• <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SA-RF的公路隧道交通流數(shù)據(jù)修復模型研究

    2024-01-10 04:32:10付立家陳麗陽
    公路交通技術 2023年6期
    關鍵詞:交通流隧道變量

    付立家, 陳麗陽, 尚 康

    (1.招商局重慶交通科研設計院有限公司, 重慶 400067; 2.重慶交通大學 交通運輸學院, 重慶 400074)

    公路隧道配備了大量機電設施和交通感知設備,以全方位獲取隧道交通信息、環(huán)境信息和結構信息,為公路隧道智能化管理和控制提供數(shù)據(jù)支撐。但因隧道運行環(huán)境復雜、設備檢查維護不及時、通信質(zhì)量不穩(wěn)定等因素,或多或少導致隧道交通流數(shù)據(jù)缺失,降低了數(shù)據(jù)的完整性和準確性。為解決此類問題,對隧道內(nèi)環(huán)境、交通狀態(tài)等各類運營數(shù)據(jù)進行實時、完整獲取并深入挖掘,以提高應急處置能力,實現(xiàn)運營安全預警[1],需對交通流缺失數(shù)據(jù)修復方法開展研究,為公路隧道運營管理提供穩(wěn)定的數(shù)據(jù)保障。目前,針對缺失數(shù)據(jù)的修復方法主要包括統(tǒng)計學方法和機器學習方法,前者包括EM(Expectation Maximization)填充算法[2]、回歸分析法[3]、多重插補[4]等,但因該方法未考慮數(shù)據(jù)類別的差異性,致使修復效果精度較低;機器學習方法是以分類、聚類和回歸方法修復缺失數(shù)據(jù)集,主要包括KNN(K-Nearest Neighbor)算法[5]、K-means算法[6]、貝葉斯網(wǎng)絡[2,7]、支持向量機SVM(Support Vector Machine)算法[8]和隨機森林RF(Random Forest)算法[1,9]等,該方法在交通領域研究與應用較多。邵毅明等[9]在隨機森林模型基礎上采用遺傳算法進行優(yōu)化調(diào)參;曾小華等[10]采用插補缺失與神經(jīng)網(wǎng)絡集成方法預測修復公交客車行駛工況的缺失數(shù)據(jù);張壯壯等[11]采用時空卷積神經(jīng)網(wǎng)絡預測模型,從時間和空間相關性預測修復路網(wǎng)交通流數(shù)據(jù)。上述預測修復方法主要從時間、空間相關性的視角進行修復,而從時空相關性視角針對交通流數(shù)據(jù)的缺失率和缺失模式研究報道較少。

    為此,本文從時空相關性視角,建立基于SA-RF的公路隧道交通流缺失數(shù)據(jù)修復模型。根據(jù)數(shù)據(jù)缺失模式,先分別從時間相關性建立單變量修復模型和空間相關性建立多變量修復模型,然后將兩者結合,建立時空相關性的綜合修復模型,修復交通流數(shù)據(jù)的一般數(shù)據(jù)缺失模式,并在不同缺失率下驗證修復模型的準確性和可靠性。

    1 基于SA-RF的公路隧道交通流修復方法

    RF模型中有許多重要超參數(shù),而超參數(shù)的取值不同致使模型預測修復精度不同。為得到更精準的交通流預測修復模型,需對RF模型的參數(shù)進行多次調(diào)整,并訓練和驗證修復效果。傳統(tǒng)方法如網(wǎng)格搜索法、隨機搜索法等存在訓練步驟復雜、時間長、效率低等問題,而模擬退火算法SA(Simulated Annealing)能夠同時優(yōu)化多個參數(shù)、避免陷入局部最優(yōu)解、高效尋找最優(yōu)參數(shù)。為此,本文以SA算法對RF模型的主要參數(shù)進行尋優(yōu),并根據(jù)最優(yōu)參數(shù)建立SA-RF模型預測修復缺失交通流。

    1.1 模擬退火算法SA

    模擬退火算法[12-13]是借鑒固體退火原理的一種通用概率演算法。該算法需設定初始高溫、降溫速率和結束低溫,在每階段中,以固定速率降低當前溫度,并判斷是否以新解替換當前最優(yōu)解。如果得到隨機新解優(yōu)于當前最優(yōu)解,則以新解替換當前最優(yōu)解;如果得到隨機新解不優(yōu)于當前最優(yōu)解時,則以Metropolis準則的接受概率p判斷是否接受新解替換當前最優(yōu)解。其中接受概率p見式(1):

    (1)

    式中:Ci,Ci+1分別為目標函數(shù)在第i次和i+1次的迭代值;T為當前溫度,在迭代過程中T值逐步緩慢減小,當T值變化太快,會使目標函數(shù)陷入局部極值點。

    1.2 隨機森林算法RF

    隨機森林是一種統(tǒng)計學理論,其基本思想是根據(jù)Bootstrapping重抽樣方法依次建立多個分類或回歸樹,對多個決策樹的輸出結果進行集成,最終得到分類或回歸預測結果。大量的理論和實證研究都證明了RF具有很高的預測準確率,對異常值和噪聲具有很好的容忍度,且不容易出現(xiàn)過擬合[14]。

    RF算法基本步驟:1) Bootstrapping重抽樣,從訓練樣本數(shù)據(jù)中隨機抽樣一部分數(shù)據(jù),用于訓練決策樹;2) 使用隨機抽樣數(shù)據(jù)構建決策樹,包括ID3、C4.5、CART等算法;3) 計算決策樹的每個預測結果,對于每棵決策樹,根據(jù)特征的取值、分支條件等規(guī)則,將該樣本劃分到對應的葉子節(jié)點中;4) 計算RF結果,統(tǒng)計所有決策樹中該樣本所在的葉子節(jié)點的預測結果,按照預測結果的投票數(shù)或概率進行加權平均,得到最終的預測結果。

    1.3 交通流修復方式

    數(shù)據(jù)缺失模式大致分為單變量缺失、多變量缺失、單調(diào)缺失和一般缺失[15]4類,如表1所示。

    在公路隧道采集的交通流數(shù)據(jù)中,缺失數(shù)據(jù)隨機分布在不同屬性之間,往往伴隨著單變量和多變量缺失模式,符合一般缺失模式。因此將單變量和多變量修復模型相結合,從時空相關性構建基于SA-RF的綜合修復模型,用于修復常見的一般缺失模式。

    表1 缺失模式及修復方式

    2 交通流修復流程

    SA-RF修復模型主要包括數(shù)據(jù)處理模塊、SA-RF參數(shù)尋優(yōu)模塊和SA-RF預測修復模塊,流程如圖1所示。數(shù)據(jù)處理模塊是剔除異常值、缺失值、標準化處理、劃分訓練數(shù)據(jù)集和測試數(shù)據(jù)集;SA-RF參數(shù)尋優(yōu)模塊是以SA模型尋找RF模型4個主要參數(shù),并確定最優(yōu)參數(shù)組合,包括決策樹個數(shù)(n_estimators)、決策樹最大深度(max_depth)、節(jié)點可分的最小樣本數(shù)(min_samples_split)和葉子節(jié)點含有的最少樣本(min_samples_leaf);SA-RF預測修復模塊是根據(jù)最優(yōu)參數(shù)組合和訓練數(shù)據(jù)集建立SA-RF交通流修復模型,預測修復交通流缺失值。

    2.1 交通流數(shù)據(jù)處理模塊

    由于公路隧道采集的交通流存在異常值,為保障訓練及測試數(shù)據(jù)集的完整性,在數(shù)據(jù)處理階段剔除包含缺失和異常值的數(shù)據(jù)條。根據(jù)單變量和多變量修復模型劃分對應的訓練集和測試集,并訓練SA-RF修復模型和參數(shù)尋優(yōu)。

    1) 單變量修復模型數(shù)據(jù)集

    單變量修復模型是根據(jù)時間相關建立預測修復模型,在完整的數(shù)據(jù)集上,設定時間窗口的維度為k、步長為1,滑動提取交通流數(shù)據(jù)時間序列樣本量為t+1,構建k×t維時間序列特征矩陣X和目標向量

    圖1 SA-RF修復流程

    標簽Y,見式(2)。

    Y=[y1,y2…yk]T

    (2)

    式中:xij為第i個樣本的第j維數(shù)據(jù);yi為第i個樣本的目標值;X為時間序列特征矩陣,即修復模型自變量;Y為目標向量標簽,即修復模型因變量。

    2) 多變量修復模型數(shù)據(jù)集

    多變量修復模型是根據(jù)空間相關性建立預測修復模型,利用交通流各參數(shù)間非線性關系,以多變量預測方式修復交通流缺失數(shù)據(jù)。在完整數(shù)據(jù)集上,構建特征矩陣X,見式(2),其中k為交通流參數(shù)維度,t為交通流數(shù)據(jù)量,即采集樣本量。

    3) 修復模型訓練集與測試集

    為驗證預測修復模型的修復效果,根據(jù)單變量和多變量修復模型數(shù)據(jù)集,以9∶1分別劃分相應的訓練數(shù)據(jù)集和測試數(shù)據(jù)集。其中訓練數(shù)據(jù)集用于SA-RF模型的訓練和參數(shù)尋優(yōu),測試數(shù)據(jù)集的目標向量標簽Y需人為隨機缺失部分數(shù)據(jù),用于驗證模型修復效果。

    4) 誤差函數(shù)

    以均方誤差(MSE)計算訓練過程中損失值,表示預測值與真實值之間匹配度,計算公式如下:

    (3)

    以平均絕對百分比誤差(MAPE)衡量修復值與真實值間的相對偏差,計算公式如下:

    (4)

    2.2 SA-RF參數(shù)尋優(yōu)模塊

    單變量和多變量修復模型在SA-RF模型中訓練方法相同,但訓練數(shù)據(jù)集不同,導致不同的訓練結果。按照圖1的訓練流程,將單變量和多變量修復模型訓練數(shù)據(jù)集分別作為輸入量訓練SA-RF模型。在訓練過程中以SA算法不斷迭代優(yōu)化,尋找單變量和多變量修復模型的最優(yōu)參數(shù)組合。在尋參過程中以RF模型預測值與真實值的MSE作為目標函數(shù),快速、準確尋求最優(yōu)參數(shù)組合,整個過程是一個求解全局最優(yōu)問題。

    2.3 SA-RF預測修復模塊

    公路隧道采集的單條數(shù)據(jù)中會存在數(shù)據(jù)未缺失、單變量缺失和多變量缺失,因此,在實際應用中綜合2種模式對缺失數(shù)據(jù)進行修復。通過訓練數(shù)據(jù)集和最優(yōu)組合參數(shù)對SA-RF模型進行訓練,利用訓練好的預測模型對缺失驗證數(shù)據(jù)集進行修復,應用MAPE評估修復效果。以交通流參數(shù)的車流量(Q)、平均車速(V)和時間占有率(Oc)為參數(shù),確定缺失數(shù)據(jù)綜合修復步驟。

    公路隧道部分檢測數(shù)據(jù)如表2所示。表2中,缺失數(shù)據(jù)用null表示;t+2、t+3…t+n時刻為單變量數(shù)據(jù)缺失;t+5、t+n-1時刻為多變量數(shù)據(jù)缺失。單變量修復模型需滿足該時間序列前k個數(shù)據(jù)未缺失,而多變量修復模型需滿足待修復變量的其他變量數(shù)據(jù)均未缺失。

    表2 缺失示例數(shù)據(jù)

    SA-RF綜合修復模型的修復步驟:1) 提取公路隧道交通流缺失數(shù)據(jù),記錄缺失時間Ti、缺失變量(Q/V/Oc),并存儲在lose_data中;2) 判斷l(xiāng)ose_data中第i個交通流數(shù)據(jù)缺失類型(單變量缺失/多變量缺失);3) 根據(jù)缺失類型建立待修復特征向量Xi,單變量缺失根據(jù)Ti時刻其他變量數(shù)據(jù)建立待修復特征向量,多變量缺失根據(jù)前k個數(shù)據(jù)建立待修復特征向量;4) 以SA-RF預測修復值,多變量預測修復模型修補單變量數(shù)據(jù)缺失,單變量預測修復模型修補多變量數(shù)據(jù)缺失;5) 以修復值補全交通流缺失值,并刪除lose_data中Ti時刻元素,若lose_data中元素個數(shù)為0,則完成所有缺失值修復,否則轉(zhuǎn)回步驟2)。

    3 實例驗證

    3.1 公路隧道交通流概況

    為驗證綜合修復模型的準確性和可靠性,以重慶某公路隧道為研究對象,在同一時間和區(qū)域內(nèi)持續(xù)收集交通流數(shù)據(jù)。采樣時間為2021-07-02—2021-09-17,采樣間隔1 h,共計采樣1 848組數(shù)據(jù),如圖2所示。由于采樣交通流數(shù)據(jù)存在異常和缺失問題,需預處理原始采樣數(shù)據(jù),包括剔除缺失值、異常值和標準化處理,同時按照9∶1劃分訓練數(shù)據(jù)集和測試數(shù)據(jù)集。訓練數(shù)據(jù)集用于SA-RF參數(shù)尋優(yōu)和訓練修復模型;測試集劃分3%、5%、10%和15%缺失比例,用于驗證模型的準確性。

    (a) 交通量

    (b) 平均車速

    (c) 平均時間占有率

    3.2 訓練SA-RF修復模型

    1) 參數(shù)尋優(yōu)

    在模型訓練階段應用MSE誤差函數(shù)計算模型損失值,可有效評估訓練模型準確性。以SA算法對RF模型參數(shù)尋優(yōu),調(diào)整主要參數(shù)和搜索空間,如表3所示。在SA算法中,以RF預測值與真實值的MSE作為目標函數(shù),衡量在每種參數(shù)組合下的目標函數(shù)值,全局搜索最小MSE的參數(shù)組合。其中設置初始溫度100 ℃,退火速率0.99,結束低溫0.01 ℃。

    2) 訓練單變量或多變量修復模型

    根據(jù)單變量修復模型數(shù)據(jù)集,設定時間窗口k=24,即待修復數(shù)據(jù)前24個時刻交通流數(shù)據(jù)作為特征訓練向量,分別形成3條單變量訓練數(shù)據(jù)集,每個數(shù)據(jù)集包含1 521條訓練特征向量。分別對交通流參數(shù)Q、V、Oc訓練SA-RF單變量修復模型,并尋找最優(yōu)參數(shù)。經(jīng)過訓練后,結果如圖3所示。圖3中,從左到右分別為Q、V、Oc序列的SA-RF模型迭代誤差曲線,最終趨向與x軸平行的曲線為SA-RF最優(yōu)迭代誤差曲線。

    同理,針對多變量修復模型,設置空間特征維度k=2,構建對應訓練數(shù)據(jù)集,分別對交通流參數(shù)(Q,V)-Oc、(Q,Oc)-V、(Oc,V)-Q訓練SA-RF多變量修復模型,并尋找最優(yōu)參數(shù),單變量和多變量的最優(yōu)參數(shù)如表3所示。

    3.3 SA-RF綜合修復模型

    由于修復模型存在前置限制條件,單變量修復模型要求完整時間序列的交通流數(shù)據(jù),可用于修復單變量和多變量數(shù)據(jù)缺失模式;多變量修復模型要求同一時間維度的其他交通流特征未缺失,可用于修復單變量缺失模型。公路隧道交通流缺失數(shù)據(jù)具有隨機性、復雜性和時空性,缺失模型存在單變量缺失和多變量缺失共存的情況,從表3中可知,多變量修復效果遠高于單變量修復效果。因此,以多變量修復模型為主,單變量修復為輔,建立基于SA-RF的綜合修復模型,全方位、高精度修復公路隧道缺失數(shù)據(jù)。

    表3 SA-RF修復模型最優(yōu)參數(shù)與誤差

    (a) Q序列

    (b) V序列

    (c) Oc序列

    在交通流測試集上分別構建3%、5%、10%和15%缺失比例的隨機缺失數(shù)據(jù),利用SA-RF模型分別對4種缺失率下的測試集進行修復,其修復效果如圖4所示。圖4中,曲線表示缺失交通流數(shù)據(jù)和修復交通流數(shù)據(jù)曲線。從圖4中可見,SA-RF模型預測修復曲線貼近于原始交通流曲線,大部分修復值點靠近真實值點,甚至部分點位重合,修復效果較好。

    (a) 交通量(3%缺失率)

    (b) 平均車速(3%缺失率)

    (c) 平均時間占有率(3%缺失率)

    (d) 交通量(5%缺失率)

    (e) 平均車速(5%缺失率)

    (f) 平均時間占有率(5%缺失率)

    (g) 交通量(10%缺失率)

    (h) 平均車速(10%缺失率)

    (i) 平均時間占有率(10%缺失率)

    (j) 交通量(15%缺失率)

    (k) 平均車速(15%缺失率)

    (l) 平均時間占有率(15%缺失率)

    3.4 修復模型對比分析

    為驗證基于SA-RF的綜合修復模型的準確率,選取RF、LSTM、均值插補修復模型對比分析,通過相同的訓練數(shù)據(jù)集進行訓練,按照隨機缺失率3%、5%、10%、15%劃分測試集,并預測修復缺失值。為綜合比較交通流修復效果,避免MSE會懲罰大偏差,以MAPE衡量交通流修復效果,結果如表4、圖5所示。

    表4 不同缺失率、修復模型的誤差

    圖5 不同修復方法的MAPE對比

    MAPE反映修復數(shù)據(jù)偏離真實值的相對程度,MAPE值越小則修復值與真實值的相對偏差越小,修復精度越高。從圖5中可知,經(jīng)SA模型調(diào)參優(yōu)化,RF在不同缺失率下修復精度均得到提升,在3%缺失率時,SA-RF模型較未調(diào)參RF模型的MAPE降低24%。4種缺失率下使用SA-RF修復模型的MAPE值均低于RF、LSTM和均值插補修復模型,SA-RF修復曲線更貼近原始數(shù)據(jù)曲線。其中,在3%缺失率下,SA-RF修復模型相較RF、LSTM和均值插補辦法,修復效果分別提升了24%、34.06%和41.3%。對比不同缺失率下的SA-RF修復模型效果,結果表明,在5%缺失率時修復效果最好,相較15%缺失率,修復效果提升了13.64%,修復效果顯著。

    4 結論

    1) 基于模擬退火算法優(yōu)化的隨機森林預測模型(SA-RF)能很好實現(xiàn)對低缺失率(5%)的交通流數(shù)據(jù)修復。

    2) SA-RF模型預測效果優(yōu)于傳統(tǒng)RF模型,在一定程度上通過SA模型進行參數(shù)尋優(yōu),可降低RF模型的修復誤差,提升模型預測準確性。

    3) 根據(jù)交通數(shù)據(jù)的時間相關性和空間相關性分別建立單變量和多變量修復方式,構建相應訓練數(shù)據(jù)集、訓練和預測模型,將2種修復方式相結合建立SA-RF綜合修復模型。該模型可實現(xiàn)高精度和高魯棒性修補交通流數(shù)據(jù)。

    4) 在交通流缺失率為3%、5%、10%和15%時,對比SA-RF修復模型與其他模型的修復效果,結果表明,SA-RF在不同缺失率下均可高精度修復交通流缺失數(shù)據(jù),且修復誤差指標MAPE均低于同等缺失率的RF、LSTM、均值插補修復模型。

    猜你喜歡
    交通流隧道變量
    與隧道同行
    抓住不變量解題
    也談分離變量
    神奇的泥巴山隧道
    小讀者(2019年24期)2019-01-10 23:00:37
    黑乎乎的隧道好可怕
    交通流隨機行為的研究進展
    路內(nèi)停車對交通流延誤影響的定量分析
    SL(3,3n)和SU(3,3n)的第一Cartan不變量
    LED隧道照明節(jié)能改造探討
    具有負壓力的Aw-Rascle交通流的Riemann問題
    av又黄又爽大尺度在线免费看| 999精品在线视频| 如日韩欧美国产精品一区二区三区| 麻豆乱淫一区二区| 9色porny在线观看| 麻豆av在线久日| 人人妻,人人澡人人爽秒播| 菩萨蛮人人尽说江南好唐韦庄| 日韩精品免费视频一区二区三区| 在线观看免费高清a一片| 这个男人来自地球电影免费观看| 午夜精品国产一区二区电影| 青青草视频在线视频观看| 欧美午夜高清在线| 曰老女人黄片| 久9热在线精品视频| 宅男免费午夜| 黑人巨大精品欧美一区二区mp4| 亚洲国产av新网站| 久久久久精品人妻al黑| 久久久精品区二区三区| 久久久久精品国产欧美久久久 | 蜜桃国产av成人99| 午夜久久久在线观看| 国产av精品麻豆| 亚洲伊人色综图| 欧美日韩国产mv在线观看视频| 国产一区二区在线观看av| 免费少妇av软件| 久久影院123| 国产精品久久久人人做人人爽| 国产精品久久久久成人av| 极品人妻少妇av视频| 精品久久久久久久毛片微露脸 | 国产成+人综合+亚洲专区| 一本色道久久久久久精品综合| 欧美激情高清一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 大片电影免费在线观看免费| 久久中文字幕一级| 亚洲全国av大片| 国产免费视频播放在线视频| 视频区图区小说| 欧美激情极品国产一区二区三区| 三上悠亚av全集在线观看| 日日爽夜夜爽网站| 国产成人一区二区三区免费视频网站| 国产欧美亚洲国产| 欧美+亚洲+日韩+国产| 黄色a级毛片大全视频| 如日韩欧美国产精品一区二区三区| 久久亚洲国产成人精品v| 亚洲专区字幕在线| 亚洲免费av在线视频| 免费观看人在逋| 国产人伦9x9x在线观看| 亚洲av国产av综合av卡| 精品亚洲成国产av| 午夜91福利影院| 免费不卡黄色视频| 久久中文字幕一级| 少妇粗大呻吟视频| 99九九在线精品视频| 99久久国产精品久久久| 男女床上黄色一级片免费看| 精品亚洲乱码少妇综合久久| 午夜福利影视在线免费观看| 欧美少妇被猛烈插入视频| 香蕉国产在线看| 日韩熟女老妇一区二区性免费视频| 在线观看一区二区三区激情| 777久久人妻少妇嫩草av网站| 国产精品一区二区免费欧美 | 欧美少妇被猛烈插入视频| 在线观看免费日韩欧美大片| 午夜福利在线免费观看网站| 久久精品熟女亚洲av麻豆精品| 欧美乱码精品一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 老鸭窝网址在线观看| 99re6热这里在线精品视频| 亚洲成人免费电影在线观看| 黄色a级毛片大全视频| 色精品久久人妻99蜜桃| 99国产精品免费福利视频| 欧美亚洲日本最大视频资源| 91九色精品人成在线观看| 午夜激情久久久久久久| 又大又爽又粗| 啦啦啦 在线观看视频| 极品少妇高潮喷水抽搐| 亚洲一区中文字幕在线| 日本av手机在线免费观看| 首页视频小说图片口味搜索| 国内毛片毛片毛片毛片毛片| 又紧又爽又黄一区二区| av天堂久久9| 亚洲国产av影院在线观看| 性色av乱码一区二区三区2| 国产亚洲av片在线观看秒播厂| 国产免费视频播放在线视频| 首页视频小说图片口味搜索| 久久久久久久久久久久大奶| www.av在线官网国产| 国产精品麻豆人妻色哟哟久久| 国产亚洲av高清不卡| 亚洲av片天天在线观看| av一本久久久久| 欧美日韩成人在线一区二区| 久久精品人人爽人人爽视色| 在线观看一区二区三区激情| 亚洲欧美激情在线| 亚洲成国产人片在线观看| 最近中文字幕2019免费版| 精品乱码久久久久久99久播| 成人av一区二区三区在线看 | 国产xxxxx性猛交| 国产精品国产三级国产专区5o| 国产1区2区3区精品| 欧美日韩亚洲国产一区二区在线观看 | 日韩制服骚丝袜av| 狠狠狠狠99中文字幕| 久久毛片免费看一区二区三区| 日韩制服丝袜自拍偷拍| 777久久人妻少妇嫩草av网站| 午夜日韩欧美国产| 亚洲av电影在线观看一区二区三区| 欧美日韩福利视频一区二区| 久久99一区二区三区| 欧美午夜高清在线| av视频免费观看在线观看| 国产精品久久久av美女十八| 亚洲少妇的诱惑av| 乱人伦中国视频| 男人操女人黄网站| 国产免费av片在线观看野外av| 丰满人妻熟妇乱又伦精品不卡| 99热国产这里只有精品6| 日韩欧美免费精品| 另类亚洲欧美激情| 亚洲欧美色中文字幕在线| 久久国产精品男人的天堂亚洲| 日本五十路高清| 十八禁高潮呻吟视频| 精品人妻1区二区| 精品人妻一区二区三区麻豆| 国产深夜福利视频在线观看| 丝瓜视频免费看黄片| 免费在线观看影片大全网站| 亚洲精品国产av成人精品| 高潮久久久久久久久久久不卡| 亚洲avbb在线观看| av福利片在线| 人成视频在线观看免费观看| 俄罗斯特黄特色一大片| www.999成人在线观看| 另类亚洲欧美激情| 巨乳人妻的诱惑在线观看| 好男人电影高清在线观看| 一级黄色大片毛片| 美国免费a级毛片| 国产精品一区二区免费欧美 | 9色porny在线观看| 欧美日韩亚洲国产一区二区在线观看 | 又大又爽又粗| 男女免费视频国产| 亚洲精品国产精品久久久不卡| 国产不卡av网站在线观看| 99久久精品国产亚洲精品| 1024视频免费在线观看| 天堂中文最新版在线下载| 美女高潮到喷水免费观看| 欧美黑人欧美精品刺激| 少妇粗大呻吟视频| 97精品久久久久久久久久精品| 国产免费一区二区三区四区乱码| 午夜激情久久久久久久| 91av网站免费观看| 捣出白浆h1v1| 99精国产麻豆久久婷婷| 精品少妇黑人巨大在线播放| 人妻 亚洲 视频| 午夜影院在线不卡| 91成人精品电影| 丝瓜视频免费看黄片| 欧美亚洲日本最大视频资源| 亚洲三区欧美一区| 亚洲五月色婷婷综合| 国产精品熟女久久久久浪| 亚洲精品av麻豆狂野| 一级毛片女人18水好多| 我的亚洲天堂| 久久久久久久久免费视频了| 老司机福利观看| 十分钟在线观看高清视频www| 日韩一卡2卡3卡4卡2021年| 亚洲色图 男人天堂 中文字幕| 久久久久国内视频| 中国美女看黄片| 欧美精品人与动牲交sv欧美| 亚洲av欧美aⅴ国产| 最近最新免费中文字幕在线| 最近最新免费中文字幕在线| 亚洲激情五月婷婷啪啪| cao死你这个sao货| 亚洲欧美一区二区三区黑人| videosex国产| 女人久久www免费人成看片| 国产欧美亚洲国产| 国产精品九九99| 久久久水蜜桃国产精品网| 日本黄色日本黄色录像| 亚洲人成77777在线视频| 国产淫语在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 欧美 日韩 精品 国产| 国产99久久九九免费精品| 成人手机av| 午夜福利,免费看| 纯流量卡能插随身wifi吗| 亚洲欧美一区二区三区久久| 亚洲国产欧美在线一区| 高清黄色对白视频在线免费看| 美女午夜性视频免费| 亚洲欧美精品综合一区二区三区| 久久综合国产亚洲精品| 亚洲色图 男人天堂 中文字幕| 啦啦啦 在线观看视频| 国产精品熟女久久久久浪| 日韩大片免费观看网站| 男女免费视频国产| 另类亚洲欧美激情| 12—13女人毛片做爰片一| 爱豆传媒免费全集在线观看| 日本精品一区二区三区蜜桃| 亚洲精品国产av蜜桃| 亚洲熟女毛片儿| 国产一级毛片在线| 啦啦啦啦在线视频资源| 性色av一级| 婷婷色av中文字幕| 好男人电影高清在线观看| 新久久久久国产一级毛片| 女人高潮潮喷娇喘18禁视频| 国产日韩欧美亚洲二区| 青春草视频在线免费观看| 欧美精品av麻豆av| 欧美在线黄色| 波多野结衣av一区二区av| 久久av网站| 亚洲七黄色美女视频| 别揉我奶头~嗯~啊~动态视频 | 一级黄色大片毛片| 日韩制服丝袜自拍偷拍| 欧美午夜高清在线| 香蕉丝袜av| 波多野结衣一区麻豆| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品久久午夜乱码| a级毛片黄视频| 久久久久久久国产电影| 国产精品国产av在线观看| 女人久久www免费人成看片| 1024视频免费在线观看| 99热网站在线观看| 50天的宝宝边吃奶边哭怎么回事| 99国产精品一区二区三区| 欧美亚洲日本最大视频资源| 国产淫语在线视频| 人人妻人人澡人人爽人人夜夜| 电影成人av| e午夜精品久久久久久久| 中国国产av一级| 国产免费一区二区三区四区乱码| 国产精品影院久久| 90打野战视频偷拍视频| 99香蕉大伊视频| 人妻久久中文字幕网| 热re99久久国产66热| 亚洲精品在线美女| 国产在线观看jvid| 亚洲精品粉嫩美女一区| 日本a在线网址| 国产成人一区二区三区免费视频网站| 免费av中文字幕在线| 国产免费一区二区三区四区乱码| 国产精品国产三级国产专区5o| 十八禁高潮呻吟视频| 亚洲成人国产一区在线观看| 亚洲精品中文字幕一二三四区 | 日本a在线网址| 中文字幕人妻熟女乱码| 国产成人啪精品午夜网站| 黑人操中国人逼视频| 蜜桃国产av成人99| 亚洲欧美色中文字幕在线| 亚洲国产日韩一区二区| 国产成人精品无人区| 亚洲伊人久久精品综合| 黄色怎么调成土黄色| 狂野欧美激情性bbbbbb| av在线app专区| 国产xxxxx性猛交| 日韩 欧美 亚洲 中文字幕| 国产精品麻豆人妻色哟哟久久| av在线老鸭窝| 国产亚洲精品第一综合不卡| 极品少妇高潮喷水抽搐| 精品亚洲成a人片在线观看| 十八禁高潮呻吟视频| 97在线人人人人妻| 国产日韩欧美亚洲二区| 国产亚洲精品第一综合不卡| 人人妻人人添人人爽欧美一区卜| 久久久久久久久免费视频了| 国产成人av激情在线播放| 亚洲欧洲精品一区二区精品久久久| netflix在线观看网站| 日韩制服丝袜自拍偷拍| 岛国毛片在线播放| 久久香蕉激情| 看免费av毛片| 欧美日韩黄片免| 亚洲国产精品999| 桃红色精品国产亚洲av| 久久ye,这里只有精品| 久久国产精品影院| 午夜福利一区二区在线看| 国产精品久久久久久人妻精品电影 | 建设人人有责人人尽责人人享有的| 精品人妻一区二区三区麻豆| 久久av网站| 久久99一区二区三区| 在线观看免费午夜福利视频| 国产成人啪精品午夜网站| 99久久综合免费| 超碰97精品在线观看| 精品视频人人做人人爽| 一个人免费在线观看的高清视频 | 18禁裸乳无遮挡动漫免费视频| 50天的宝宝边吃奶边哭怎么回事| 久久精品亚洲熟妇少妇任你| 18禁观看日本| 亚洲,欧美精品.| 日本a在线网址| 国产成人av教育| 久久影院123| 99国产精品一区二区三区| 纯流量卡能插随身wifi吗| 久久久欧美国产精品| 亚洲成av片中文字幕在线观看| 69av精品久久久久久 | 中亚洲国语对白在线视频| 男人操女人黄网站| 欧美另类亚洲清纯唯美| 在线观看舔阴道视频| 女人被躁到高潮嗷嗷叫费观| 国产精品国产av在线观看| 久久人妻熟女aⅴ| 人人妻人人澡人人看| 国产成+人综合+亚洲专区| 黄片小视频在线播放| 少妇的丰满在线观看| 婷婷成人精品国产| 亚洲精华国产精华精| 女人爽到高潮嗷嗷叫在线视频| 亚洲成人国产一区在线观看| av又黄又爽大尺度在线免费看| 免费在线观看日本一区| 美女中出高潮动态图| 大香蕉久久成人网| 国产成人免费无遮挡视频| 男人添女人高潮全过程视频| 黄片大片在线免费观看| 亚洲国产欧美网| 国产xxxxx性猛交| 1024视频免费在线观看| 亚洲 欧美一区二区三区| 亚洲成人免费av在线播放| 亚洲欧美精品自产自拍| 亚洲欧洲精品一区二区精品久久久| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品日韩在线中文字幕| 国产99久久九九免费精品| 亚洲精品一区蜜桃| 久久精品成人免费网站| 国产一区二区 视频在线| 女人高潮潮喷娇喘18禁视频| 精品免费久久久久久久清纯 | 欧美国产精品va在线观看不卡| 亚洲精品一区蜜桃| 亚洲一区二区三区欧美精品| 91精品伊人久久大香线蕉| 黑人巨大精品欧美一区二区蜜桃| 最近中文字幕2019免费版| 国产亚洲午夜精品一区二区久久| 亚洲欧美激情在线| 国产精品一区二区在线观看99| 国产精品秋霞免费鲁丝片| 一边摸一边抽搐一进一出视频| 啦啦啦免费观看视频1| cao死你这个sao货| 国产成人av激情在线播放| av在线app专区| 伊人亚洲综合成人网| 黄片播放在线免费| 狠狠精品人妻久久久久久综合| 精品国产乱码久久久久久男人| 女人精品久久久久毛片| 精品卡一卡二卡四卡免费| 午夜免费观看性视频| 久久久国产成人免费| 午夜福利影视在线免费观看| 国产精品香港三级国产av潘金莲| tocl精华| 一区二区三区乱码不卡18| 久久久精品免费免费高清| 国产极品粉嫩免费观看在线| 丝袜脚勾引网站| 91精品三级在线观看| 亚洲国产欧美在线一区| 老司机靠b影院| 欧美精品人与动牲交sv欧美| 亚洲欧洲精品一区二区精品久久久| 久久久国产欧美日韩av| 欧美亚洲 丝袜 人妻 在线| 又黄又粗又硬又大视频| 黄色视频不卡| 80岁老熟妇乱子伦牲交| 性少妇av在线| 亚洲三区欧美一区| 欧美激情高清一区二区三区| 精品一区二区三区av网在线观看 | 久久99热这里只频精品6学生| 国产淫语在线视频| 制服诱惑二区| 国产精品一区二区在线不卡| 伊人久久大香线蕉亚洲五| 欧美日本中文国产一区发布| 国产免费福利视频在线观看| 黄色毛片三级朝国网站| 欧美午夜高清在线| 免费不卡黄色视频| 久热爱精品视频在线9| 精品国产一区二区三区久久久樱花| 无遮挡黄片免费观看| av又黄又爽大尺度在线免费看| 下体分泌物呈黄色| 国产在线免费精品| 国产激情久久老熟女| 丰满饥渴人妻一区二区三| 亚洲精品美女久久久久99蜜臀| 国产精品秋霞免费鲁丝片| 老司机深夜福利视频在线观看 | 超色免费av| 天堂8中文在线网| av线在线观看网站| a级毛片在线看网站| 男男h啪啪无遮挡| 国产又爽黄色视频| 如日韩欧美国产精品一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 欧美+亚洲+日韩+国产| 1024视频免费在线观看| 淫妇啪啪啪对白视频 | 深夜精品福利| 婷婷丁香在线五月| 国产无遮挡羞羞视频在线观看| 免费女性裸体啪啪无遮挡网站| 精品第一国产精品| 免费少妇av软件| 在线观看免费午夜福利视频| 九色亚洲精品在线播放| 午夜福利在线免费观看网站| 欧美大码av| 欧美av亚洲av综合av国产av| 亚洲天堂av无毛| 一边摸一边抽搐一进一出视频| 欧美黄色片欧美黄色片| 99久久精品国产亚洲精品| 啦啦啦啦在线视频资源| 精品国产一区二区三区久久久樱花| 亚洲国产精品一区三区| 啦啦啦免费观看视频1| 欧美日韩福利视频一区二区| 午夜激情av网站| 99精国产麻豆久久婷婷| 人人妻人人添人人爽欧美一区卜| 日韩 欧美 亚洲 中文字幕| 一进一出抽搐动态| 秋霞在线观看毛片| 51午夜福利影视在线观看| 亚洲 欧美一区二区三区| 一区二区日韩欧美中文字幕| 99热网站在线观看| 12—13女人毛片做爰片一| 老鸭窝网址在线观看| 91精品伊人久久大香线蕉| 欧美激情 高清一区二区三区| 可以免费在线观看a视频的电影网站| 蜜桃国产av成人99| 老鸭窝网址在线观看| 午夜福利影视在线免费观看| www.av在线官网国产| 欧美大码av| 国产淫语在线视频| 久久精品久久久久久噜噜老黄| 亚洲熟女毛片儿| 人人妻人人澡人人爽人人夜夜| 黄片播放在线免费| 久久亚洲精品不卡| 十分钟在线观看高清视频www| 老熟妇仑乱视频hdxx| 丝袜人妻中文字幕| 五月天丁香电影| 捣出白浆h1v1| 中国国产av一级| 在线观看免费视频网站a站| 最新在线观看一区二区三区| 三上悠亚av全集在线观看| 国产av又大| 秋霞在线观看毛片| 免费高清在线观看视频在线观看| 97精品久久久久久久久久精品| 免费女性裸体啪啪无遮挡网站| 99久久综合免费| www.av在线官网国产| 91老司机精品| 亚洲精品久久成人aⅴ小说| 国产成人欧美在线观看 | 操出白浆在线播放| 国产精品久久久久久精品古装| 18在线观看网站| 亚洲国产精品成人久久小说| 亚洲性夜色夜夜综合| 国产99久久九九免费精品| 久久中文看片网| 国产片内射在线| 久久精品aⅴ一区二区三区四区| 国产成人一区二区三区免费视频网站| 国产视频一区二区在线看| 黄频高清免费视频| 日日爽夜夜爽网站| 久久亚洲国产成人精品v| 各种免费的搞黄视频| 国产欧美日韩一区二区三区在线| 一进一出抽搐动态| 老司机靠b影院| 日韩有码中文字幕| 三上悠亚av全集在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品一二三区在线看| 国产成人影院久久av| 色婷婷久久久亚洲欧美| 精品国产乱码久久久久久男人| 国产免费一区二区三区四区乱码| 亚洲人成77777在线视频| 天天躁日日躁夜夜躁夜夜| 99精国产麻豆久久婷婷| 午夜福利影视在线免费观看| 最近中文字幕2019免费版| netflix在线观看网站| 国产一区二区三区综合在线观看| 我的亚洲天堂| 国产精品二区激情视频| 淫妇啪啪啪对白视频 | 最近最新免费中文字幕在线| 黄色视频在线播放观看不卡| 人成视频在线观看免费观看| 岛国在线观看网站| 人成视频在线观看免费观看| 男人爽女人下面视频在线观看| 高清黄色对白视频在线免费看| 老司机影院成人| 99国产精品一区二区蜜桃av | 久久人妻熟女aⅴ| av不卡在线播放| 免费高清在线观看日韩| 欧美日韩国产mv在线观看视频| 在线观看一区二区三区激情| 久久久久视频综合| 天天影视国产精品| 精品久久蜜臀av无| 亚洲国产看品久久| 亚洲国产中文字幕在线视频| 两个人免费观看高清视频| 国产成人啪精品午夜网站| 国产av一区二区精品久久| 伦理电影免费视频| 亚洲成人国产一区在线观看| 国产男女内射视频| 久久毛片免费看一区二区三区| 国产高清国产精品国产三级| 国产欧美日韩一区二区三 | 亚洲专区国产一区二区| 国产一区二区三区在线臀色熟女 | 亚洲国产精品成人久久小说| 黄频高清免费视频| 丝袜脚勾引网站| 这个男人来自地球电影免费观看| 国产一级毛片在线| 亚洲欧美成人综合另类久久久| 精品人妻1区二区| 欧美一级毛片孕妇| 午夜免费观看性视频| 成人18禁高潮啪啪吃奶动态图| 另类亚洲欧美激情| 亚洲av电影在线观看一区二区三区| 99国产精品免费福利视频| 中文字幕高清在线视频| 少妇裸体淫交视频免费看高清 | 1024香蕉在线观看| 午夜免费鲁丝| 一个人免费在线观看的高清视频 | tube8黄色片|