• <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 ?

    城市軌道交通線網(wǎng)時空相關(guān)性客流預(yù)測研究*

    2016-11-29 09:20:37東劉瓊黃梓榮
    城市軌道交通研究 2016年3期
    關(guān)鍵詞:模型

    鄒 東劉 瓊黃梓榮

    (1.廣州地鐵集團有限公司建設(shè)事業(yè)總部,510380,廣州;2.華南理工大學軟件學院,510006,廣州∥第一作者,高級工程師)

    城市軌道交通線網(wǎng)時空相關(guān)性客流預(yù)測研究*

    鄒 東1劉 瓊1黃梓榮2

    (1.廣州地鐵集團有限公司建設(shè)事業(yè)總部,510380,廣州;2.華南理工大學軟件學院,510006,廣州∥第一作者,高級工程師)

    城市軌道交通客流預(yù)測是一個時空相關(guān)的復(fù)雜問題,僅根據(jù)車站的歷史數(shù)據(jù)很難得出更有參考價值的預(yù)測結(jié)果。提出基于Elman神經(jīng)網(wǎng)絡(luò)算法的時空相關(guān)性客流預(yù)測方式。其模型輸入包括車站的歷史數(shù)據(jù)和線網(wǎng)中其它車站及交叉線路車站的時空相關(guān)性數(shù)據(jù)。前者從車站前3周數(shù)據(jù)中提取縱向強時間相關(guān)性數(shù)據(jù);后者從相關(guān)車站的前3周數(shù)據(jù)中提取橫向強時間相關(guān)性數(shù)據(jù)。提取過程均采用Spearman算法。在兩條交叉線路共33個車站3周時間范圍的客流數(shù)據(jù)上,利用Elman神經(jīng)網(wǎng)絡(luò)算法比較分析時空預(yù)測方式和時間預(yù)測方式的預(yù)測性能。試驗結(jié)果表明,時空預(yù)測方式對實際客流的預(yù)測精度優(yōu)于時間預(yù)測方式。最后,在時空預(yù)測的基礎(chǔ)上進行客流多步預(yù)測,為城城市軌道交通有效的客流疏導提供數(shù)據(jù)支持和相對寬裕的時間。

    城市軌道交通線網(wǎng);相關(guān)性分析;客流預(yù)測;神經(jīng)網(wǎng)絡(luò)

    First-author's address Operation Division of Guangzhou Metro Group Co.,Ltd.,510380,Guangzhou,China

    近年來,城市化進程不斷加快,城市軌道交通線路持續(xù)增加,建立與時俱進的軌道交通管理方案迫在眉睫[1]。城市軌道交通線網(wǎng)建設(shè)是協(xié)調(diào)線路運力、綜合節(jié)能、提供應(yīng)急指揮等的重要舉措。目前,城市軌道交通線路獨立運營,其列車未能按客流波動調(diào)度,高峰擁擠、平峰浪費的運營問題十分突出。運營方應(yīng)分析客流變化趨勢及其影響因素,建立相適應(yīng)的客流預(yù)測模型,準確預(yù)測線網(wǎng)站點的客流,促成各線路客流量均衡分布,以滿足市民出行需求。

    客流的時變性是城市軌道交通的特征之一,相對于線路站點的客流,線網(wǎng)站點客流的時空分布將發(fā)生顯著變化。由于線網(wǎng)包含多條線路,其站點間關(guān)系復(fù)雜,且車站用地類型各異,客流關(guān)聯(lián)規(guī)則未知,已有數(shù)據(jù)缺乏部分重要信息(如天氣、車站周邊交通情況、社會經(jīng)濟文化情況等),因此,準確預(yù)測站點客流的時空變化趨勢是一項具有挑戰(zhàn)性的任 務(wù)[2]。

    目前,國內(nèi)外學者對交通領(lǐng)域的客流預(yù)測方法進行大量的研究,但是大部分研究都基于交通理論。文獻[3]提出客流預(yù)測的DRM模型,并對加州舊金山輕軌車站客流進行分析預(yù)測。文獻[4]基于DRM模型進一步研究了首爾的城市軌道交通車站客流量。文獻[5]利用希爾伯特-黃轉(zhuǎn)換方法對臺北捷運的客流數(shù)據(jù)進行預(yù)測分析,該方法充分考慮了軌道交通客流的時變特征,能有效解決客流數(shù)據(jù)的非線性、復(fù)雜性問題。文獻[6]考慮大型活動對城市軌道交通客流的影響,對北京地鐵五棵松車站的客流使用灰色馬爾科夫進行分類預(yù)測。文獻[7]利用路網(wǎng)的空間信息,提出了一種基于時空依賴性的區(qū)域路網(wǎng)短時客流預(yù)測模型。

    線網(wǎng)的客流錯綜復(fù)雜,線路、車站之間相互影響,但已有的客流預(yù)測方法大部分基于單車站的客流,對該車站的歷史客流數(shù)據(jù)進行研究,忽略網(wǎng)絡(luò)化運營情況下線網(wǎng)車站的相互影響,導致在進行客流預(yù)測時忽視空間相關(guān)性,降低了預(yù)測結(jié)果的擬合精度。

    時空相關(guān)性客流預(yù)測模型從城市軌道交通網(wǎng)絡(luò)化運營的角度考慮線網(wǎng)車站的客流預(yù)測問題。該模型的輸入由兩部分組成:①當前車站的歷史數(shù)據(jù);②其它相關(guān)車站的時空數(shù)據(jù)。模型輸出即為所預(yù)測的客流量。

    利用Spearman算法分析預(yù)測站點客流數(shù)據(jù)的時間相關(guān)性時,可提取相關(guān)性較大時段的數(shù)據(jù)作為歷史數(shù)據(jù)。采用兩層的時空數(shù)據(jù)構(gòu)建方法:①利用Spearman算法,分析預(yù)測站點與本線路其它站點、預(yù)測站點與交叉線路站點的空間相關(guān)性;②提取與當前車站空間相關(guān)性較高的車站,計算時間相關(guān)性;③提取相關(guān)性較高的時間段數(shù)據(jù)作為時空數(shù)據(jù)。得到模型輸入后,建立Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,并使用該模型對城市軌道交通線網(wǎng)的車站客流進行預(yù)測。

    1 客流數(shù)據(jù)特點

    城市軌道交通客流量指在單位時間內(nèi)城市軌道交通線路上的各旅客流向的流動人數(shù)的總和。城市軌道交通的客流具有一定的時序特征,即客流量會隨著時間的變化而變化。其中,最明顯的是客流量以周為變化周期。同時,客流量還會受到其它因素的影響。這導致每個周期內(nèi)客流量的變化不盡相同,具有一定的非平衡趨勢特征。

    城市軌道交通的線路固定,并與其它交通方式相互分離,故較少受到外界因素的干擾,其客流量隨著時間不斷變化。為了反映客流量的這種變化情況,得到準確的預(yù)測結(jié)果。在進行客流量預(yù)測前,應(yīng)首先掌握客流量的時序特征及變化趨勢[8]。以廣州地鐵2號線三元里站為例,其某年的客流量變化情況如圖1所示。通過對圖1進行分析可發(fā)現(xiàn),三元里站的客流量具有如下特征:

    (1)周間特征。在不考慮節(jié)假日客流的情況下,客流量以周為周期。每個周期內(nèi)的客流變化規(guī)律相似。

    (2)周內(nèi)特征。一般情況下,每周五的客流量最大,是一周客流量的最高峰;其它工作日的客流量相對較為平均;而周末的客流量最小,為該周低谷。

    (3)日內(nèi)特征。根據(jù)車站周圍用地類型的不同,其客流量在一天內(nèi)的變化特征各不相同。商業(yè)用地附近的車站客流量,在工作日有明顯的早高峰和晚高峰特點。

    圖1 廣州地鐵三元里站分時客流量

    2 基本原理

    2.1向量相關(guān)系數(shù)

    在確定Elman神經(jīng)網(wǎng)絡(luò)的輸入、輸出向量時,需考慮各輸入向量與輸出向量之間的相關(guān)系數(shù),以確定輸入向量與輸出向量是否相關(guān),從而確定是否能夠從輸入向量的變化反映出輸出向量的變化。

    常見的相關(guān)系數(shù)有pearson相關(guān)系數(shù)、Gamma相關(guān)系數(shù)、Kendall's Tau-b相關(guān)系數(shù)、Spearman相關(guān)系數(shù)等。

    假設(shè)Spearman相關(guān)系數(shù)的兩個集合分別為X、Y,其元素個數(shù)均為N,兩個隨機變量取的第i(1≤i≤N)個值分別用xi、yi表示。對X、Y進行排序(同時為升序或降序),得到兩個元素排行集合XORD、YORD,其中元素xord,i、yord,i分別為xi在XORD中的排行以及yi在YORD中的排行。將集合X、Y中的元素對應(yīng)相減得到一個排行差分集合d,其中di=xord,i-yord,i,1≤i≤N。隨機變量X、Y之間的斯皮爾曼等級相關(guān)系數(shù)ρ可由xord,i、yord,i或者d計算得到。其計算式為

    2.2Elman神經(jīng)網(wǎng)絡(luò)

    Elman神經(jīng)網(wǎng)絡(luò)是一種典型的動態(tài)神經(jīng)網(wǎng)絡(luò)。Elman神經(jīng)網(wǎng)絡(luò)在前饋網(wǎng)絡(luò)的隱含層添加一個承接層以實現(xiàn)記憶功能,從而使其能反映數(shù)據(jù)的動態(tài)特性。

    Elman神經(jīng)網(wǎng)絡(luò)一般分為輸入層、隱含層、承接層和輸出層,其一般結(jié)構(gòu)如圖2所示[9]。

    假設(shè)u(k)及y(k)分別為Elman網(wǎng)絡(luò)輸入值及輸出值,x(k)為隱含層的輸出值,xc(k)為承接層的輸出值,那么Elman神經(jīng)網(wǎng)絡(luò)的數(shù)學表達為:

    式中:

    W1——承接層神經(jīng)單元到隱含層神經(jīng)單元的連接權(quán)重矩陣;

    W2——輸入層神經(jīng)單元到隱含層神經(jīng)單元的連接權(quán)重矩陣;

    圖6為滿載下的實驗波形,圖6中,vgs、vds分別為LLC原邊管子的驅(qū)動電壓和漏源電壓,可以發(fā)現(xiàn),開關(guān)管實現(xiàn)了軟開關(guān)。ir為諧振腔電流,滿載下諧振腔峰值電流為26.3 A。vCr為諧振電容兩端電壓。

    W3——隱含層神經(jīng)單元到輸出層神經(jīng)單元的連接權(quán)重矩陣;

    f(x)——隱含層神經(jīng)單元的傳遞函數(shù);

    g(x)——輸出層神經(jīng)單元的傳遞函數(shù),是隱含層的線性組合。

    圖2 Elman神經(jīng)網(wǎng)絡(luò)模型

    3 客流量預(yù)測模型的設(shè)計和實現(xiàn)

    為較好地對城市軌道交通線網(wǎng)客流進行分析和預(yù)測,本文以相關(guān)性理論和Elman神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),結(jié)合軌道交通客流量預(yù)測的業(yè)務(wù)需要,提出一種客流時空相關(guān)性的客流量預(yù)測模型。(如圖3所示)。可利用時間及空間相關(guān)性來分析城市軌道交通車站客流量的時間及空間相關(guān)程度,并從中尋找對預(yù)測車站的客流量量影響較大的車站歷史數(shù)據(jù)及其它相關(guān)車站的時空數(shù)據(jù)。而Elman神經(jīng)網(wǎng)絡(luò)結(jié)合客流量時序變化的特點,更適用于時序變化的預(yù)測問題。

    圖3 客流預(yù)測模型訓練及預(yù)測流程

    3.1客流時空相關(guān)性分析

    通過對城市軌道交通分時客流量特點進行分析,可得到城市軌道交通車站的短時出站客流量在時間上呈現(xiàn)一定的規(guī)律性的變化。根據(jù)廣州地鐵三元里站的歷史客流量數(shù)據(jù)得到圖4所示的相關(guān)關(guān)系。

    分析廣州地鐵2、8號線的出站客流量數(shù)據(jù),并構(gòu)建出站客流向量。以廣州地鐵三元里站作為預(yù)測站點,通過Spearman相關(guān)系數(shù)計算該站周內(nèi)客流量相關(guān)性及周間客流量相關(guān)性,可得到相關(guān)性系數(shù)如表1所示。

    圖4 客流量的時間相關(guān)關(guān)系(時間段粒度:15 min)

    表1 廣州地鐵三元里站客流量相關(guān)性關(guān)系

    同時,城市軌道交通線網(wǎng)由不同空間位置上的車站組成。雖然每個車站的客流規(guī)律是不同的,但由于線路存在交叉,因此車站都會受到線路或交叉線路上的車站客流的影響。根據(jù)廣州地鐵2、8號線的歷史客流量數(shù)據(jù),繪制三元里站的客流量與中大站的客流量的相對關(guān)系圖(見圖5)。從圖5中可看出明顯的線性關(guān)系。因此,預(yù)測目標站點的出站客流量,可將其與線網(wǎng)中的其它車站的進站客流進行相關(guān)性分析,從而得到客流相關(guān)度較大的車站。并對這些車站使用上述的時間相關(guān)性分析,進而得到對應(yīng)車站相關(guān)度較大的客流時段。

    通過獲取其它車站的客流向量,分析向量之間的Spearman相關(guān)系數(shù),得到車站相關(guān)系數(shù)結(jié)果(如圖6所示)。

    根據(jù)圖6的站間相關(guān)系數(shù),選擇相關(guān)系數(shù)大于0.89的站點作為相關(guān)站點。故選擇越秀公園站、中大站、火車站站作為相關(guān)站點進行時間相關(guān)性分析,得到相關(guān)車站客流時間相關(guān)性如表2所示。

    圖5 客流量的空間相關(guān)關(guān)系(時間段粒度:15 min)

    圖6 站間相關(guān)系數(shù)

    表2 廣州地鐵三元里站基于空間相關(guān)性的時間相關(guān)系數(shù)

    根據(jù)表2相關(guān)度結(jié)果,取這三個車站的相關(guān)系數(shù)最大的時間段為時空相關(guān)性的輸入。因此在考慮空間相關(guān)性時,選擇越秀公園站前二時段、中大站前二時段及火車站站前二時段的客流量作為其它相關(guān)車站的時空數(shù)據(jù)。

    3.2神經(jīng)網(wǎng)絡(luò)

    對于Elman神經(jīng)網(wǎng)絡(luò),隱藏層節(jié)點數(shù)nh=+α,0<α<10。nh、nin、nout分別表示隱層、輸入層、輸出層的神經(jīng)單元數(shù)。隱含神經(jīng)元的傳遞函數(shù)采用雙曲正切S形函數(shù),輸出層神經(jīng)元的傳遞函數(shù)采用線性函數(shù)。

    其中,x={x1,x2,…,xn}為實際客流數(shù)據(jù),為對應(yīng)的客流預(yù)測數(shù)據(jù)。

    4.2三元里站分時客流預(yù)測及結(jié)果分析

    通過對三元里站的出站客流進行分析,從中抽取分時客流數(shù)據(jù)樣本共379組。選擇299組樣本作為神經(jīng)網(wǎng)絡(luò)的訓練集,余下的80組樣本作為測試集。測試集的時間為第10周周三的客流數(shù)據(jù)。同時,為了加快神經(jīng)網(wǎng)絡(luò)的收斂速度,在神經(jīng)網(wǎng)絡(luò)訓練前將客流量歸一化到[-1,1]區(qū)間內(nèi)[10]。

    在僅考慮時間相關(guān)性的情況下,神經(jīng)網(wǎng)絡(luò)模型的5個輸入層神經(jīng)元依次為上周前一時段,上周同一時段,上周后一時段、前一時段和前二時段的客流量;1個輸出層神經(jīng)元為目標時段預(yù)測客流量。采用自適應(yīng)學習速率的動量梯度下降反向傳播算法訓練神經(jīng)網(wǎng)絡(luò)。經(jīng)過訓練之后,預(yù)測結(jié)果對測試樣本的擬合程度如圖7所示。

    4 試驗分析

    4.1試驗數(shù)據(jù)與評價標準

    試驗數(shù)據(jù)采用廣州地鐵交通2、8號線上的35個車站的客流量。數(shù)據(jù)的間隔為15 min。采用均方根誤差(XMSE)這種公認的標準評價方法進行評價。

    圖7 考慮時間相關(guān)性的預(yù)測結(jié)果擬合曲線

    在考慮時空相關(guān)性的情況下,神經(jīng)網(wǎng)絡(luò)模型的8個輸入層神經(jīng)元依次為上周前一時段,上周同一時段,上周后一時段、前一時段、前二時段,火車站站前一時段,中大站前一時段和越秀公園站前二時段的客流量;輸出層神經(jīng)元為目標時段預(yù)測客流量。采用自適應(yīng)學習速率的動量梯度下降反向傳播算法訓練Elman神經(jīng)網(wǎng)絡(luò)。經(jīng)過訓練之后,預(yù)測結(jié)果對測試樣本的擬合程度如圖8所示。

    圖8 考慮時空相關(guān)性的預(yù)測結(jié)果擬合曲線

    由圖7和圖8可以看出,采用時空相關(guān)性的Elman神經(jīng)網(wǎng)絡(luò)進行車站出站短時客流量預(yù)測時的預(yù)測結(jié)果更為準確;預(yù)測客流量的均方誤差相對于僅考慮時間相關(guān)性的方法降低了21%左右。神經(jīng)網(wǎng)絡(luò)性能函數(shù)比對見表3所示。

    表3 神經(jīng)網(wǎng)絡(luò)性能函數(shù)比對

    4.3客流多步預(yù)測

    上述模型都是基于已經(jīng)得到前面時刻的實際客流數(shù)據(jù),但在實際應(yīng)用時,僅預(yù)測15 min后的客流數(shù)據(jù)無法滿足城市軌道交通客流疏導安排,因此提前一步(15 min)預(yù)測城市軌道交通線網(wǎng)的客流數(shù)據(jù)缺乏實用性。

    客流量多步預(yù)測指下一步預(yù)測使用了上一步預(yù)測的結(jié)果作為輸入。例如,若已知T3時刻的客流量,需要預(yù)測T時刻的客流量,則上述時空相關(guān)模型的預(yù)測輸入應(yīng)包含三元里站T1及T2時刻客流量及火車站站、越秀公園站、中大站T1時刻客流量。即使三元里站T2及T1客流信息是未知的,也可對T2時刻進行預(yù)測,進而根據(jù)T2的預(yù)測結(jié)果得到T1預(yù)測模型的輸入,最后得到T時刻預(yù)測模型的輸入。類似的,可以通過同樣的方法得到火車站站、越秀公園站及中大站的T1時刻客流量。

    基于上述理論,本文在單步預(yù)測的基礎(chǔ)上,進行了提前3步的客流量預(yù)測。預(yù)測結(jié)果與實際客流量的擬合程度如圖9所示。這保證了城市軌道交通運營方能有45 min安排客流疏導。

    多步預(yù)測保證了客流量預(yù)測能使用當天已有客流量數(shù)據(jù),降低了僅通過上周客流量進行客流量預(yù)測的誤差。這為運營方有效組織客流疏導提供了預(yù)測數(shù)據(jù)的支持。

    圖9 提前三步客流預(yù)測結(jié)果

    5 結(jié)語

    本文主要針對城市軌道交通短時客流預(yù)測進行理論研究及仿真試驗,其目的就在于為日漸復(fù)雜的軌道交通線網(wǎng)系統(tǒng)中時變性的客流探求適合的短時預(yù)測方法。這對于相關(guān)運營部門日常平衡運量需求和運能供給、制定合理的運營調(diào)度計劃、組織日常運輸生產(chǎn)都具有重大的意義。時空相關(guān)性預(yù)測模型的核心思想就是先用相關(guān)性分析得到神經(jīng)網(wǎng)絡(luò)的輸入,再利用Elman神經(jīng)網(wǎng)絡(luò)對具有非線性特征的客流量進行預(yù)測。預(yù)測結(jié)果表明,該預(yù)測模型能夠提高預(yù)測精度、減小預(yù)測誤差。

    [1] 袁健,范炳全.交通流短時預(yù)測研究進展[J].城市交通,2012(6):73.

    [2] 張永生,姚恩建,代洪娜.成網(wǎng)條件下地鐵換乘量預(yù)測方法研究[J].鐵道學報,2013(11):1.

    [3] CERVERO R.Alternative approaches to modeling the travel-demand impacts of smart growth[J].Journal of the American planning Association,2006,72(3):285.

    [4] KEEMIN S,HUNJIN S.Factors generating boarding at metro station in the Seoul Metropolitan Area[J].Cities,2010,27(5):358.

    [5] CHEN M C,WEI Y.Exploring time variants for short-term passenger flow[J].Journal of Transport Geograph,2011,19(4):488.

    [6] 楊軍,侯忠生.一種基于灰色馬爾科夫的大客流實時預(yù)測模型[J].北京交通大學學報,2013(2):119.

    [7] 常剛,張毅,姚丹亞.基于時空依賴性的區(qū)域路網(wǎng)短時交通流預(yù)測模型[J].清華大學學報(自然科學版),2013(2):215.

    [8] 李曉俊,呂曉艷,劉軍.基于徑向基神經(jīng)網(wǎng)絡(luò)的鐵路短期客流預(yù)測[J].鐵道運輸與經(jīng)濟,2011(6):85.

    [9] 姜平,石琴,陳無畏,等.基于Elman型回歸神經(jīng)網(wǎng)絡(luò)的公交客流預(yù)測[J].合肥工業(yè)大學學報(自然科學版),2008(3):340.

    [10] 張齊,許志堅,趙坤榮.基于Elman神經(jīng)網(wǎng)絡(luò)的污染源數(shù)據(jù)預(yù)測[J].華南理工大學學報(自然科學版),2009(5):135.

    [11] 劉曉華,韓梅,陳超.城市軌道交通車站聯(lián)合客流控制研究[J].城市軌道交通研究,2014(5):106.

    Spatial-temporal Correlation Prediction for Passenger Flow in Urban Rail Transit Network

    Zou Dong,Liu Qiong,Huang Zirong

    passenger flow prediction is a complex spatialtemporal correlation problem.At present,it is difficult to obtain valuable prodiction only from the historical data of target stations.In this paper,a spatial-temporal correlation prediction model based on neural network is proposed,in which the model input is composed by two parts:the current station historical data and the spatial-temporal data from other relevant stations.The former is extracted from the data of current station in past three weeks which have strong longitudinal time correlation,while the later is extracted from the 3-week data of other relevant station which have strong horizontal time correlation,both are using the Spearman algorithm.Elman natural network algorithm is adopted to compare the performance of spatialtemporal correlation prediction and time correlation prediction.The experimental results show that the proposed spatial-temporal prediction model is more accuracy than the time prediction model.Finally,multi-step passenger flow prodiction is realized on the basis of spatial-temporal prediction to supportr urban rail transit with data and ample time.

    urban rail transit network;correlation analysis;passenger flow predication;neural network

    U 293.13∶U 231

    10.16037/j.1007-869x.2016.03.007

    *廣東省公益研究與能力建設(shè)項目(2014A010101016);廣州地鐵集團有限公司與華南理工大學合作項目(J11KFA6D004)

    (2014-11-05)

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    成人精品一区二区免费| 校园春色视频在线观看| netflix在线观看网站| 99视频精品全部免费 在线| 3wmmmm亚洲av在线观看| 日本爱情动作片www.在线观看 | 最近在线观看免费完整版| 午夜福利成人在线免费观看| 免费看光身美女| 亚洲av中文av极速乱 | 日日摸夜夜添夜夜添av毛片 | 99热这里只有是精品在线观看| 日本一本二区三区精品| 不卡一级毛片| 有码 亚洲区| 久久国内精品自在自线图片| av在线老鸭窝| 国产高潮美女av| 久久久久久久久久黄片| 高清毛片免费观看视频网站| 天堂网av新在线| 亚洲成人免费电影在线观看| 天堂动漫精品| 欧美性感艳星| 1024手机看黄色片| 久久精品国产亚洲av天美| 九色国产91popny在线| av天堂中文字幕网| 一进一出好大好爽视频| 亚洲aⅴ乱码一区二区在线播放| 成年免费大片在线观看| 18+在线观看网站| 午夜福利高清视频| 国产一区二区三区在线臀色熟女| 99热这里只有是精品在线观看| 欧美高清成人免费视频www| 在线观看av片永久免费下载| 狂野欧美激情性xxxx在线观看| 久久久久九九精品影院| 在线看三级毛片| 国产亚洲精品久久久com| 国产爱豆传媒在线观看| 国产精品福利在线免费观看| avwww免费| 五月玫瑰六月丁香| 亚洲av日韩精品久久久久久密| 99九九线精品视频在线观看视频| 亚洲av熟女| 性插视频无遮挡在线免费观看| 午夜福利视频1000在线观看| 51国产日韩欧美| 啦啦啦啦在线视频资源| 亚洲第一电影网av| 亚洲av中文字字幕乱码综合| 看十八女毛片水多多多| 日韩人妻高清精品专区| 国产蜜桃级精品一区二区三区| 日本 欧美在线| 国产av一区在线观看免费| 又紧又爽又黄一区二区| 精品一区二区免费观看| 嫩草影院入口| 成人美女网站在线观看视频| 日韩欧美国产一区二区入口| 日本免费a在线| 成人二区视频| 日本成人三级电影网站| 国产精品免费一区二区三区在线| 制服丝袜大香蕉在线| 午夜福利视频1000在线观看| 99热6这里只有精品| 一级av片app| 亚洲avbb在线观看| 成人欧美大片| 伦精品一区二区三区| 亚洲专区国产一区二区| 成人毛片a级毛片在线播放| 久久人人精品亚洲av| 我的女老师完整版在线观看| 女生性感内裤真人,穿戴方法视频| 搡老妇女老女人老熟妇| 国内精品宾馆在线| 精品日产1卡2卡| 亚洲国产精品合色在线| 一区福利在线观看| 麻豆成人午夜福利视频| 中文字幕av在线有码专区| 波多野结衣高清无吗| 国内毛片毛片毛片毛片毛片| 国产精品久久电影中文字幕| 午夜福利在线观看免费完整高清在 | 亚洲精品乱码久久久v下载方式| 日韩,欧美,国产一区二区三区 | 免费观看精品视频网站| 日本与韩国留学比较| 制服丝袜大香蕉在线| 老司机福利观看| 白带黄色成豆腐渣| 国产男人的电影天堂91| 日本撒尿小便嘘嘘汇集6| 搡老熟女国产l中国老女人| 成人三级黄色视频| 亚洲精品影视一区二区三区av| 高清在线国产一区| 身体一侧抽搐| 一级毛片久久久久久久久女| 中文字幕人妻熟人妻熟丝袜美| 日本黄色视频三级网站网址| 琪琪午夜伦伦电影理论片6080| 99热这里只有是精品在线观看| 伊人久久精品亚洲午夜| 免费不卡的大黄色大毛片视频在线观看 | 51国产日韩欧美| 中文资源天堂在线| www.色视频.com| 国产亚洲av嫩草精品影院| 免费在线观看日本一区| 国产 一区精品| 一个人看视频在线观看www免费| 午夜福利18| 国内毛片毛片毛片毛片毛片| 国产 一区 欧美 日韩| 三级国产精品欧美在线观看| 观看美女的网站| 久久精品国产亚洲av天美| 日本黄色视频三级网站网址| or卡值多少钱| 欧美国产日韩亚洲一区| 我的老师免费观看完整版| 国产一区二区在线av高清观看| 韩国av在线不卡| 黄色配什么色好看| 亚洲av.av天堂| 99久久精品国产国产毛片| 国产精品电影一区二区三区| 亚洲精品日韩av片在线观看| 桃红色精品国产亚洲av| 国产伦在线观看视频一区| 日韩精品有码人妻一区| 别揉我奶头~嗯~啊~动态视频| 亚洲中文日韩欧美视频| 丰满的人妻完整版| 久久久久性生活片| 精品不卡国产一区二区三区| 女生性感内裤真人,穿戴方法视频| 国产亚洲欧美98| 老熟妇乱子伦视频在线观看| 久久久久久久午夜电影| 精品99又大又爽又粗少妇毛片 | 国内精品久久久久久久电影| 麻豆成人av在线观看| 欧美精品国产亚洲| 日本撒尿小便嘘嘘汇集6| 亚洲av五月六月丁香网| a级毛片免费高清观看在线播放| 国产单亲对白刺激| 我的老师免费观看完整版| 欧美一区二区亚洲| 人妻丰满熟妇av一区二区三区| 人人妻,人人澡人人爽秒播| 欧美激情在线99| 国产综合懂色| 精华霜和精华液先用哪个| 性色avwww在线观看| 午夜视频国产福利| 一进一出好大好爽视频| 欧美中文日本在线观看视频| av在线蜜桃| 18禁在线播放成人免费| 亚洲欧美日韩高清在线视频| 国产一区二区在线观看日韩| 久9热在线精品视频| av在线亚洲专区| 黄色女人牲交| 色视频www国产| 波野结衣二区三区在线| or卡值多少钱| 亚洲在线观看片| 永久网站在线| 99热网站在线观看| 少妇裸体淫交视频免费看高清| 午夜爱爱视频在线播放| .国产精品久久| 欧美一区二区国产精品久久精品| 欧美极品一区二区三区四区| 国内精品美女久久久久久| 美女xxoo啪啪120秒动态图| 亚洲国产精品久久男人天堂| 久久热精品热| 免费人成视频x8x8入口观看| 久久久精品大字幕| 成人国产麻豆网| 真人一进一出gif抽搐免费| 亚洲无线观看免费| 天堂√8在线中文| 成年女人毛片免费观看观看9| 在线a可以看的网站| 国产精品日韩av在线免费观看| 成人亚洲精品av一区二区| 日本黄大片高清| 最近中文字幕高清免费大全6 | 久久精品夜夜夜夜夜久久蜜豆| 国产人妻一区二区三区在| 国产精品国产高清国产av| 国产av不卡久久| 成熟少妇高潮喷水视频| 国内少妇人妻偷人精品xxx网站| 欧美成人性av电影在线观看| av专区在线播放| 成人国产一区最新在线观看| 免费av不卡在线播放| 国产在视频线在精品| 精品福利观看| 五月玫瑰六月丁香| 99久国产av精品| 亚洲一区二区三区色噜噜| 最近中文字幕高清免费大全6 | 99国产极品粉嫩在线观看| 一边摸一边抽搐一进一小说| 欧美+日韩+精品| 欧美精品国产亚洲| 一本精品99久久精品77| 日韩中字成人| 麻豆av噜噜一区二区三区| 亚洲中文字幕日韩| 久久久久久久精品吃奶| 99久久精品一区二区三区| 黄色女人牲交| 欧美日韩亚洲国产一区二区在线观看| 午夜影院日韩av| 日韩亚洲欧美综合| 亚洲经典国产精华液单| 国产精品女同一区二区软件 | av在线天堂中文字幕| 老师上课跳d突然被开到最大视频| 亚洲美女黄片视频| 中文字幕精品亚洲无线码一区| av福利片在线观看| 欧美性猛交╳xxx乱大交人| 日本三级黄在线观看| 变态另类成人亚洲欧美熟女| 在线观看66精品国产| 色哟哟哟哟哟哟| 日韩欧美三级三区| 午夜免费激情av| 老女人水多毛片| 一区二区三区激情视频| 免费不卡的大黄色大毛片视频在线观看 | 熟妇人妻久久中文字幕3abv| 亚洲精品一区av在线观看| 在线观看美女被高潮喷水网站| 国产精品伦人一区二区| 黄色配什么色好看| 男女做爰动态图高潮gif福利片| 性插视频无遮挡在线免费观看| av黄色大香蕉| 欧美三级亚洲精品| a级毛片免费高清观看在线播放| 欧美高清性xxxxhd video| 麻豆久久精品国产亚洲av| 亚洲精品国产成人久久av| 亚洲精品乱码久久久v下载方式| 日本五十路高清| 在现免费观看毛片| 国产高清有码在线观看视频| 亚洲性久久影院| 少妇的逼好多水| 日韩欧美在线二视频| 亚洲真实伦在线观看| 麻豆国产av国片精品| 亚洲av不卡在线观看| 中文亚洲av片在线观看爽| 成人午夜高清在线视频| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲狠狠婷婷综合久久图片| 小蜜桃在线观看免费完整版高清| 久久久久久久久久黄片| 亚洲人成伊人成综合网2020| 国产精品98久久久久久宅男小说| 在线观看美女被高潮喷水网站| 中出人妻视频一区二区| 国产精品一区二区性色av| 欧美xxxx黑人xx丫x性爽| 国产伦一二天堂av在线观看| 最近视频中文字幕2019在线8| 亚洲欧美日韩高清在线视频| 国产成年人精品一区二区| 亚洲图色成人| 成人国产麻豆网| 成人二区视频| 少妇人妻一区二区三区视频| 欧美丝袜亚洲另类 | 精品人妻熟女av久视频| 国产一区二区三区视频了| 免费搜索国产男女视频| 久久久久国产精品人妻aⅴ院| 成人特级av手机在线观看| 成人美女网站在线观看视频| 日韩欧美一区二区三区在线观看| 欧美极品一区二区三区四区| 亚洲国产精品sss在线观看| 成人av在线播放网站| 亚洲人成网站在线播放欧美日韩| 夜夜爽天天搞| 成人高潮视频无遮挡免费网站| 色综合站精品国产| 麻豆一二三区av精品| 欧美黑人欧美精品刺激| 淫妇啪啪啪对白视频| 久久久成人免费电影| 欧美另类亚洲清纯唯美| 日本 av在线| 极品教师在线视频| 亚洲精品在线观看二区| xxxwww97欧美| 午夜福利18| 很黄的视频免费| 精品人妻偷拍中文字幕| 能在线免费观看的黄片| 午夜福利高清视频| 久9热在线精品视频| 欧美区成人在线视频| 性插视频无遮挡在线免费观看| 伊人久久精品亚洲午夜| 日日干狠狠操夜夜爽| 尾随美女入室| 欧美性猛交╳xxx乱大交人| 中文字幕高清在线视频| 国产精品日韩av在线免费观看| 成人综合一区亚洲| 国产精品国产三级国产av玫瑰| 91精品国产九色| 亚洲乱码一区二区免费版| 狂野欧美白嫩少妇大欣赏| 人妻夜夜爽99麻豆av| 亚洲av免费高清在线观看| 99视频精品全部免费 在线| 国产精品久久视频播放| 小说图片视频综合网站| 日韩高清综合在线| 一区二区三区激情视频| 亚洲欧美日韩高清专用| 99久久久亚洲精品蜜臀av| 午夜福利视频1000在线观看| 日本黄大片高清| 给我免费播放毛片高清在线观看| 精品一区二区三区视频在线观看免费| 亚洲欧美日韩高清专用| 22中文网久久字幕| 无人区码免费观看不卡| 亚洲真实伦在线观看| 国内精品久久久久久久电影| 此物有八面人人有两片| aaaaa片日本免费| 成人毛片a级毛片在线播放| 麻豆国产av国片精品| 国产精品一区二区性色av| 精品欧美国产一区二区三| 国产一区二区三区视频了| 亚洲最大成人手机在线| av在线蜜桃| 麻豆成人午夜福利视频| 国产三级中文精品| 国产69精品久久久久777片| 国产av在哪里看| 97超级碰碰碰精品色视频在线观看| 神马国产精品三级电影在线观看| 两人在一起打扑克的视频| 99国产极品粉嫩在线观看| 欧美色欧美亚洲另类二区| 日韩欧美 国产精品| 夜夜爽天天搞| 国产在线男女| www.色视频.com| 免费看av在线观看网站| 女同久久另类99精品国产91| 国产精品爽爽va在线观看网站| 久久精品国产鲁丝片午夜精品 | 亚洲人与动物交配视频| 免费无遮挡裸体视频| 精品久久久久久久久av| 久久99热6这里只有精品| 日本黄色视频三级网站网址| 乱人视频在线观看| 一本精品99久久精品77| 精品久久久久久,| 最近在线观看免费完整版| 欧美激情久久久久久爽电影| 国产成人福利小说| 精品久久久久久成人av| 三级国产精品欧美在线观看| 18禁黄网站禁片午夜丰满| 波多野结衣高清无吗| 午夜激情欧美在线| 亚洲成人精品中文字幕电影| 精品久久久久久成人av| 国产精品免费一区二区三区在线| 亚洲三级黄色毛片| 我要看日韩黄色一级片| 两性午夜刺激爽爽歪歪视频在线观看| 日韩av在线大香蕉| 亚洲中文字幕日韩| 国产美女午夜福利| 亚洲自拍偷在线| 女的被弄到高潮叫床怎么办 | 精品国内亚洲2022精品成人| 亚洲狠狠婷婷综合久久图片| 人妻制服诱惑在线中文字幕| 中亚洲国语对白在线视频| 国产精品久久久久久久电影| 久久久国产成人免费| 日韩欧美 国产精品| 无人区码免费观看不卡| 一级a爱片免费观看的视频| 欧美另类亚洲清纯唯美| 久久久久久久久久黄片| 少妇的逼水好多| 深爱激情五月婷婷| 国语自产精品视频在线第100页| 中国美女看黄片| 国产极品精品免费视频能看的| 别揉我奶头~嗯~啊~动态视频| 日韩欧美国产一区二区入口| 91麻豆av在线| 久久中文看片网| 国产探花在线观看一区二区| 欧美性猛交╳xxx乱大交人| 亚洲最大成人中文| 97热精品久久久久久| 夜夜看夜夜爽夜夜摸| 国产人妻一区二区三区在| av在线蜜桃| 国产亚洲av嫩草精品影院| 婷婷精品国产亚洲av| 亚洲狠狠婷婷综合久久图片| 亚洲欧美日韩高清在线视频| avwww免费| 日本黄色片子视频| 精品人妻偷拍中文字幕| 亚洲欧美清纯卡通| 亚洲经典国产精华液单| 制服丝袜大香蕉在线| 麻豆一二三区av精品| 国产亚洲91精品色在线| 天堂网av新在线| 搡女人真爽免费视频火全软件 | 91久久精品国产一区二区三区| 久久久久久久亚洲中文字幕| 国产精品av视频在线免费观看| 国产单亲对白刺激| av中文乱码字幕在线| 午夜爱爱视频在线播放| 91久久精品电影网| 51国产日韩欧美| av在线观看视频网站免费| 干丝袜人妻中文字幕| 亚洲成人中文字幕在线播放| 极品教师在线视频| 少妇被粗大猛烈的视频| 男人狂女人下面高潮的视频| 99国产极品粉嫩在线观看| 熟女人妻精品中文字幕| 亚洲中文字幕一区二区三区有码在线看| videossex国产| 白带黄色成豆腐渣| 欧美成人性av电影在线观看| 久久久久久久久久成人| 偷拍熟女少妇极品色| 看黄色毛片网站| 男女边吃奶边做爰视频| 啦啦啦韩国在线观看视频| 亚洲av美国av| 又爽又黄a免费视频| 国产伦精品一区二区三区视频9| 欧美日韩亚洲国产一区二区在线观看| 少妇人妻一区二区三区视频| x7x7x7水蜜桃| 日韩一本色道免费dvd| 成人av在线播放网站| 人妻夜夜爽99麻豆av| 国内精品宾馆在线| 日本黄色视频三级网站网址| 一边摸一边抽搐一进一小说| 波野结衣二区三区在线| 99久久无色码亚洲精品果冻| 黄色配什么色好看| 一区二区三区四区激情视频 | 久久久久性生活片| 国产精品无大码| 又爽又黄无遮挡网站| 一级a爱片免费观看的视频| 一级av片app| 亚洲美女黄片视频| 免费看av在线观看网站| 亚洲国产精品sss在线观看| 国产精品久久久久久久久免| 一级a爱片免费观看的视频| 欧美中文日本在线观看视频| 亚洲精品一区av在线观看| 两人在一起打扑克的视频| av天堂在线播放| aaaaa片日本免费| 人人妻,人人澡人人爽秒播| 色av中文字幕| 长腿黑丝高跟| 看免费成人av毛片| 久久午夜亚洲精品久久| 亚洲国产精品sss在线观看| 最近最新中文字幕大全电影3| 欧美一区二区国产精品久久精品| 国产白丝娇喘喷水9色精品| av女优亚洲男人天堂| 国产精品无大码| 九色国产91popny在线| 国产精品精品国产色婷婷| .国产精品久久| 狂野欧美白嫩少妇大欣赏| 一区福利在线观看| 免费一级毛片在线播放高清视频| 两个人视频免费观看高清| 国产一级毛片七仙女欲春2| 桃色一区二区三区在线观看| 91麻豆精品激情在线观看国产| 在线国产一区二区在线| 欧美成人一区二区免费高清观看| 又粗又爽又猛毛片免费看| 亚洲美女搞黄在线观看 | 国产真实乱freesex| 97人妻精品一区二区三区麻豆| 精品久久久久久久久久免费视频| 国产黄色小视频在线观看| 亚洲国产高清在线一区二区三| 日本黄色片子视频| 亚洲精品色激情综合| 欧美激情国产日韩精品一区| 禁无遮挡网站| 一级a爱片免费观看的视频| 欧美一级a爱片免费观看看| 男女之事视频高清在线观看| 国产精品一区二区性色av| 婷婷亚洲欧美| 国产麻豆成人av免费视频| 亚洲美女视频黄频| 免费一级毛片在线播放高清视频| 夜夜爽天天搞| 午夜福利在线在线| 久久国产精品人妻蜜桃| 免费观看人在逋| 国内精品美女久久久久久| 特大巨黑吊av在线直播| 国产欧美日韩精品亚洲av| 人妻制服诱惑在线中文字幕| 简卡轻食公司| 久久99热这里只有精品18| 色综合婷婷激情| 99riav亚洲国产免费| 色在线成人网| 亚洲三级黄色毛片| 久久亚洲真实| 欧美又色又爽又黄视频| 国产 一区 欧美 日韩| 欧美日韩乱码在线| 国产高清视频在线播放一区| 日本三级黄在线观看| 久久久精品欧美日韩精品| 亚洲国产高清在线一区二区三| 男人狂女人下面高潮的视频| 国产黄a三级三级三级人| 少妇高潮的动态图| 一级黄片播放器| 丰满人妻一区二区三区视频av| 欧美绝顶高潮抽搐喷水| 别揉我奶头~嗯~啊~动态视频| 久久这里只有精品中国| 韩国av一区二区三区四区| 日本一二三区视频观看| 国产 一区精品| 人妻丰满熟妇av一区二区三区| 99九九线精品视频在线观看视频| av.在线天堂| 精品日产1卡2卡| 综合色av麻豆| 亚洲电影在线观看av| 精品日产1卡2卡| 久久久久久大精品| 夜夜看夜夜爽夜夜摸| 国产单亲对白刺激| 国产一区二区激情短视频| 日本成人三级电影网站| 男人狂女人下面高潮的视频| 女生性感内裤真人,穿戴方法视频| 国产高清不卡午夜福利| 色视频www国产| 亚洲熟妇熟女久久| 一级黄色大片毛片| 亚洲精品456在线播放app | 一个人看视频在线观看www免费| 别揉我奶头~嗯~啊~动态视频| www.色视频.com| 国产探花极品一区二区| 18禁黄网站禁片午夜丰满| 国产精品免费一区二区三区在线| 日韩,欧美,国产一区二区三区 | 国产精品久久久久久精品电影| 熟妇人妻久久中文字幕3abv| 可以在线观看的亚洲视频| 99久久中文字幕三级久久日本| 搞女人的毛片| 亚洲国产色片| 国产私拍福利视频在线观看| 又黄又爽又免费观看的视频| 亚洲欧美激情综合另类| 欧美精品国产亚洲| 又紧又爽又黄一区二区| 如何舔出高潮|