• <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
    亚洲成人精品中文字幕电影| 亚洲精品国产成人久久av| 12—13女人毛片做爰片一| 中文字幕高清在线视频| 亚洲人成网站在线播| 日韩亚洲欧美综合| 一个人免费在线观看电影| 精品乱码久久久久久99久播| 亚洲 国产 在线| 国产免费男女视频| 国产精品电影一区二区三区| 干丝袜人妻中文字幕| 露出奶头的视频| 3wmmmm亚洲av在线观看| 久久久久久九九精品二区国产| 日韩欧美在线乱码| 99久国产av精品| 真人一进一出gif抽搐免费| 亚洲黑人精品在线| 国产午夜精品久久久久久一区二区三区 | 亚洲经典国产精华液单| 亚洲av五月六月丁香网| 午夜福利高清视频| 99久久久亚洲精品蜜臀av| 午夜福利高清视频| www日本黄色视频网| 国产精品av视频在线免费观看| 一区福利在线观看| 变态另类丝袜制服| 乱人视频在线观看| 精品免费久久久久久久清纯| 国产精品日韩av在线免费观看| 国产精品日韩av在线免费观看| 97人妻精品一区二区三区麻豆| 看十八女毛片水多多多| 在线a可以看的网站| 国产高清三级在线| 麻豆av噜噜一区二区三区| 国产亚洲av嫩草精品影院| 麻豆av噜噜一区二区三区| 日韩欧美国产在线观看| 国产在线精品亚洲第一网站| 麻豆一二三区av精品| 色综合婷婷激情| 日本在线视频免费播放| 成人亚洲精品av一区二区| 日韩欧美免费精品| 91久久精品国产一区二区成人| 久久精品国产亚洲av香蕉五月| 久久精品国产亚洲av香蕉五月| 日韩欧美三级三区| 亚洲国产精品sss在线观看| 国内精品一区二区在线观看| 啦啦啦韩国在线观看视频| 搡女人真爽免费视频火全软件 | 老司机深夜福利视频在线观看| 亚洲欧美日韩卡通动漫| 欧美高清性xxxxhd video| 成人国产麻豆网| 欧美最黄视频在线播放免费| 美女大奶头视频| 最近在线观看免费完整版| 男女做爰动态图高潮gif福利片| 日本熟妇午夜| 麻豆精品久久久久久蜜桃| 久久这里只有精品中国| 久久精品91蜜桃| 成人av一区二区三区在线看| 精品日产1卡2卡| 亚洲内射少妇av| 欧美高清成人免费视频www| 国模一区二区三区四区视频| 国产三级在线视频| 看片在线看免费视频| 一本久久中文字幕| 我的女老师完整版在线观看| 日本成人三级电影网站| 最近最新中文字幕大全电影3| 欧美在线一区亚洲| 亚洲一级一片aⅴ在线观看| h日本视频在线播放| 免费观看的影片在线观看| 99热网站在线观看| 亚洲第一电影网av| 男人狂女人下面高潮的视频| 熟妇人妻久久中文字幕3abv| 色哟哟哟哟哟哟| 伦精品一区二区三区| 夜夜夜夜夜久久久久| 99九九线精品视频在线观看视频| 欧美激情久久久久久爽电影| 亚洲欧美日韩高清专用| 亚洲av免费在线观看| 免费观看在线日韩| 成人一区二区视频在线观看| 国产亚洲av嫩草精品影院| 天堂动漫精品| 国产高潮美女av| 美女被艹到高潮喷水动态| 欧美色欧美亚洲另类二区| 色综合站精品国产| 国产三级中文精品| 麻豆一二三区av精品| 国产成人aa在线观看| 成年女人永久免费观看视频| 久久精品人妻少妇| 日韩在线高清观看一区二区三区 | 免费高清视频大片| 欧美激情久久久久久爽电影| 极品教师在线视频| 极品教师在线免费播放| 亚洲精品成人久久久久久| 国产伦一二天堂av在线观看| 三级毛片av免费| 国产精品三级大全| 成人av一区二区三区在线看| 热99re8久久精品国产| 婷婷色综合大香蕉| 亚洲avbb在线观看| 听说在线观看完整版免费高清| 夜夜看夜夜爽夜夜摸| 可以在线观看毛片的网站| 特大巨黑吊av在线直播| 国产精品女同一区二区软件 | 一本一本综合久久| 国内精品宾馆在线| 51国产日韩欧美| 亚洲avbb在线观看| 亚洲天堂国产精品一区在线| 午夜精品久久久久久毛片777| 蜜桃久久精品国产亚洲av| 赤兔流量卡办理| 黄色配什么色好看| 日韩欧美 国产精品| 国产一级毛片七仙女欲春2| 国产熟女欧美一区二区| 精品人妻偷拍中文字幕| 黄片wwwwww| 午夜福利18| 免费av毛片视频| 国产精品日韩av在线免费观看| 国产黄色小视频在线观看| 国国产精品蜜臀av免费| 亚洲国产精品成人综合色| 麻豆成人午夜福利视频| 亚洲久久久久久中文字幕| 免费在线观看日本一区| 日本熟妇午夜| ponron亚洲| 精品久久久久久,| 国产亚洲91精品色在线| 69av精品久久久久久| 少妇人妻精品综合一区二区 | 小说图片视频综合网站| 日韩一本色道免费dvd| 日本 av在线| 久久久久久大精品| 欧美激情在线99| 国产麻豆成人av免费视频| 成年女人毛片免费观看观看9| 国产色爽女视频免费观看| 国产伦在线观看视频一区| 亚洲国产日韩欧美精品在线观看| av在线亚洲专区| 日本-黄色视频高清免费观看| 国产男靠女视频免费网站| 免费电影在线观看免费观看| 欧美一区二区亚洲| 国产精品久久久久久av不卡| 三级毛片av免费| 亚洲男人的天堂狠狠| 免费人成在线观看视频色| 日本成人三级电影网站| 黄片wwwwww| 亚洲精品国产成人久久av| 午夜福利在线观看吧| 麻豆精品久久久久久蜜桃| 联通29元200g的流量卡| 免费av不卡在线播放| 国产av在哪里看| 免费电影在线观看免费观看| 国产精品女同一区二区软件 | 欧美日韩综合久久久久久 | 免费观看人在逋| 日本欧美国产在线视频| 精品久久久久久久久久久久久| 搡老熟女国产l中国老女人| 又紧又爽又黄一区二区| 亚洲自拍偷在线| 色哟哟·www| 男女视频在线观看网站免费| 国产精品久久久久久av不卡| 久久草成人影院| av在线亚洲专区| 欧美一区二区精品小视频在线| 国产精品av视频在线免费观看| 最近中文字幕高清免费大全6 | 男女那种视频在线观看| 成年版毛片免费区| 97碰自拍视频| 国产男人的电影天堂91| 欧美性猛交黑人性爽| 亚洲精华国产精华精| 日本撒尿小便嘘嘘汇集6| 国产高清三级在线| av天堂中文字幕网| 亚洲成人中文字幕在线播放| 久久久久久大精品| 国内精品宾馆在线| 直男gayav资源| 成人永久免费在线观看视频| 波多野结衣高清无吗| 哪里可以看免费的av片| 久久久久国内视频| 九九爱精品视频在线观看| 日本熟妇午夜| 日本五十路高清| 亚洲av日韩精品久久久久久密| 18禁黄网站禁片午夜丰满| 免费观看精品视频网站| 成人特级黄色片久久久久久久| 搡女人真爽免费视频火全软件 | 一a级毛片在线观看| 我要搜黄色片| 观看美女的网站| 亚洲va在线va天堂va国产| 亚洲国产精品久久男人天堂| 日韩,欧美,国产一区二区三区 | ponron亚洲| 日韩精品有码人妻一区| 一个人免费在线观看电影| 一级av片app| 成人永久免费在线观看视频| 日本色播在线视频| 91久久精品国产一区二区三区| 狂野欧美激情性xxxx在线观看| 淫秽高清视频在线观看| 亚洲精华国产精华精| 亚洲美女搞黄在线观看 | 亚洲欧美日韩东京热| 老熟妇仑乱视频hdxx| 免费av毛片视频| 禁无遮挡网站| 极品教师在线视频| 日韩一区二区视频免费看| 全区人妻精品视频| 男女做爰动态图高潮gif福利片| 性色avwww在线观看| 级片在线观看| 在线观看舔阴道视频| 精品一区二区三区视频在线观看免费| 国产精品人妻久久久影院| 偷拍熟女少妇极品色| 久久久国产成人免费| 国产精品野战在线观看| 人人妻,人人澡人人爽秒播| 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| 国产探花在线观看一区二区| 日本-黄色视频高清免费观看| 国产私拍福利视频在线观看| 一本久久中文字幕| 亚洲在线观看片| 99久久久亚洲精品蜜臀av| 十八禁网站免费在线| 日本 欧美在线| 尤物成人国产欧美一区二区三区| 在线a可以看的网站| 日韩欧美一区二区三区在线观看| 综合色av麻豆| 国产精品一区www在线观看 | 久久久久久伊人网av| 嫩草影院入口| 99热这里只有是精品50| 成人特级黄色片久久久久久久| 国产精品,欧美在线| 亚洲五月天丁香| 亚洲av不卡在线观看| 国产精品一区二区三区四区免费观看 | 偷拍熟女少妇极品色| 蜜桃亚洲精品一区二区三区| 日韩欧美在线乱码| 亚洲美女黄片视频| 一夜夜www| 女的被弄到高潮叫床怎么办 | 哪里可以看免费的av片| 99riav亚洲国产免费| 真实男女啪啪啪动态图| 亚洲中文字幕日韩| 少妇的逼好多水| 日本一二三区视频观看| 亚洲男人的天堂狠狠| 国产乱人伦免费视频| 男人舔女人下体高潮全视频| 99久久无色码亚洲精品果冻| 级片在线观看| 国语自产精品视频在线第100页| 亚洲综合色惰| 国产精品嫩草影院av在线观看 | 中文亚洲av片在线观看爽| 一进一出好大好爽视频| 麻豆成人午夜福利视频| 午夜日韩欧美国产| 国产真实伦视频高清在线观看 | 国产精品亚洲美女久久久| 男人舔女人下体高潮全视频| 亚洲欧美日韩卡通动漫| 观看免费一级毛片| 日本黄大片高清| 天堂√8在线中文| 亚洲成a人片在线一区二区| 色5月婷婷丁香| 国产精品福利在线免费观看| 亚洲av熟女| 老师上课跳d突然被开到最大视频| 国语自产精品视频在线第100页| 在线免费观看的www视频| 男插女下体视频免费在线播放| 日韩大尺度精品在线看网址| 日韩强制内射视频| 少妇裸体淫交视频免费看高清| 又爽又黄无遮挡网站| 在线观看舔阴道视频| 亚洲美女视频黄频| 亚洲最大成人手机在线| 男女那种视频在线观看| 国产高清视频在线播放一区| 欧美性感艳星| 久久99热6这里只有精品| 国产毛片a区久久久久| 国产精品,欧美在线| 能在线免费观看的黄片| 亚洲三级黄色毛片| 成人av一区二区三区在线看| 亚洲av电影不卡..在线观看| 亚洲av不卡在线观看| 亚洲中文字幕日韩| АⅤ资源中文在线天堂| 非洲黑人性xxxx精品又粗又长| 久久久久国产精品人妻aⅴ院| 18禁黄网站禁片免费观看直播| 成人无遮挡网站| 精品久久久久久久久久免费视频| 色综合色国产| 亚洲精品亚洲一区二区| 舔av片在线| 亚洲久久久久久中文字幕| 欧美三级亚洲精品| 嫩草影院精品99| 亚洲国产精品久久男人天堂| 午夜福利高清视频| 一级毛片久久久久久久久女| 99久久成人亚洲精品观看| 夜夜看夜夜爽夜夜摸| 亚洲av日韩精品久久久久久密| 校园春色视频在线观看| 在线天堂最新版资源| 亚洲精品粉嫩美女一区| 女人被狂操c到高潮| 欧美三级亚洲精品| 欧美一区二区亚洲| 91精品国产九色| 国内精品美女久久久久久| 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| 看十八女毛片水多多多| 国产高清激情床上av| av女优亚洲男人天堂| 黄色配什么色好看| 国产精品三级大全| 内地一区二区视频在线| 一区二区三区高清视频在线| 午夜亚洲福利在线播放| 国产又黄又爽又无遮挡在线| 嫩草影视91久久| 99久久无色码亚洲精品果冻| 成人一区二区视频在线观看| 国产 一区精品| 日本 欧美在线| 亚洲午夜理论影院| 日韩欧美一区二区三区在线观看| 国产麻豆成人av免费视频| 91狼人影院| 日韩中字成人| 国产人妻一区二区三区在| 国产精品99久久久久久久久| 99久久精品热视频| 国产麻豆成人av免费视频| 欧美激情久久久久久爽电影| 国产精品,欧美在线| 成年免费大片在线观看| 国产视频一区二区在线看| 男女边吃奶边做爰视频| 亚洲av电影不卡..在线观看| 一个人看的www免费观看视频| 琪琪午夜伦伦电影理论片6080| 日本在线视频免费播放| 久久热精品热| 一夜夜www| 免费观看精品视频网站| 国产午夜精品久久久久久一区二区三区 | 精品一区二区三区av网在线观看| 美女大奶头视频| 春色校园在线视频观看| 欧美日韩国产亚洲二区| 高清日韩中文字幕在线| 桃色一区二区三区在线观看| 国产精品久久久久久久电影| 欧美成人性av电影在线观看| 中文字幕人妻熟人妻熟丝袜美| av在线蜜桃| 日本 欧美在线| 成人永久免费在线观看视频| 久久精品国产清高在天天线| 在线免费十八禁| 国产精品亚洲美女久久久| 99在线人妻在线中文字幕| 国产av一区在线观看免费| 国产一区二区三区av在线 | av天堂在线播放| 久久午夜亚洲精品久久| 亚洲va日本ⅴa欧美va伊人久久| 日本精品一区二区三区蜜桃| 国产v大片淫在线免费观看| 99久久久亚洲精品蜜臀av| 有码 亚洲区| 国产精品永久免费网站| 亚洲真实伦在线观看| 亚洲最大成人手机在线| 成年版毛片免费区| 国产精品爽爽va在线观看网站| 又爽又黄a免费视频| 一级a爱片免费观看的视频| 能在线免费观看的黄片| 欧美区成人在线视频| 国产伦人伦偷精品视频| 99热精品在线国产| 国产精品av视频在线免费观看| 国产亚洲欧美98| 日本黄色视频三级网站网址| 免费看美女性在线毛片视频| 联通29元200g的流量卡| 亚洲国产精品sss在线观看| 毛片女人毛片| 国语自产精品视频在线第100页| a级毛片a级免费在线| 乱码一卡2卡4卡精品| 精华霜和精华液先用哪个| 99热6这里只有精品| 亚洲电影在线观看av| 免费av观看视频| 精品国产三级普通话版| 99热6这里只有精品| 身体一侧抽搐| 天美传媒精品一区二区| 国内精品久久久久精免费| 欧美激情在线99| 91麻豆精品激情在线观看国产| 欧美3d第一页| 欧美日韩黄片免| 最近最新免费中文字幕在线| 亚洲精华国产精华液的使用体验 | 一本精品99久久精品77| 国产真实伦视频高清在线观看 | 欧美日韩黄片免| 一区二区三区免费毛片| 色综合婷婷激情| 波多野结衣高清作品| 成熟少妇高潮喷水视频| 欧美日本亚洲视频在线播放| 亚洲国产色片| 亚洲电影在线观看av| 日韩高清综合在线| 国内精品一区二区在线观看| 超碰av人人做人人爽久久| 可以在线观看毛片的网站| 亚州av有码| 尤物成人国产欧美一区二区三区| 美女大奶头视频| 免费在线观看成人毛片| 国产一区二区三区视频了| 国产精品久久久久久av不卡| 中文资源天堂在线| 欧美日韩中文字幕国产精品一区二区三区| 淫妇啪啪啪对白视频| 久久精品国产清高在天天线| 午夜福利成人在线免费观看| 亚洲成人精品中文字幕电影| 成人av在线播放网站| 人妻夜夜爽99麻豆av| 国产亚洲av嫩草精品影院| 在线观看66精品国产| 观看美女的网站| 免费av观看视频| 精品久久国产蜜桃| 国产综合懂色| 日韩中字成人| 男人狂女人下面高潮的视频| 91午夜精品亚洲一区二区三区 | 成年女人看的毛片在线观看| 啪啪无遮挡十八禁网站| 亚洲最大成人中文| 一个人免费在线观看电影| 老司机深夜福利视频在线观看| 乱人视频在线观看| 日韩在线高清观看一区二区三区 | 很黄的视频免费| 久久热精品热| 在线免费十八禁| 成人毛片a级毛片在线播放| 国产亚洲av嫩草精品影院| 国产精品久久久久久久电影| 欧美成人一区二区免费高清观看| 黄色一级大片看看| 日本爱情动作片www.在线观看 | 看十八女毛片水多多多| 欧美成人性av电影在线观看| 亚洲欧美日韩东京热| 精品免费久久久久久久清纯| 亚洲性久久影院| 18禁在线播放成人免费| 麻豆一二三区av精品| 哪里可以看免费的av片| 啦啦啦韩国在线观看视频| 美女高潮喷水抽搐中文字幕| 九色国产91popny在线| 日韩中字成人| 免费看日本二区| 久久人人精品亚洲av| bbb黄色大片| 国产爱豆传媒在线观看| 成人av在线播放网站| 中文字幕av成人在线电影| 狂野欧美白嫩少妇大欣赏| 波多野结衣高清无吗| 非洲黑人性xxxx精品又粗又长| 国产三级中文精品| 熟女人妻精品中文字幕| 国产午夜福利久久久久久| 成年人黄色毛片网站| 亚洲中文字幕一区二区三区有码在线看| 日本 欧美在线| 在线观看66精品国产| 天堂av国产一区二区熟女人妻| 五月伊人婷婷丁香| 亚洲av不卡在线观看| 久久精品夜夜夜夜夜久久蜜豆| 欧美另类亚洲清纯唯美| 一a级毛片在线观看| 亚洲av不卡在线观看| 久久精品久久久久久噜噜老黄 | 亚洲成av人片在线播放无| 日韩强制内射视频| 成人永久免费在线观看视频| 国产黄色小视频在线观看| 成人高潮视频无遮挡免费网站| 国产伦人伦偷精品视频| 黄色一级大片看看| 欧美xxxx黑人xx丫x性爽| 三级男女做爰猛烈吃奶摸视频| 色精品久久人妻99蜜桃| 亚洲成人免费电影在线观看| 一本一本综合久久| 老熟妇仑乱视频hdxx| 可以在线观看的亚洲视频| 男人舔奶头视频| 中文字幕精品亚洲无线码一区| 99国产极品粉嫩在线观看| 美女 人体艺术 gogo| 亚洲乱码一区二区免费版| 精品日产1卡2卡| 男人舔女人下体高潮全视频| 别揉我奶头 嗯啊视频| 亚洲综合色惰| 亚洲三级黄色毛片| 床上黄色一级片| 国产精品人妻久久久久久| 校园人妻丝袜中文字幕| 欧美日韩国产亚洲二区| 69人妻影院| 三级男女做爰猛烈吃奶摸视频| 久久午夜亚洲精品久久| 又粗又爽又猛毛片免费看| 精品无人区乱码1区二区| 人人妻,人人澡人人爽秒播| 99久国产av精品| 午夜a级毛片| 欧美高清性xxxxhd video| 香蕉av资源在线| 欧美最黄视频在线播放免费| 欧美一区二区国产精品久久精品| 中文资源天堂在线| 色播亚洲综合网| 麻豆成人av在线观看| 亚洲四区av| 日韩人妻高清精品专区| 在线看三级毛片| 搡老岳熟女国产| 中文字幕人妻熟人妻熟丝袜美| 国产精品免费一区二区三区在线| 人妻丰满熟妇av一区二区三区| 九九热线精品视视频播放| 日本熟妇午夜| 18禁裸乳无遮挡免费网站照片| 91久久精品电影网| 亚洲一区高清亚洲精品| 搡女人真爽免费视频火全软件 | 麻豆精品久久久久久蜜桃| 美女免费视频网站| 中文在线观看免费www的网站| 有码 亚洲区| 亚洲,欧美,日韩| 最后的刺客免费高清国语| 动漫黄色视频在线观看| 在线免费观看不下载黄p国产 |