• <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 ?

    基于支持向量機的低收入通勤者出行方式預(yù)測*

    2016-08-29 05:45:06陳學(xué)武王海嘯
    關(guān)鍵詞:訓(xùn)練樣本低收入準確率

    程 龍 陳學(xué)武 楊 碩 王海嘯

    (東南大學(xué)城市智能交通江蘇省重點實驗室1) 南京 210096)(現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心2) 南京 210096)

    ?

    基于支持向量機的低收入通勤者出行方式預(yù)測*

    程龍1,2)陳學(xué)武1,2)楊碩1,2)王海嘯1,2)

    (東南大學(xué)城市智能交通江蘇省重點實驗室1)南京210096)(現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心2)南京210096)

    為了研究支持向量機(SVM)在出行行為分析中的適用性,分析低收入通勤者的出行方式選擇,構(gòu)建了基于支持向量機的出行方式選擇預(yù)測建模流程,并對模型求解.基于撫順市居民出行調(diào)查數(shù)據(jù),統(tǒng)計結(jié)果表明低收入通勤者與非低收入通勤者的社會經(jīng)濟屬性特征和活動特征具有顯著差異.選取分方式的分類預(yù)測準確率、總體分類預(yù)測準確率和平均絕對百分比誤差3個指標,通過與傳統(tǒng)的多項Logit模型對比,發(fā)現(xiàn)支持向量機對分類數(shù)據(jù)具有較好的擬合能力,出行方式選擇的預(yù)測準確率更高.

    出行方式選擇;支持向量機;預(yù)測能力;低收入通勤者

    0 引  言

    研究分類變量選擇較常用的方法是離散選擇模型,但傳統(tǒng)的統(tǒng)計建模方法有一定不足,如要求樣本數(shù)據(jù)呈正態(tài)分布的假設(shè)、假設(shè)效用函數(shù)中自變量間呈線性關(guān)系等.當(dāng)數(shù)據(jù)不能滿足上述假設(shè)時,傳統(tǒng)的建模方法得出的結(jié)論將會產(chǎn)生偏差.為了克服傳統(tǒng)方法的不足,有學(xué)者提出非參數(shù)建模方法來分析交通選擇問題,支持向量機(SVM)則是其中一種用于解決分類和回歸問題比較新的方法[1],近年來被廣泛應(yīng)用于交通研究中.

    Zhang等[2]運用支持向量機對高速公路短時交通流量進行預(yù)測,認為支持向量機能夠克服數(shù)據(jù)過度擬合和局部極小解的問題,具有更好的預(yù)測能力.Chen等[3]基于加州I-880號公路的交通事故數(shù)據(jù),發(fā)現(xiàn)支持向量機在交通事故檢測方面具有較強的能力.Li等[4]證明支持向量機比傳統(tǒng)負二項回歸模型在事故嚴重等級預(yù)測方面的準確性更高,且收斂速率快.通過佛羅里達州326處高速公路分流區(qū)交通事故數(shù)據(jù)的分析,Li等[5]發(fā)現(xiàn)支持向量機在事故嚴重等級預(yù)測準確率比有序Probit模型高.可以看出,支持向量機在處理數(shù)據(jù)分類問題時,比傳統(tǒng)的統(tǒng)計模型有較高的數(shù)據(jù)擬合能力[6].

    以往的研究多聚焦在交通流預(yù)測、交通事故分析等,較少研究出行方式選擇行為.低收入通勤者作為社會的構(gòu)成的重要階層,在“交通公平性”的背景下,研究低收入者的出行行為具有重要意義.本研究基于支持向量機分析低收入通勤者出行方式選擇行為,探討其在出行行為分析方面的適用性,以豐富和增強交通需求預(yù)測的基礎(chǔ)理論.

    1 數(shù)據(jù)來源及描述性統(tǒng)計

    數(shù)據(jù)來自2014年10月29日(星期三)的遼寧省撫順市居民出行調(diào)查.調(diào)查內(nèi)容分為2部分:(1)家庭和個人特征;(2)被調(diào)查者的1天出行記錄.在對調(diào)查數(shù)據(jù)校核和篩選后,最終獲得了8 585個有效個體樣本.經(jīng)濟合作與發(fā)展組織提出的國際貧困線標準為當(dāng)?shù)厝司芍涫杖氲?0%[7].由此,2014年撫順市的貧困標準為1.4萬元/年.然后基于職業(yè)屬性,1 973個樣本被識別為低收入通勤者.

    通過對比,發(fā)現(xiàn)低收入和非低收入通勤者的社會經(jīng)濟屬性和活動屬性特征具有差異性,見表 1.低收入通勤者具有如下特征:家庭規(guī)模較大,小汽車擁有率較低,公交卡擁有率高,受教育水平較低;全日較少組織多個出行鏈,生存型活動(指上班和上學(xué))時耗較長,機動化出行以公共交通為主,小汽車的出行比例較低.低收入和非低收入者選擇自行車和電動車出行的比例都較低,這是因為撫順市位于我國東北地區(qū),受氣候和地形地貌的限制(天氣冷、道路坡度大),騎行環(huán)境較差.

    表1 社會經(jīng)濟屬性和活動屬性特征差異

    由于本研究涉及個體社會經(jīng)濟屬性、活動屬性和方式選擇之間的關(guān)系,變量數(shù)量眾多,相互之間關(guān)系層次復(fù)雜,為了提高初始模型設(shè)定的準確性和有效性,需要對各變量間的關(guān)系進行顯著性檢驗.表1中的離散變量有家庭規(guī)模,自行車、電動車、小汽車擁有率,性別,駕照和公交卡擁有率,年齡,受教育程度,出行鏈個數(shù).連續(xù)變量有出行時耗和生存型活動時耗.卡方檢驗(Pearson’s chi-squared)用于檢驗離散變量與出行方式選擇之間的顯著性,單因素方差分析(ANOVA)用于檢驗連續(xù)變量與出行方式選擇之間的顯著性.從檢驗結(jié)果發(fā)現(xiàn),表 1中的變量都與出行方式選擇顯著相關(guān),因此在建模時均予考慮.

    2 研究方法

    2.1支持向量機

    支持向量機是從觀測樣本數(shù)據(jù)出發(fā)運用統(tǒng)計學(xué)的方法,對樣本數(shù)據(jù)規(guī)律進行學(xué)習(xí),研究其內(nèi)在的相互關(guān)聯(lián)聯(lián)系,同時利用該規(guī)律對未知數(shù)據(jù)進行預(yù)測估計.支持向量機的模型定義為特征空間上間隔最大的線性分類器,基本思想是尋找能夠?qū)⑷坑?xùn)練樣本點正確分類的最優(yōu)分類面,同時保證距離該分類面最近的樣本點與其間隔最大.學(xué)習(xí)策略是間隔最大化,最終轉(zhuǎn)化為凸二次規(guī)劃求解問題.

    式中:w為分類面的法向量;b為常數(shù)項.

    當(dāng)訓(xùn)練樣本集在低維空間不可分時,可以通過添加核函數(shù)K(xi,xj)將數(shù)據(jù)映射到高維空間中,以求解在原始空間中線性不可分的問題.當(dāng)數(shù)據(jù)存在噪聲,可引入非負松弛變量εi≥0和懲罰因子C作為綜合權(quán)重來處理,則式(1)的最優(yōu)化問題變?yōu)?/p>

    2.2建模流程

    基于支持向量機的低收入通勤者出行方式選擇預(yù)測建模流程如下.

    1) 選擇影響低收入通勤者出行方式選擇的變量,對數(shù)據(jù)進行預(yù)處理,構(gòu)造訓(xùn)練樣本數(shù)據(jù)集.基于變量間的相關(guān)性檢驗結(jié)果,表 1中的所有變量均作為預(yù)測模型的輸入.

    3) 構(gòu)造優(yōu)化問題,如式(2)所示,并對參數(shù)進行求解.

    4) 求得最優(yōu)解構(gòu)建的決策函數(shù),用測試樣本數(shù)據(jù)集預(yù)測其他低收入通勤者出行方式選擇結(jié)果.

    模型建立后,采用5折交叉驗證來評價模型精度.也就是將原始數(shù)據(jù)均分成5組,將每個子集數(shù)據(jù)分別做一次驗證集,其余的4組子集數(shù)據(jù)作為訓(xùn)練集,這樣會得到5個模型,用這5個模型驗證集的分類準確率的平均值作為分類器的性能指標.5折交叉驗證可以有效的避免過學(xué)習(xí)以及欠學(xué)習(xí)狀態(tài)的發(fā)生,最后得到的結(jié)果具有說服力.

    對訓(xùn)練樣本集學(xué)習(xí)過程中,需要確定兩個參數(shù),即懲罰因子C和核函數(shù)參數(shù)r.采用網(wǎng)格搜索算法對參數(shù)尋優(yōu),網(wǎng)格搜索算法屬于啟發(fā)式算法,不必遍歷區(qū)間內(nèi)所有的參數(shù)組就能找到全局最優(yōu)解,具有收斂速度快的特性.

    3 分析結(jié)果

    3.1支持向量機

    使用LIBSVM軟件包[8]來進行支持向量機模型的標定,事先將總體樣本按照4∶1的比例隨機分成訓(xùn)練樣本集和測試樣本集.為了減少數(shù)據(jù)隨機分配產(chǎn)生的誤差,做了6次試驗以對低收入通勤者出行方式選擇進行訓(xùn)練和測試.

    以第1次試驗為例,詳細介紹SVM的訓(xùn)練和測試過程.首先按4∶1的比例將總體數(shù)據(jù)分成1 578個訓(xùn)練樣本和395個測試集樣本.然后,采用5折交叉驗證和網(wǎng)格搜索法進行參數(shù)(C,r)尋優(yōu),最終結(jié)果見圖 1.當(dāng)訓(xùn)練集驗證分類準確率最高時,C=147.033 4,r=0.006 8,此時的訓(xùn)練集驗證分類準確率是62.29%.這樣就得到了對訓(xùn)練樣本學(xué)習(xí)過程的模型,該模型是一個結(jié)構(gòu)體,由該結(jié)構(gòu)體中參數(shù)可以得到?jīng)Q策函數(shù),該決策函數(shù)將用于測試樣本集數(shù)據(jù)的預(yù)測.

    圖1 支持向量機參數(shù)尋優(yōu)結(jié)果

    6次試驗的分類準確率匯總情況見表 2.可以發(fā)現(xiàn),支持向量機在訓(xùn)練樣本集上分類準確率要大于測試樣本集.訓(xùn)練樣本數(shù)據(jù)分類準確率平均值是68.59%,測試樣本數(shù)據(jù)分類準確率平均值是64.66%.此外,對于大樣本量的數(shù)據(jù),支持向量機有很好的分類能力,如步行和公共交通,兩者在測試樣本中分類準確率分別是68.96%和76.84%.但對于小樣本量的數(shù)據(jù),支持向量機的分類能力較差,如自行車和電動車,兩者在測試樣本中分類準確僅為16.34%和10.73%.這是因為支持向量機在工作過程中為提高整體分類準確率,會忽視小樣本量數(shù)據(jù)提供的信息.這個問題廣泛存在于多分類技術(shù)手段中,如分類樹、人工神經(jīng)網(wǎng)絡(luò)和支持向量機[9].

    表2 支持向量機的分類準確率

    3.2與多項Logit預(yù)測能力的對比

    為了對比支持向量機與多項Logit(MNL)模型在低收入通勤者出行方式選擇的預(yù)測能力,基于相同的數(shù)據(jù)用MNL模型也做了6次試驗,首先用訓(xùn)練樣本數(shù)據(jù)對MNL模型中的參數(shù)求解,然后基于求解的參數(shù)模型對測試樣本集中數(shù)據(jù)進行預(yù)測.選取3個指標進行對比,分別是分方式的分類預(yù)測準確率、總體預(yù)測準確率和平均絕對百分比誤差.

    1) 分方式的分類預(yù)測準確率是指某種交通方式預(yù)測準確的樣本量占選擇該交通方式總樣本量的比例,結(jié)果見表 3.可以看出,各方式的平均預(yù)測準確率SVM均比MNL高,特別對于樣本量較小的自行車和電動車兩種出行方式,SVM準確率比MNL高很多,約10%,表明MNL模型在小樣本量數(shù)據(jù)上分類能力更差.

    表3 分方式平均預(yù)測準確率 %

    2) 總體分類預(yù)測準確率是指所有交通方式預(yù)測準確的樣本量占總體樣本量的比例.SVM的總體分類預(yù)測準確率高于MNL,兩者分別為64.66%和61.94%.此外,6次試驗中SVM預(yù)測準確率的方差為1.67,而MNL的方差為4.82,說明SVM在出行方式選擇方面的預(yù)測能力較為穩(wěn)定,方差較小.

    3) 平均絕對百分比誤差為預(yù)測值與實際值的差值占實際值百分比的算術(shù)平均數(shù),公式為

    (3)

    (4)

    式中:PEi為第i種交通方式選擇的百分比誤差;n為交通方式種類,本研究有5種;Xi為第i種交通方式實際選擇的樣本數(shù);Fi為第i種交通方式預(yù)測的樣本數(shù).指標對比結(jié)果見表 4,除第3次試驗外,SVM的預(yù)測平均絕對百分比誤差均小于MNL模型.而且從6次試驗整體看,SVM的預(yù)測平均絕對百分比誤差要小于MNL模型.

    表4 平均絕對百分比誤差 %

    從3個指標的對比可以看出,支持向量機比MNL模型在出行方式選擇的預(yù)測能力要好,支持向量機具有較高的處理數(shù)據(jù)分類問題的能力,在出行行為分析中具有較好的適用性.

    4 結(jié) 束 語

    基于撫順市居民出行調(diào)查數(shù)據(jù),發(fā)現(xiàn)低收入通勤者與非低收入通勤者的社會經(jīng)濟屬性特征和活動特征具有顯著差異.構(gòu)建了基于支持向量機的出行方式選擇預(yù)測建模流程,然后對低收入通勤者的出行方式選擇行為進行分析,通過與MNL模型預(yù)測能力的對比,發(fā)現(xiàn)支持向量機在處理分類數(shù)據(jù)方面具有較高的擬合能力,在出行行為分析中具有較好的適用性.研究結(jié)論將為居民出行行為分析提供新的研究思路,豐富和增強交通需求預(yù)測分析的理論基礎(chǔ).但是,本研究僅分析了支持向量機與MNL模型預(yù)測能力的對比,以后的研究可進一步考慮與其他傳統(tǒng)統(tǒng)計模型,如巢式Logit、混合Logit等的預(yù)測能力對比.

    [1]鄭文昌,陳淑燕,王宣強.面向不平衡數(shù)據(jù)集的SMOTE-SVM交通事件檢測算法[J].武漢理工大學(xué)學(xué)報,2012,34(11):58-62.

    [2]ZHANG Y L, XIE Y C. Forecasting of short-term freeway volume with v-support vector machines[J]. Transportation Research Record: Journal of the Transportation Research Board,2007,2024:92-99.

    [3]CHEN S Y, WANG W, HENK J Z. Construct support vector machine ensemble to detect traffic incident[J]. Expert Systems with Applications,2009,36(8):10976-10986.

    [4]LI X G, LORD D, ZHANG Y L, ME Y C. Predicting motor vehicle crashes using support vector machine models[J]. Accident Analysis and Prevention,2008,40(4):1611-1618.

    [5]LI Z, LIU P, WANG W, et al. Using support vector machine models for crash injury severity analysis[J]. Accident Analysis and Prevention,2012,45:478-486.

    [6]ALLAHVIRANLOO M, RECKER W. Daily activity pattern recognition by using support vector machines with multiple classes[J]. Transportation Research Part B: Methodological,2013,58:16-43.

    [7]莫泰基.香港貧困與社會保障[M].香港:中華書局,1993.

    [8]CHANG C C, Lin C J.LIBSVM: A library for support vector machines[EB/OL]. https://www.csie.ntu.edu.tw/~cjlin/libsvm/,2007.

    [9]CHANG L Y, WANG H W. Analysis of traffic injury severity: an application of non-parametric classification tree techniques[J]. Accident Analysis and Prevention,2006,38(5):1019-1027.

    Mode Choice Prediction of Low Income Commuters Based on Support Vector Machine

    CHENG Long1,2)CHEN Xuewu1,2)YANG Shuo1,2)WANG Haixiao1,2)

    (JiangsuKeyLaboratoryofUrbanITS,SoutheastUniversity,Nanjing210096,China)1)(JiangsuProvinceCollaborativeInnovationCenterofModernUrbanTrafficTechnologies,Nanjing210096,China)2)

    To explore the applicability of support vector machine (SVM) in travel behavior analysis and shed light on mode choice of low income commuters, model specification scheme of mode choice prediction based on SVM is established. Statistics indicate that low income commuters have distinct socio-economic characteristics and activity characteristics from non-low income commuters based on the travel survey data of Fushun. SVM possesses high fitting ability on categorical data and provides better prediction accuracy of mode choice than traditional Multinomial Logit model from three indicators including the individual percentage of correct predictions, overall percentage of correct predictions and mean absolute percentage error.

    mode choice; support vector machine; prediction ability; low income commuters

    2016-07-07

    U491.1

    10.3963/j.issn.2095-3844.2016.04.010

    程龍(1989- ):男,博士生,主要研究領(lǐng)域為從事交通出行行為分析與需求建模

    *國家自然科學(xué)基金項目(51178109、51338003)、國家重點基礎(chǔ)研究發(fā)展計劃項目(973計劃)(2012CB725402)資助

    猜你喜歡
    訓(xùn)練樣本低收入準確率
    我國已有6200多萬低收入人口納入動態(tài)監(jiān)測預(yù)警范圍
    山西六類低收入群體可獲農(nóng)村危房改造補助戶均1.4萬
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    人工智能
    娶低收入老婆
    婦女生活(2018年10期)2018-10-12 02:57:54
    高速公路車牌識別標識站準確率驗證法
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    网址你懂的国产日韩在线| 最后的刺客免费高清国语| 午夜精品在线福利| 日本在线视频免费播放| 欧美日韩瑟瑟在线播放| 欧美一区二区精品小视频在线| 国产午夜精品久久久久久一区二区三区 | 亚洲aⅴ乱码一区二区在线播放| 午夜福利欧美成人| 亚洲国产高清在线一区二区三| 小蜜桃在线观看免费完整版高清| 99热这里只有是精品50| 99久国产av精品| 很黄的视频免费| 亚洲国产色片| bbb黄色大片| 简卡轻食公司| 国产69精品久久久久777片| 欧美极品一区二区三区四区| 在线播放国产精品三级| 夜夜躁狠狠躁天天躁| 在线国产一区二区在线| 老司机深夜福利视频在线观看| 久久久久久久久久成人| 亚洲av五月六月丁香网| 成年女人看的毛片在线观看| 亚州av有码| 欧美激情在线99| 亚洲成a人片在线一区二区| 国产精品电影一区二区三区| 日韩免费av在线播放| 久久精品国产清高在天天线| 禁无遮挡网站| 成人美女网站在线观看视频| 麻豆久久精品国产亚洲av| 他把我摸到了高潮在线观看| 18禁裸乳无遮挡免费网站照片| 久久伊人香网站| 欧美日韩瑟瑟在线播放| 永久网站在线| 亚洲成人精品中文字幕电影| 亚洲av成人不卡在线观看播放网| 日韩欧美国产一区二区入口| 国产高清激情床上av| 国产精品三级大全| 亚洲欧美日韩高清专用| 99热精品在线国产| 久久久久亚洲av毛片大全| 亚洲内射少妇av| 午夜老司机福利剧场| 欧洲精品卡2卡3卡4卡5卡区| 成人高潮视频无遮挡免费网站| 精品人妻视频免费看| 国产精品精品国产色婷婷| 一进一出抽搐动态| 啦啦啦韩国在线观看视频| 波野结衣二区三区在线| 久久精品久久久久久噜噜老黄 | 亚洲人与动物交配视频| 麻豆一二三区av精品| 三级国产精品欧美在线观看| 国产精品日韩av在线免费观看| 精品一区二区三区视频在线| 国产aⅴ精品一区二区三区波| 可以在线观看毛片的网站| 成人国产一区最新在线观看| 国产视频一区二区在线看| av天堂中文字幕网| 亚洲专区中文字幕在线| 亚洲精品日韩av片在线观看| 宅男免费午夜| 国产高潮美女av| 精品国内亚洲2022精品成人| 黄色配什么色好看| 午夜福利18| 亚洲熟妇熟女久久| 久久6这里有精品| xxxwww97欧美| 亚洲av中文字字幕乱码综合| 国产极品精品免费视频能看的| 婷婷精品国产亚洲av| 国产一区二区三区视频了| 91av网一区二区| 精品久久久久久久久av| 亚洲五月天丁香| 麻豆av噜噜一区二区三区| 中文字幕久久专区| 在线a可以看的网站| 国产不卡一卡二| 欧美性猛交黑人性爽| 男插女下体视频免费在线播放| 国产成人啪精品午夜网站| 色5月婷婷丁香| 中文字幕av成人在线电影| 有码 亚洲区| 天天躁日日操中文字幕| 久久99热6这里只有精品| 小蜜桃在线观看免费完整版高清| 99久久久亚洲精品蜜臀av| avwww免费| 有码 亚洲区| 欧美成人一区二区免费高清观看| 简卡轻食公司| 高清在线国产一区| 伦理电影大哥的女人| 国产爱豆传媒在线观看| 久久亚洲精品不卡| 国产国拍精品亚洲av在线观看| 男女之事视频高清在线观看| 简卡轻食公司| 久久久久久久亚洲中文字幕 | 婷婷六月久久综合丁香| 午夜福利免费观看在线| 久久久久国内视频| 两人在一起打扑克的视频| 国产精品一区二区免费欧美| 国产乱人伦免费视频| 自拍偷自拍亚洲精品老妇| 一二三四社区在线视频社区8| 日韩欧美精品免费久久 | 国产不卡一卡二| 性色av乱码一区二区三区2| 97热精品久久久久久| 亚洲精品456在线播放app | 少妇熟女aⅴ在线视频| 亚洲乱码一区二区免费版| 乱人视频在线观看| 国产美女午夜福利| 久久久久精品国产欧美久久久| 亚洲精品乱码久久久v下载方式| 欧美精品啪啪一区二区三区| 国产av在哪里看| 波多野结衣高清作品| 亚洲欧美日韩卡通动漫| 久99久视频精品免费| 99久久成人亚洲精品观看| 国产精品不卡视频一区二区 | 成年女人毛片免费观看观看9| 床上黄色一级片| 久久久久久久久大av| 亚州av有码| 嫩草影院入口| 久久午夜亚洲精品久久| 十八禁国产超污无遮挡网站| 搡老熟女国产l中国老女人| 老熟妇仑乱视频hdxx| 婷婷色综合大香蕉| 美女高潮喷水抽搐中文字幕| 欧美zozozo另类| 日韩av在线大香蕉| 国产麻豆成人av免费视频| 亚洲在线观看片| 国产成+人综合+亚洲专区| 欧美最新免费一区二区三区 | 日本免费一区二区三区高清不卡| 久久精品国产自在天天线| 久久久精品欧美日韩精品| 嫩草影院新地址| 亚洲成a人片在线一区二区| 内地一区二区视频在线| 国产精品不卡视频一区二区 | 88av欧美| 丰满的人妻完整版| 国产精品三级大全| 国产精品一及| 有码 亚洲区| 日韩av在线大香蕉| 欧美黄色淫秽网站| 别揉我奶头 嗯啊视频| 免费观看精品视频网站| 在线播放无遮挡| 两个人的视频大全免费| 午夜免费成人在线视频| 免费av毛片视频| 哪里可以看免费的av片| 我要搜黄色片| 日韩高清综合在线| 非洲黑人性xxxx精品又粗又长| 国产欧美日韩精品一区二区| 黄色一级大片看看| 亚洲经典国产精华液单 | 免费av观看视频| 99久久九九国产精品国产免费| 神马国产精品三级电影在线观看| 成人毛片a级毛片在线播放| 婷婷六月久久综合丁香| 久久精品国产清高在天天线| 青草久久国产| 欧洲精品卡2卡3卡4卡5卡区| 99国产精品一区二区三区| 美女大奶头视频| or卡值多少钱| 国产亚洲av嫩草精品影院| 亚洲男人的天堂狠狠| 激情在线观看视频在线高清| av在线观看视频网站免费| 波多野结衣高清作品| 少妇的逼好多水| 午夜激情福利司机影院| 国产综合懂色| 亚洲成人免费电影在线观看| 日韩精品青青久久久久久| www.999成人在线观看| 亚洲国产色片| 日韩欧美在线二视频| 99精品在免费线老司机午夜| 动漫黄色视频在线观看| 日韩欧美精品v在线| 观看美女的网站| 97热精品久久久久久| 中文字幕精品亚洲无线码一区| 一本综合久久免费| 97碰自拍视频| 国产国拍精品亚洲av在线观看| 一进一出抽搐动态| 欧美高清性xxxxhd video| 搡老熟女国产l中国老女人| 久久精品国产自在天天线| 国产黄a三级三级三级人| 国产成人影院久久av| 人妻丰满熟妇av一区二区三区| 日韩国内少妇激情av| 欧美又色又爽又黄视频| 丰满乱子伦码专区| 亚洲五月天丁香| 国产69精品久久久久777片| 国产精品电影一区二区三区| 免费无遮挡裸体视频| 亚洲av成人不卡在线观看播放网| 精品人妻视频免费看| 国产黄色小视频在线观看| 熟女人妻精品中文字幕| 欧美激情国产日韩精品一区| 老熟妇仑乱视频hdxx| 久久人人爽人人爽人人片va | 18美女黄网站色大片免费观看| 国产成人欧美在线观看| 中文字幕久久专区| 午夜影院日韩av| 久久久久久久精品吃奶| 日本黄色片子视频| 欧美激情久久久久久爽电影| 香蕉av资源在线| 一级作爱视频免费观看| 国产aⅴ精品一区二区三区波| 亚洲一区二区三区色噜噜| 99在线人妻在线中文字幕| 国产麻豆成人av免费视频| 99热这里只有是精品50| 每晚都被弄得嗷嗷叫到高潮| 我的女老师完整版在线观看| 桃红色精品国产亚洲av| 亚洲美女搞黄在线观看 | 欧美性猛交黑人性爽| 久久午夜亚洲精品久久| 午夜视频国产福利| 999久久久精品免费观看国产| 搡女人真爽免费视频火全软件 | 看十八女毛片水多多多| 亚洲中文字幕日韩| 2021天堂中文幕一二区在线观| 国产成年人精品一区二区| 免费观看的影片在线观看| 成年免费大片在线观看| av黄色大香蕉| 国产精品亚洲美女久久久| av在线蜜桃| avwww免费| 长腿黑丝高跟| 99在线视频只有这里精品首页| 亚洲欧美激情综合另类| 直男gayav资源| 亚洲专区国产一区二区| 一进一出抽搐gif免费好疼| eeuss影院久久| 最近在线观看免费完整版| 精品久久久久久久久久免费视频| 精品人妻偷拍中文字幕| 露出奶头的视频| 蜜桃久久精品国产亚洲av| 欧美日韩综合久久久久久 | 日本成人三级电影网站| 99热只有精品国产| 久久久色成人| 窝窝影院91人妻| 在线观看av片永久免费下载| 免费大片18禁| 特大巨黑吊av在线直播| 99久久九九国产精品国产免费| 他把我摸到了高潮在线观看| 琪琪午夜伦伦电影理论片6080| 熟女人妻精品中文字幕| 久久久久精品国产欧美久久久| 国产亚洲精品av在线| 2021天堂中文幕一二区在线观| 尤物成人国产欧美一区二区三区| 国产精品电影一区二区三区| 国产熟女xx| 久久久久久九九精品二区国产| 国产午夜精品久久久久久一区二区三区 | 国产成人啪精品午夜网站| 国产伦在线观看视频一区| 一级a爱片免费观看的视频| 女生性感内裤真人,穿戴方法视频| 欧美在线一区亚洲| 午夜激情福利司机影院| 成人永久免费在线观看视频| 国产一级毛片七仙女欲春2| www日本黄色视频网| 国产一区二区三区在线臀色熟女| 国产成人欧美在线观看| 亚洲中文日韩欧美视频| 夜夜看夜夜爽夜夜摸| 成年女人永久免费观看视频| 久久亚洲真实| 日本一本二区三区精品| 少妇熟女aⅴ在线视频| 日韩欧美 国产精品| 波多野结衣高清作品| 欧美黑人巨大hd| 老司机午夜福利在线观看视频| 免费看光身美女| 日韩欧美 国产精品| 久久亚洲精品不卡| 欧美成人一区二区免费高清观看| 首页视频小说图片口味搜索| 可以在线观看毛片的网站| 黄色日韩在线| 国产蜜桃级精品一区二区三区| av在线天堂中文字幕| 男人和女人高潮做爰伦理| 男人狂女人下面高潮的视频| 日韩精品中文字幕看吧| 国产乱人视频| 长腿黑丝高跟| 99riav亚洲国产免费| 在线播放国产精品三级| 免费在线观看日本一区| 在线十欧美十亚洲十日本专区| 好男人电影高清在线观看| 91麻豆精品激情在线观看国产| 久久午夜亚洲精品久久| 亚洲人成网站在线播| 国产伦在线观看视频一区| 国产精品久久久久久久电影| 88av欧美| 天天躁日日操中文字幕| 首页视频小说图片口味搜索| 亚洲精品一卡2卡三卡4卡5卡| 精品久久久久久,| 午夜福利免费观看在线| 国产v大片淫在线免费观看| 日日摸夜夜添夜夜添av毛片 | 国产精品一区二区免费欧美| av中文乱码字幕在线| 99在线人妻在线中文字幕| 天美传媒精品一区二区| 如何舔出高潮| 91狼人影院| 日韩免费av在线播放| 欧美一区二区国产精品久久精品| 最新在线观看一区二区三区| 窝窝影院91人妻| 91久久精品电影网| 亚洲av电影在线进入| 亚洲欧美日韩高清专用| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 中文字幕久久专区| 国产真实伦视频高清在线观看 | 夜夜看夜夜爽夜夜摸| 黄色女人牲交| av女优亚洲男人天堂| 最近最新中文字幕大全电影3| 中文亚洲av片在线观看爽| 色综合站精品国产| 俺也久久电影网| 乱码一卡2卡4卡精品| 999久久久精品免费观看国产| 精品一区二区免费观看| 岛国在线免费视频观看| 国产淫片久久久久久久久 | 波多野结衣巨乳人妻| 精品不卡国产一区二区三区| 午夜福利欧美成人| 久久午夜亚洲精品久久| 99久久成人亚洲精品观看| 日韩中文字幕欧美一区二区| 国产三级黄色录像| 给我免费播放毛片高清在线观看| 午夜精品一区二区三区免费看| 老熟妇乱子伦视频在线观看| 搡老岳熟女国产| 美女xxoo啪啪120秒动态图 | 又爽又黄a免费视频| 亚洲国产精品合色在线| 亚洲真实伦在线观看| 露出奶头的视频| 亚洲欧美日韩高清专用| 最近最新中文字幕大全电影3| 精品福利观看| 久久欧美精品欧美久久欧美| 亚洲av美国av| 亚洲人成伊人成综合网2020| 99久久99久久久精品蜜桃| 国产乱人伦免费视频| 制服丝袜大香蕉在线| www.熟女人妻精品国产| 亚洲国产精品sss在线观看| 日本 欧美在线| 亚洲欧美日韩高清专用| av在线老鸭窝| 18禁黄网站禁片免费观看直播| 69av精品久久久久久| 男女之事视频高清在线观看| 国产 一区 欧美 日韩| 日韩成人在线观看一区二区三区| 午夜福利免费观看在线| 国产成人av教育| 国产午夜精品论理片| 久久久成人免费电影| 亚洲精华国产精华精| av在线老鸭窝| 精品不卡国产一区二区三区| 精品一区二区免费观看| 免费搜索国产男女视频| 国产精品人妻久久久久久| 国内少妇人妻偷人精品xxx网站| 99久久无色码亚洲精品果冻| 精品人妻一区二区三区麻豆 | 欧美性猛交╳xxx乱大交人| 精品99又大又爽又粗少妇毛片 | 亚洲av不卡在线观看| 赤兔流量卡办理| 国产三级在线视频| 国产av在哪里看| 18美女黄网站色大片免费观看| 国内精品一区二区在线观看| 99国产综合亚洲精品| 看片在线看免费视频| 久久人人爽人人爽人人片va | 国产亚洲精品综合一区在线观看| 国产一区二区三区视频了| 91在线精品国自产拍蜜月| 精品人妻一区二区三区麻豆 | 日韩欧美精品v在线| 成人午夜高清在线视频| 观看免费一级毛片| 久久国产乱子免费精品| 一区二区三区免费毛片| 国产在线精品亚洲第一网站| 三级国产精品欧美在线观看| 精品久久久久久久久av| 亚洲五月天丁香| 亚洲一区二区三区不卡视频| 国产主播在线观看一区二区| 给我免费播放毛片高清在线观看| a在线观看视频网站| 国产欧美日韩一区二区精品| 欧美最黄视频在线播放免费| 亚洲自拍偷在线| 一级作爱视频免费观看| 99久久99久久久精品蜜桃| 成人三级黄色视频| 一级黄片播放器| 免费看光身美女| 国产欧美日韩一区二区三| 精品99又大又爽又粗少妇毛片 | 欧美激情在线99| 91九色精品人成在线观看| 在线观看一区二区三区| 亚洲精品影视一区二区三区av| 国产探花极品一区二区| 91麻豆精品激情在线观看国产| 非洲黑人性xxxx精品又粗又长| 欧美不卡视频在线免费观看| 九色成人免费人妻av| 午夜久久久久精精品| 国产高潮美女av| 久久久久久久精品吃奶| 欧美绝顶高潮抽搐喷水| 他把我摸到了高潮在线观看| 久久久久久久精品吃奶| 国产精品99久久久久久久久| 99热只有精品国产| 久久伊人香网站| 三级国产精品欧美在线观看| 亚洲欧美清纯卡通| 精品国内亚洲2022精品成人| 亚洲乱码一区二区免费版| 成人性生交大片免费视频hd| 国产精品亚洲美女久久久| 亚洲真实伦在线观看| 99精品久久久久人妻精品| 特级一级黄色大片| or卡值多少钱| 如何舔出高潮| 精品一区二区三区视频在线观看免费| 久久精品综合一区二区三区| 欧美国产日韩亚洲一区| 日本免费一区二区三区高清不卡| 一个人免费在线观看电影| 欧美日本视频| 在线免费观看的www视频| 亚洲第一电影网av| 每晚都被弄得嗷嗷叫到高潮| 一区二区三区四区激情视频 | 高清在线国产一区| 久久热精品热| 国产精品嫩草影院av在线观看 | 国产精品爽爽va在线观看网站| 欧美中文日本在线观看视频| 国产极品精品免费视频能看的| 桃红色精品国产亚洲av| 可以在线观看毛片的网站| 亚洲国产精品sss在线观看| 两人在一起打扑克的视频| 成人特级黄色片久久久久久久| 精品久久久久久久末码| 国产在线男女| 婷婷精品国产亚洲av在线| 午夜激情欧美在线| 看十八女毛片水多多多| 亚洲国产欧洲综合997久久,| 首页视频小说图片口味搜索| 国产伦一二天堂av在线观看| 看片在线看免费视频| 97碰自拍视频| 亚洲aⅴ乱码一区二区在线播放| 久久久国产成人精品二区| 大型黄色视频在线免费观看| 51午夜福利影视在线观看| 日日夜夜操网爽| 麻豆国产97在线/欧美| 亚洲男人的天堂狠狠| 亚洲专区中文字幕在线| 国产真实乱freesex| 国产精品98久久久久久宅男小说| 一个人观看的视频www高清免费观看| 免费在线观看日本一区| 久久亚洲精品不卡| 日本三级黄在线观看| 日韩欧美国产一区二区入口| 嫩草影院入口| 黄色日韩在线| 欧美性感艳星| 亚洲人成网站高清观看| www.999成人在线观看| 亚洲男人的天堂狠狠| 国产高清激情床上av| x7x7x7水蜜桃| 亚洲精品一卡2卡三卡4卡5卡| 久久亚洲真实| 一本综合久久免费| 男女之事视频高清在线观看| 久久国产精品人妻蜜桃| 亚洲国产精品sss在线观看| 久久草成人影院| 亚洲av成人不卡在线观看播放网| 一级黄片播放器| 亚洲专区国产一区二区| a级毛片免费高清观看在线播放| 色综合婷婷激情| 99热只有精品国产| 欧洲精品卡2卡3卡4卡5卡区| 永久网站在线| 69人妻影院| 高清在线国产一区| 在线观看一区二区三区| 中文字幕精品亚洲无线码一区| h日本视频在线播放| 夜夜爽天天搞| 在线播放无遮挡| 午夜亚洲福利在线播放| 99热这里只有是精品50| www.999成人在线观看| 欧美极品一区二区三区四区| 久久精品夜夜夜夜夜久久蜜豆| 亚洲成a人片在线一区二区| 亚洲欧美日韩无卡精品| 亚洲欧美清纯卡通| 色综合婷婷激情| 亚洲av日韩精品久久久久久密| 又爽又黄a免费视频| 男女床上黄色一级片免费看| 精品日产1卡2卡| www日本黄色视频网| 一级黄片播放器| 变态另类成人亚洲欧美熟女| 高清毛片免费观看视频网站| 中文字幕高清在线视频| 国产精品自产拍在线观看55亚洲| 日本撒尿小便嘘嘘汇集6| 女同久久另类99精品国产91| 男人的好看免费观看在线视频| 欧美乱色亚洲激情| 国产精品久久久久久人妻精品电影| 丁香六月欧美| or卡值多少钱| 免费观看精品视频网站| 最近视频中文字幕2019在线8| 精品久久久久久久久久久久久| 国产午夜精品久久久久久一区二区三区 | 国产伦一二天堂av在线观看| 国产高清有码在线观看视频| 赤兔流量卡办理| 十八禁网站免费在线| 午夜福利成人在线免费观看| 91久久精品电影网| 国产日本99.免费观看| 国产爱豆传媒在线观看| 97超级碰碰碰精品色视频在线观看| 午夜福利高清视频| 18禁裸乳无遮挡免费网站照片| 老熟妇乱子伦视频在线观看| 国产黄a三级三级三级人|