• <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 ?

    基于隨機森林的駕駛行為分析

    2018-04-26 08:34:36董智浩張銳明
    無線互聯(lián)科技 2018年7期
    關鍵詞:決策樹增益森林

    黃 亮,董智浩*,張銳明

    (1.武漢理工大學,湖北 武漢 430070;2.廣東泰羅斯動力系統(tǒng)有限公司,廣東 佛山 528200)

    隨著人們生活水平的提高,對于物質(zhì)生活的要求也在不斷地提升,體現(xiàn)在衣食住行的方方面面,其中對于汽車的需求量大幅增加,目前中國的汽車保有量突破2億,同時伴隨而來的還有不斷增加的交通事故數(shù)量。據(jù)統(tǒng)計中國每年交通事故超過50萬起,因交通事故死亡人數(shù)超過10萬人,平均每分鐘都會有1人因為交通事故而傷殘,每年因交通事故所造成的經(jīng)濟損失達數(shù)百億元。駕駛安全已成為人們不可忽略的問題之一,駕駛行為分析已成為了駕駛安全領域的焦點之一。近年來,隨著機器學習技術的崛起,給人們帶來了一種比傳統(tǒng)駕駛行為分析方法更快速解析海量駕駛數(shù)據(jù)的分析途徑。

    機器學習在駕駛行為預測方面的應用已經(jīng)有很多科學家作出相關的研究。王武宏等[1]通過定量分析駕駛差錯狀態(tài)恢復行為的特性,依據(jù)對駕駛差錯狀態(tài)的識別和改正行為的測度,建立了駕駛恢復度模型;結(jié)合對駕駛行為的測試數(shù)據(jù)與主觀判斷,運用改進的決策樹求得了駕駛差錯狀態(tài)的恢復概率。郭孜政等[2]采用單因子方差分析提取危險狀態(tài)辨識主因子?;谪惾~斯判別構建了駕駛行為危險狀態(tài)辨識模型。梁軍等[3]針對傳統(tǒng)駕駛決策模型難以體現(xiàn)駕駛員駕駛過程中對交通環(huán)境的感知、判斷、決策、動作等環(huán)節(jié)存在不確定性和不一致性,提出了一種基于神經(jīng)網(wǎng)絡的駕駛行為動態(tài)集成學習算法(Dynamic Neural Network-Based Integrated Learning Algorithm,DNNIA)。Tezuka等通過采用靜態(tài)類型的高斯—貝葉斯網(wǎng)絡模型來預測駕駛員的駕駛行為,與隱馬爾科夫預測模型相比較,該模型具有更高的預測準確率。Prakash構建了一種基于人工神經(jīng)網(wǎng)絡的駕駛員模型,與傳統(tǒng)的比例積分微分(Proportional Integral Differential,PID)模型相比較,在跟馳加速過程中,其能更好地預測和控制駕駛行為[4]。

    本文提出一種基于隨機森林的駕駛行為分析,用于對車主的駕駛行為進行分類,并具有預測功能,對駕駛安全技術的發(fā)展具有重要意義。

    1 駕駛行為特性分析

    在普通的城市道路當中,駕駛行為的特征表現(xiàn)為耦合性、隨機性和復雜性(見圖1)。耦合性體現(xiàn)在駕駛行為的變化不僅受司機的影響,還會受到環(huán)境因素、車輛故障等其他因素的影響。隨機性體現(xiàn)在駕駛行為的變更在任何時間,任何地點都有可能出現(xiàn),不能百分之百地確定下一步司機將會如何控制車輛。復雜性體現(xiàn)在駕駛行為的分析過程存在著許多不確定的因素,包括前面提到的耦合性和隨機性,同時不同的因素對于駕駛行為的影響程度,在不同的環(huán)境下可能出現(xiàn)偏差。

    圖1 駕駛行為的特征

    駕駛行為數(shù)據(jù)的收集主要通過車載通訊模塊,將車輛數(shù)據(jù)實時傳送到后臺再加以解析,車載通信模塊平均每30 s上傳126字段數(shù)據(jù),而在這些數(shù)據(jù)中并不是每一條數(shù)據(jù)都是有用的,也不是每個字段都是必須的,過多的屬性和數(shù)據(jù)集會影響決策樹的生長速度和準確性,因此需要對數(shù)據(jù)和屬性進行挑選。本課題中一共收集了6 637條車輛數(shù)據(jù),經(jīng)過篩選選出4 290條有用數(shù)據(jù)。基于駕駛行為的課題,屬性上選擇了最具研究價值的4個屬性,包括車速、檔位、時間和天氣,其中車速用1,2和3分別表示車速小于30 km/h,車速在30~50 km/h和車速超過50 km/h;檔位的取值范圍是1~5;時間用0,1表示,1表示高峰期,包括7 a.m—9 a.m和6 p.m—8 p.m,0表示其他時間;天氣也用0,1表示。0表示晴天、陰天等較好的天氣狀況,1表示雨天、霧天等惡劣的天氣狀況。最終的結(jié)果屬性使用安全系數(shù)表示,其中0代表安全,1代表危險。樣本示例如表1所示。

    表1 樣本示例

    本文在屬性選擇方面的主要考慮因素是屬性對于駕駛行為造成的影響程度和駕駛行為對車輛的影響程度,其中車速,檔位是駕駛行為影響的最主要因素,時間和天氣屬性是影響駕駛行為的最主要因素。當然更多的屬性能夠更優(yōu)化整個駕駛行為模型,但其他屬性例如電機轉(zhuǎn)速、轉(zhuǎn)矩等,一方面可以通過速度、擋位屬性側(cè)面反映,另一方面機器故障等其他外因也有可能造成這些屬性的變化。為了實現(xiàn)對駕駛行為更準確的預測,本文在屬性的選取方面,突出了車速、檔位、時間和天氣的屬性優(yōu)先級。

    2 隨機森林算法分析

    駕駛行為分析問題歸納起來是一種分類回歸問題,在機器學習方法中對于這一類問題的解決方式有很多,例如:支持向量機、人工神經(jīng)網(wǎng)絡、邏輯回歸、決策樹和隨機森林等。本文采用隨機森林的方式來進行駕駛行為的分析,其構造過程如圖2所示。

    圖2 隨機森林構建過程

    隨機森林是一種基于決策樹算法的分類算法,它通過自助法重采樣技術,從原始訓練樣本集N中有放回地重復隨機抽取n個樣本生成新的訓練樣本集合訓練決策樹,然后按以上步驟生成n棵決策樹組成隨機森林,新數(shù)據(jù)的分類結(jié)果按分類樹投票多少形成的分數(shù)而定。其實質(zhì)是對決策樹算法的一種改進,將多個決策樹合并在一起,每棵樹的建立依賴于獨立抽取的樣本。

    隨機森林的核心是決策樹的構造,決策樹結(jié)構如圖3所示,從根節(jié)點開始,測試待分類項中相應的特征屬性,并按照其值選擇輸出分支,直到到達葉子節(jié)點,將葉子節(jié)點存放的類別作為決策結(jié)果,其每個非葉節(jié)點表示一個特征屬性上的測試,每個分支代表這個特征屬性在某個值域上的輸出,而每個葉節(jié)點存放一個類別。

    圖3 決策樹結(jié)構

    構造決策樹的關鍵步驟是分裂屬性。所謂分裂屬性就是在某個節(jié)點處按照某一特征屬性的不同劃分構造不同的分支,其目標是讓各個分裂子集盡可能地“純”。盡可能“純”就是盡量讓一個分裂子集中待分類項屬于同一類別。構造決策樹的關鍵性內(nèi)容就是進行屬性選擇度量,屬性選擇度量是一種選擇分裂準則,它決定了拓撲結(jié)構及分裂點的選擇。

    決策樹中主流的屬性選擇度量算法有3個:ID 3算法,采用信息增益最大的特征;C4.5算法,采用信息增益比選擇特征;分類與回歸樹(Classification and Regression Tree,CART)算法,利用基尼指數(shù)最小化準則進行特征選擇。根據(jù)不同的算法來分裂屬性,選出最佳節(jié)點,最終構成一棵完整的決策樹。針對駕駛行為的特征,本文在屬性選擇度量算法上選擇C4.5算法,優(yōu)點如下:

    (1)用信息增益率來選擇屬性,克服了用信息增益選擇屬性時偏向選擇取值較多的屬性這一不足。(2)在決策樹構造過程中進行剪枝。(3)能夠完成對連續(xù)屬性的離散化處理。(4)能夠?qū)Σ煌暾麛?shù)據(jù)進行處理。

    通過C4.5算法度量屬性,建立決策樹并重復此過程n次,最終構成隨機森林模型。當新的測試數(shù)據(jù)集需要檢驗時,只要將測試集中的數(shù)據(jù)元分別帶入隨機森林模型中,從而得到n個不同的分類結(jié)果,再利用投票機制選出最終結(jié)果。

    本文之所以選擇隨機森林算法來實現(xiàn)駕駛行為的分析,是基于上述駕駛行為的特性分析,針對駕駛行為的耦合性,隨機性和復雜性,相比于其他機器學習算法的優(yōu)勢在于以下方面。

    (1)駕駛行為的耦合性體現(xiàn)在駕駛行為受到許多不同因素的影響,因為隨機森林的核心是決策樹模型,而決策樹的這種樹形分類方式能有效地區(qū)分開不同的屬性,通過信息增益比來判斷不同屬性的優(yōu)先級,很好地解決了駕駛行為的耦合性。

    (2)駕駛行為的隨機性體現(xiàn)在不同時間不同路況下駕駛行為都會出現(xiàn)變化,而隨機森林是一種基于大數(shù)據(jù)的分析模型,隨機篩選數(shù)據(jù)構造大量決策樹來組成隨機森林模型,再通過眾數(shù)投票方式選出結(jié)果,這種隨機大量選取,眾數(shù)決策的方式很好地應對了駕駛行為的隨機性問題。

    (3)駕駛行為的復雜性體現(xiàn)在駕駛行為數(shù)據(jù)是由一組復雜的屬性數(shù)據(jù)構成,一方面本文只選取了主要影響屬性,另一方面決策樹的樹形結(jié)構更易于人們直觀地理解,不同的屬性對于駕駛行為的影響程度,很好地降低了數(shù)據(jù)復雜性。

    本文一共選取了4種主要屬性集:{車速,擋位,時間,天氣}和最終分類結(jié)果集{安全,危險}。在構建單棵決策樹時,先通過計算信息增益比,選出信息增益比最大地屬性作為根節(jié)點,假設為車速;接著再在剩下的屬性集{擋位,時間,天氣}中計算出最大信息增益比的屬性,假設為擋位,以此類推,直到構成一棵完整的決策樹。這只是單棵樹的構造,隨機森林模型是在整個駕駛行為數(shù)據(jù)集中,隨機選取一定數(shù)量的數(shù)據(jù),每組數(shù)據(jù)都構成上述的單棵決策樹,大量的決策樹組成了隨機森林。當需要進行預測分析時,將測試數(shù)據(jù)代入到隨機森林模型中,數(shù)據(jù)經(jīng)過隨機森林的每棵決策樹,得到不同的結(jié)果,最后利用眾數(shù)投票方式選出結(jié)果值數(shù)量最多的那個結(jié)果值作為最終結(jié)果。在本文中也就是在{安全,危險}中選擇那個通過隨機森林模型,結(jié)果值數(shù)量超過半數(shù)的結(jié)果。

    3 隨機森林算法流程

    隨機森林算法流程如下:

    (1)將駕駛行為數(shù)據(jù)集通過自助法(bootstrap)重采樣技術,從駕駛行為數(shù)據(jù)集中有放回地重復隨機抽取樣本生成訓練樣本集合;(2)采用C4.5算法來選擇分裂屬性,構造決策樹。

    首先給出如下定義:

    定義1 設D是訓練樣本集,類別屬性具有m個不同的值,即有m個不同類Ci(i=1, 2, ... ,m),Di是隸屬Ci類的樣本集合,則信息熵的計算公式記為:

    其中pi是集合D中任意屬于類Ci的概率,可用表示。

    定義2 設訓練樣本集D按屬性A進行劃分,則條件熵為:

    定義3 在C4.5算法中使用增益率的信息增益擴充來克服ID3算法偏向多值屬性的缺陷,首先分裂信息公式為:

    增益率為:

    決策樹構造流程:設訓練樣本集為D,D中的屬性為速度,擋位,天氣和時間,屬性集為A,A中的屬性為安全和危險。

    ①創(chuàng)建結(jié)點N;

    ②ifD都在同一個類C

    then 返回N作為葉結(jié)點,用類C標記;

    ③else ifA為空

    then 返回N為葉結(jié)點,標記D為樣本數(shù)種最多的類;

    ④else if 通過增益率選取最佳屬性a0標記為N,并在屬性集中剔除a0;

    ⑤forD根據(jù)a0的值劃分成不同的子集Ds;

    ifDs為空

    then 將N標記為葉結(jié)點,標記D為樣本數(shù)種最多的類;return;

    else 在子集Ds和剔除了a0的新的屬性集Aa0中再選出最佳屬性a1,標記為新的結(jié)點N,并在屬性集中剔除a1。

    構建決策樹如圖4所示。

    (3)重復以上步驟n次,即生成n棵決策樹,形成隨機森林。

    (4)對于測試數(shù)據(jù),經(jīng)過每棵樹決策,最后投票確認分到哪一類。 算法流程如圖5所示。

    圖4 決策樹構建示例

    圖5 算法流程

    4 算法實現(xiàn)與結(jié)果驗證

    本文使用懷卡托智能分析環(huán)境(Waikato Environment for Knowledge Analysis,WEKA)來完成隨機森林在計算機上的實現(xiàn)。WEKA誕生于 University of Waikato并在1997年首次以其現(xiàn)代的格式實現(xiàn)。WEKA作為一個公開的數(shù)據(jù)挖掘工作平臺,集合了大量能承擔數(shù)據(jù)挖掘任務的機器學習算法,包括對數(shù)據(jù)進行預處理、分類、回歸、聚類、關聯(lián)規(guī)則以及在新的交互式界面上的可視化。該軟件以Java語言編寫并包含了一個圖形用戶界面(Graphical User Interface,GUI)來與數(shù)據(jù)文件交互并生成可視結(jié)果。它還有一個通用應用程序編程接口(Application Programming Interface,API),所以可以像嵌入其他的庫一樣將WEKA嵌入到應用程序以完成諸如服務器端自動數(shù)據(jù)挖掘這樣的任務。使用WEKA只需將數(shù)據(jù)集保存為.arff格式直接引入即可。

    在WEKA中實現(xiàn)隨機森林算法時為提高其準確性,主要需要對Percentage split參數(shù)進行調(diào)試。Percentage split表示按照一定比例,將數(shù)據(jù)集分為兩份,一份做訓練,一份做測試。據(jù)大量統(tǒng)計學實驗驗證,訓練集大約占所有樣本集合的2/3時,生成的隨機森林模型的性能最高,而WEKA中Percentage split的默認值也是66%,但對于不同的數(shù)據(jù)集Percentage split的最佳值可能會發(fā)生變化,但大致范圍處于60%~80%。本文通過WEKA實現(xiàn)了隨機森林模型,同時設置不同的Percentage split值分析其最高精確點的取值。結(jié)果如圖6所示,其中縱坐標表示預測的精確度,橫坐標表示不同的Percentage split。從中可以看出當選擇75%來分離數(shù)據(jù)集時,達到最高的精確度。

    圖6 Percentage split不同數(shù)值下準確率對比

    使用WEKA實現(xiàn)的隨機森林算法,在最高精確度上達到 78.7313%,從中可以看出隨機森林算法應用于駕駛行為分析上可以達到較高的精度,致使精確度無法到80%以上的原因主要是與數(shù)據(jù)本身缺乏普遍性有關,如果能從更多的數(shù)據(jù)源收集更多的數(shù)據(jù),同時增加數(shù)據(jù)數(shù)量,這樣隨機森林模型的建立就能更加的完整,從而提升預測的準確性。

    另外本文還利用WEKA實現(xiàn)不同的機器學習分類回歸方法,對同一數(shù)據(jù)集作出分析,精確度對比如圖7所示,其中縱坐標表示預測精確度,橫坐標表示各分類算法。從圖7中可以看出在駕駛行為預測方面隨機森林算法比起其他的分類回歸方法具有更高的精確度,進一步反映了隨機森林在駕駛行為分析領域擁有更高的應用價值。

    圖7 各種機器學習分類回歸方法精確度對比

    5 結(jié)語

    隨機森林算法是目前最為流行的機器學習算法之一,與決策樹相比,其具有更高的預測準確率,對異常值和噪聲具有很好的容忍度,且不容易出現(xiàn)過擬合。本文通過車載通訊模塊收集駕駛行為數(shù)據(jù),并針對其耦合性、隨機性和復雜性的特點,對數(shù)據(jù)進行篩選,采用C4.5算法選取屬性,建立決策樹,最終構成駕駛行為隨機森林模型,在計算機上通過WEKA實現(xiàn)算法并驗證了模型的準確率。

    經(jīng)驗證,隨機森林算法在駕駛行為分析上具有較高的精確度,因WEKA良好的擴展性,可將算法程序移植入一些車載終端或手機APP上,通過該算法能夠?qū)︸{駛行為作出預測,當出現(xiàn)危險的駕駛行為特征時,及時發(fā)出警告,提醒司機安全駕駛,從而提高交通安全,避免交通事故的發(fā)生。

    [參考文獻]

    [1]王武宏,沈中杰,杜秋.基于決策樹的駕駛差錯恢復行為的建模[J].北京理工大學學報,2002(1):61-65.

    [2]郭孜政,陳崇雙,王欣.基于貝葉斯判別的駕駛行為危險狀態(tài)辨識[J].西南交通大學學報,2009(5):771-775.

    [3]梁軍,沙志強,陳龍.基于人工神經(jīng)網(wǎng)絡的駕駛行為動態(tài)集成學習算法[J].交通運輸系統(tǒng)工程與信息,2012(2):34-40.

    [4]陳雪梅,田賡,苗一松.面向智能駕駛行為的機器學習[J].道路交通與安全,2014(6):60-64.

    [5]嚴新平.道路交通駕駛行為研究進展及其展望[J].交通信息與安全,2013(1):45-51.

    (2)輔助材料成本。報廢的動力電池需要用酸、堿、有機溶劑、沉淀劑等進行處理,回收的工藝不同以及最后產(chǎn)品的不同,所使用的輔助材料也有所不同。

    [6]李揚.駕駛行為安全性多屬性評價方法及應用研究[D].長春:吉林大學,2016.

    [7]段冀陽,李志忠.駕駛行為模型的研究進展[J].中國安全科學學報,2012(2):30-36.

    [8]李欣海.隨機森林模型在分類與回歸分析中的應用[J].應用昆蟲學報,2013(4):1190-1197.

    [9]曹正鳳.隨機森林算法優(yōu)化研究[D].北京:首都經(jīng)濟貿(mào)易大學,2014.

    [10]陳慧萍,林莉莉,王建東,等.WEKA數(shù)據(jù)挖掘平臺及其二次開發(fā)[J].計算機工程與應用,2008(19):76-79.

    [12]劉哲.基于WEKA的交通流數(shù)據(jù)處理平臺搭建及預測實現(xiàn)[D].北京:北京交通大學,2016.

    猜你喜歡
    決策樹增益森林
    基于增益調(diào)度與光滑切換的傾轉(zhuǎn)旋翼機最優(yōu)控制
    基于單片機的程控增益放大器設計
    電子制作(2019年19期)2019-11-23 08:41:36
    一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
    基于Multisim10和AD603的程控增益放大器仿真研究
    電子制作(2018年19期)2018-11-14 02:37:02
    決策樹和隨機森林方法在管理決策中的應用
    電子制作(2018年16期)2018-09-26 03:27:06
    哈Q森林
    哈Q森林
    哈Q森林
    基于決策樹的出租車乘客出行目的識別
    哈Q森林
    日本av手机在线免费观看| 午夜精品一区二区三区免费看| 精品久久久久久久久久久久久| 99热精品在线国产| 国产午夜精品论理片| 中文资源天堂在线| 欧美潮喷喷水| 久久草成人影院| 午夜精品在线福利| 国产亚洲精品久久久com| 99久久精品国产国产毛片| 免费观看的影片在线观看| 少妇猛男粗大的猛烈进出视频 | 日韩高清综合在线| 99在线视频只有这里精品首页| 日韩亚洲欧美综合| 午夜精品在线福利| 亚洲三级黄色毛片| 久久久亚洲精品成人影院| 五月玫瑰六月丁香| 精品一区二区三区视频在线| 久久精品熟女亚洲av麻豆精品 | 亚洲激情五月婷婷啪啪| 色哟哟·www| 国产精品熟女久久久久浪| 精品人妻一区二区三区麻豆| 国产精品1区2区在线观看.| 亚洲成人中文字幕在线播放| av卡一久久| 久久久久久久国产电影| av天堂中文字幕网| 国产精品国产三级国产av玫瑰| 亚洲婷婷狠狠爱综合网| 国产 一区 欧美 日韩| 网址你懂的国产日韩在线| 美女大奶头视频| 99九九线精品视频在线观看视频| 又爽又黄无遮挡网站| 国产精品不卡视频一区二区| 2022亚洲国产成人精品| 国产黄色小视频在线观看| 青春草国产在线视频| 中文字幕av在线有码专区| 日韩人妻高清精品专区| 一级二级三级毛片免费看| 狂野欧美白嫩少妇大欣赏| 啦啦啦观看免费观看视频高清| 天堂中文最新版在线下载 | 国产极品精品免费视频能看的| 国产成人91sexporn| 亚洲精品影视一区二区三区av| 国产91av在线免费观看| 你懂的网址亚洲精品在线观看 | 看黄色毛片网站| 男女啪啪激烈高潮av片| 我要搜黄色片| 九九爱精品视频在线观看| 波野结衣二区三区在线| 亚洲美女视频黄频| 久久国内精品自在自线图片| 99热精品在线国产| 亚洲欧美精品专区久久| 性插视频无遮挡在线免费观看| 国产久久久一区二区三区| 人妻制服诱惑在线中文字幕| 亚洲一级一片aⅴ在线观看| 99久久无色码亚洲精品果冻| av在线天堂中文字幕| av又黄又爽大尺度在线免费看 | 午夜老司机福利剧场| 日韩 亚洲 欧美在线| 久热久热在线精品观看| 免费人成在线观看视频色| 欧美人与善性xxx| 亚洲中文字幕日韩| 村上凉子中文字幕在线| 国产精品,欧美在线| av在线天堂中文字幕| 国产精华一区二区三区| 国产精品久久久久久久久免| 免费人成在线观看视频色| 亚洲成色77777| 亚洲成人精品中文字幕电影| 一二三四中文在线观看免费高清| 亚洲中文字幕一区二区三区有码在线看| 日韩欧美三级三区| 少妇人妻精品综合一区二区| 日本熟妇午夜| 国产不卡一卡二| 两个人视频免费观看高清| 晚上一个人看的免费电影| 国内精品一区二区在线观看| 亚洲一级一片aⅴ在线观看| 久久久色成人| 小蜜桃在线观看免费完整版高清| 亚洲乱码一区二区免费版| 欧美性感艳星| 成人二区视频| 欧美日韩综合久久久久久| 久久久久久久久大av| 丰满少妇做爰视频| 精品人妻熟女av久视频| 男女视频在线观看网站免费| 亚洲av日韩在线播放| 成年女人看的毛片在线观看| 国产爱豆传媒在线观看| 日本午夜av视频| 久久久久精品久久久久真实原创| 亚洲18禁久久av| 久久99热这里只频精品6学生 | 99热这里只有是精品在线观看| 国产一级毛片在线| 欧美极品一区二区三区四区| 国产午夜精品一二区理论片| 亚洲色图av天堂| 亚洲精品久久久久久婷婷小说 | 国产精品爽爽va在线观看网站| 日本av手机在线免费观看| 能在线免费观看的黄片| 免费黄网站久久成人精品| 麻豆一二三区av精品| 国产精品乱码一区二三区的特点| 日韩av不卡免费在线播放| 丰满人妻一区二区三区视频av| 最近中文字幕高清免费大全6| 成人性生交大片免费视频hd| 中文在线观看免费www的网站| 精品少妇黑人巨大在线播放 | 成年女人永久免费观看视频| 亚洲欧美中文字幕日韩二区| 亚洲最大成人中文| 亚洲自偷自拍三级| 国产美女午夜福利| .国产精品久久| 日韩大片免费观看网站 | 精品国产一区二区三区久久久樱花 | 成人国产麻豆网| 午夜福利视频1000在线观看| 国产亚洲精品av在线| 国产 一区精品| 精品久久久久久久末码| 成人一区二区视频在线观看| 哪个播放器可以免费观看大片| 一个人观看的视频www高清免费观看| 99久久成人亚洲精品观看| 亚洲中文字幕一区二区三区有码在线看| 综合色av麻豆| 中文在线观看免费www的网站| 中文天堂在线官网| 深爱激情五月婷婷| 久久精品国产鲁丝片午夜精品| 人妻夜夜爽99麻豆av| 男女国产视频网站| 精品久久久久久久久久久久久| 日韩欧美 国产精品| 久久久精品欧美日韩精品| 99热这里只有精品一区| 欧美精品一区二区大全| 国产高清有码在线观看视频| 国产乱人偷精品视频| 三级国产精品欧美在线观看| 欧美zozozo另类| 久久人妻av系列| 日韩人妻高清精品专区| 99国产精品一区二区蜜桃av| 啦啦啦韩国在线观看视频| 日产精品乱码卡一卡2卡三| 色播亚洲综合网| 国产一区有黄有色的免费视频 | 国产成人91sexporn| 熟女人妻精品中文字幕| h日本视频在线播放| 有码 亚洲区| 国产v大片淫在线免费观看| 欧美日韩一区二区视频在线观看视频在线 | 波多野结衣巨乳人妻| 欧美bdsm另类| 秋霞在线观看毛片| 久久久久久久久久久免费av| 久久久久久大精品| 亚洲人成网站在线播| 精品一区二区三区人妻视频| 少妇猛男粗大的猛烈进出视频 | 丝袜喷水一区| 成人三级黄色视频| av女优亚洲男人天堂| 国产伦一二天堂av在线观看| 亚洲伊人久久精品综合 | 亚洲欧美精品自产自拍| 国产黄色小视频在线观看| 久久久a久久爽久久v久久| 日韩av在线免费看完整版不卡| 69人妻影院| 黄色欧美视频在线观看| 午夜a级毛片| 久久久色成人| 免费av不卡在线播放| 一级毛片电影观看 | 2022亚洲国产成人精品| 一本一本综合久久| 少妇熟女aⅴ在线视频| 久久精品影院6| 国产精品伦人一区二区| 亚洲精品自拍成人| 久久国内精品自在自线图片| 久久久久久久久久久免费av| 一级二级三级毛片免费看| 老女人水多毛片| 午夜福利在线在线| 在线免费十八禁| 神马国产精品三级电影在线观看| 久久人人爽人人爽人人片va| 亚洲不卡免费看| 在线观看av片永久免费下载| 插阴视频在线观看视频| 不卡视频在线观看欧美| 国产黄a三级三级三级人| 午夜精品国产一区二区电影 | 中文字幕av在线有码专区| 亚洲精品日韩av片在线观看| 男女边吃奶边做爰视频| 青青草视频在线视频观看| 麻豆久久精品国产亚洲av| 久久精品国产自在天天线| 久久久精品欧美日韩精品| 日韩欧美精品免费久久| 国产精品久久电影中文字幕| 99久久九九国产精品国产免费| 精品久久久久久久久亚洲| 神马国产精品三级电影在线观看| 精品一区二区免费观看| 最近中文字幕高清免费大全6| 在线免费观看不下载黄p国产| 联通29元200g的流量卡| 寂寞人妻少妇视频99o| 亚洲18禁久久av| 男人和女人高潮做爰伦理| 久久久久久久亚洲中文字幕| 国产极品精品免费视频能看的| 国产成年人精品一区二区| 麻豆成人午夜福利视频| 青春草视频在线免费观看| 中文字幕av成人在线电影| 我要看日韩黄色一级片| 免费看日本二区| 久久久久久久久久久免费av| 高清日韩中文字幕在线| av在线播放精品| 亚洲在线自拍视频| 搡女人真爽免费视频火全软件| 亚洲欧美一区二区三区国产| 亚洲电影在线观看av| 少妇裸体淫交视频免费看高清| av在线老鸭窝| 美女国产视频在线观看| 亚洲av不卡在线观看| 22中文网久久字幕| 91精品伊人久久大香线蕉| 国产在线男女| 亚洲国产欧洲综合997久久,| 久久精品国产鲁丝片午夜精品| av播播在线观看一区| 国产精品久久久久久精品电影小说 | 国产 一区精品| 99久久精品国产国产毛片| 啦啦啦观看免费观看视频高清| 一个人看视频在线观看www免费| 成年av动漫网址| 国产精品人妻久久久久久| 久久久久久久久久成人| 熟女电影av网| 国产黄a三级三级三级人| 欧美成人精品欧美一级黄| 看免费成人av毛片| 欧美日韩精品成人综合77777| 亚洲aⅴ乱码一区二区在线播放| 亚洲美女搞黄在线观看| 夜夜看夜夜爽夜夜摸| 欧美一区二区亚洲| 一卡2卡三卡四卡精品乱码亚洲| 国产精品国产高清国产av| 五月玫瑰六月丁香| 亚洲av免费高清在线观看| 男女那种视频在线观看| 夜夜看夜夜爽夜夜摸| 免费av毛片视频| 精品久久久久久久末码| 国产大屁股一区二区在线视频| 亚洲中文字幕一区二区三区有码在线看| 天堂√8在线中文| 久久99热6这里只有精品| 国产毛片a区久久久久| 日韩三级伦理在线观看| 秋霞在线观看毛片| 精品酒店卫生间| 亚洲av福利一区| 在线免费观看不下载黄p国产| 国产探花极品一区二区| 九九久久精品国产亚洲av麻豆| 最近手机中文字幕大全| 日韩视频在线欧美| 精品一区二区免费观看| 亚洲国产精品国产精品| 亚洲成人中文字幕在线播放| 91精品国产九色| 蜜臀久久99精品久久宅男| 国内精品宾馆在线| 国产成人精品久久久久久| 能在线免费看毛片的网站| 欧美不卡视频在线免费观看| 成人午夜高清在线视频| 色综合色国产| 女人十人毛片免费观看3o分钟| 国产伦在线观看视频一区| 淫秽高清视频在线观看| 免费av观看视频| 国产av不卡久久| 久久人妻av系列| 精品一区二区免费观看| 天堂影院成人在线观看| 免费电影在线观看免费观看| 中文字幕人妻熟人妻熟丝袜美| 看非洲黑人一级黄片| 久久精品国产99精品国产亚洲性色| 日产精品乱码卡一卡2卡三| 亚洲成人久久爱视频| 亚洲第一区二区三区不卡| 六月丁香七月| 一级黄色大片毛片| 国产成人a∨麻豆精品| 亚洲国产精品合色在线| 69人妻影院| 特级一级黄色大片| 午夜亚洲福利在线播放| 久久久久免费精品人妻一区二区| 一级毛片久久久久久久久女| 国产伦一二天堂av在线观看| 观看美女的网站| 在线播放无遮挡| 亚洲国产欧美人成| 麻豆一二三区av精品| 精品久久国产蜜桃| 久久这里有精品视频免费| 亚洲国产欧洲综合997久久,| 欧美潮喷喷水| 国产亚洲最大av| 成人欧美大片| 国国产精品蜜臀av免费| 免费观看精品视频网站| 国产精品日韩av在线免费观看| 黄色欧美视频在线观看| 日本猛色少妇xxxxx猛交久久| 国产色爽女视频免费观看| av免费在线看不卡| av在线老鸭窝| 久久精品影院6| 大又大粗又爽又黄少妇毛片口| 在线免费观看的www视频| 国产乱人偷精品视频| 国产一区二区在线观看日韩| 午夜精品在线福利| 久久亚洲精品不卡| 成人高潮视频无遮挡免费网站| 国产精品久久久久久精品电影| 国产精品熟女久久久久浪| 成人高潮视频无遮挡免费网站| 亚洲国产欧洲综合997久久,| 午夜激情福利司机影院| h日本视频在线播放| 久久久精品94久久精品| 中文字幕制服av| 天天躁夜夜躁狠狠久久av| av国产久精品久网站免费入址| 久久这里有精品视频免费| 九九久久精品国产亚洲av麻豆| 欧美丝袜亚洲另类| 亚洲成色77777| av在线天堂中文字幕| 亚洲国产精品sss在线观看| 午夜老司机福利剧场| 国产免费男女视频| 草草在线视频免费看| 桃色一区二区三区在线观看| 成年女人看的毛片在线观看| 亚洲国产精品成人综合色| 国产亚洲精品av在线| 99在线人妻在线中文字幕| 午夜久久久久精精品| 国产极品天堂在线| 国国产精品蜜臀av免费| 又黄又爽又刺激的免费视频.| 黄片wwwwww| 久久精品国产亚洲网站| 九九在线视频观看精品| 五月玫瑰六月丁香| 国产69精品久久久久777片| 三级经典国产精品| av免费在线看不卡| 一级av片app| 欧美最新免费一区二区三区| 高清av免费在线| 国产黄色视频一区二区在线观看 | 国产精品一区二区在线观看99 | 少妇人妻一区二区三区视频| 99在线视频只有这里精品首页| 女人久久www免费人成看片 | 亚洲人成网站在线观看播放| 最近最新中文字幕免费大全7| a级毛色黄片| 日韩欧美 国产精品| 亚洲精品影视一区二区三区av| 久久亚洲国产成人精品v| 国产成年人精品一区二区| 成人亚洲精品av一区二区| 亚洲激情五月婷婷啪啪| 2021少妇久久久久久久久久久| 日韩,欧美,国产一区二区三区 | 国产成人午夜福利电影在线观看| 成人三级黄色视频| 国产单亲对白刺激| 少妇丰满av| 午夜久久久久精精品| 亚洲熟妇中文字幕五十中出| 日韩在线高清观看一区二区三区| 日韩成人av中文字幕在线观看| 看免费成人av毛片| 国模一区二区三区四区视频| 日韩欧美 国产精品| 99热全是精品| 少妇丰满av| 乱码一卡2卡4卡精品| 日日撸夜夜添| 久久这里有精品视频免费| 成人漫画全彩无遮挡| 久久久久国产网址| 美女cb高潮喷水在线观看| 人妻夜夜爽99麻豆av| 午夜激情福利司机影院| 国产一区二区在线观看日韩| 男女那种视频在线观看| 亚洲最大成人av| 国产免费男女视频| 日韩高清综合在线| 久久精品人妻少妇| 日韩av在线大香蕉| 国产高清不卡午夜福利| 午夜老司机福利剧场| 麻豆久久精品国产亚洲av| 秋霞在线观看毛片| 日韩精品有码人妻一区| 国产免费又黄又爽又色| 噜噜噜噜噜久久久久久91| 国产伦一二天堂av在线观看| videossex国产| 两个人的视频大全免费| 欧美丝袜亚洲另类| 亚洲欧洲国产日韩| 一级爰片在线观看| 国产高清国产精品国产三级 | 国产精品嫩草影院av在线观看| 天天躁夜夜躁狠狠久久av| 超碰97精品在线观看| 午夜a级毛片| 国产成人精品一,二区| 国产亚洲最大av| 亚洲国产精品合色在线| 国内精品宾馆在线| 2021天堂中文幕一二区在线观| 亚洲人成网站在线播| 亚洲自偷自拍三级| 国产伦理片在线播放av一区| 一区二区三区免费毛片| 一区二区三区高清视频在线| 嘟嘟电影网在线观看| av免费在线看不卡| 欧美高清成人免费视频www| 日日摸夜夜添夜夜爱| 免费观看在线日韩| 久久99热6这里只有精品| 国产精品av视频在线免费观看| 啦啦啦观看免费观看视频高清| 听说在线观看完整版免费高清| 黄色配什么色好看| 亚洲四区av| 亚洲精品日韩在线中文字幕| 亚洲av电影不卡..在线观看| 长腿黑丝高跟| 高清视频免费观看一区二区 | 国产一区有黄有色的免费视频 | 91在线精品国自产拍蜜月| 国产精品乱码一区二三区的特点| 日本爱情动作片www.在线观看| 两个人视频免费观看高清| 久久亚洲国产成人精品v| 欧美性猛交╳xxx乱大交人| 国产欧美日韩精品一区二区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久这里有精品视频免费| 黑人高潮一二区| 级片在线观看| 2021天堂中文幕一二区在线观| 三级毛片av免费| 国产女主播在线喷水免费视频网站 | 最近最新中文字幕免费大全7| 日本三级黄在线观看| 91aial.com中文字幕在线观看| 成人av在线播放网站| .国产精品久久| 六月丁香七月| 一个人看视频在线观看www免费| 国产精品一区二区三区四区久久| 级片在线观看| 哪个播放器可以免费观看大片| 麻豆成人午夜福利视频| 大话2 男鬼变身卡| 日本一二三区视频观看| av.在线天堂| 最近的中文字幕免费完整| 亚洲精品,欧美精品| 欧美成人免费av一区二区三区| 久久精品国产自在天天线| 国产精品蜜桃在线观看| 丰满人妻一区二区三区视频av| 日韩成人伦理影院| 最近手机中文字幕大全| 国产精品无大码| 亚洲av成人精品一区久久| 最近视频中文字幕2019在线8| 一级黄色大片毛片| 国产精品国产三级国产专区5o | 午夜免费男女啪啪视频观看| 国产精品久久视频播放| 日韩av不卡免费在线播放| 高清毛片免费看| 精品久久久久久久久av| 岛国毛片在线播放| 日韩 亚洲 欧美在线| 婷婷六月久久综合丁香| 免费av观看视频| 日韩高清综合在线| 国产午夜精品久久久久久一区二区三区| 高清在线视频一区二区三区 | 欧美一级a爱片免费观看看| 日本爱情动作片www.在线观看| av在线蜜桃| 国产精品伦人一区二区| 国产国拍精品亚洲av在线观看| 国产毛片a区久久久久| 能在线免费观看的黄片| 日韩制服骚丝袜av| 日日摸夜夜添夜夜添av毛片| 亚洲va在线va天堂va国产| 蜜臀久久99精品久久宅男| 观看免费一级毛片| 国产精品女同一区二区软件| 国产免费福利视频在线观看| 午夜福利成人在线免费观看| 国国产精品蜜臀av免费| 小说图片视频综合网站| 亚洲一区高清亚洲精品| 又粗又硬又长又爽又黄的视频| 国产精品一区二区三区四区免费观看| av女优亚洲男人天堂| 亚洲欧美成人综合另类久久久 | 99久久无色码亚洲精品果冻| 亚洲av中文av极速乱| 国产乱人偷精品视频| 国产精品女同一区二区软件| 三级国产精品欧美在线观看| 免费黄网站久久成人精品| 日韩强制内射视频| 欧美三级亚洲精品| 久热久热在线精品观看| 国国产精品蜜臀av免费| 美女脱内裤让男人舔精品视频| 干丝袜人妻中文字幕| 免费不卡的大黄色大毛片视频在线观看 | 免费观看性生交大片5| 国产片特级美女逼逼视频| 久久精品91蜜桃| 99久国产av精品国产电影| 亚洲av中文av极速乱| 极品教师在线视频| 久久精品国产自在天天线| 免费黄网站久久成人精品| 色综合亚洲欧美另类图片| 亚洲国产精品国产精品| 婷婷六月久久综合丁香| 久久精品国产亚洲av天美| 少妇丰满av| 女的被弄到高潮叫床怎么办| 日韩中字成人| 内地一区二区视频在线| 成人国产麻豆网| 精品人妻一区二区三区麻豆| 天堂√8在线中文| 国产又黄又爽又无遮挡在线| 亚洲伊人久久精品综合 | 免费看光身美女| 欧美激情在线99| 看免费成人av毛片| av国产久精品久网站免费入址| 精品国产一区二区三区久久久樱花 | 黄片wwwwww| 久久久a久久爽久久v久久| 男女边吃奶边做爰视频| 日韩国内少妇激情av| 国产精品久久视频播放| 国产高潮美女av| 免费看av在线观看网站| 亚洲怡红院男人天堂| 天堂网av新在线| 国产精品爽爽va在线观看网站| 伦理电影大哥的女人| 精品欧美国产一区二区三|