• <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
    成人一区二区视频在线观看| 精品午夜福利在线看| 大片电影免费在线观看免费| 在线观看美女被高潮喷水网站| 午夜福利视频精品| 免费在线观看成人毛片| 亚洲av在线观看美女高潮| 国产免费又黄又爽又色| 成年女人看的毛片在线观看| 男人舔奶头视频| 在线观看一区二区三区| 91在线精品国自产拍蜜月| 日韩免费高清中文字幕av| 韩国高清视频一区二区三区| 亚洲三级黄色毛片| 看十八女毛片水多多多| 欧美激情久久久久久爽电影| .国产精品久久| 日韩欧美精品v在线| 精品一区在线观看国产| 国产在视频线精品| 亚洲av成人精品一区久久| 伊人久久精品亚洲午夜| 久久久午夜欧美精品| 亚洲国产精品专区欧美| 18禁裸乳无遮挡免费网站照片| 久久人人爽人人片av| 欧美97在线视频| www.av在线官网国产| 两个人的视频大全免费| 少妇的逼好多水| 国产黄片视频在线免费观看| 精品久久久久久久末码| 乱码一卡2卡4卡精品| 久久亚洲国产成人精品v| 91午夜精品亚洲一区二区三区| 精品久久久久久久久亚洲| 色吧在线观看| 好男人视频免费观看在线| 日韩亚洲欧美综合| 亚洲丝袜综合中文字幕| 亚洲第一区二区三区不卡| 成人国产麻豆网| 丰满乱子伦码专区| 久久国内精品自在自线图片| 麻豆精品久久久久久蜜桃| 韩国高清视频一区二区三区| 国产精品一区二区三区四区免费观看| 麻豆久久精品国产亚洲av| 国产成年人精品一区二区| 精品少妇久久久久久888优播| 欧美丝袜亚洲另类| 亚洲三级黄色毛片| 亚洲色图av天堂| 男女下面进入的视频免费午夜| 成人特级av手机在线观看| 欧美成人一区二区免费高清观看| 日本一本二区三区精品| av天堂中文字幕网| 亚洲激情五月婷婷啪啪| 偷拍熟女少妇极品色| 亚洲精品影视一区二区三区av| 中文字幕亚洲精品专区| 日日摸夜夜添夜夜添av毛片| 亚洲精品视频女| 在线观看av片永久免费下载| 亚洲熟女精品中文字幕| av国产免费在线观看| 色哟哟·www| 国产 精品1| av在线app专区| 看黄色毛片网站| 日韩人妻高清精品专区| 欧美精品国产亚洲| 色婷婷久久久亚洲欧美| 在线观看一区二区三区激情| 国产乱人视频| 午夜激情久久久久久久| 久久久久久久精品精品| 国产精品久久久久久久久免| 精品久久久久久久人妻蜜臀av| 久久热精品热| 亚洲内射少妇av| 嫩草影院新地址| 丰满少妇做爰视频| 亚洲天堂av无毛| av在线亚洲专区| 熟女av电影| 欧美变态另类bdsm刘玥| 久久精品国产亚洲av涩爱| 亚洲丝袜综合中文字幕| 国产一区有黄有色的免费视频| 国产乱人偷精品视频| 尤物成人国产欧美一区二区三区| 九九爱精品视频在线观看| 国产久久久一区二区三区| 日本三级黄在线观看| 最近2019中文字幕mv第一页| 18禁在线无遮挡免费观看视频| 国产视频首页在线观看| 深爱激情五月婷婷| 又粗又硬又长又爽又黄的视频| 国产精品一及| 视频区图区小说| 亚洲av成人精品一二三区| 国产伦精品一区二区三区视频9| 亚洲一区二区三区欧美精品 | 久久女婷五月综合色啪小说 | 国产精品久久久久久久电影| 男人添女人高潮全过程视频| 久久久a久久爽久久v久久| 日韩欧美一区视频在线观看 | 国产在线男女| 99久久精品一区二区三区| 中文在线观看免费www的网站| 色视频在线一区二区三区| 九九在线视频观看精品| 熟女av电影| 18+在线观看网站| 伦精品一区二区三区| 高清日韩中文字幕在线| 亚洲精品日韩在线中文字幕| 美女主播在线视频| 国产高清国产精品国产三级 | 少妇丰满av| 免费av毛片视频| 国产亚洲最大av| 国产精品爽爽va在线观看网站| 日韩强制内射视频| 嫩草影院精品99| 少妇裸体淫交视频免费看高清| 大片免费播放器 马上看| 免费观看无遮挡的男女| 校园人妻丝袜中文字幕| 国产黄片视频在线免费观看| 成人漫画全彩无遮挡| 大码成人一级视频| 精品国产三级普通话版| 亚洲欧美成人综合另类久久久| 亚洲欧洲国产日韩| 七月丁香在线播放| 国产一区二区亚洲精品在线观看| 久久97久久精品| 天天躁日日操中文字幕| 一区二区三区免费毛片| 午夜福利视频精品| 国产免费一区二区三区四区乱码| 97在线视频观看| 日产精品乱码卡一卡2卡三| 汤姆久久久久久久影院中文字幕| 国产免费福利视频在线观看| 亚洲精品aⅴ在线观看| 精品熟女少妇av免费看| 午夜福利高清视频| 街头女战士在线观看网站| 国产午夜精品久久久久久一区二区三区| 26uuu在线亚洲综合色| 国产精品秋霞免费鲁丝片| 一区二区av电影网| 国产精品av视频在线免费观看| 午夜福利网站1000一区二区三区| 国产白丝娇喘喷水9色精品| 夫妻性生交免费视频一级片| 精品国产露脸久久av麻豆| 亚洲第一区二区三区不卡| 亚洲熟女精品中文字幕| 免费av毛片视频| 亚州av有码| 噜噜噜噜噜久久久久久91| 久久久久久久精品精品| 亚洲av电影在线观看一区二区三区 | 狠狠精品人妻久久久久久综合| 久久精品国产亚洲av天美| 精品久久久噜噜| 水蜜桃什么品种好| 亚洲av成人精品一区久久| 纵有疾风起免费观看全集完整版| 深爱激情五月婷婷| 日本黄色片子视频| 99久久九九国产精品国产免费| 最近最新中文字幕免费大全7| 禁无遮挡网站| 亚洲在线观看片| 亚洲电影在线观看av| 大码成人一级视频| 麻豆精品久久久久久蜜桃| 欧美+日韩+精品| 日韩精品有码人妻一区| 五月天丁香电影| 男人添女人高潮全过程视频| 久久精品国产自在天天线| 少妇猛男粗大的猛烈进出视频 | 亚洲综合色惰| 老司机影院成人| 天天一区二区日本电影三级| 我的女老师完整版在线观看| 少妇猛男粗大的猛烈进出视频 | 日本色播在线视频| 国产片特级美女逼逼视频| 成人一区二区视频在线观看| 九九久久精品国产亚洲av麻豆| 国语对白做爰xxxⅹ性视频网站| 小蜜桃在线观看免费完整版高清| 黄片无遮挡物在线观看| av在线天堂中文字幕| av黄色大香蕉| av在线蜜桃| 一级毛片久久久久久久久女| 亚洲国产精品国产精品| 国产乱人视频| 亚洲综合精品二区| 午夜免费男女啪啪视频观看| 久久久久精品久久久久真实原创| 精品一区二区三区视频在线| 麻豆成人av视频| 中国三级夫妇交换| 亚洲精品第二区| 国产成人午夜福利电影在线观看| 日韩不卡一区二区三区视频在线| 热99国产精品久久久久久7| 内射极品少妇av片p| 在线观看一区二区三区| 在线观看美女被高潮喷水网站| 国产高清三级在线| 亚洲真实伦在线观看| 国产在视频线精品| 中国美白少妇内射xxxbb| 一级毛片 在线播放| 99久国产av精品国产电影| 成人欧美大片| 亚洲av男天堂| 丝袜脚勾引网站| www.av在线官网国产| 99久久精品热视频| 色视频www国产| 天天躁夜夜躁狠狠久久av| 一级二级三级毛片免费看| 免费黄频网站在线观看国产| 五月伊人婷婷丁香| 大香蕉97超碰在线| 国产精品一区二区在线观看99| 国国产精品蜜臀av免费| 91精品国产九色| 久久久久久久久久人人人人人人| 九九久久精品国产亚洲av麻豆| 一级毛片久久久久久久久女| 免费在线观看成人毛片| 色视频www国产| 天堂网av新在线| 欧美+日韩+精品| 精品少妇黑人巨大在线播放| 你懂的网址亚洲精品在线观看| av网站免费在线观看视频| 亚洲真实伦在线观看| 国产 一区精品| 欧美bdsm另类| 国产精品久久久久久精品电影| 偷拍熟女少妇极品色| 国产亚洲av嫩草精品影院| 最近最新中文字幕大全电影3| 日本熟妇午夜| 国内精品美女久久久久久| 久久久亚洲精品成人影院| 国产精品无大码| 爱豆传媒免费全集在线观看| 日韩大片免费观看网站| 一本色道久久久久久精品综合| 亚洲av.av天堂| 亚洲av福利一区| 一级片'在线观看视频| 噜噜噜噜噜久久久久久91| 午夜老司机福利剧场| 欧美日韩亚洲高清精品| 中文字幕亚洲精品专区| 麻豆成人av视频| 1000部很黄的大片| 国内揄拍国产精品人妻在线| 麻豆国产97在线/欧美| 少妇猛男粗大的猛烈进出视频 | 免费看不卡的av| .国产精品久久| 亚洲成人精品中文字幕电影| 97在线视频观看| 综合色av麻豆| 亚洲四区av| 久久久久久久国产电影| 亚洲,欧美,日韩| 亚洲欧美成人综合另类久久久| 午夜免费鲁丝| 国产亚洲av嫩草精品影院| 国产精品嫩草影院av在线观看| 国产成人a区在线观看| 波野结衣二区三区在线| 婷婷色麻豆天堂久久| 菩萨蛮人人尽说江南好唐韦庄| 国产黄片视频在线免费观看| 狂野欧美白嫩少妇大欣赏| 内射极品少妇av片p| 免费高清在线观看视频在线观看| 日韩大片免费观看网站| 深爱激情五月婷婷| 少妇熟女欧美另类| 亚洲丝袜综合中文字幕| 哪个播放器可以免费观看大片| 一区二区三区乱码不卡18| 尤物成人国产欧美一区二区三区| 在线a可以看的网站| 欧美精品一区二区大全| 内射极品少妇av片p| 日韩不卡一区二区三区视频在线| 一二三四中文在线观看免费高清| 黄色一级大片看看| 日韩三级伦理在线观看| 日本一本二区三区精品| 国产极品天堂在线| 最近的中文字幕免费完整| 看十八女毛片水多多多| 色播亚洲综合网| 99久久精品一区二区三区| 国产成年人精品一区二区| 韩国高清视频一区二区三区| 男女啪啪激烈高潮av片| 97热精品久久久久久| av专区在线播放| 亚洲国产av新网站| 王馨瑶露胸无遮挡在线观看| 国产成人精品一,二区| 日韩欧美精品v在线| 久久人人爽av亚洲精品天堂 | 日日啪夜夜爽| freevideosex欧美| 国产精品嫩草影院av在线观看| 国产精品久久久久久久电影| 亚洲,一卡二卡三卡| 搞女人的毛片| 精品久久久久久久久av| 联通29元200g的流量卡| 亚洲怡红院男人天堂| 亚洲精品成人av观看孕妇| 亚洲av欧美aⅴ国产| 一二三四中文在线观看免费高清| 伦理电影大哥的女人| 综合色av麻豆| 高清在线视频一区二区三区| 成人国产av品久久久| 国产永久视频网站| 黄色视频在线播放观看不卡| 国产免费一级a男人的天堂| 久久99热这里只频精品6学生| 欧美人与善性xxx| 有码 亚洲区| 18禁在线无遮挡免费观看视频| 免费av观看视频| 亚洲国产av新网站| 97在线视频观看| 成人漫画全彩无遮挡| 亚洲av成人精品一二三区| 国产免费一区二区三区四区乱码| 国产v大片淫在线免费观看| 久久久久久久亚洲中文字幕| 高清视频免费观看一区二区| 亚洲av中文av极速乱| 夫妻午夜视频| 麻豆乱淫一区二区| 日韩国内少妇激情av| 美女国产视频在线观看| 人妻系列 视频| 久久亚洲国产成人精品v| 一级毛片 在线播放| 国产 一区 欧美 日韩| 人妻制服诱惑在线中文字幕| 久久99精品国语久久久| 在线观看美女被高潮喷水网站| 亚洲久久久久久中文字幕| 特级一级黄色大片| 国产午夜精品久久久久久一区二区三区| 久久人人爽人人爽人人片va| 干丝袜人妻中文字幕| 国产成人一区二区在线| 国产黄色免费在线视频| 搡老乐熟女国产| 国产欧美日韩一区二区三区在线 | 久久鲁丝午夜福利片| 日本午夜av视频| 丝袜美腿在线中文| 亚洲不卡免费看| 亚洲无线观看免费| 草草在线视频免费看| 亚洲综合精品二区| 青春草视频在线免费观看| 欧美日韩一区二区视频在线观看视频在线 | 简卡轻食公司| 另类亚洲欧美激情| 免费看a级黄色片| 观看美女的网站| 日本一本二区三区精品| 国产永久视频网站| 国产精品女同一区二区软件| 97在线人人人人妻| 精品熟女少妇av免费看| 夫妻午夜视频| 婷婷色av中文字幕| 国产精品一区二区性色av| 91久久精品国产一区二区三区| 免费看av在线观看网站| 夫妻性生交免费视频一级片| 99九九线精品视频在线观看视频| 免费少妇av软件| 美女国产视频在线观看| 免费少妇av软件| 中国三级夫妇交换| 夜夜爽夜夜爽视频| 最近最新中文字幕免费大全7| 久久精品国产亚洲网站| 婷婷色综合大香蕉| 国产一级毛片在线| 一区二区av电影网| 99久久人妻综合| 我的女老师完整版在线观看| 久久久久久久久久久丰满| 交换朋友夫妻互换小说| 美女高潮的动态| 制服丝袜香蕉在线| 少妇 在线观看| 我的老师免费观看完整版| 最后的刺客免费高清国语| 欧美三级亚洲精品| 日韩欧美精品免费久久| www.av在线官网国产| videossex国产| 国产一区二区三区综合在线观看 | 亚洲欧美精品专区久久| 欧美丝袜亚洲另类| 日日啪夜夜撸| 18禁动态无遮挡网站| 街头女战士在线观看网站| 99久国产av精品国产电影| 久久女婷五月综合色啪小说 | 2021少妇久久久久久久久久久| 欧美精品人与动牲交sv欧美| 中文字幕亚洲精品专区| 国产黄色免费在线视频| 成人亚洲精品av一区二区| 亚洲熟女精品中文字幕| 国产精品久久久久久精品古装| 在线观看一区二区三区| 国产91av在线免费观看| 亚洲av免费在线观看| av黄色大香蕉| 夫妻午夜视频| 精品久久久久久久人妻蜜臀av| 一级毛片久久久久久久久女| 人妻一区二区av| 国产免费视频播放在线视频| 白带黄色成豆腐渣| 99久国产av精品国产电影| av.在线天堂| 狂野欧美激情性bbbbbb| 亚洲美女视频黄频| 免费在线观看成人毛片| 最新中文字幕久久久久| 国产精品蜜桃在线观看| 视频区图区小说| 中文字幕免费在线视频6| 国产午夜精品久久久久久一区二区三区| 免费看av在线观看网站| 欧美日韩视频精品一区| 最近最新中文字幕大全电影3| 国产午夜福利久久久久久| 免费观看性生交大片5| 人人妻人人澡人人爽人人夜夜| 99久久精品国产国产毛片| 久久久久久九九精品二区国产| 建设人人有责人人尽责人人享有的 | 免费看不卡的av| 青青草视频在线视频观看| 亚洲成色77777| 好男人在线观看高清免费视频| 亚洲激情五月婷婷啪啪| 亚洲精品456在线播放app| 99热网站在线观看| 小蜜桃在线观看免费完整版高清| 欧美激情在线99| 欧美三级亚洲精品| 麻豆精品久久久久久蜜桃| 最新中文字幕久久久久| 大又大粗又爽又黄少妇毛片口| 欧美性感艳星| 色网站视频免费| 麻豆成人午夜福利视频| av播播在线观看一区| 亚洲国产精品国产精品| 久久精品综合一区二区三区| 国产成人精品福利久久| 国产老妇伦熟女老妇高清| av播播在线观看一区| 日日啪夜夜爽| 综合色av麻豆| 人人妻人人澡人人爽人人夜夜| av女优亚洲男人天堂| 日产精品乱码卡一卡2卡三| 内地一区二区视频在线| 国产黄a三级三级三级人| 亚洲无线观看免费| 午夜老司机福利剧场| 久久热精品热| 久久久久久久国产电影| 2018国产大陆天天弄谢| 亚洲欧美日韩东京热| 亚洲综合精品二区| 久久99精品国语久久久| 97在线人人人人妻| 噜噜噜噜噜久久久久久91| 国产黄片美女视频| 乱系列少妇在线播放| 国产 一区精品| 国产色爽女视频免费观看| 中国国产av一级| 成人亚洲欧美一区二区av| 狂野欧美白嫩少妇大欣赏| 免费播放大片免费观看视频在线观看| 精品视频人人做人人爽| 欧美激情在线99| 永久免费av网站大全| 免费看av在线观看网站| 亚洲精品色激情综合| 亚洲性久久影院| 亚洲欧美清纯卡通| av播播在线观看一区| 国产亚洲av片在线观看秒播厂| 国产高清国产精品国产三级 | 精品国产乱码久久久久久小说| 黄色欧美视频在线观看| 观看美女的网站| 成年女人看的毛片在线观看| 超碰97精品在线观看| 爱豆传媒免费全集在线观看| 久久久久久久久久成人| 99久国产av精品国产电影| 亚洲欧美日韩无卡精品| 免费黄频网站在线观看国产| 青青草视频在线视频观看| 肉色欧美久久久久久久蜜桃 | 一区二区av电影网| 午夜免费男女啪啪视频观看| 久久午夜福利片| 亚洲精品久久久久久婷婷小说| 亚洲av在线观看美女高潮| 91久久精品国产一区二区三区| .国产精品久久| 久久人人爽人人片av| 久久久成人免费电影| 97超碰精品成人国产| 午夜老司机福利剧场| 自拍偷自拍亚洲精品老妇| av黄色大香蕉| 国产精品女同一区二区软件| 天堂中文最新版在线下载 | 熟女电影av网| 天堂俺去俺来也www色官网| 久久久久久伊人网av| 午夜免费男女啪啪视频观看| 亚洲高清免费不卡视频| 久久久亚洲精品成人影院| 久久99热这里只频精品6学生| 免费大片黄手机在线观看| 国产 精品1| 菩萨蛮人人尽说江南好唐韦庄| 国产精品不卡视频一区二区| 亚洲精品影视一区二区三区av| 久久久午夜欧美精品| 久久久a久久爽久久v久久| 嫩草影院新地址| 久久久久久九九精品二区国产| 别揉我奶头 嗯啊视频| 在线观看国产h片| 美女脱内裤让男人舔精品视频| 最近2019中文字幕mv第一页| 亚洲国产av新网站| 色5月婷婷丁香| 日本欧美国产在线视频| 3wmmmm亚洲av在线观看| 少妇的逼水好多| 日韩欧美精品免费久久| 精品人妻视频免费看| 一级毛片aaaaaa免费看小| 卡戴珊不雅视频在线播放| 汤姆久久久久久久影院中文字幕| 国产爽快片一区二区三区| 激情 狠狠 欧美| av.在线天堂| 国产欧美日韩一区二区三区在线 | 大又大粗又爽又黄少妇毛片口| 欧美少妇被猛烈插入视频| 久久久久国产网址| 亚洲av免费高清在线观看| 午夜日本视频在线| 欧美高清性xxxxhd video| 国产一区亚洲一区在线观看| 男女无遮挡免费网站观看| 天美传媒精品一区二区| 一级毛片aaaaaa免费看小| 亚洲av福利一区| 中文资源天堂在线| 超碰av人人做人人爽久久| 亚洲第一区二区三区不卡| 亚洲精品第二区| 国内精品美女久久久久久| 少妇人妻精品综合一区二区| 两个人的视频大全免费| 高清在线视频一区二区三区| 嫩草影院新地址| 国产乱人视频| 女的被弄到高潮叫床怎么办| 97在线视频观看|