• <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
    很黄的视频免费| 日韩 欧美 亚洲 中文字幕| 亚洲精品国产精品久久久不卡| 久久久久久久午夜电影| 国产伦人伦偷精品视频| 黄片小视频在线播放| 一进一出好大好爽视频| 一个人观看的视频www高清免费观看 | 免费在线观看影片大全网站| 变态另类丝袜制服| 日韩高清综合在线| 九色国产91popny在线| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线在线| 精品国产乱码久久久久久男人| 99久久国产精品久久久| 韩国av一区二区三区四区| 久久精品人妻少妇| 色综合站精品国产| 国产日本99.免费观看| 成人欧美大片| 国产三级在线视频| 亚洲精品国产精品久久久不卡| 后天国语完整版免费观看| 最新美女视频免费是黄的| 国产乱人伦免费视频| 中文字幕人成人乱码亚洲影| 老鸭窝网址在线观看| 婷婷丁香在线五月| 色婷婷久久久亚洲欧美| 久久亚洲精品不卡| 一边摸一边抽搐一进一小说| 九色国产91popny在线| 精品少妇一区二区三区视频日本电影| 亚洲精品色激情综合| 视频在线观看一区二区三区| 精品久久久久久久久久免费视频| 12—13女人毛片做爰片一| 国产成年人精品一区二区| 一边摸一边抽搐一进一小说| 国内精品久久久久精免费| 精品一区二区三区视频在线观看免费| 国产精品二区激情视频| 一本一本综合久久| 热re99久久国产66热| 亚洲全国av大片| 久久香蕉国产精品| 两人在一起打扑克的视频| 亚洲国产欧美网| 大型黄色视频在线免费观看| 色综合站精品国产| 老司机午夜福利在线观看视频| 国产伦在线观看视频一区| 国产av在哪里看| or卡值多少钱| 在线av久久热| 免费无遮挡裸体视频| www日本黄色视频网| а√天堂www在线а√下载| 91麻豆av在线| 亚洲色图av天堂| 男人舔女人下体高潮全视频| 日本 欧美在线| 午夜福利成人在线免费观看| 少妇 在线观看| 一a级毛片在线观看| 色播亚洲综合网| 日韩欧美在线二视频| 国产精品一区二区精品视频观看| 欧美黑人精品巨大| 久久午夜亚洲精品久久| 亚洲av成人不卡在线观看播放网| 日韩欧美免费精品| 亚洲国产精品久久男人天堂| 国产亚洲av高清不卡| 日韩欧美三级三区| 免费在线观看黄色视频的| 亚洲中文日韩欧美视频| 国产在线观看jvid| 亚洲国产欧美一区二区综合| 午夜免费鲁丝| 欧美日本亚洲视频在线播放| 一个人观看的视频www高清免费观看 | 国产欧美日韩精品亚洲av| 国产熟女午夜一区二区三区| 好看av亚洲va欧美ⅴa在| 久久国产乱子伦精品免费另类| 国产亚洲精品久久久久5区| 中出人妻视频一区二区| 又紧又爽又黄一区二区| 国产一区二区激情短视频| 好男人在线观看高清免费视频 | 日韩精品青青久久久久久| 免费看a级黄色片| av在线播放免费不卡| 一进一出好大好爽视频| 亚洲av电影在线进入| 午夜免费激情av| 十分钟在线观看高清视频www| 观看免费一级毛片| 中文字幕精品免费在线观看视频| 国产亚洲精品久久久久久毛片| 国产野战对白在线观看| 亚洲av美国av| 日本a在线网址| 免费在线观看黄色视频的| 精品久久久久久久久久久久久 | 波多野结衣av一区二区av| 国产三级黄色录像| 色综合欧美亚洲国产小说| 亚洲色图av天堂| 免费电影在线观看免费观看| 女警被强在线播放| 欧美日韩精品网址| 国产精品九九99| 99久久精品国产亚洲精品| 一本大道久久a久久精品| 国产又爽黄色视频| 香蕉国产在线看| 久久国产亚洲av麻豆专区| 亚洲精品一区av在线观看| av视频在线观看入口| 法律面前人人平等表现在哪些方面| 国产亚洲精品久久久久久毛片| АⅤ资源中文在线天堂| 欧美一级毛片孕妇| 亚洲精品国产区一区二| 90打野战视频偷拍视频| 黄色丝袜av网址大全| 久久久久久免费高清国产稀缺| 久久久久久国产a免费观看| 成年免费大片在线观看| 午夜两性在线视频| 欧美激情高清一区二区三区| 九色国产91popny在线| 日韩免费av在线播放| 丝袜美腿诱惑在线| 久久热在线av| av天堂在线播放| 香蕉丝袜av| 日韩高清综合在线| 亚洲男人天堂网一区| 国产av不卡久久| 69av精品久久久久久| 亚洲欧洲精品一区二区精品久久久| 999精品在线视频| a级毛片a级免费在线| 成人三级做爰电影| 亚洲国产欧美日韩在线播放| 亚洲av第一区精品v没综合| 日本在线视频免费播放| 午夜免费成人在线视频| 18禁裸乳无遮挡免费网站照片 | 999久久久国产精品视频| 男女之事视频高清在线观看| 亚洲在线自拍视频| 美女午夜性视频免费| 18禁裸乳无遮挡免费网站照片 | 黄片小视频在线播放| 女警被强在线播放| 久久国产精品影院| 免费高清在线观看日韩| 国产高清videossex| 成人av一区二区三区在线看| 狠狠狠狠99中文字幕| 中文字幕最新亚洲高清| av中文乱码字幕在线| 亚洲精华国产精华精| 高潮久久久久久久久久久不卡| 大型黄色视频在线免费观看| 麻豆av在线久日| 一卡2卡三卡四卡精品乱码亚洲| 欧美乱码精品一区二区三区| 侵犯人妻中文字幕一二三四区| 国内少妇人妻偷人精品xxx网站 | 欧美乱码精品一区二区三区| 久久亚洲精品不卡| 欧美色欧美亚洲另类二区| 不卡av一区二区三区| 国产欧美日韩一区二区三| tocl精华| 老熟妇乱子伦视频在线观看| 亚洲中文av在线| 少妇的丰满在线观看| 国产精品99久久99久久久不卡| 在线永久观看黄色视频| 女警被强在线播放| 夜夜看夜夜爽夜夜摸| 久久久精品欧美日韩精品| 亚洲男人的天堂狠狠| 老司机靠b影院| 免费看美女性在线毛片视频| 啦啦啦观看免费观看视频高清| 亚洲国产精品999在线| 午夜免费激情av| 搡老熟女国产l中国老女人| 丰满的人妻完整版| 国产单亲对白刺激| 亚洲 国产 在线| 亚洲国产精品成人综合色| 啦啦啦韩国在线观看视频| 亚洲国产精品999在线| 亚洲成av人片免费观看| 欧美乱色亚洲激情| 亚洲成av片中文字幕在线观看| 久久久国产成人精品二区| 久久香蕉精品热| 精品久久久久久久久久久久久 | 亚洲五月婷婷丁香| 色老头精品视频在线观看| 啦啦啦 在线观看视频| 色av中文字幕| 亚洲真实伦在线观看| 18禁裸乳无遮挡免费网站照片 | 19禁男女啪啪无遮挡网站| 99久久综合精品五月天人人| 999久久久精品免费观看国产| 欧美激情高清一区二区三区| 看片在线看免费视频| 日韩欧美一区视频在线观看| 最新在线观看一区二区三区| 久久久久久人人人人人| 桃红色精品国产亚洲av| 亚洲色图av天堂| 亚洲无线在线观看| 九色国产91popny在线| 波多野结衣av一区二区av| 香蕉国产在线看| 欧美日韩瑟瑟在线播放| 亚洲九九香蕉| 久久 成人 亚洲| 午夜a级毛片| 中文字幕精品亚洲无线码一区 | 日日干狠狠操夜夜爽| 国产精品电影一区二区三区| 黄片小视频在线播放| 欧美黄色淫秽网站| 亚洲专区中文字幕在线| 成人手机av| www日本在线高清视频| 久久久水蜜桃国产精品网| 亚洲av电影不卡..在线观看| 亚洲成人精品中文字幕电影| 欧美日韩福利视频一区二区| 国产精品免费视频内射| 亚洲欧美一区二区三区黑人| 亚洲av片天天在线观看| 亚洲熟妇熟女久久| 日本一本二区三区精品| 色综合亚洲欧美另类图片| 欧美丝袜亚洲另类 | 少妇熟女aⅴ在线视频| 19禁男女啪啪无遮挡网站| 精品久久久久久成人av| 国产在线观看jvid| 最新在线观看一区二区三区| 日韩欧美国产一区二区入口| 欧美色视频一区免费| 成人国产综合亚洲| 日韩欧美免费精品| 亚洲国产日韩欧美精品在线观看 | 久久国产亚洲av麻豆专区| 久久精品国产亚洲av香蕉五月| 国产极品粉嫩免费观看在线| 动漫黄色视频在线观看| 又大又爽又粗| 岛国在线观看网站| 少妇裸体淫交视频免费看高清 | 超碰成人久久| 日韩视频一区二区在线观看| 国产1区2区3区精品| 美女免费视频网站| 一级片免费观看大全| 国产高清videossex| 中文亚洲av片在线观看爽| 久久99热这里只有精品18| 欧美日韩亚洲综合一区二区三区_| 日韩一卡2卡3卡4卡2021年| 日韩国内少妇激情av| 19禁男女啪啪无遮挡网站| 亚洲欧洲精品一区二区精品久久久| 天天躁狠狠躁夜夜躁狠狠躁| 在线看三级毛片| 久久婷婷成人综合色麻豆| 久久天躁狠狠躁夜夜2o2o| 亚洲专区字幕在线| 久久中文字幕人妻熟女| 在线国产一区二区在线| 国产精品日韩av在线免费观看| 伦理电影免费视频| 国产在线观看jvid| 国产单亲对白刺激| 无遮挡黄片免费观看| 欧美日韩福利视频一区二区| 黄网站色视频无遮挡免费观看| 国产成人精品无人区| 国产激情偷乱视频一区二区| 深夜精品福利| 国产久久久一区二区三区| 亚洲av成人不卡在线观看播放网| 麻豆成人午夜福利视频| 精品一区二区三区视频在线观看免费| 欧美成人一区二区免费高清观看 | 50天的宝宝边吃奶边哭怎么回事| 99热只有精品国产| 国产av一区在线观看免费| 啦啦啦免费观看视频1| 99热6这里只有精品| 亚洲国产欧美日韩在线播放| 好男人在线观看高清免费视频 | 在线观看免费午夜福利视频| av免费在线观看网站| 国产亚洲精品久久久久5区| 久久 成人 亚洲| 亚洲成av片中文字幕在线观看| 成人18禁在线播放| 一a级毛片在线观看| 在线av久久热| 国产亚洲精品第一综合不卡| 99在线视频只有这里精品首页| 777久久人妻少妇嫩草av网站| 丝袜美腿诱惑在线| 九色国产91popny在线| 亚洲专区国产一区二区| 欧美激情久久久久久爽电影| 黄色女人牲交| 一区二区三区精品91| 欧美久久黑人一区二区| 日本免费一区二区三区高清不卡| 亚洲九九香蕉| 久久精品亚洲精品国产色婷小说| 国产伦人伦偷精品视频| 欧美精品啪啪一区二区三区| 成人午夜高清在线视频 | 亚洲久久久国产精品| 欧美大码av| 久久精品夜夜夜夜夜久久蜜豆 | 九色国产91popny在线| 草草在线视频免费看| 亚洲欧美精品综合久久99| 男人舔奶头视频| av福利片在线| 色老头精品视频在线观看| 欧美黄色片欧美黄色片| x7x7x7水蜜桃| 亚洲精品一卡2卡三卡4卡5卡| 草草在线视频免费看| 最近最新免费中文字幕在线| 怎么达到女性高潮| 国产精品综合久久久久久久免费| 国产精品爽爽va在线观看网站 | 国产亚洲av高清不卡| 免费高清在线观看日韩| 亚洲第一电影网av| 老熟妇仑乱视频hdxx| 亚洲黑人精品在线| 亚洲精品av麻豆狂野| 精华霜和精华液先用哪个| a在线观看视频网站| 亚洲国产日韩欧美精品在线观看 | 高潮久久久久久久久久久不卡| 亚洲美女黄片视频| 国产精品亚洲av一区麻豆| 亚洲精品在线观看二区| 久久这里只有精品19| 自线自在国产av| 久久午夜亚洲精品久久| 老司机靠b影院| 久久久国产成人免费| 欧美亚洲日本最大视频资源| 在线观看免费午夜福利视频| 久久久久久九九精品二区国产 | 精品国内亚洲2022精品成人| 国产一区二区在线av高清观看| 欧美最黄视频在线播放免费| 老汉色av国产亚洲站长工具| 亚洲精品av麻豆狂野| 国产精品日韩av在线免费观看| 成人一区二区视频在线观看| 国产精品一区二区三区四区久久 | 草草在线视频免费看| 亚洲欧美精品综合久久99| 国产精品久久久av美女十八| 亚洲精品国产一区二区精华液| 一区福利在线观看| 一本精品99久久精品77| 久久精品影院6| 午夜久久久久精精品| 午夜福利一区二区在线看| 欧美另类亚洲清纯唯美| 欧美黑人精品巨大| 久久国产精品人妻蜜桃| www.999成人在线观看| 中文字幕久久专区| 国产精品二区激情视频| 真人做人爱边吃奶动态| 国产精品爽爽va在线观看网站 | 国产欧美日韩精品亚洲av| 日韩大尺度精品在线看网址| 天堂动漫精品| 我的亚洲天堂| 美女高潮到喷水免费观看| 一级毛片高清免费大全| 免费看美女性在线毛片视频| 成人国产综合亚洲| 久久久久九九精品影院| 999精品在线视频| 久99久视频精品免费| 亚洲av成人不卡在线观看播放网| 国产单亲对白刺激| 男女做爰动态图高潮gif福利片| www.熟女人妻精品国产| 欧美黑人欧美精品刺激| 看免费av毛片| 国产一区二区三区在线臀色熟女| 99国产精品一区二区三区| 欧美在线一区亚洲| 夜夜看夜夜爽夜夜摸| 1024手机看黄色片| 国产精品影院久久| 91麻豆av在线| 国产一卡二卡三卡精品| 欧美一级a爱片免费观看看 | 99久久国产精品久久久| 日韩成人在线观看一区二区三区| 日韩欧美在线二视频| 国产精品,欧美在线| 高潮久久久久久久久久久不卡| 久久香蕉国产精品| 欧美绝顶高潮抽搐喷水| av超薄肉色丝袜交足视频| 亚洲熟女毛片儿| 后天国语完整版免费观看| 亚洲 国产 在线| 十分钟在线观看高清视频www| 啦啦啦免费观看视频1| 国产精品永久免费网站| 波多野结衣高清作品| 精品高清国产在线一区| 亚洲欧美一区二区三区黑人| 一边摸一边做爽爽视频免费| 免费在线观看黄色视频的| 亚洲精品一区av在线观看| 丝袜人妻中文字幕| 久久精品91蜜桃| 在线观看免费午夜福利视频| 无遮挡黄片免费观看| 欧美中文综合在线视频| 深夜精品福利| 国产亚洲精品av在线| 亚洲一码二码三码区别大吗| 国产精品免费视频内射| 一本一本综合久久| 国产男靠女视频免费网站| 成人亚洲精品av一区二区| 宅男免费午夜| 男男h啪啪无遮挡| 制服丝袜大香蕉在线| 老司机在亚洲福利影院| tocl精华| 欧美日本亚洲视频在线播放| 国产精品永久免费网站| 国产精品九九99| 中文字幕久久专区| 香蕉av资源在线| 亚洲精品国产一区二区精华液| 最好的美女福利视频网| 一本一本综合久久| 欧美成人午夜精品| 中亚洲国语对白在线视频| 色婷婷久久久亚洲欧美| 变态另类丝袜制服| 我的亚洲天堂| 国产av不卡久久| 欧美乱码精品一区二区三区| 久久精品91无色码中文字幕| 久久久久久九九精品二区国产 | 国产成+人综合+亚洲专区| 亚洲国产欧美一区二区综合| 成人av一区二区三区在线看| 可以免费在线观看a视频的电影网站| 国产免费av片在线观看野外av| 最近最新中文字幕大全电影3 | 50天的宝宝边吃奶边哭怎么回事| 国产精品自产拍在线观看55亚洲| 婷婷精品国产亚洲av| 久久香蕉激情| 丁香欧美五月| 男女那种视频在线观看| 亚洲九九香蕉| 国产精品亚洲一级av第二区| 三级毛片av免费| 在线观看一区二区三区| 久久久久久久久免费视频了| 精品久久久久久久毛片微露脸| 国产精品乱码一区二三区的特点| 大香蕉久久成人网| 2021天堂中文幕一二区在线观 | 亚洲中文av在线| 亚洲最大成人中文| 欧美成狂野欧美在线观看| 2021天堂中文幕一二区在线观 | 琪琪午夜伦伦电影理论片6080| 欧美国产精品va在线观看不卡| 在线观看免费日韩欧美大片| 午夜影院日韩av| svipshipincom国产片| 免费高清视频大片| 两性午夜刺激爽爽歪歪视频在线观看 | 禁无遮挡网站| 村上凉子中文字幕在线| 欧美大码av| 国产精品自产拍在线观看55亚洲| 少妇 在线观看| 三级毛片av免费| 国产主播在线观看一区二区| 国产精品野战在线观看| 男女视频在线观看网站免费 | 亚洲av日韩精品久久久久久密| 欧美日韩瑟瑟在线播放| 亚洲一卡2卡3卡4卡5卡精品中文| 啦啦啦免费观看视频1| 淫妇啪啪啪对白视频| 欧美日韩亚洲综合一区二区三区_| 亚洲五月色婷婷综合| x7x7x7水蜜桃| 1024香蕉在线观看| 中文资源天堂在线| www.www免费av| 女人高潮潮喷娇喘18禁视频| 精品日产1卡2卡| 亚洲熟妇熟女久久| 激情在线观看视频在线高清| 在线观看日韩欧美| 久久精品aⅴ一区二区三区四区| 免费观看精品视频网站| 久久久久久久精品吃奶| ponron亚洲| 午夜成年电影在线免费观看| 淫秽高清视频在线观看| 亚洲五月色婷婷综合| 国产日本99.免费观看| 1024香蕉在线观看| 国产亚洲精品一区二区www| 这个男人来自地球电影免费观看| 日韩欧美免费精品| 成人永久免费在线观看视频| 亚洲精品在线观看二区| 99国产精品一区二区蜜桃av| 777久久人妻少妇嫩草av网站| 高清毛片免费观看视频网站| 黄网站色视频无遮挡免费观看| 高清毛片免费观看视频网站| 日本黄色视频三级网站网址| 国产亚洲av嫩草精品影院| 麻豆久久精品国产亚洲av| 中文字幕精品亚洲无线码一区 | 日本五十路高清| e午夜精品久久久久久久| 色在线成人网| 50天的宝宝边吃奶边哭怎么回事| 久久精品国产亚洲av高清一级| 12—13女人毛片做爰片一| 熟女少妇亚洲综合色aaa.| 琪琪午夜伦伦电影理论片6080| 亚洲av五月六月丁香网| 亚洲人成伊人成综合网2020| 国产精品免费一区二区三区在线| 一本综合久久免费| 国产熟女午夜一区二区三区| av欧美777| 精品久久久久久久人妻蜜臀av| 久久精品91无色码中文字幕| 国产三级在线视频| 精品国产乱子伦一区二区三区| 亚洲精品中文字幕一二三四区| 少妇粗大呻吟视频| 国产精品永久免费网站| av在线天堂中文字幕| 不卡一级毛片| 99热这里只有精品一区 | 18禁观看日本| 久久伊人香网站| 亚洲人成77777在线视频| 国产精品亚洲一级av第二区| 女人被狂操c到高潮| 19禁男女啪啪无遮挡网站| 少妇 在线观看| 在线av久久热| 欧美激情极品国产一区二区三区| 久久国产精品影院| 欧美中文日本在线观看视频| 亚洲精品国产精品久久久不卡| 日本成人三级电影网站| 久久久久久亚洲精品国产蜜桃av| 亚洲熟妇中文字幕五十中出| 白带黄色成豆腐渣| xxxwww97欧美| www.999成人在线观看| 婷婷精品国产亚洲av| 国产区一区二久久| 天堂√8在线中文| 少妇 在线观看| 狂野欧美激情性xxxx| 久久久国产精品麻豆| 精品国产亚洲在线| 精品久久久久久成人av| 国产精品av久久久久免费| 午夜视频精品福利| 天堂影院成人在线观看| 欧美成人性av电影在线观看| 亚洲全国av大片| xxx96com| 99久久无色码亚洲精品果冻| 久久人人精品亚洲av|