• <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(xué)軟件學(xué)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(xué)軟件學(xué)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(dǎo)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(zhǔn)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(zhǔn)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(xué)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(dǎo)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(dāng)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(dāng)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(dǎo)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(zhǔn)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(xué)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(xùn)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(biāo)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(xùn)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(xùn)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(biāo)時段預(yù)測客流量。采用自適應(yīng)學(xué)習(xí)速率的動量梯度下降反向傳播算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)。經(jīng)過訓(xùn)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(biāo)準(zhǔn)

    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(rèn)的標(biāo)準(zhǔn)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(biāo)時段預(yù)測客流量。采用自適應(yīng)學(xué)習(xí)速率的動量梯度下降反向傳播算法訓(xùn)練Elman神經(jīng)網(wǎng)絡(luò)。經(jīng)過訓(xùn)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(zhǔn)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(dǎo)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(dǎo)。

    多步預(yù)測保證了客流量預(yù)測能使用當(dāng)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(dǎo)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(xué)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(xué)學(xué)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(xué)學(xué)報(自然科學(xué)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(xué)學(xué)報(自然科學(xué)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(xué)學(xué)報(自然科學(xué)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(xué)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
    欧洲精品卡2卡3卡4卡5卡区| 国产日韩欧美亚洲二区| 亚洲视频免费观看视频| 亚洲人成电影观看| 午夜成年电影在线免费观看| 成年人午夜在线观看视频| 国产野战对白在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 天天躁日日躁夜夜躁夜夜| 国产高清视频在线播放一区| 国产精品国产av在线观看| 欧美日韩亚洲综合一区二区三区_| 在线观看日韩欧美| 人人妻人人添人人爽欧美一区卜| 亚洲欧美激情在线| 亚洲精品美女久久久久99蜜臀| 一边摸一边抽搐一进一小说 | 亚洲男人天堂网一区| 久久天躁狠狠躁夜夜2o2o| 成人三级做爰电影| 午夜福利影视在线免费观看| 搡老岳熟女国产| 久久中文字幕人妻熟女| 免费不卡黄色视频| 王馨瑶露胸无遮挡在线观看| 91成人精品电影| 国产精品九九99| 久久精品亚洲av国产电影网| 91大片在线观看| 亚洲欧美精品综合一区二区三区| 亚洲精品一二三| 最近最新免费中文字幕在线| 成人18禁高潮啪啪吃奶动态图| 欧美精品亚洲一区二区| 久久精品熟女亚洲av麻豆精品| 亚洲av第一区精品v没综合| 亚洲成a人片在线一区二区| 亚洲av片天天在线观看| 无遮挡黄片免费观看| 国产av精品麻豆| 精品久久久久久电影网| 亚洲自偷自拍图片 自拍| 国产男靠女视频免费网站| 国产成人精品在线电影| 成人国语在线视频| 欧美 亚洲 国产 日韩一| 欧美亚洲日本最大视频资源| 美女午夜性视频免费| 欧美日韩中文字幕国产精品一区二区三区 | 999久久久国产精品视频| 亚洲熟妇熟女久久| 精品一区二区三区四区五区乱码| 亚洲专区字幕在线| 免费少妇av软件| 欧美激情高清一区二区三区| 亚洲精品国产精品久久久不卡| 91国产中文字幕| 久久国产精品人妻蜜桃| ponron亚洲| 19禁男女啪啪无遮挡网站| 欧美日韩一级在线毛片| 天天躁日日躁夜夜躁夜夜| 国产日韩欧美亚洲二区| 交换朋友夫妻互换小说| 制服人妻中文乱码| 亚洲 国产 在线| 视频区欧美日本亚洲| 三级毛片av免费| 午夜日韩欧美国产| 99国产极品粉嫩在线观看| 精品久久久久久久毛片微露脸| 精品国产一区二区久久| 美国免费a级毛片| 久久久国产欧美日韩av| 亚洲黑人精品在线| 国产精品欧美亚洲77777| 黄色成人免费大全| 啦啦啦 在线观看视频| 99热国产这里只有精品6| 免费一级毛片在线播放高清视频 | 丰满饥渴人妻一区二区三| 美女高潮喷水抽搐中文字幕| 欧美乱妇无乱码| 精品国产乱子伦一区二区三区| 欧美亚洲日本最大视频资源| 国产有黄有色有爽视频| 免费av中文字幕在线| 久久国产精品影院| 欧美激情极品国产一区二区三区| 色婷婷av一区二区三区视频| 亚洲专区字幕在线| 国产91精品成人一区二区三区| 桃红色精品国产亚洲av| 国产激情欧美一区二区| 国产成人系列免费观看| 久久久久国内视频| 91老司机精品| 久久久国产欧美日韩av| 亚洲av欧美aⅴ国产| 男女高潮啪啪啪动态图| 纯流量卡能插随身wifi吗| 女性生殖器流出的白浆| 午夜久久久在线观看| 一级黄色大片毛片| av有码第一页| av网站在线播放免费| 国产精品一区二区精品视频观看| 在线免费观看的www视频| 这个男人来自地球电影免费观看| 日本vs欧美在线观看视频| a在线观看视频网站| 高清视频免费观看一区二区| 欧美激情高清一区二区三区| 无人区码免费观看不卡| 亚洲欧美日韩高清在线视频| 999久久久精品免费观看国产| 久久天堂一区二区三区四区| 亚洲国产欧美一区二区综合| 国产激情久久老熟女| 国产成人啪精品午夜网站| 国精品久久久久久国模美| 一二三四在线观看免费中文在| 亚洲国产精品sss在线观看 | 99久久综合精品五月天人人| 成人18禁高潮啪啪吃奶动态图| 50天的宝宝边吃奶边哭怎么回事| 精品久久久久久电影网| 欧美日韩视频精品一区| 色综合欧美亚洲国产小说| 中文字幕高清在线视频| 亚洲欧美激情在线| 精品一区二区三卡| 成人亚洲精品一区在线观看| a在线观看视频网站| 久久草成人影院| 91精品国产国语对白视频| 国产乱人伦免费视频| videos熟女内射| 国产精品.久久久| 桃红色精品国产亚洲av| 免费av中文字幕在线| 热99国产精品久久久久久7| 18禁观看日本| 人人妻人人爽人人添夜夜欢视频| 亚洲黑人精品在线| 两人在一起打扑克的视频| 怎么达到女性高潮| 一二三四在线观看免费中文在| 精品一区二区三卡| 亚洲五月婷婷丁香| 美国免费a级毛片| 一区二区日韩欧美中文字幕| bbb黄色大片| 超碰成人久久| 18禁国产床啪视频网站| 亚洲免费av在线视频| 亚洲色图av天堂| 高清视频免费观看一区二区| 狂野欧美激情性xxxx| 久热爱精品视频在线9| 一二三四社区在线视频社区8| 久久久精品国产亚洲av高清涩受| 国产精品免费视频内射| 国产成人精品在线电影| 国产aⅴ精品一区二区三区波| 飞空精品影院首页| 18禁美女被吸乳视频| 国产精品免费大片| 亚洲av成人不卡在线观看播放网| 久久久久国内视频| 亚洲成人手机| 一区福利在线观看| 亚洲色图 男人天堂 中文字幕| 50天的宝宝边吃奶边哭怎么回事| 一区二区三区激情视频| 亚洲伊人色综图| 亚洲国产精品合色在线| 国产男靠女视频免费网站| 国产男女超爽视频在线观看| bbb黄色大片| 国产精品电影一区二区三区 | www.999成人在线观看| 亚洲七黄色美女视频| 免费在线观看亚洲国产| 亚洲一区二区三区不卡视频| 女人被躁到高潮嗷嗷叫费观| 在线免费观看的www视频| a在线观看视频网站| 午夜成年电影在线免费观看| 久久久久国产精品人妻aⅴ院 | 亚洲精品乱久久久久久| 搡老熟女国产l中国老女人| 老熟女久久久| 色94色欧美一区二区| 欧美日韩福利视频一区二区| 最近最新中文字幕大全电影3 | 国产精品一区二区在线观看99| 精品欧美一区二区三区在线| 999久久久国产精品视频| 69av精品久久久久久| 精品少妇久久久久久888优播| 波多野结衣av一区二区av| 亚洲五月婷婷丁香| 激情在线观看视频在线高清 | 高清欧美精品videossex| 国产一卡二卡三卡精品| 99热网站在线观看| 妹子高潮喷水视频| av网站免费在线观看视频| 99精品在免费线老司机午夜| 国产精品国产av在线观看| 久久这里只有精品19| 侵犯人妻中文字幕一二三四区| 国产成人精品在线电影| 精品国产乱子伦一区二区三区| 亚洲国产毛片av蜜桃av| av福利片在线| 日韩中文字幕欧美一区二区| cao死你这个sao货| 欧美乱码精品一区二区三区| 一二三四社区在线视频社区8| 自拍欧美九色日韩亚洲蝌蚪91| 丰满饥渴人妻一区二区三| 中文字幕另类日韩欧美亚洲嫩草| 久久国产亚洲av麻豆专区| 久久久精品免费免费高清| 亚洲熟女精品中文字幕| 少妇 在线观看| 91成年电影在线观看| 亚洲欧洲精品一区二区精品久久久| 精品人妻1区二区| 男人的好看免费观看在线视频 | 日本欧美视频一区| 一级作爱视频免费观看| 亚洲欧美精品综合一区二区三区| 亚洲av第一区精品v没综合| 欧美最黄视频在线播放免费 | 亚洲精品美女久久久久99蜜臀| 久久久久久亚洲精品国产蜜桃av| 精品电影一区二区在线| 性色av乱码一区二区三区2| 国产单亲对白刺激| 99久久人妻综合| 国产精华一区二区三区| 久久国产精品影院| 亚洲黑人精品在线| 在线十欧美十亚洲十日本专区| 捣出白浆h1v1| 最新美女视频免费是黄的| 在线观看一区二区三区激情| 极品人妻少妇av视频| 国产亚洲av高清不卡| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av成人一区二区三| 国产精品二区激情视频| √禁漫天堂资源中文www| 人人妻,人人澡人人爽秒播| 国产色视频综合| 曰老女人黄片| 18禁美女被吸乳视频| 真人做人爱边吃奶动态| 天堂√8在线中文| 午夜成年电影在线免费观看| 日韩 欧美 亚洲 中文字幕| 99久久国产精品久久久| 成人av一区二区三区在线看| 久久九九热精品免费| 欧美日韩av久久| 俄罗斯特黄特色一大片| 热re99久久国产66热| 91麻豆精品激情在线观看国产 | a级毛片黄视频| 人人妻人人澡人人爽人人夜夜| 成人18禁在线播放| 精品视频人人做人人爽| 大码成人一级视频| 久久国产乱子伦精品免费另类| 在线观看免费日韩欧美大片| 黑人巨大精品欧美一区二区mp4| 亚洲精品中文字幕一二三四区| 精品高清国产在线一区| 国产一区二区三区综合在线观看| 黑人欧美特级aaaaaa片| 在线永久观看黄色视频| 国产男女内射视频| 国产一区在线观看成人免费| 少妇的丰满在线观看| 18禁观看日本| 99热国产这里只有精品6| 建设人人有责人人尽责人人享有的| 男女下面插进去视频免费观看| 午夜91福利影院| 国产蜜桃级精品一区二区三区 | 激情视频va一区二区三区| 少妇被粗大的猛进出69影院| 午夜精品久久久久久毛片777| 在线十欧美十亚洲十日本专区| 国产一区二区三区在线臀色熟女 | 欧美日韩亚洲高清精品| 欧美乱妇无乱码| 亚洲精品一卡2卡三卡4卡5卡| 性色av乱码一区二区三区2| 色播在线永久视频| 老司机影院毛片| 亚洲精品av麻豆狂野| 99热只有精品国产| 亚洲情色 制服丝袜| 亚洲精品久久成人aⅴ小说| 国产成人欧美在线观看 | 成年女人毛片免费观看观看9 | 亚洲成人国产一区在线观看| 欧美中文综合在线视频| 天天躁狠狠躁夜夜躁狠狠躁| e午夜精品久久久久久久| 热re99久久精品国产66热6| 亚洲精品自拍成人| 在线观看免费视频日本深夜| 在线观看午夜福利视频| 麻豆乱淫一区二区| 国产黄色免费在线视频| 亚洲欧美日韩另类电影网站| a级毛片在线看网站| 欧美国产精品va在线观看不卡| 国产一区二区三区在线臀色熟女 | 老熟女久久久| 日韩一卡2卡3卡4卡2021年| 悠悠久久av| 国产精品成人在线| 身体一侧抽搐| 欧美日韩成人在线一区二区| 亚洲熟女毛片儿| 国产黄色免费在线视频| 亚洲中文字幕日韩| 国产精华一区二区三区| 国产一区二区三区视频了| 欧美日韩成人在线一区二区| 精品一区二区三区视频在线观看免费 | 国产av精品麻豆| 中文字幕高清在线视频| a在线观看视频网站| 手机成人av网站| 51午夜福利影视在线观看| 好看av亚洲va欧美ⅴa在| 老司机影院毛片| 丝袜美足系列| 极品教师在线免费播放| 老司机深夜福利视频在线观看| 精品久久久久久久毛片微露脸| 一区二区三区国产精品乱码| 黑丝袜美女国产一区| 亚洲国产欧美网| av有码第一页| 久久精品国产综合久久久| 色94色欧美一区二区| 成人精品一区二区免费| 亚洲人成77777在线视频| 美女福利国产在线| 国产男女超爽视频在线观看| netflix在线观看网站| 亚洲人成77777在线视频| 国产成人精品久久二区二区免费| 久久国产精品大桥未久av| 亚洲午夜理论影院| 国产精品av久久久久免费| 精品国产国语对白av| 日韩视频一区二区在线观看| 欧美人与性动交α欧美软件| 国产伦人伦偷精品视频| 国产精品国产高清国产av | 国产精品久久久久久精品古装| 两性夫妻黄色片| 成人特级黄色片久久久久久久| 欧美亚洲 丝袜 人妻 在线| 亚洲熟女毛片儿| 一区二区三区精品91| 亚洲三区欧美一区| 男人操女人黄网站| 亚洲全国av大片| 无人区码免费观看不卡| 村上凉子中文字幕在线| 一级片'在线观看视频| 精品视频人人做人人爽| 中文字幕最新亚洲高清| 捣出白浆h1v1| 9191精品国产免费久久| 男女之事视频高清在线观看| 下体分泌物呈黄色| a在线观看视频网站| 久久久精品区二区三区| 在线观看日韩欧美| 国产男靠女视频免费网站| 在线av久久热| 久久精品熟女亚洲av麻豆精品| 多毛熟女@视频| 另类亚洲欧美激情| 国产在线精品亚洲第一网站| 久久久水蜜桃国产精品网| 国产成人免费无遮挡视频| 成人免费观看视频高清| 香蕉久久夜色| 人成视频在线观看免费观看| 亚洲成人免费电影在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品综合久久久久久久免费 | 极品教师在线免费播放| 久久久久国产精品人妻aⅴ院 | 午夜精品国产一区二区电影| x7x7x7水蜜桃| 日本欧美视频一区| 国产片内射在线| 欧美黄色片欧美黄色片| 在线观看免费高清a一片| 黄色视频,在线免费观看| 欧美 亚洲 国产 日韩一| 人成视频在线观看免费观看| 一区二区三区激情视频| 视频区图区小说| 涩涩av久久男人的天堂| 大片电影免费在线观看免费| 国产精品免费一区二区三区在线 | 国产一卡二卡三卡精品| 亚洲 欧美一区二区三区| 90打野战视频偷拍视频| 色婷婷久久久亚洲欧美| 视频在线观看一区二区三区| 成人av一区二区三区在线看| 精品无人区乱码1区二区| 国产精品亚洲一级av第二区| 国产精品久久视频播放| 久久婷婷成人综合色麻豆| 视频区图区小说| 村上凉子中文字幕在线| 黑人猛操日本美女一级片| 亚洲av美国av| 热re99久久国产66热| 免费女性裸体啪啪无遮挡网站| a级毛片黄视频| a在线观看视频网站| 悠悠久久av| 老司机午夜十八禁免费视频| 啦啦啦免费观看视频1| www.熟女人妻精品国产| 国产欧美亚洲国产| 午夜福利影视在线免费观看| 久久天躁狠狠躁夜夜2o2o| 亚洲精品国产区一区二| 日本vs欧美在线观看视频| 99re在线观看精品视频| 久久久久久久久免费视频了| 国产一区二区三区在线臀色熟女 | 午夜福利乱码中文字幕| 淫妇啪啪啪对白视频| 亚洲av日韩精品久久久久久密| 又黄又粗又硬又大视频| 丝袜人妻中文字幕| 亚洲专区中文字幕在线| 精品久久蜜臀av无| 国产一卡二卡三卡精品| 热re99久久国产66热| 亚洲av第一区精品v没综合| 麻豆成人av在线观看| 欧美成狂野欧美在线观看| av线在线观看网站| 欧美中文综合在线视频| 99在线人妻在线中文字幕 | 视频在线观看一区二区三区| 日韩免费av在线播放| 女人精品久久久久毛片| 他把我摸到了高潮在线观看| 久久国产亚洲av麻豆专区| 免费女性裸体啪啪无遮挡网站| 久久国产精品影院| 女警被强在线播放| 国产不卡一卡二| 人人澡人人妻人| 露出奶头的视频| 成年人午夜在线观看视频| 亚洲五月婷婷丁香| 女人高潮潮喷娇喘18禁视频| 国产成人啪精品午夜网站| 99国产精品免费福利视频| 在线观看舔阴道视频| 久久久久久久久久久久大奶| 久久久久久人人人人人| 亚洲综合色网址| 亚洲精品一二三| 看黄色毛片网站| 天天操日日干夜夜撸| 建设人人有责人人尽责人人享有的| 午夜老司机福利片| 精品一品国产午夜福利视频| 窝窝影院91人妻| 亚洲av第一区精品v没综合| 亚洲三区欧美一区| 日本撒尿小便嘘嘘汇集6| 精品一品国产午夜福利视频| 国产精品电影一区二区三区 | 999久久久精品免费观看国产| 波多野结衣一区麻豆| 精品一区二区三区视频在线观看免费 | 欧美黄色片欧美黄色片| 咕卡用的链子| 十八禁人妻一区二区| 成人国产一区最新在线观看| 免费久久久久久久精品成人欧美视频| 99在线人妻在线中文字幕 | 在线观看免费日韩欧美大片| 涩涩av久久男人的天堂| 国产aⅴ精品一区二区三区波| 国产一区二区三区在线臀色熟女 | 国产一卡二卡三卡精品| 亚洲午夜理论影院| 国产黄色免费在线视频| 午夜免费成人在线视频| 国产精品一区二区在线不卡| 极品教师在线免费播放| 黄网站色视频无遮挡免费观看| 极品人妻少妇av视频| 另类亚洲欧美激情| 亚洲av片天天在线观看| 久久久久国内视频| av中文乱码字幕在线| 国产精品 欧美亚洲| 国产精品.久久久| 老司机在亚洲福利影院| 国产欧美日韩综合在线一区二区| 亚洲片人在线观看| 成人精品一区二区免费| 麻豆av在线久日| 99久久人妻综合| 亚洲精品国产色婷婷电影| 亚洲人成77777在线视频| 侵犯人妻中文字幕一二三四区| 精品国产一区二区久久| 精品国产美女av久久久久小说| 色综合婷婷激情| 麻豆av在线久日| 99国产极品粉嫩在线观看| 国产人伦9x9x在线观看| 99精国产麻豆久久婷婷| 午夜两性在线视频| 成人国语在线视频| 香蕉久久夜色| 最近最新中文字幕大全免费视频| av免费在线观看网站| 大香蕉久久成人网| 涩涩av久久男人的天堂| 亚洲精品国产色婷婷电影| 日本精品一区二区三区蜜桃| 国产成人免费无遮挡视频| 大型av网站在线播放| 女人被躁到高潮嗷嗷叫费观| 午夜久久久在线观看| 久久久国产精品麻豆| 亚洲欧美日韩另类电影网站| 女人精品久久久久毛片| 中文字幕人妻丝袜一区二区| 久久久久国产精品人妻aⅴ院 | 精品视频人人做人人爽| 美女福利国产在线| 这个男人来自地球电影免费观看| 午夜影院日韩av| 高潮久久久久久久久久久不卡| 亚洲国产精品一区二区三区在线| 三上悠亚av全集在线观看| 国产激情久久老熟女| 露出奶头的视频| 日韩中文字幕欧美一区二区| 大码成人一级视频| 岛国毛片在线播放| 国产精品1区2区在线观看. | 纯流量卡能插随身wifi吗| 欧美国产精品一级二级三级| 精品久久久久久久毛片微露脸| 亚洲三区欧美一区| 精品欧美一区二区三区在线| 五月开心婷婷网| 一边摸一边做爽爽视频免费| 可以免费在线观看a视频的电影网站| 亚洲精品美女久久av网站| 97人妻天天添夜夜摸| 精品久久久久久电影网| 深夜精品福利| 老熟妇乱子伦视频在线观看| 国产精品秋霞免费鲁丝片| 欧美激情 高清一区二区三区| av不卡在线播放| 国产熟女午夜一区二区三区| 欧美黑人精品巨大| 好看av亚洲va欧美ⅴa在| 成人黄色视频免费在线看| 成年动漫av网址| 王馨瑶露胸无遮挡在线观看| 欧美乱妇无乱码| 精品一品国产午夜福利视频| 欧美日韩国产mv在线观看视频| 久久九九热精品免费| 久久精品熟女亚洲av麻豆精品| 亚洲av成人一区二区三| 午夜精品在线福利| 久久精品aⅴ一区二区三区四区| 欧美乱码精品一区二区三区| 免费观看a级毛片全部| 少妇被粗大的猛进出69影院| 国产免费男女视频| 亚洲人成电影免费在线| 午夜免费观看网址| 欧美日韩瑟瑟在线播放| 亚洲人成伊人成综合网2020| 人人妻人人爽人人添夜夜欢视频| 9热在线视频观看99| 国产区一区二久久| 欧美激情极品国产一区二区三区| 亚洲欧美激情在线| 高清av免费在线|