美一区二区蜜桃| 一本一本久久a久久精品综合妖精| 精品国产一区二区久久| 青青草视频在线视频观看| 97人妻天天添夜夜摸| 国产日韩欧美在线精品| 成人手机av| 18禁裸乳无遮挡动漫免费视频| 国语对白做爰xxxⅹ性视频网站| 黑人巨大精品欧美一区二区蜜桃| 国产91精品成人一区二区三区 | 国产熟女欧美一区二区| 欧美成狂野欧美在线观看| 人人澡人人妻人| 五月天丁香电影| 人人妻,人人澡人人爽秒播 | 男人添女人高潮全过程视频| 在线看a的网站| 各种免费的搞黄视频| 欧美国产精品va在线观看不卡| 乱人伦中国视频| 精品少妇黑人巨大在线播放| e午夜精品久久久久久久| 99久久99久久久精品蜜桃| 三上悠亚av全集在线观看| 在线天堂中文资源库| 高清av免费在线| 亚洲欧美中文字幕日韩二区| 欧美在线黄色| 国产精品 国内视频| 激情五月婷婷亚洲| 国产老妇伦熟女老妇高清| 欧美日本中文国产一区发布| 免费在线观看黄色视频的| 啦啦啦视频在线资源免费观看| 久久精品久久久久久久性| 亚洲综合色网址| 天堂俺去俺来也www色官网| 国产熟女欧美一区二区| 亚洲精品乱久久久久久| 热99国产精品久久久久久7| 美女中出高潮动态图| 交换朋友夫妻互换小说| 91精品国产国语对白视频| 亚洲欧美日韩另类电影网站| 国产99久久九九免费精品| 午夜91福利影院| tube8黄色片| 国产免费福利视频在线观看| 国产精品秋霞免费鲁丝片| 精品久久久精品久久久| 尾随美女入室| 国产极品粉嫩免费观看在线| 亚洲色图综合在线观看| 午夜精品国产一区二区电影| 免费看十八禁软件| 校园人妻丝袜中文字幕| 韩国精品一区二区三区| 午夜福利在线免费观看网站| 免费观看a级毛片全部| 男男h啪啪无遮挡| 亚洲男人天堂网一区| 在线观看免费午夜福利视频| av国产精品久久久久影院| 91字幕亚洲| 欧美激情高清一区二区三区| 国产国语露脸激情在线看| 91精品国产国语对白视频| 无遮挡黄片免费观看| 欧美精品人与动牲交sv欧美| 精品第一国产精品| 丝袜在线中文字幕| 亚洲人成77777在线视频| 丰满迷人的少妇在线观看| 欧美日韩黄片免| 亚洲精品美女久久av网站| 日韩制服骚丝袜av| 亚洲欧美中文字幕日韩二区| 叶爱在线成人免费视频播放| 麻豆国产av国片精品| 丰满少妇做爰视频| 少妇被粗大的猛进出69影院| 狂野欧美激情性xxxx| 9热在线视频观看99| 欧美黄色片欧美黄色片| 最黄视频免费看| 啦啦啦啦在线视频资源| 国产在线免费精品| 亚洲精品乱久久久久久| 日韩一区二区三区影片| 大香蕉久久网| 91麻豆av在线| 久久人人爽人人片av| 女人久久www免费人成看片| 色婷婷av一区二区三区视频| 热99国产精品久久久久久7| 欧美黄色片欧美黄色片| 亚洲人成电影免费在线| a 毛片基地| 国产一卡二卡三卡精品| 2018国产大陆天天弄谢| 蜜桃国产av成人99| 国产亚洲精品久久久久5区| 激情五月婷婷亚洲| 久久久久久免费高清国产稀缺| 中国美女看黄片| 精品卡一卡二卡四卡免费| 国产主播在线观看一区二区 | 一级片'在线观看视频| 波多野结衣av一区二区av| 汤姆久久久久久久影院中文字幕| 99久久99久久久精品蜜桃| 九草在线视频观看| 精品久久蜜臀av无| 亚洲精品国产区一区二| 成人亚洲欧美一区二区av| 啦啦啦视频在线资源免费观看| 日本欧美视频一区| 亚洲精品日韩在线中文字幕| 午夜福利视频精品| 一区福利在线观看| 2018国产大陆天天弄谢| 中文字幕制服av| 天天操日日干夜夜撸| 黄片播放在线免费| 精品亚洲成国产av| 久久天堂一区二区三区四区| 波多野结衣一区麻豆| 欧美乱码精品一区二区三区| 久久精品国产a三级三级三级| 久久久久精品人妻al黑| xxxhd国产人妻xxx| 国产精品久久久av美女十八| 免费人妻精品一区二区三区视频| 黄网站色视频无遮挡免费观看| 精品国产乱码久久久久久男人| 亚洲国产最新在线播放| 宅男免费午夜| 中文字幕色久视频| av天堂在线播放| 免费高清在线观看视频在线观看| 午夜福利影视在线免费观看| 国产欧美日韩精品亚洲av| 看免费av毛片| 一区二区日韩欧美中文字幕|