• <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 ?

    零擔貨物快遞服務公司自動匹配研究

    2022-07-16 08:11:08阮永嬌孫承臻陳婭鑫
    關鍵詞:零擔發(fā)貨貨物

    阮永嬌,陳 昕,孫承臻,陳婭鑫

    零擔貨物快遞服務公司自動匹配研究

    阮永嬌,陳 昕,孫承臻,陳婭鑫

    (遼寧工業(yè)大學 汽車與交通工程學院,遼寧 錦州 121001)

    研究零擔貨物快遞服務公司自動匹配,研究SVM自動匹配方法,依據(jù)零擔貨物快遞服務需求自動匹配出最適合的快遞公司,研究方法是基于機器學習,借助已有的人工匹配數(shù)據(jù)構建的數(shù)據(jù)集,通過python編程,用訓練集訓練零擔貨物快遞服務公司自動匹配的機器學習模型,驗證集驗證自動匹配效果。驗證集評估結果表明,SVM自動匹配方法,根據(jù)零擔需求進行快遞服務公司的自動匹配,匹配時間僅為1.89 s,精度達到0.90,自動匹配方法能夠高效恰當?shù)貫榱銚枨笃ヅ涑鲞m合的快遞公司,使得零擔貨物快遞的供需雙方高度契合。本文研究可以幫助物流服務公司節(jié)約匹配成本,提高匹配效率,增強公司競爭力,同時為機器學習中SVM的應用提供思路和參考依據(jù)。

    零擔貨物快遞;快遞需求;快遞公司;自動匹配;SVM

    1 零擔貨運的人工匹配數(shù)據(jù)分析

    在零擔貨物快遞時,需要根據(jù)貨物自身的特點對眾多快遞公司的快遞價格,平均服務水平和服務范圍等多個因素進行考察,匹配出最適合零擔貨物的快遞公司提供快遞服務。目前零擔貨物快遞需求與快遞公司的匹配主要由人工完成。表1是某公司零擔貨物快遞服務信息的原始數(shù)據(jù)表。

    表1 原始數(shù)據(jù)表

    編號發(fā)貨省份配送時效發(fā)貨數(shù)量發(fā)貨品種數(shù)出庫包裹數(shù)稱重重量快遞公司 0海南省正常送達2211.41韻達快遞 1吉林省正常送達1114.043重貨-吉林黃馬甲 2湖南省正常送達2111.511韻達快遞 3上海正常送達2111.41韻達快遞 4天津次日達8118.095晟邦-快消 5廣東省正常送達8119.56韻達快遞 ······································· 10490山西省次日達4311.051建華快遞 10491廣東省正常送達12413.499韻達快遞 10492遼寧省正常送達3114.051重貨-遼寧黃馬甲 10493北京當日達2210.884萬象-自營 10494黑龍江省正常送達1110.32EMS-落地配 10495福建省正常送達4111.577韻達快遞 ······································· 20981廣東省正常送達1110.57韻達快遞 20982北京次日達3110.46韻達快遞 20983貴州省正常送達4212.737韻達快遞 20984江蘇省正常送達2211.43韻達快遞 20985黑龍江省正常送達3110.47EMS-落地配 ······················································ 41959湖北省正常送達4210.776韻達快遞 41960天津次日達4212.737晟邦-快消 41961山東省正常送達4411.52山東遞速 41962北京次日達1114.77萬象-自營 41963河北省正常送達1114.468萬象-自營 ······················································

    原始數(shù)據(jù)表中,每一條零擔貨物快遞需求對應1條人工匹配記錄,8列數(shù)據(jù)字段中,第1列是數(shù)據(jù)樣本編號、發(fā)貨省份、發(fā)貨數(shù)量、發(fā)貨品種數(shù),出庫包裹數(shù)和稱重重量6列數(shù)據(jù)字段表示零擔貨運的6個特征數(shù)據(jù),其中發(fā)貨省份代表該零擔貨物要求發(fā)往的省份;配送時效代表貨物要求配送的時間包括當日達、次日達和正常送達3種不同的要求;發(fā)貨數(shù)量代表零擔貨物的發(fā)貨數(shù)量;發(fā)貨品種數(shù)代表零擔貨運中所發(fā)貨物的品種數(shù);出庫包裹數(shù)代表貨物打包完成后的包裹數(shù)量;稱重重量代表包裹的最終稱重的重量,單位是kg。最后一列“快遞公司”,是根據(jù)快遞需求,人工匹配的快遞公司的匹配結果,包含EMS-落地配、晟邦快消、建華快遞、山東遞速、萬象-自營、韻達快遞、重貨-吉林黃馬甲、重貨-遼寧黃馬甲8家公司,分析表1數(shù)據(jù)可知,EMS-落地配服務水平較高,服務范圍較廣,成本低,但速度相對較慢;晟邦快消和建華快遞運送效率高,但發(fā)貨前等待時間較長;山東遞速、重貨-吉林黃馬甲和重貨-遼寧黃馬甲運送范圍小,集散過程少;萬象-自營運送時間短,范圍廣,但成本較高;韻達快遞服務范圍較廣,成本低,但速度相對較慢且服務水平相對較低。

    人工匹配快遞公司的方法,是人工從可供選擇的公司中匹配出適合的快遞公司,在滿足零擔貨物快遞需求的前提下,根據(jù)公司特點結合零擔貨物的6項特征值,對各個快遞公司的費用、服務水平、服務范圍進行比較,篩選出相對比較適合的快遞公司,完成零擔需求與快遞公司的匹配。

    但是隨著經濟的發(fā)展,零擔快遞需求數(shù)量和快遞公司數(shù)量不斷增大,這使得人工匹配的工作量增加,匹配時間加長,從而導致匹配工作效率下降、匹配的準確率下降,所以急需自動匹配方法。

    2 機器學習SVM自動匹配方法

    2.1 機器學習方法分析

    機器學習主要研究如何借助已有的數(shù)據(jù),學習人類的學習行為。應用最廣的機器學習方法有線性模型、決策樹、神經網絡、貝葉斯分類器、聚類、支持向量機等[1]。線性模型適用于具有線性相關性的相關問題[2];決策樹適合于多目標逐一分層討論問題;神經網絡適合各因素間相互影響的分類問題,同時由于激活函數(shù)的特性多用于二分類問題;貝葉斯分類器使用范圍較廣但準確率較低,聚類用于求解分類問題的聚類中心[3]。

    支持向量機(support vector machine,SVM)適合于線性非線性的選擇分類問題,是機器學習中的一個重要模型,廣泛應用于數(shù)據(jù)分析、模式識別和數(shù)據(jù)挖掘等多個領域,并能夠推廣應用到函數(shù)擬合等其他機器學習問題中[4]。

    2.2 SVM自動匹配方法

    快遞公司自動匹配問題,可供匹配選擇的快遞公司有多個,已經不是簡單的二分類問題,同時影響匹配結果的特征共有6個,這6個因素隨機分布,且彼此之間相互影響較低或者彼此互不影響。SVM方法在解決小樣本、非線性及高維的分類問題時具有優(yōu)勢,SVM模型分類效果好,可以有效處理高維空間數(shù)據(jù)。因此,本文采用SVM方法研究快遞公司自動匹配。其具體算法如下:

    Step1:將A公司已有的人工匹配數(shù)據(jù)計劃分為訓練集(X1,Y1)和測試集(X2,Y2)。

    Step2:選取核函數(shù)(x,y),構造相應的凸二次規(guī)劃問題:

    為明確各試樣調制系數(shù)隨電壓的增長速率,對特定激勵超聲頻率的各階模態(tài)調制系數(shù)曲線進行一元線性回歸分析,即根據(jù)若干實測點確定調制系數(shù)y與低頻電壓x的關系,回歸函數(shù)記為

    Step5:得到支持向量機模型:

    SVM機器學習算法訓練流程如圖1所示。

    圖1 算法訓練流程

    3 自動匹配python實現(xiàn)

    自動匹配python實現(xiàn),是根據(jù)A公司零擔貨物快遞服務信息的原始數(shù)據(jù)表,借助已有的人工匹配數(shù)據(jù)構建SVM模型學習的數(shù)據(jù)集,利用留出法將數(shù)據(jù)集劃分成互斥的訓練集的和測試集,然后通過訓練集訓練SVM模型,利用測試集對自動匹配模型進行評估。

    3.1 數(shù)據(jù)集獨熱編碼

    數(shù)據(jù)集中,發(fā)貨省份和配送時效2個屬性只需要用不同數(shù)字進行區(qū)分,不同省份的數(shù)字之間沒有大小關系,需要進行獨熱編碼處理,獨熱編碼是借助不同的數(shù)字表示離散屬性的不同表現(xiàn)狀態(tài)。利用獨熱編碼處理數(shù)據(jù)時,處理后的離散屬性沒有大小的含義,只是代表了一種屬性表現(xiàn)形式。利用python編程將數(shù)據(jù)集中發(fā)貨省份和配送時效2個屬性進行獨熱編碼處理,獨熱編碼具體結果如表2、表3所示。

    表2 發(fā)貨省份獨熱編碼表

    原數(shù)據(jù)集屬性值獨熱編碼值 山西省0 西藏自治區(qū)1 重慶2 陜西省3 新疆維吾爾自治區(qū)4 吉林省5 四川省6 廣東省7 遼寧省8 青海省9 北京10 河北省11 天津12 湖北省13 浙江省14 貴州省15 云南省16 福建省17 寧夏回族自治區(qū)18 廣西壯族自治區(qū)19 上海20 內蒙古自治區(qū)21 安徽省22 山東省23 江西省24 海南省25 河南省26 江蘇省27 湖南省28 黑龍江省29 甘肅省30

    表3 配送時效獨熱編碼表

    原數(shù)據(jù)集屬性值獨熱編碼值 當日達0 次日達1 正常送達2

    3.2 訓練集與測試集的劃分

    在進行機器學習模型訓練時,需要將數(shù)據(jù)集劃分為互斥的訓練集與測試集,為了更好地檢測匹配模型的泛化能力,本文采用留出法進行數(shù)據(jù)集劃分,將數(shù)據(jù)集劃分為2個互斥的組合,其中一個作為訓練集,一個作為測試集。訓練集對模型進行訓練,測試集用來對模型進行評估,劃分結果如表4、表5所示,其中表4為訓練集,大小為33 570×6,表5為測試集,大小為8 393×6。

    表4 訓練集數(shù)據(jù)表

    訓練集編號原數(shù)據(jù)集編號發(fā)貨省份配送時效發(fā)貨數(shù)量發(fā)貨品種數(shù)出庫包裹數(shù)稱重重量 001202211.41 111401114.043 22902111.511 34718118.095 452208119.56 ························ 1539719200712118.593 15398192011403110.47 15399192021103212.107 1540019203713110.51 15401192062702115.575 ························ 33566419575021226.568 33566419581504210.776 33567419602704411.52 33568419611911114.77 33569419622801114.468

    表5 測試集數(shù)據(jù)表

    訓練集編號原數(shù)據(jù)集編號發(fā)貨省份配送時效發(fā)貨數(shù)量發(fā)貨品種數(shù)出庫包裹數(shù)稱重重量 031102111.41 18712217.474 210714312.83 3191914114.362 4239012512.894 ························ 4058200881102210.876 4059200931402112.422 4060201021401114.653 4061201032801111.189 4062201122201110.74 ····················· 8388419372911110.335 8389419422202111.423 8390419451911110.78 8391419482701117.22 839241959714212.737

    3.3 自動匹配模型訓練

    用訓練集數(shù)據(jù)進行SVM的訓練,借助python編程,從sklearn工具庫中直接調用SVM函數(shù)進行訓練[5]?;诿總€樣本中包含發(fā)貨省份,發(fā)貨數(shù)量,發(fā)貨品種數(shù),出庫包裹數(shù)和稱重重量工6項特征值,選用高斯核即核函數(shù)(kernel)為rbf,選用停止訓練的誤差大小(tol)為0.001,最大迭代次數(shù)(max_iter)為-1,可以使得在訓練時只要誤差大于0.001模型就會進行優(yōu)化,且不限制優(yōu)化次數(shù),直至訓練的誤差小于0.001,程序代碼與運行結果如表6所示。

    3.4 自動匹配模型評估

    通過python編程,針對最終模型通過測試集數(shù)據(jù)進行評估,機器學習自動匹配模型對測試集8 393條數(shù)據(jù)進行匹配時所用時間為1.97 s。人工匹配,人查看需求,選快遞公司,點擊鼠標,最快按1 s一條數(shù)據(jù)計算人工匹配所需時間,最少需要8 393 s,自動匹配所用時間遠遠小于人工匹配的所用時間,并且8 393條數(shù)據(jù)中,自動匹配的正確匹配的數(shù)據(jù)有7 548條匹配正確,自動匹配的精度可達到0.90。

    表1數(shù)據(jù)是公司1周的人工匹配數(shù)據(jù),有41 964條快遞需求,可供選擇的快遞公司有8家,平均1天需要進行匹配的零擔需求大約為7 000條,工作人員一天需要進行的查看次數(shù)為3.36×105,人工匹配耗費大量的人力資源和物質資源,且匹配時間長,效率低下。采用自動匹配方法,可以實現(xiàn)匹配用時少,匹配效率高,從而實現(xiàn)匹配成本降低。

    表6 程序代碼與運行結果

    代碼運行結果 #支持向量機import pandas as pdimport numpy as npfrom sklearn import svmfrom sklearn.model_selection import train_test_splitx=data.iloc[:,0:6]y=data.iloc[:,6]x_train, x_test, y_train, y_test = train_test_split(x, y, random_state = 1 , train_size = 0.8 )ajiao=svm.SVC()ajiao.fit(x_train, y_train.ravel())SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',max_iter=-1, probability=False, random_state=None, shrinking=True,tol=0.001, verbose=False)

    表7 8393條數(shù)據(jù)自動匹配與人工匹配對比表

    匹配方式匹配正確記錄匹配時間匹配精度匹配用時匹配效率匹配成本 人工匹配83938393s1.00多低高 自動匹配75481.97s0.90少高低

    4 結束語

    本文研究零擔貨物快遞公司的機器學習SVM自動匹配方法,以某公司零擔貨物快公司人工匹配信息構建數(shù)據(jù)集,采用SVM機器學習模型方法進行快遞公司自動匹配,并用python編程實現(xiàn)零擔貨物快遞需求與快遞公司的自動匹配。本文研究表明SVM自動匹配所用時間,遠遠小于人工匹配所需的時間,匹配精度達到0.90,自動匹配方法可有效提高快遞公司匹配效率,降低匹配成本,能有效提高公司競爭力。

    [1] 周志華. 機器學習[M]. 北京: 清華大學出版社, 2016. 121-139

    [2] 張良均, 譚麗云, 劉明軍, 等. Python數(shù)據(jù)分析與挖掘實戰(zhàn)[M]. 2版. 北京: 機械工業(yè)出版社, 2020: 59-62

    [3] David Forsyth. Applied Machine Learning[M].Springer Nature Switzerland AG, 2019: 14-20

    [4] 莫凡. 機器學習算法的數(shù)學解析與Python實現(xiàn)[M]. 北京: 機械工業(yè)出版社, 2020: 146-153.

    [5] Wes McKinney著, 徐敬一譯. 利用Python進行數(shù)據(jù)分析[M]. 2版. 北京: 機械工業(yè)出版社, 2018: 377-380.

    Research on Automatic Matching of LCL Express Service Company

    RUAN Yong-jiao, CHEN Xin, SUN Cheng-zhen, CHEN Ya-xin

    (School of Automobile and Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China)

    Automatic matching of LCL express service company and the SVM automatic matching method are researched. The purpose is to automatically match the most suitable express company according to the service demand of LCL Express. The research method is based on machine learning. with the help of the existing artificial matching data to build the data set. Through python programming, the training set is used to train the machine learning model of the automatic matching of the LCL express service company, and the verification set is used to verify the automatic matching effect. The evaluation results of the verification set show that the automatic matching time of express service company based on the LCL demand is only 1.89 s, and the matching accuracy reaches 0.90. The automatic matching model can efficiently and appropriately match the express service company for the LCL demand. The supply and demand of LCL Express service are suitable. This study can help logistics service companies to save matching costs, improve matching efficiency, and enhance their competitiveness. Meanwhile, it can provide ideas and reference for machine learning application in the era of artificial intelligence.

    LCL express; express requirements; express service company; automatic matching; SVM

    10.15916/j.issn1674-3261.2022.03.003

    U16

    A

    1674-3261(2022)03-0151-05

    2021-06-27

    遼寧省先進裝備制造業(yè)基地建設工程中心項目(LNTH2020122E);遼寧工業(yè)大學研究生教育改革創(chuàng)新項目經費資助(YJG2021003)

    阮永嬌(1997-),女,山東臨沂人,碩士生

    陳 昕(1972-),女,遼寧鐵嶺人,教授,博士。

    責任編輯:陳 明

    猜你喜歡
    零擔發(fā)貨貨物
    渤海灣省際滾裝船舶零擔貨物運輸現(xiàn)狀及安全管理
    水上消防(2022年1期)2022-06-16 08:06:46
    逛超市
    冷鏈零擔能否出現(xiàn)同盟共生
    中國儲運(2016年3期)2016-04-15 06:09:30
    零擔易碎品,你敢做嗎?
    中國儲運(2015年7期)2015-11-21 05:22:24
    標準規(guī)程發(fā)貨排行榜
    標準規(guī)程發(fā)貨排行榜
    標準規(guī)程發(fā)貨排行榜
    進出口侵權貨物刑事執(zhí)法之法律適用
    標準規(guī)程發(fā)貨排行榜
    一本久久中文字幕| 狠狠狠狠99中文字幕| 亚洲性夜色夜夜综合| 亚洲av电影在线进入| 香蕉丝袜av| 日日干狠狠操夜夜爽| 中亚洲国语对白在线视频| 欧美乱妇无乱码| 欧美日韩一级在线毛片| 国产aⅴ精品一区二区三区波| 757午夜福利合集在线观看| 人人妻,人人澡人人爽秒播| 国产高清视频在线观看网站| 欧美乱妇无乱码| 国产aⅴ精品一区二区三区波| 777久久人妻少妇嫩草av网站| 精华霜和精华液先用哪个| 精品久久久久久久毛片微露脸| 久9热在线精品视频| 观看免费一级毛片| 国产午夜福利久久久久久| 丰满的人妻完整版| 18美女黄网站色大片免费观看| 成年女人毛片免费观看观看9| 亚洲真实伦在线观看| 免费av毛片视频| 国产精品久久久久久人妻精品电影| 国产日本99.免费观看| 黄色毛片三级朝国网站| 嫩草影视91久久| 国产一区二区激情短视频| 久久天躁狠狠躁夜夜2o2o| 亚洲国产中文字幕在线视频| 三级男女做爰猛烈吃奶摸视频| 国内揄拍国产精品人妻在线| 国产成人精品无人区| 中出人妻视频一区二区| 日本熟妇午夜| 2021天堂中文幕一二区在线观| 午夜福利免费观看在线| 欧美丝袜亚洲另类 | 超碰成人久久| av在线播放免费不卡| 日日干狠狠操夜夜爽| 婷婷丁香在线五月| 久热爱精品视频在线9| 亚洲精品久久成人aⅴ小说| 成人午夜高清在线视频| 国产高清videossex| 国产精品98久久久久久宅男小说| 18禁国产床啪视频网站| 好男人在线观看高清免费视频| 国产在线精品亚洲第一网站| 日韩欧美 国产精品| 哪里可以看免费的av片| 午夜激情福利司机影院| 99国产精品一区二区三区| 久久久国产欧美日韩av| 欧美黑人巨大hd| 亚洲国产中文字幕在线视频| 动漫黄色视频在线观看| 欧美黄色片欧美黄色片| 99精品久久久久人妻精品| 欧洲精品卡2卡3卡4卡5卡区| 婷婷丁香在线五月| 国产亚洲精品第一综合不卡| 午夜福利在线在线| 黄色女人牲交| 久久久久亚洲av毛片大全| 美女午夜性视频免费| 亚洲熟妇中文字幕五十中出| 欧美日韩乱码在线| 两性夫妻黄色片| 人妻久久中文字幕网| 日韩大尺度精品在线看网址| 亚洲自偷自拍图片 自拍| 欧美三级亚洲精品| 午夜福利18| 一二三四社区在线视频社区8| 亚洲av熟女| x7x7x7水蜜桃| 欧美大码av| 看片在线看免费视频| 在线永久观看黄色视频| 久久天堂一区二区三区四区| 五月玫瑰六月丁香| 午夜亚洲福利在线播放| 久久天躁狠狠躁夜夜2o2o| 香蕉国产在线看| 亚洲成a人片在线一区二区| 国产成人啪精品午夜网站| 免费在线观看日本一区| 妹子高潮喷水视频| 国产精品av久久久久免费| 欧美丝袜亚洲另类 | 亚洲 欧美 日韩 在线 免费| www.999成人在线观看| 99精品久久久久人妻精品| 色综合婷婷激情| 人人妻人人澡欧美一区二区| 色精品久久人妻99蜜桃| 免费在线观看日本一区| 亚洲成人中文字幕在线播放| 麻豆av在线久日| 91老司机精品| 亚洲 国产 在线| 丝袜美腿诱惑在线| 丰满人妻熟妇乱又伦精品不卡| 日韩中文字幕欧美一区二区| 一二三四社区在线视频社区8| 黄色片一级片一级黄色片| 久久精品国产综合久久久| 无遮挡黄片免费观看| 18禁美女被吸乳视频| 久久伊人香网站| 亚洲 欧美 日韩 在线 免费| 丝袜美腿诱惑在线| 国产av一区在线观看免费| 精品国产亚洲在线| 亚洲性夜色夜夜综合| 精品日产1卡2卡| 日本成人三级电影网站| a级毛片a级免费在线| 可以免费在线观看a视频的电影网站| 日本熟妇午夜| 国产av在哪里看| 少妇人妻一区二区三区视频| 又爽又黄无遮挡网站| 国产在线精品亚洲第一网站| 亚洲va日本ⅴa欧美va伊人久久| 999久久久精品免费观看国产| 黄色女人牲交| 国产精品 国内视频| 在线看三级毛片| 最近最新中文字幕大全电影3| 夜夜躁狠狠躁天天躁| 一本综合久久免费| 妹子高潮喷水视频| avwww免费| 香蕉丝袜av| 操出白浆在线播放| 成人18禁高潮啪啪吃奶动态图| 欧美乱妇无乱码| 狂野欧美白嫩少妇大欣赏| 伦理电影免费视频| netflix在线观看网站| 久久香蕉精品热| АⅤ资源中文在线天堂| 色av中文字幕| 欧美一区二区精品小视频在线| 免费观看人在逋| 日本在线视频免费播放| 日韩精品青青久久久久久| 免费观看人在逋| 成人av在线播放网站| 看免费av毛片| 老熟妇仑乱视频hdxx| 两个人免费观看高清视频| 成人手机av| 99久久99久久久精品蜜桃| 欧美在线黄色| 免费在线观看黄色视频的| 国产免费男女视频| 精品乱码久久久久久99久播| 免费看日本二区| 国产精品亚洲一级av第二区| 19禁男女啪啪无遮挡网站| 欧美丝袜亚洲另类 | 午夜福利高清视频| 大型av网站在线播放| 欧美久久黑人一区二区| 在线视频色国产色| 1024手机看黄色片| 老熟妇乱子伦视频在线观看| 90打野战视频偷拍视频| 欧美日韩亚洲国产一区二区在线观看| 在线a可以看的网站| 亚洲熟妇中文字幕五十中出| 国产69精品久久久久777片 | 免费在线观看完整版高清| 很黄的视频免费| 白带黄色成豆腐渣| 舔av片在线| 特大巨黑吊av在线直播| 此物有八面人人有两片| 久久久久九九精品影院| 欧美日韩瑟瑟在线播放| 男女床上黄色一级片免费看| 精品久久久久久成人av| 男人舔女人的私密视频| 日韩大码丰满熟妇| 一区二区三区国产精品乱码| 国产91精品成人一区二区三区| 很黄的视频免费| 三级男女做爰猛烈吃奶摸视频| 欧美日韩中文字幕国产精品一区二区三区| 国产精品永久免费网站| 村上凉子中文字幕在线| 禁无遮挡网站| 777久久人妻少妇嫩草av网站| 亚洲中文av在线| 午夜福利成人在线免费观看| 此物有八面人人有两片| tocl精华| 天天一区二区日本电影三级| a级毛片a级免费在线| 欧美国产日韩亚洲一区| 亚洲美女黄片视频| 女警被强在线播放| 精品国产亚洲在线| 亚洲五月天丁香| 精品久久久久久久人妻蜜臀av| 亚洲国产看品久久| 免费在线观看成人毛片| 国产一级毛片七仙女欲春2| 男女之事视频高清在线观看| 精品国内亚洲2022精品成人| 香蕉av资源在线| 国内精品久久久久久久电影| 12—13女人毛片做爰片一| 69av精品久久久久久| 免费在线观看日本一区| 免费电影在线观看免费观看| 成人三级做爰电影| 亚洲 国产 在线| 中国美女看黄片| 亚洲av成人一区二区三| АⅤ资源中文在线天堂| 久久人妻av系列| 免费看a级黄色片| 高清毛片免费观看视频网站| 亚洲国产精品合色在线| 久久中文字幕一级| 亚洲 欧美一区二区三区| 啦啦啦免费观看视频1| 后天国语完整版免费观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品美女久久av网站| 蜜桃久久精品国产亚洲av| 又粗又爽又猛毛片免费看| 麻豆av在线久日| 国产伦在线观看视频一区| 亚洲熟妇中文字幕五十中出| 最新美女视频免费是黄的| 在线视频色国产色| 99久久精品国产亚洲精品| 亚洲成人免费电影在线观看| 亚洲精华国产精华精| 人人妻人人看人人澡| 一进一出好大好爽视频| 欧美日韩亚洲国产一区二区在线观看| 亚洲成人精品中文字幕电影| 国内精品久久久久久久电影| ponron亚洲| 亚洲五月天丁香| 国产伦一二天堂av在线观看| 久久久精品欧美日韩精品| 亚洲在线自拍视频| 国产蜜桃级精品一区二区三区| 国产97色在线日韩免费| 午夜福利在线在线| 狂野欧美白嫩少妇大欣赏| 全区人妻精品视频| 99久久无色码亚洲精品果冻| 老司机深夜福利视频在线观看| 国产午夜精品久久久久久| 成人18禁在线播放| 男女下面进入的视频免费午夜| 中文字幕精品亚洲无线码一区| 亚洲熟女毛片儿| 黄频高清免费视频| 欧美高清成人免费视频www| 亚洲男人天堂网一区| 一卡2卡三卡四卡精品乱码亚洲| 日韩免费av在线播放| www.www免费av| 欧美乱码精品一区二区三区| 久久久国产精品麻豆| 男女那种视频在线观看| 宅男免费午夜| 午夜成年电影在线免费观看| 五月伊人婷婷丁香| 成人国语在线视频| 亚洲美女黄片视频| 夜夜夜夜夜久久久久| 老司机靠b影院| 日韩大码丰满熟妇| 国产视频一区二区在线看| 精品免费久久久久久久清纯| 国产精品亚洲美女久久久| 女生性感内裤真人,穿戴方法视频| 最近最新中文字幕大全电影3| 日韩精品免费视频一区二区三区| 又爽又黄无遮挡网站| 亚洲av成人不卡在线观看播放网| 精品熟女少妇八av免费久了| 国产午夜福利久久久久久| a级毛片在线看网站| 特级一级黄色大片| 一个人免费在线观看电影 | av天堂在线播放| 久9热在线精品视频| 在线观看免费视频日本深夜| 午夜福利在线在线| 国产成人一区二区三区免费视频网站| 亚洲专区中文字幕在线| 欧美人与性动交α欧美精品济南到| 精品少妇一区二区三区视频日本电影| 色精品久久人妻99蜜桃| 变态另类成人亚洲欧美熟女| 免费搜索国产男女视频| 精品福利观看| 男女视频在线观看网站免费 | 国产成人影院久久av| 亚洲自偷自拍图片 自拍| 国产一区二区三区在线臀色熟女| 男男h啪啪无遮挡| 日韩三级视频一区二区三区| 免费观看精品视频网站| 床上黄色一级片| 91老司机精品| 免费高清视频大片| 啦啦啦韩国在线观看视频| 在线免费观看的www视频| 欧美极品一区二区三区四区| 欧美在线黄色| 国产精品久久电影中文字幕| 亚洲成人中文字幕在线播放| 午夜福利成人在线免费观看| 久久精品夜夜夜夜夜久久蜜豆 | 久久欧美精品欧美久久欧美| 精品一区二区三区四区五区乱码| 成人国产一区最新在线观看| 老司机午夜十八禁免费视频| 久久久久亚洲av毛片大全| 国产成人aa在线观看| 99久久久亚洲精品蜜臀av| 毛片女人毛片| 人妻夜夜爽99麻豆av| 成年人黄色毛片网站| 在线观看免费视频日本深夜| 午夜福利视频1000在线观看| 日本黄大片高清| 禁无遮挡网站| 悠悠久久av| 国产av又大| 亚洲国产高清在线一区二区三| 亚洲五月天丁香| 精品福利观看| 亚洲精品久久国产高清桃花| 国产精品久久久久久久电影 | av视频在线观看入口| 熟妇人妻久久中文字幕3abv| 精品免费久久久久久久清纯| 手机成人av网站| 久久精品国产亚洲av高清一级| 99国产精品一区二区三区| 国产伦人伦偷精品视频| 亚洲一区中文字幕在线| 99久久无色码亚洲精品果冻| 在线观看免费视频日本深夜| 欧美成狂野欧美在线观看| 久久久久久免费高清国产稀缺| a在线观看视频网站| 国产精品亚洲一级av第二区| 香蕉国产在线看| 亚洲一区二区三区色噜噜| 给我免费播放毛片高清在线观看| 99久久久亚洲精品蜜臀av| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩免费av在线播放| 欧美日韩福利视频一区二区| 欧美+亚洲+日韩+国产| 又大又爽又粗| 欧美激情久久久久久爽电影| 久久天躁狠狠躁夜夜2o2o| 变态另类成人亚洲欧美熟女| 成人手机av| 999精品在线视频| 欧美色视频一区免费| 999久久久精品免费观看国产| 国产av又大| 一区二区三区高清视频在线| 热99re8久久精品国产| 97碰自拍视频| 国产单亲对白刺激| 久久精品aⅴ一区二区三区四区| 色尼玛亚洲综合影院| 男女做爰动态图高潮gif福利片| 色尼玛亚洲综合影院| 亚洲激情在线av| 久久国产精品人妻蜜桃| 十八禁网站免费在线| 看免费av毛片| 亚洲狠狠婷婷综合久久图片| 一本大道久久a久久精品| 黄频高清免费视频| 国产精品98久久久久久宅男小说| 黄片大片在线免费观看| 精品国产超薄肉色丝袜足j| 后天国语完整版免费观看| 久久久久久人人人人人| av片东京热男人的天堂| 日韩 欧美 亚洲 中文字幕| √禁漫天堂资源中文www| 国产av一区二区精品久久| 91大片在线观看| 十八禁网站免费在线| 窝窝影院91人妻| 露出奶头的视频| 搡老熟女国产l中国老女人| 午夜亚洲福利在线播放| av免费在线观看网站| 男人的好看免费观看在线视频 | 欧美中文日本在线观看视频| 午夜a级毛片| 级片在线观看| 亚洲av美国av| 麻豆一二三区av精品| or卡值多少钱| www日本在线高清视频| а√天堂www在线а√下载| 亚洲av五月六月丁香网| 日本一二三区视频观看| 国产高清视频在线播放一区| 久久久久久亚洲精品国产蜜桃av| 国产又色又爽无遮挡免费看| 精品第一国产精品| 国产一区二区激情短视频| 欧美高清成人免费视频www| 国产黄色小视频在线观看| 国产乱人伦免费视频| 男插女下体视频免费在线播放| 悠悠久久av| 精品一区二区三区四区五区乱码| 国产一区二区在线观看日韩 | 香蕉国产在线看| 好男人电影高清在线观看| 最新在线观看一区二区三区| 两个人免费观看高清视频| 国产在线精品亚洲第一网站| 精品久久久久久久毛片微露脸| 国产免费男女视频| 久久久久国内视频| 日本免费一区二区三区高清不卡| 桃色一区二区三区在线观看| 国内精品久久久久精免费| 琪琪午夜伦伦电影理论片6080| 国产精品亚洲美女久久久| 母亲3免费完整高清在线观看| 国产精品亚洲一级av第二区| 日本一区二区免费在线视频| 18禁黄网站禁片免费观看直播| 色尼玛亚洲综合影院| 波多野结衣高清作品| 人人妻人人看人人澡| 狠狠狠狠99中文字幕| 国产亚洲av高清不卡| 国产成人av激情在线播放| 99国产极品粉嫩在线观看| 久久久久国产一级毛片高清牌| 久久99热这里只有精品18| 黑人欧美特级aaaaaa片| 嫩草影院精品99| 欧美绝顶高潮抽搐喷水| www.www免费av| 国内少妇人妻偷人精品xxx网站 | 欧美精品啪啪一区二区三区| 99riav亚洲国产免费| 黄色 视频免费看| 国产日本99.免费观看| 亚洲美女黄片视频| 两人在一起打扑克的视频| 欧美3d第一页| 又黄又爽又免费观看的视频| 丝袜美腿诱惑在线| 黄色a级毛片大全视频| 中文字幕人妻丝袜一区二区| 黄色a级毛片大全视频| avwww免费| 成人三级做爰电影| 在线观看一区二区三区| 久久久久性生活片| 日韩欧美 国产精品| 欧美成狂野欧美在线观看| 成人特级黄色片久久久久久久| 色精品久久人妻99蜜桃| 岛国在线观看网站| 18美女黄网站色大片免费观看| 全区人妻精品视频| 久久久国产成人免费| 91字幕亚洲| 高清毛片免费观看视频网站| 亚洲熟女毛片儿| 国产熟女午夜一区二区三区| 国产亚洲精品久久久久久毛片| 这个男人来自地球电影免费观看| 欧美性长视频在线观看| or卡值多少钱| 最新在线观看一区二区三区| 午夜免费成人在线视频| 麻豆av在线久日| 女人爽到高潮嗷嗷叫在线视频| 听说在线观看完整版免费高清| 99精品在免费线老司机午夜| 波多野结衣高清作品| 亚洲欧美日韩高清在线视频| 国产蜜桃级精品一区二区三区| 99热这里只有是精品50| videosex国产| 欧美乱码精品一区二区三区| 久久中文字幕人妻熟女| 欧美日韩国产亚洲二区| 亚洲人成77777在线视频| 天堂av国产一区二区熟女人妻 | 18美女黄网站色大片免费观看| 国产一级毛片七仙女欲春2| 久99久视频精品免费| 老熟妇仑乱视频hdxx| 亚洲欧美激情综合另类| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲一区高清亚洲精品| 一级a爱片免费观看的视频| av片东京热男人的天堂| 美女午夜性视频免费| 欧美人与性动交α欧美精品济南到| 日韩欧美国产一区二区入口| 国产v大片淫在线免费观看| av国产免费在线观看| 熟女少妇亚洲综合色aaa.| 草草在线视频免费看| 国产高清videossex| 国产精品免费一区二区三区在线| 日本在线视频免费播放| 免费电影在线观看免费观看| 黑人欧美特级aaaaaa片| 亚洲一区二区三区色噜噜| 久久这里只有精品19| 天天躁狠狠躁夜夜躁狠狠躁| 国产69精品久久久久777片 | 在线免费观看的www视频| 正在播放国产对白刺激| 在线永久观看黄色视频| 人妻丰满熟妇av一区二区三区| 舔av片在线| 精品福利观看| 又大又爽又粗| 99久久久亚洲精品蜜臀av| 午夜激情福利司机影院| 午夜影院日韩av| 99久久综合精品五月天人人| 国产免费av片在线观看野外av| 啦啦啦观看免费观看视频高清| 九色成人免费人妻av| 91九色精品人成在线观看| 亚洲欧美一区二区三区黑人| 亚洲精品一卡2卡三卡4卡5卡| 欧美色视频一区免费| 夜夜看夜夜爽夜夜摸| 在线观看日韩欧美| 亚洲成人精品中文字幕电影| 熟女少妇亚洲综合色aaa.| 久久精品国产亚洲av香蕉五月| 成人18禁高潮啪啪吃奶动态图| 亚洲精品国产精品久久久不卡| 国产午夜精品论理片| 一个人观看的视频www高清免费观看 | 亚洲自拍偷在线| 精品久久蜜臀av无| 男女午夜视频在线观看| svipshipincom国产片| 长腿黑丝高跟| 怎么达到女性高潮| 女生性感内裤真人,穿戴方法视频| 精品高清国产在线一区| 嫩草影院精品99| 欧美日韩精品网址| 91国产中文字幕| 午夜激情福利司机影院| 久久99热这里只有精品18| 精品国产乱子伦一区二区三区| 久久精品国产亚洲av香蕉五月| 窝窝影院91人妻| 俄罗斯特黄特色一大片| 欧美日韩瑟瑟在线播放| a在线观看视频网站| 午夜福利高清视频| 两人在一起打扑克的视频| 啦啦啦免费观看视频1| 99热这里只有精品一区 | 曰老女人黄片| 又大又爽又粗| 成人av一区二区三区在线看| 老司机午夜十八禁免费视频| 99re在线观看精品视频| 中文在线观看免费www的网站 | 一级毛片女人18水好多| 午夜亚洲福利在线播放| 国产精品亚洲一级av第二区| 欧美人与性动交α欧美精品济南到| 亚洲真实伦在线观看| 熟女少妇亚洲综合色aaa.| 男女床上黄色一级片免费看| 日韩欧美在线乱码| 日日干狠狠操夜夜爽| 成人特级黄色片久久久久久久| 黄色片一级片一级黄色片| 欧美av亚洲av综合av国产av| 国产片内射在线| 国产三级黄色录像| 亚洲自偷自拍图片 自拍| www.www免费av| www.自偷自拍.com| 欧美一级毛片孕妇| 精品乱码久久久久久99久播|