• <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 ?

    遺傳算法優(yōu)化支持向量機的城市交通狀態(tài)識別

    2020-08-24 03:01:02李巧茹郝恩強范忠國楊文偉
    關(guān)鍵詞:城市交通遺傳算法向量

    李巧茹,郝恩強,陳 亮,范忠國,楊文偉

    (1.河北工業(yè)大學(xué) 土木與交通學(xué)院,天津 300401;2.河北工業(yè)大學(xué) 智慧基礎(chǔ)設(shè)施研究院,天津 300401)

    0 引 言

    城市交通狀態(tài)識別不僅是現(xiàn)代智能交通系統(tǒng)(intelligent transport system, ITS)的重要內(nèi)容之一,同時也是城市交通規(guī)劃、設(shè)計和交通組織的重要依據(jù)。

    交通狀態(tài)識別具有主觀模糊性,因此選取合理高效的算法判斷交通狀態(tài)是實現(xiàn)交通識別的關(guān)鍵。現(xiàn)有算法主要有:數(shù)理統(tǒng)計算法、聚類分析算法、模式識別算法。針對數(shù)理統(tǒng)計算法,A.R.COOK等[1]通過比較交通參數(shù)的實際觀測值和雙指數(shù)平滑法(DES)獲得的預(yù)測值判斷交通狀態(tài);B.N.PERSAUD等[2]提出了基于突變理論的McMaster算法,實現(xiàn)對交通擁堵類別的準(zhǔn)確分類;M.LEVIN等[3]通過貝葉斯算法計算占有率變化的條件概率,實現(xiàn)交通狀態(tài)的自動檢測。針對聚類分析算法,任其亮等[4]通過建立交通參數(shù)之間的模糊相似性與樣本之間歐式距離的映射關(guān)系,構(gòu)建了基于遺傳動態(tài)模糊聚類的交通狀態(tài)判定方法;張亮亮等[5]考慮交通流參數(shù)在交通狀態(tài)劃分過程中作用的不同,提出了一種基于參數(shù)權(quán)重模糊聚類的交通狀態(tài)識別方法;黃艷國等[6]提出了一種基于模糊C均值聚類的城市道路交通狀態(tài)識別方法。針對模式識別算法,最具代表的算法為神經(jīng)網(wǎng)絡(luò)(neural network,NNet)算法和支持向量機算法,巫威眺等[7]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)判別算法,該算法在實測數(shù)據(jù)驗證下具有較高的精確度和較好的收斂性;C.CORTES等[8]首次提出支持向量機模型,其在非線性和高維模式識別中也表現(xiàn)出許多優(yōu)勢;于榮等[9]利用支持向量機對道路交通狀態(tài)進行分類;廖瑞輝等[10]針對擁擠預(yù)警信息的隨機性和模糊性特點,利用支持向量機對交通狀態(tài)進行判別,在預(yù)警系統(tǒng)取得成功。

    綜合分析現(xiàn)階段國內(nèi)外交通狀態(tài)識別研究現(xiàn)狀,數(shù)理統(tǒng)計算法、聚類分析算法以及模式識別算法已成為交通狀態(tài)識別的重要手段。數(shù)理統(tǒng)計算法使用簡便,但存在交通狀態(tài)識別誤報率高,實用性不強等缺點。聚類分析算法適用于交通狀態(tài)識別的模糊性特征,但易于陷入局部最優(yōu)以及對初始參數(shù)較為敏感,處理海量數(shù)據(jù)時存在一定弊端。神經(jīng)網(wǎng)絡(luò)模型簡單,在處理并行數(shù)據(jù)方面具有天然優(yōu)勢,具備強大的非線性映射及反饋學(xué)習(xí)能力,但其易產(chǎn)生過擬合現(xiàn)象,在實際應(yīng)用中效果并不理想。支持向量機具有嚴(yán)格的理論基礎(chǔ)和數(shù)學(xué)基礎(chǔ),可避免局部最小問題,克服了神經(jīng)網(wǎng)絡(luò)算法過擬合的缺陷,且小樣本學(xué)習(xí)具有較強的泛化能力。然而,支持向量機的分類性能對參數(shù)選擇比較敏感,實際應(yīng)用中存在依靠經(jīng)驗或試算方法確定參數(shù)的局限性,這在一定程度上限制了模型的泛化能力。吐松江·卡日等[11]提出了一種基于支持向量機和遺傳算法的電力變壓器故障診斷方法,該方法能準(zhǔn)確、有效診斷變壓器故障。

    綜上所述,本研究基于聚類分析算法,獲取先驗分類數(shù)據(jù),并嘗試采用遺傳算法優(yōu)化支持向量機參數(shù)模型,確定SVM最優(yōu)參數(shù)組合,建立基于GA-SVM的城市交通狀態(tài)識別模型,并在MATLAB平臺下進行驗證分析。

    1 支持向量機

    1.1 支持向量機分類理論

    支持向量機是一種基于VC維理論和結(jié)構(gòu)風(fēng)險最小原理的模式識別算法,可根據(jù)有限樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中,進而實現(xiàn)模型推廣能力的最優(yōu)化。支持向量機在線性可分情況下,最優(yōu)分類超平面定義的分類決策函數(shù)為:

    f(x)=sgn[(w·x)+b]

    (1)

    (2)

    (3)

    (4)

    (5)

    (6)

    已有成果表明,目前應(yīng)用較多的支持向量機核函數(shù)包括多項式核函數(shù)、徑向基(RBF)核函數(shù)和Sigmod核函數(shù)3種,且在城市交通狀態(tài)識別方面均有較好的應(yīng)用效果。其中,徑向基(RBF)核函數(shù)不僅能實現(xiàn)非線性映射,且參數(shù)較少,易于優(yōu)化。因此選取徑向基(RBF)核函數(shù)進行參數(shù)尋優(yōu)。

    1.2 支持向量機參數(shù)對其性能的影響

    在支持向量機分類方法中,關(guān)鍵參數(shù)主要為懲罰系數(shù)C和核函數(shù)參數(shù)σ,其選擇效果直接影響支持向量機的性能。

    1)懲罰系數(shù)C影響模型的復(fù)雜度和訓(xùn)練誤差。當(dāng)C取值偏小時,樣本數(shù)據(jù)中超出不敏感帶的樣本懲罰也偏小,同時訓(xùn)練精確度降低,系統(tǒng)推廣能力變差,出現(xiàn)“欠學(xué)習(xí)”現(xiàn)象;當(dāng)C取值偏大時,則易出現(xiàn)“過學(xué)習(xí)”現(xiàn)象。

    2)核函數(shù)參數(shù)σ主要反映訓(xùn)練樣本數(shù)據(jù)的范圍特性,直接影響支持向量機模型的學(xué)習(xí)能力。當(dāng)σ取值偏小時易出現(xiàn)“欠學(xué)習(xí)”現(xiàn)象,當(dāng)σ取值偏大時易出現(xiàn)“過學(xué)習(xí)”現(xiàn)象。

    由此可見,合理確定上述參數(shù)值能夠有效降低支持向量機的訓(xùn)練誤差,提高其學(xué)習(xí)能力。

    2 GA-SVM交通狀態(tài)識別模型

    城市交通狀態(tài)識別具有高度復(fù)雜性和主觀模糊性等特點,雖然SVM模型在城市交通狀態(tài)識別方面具有較好的應(yīng)用效果,但在參數(shù)選擇上依然存在依靠經(jīng)驗或者反復(fù)試驗確定參數(shù)的局限性,影響SVM的推廣能力。針對SVM模型中存在的問題,建立基于遺傳算法優(yōu)化支持向量機參數(shù)的城市交通狀態(tài)識別模型。該模型分為3個部分,即城市道路交通狀態(tài)分類理論和方法、遺傳算法優(yōu)化SVM參數(shù)、城市交通狀態(tài)識別的GA-SVM模型。算法流程圖如圖1。

    2.1 城市道路交通狀態(tài)分類理論和方法

    描述道路交通流整體特性主要有車流量、平均速度、占有率等參數(shù)指標(biāo)。不同時段,城市道路交通流在這些參數(shù)下表現(xiàn)出不同的交通特性,據(jù)此建立三維指標(biāo)評價體系,指標(biāo)定義如下[12]:

    1)車流量(pcu/h):單車道2 min內(nèi)各車型車輛數(shù)目之和,計算公式為:

    (7)

    式中:ni1為第1 min通過的第i類車的車輛數(shù);ni2為第2 min通過的第i類車的車輛數(shù);wi為第i類車輛的折算系數(shù)。

    2)平均速度(mile/h):單車道2 min內(nèi)所有機動車的平均速度,計算公式為:

    (8)

    式中:v1為第1 min的平均速度;v2為第2 min的平均速度;f1為第1 min的流量;f2為第2 min的流量。

    3)占有率(%):單車道2 min內(nèi)車輛在環(huán)形線圈檢測器上的時間比例,計算公式為:

    (9)

    式中:ft為t時間段內(nèi)的流量;lt為t時間段內(nèi)所有機動車輛的車身長度;vt為t時間段內(nèi)的平均速度;t為時間間隔,此處定義為2 min。

    根據(jù)上述三維指標(biāo),對城市道路交通狀態(tài)數(shù)據(jù)進行聚類分析,得到聚類中心矩陣為:

    (10)

    該矩陣第1列v1,v2,v4,v4分別代表順暢流、平穩(wěn)流、擁擠流、堵塞流的聚類中心;第2列代表車流量;第3列代表速度;第4列代表占有率。

    2.2 遺傳算法優(yōu)化SVM參數(shù)

    遺傳算法種群規(guī)模設(shè)定為20,進化代數(shù)設(shè)定為200。保留精英遺傳算法優(yōu)化參數(shù)執(zhí)行過程如下:

    1)種群初始化。參數(shù)C和σ分別以n1和n2位二進制進行編碼,則每組參數(shù)為一個基因長度n1+n2的二進制代碼,如圖2。

    2)確定適應(yīng)度函數(shù)。根據(jù)種群中個體得到SVM模型的初始參數(shù)值,用樣本數(shù)據(jù)訓(xùn)練SVM模型,然后依據(jù)訓(xùn)練精確度確定個體適應(yīng)度值,如式(11)~式(12):

    f=Ac

    (11)

    (12)

    式中:f為適應(yīng)度函數(shù);Ac為預(yù)測精確度;N為訓(xùn)練總樣本;Nf為錯誤分類的樣本。

    3)選擇操作。采用遺傳算法選擇操作中的輪盤賭法。個體被選中的概率與其適應(yīng)度值的大小成正比,這樣就增加了個體的多樣性,便于執(zhí)行交叉操作和變異操作,如式(13):

    (13)

    式中:fi為個體i的適應(yīng)度值。

    4)交叉操作。按照一定交叉概率交換配對個體基因,產(chǎn)生新的個體。第1代交叉后自適應(yīng)概率如式(14):

    (14)

    式中:G為遺傳代數(shù);Gmax為最大遺代數(shù);Pc(1)為第1代交叉概率,此處定義為0.7;Pc(G)為第G代的交叉概率。

    5)變異操作。按照一定的變異概率改變選中個體染色體的等位基因,增強種群的多樣性。第1代變異后自適應(yīng)概率如式(15):

    (15)

    式中:Pm(1)為第1代變異概率,此處定義為0.01;Pm(G)為第G代的變異概率。

    2.3 GA-SVM模型

    將上述遺傳算法進化過程中得到的最優(yōu)個體分解為參數(shù)組合C*和σ*,代入SVM模型,得到城市交通狀態(tài)識別的GA-SVM模型。在MATLAB平臺下對GA-SVM模型性能進行測試分析。

    3 MATLAB實驗分析

    3.1 數(shù)據(jù)采集與處理

    岳麓大道為長沙市四橫六縱的重要一環(huán),承載著連接?xùn)|西城區(qū)的重任。選取長沙市岳麓大道的實驗路段西起澗塘立交橋,東至銀盆嶺大橋,道路線型大致呈直線線形,車道數(shù)為雙向八車道,易于交通數(shù)據(jù)的采集。在車輛出行高峰期和低谷期,呈現(xiàn)多種交通狀態(tài)。因此采集其周一至周五6:00—19:00的流量、速度和占有率數(shù)據(jù),將城市道路交通狀態(tài)設(shè)定為順暢流、平穩(wěn)流、擁擠流和堵塞流4種類別,進行聚類分析。每一種交通狀態(tài)選用100個樣本,共400組觀測數(shù)據(jù)。取每種狀態(tài)80個樣本作為訓(xùn)練數(shù)據(jù),20個樣本作為測試數(shù)據(jù),結(jié)果如圖3、圖4。其中,圖3為交通數(shù)據(jù)的box可視化圖,記錄了樣本數(shù)據(jù)分布情況,交通流參數(shù)屬性正常,不存在異常點;圖4為交通樣本數(shù)據(jù)三維可視化圖,在三維空間內(nèi)呈現(xiàn)出4種交通狀態(tài),數(shù)據(jù)聚類效果明顯。

    3.2 仿真分析

    在MATLAB平臺下,利用LIBSVM工具箱對樣本數(shù)據(jù)進行歸一化處理,將數(shù)據(jù)歸一化到[0,1]范圍內(nèi)。其中,圖5為遺傳算法迭代尋優(yōu)過程,設(shè)定遺傳算法種群規(guī)模為20,迭代次數(shù)為200。迭代尋優(yōu)前期,適應(yīng)度曲線隨著迭代次數(shù)的增加,適應(yīng)度逐漸上升;迭代尋優(yōu)后期,適應(yīng)度曲線趨于平穩(wěn)狀態(tài),最佳適應(yīng)度穩(wěn)定在99.69%,說明在尋優(yōu)過程中支持向量機參數(shù)種群不斷進化,直到滿足訓(xùn)練條件,獲得最優(yōu)參數(shù)C*和σ*。

    圖6為SVM測試集實際分類效果和預(yù)測分類效果對比圖,結(jié)合現(xiàn)有研究成果設(shè)定C=2,σ=1,圖中測試樣本總數(shù)為80,準(zhǔn)確預(yù)測樣本數(shù)為76,Ac=95%(76/80),錯誤預(yù)測的樣本點為3個順暢流樣本點預(yù)測為平穩(wěn)流樣本點,1個擁擠流樣本點預(yù)測為堵塞流樣本點;圖7為GA-SVM測試集實際分類效果和預(yù)測分類效果對比圖,圖中測試樣本總數(shù)為80,最優(yōu)參數(shù)組合C*=0.518 5,σ*=21.067 4,準(zhǔn)確預(yù)測樣本數(shù)為79,Ac=98.75%(79/80),錯誤預(yù)測的樣本點為1個擁擠流樣本點預(yù)測為堵塞流樣本點。

    比較上述結(jié)果,GA-SVM模型和SVM模型均有較好的城市交通狀態(tài)識別效果,其中GA-SVM模型比SVM模型識別精確度提高3.75%,具體結(jié)果如表1。

    由表1可知,改進后的模型優(yōu)于基于SVM的交通狀態(tài)識別模型,主要體現(xiàn)在以下3個方面:①參數(shù)選取方法,參數(shù)C和σ的選擇對支持向量分類機的學(xué)習(xí)和推廣能力有很大影響,傳統(tǒng)參數(shù)選取方法計算復(fù)雜,盲目性較強,利用遺傳算法可以在初始化范圍內(nèi)對參數(shù)進行全局、快速搜索;②全局最優(yōu),遺傳算法具有良好的全局搜索能力,不易陷入局部最優(yōu),利用遺傳算法對支持向量機關(guān)鍵參數(shù)進行尋優(yōu),可找到使模型識別精確度更高的參數(shù),在此基礎(chǔ)上進行城市道路交通狀態(tài)識別,更具科學(xué)性;③識別精確度,由表1可知,在測試集的識別分類中,GA-SVM模型識別精確度更高,更適于實際工程使用。

    表1 SVM模型和GA-SVM模型分類結(jié)果比較

    4 結(jié) 論

    將遺傳算法和支持向量機相結(jié)合應(yīng)用于城市交通狀態(tài)識別研究,得出如下結(jié)論:

    1)選取車流量、平均速度和占有率為城市交通狀態(tài)識別的基礎(chǔ)參數(shù)指標(biāo),通過聚類分析方法,獲取以順暢流、平穩(wěn)流、擁擠流和堵塞流為標(biāo)簽的城市交通狀態(tài)先驗分類數(shù)據(jù)。

    2)利用遺傳算法優(yōu)化支持向量機模型的關(guān)鍵參數(shù)——懲罰系數(shù)C和核函數(shù)σ,避免了依靠經(jīng)驗確定參數(shù)方法的盲目性。

    3)依托長沙市岳麓大道監(jiān)測數(shù)據(jù)進行城市交通狀態(tài)識別研究,SVM模型和GA-SVM模型預(yù)測精確度分別達到95.00%和98.75%,相較于SVM模型,GA-SVM模型在預(yù)測精確度方面提高3.75%。

    4)GA-SVM模型為城市交通狀態(tài)識別研究提供一種新思路,對智能交通系統(tǒng)中路徑誘導(dǎo)和交通控制有一定的實用價值。

    猜你喜歡
    城市交通遺傳算法向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    新形勢下我國城市交通發(fā)展戰(zhàn)略思考
    上海城市交通大數(shù)據(jù)研究與實踐
    上海公路(2018年1期)2018-06-26 08:37:40
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    向量垂直在解析幾何中的應(yīng)用
    基于改進的遺傳算法的模糊聚類算法
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    亚洲精品美女久久久久99蜜臀| 男女床上黄色一级片免费看| 美女午夜性视频免费| 日韩 欧美 亚洲 中文字幕| 黄色女人牲交| 宅男免费午夜| 亚洲成av片中文字幕在线观看| 亚洲久久久国产精品| 成人亚洲精品一区在线观看| 久久久久久久午夜电影 | 日韩一卡2卡3卡4卡2021年| 丰满人妻熟妇乱又伦精品不卡| 在线国产一区二区在线| 欧美精品啪啪一区二区三区| 999久久久精品免费观看国产| 天天影视国产精品| 亚洲第一青青草原| 一夜夜www| 欧美成狂野欧美在线观看| 国产麻豆69| 成人影院久久| 韩国av一区二区三区四区| 中文字幕色久视频| 中文字幕最新亚洲高清| 日日夜夜操网爽| 欧美 亚洲 国产 日韩一| 丰满饥渴人妻一区二区三| 久久欧美精品欧美久久欧美| 亚洲全国av大片| 久久国产乱子伦精品免费另类| 纯流量卡能插随身wifi吗| 波多野结衣av一区二区av| 老司机靠b影院| 91成人精品电影| 在线观看一区二区三区激情| 另类亚洲欧美激情| 亚洲中文av在线| 日本a在线网址| 国产成人影院久久av| 午夜老司机福利片| 高清av免费在线| 久久青草综合色| 国产精品久久久久成人av| 亚洲欧美激情在线| 最好的美女福利视频网| 一进一出好大好爽视频| 69av精品久久久久久| 欧美一级毛片孕妇| www日本在线高清视频| 亚洲成人精品中文字幕电影 | 成人18禁在线播放| 成年版毛片免费区| 精品一品国产午夜福利视频| 黄片大片在线免费观看| 亚洲情色 制服丝袜| 久久香蕉精品热| a级片在线免费高清观看视频| 十八禁人妻一区二区| 国产av一区在线观看免费| 老熟妇乱子伦视频在线观看| 一区福利在线观看| 免费搜索国产男女视频| 国内久久婷婷六月综合欲色啪| 97人妻天天添夜夜摸| av欧美777| 交换朋友夫妻互换小说| 国产精品久久电影中文字幕| 亚洲精品在线美女| 国产精品一区二区三区四区久久 | 99精品欧美一区二区三区四区| 亚洲五月婷婷丁香| 我的亚洲天堂| 久久久久亚洲av毛片大全| 天天添夜夜摸| 欧美黄色淫秽网站| 老司机深夜福利视频在线观看| 国产三级在线视频| 男女之事视频高清在线观看| 正在播放国产对白刺激| 久久精品91蜜桃| 男女床上黄色一级片免费看| 日本vs欧美在线观看视频| 欧美乱码精品一区二区三区| 国产精品久久久av美女十八| 在线观看午夜福利视频| 人人妻人人添人人爽欧美一区卜| 97碰自拍视频| 99国产精品一区二区蜜桃av| 欧美久久黑人一区二区| 亚洲精品中文字幕在线视频| 久久久水蜜桃国产精品网| 国产极品粉嫩免费观看在线| 免费在线观看视频国产中文字幕亚洲| 1024香蕉在线观看| 成人手机av| 精品国产乱子伦一区二区三区| 悠悠久久av| 淫秽高清视频在线观看| 亚洲欧美激情综合另类| 午夜福利影视在线免费观看| 精品人妻在线不人妻| 一级,二级,三级黄色视频| 久久久久精品国产欧美久久久| 一边摸一边做爽爽视频免费| 女性生殖器流出的白浆| e午夜精品久久久久久久| 热99国产精品久久久久久7| 亚洲国产看品久久| 国产成人影院久久av| 我的亚洲天堂| 久久人人97超碰香蕉20202| 淫秽高清视频在线观看| 精品久久蜜臀av无| 九色亚洲精品在线播放| 国产成人欧美| 国产亚洲欧美在线一区二区| 国产成人欧美在线观看| 亚洲欧美精品综合一区二区三区| 91精品三级在线观看| 日本一区二区免费在线视频| 岛国在线观看网站| 他把我摸到了高潮在线观看| 午夜精品久久久久久毛片777| 国产激情欧美一区二区| 国产三级在线视频| 亚洲午夜精品一区,二区,三区| av在线播放免费不卡| 又大又爽又粗| 久久精品国产综合久久久| 丁香欧美五月| 91国产中文字幕| 欧美久久黑人一区二区| 亚洲全国av大片| 欧美激情高清一区二区三区| 制服人妻中文乱码| 18禁观看日本| 国产精品 国内视频| 91老司机精品| 国产三级在线视频| 午夜亚洲福利在线播放| 黄色丝袜av网址大全| 精品国产亚洲在线| 长腿黑丝高跟| 欧美成人免费av一区二区三区| 又紧又爽又黄一区二区| 日本黄色日本黄色录像| 国产97色在线日韩免费| 黄色成人免费大全| 久久久水蜜桃国产精品网| 操美女的视频在线观看| 成年版毛片免费区| 久久精品影院6| 日本vs欧美在线观看视频| 亚洲午夜精品一区,二区,三区| 亚洲第一青青草原| 亚洲欧美激情综合另类| 国产乱人伦免费视频| 深夜精品福利| 夜夜夜夜夜久久久久| 女性被躁到高潮视频| 一进一出好大好爽视频| 一进一出抽搐动态| 一本大道久久a久久精品| 另类亚洲欧美激情| 日本一区二区免费在线视频| 老司机亚洲免费影院| 他把我摸到了高潮在线观看| 精品无人区乱码1区二区| 色婷婷久久久亚洲欧美| 国产精品免费一区二区三区在线| 夜夜夜夜夜久久久久| 水蜜桃什么品种好| 国产亚洲欧美在线一区二区| 日韩欧美在线二视频| 国产一区二区三区视频了| 黄色视频,在线免费观看| 欧美丝袜亚洲另类 | 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av电影在线进入| 99久久国产精品久久久| 久久国产亚洲av麻豆专区| 亚洲专区中文字幕在线| 成年人免费黄色播放视频| 视频区欧美日本亚洲| 国产色视频综合| 两个人看的免费小视频| 国产精品1区2区在线观看.| 国产又色又爽无遮挡免费看| 亚洲欧美一区二区三区黑人| e午夜精品久久久久久久| 好看av亚洲va欧美ⅴa在| 嫩草影视91久久| videosex国产| 日本wwww免费看| 精品高清国产在线一区| 欧美一区二区精品小视频在线| 99精品欧美一区二区三区四区| 久久久久九九精品影院| xxxhd国产人妻xxx| 无遮挡黄片免费观看| 午夜免费激情av| 精品国产国语对白av| 国产又色又爽无遮挡免费看| x7x7x7水蜜桃| 黑人巨大精品欧美一区二区mp4| 久久久久久久午夜电影 | 男女床上黄色一级片免费看| 欧美另类亚洲清纯唯美| 18禁观看日本| 黄片大片在线免费观看| 高清欧美精品videossex| 免费在线观看完整版高清| 国产区一区二久久| 精品国产超薄肉色丝袜足j| 极品教师在线免费播放| 两个人看的免费小视频| 成人三级黄色视频| 制服诱惑二区| 麻豆成人av在线观看| 琪琪午夜伦伦电影理论片6080| 人妻久久中文字幕网| 老司机靠b影院| 69av精品久久久久久| 中文字幕av电影在线播放| 在线观看一区二区三区| 在线观看免费午夜福利视频| 亚洲三区欧美一区| 免费观看人在逋| 国产在线精品亚洲第一网站| 久热这里只有精品99| 国产极品粉嫩免费观看在线| 精品一区二区三区视频在线观看免费 | 国产亚洲欧美在线一区二区| 国产高清国产精品国产三级| 巨乳人妻的诱惑在线观看| 如日韩欧美国产精品一区二区三区| 欧美性长视频在线观看| 国产精品日韩av在线免费观看 | 亚洲色图 男人天堂 中文字幕| av在线播放免费不卡| 欧美黑人精品巨大| 日本免费a在线| 久久草成人影院| 一级毛片女人18水好多| 18禁观看日本| 亚洲国产精品一区二区三区在线| 久久伊人香网站| 日韩免费高清中文字幕av| 动漫黄色视频在线观看| 亚洲激情在线av| 欧美黑人精品巨大| 香蕉丝袜av| www国产在线视频色| 欧美性长视频在线观看| 男女下面进入的视频免费午夜 | www.精华液| 亚洲三区欧美一区| 19禁男女啪啪无遮挡网站| 美女 人体艺术 gogo| 99久久99久久久精品蜜桃| 国产真人三级小视频在线观看| 国产精品 国内视频| 免费av中文字幕在线| ponron亚洲| 午夜福利在线观看吧| 亚洲av成人一区二区三| 亚洲av成人av| 男女高潮啪啪啪动态图| 成人三级黄色视频| 亚洲人成伊人成综合网2020| 夜夜看夜夜爽夜夜摸 | 美女福利国产在线| 岛国视频午夜一区免费看| 精品欧美一区二区三区在线| 村上凉子中文字幕在线| bbb黄色大片| 亚洲 欧美 日韩 在线 免费| 免费搜索国产男女视频| 久久精品亚洲精品国产色婷小说| 天天添夜夜摸| 精品卡一卡二卡四卡免费| 国产精品二区激情视频| 日本三级黄在线观看| 国产野战对白在线观看| 一进一出抽搐动态| 欧美亚洲日本最大视频资源| 日韩大码丰满熟妇| 欧美不卡视频在线免费观看 | 国产精品久久久久成人av| 五月开心婷婷网| 国产在线精品亚洲第一网站| 两个人免费观看高清视频| 桃色一区二区三区在线观看| 久久人人97超碰香蕉20202| 中文欧美无线码| 亚洲av五月六月丁香网| 免费女性裸体啪啪无遮挡网站| 黄色毛片三级朝国网站| 一二三四社区在线视频社区8| 日本三级黄在线观看| 亚洲国产精品999在线| 国产成人一区二区三区免费视频网站| 国产欧美日韩一区二区三区在线| 别揉我奶头~嗯~啊~动态视频| 黑人巨大精品欧美一区二区mp4| 久久精品国产亚洲av高清一级| 亚洲午夜理论影院| 女性生殖器流出的白浆| 脱女人内裤的视频| 日本精品一区二区三区蜜桃| 人人澡人人妻人| 丰满的人妻完整版| 欧美中文综合在线视频| 国产又爽黄色视频| 亚洲一区高清亚洲精品| 日本五十路高清| bbb黄色大片| 久久婷婷成人综合色麻豆| 丝袜人妻中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 亚洲国产精品一区二区三区在线| 免费日韩欧美在线观看| 性色av乱码一区二区三区2| 黑人操中国人逼视频| 女生性感内裤真人,穿戴方法视频| 久久人人爽av亚洲精品天堂| a级片在线免费高清观看视频| 欧洲精品卡2卡3卡4卡5卡区| 男女做爰动态图高潮gif福利片 | 一级毛片精品| 国产一区二区在线av高清观看| 精品一区二区三区av网在线观看| 精品乱码久久久久久99久播| 最近最新中文字幕大全电影3 | 国产亚洲精品久久久久久毛片| 电影成人av| 老司机亚洲免费影院| 国产有黄有色有爽视频| 女人爽到高潮嗷嗷叫在线视频| 午夜福利免费观看在线| 中文字幕av电影在线播放| 亚洲精品美女久久久久99蜜臀| av天堂久久9| 日韩欧美一区视频在线观看| 高清在线国产一区| 黄色女人牲交| 久久影院123| 午夜免费观看网址| 国产人伦9x9x在线观看| 91麻豆精品激情在线观看国产 | 女性生殖器流出的白浆| 99国产精品99久久久久| 午夜福利免费观看在线| 精品卡一卡二卡四卡免费| videosex国产| 久久精品国产综合久久久| 国产成人精品在线电影| 91在线观看av| 免费女性裸体啪啪无遮挡网站| 香蕉久久夜色| 亚洲欧美一区二区三区黑人| 久久午夜综合久久蜜桃| 免费看a级黄色片| www.www免费av| 免费观看精品视频网站| www.自偷自拍.com| 男人操女人黄网站| 丝袜在线中文字幕| 99热国产这里只有精品6| 国产精品综合久久久久久久免费 | 最新在线观看一区二区三区| 亚洲国产精品999在线| 久久久国产成人精品二区 | 中文字幕最新亚洲高清| 在线免费观看的www视频| 最新美女视频免费是黄的| 18禁国产床啪视频网站| 淫妇啪啪啪对白视频| 欧美老熟妇乱子伦牲交| 50天的宝宝边吃奶边哭怎么回事| 老汉色av国产亚洲站长工具| 亚洲精品av麻豆狂野| 美女高潮到喷水免费观看| 真人做人爱边吃奶动态| 亚洲性夜色夜夜综合| 国产熟女xx| 中文字幕另类日韩欧美亚洲嫩草| 欧美激情久久久久久爽电影 | 熟女少妇亚洲综合色aaa.| 男人舔女人下体高潮全视频| 黄色丝袜av网址大全| 国产蜜桃级精品一区二区三区| 男女高潮啪啪啪动态图| 人人妻人人爽人人添夜夜欢视频| 日日爽夜夜爽网站| 天天添夜夜摸| 又黄又爽又免费观看的视频| 国产精品 国内视频| 黑人巨大精品欧美一区二区mp4| www.www免费av| 在线观看www视频免费| 国产av又大| 久久久久久人人人人人| 国产精品秋霞免费鲁丝片| 最好的美女福利视频网| 亚洲欧美精品综合久久99| 久久狼人影院| 最近最新中文字幕大全电影3 | 久久婷婷成人综合色麻豆| 99香蕉大伊视频| 嫩草影视91久久| 操美女的视频在线观看| 精品国产一区二区三区四区第35| 正在播放国产对白刺激| 一二三四社区在线视频社区8| 亚洲精品av麻豆狂野| 国产精品爽爽va在线观看网站 | 可以免费在线观看a视频的电影网站| 黑人操中国人逼视频| 欧美日韩亚洲综合一区二区三区_| 超碰成人久久| 中国美女看黄片| 在线观看www视频免费| 久久久国产成人免费| 日本免费一区二区三区高清不卡 | 亚洲国产欧美网| 99精国产麻豆久久婷婷| 女性被躁到高潮视频| 午夜福利在线观看吧| 精品国产亚洲在线| 三级毛片av免费| 亚洲美女黄片视频| 高清av免费在线| 80岁老熟妇乱子伦牲交| 亚洲精品久久午夜乱码| 黄色视频,在线免费观看| 免费日韩欧美在线观看| 18禁裸乳无遮挡免费网站照片 | av国产精品久久久久影院| 久久久国产精品麻豆| 欧美乱色亚洲激情| a级毛片在线看网站| 精品国产亚洲在线| 日本wwww免费看| 国产在线观看jvid| 男女高潮啪啪啪动态图| 99在线人妻在线中文字幕| 男男h啪啪无遮挡| 叶爱在线成人免费视频播放| 国产乱人伦免费视频| 国产精华一区二区三区| 亚洲av成人不卡在线观看播放网| 大码成人一级视频| a级片在线免费高清观看视频| 99精品在免费线老司机午夜| 香蕉丝袜av| 欧美精品亚洲一区二区| 久久午夜亚洲精品久久| 无限看片的www在线观看| 久久99一区二区三区| 国产视频一区二区在线看| 欧美人与性动交α欧美精品济南到| 少妇 在线观看| 啪啪无遮挡十八禁网站| 亚洲色图av天堂| 一夜夜www| 国产亚洲精品一区二区www| 日韩三级视频一区二区三区| 久久影院123| 亚洲男人天堂网一区| 亚洲情色 制服丝袜| 亚洲av美国av| 天堂影院成人在线观看| 两个人免费观看高清视频| 亚洲精品国产色婷婷电影| 久久午夜综合久久蜜桃| 女人精品久久久久毛片| 国产欧美日韩一区二区三区在线| 欧美人与性动交α欧美精品济南到| 国产无遮挡羞羞视频在线观看| 在线观看午夜福利视频| 久久 成人 亚洲| 一进一出好大好爽视频| 老司机午夜福利在线观看视频| 亚洲精品在线观看二区| 午夜老司机福利片| 18禁观看日本| 久久香蕉激情| 国产成人欧美| 成人手机av| 天堂俺去俺来也www色官网| 久久精品91无色码中文字幕| 又紧又爽又黄一区二区| 日韩视频一区二区在线观看| 日韩av在线大香蕉| 99国产精品99久久久久| 99精品欧美一区二区三区四区| 亚洲国产中文字幕在线视频| 大型黄色视频在线免费观看| 国产成人影院久久av| 变态另类成人亚洲欧美熟女 | 久久精品aⅴ一区二区三区四区| 国产成人欧美在线观看| 国产av在哪里看| 极品人妻少妇av视频| 黑人巨大精品欧美一区二区蜜桃| 操出白浆在线播放| 国产精品综合久久久久久久免费 | 满18在线观看网站| 色播在线永久视频| 99在线人妻在线中文字幕| 日韩大尺度精品在线看网址 | 欧美一区二区精品小视频在线| 丝袜人妻中文字幕| 亚洲精品在线美女| 亚洲人成电影免费在线| 97碰自拍视频| 老鸭窝网址在线观看| 色播在线永久视频| 大陆偷拍与自拍| 我的亚洲天堂| 国产真人三级小视频在线观看| av片东京热男人的天堂| 午夜免费成人在线视频| 真人一进一出gif抽搐免费| 999久久久国产精品视频| 日本vs欧美在线观看视频| 欧美av亚洲av综合av国产av| 老司机午夜福利在线观看视频| av欧美777| 久久人妻av系列| 午夜福利,免费看| 免费在线观看日本一区| 女生性感内裤真人,穿戴方法视频| 亚洲国产欧美网| 日本免费a在线| 欧美精品亚洲一区二区| 在线观看免费日韩欧美大片| 老汉色∧v一级毛片| 一区在线观看完整版| 99久久人妻综合| 欧美丝袜亚洲另类 | 国产高清videossex| 精品国产一区二区三区四区第35| 人妻丰满熟妇av一区二区三区| 日本a在线网址| 亚洲精品国产区一区二| 自拍欧美九色日韩亚洲蝌蚪91| 国产一区二区三区综合在线观看| 757午夜福利合集在线观看| 99在线视频只有这里精品首页| 巨乳人妻的诱惑在线观看| 看免费av毛片| 啪啪无遮挡十八禁网站| 日韩精品青青久久久久久| 国产av一区在线观看免费| 日韩视频一区二区在线观看| 亚洲中文字幕日韩| 欧美黄色淫秽网站| 亚洲av成人av| 欧美日韩av久久| 久99久视频精品免费| 精品人妻在线不人妻| 精品卡一卡二卡四卡免费| 日韩大码丰满熟妇| 波多野结衣av一区二区av| 黄色怎么调成土黄色| 69av精品久久久久久| 亚洲 国产 在线| 国产片内射在线| 久久久精品欧美日韩精品| 久久香蕉精品热| 国产成人欧美在线观看| 国产一区二区三区综合在线观看| 亚洲精品成人av观看孕妇| 亚洲五月婷婷丁香| 欧美一区二区精品小视频在线| 亚洲人成伊人成综合网2020| 日韩成人在线观看一区二区三区| 亚洲avbb在线观看| 日本黄色日本黄色录像| 777久久人妻少妇嫩草av网站| 精品一区二区三区四区五区乱码| 久久中文看片网| 99国产精品一区二区三区| 亚洲人成电影免费在线| 他把我摸到了高潮在线观看| 国产伦一二天堂av在线观看| 99在线视频只有这里精品首页| 国产高清激情床上av| 亚洲欧美一区二区三区久久| 久久午夜亚洲精品久久| 男女下面进入的视频免费午夜 | 99久久国产精品久久久| 他把我摸到了高潮在线观看| 国产成+人综合+亚洲专区| 欧美人与性动交α欧美精品济南到| 久久亚洲精品不卡| 欧美乱码精品一区二区三区| 欧美日韩视频精品一区| 久久精品aⅴ一区二区三区四区| 在线观看舔阴道视频| 男人操女人黄网站| 国产av一区二区精品久久| 国产成+人综合+亚洲专区| 中文字幕人妻熟女乱码| 免费av毛片视频| 又黄又粗又硬又大视频| 在线观看日韩欧美| 国产av一区二区精品久久| 午夜福利影视在线免费观看| 男人操女人黄网站| 黄色女人牲交| 国产免费男女视频| 操出白浆在线播放|