• <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 ?

    基于多源交通數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)

    2019-05-14 01:41:10陸百川馬廣露
    關(guān)鍵詞:交通流量交通流數(shù)據(jù)源

    陸百川,舒 芹,馬廣露

    (1. 重慶交通大學(xué) 交通運(yùn)輸學(xué)院,重慶 400074; 2. 重慶交通大學(xué) 山地城市交通系統(tǒng)與安全實(shí)驗(yàn)室,重慶 400074)

    0 引 言

    隨著計(jì)算機(jī)技術(shù)迅速發(fā)展,交通信息采集的智能化程度不斷提高[1],獲得的交通數(shù)據(jù)種類和數(shù)量越來越多。由于各類交通檢測(cè)器檢測(cè)原理不同及安裝位置變化等,使得每類交通數(shù)據(jù)中所包含的信息及所受到的限制條件各不相同,故對(duì)多源交通數(shù)據(jù)動(dòng)態(tài)融合能獲得更有用的交通信息,從而才能為解決城市交通問題打下基礎(chǔ)。

    在交通數(shù)據(jù)采集方面,陸化普等[2]分析了不同來源交通數(shù)據(jù)的基本特性,提出了交通數(shù)據(jù)分析方法將從單一數(shù)學(xué)模型轉(zhuǎn)變?yōu)榧瘷C(jī)理、知識(shí)和數(shù)據(jù)驅(qū)動(dòng)為一體的混合建模發(fā)展趨勢(shì)。在交通數(shù)據(jù)融合方面,史巖等[3]利用神經(jīng)網(wǎng)絡(luò)和回歸分析法,并基于浮動(dòng)車與微波檢測(cè)器速度參數(shù)構(gòu)建了融合模型,得到了更高質(zhì)量的速度數(shù)據(jù),但對(duì)兩者速度特性及差異缺乏分析;沈穎潔等[4]引入數(shù)據(jù)融合技術(shù)對(duì)不同預(yù)測(cè)方法的行程時(shí)間預(yù)測(cè)值進(jìn)行處理,雖考慮了檢測(cè)器布設(shè)影響,但融合數(shù)據(jù)僅來自均勻分布的檢測(cè)器。在短時(shí)交通流預(yù)測(cè)方面,吳凡等[5]增加動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)率來修正GA-WNN預(yù)測(cè)模型網(wǎng)絡(luò)參數(shù),以較快收斂速度獲得了較高預(yù)測(cè)精度,但對(duì)樣本數(shù)據(jù)來源可靠性缺少分析;蔣肖[6]選取交通量、占有率和平均車速為訓(xùn)練參數(shù),基于支持向量機(jī)回歸及RBF神經(jīng)網(wǎng)絡(luò)分別建立了單交通參數(shù)及多參數(shù)融合的短時(shí)交通流預(yù)測(cè)模型,但訓(xùn)練數(shù)據(jù)僅來源于單一交通檢測(cè)器。

    筆者利用融合數(shù)據(jù)互補(bǔ)性、全面性和精準(zhǔn)性等特點(diǎn),結(jié)合遺傳算法較強(qiáng)地全局搜索能力和小波神經(jīng)網(wǎng)絡(luò)較高地自適應(yīng)學(xué)習(xí)性,提出利用多源數(shù)據(jù)融合與遺傳-小波神經(jīng)網(wǎng)絡(luò)(GA-WNN)相結(jié)合方法進(jìn)行交通流預(yù)測(cè)。以不同檢測(cè)器得到單一流量數(shù)據(jù)序列為基礎(chǔ),分別基于GA-WNN、GA-NN與WNN構(gòu)建交通流量預(yù)測(cè)模型,得到單源最優(yōu)預(yù)測(cè)序列;在對(duì)多源交通數(shù)據(jù)融合和短時(shí)交通流預(yù)測(cè)必要性進(jìn)行綜合分析基礎(chǔ)上,利用最小二乘動(dòng)態(tài)加權(quán)融合算法將各單源預(yù)測(cè)結(jié)果進(jìn)行處理,得到最優(yōu)融合預(yù)測(cè)序列。通過案例分析證明:基于GA-WNN和多源交通數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)結(jié)果精度高于單一數(shù)據(jù)源的結(jié)果。

    1 基于多源數(shù)據(jù)融合短時(shí)預(yù)測(cè)

    1.1 多源交通數(shù)據(jù)特性分析

    目前城市交通系統(tǒng)中存有大量交通數(shù)據(jù),通常包括靜態(tài)數(shù)據(jù)與動(dòng)態(tài)數(shù)據(jù)。動(dòng)態(tài)交通數(shù)據(jù)會(huì)隨著采集時(shí)間、地點(diǎn)和獲取方式差異而出現(xiàn)不同特征和性質(zhì),在實(shí)際運(yùn)用時(shí)必須對(duì)這類數(shù)據(jù)進(jìn)行分析處理,從而得到有用的交通信息。

    按采集時(shí)間不同,獲得動(dòng)態(tài)數(shù)據(jù)能描述斷面歷史與實(shí)時(shí)的交通狀態(tài)特征。按采集地點(diǎn)變化,獲得的交通數(shù)據(jù)能描述整個(gè)路網(wǎng)交通流空間分布特征。按采集方式差異[7],人工調(diào)查數(shù)據(jù)能直接解析調(diào)查區(qū)域交通出行特征與規(guī)律,但數(shù)據(jù)量有限且主觀性強(qiáng)、更新周期長;車檢設(shè)備數(shù)據(jù)能提供檢測(cè)地點(diǎn)的交通流特征,但精確性與布設(shè)密度有關(guān);浮動(dòng)車GPS數(shù)據(jù)能提供行駛路段區(qū)間的運(yùn)行參數(shù)特征或單個(gè)車輛的實(shí)時(shí)運(yùn)行特征,但穩(wěn)定性、連續(xù)性差;手機(jī)信令、公交IC卡數(shù)據(jù),獲取方便、內(nèi)容完整、更新連續(xù),能提供交通出行的精細(xì)化過程,但巨量數(shù)據(jù)分析與處理過程繁瑣。因而,不同的交通數(shù)據(jù)在時(shí)間、空間、側(cè)重點(diǎn)及用途上都表現(xiàn)出差異性[8],能以不同程度描述目標(biāo)路段交通流運(yùn)行特征。綜合分析、處理多源交通數(shù)據(jù)就能得到全面、可靠與互補(bǔ)的交通信息。

    1.2 多源交通數(shù)據(jù)融合

    不同來源的交通數(shù)據(jù)包含著不同的且有限的交通信息,將各單源交通數(shù)據(jù)進(jìn)行融合能克服單源獲取信息的局限性,能獲得更全面與有用的交通信息,以掌握整個(gè)路網(wǎng)交通運(yùn)行狀態(tài)。

    交通數(shù)據(jù)融合有3個(gè)層次[9]:① 數(shù)據(jù)級(jí)融合是直接對(duì)原始交通數(shù)據(jù)進(jìn)行處理,信息量大,處理時(shí)間長且數(shù)據(jù)必須同類型;② 特征級(jí)融合是將從原始數(shù)據(jù)中提取出來的交通流量、速度及行程時(shí)間等特征信息融合,但交通特征參數(shù)提取困難且關(guān)聯(lián)復(fù)雜度高;③ 決策級(jí)融合是對(duì)每個(gè)單源信息交通輸出結(jié)果以融合處理,即使某數(shù)據(jù)源出現(xiàn)錯(cuò)誤,也能輸出正確結(jié)果,靈活性高、信息量小。筆者以車檢(微波、視頻、地磁)數(shù)據(jù)與浮動(dòng)車數(shù)據(jù)為分析要點(diǎn),由于車檢數(shù)據(jù)源屬于斷面交通參數(shù),浮動(dòng)車數(shù)據(jù)源屬于區(qū)間交通參數(shù);經(jīng)數(shù)據(jù)時(shí)空匹配后兩者都有一致的時(shí)間、空間特性,故采用決策級(jí)融合,即利用各單一數(shù)據(jù)源預(yù)測(cè)的交通流量值進(jìn)行融合分析,從而為解決交通問題提供更可靠的決策依據(jù)。

    1.3 短時(shí)交通流預(yù)測(cè)需求分析

    交通管理、控制與智能誘導(dǎo)不但需要掌握實(shí)時(shí)交通流狀態(tài),還必須了解未來交通變化狀況與發(fā)展趨勢(shì),短時(shí)交通流預(yù)測(cè)作為未來交通數(shù)據(jù)的主要來源,能為智能交通系統(tǒng)提供有效的未來交通信息。

    對(duì)交通管理者而言,通過預(yù)測(cè)交通信息判斷路網(wǎng)未來交通狀態(tài)波動(dòng),為交通控制與誘導(dǎo)提供決策支持,實(shí)現(xiàn)路網(wǎng)交通流均勻分配,使路網(wǎng)交通總延誤最小與道路利用率最高;對(duì)交通出行者而言,根據(jù)預(yù)測(cè)信息獲取出行區(qū)間內(nèi)路段未來交通運(yùn)行狀態(tài),為出行路徑規(guī)劃提供參考,以提前選擇出行線路、出行方式及出行時(shí)間[10],達(dá)到最小的出行成本與出行延誤,最高的出行便捷性與舒適性。

    1.4 多源數(shù)據(jù)交通流預(yù)測(cè)

    不同的交通檢測(cè)器數(shù)據(jù)采集頻率不能完全一致,使得獲得的交通數(shù)據(jù)在時(shí)間序列與空間位置上并不能完全同步,直接將原始數(shù)據(jù)進(jìn)行融合無法很好反應(yīng)斷面交通特性。筆者分別對(duì)各個(gè)檢測(cè)器的交通流量參數(shù)進(jìn)行短時(shí)預(yù)測(cè)處理,輸出目標(biāo)路段在同一時(shí)段、相同間隔的交通流量預(yù)測(cè)序列,從而保證了各單源預(yù)測(cè)序列在時(shí)間與空間上的同步;之后將預(yù)測(cè)結(jié)果進(jìn)行動(dòng)態(tài)加權(quán)融合,獲得最優(yōu)短時(shí)交通流預(yù)測(cè)序列,如圖1。

    圖1 基于多源數(shù)據(jù)的交通流預(yù)測(cè)模型

    按照時(shí)間、空間特性匹配的原則收集城市道路網(wǎng)絡(luò)中的各交通檢測(cè)器數(shù)據(jù),以同路段為約束將其轉(zhuǎn)換為同時(shí)段、同間隔的關(guān)聯(lián)數(shù)據(jù);之后將各檢測(cè)器的交通量數(shù)據(jù)按相同時(shí)間范圍分為訓(xùn)練集與驗(yàn)證集,運(yùn)用各訓(xùn)練集數(shù)據(jù)擬合預(yù)測(cè)模型,以各驗(yàn)證集數(shù)據(jù)為輸入得到各單源在同一時(shí)段的短時(shí)交通流預(yù)測(cè)結(jié)果;將各檢測(cè)器實(shí)際采集交通量數(shù)據(jù)與預(yù)測(cè)輸出值對(duì)比,計(jì)算不同源數(shù)據(jù)在每時(shí)段間隔內(nèi)預(yù)測(cè)結(jié)果的方差;最后根據(jù)上一時(shí)段融合值與檢測(cè)值實(shí)時(shí)更新下一時(shí)段各單源交通數(shù)據(jù)預(yù)測(cè)值的最小二乘動(dòng)態(tài)融合權(quán)重,得到融合后的最優(yōu)短時(shí)交通流量預(yù)測(cè)序列。

    2 短時(shí)預(yù)測(cè)模型構(gòu)建

    2.1 遺傳-小波神經(jīng)網(wǎng)絡(luò)(GA-WNN)

    遺傳算法[11](genetic algorithm, GA)是一種基于自然選擇和基因遺傳學(xué)原理的群體優(yōu)化搜索算法,具有并行、高效、全局搜索等優(yōu)點(diǎn)。小波神經(jīng)網(wǎng)絡(luò)(wavelet neural networks, WNN)是基于小波分析與神經(jīng)網(wǎng)絡(luò)的結(jié)合。小波分析[12]時(shí)-頻局部化性質(zhì)良好,可聚焦到任一局部信號(hào)細(xì)節(jié),能降低交通流中的噪聲干擾;神經(jīng)網(wǎng)絡(luò)容錯(cuò)性使多源數(shù)據(jù)中某信息源出現(xiàn)錯(cuò)誤時(shí)仍可輸出可靠結(jié)果,自學(xué)習(xí)與自組織功能使系統(tǒng)能適應(yīng)數(shù)據(jù)的不確定變化,神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和實(shí)現(xiàn)從輸入-輸出的任意非線性映射關(guān)系的特點(diǎn),適用于對(duì)多源交通數(shù)據(jù)的融合處理?;趦烧邇?yōu)勢(shì)結(jié)合使小波神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的函數(shù)逼近能力與適應(yīng)性。

    由于小波神經(jīng)網(wǎng)絡(luò)權(quán)值、閾值及因子采用隨機(jī)化的方式初始化,使網(wǎng)絡(luò)的收斂速度、融合預(yù)測(cè)精度以及平穩(wěn)性無法得到保證,而遺傳算法作為并行隨機(jī)搜索的最優(yōu)化方法,用其去優(yōu)化小波神經(jīng)網(wǎng)絡(luò)初始參數(shù)可有效防止搜索過程收斂于局部最優(yōu)解,能提高融合預(yù)測(cè)模型精度與加快收斂速度,同時(shí)能為網(wǎng)絡(luò)參數(shù)的初始化選擇提供依據(jù)。

    2.2 基于GA-WNN的交通數(shù)據(jù)處理及預(yù)測(cè)

    選用含有3層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),即輸入層、隱含層、輸出層的遺傳-小波神經(jīng)網(wǎng)絡(luò)(GA-WNN)對(duì)多源檢測(cè)器的交通量參數(shù)進(jìn)行處理。設(shè)某種交通檢測(cè)器以5 min為一個(gè)周期進(jìn)行統(tǒng)計(jì),所采集交通流量序列為xi(i=1,2,3,…,k),并作為小波神經(jīng)網(wǎng)絡(luò)的輸入交通參數(shù),則隱含層輸出計(jì)算如式(1):

    (1)

    式中:s(j)為隱含層第j個(gè)節(jié)點(diǎn)的輸出流量值,且j=1,2,…,n;sj為小波基函數(shù);ij為輸入層到隱含層的權(quán)值;b(j)、a(j)分別為小波基函數(shù)sj的平移因子、伸縮因子。

    選擇Morlet小波作為WNN的基函數(shù)來處理所采集的交通流量序列,如式(2):

    s(x)=e-x2/2cos(1.75x)

    (2)

    網(wǎng)絡(luò)輸出層計(jì)算預(yù)測(cè)交通量值如式(3):

    式中:y(k)為輸出層第k個(gè)節(jié)點(diǎn)的預(yù)測(cè)流量輸出值;jk為隱含層到輸出層的權(quán)值;s(j)為隱含層第j個(gè)節(jié)點(diǎn)的輸出流量值;m、l分別為輸出層、隱含層節(jié)點(diǎn)個(gè)數(shù)。

    聯(lián)立式(1)~(3),并經(jīng)大量輸入輸出交通流量數(shù)據(jù)訓(xùn)練、擬合模型后,模型便有了預(yù)測(cè)能力;通過輸入驗(yàn)證流量數(shù)據(jù)序列,便可輸出基于該種檢測(cè)器數(shù)據(jù)的預(yù)測(cè)交通流量序列。但網(wǎng)絡(luò)模型在訓(xùn)練時(shí),會(huì)產(chǎn)生誤差且會(huì)反向傳播[13],引入梯度下降算法對(duì)模型各層的連接權(quán)值及參數(shù)按式(4)進(jìn)行修正,使預(yù)測(cè)值逼近期望值。

    {λ(i+1)n,k=λ(i)n,k+Δλ(i+1)n,k

    a(i+1)k=a(i)k+Δa(i+1)k

    b(i+1)k=b(i)k+Δb(i+1)k

    (4)

    式(4)中的修正值可按式(5)進(jìn)行計(jì)算:

    式中:η為小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率;e為預(yù)測(cè)誤差。

    預(yù)測(cè)誤差e可按式(6)計(jì)算。

    (6)

    式中:yn(k)為實(shí)際交通流量值;y(k)為預(yù)測(cè)交通流量輸出值。

    對(duì)目標(biāo)路段上,同一時(shí)段里每種交通檢測(cè)器的流量數(shù)據(jù)都采用以上方法及步驟對(duì)其進(jìn)行分析處理,從而獲得基于單源檢測(cè)器的預(yù)測(cè)流量序列,為后期的多源融合最好數(shù)據(jù)準(zhǔn)備。

    2.3 基于GA-WNN與多源預(yù)測(cè)結(jié)果融合

    筆者以多源預(yù)測(cè)值中的加權(quán)誤差平方和最小為原則,充分利用不同數(shù)據(jù)源經(jīng)GA-WNN預(yù)測(cè)輸出結(jié)果的不同交通流特性,依據(jù)預(yù)測(cè)流量值與實(shí)測(cè)流量值分別進(jìn)行實(shí)時(shí)方差計(jì)算,并根據(jù)上一時(shí)段融合值與實(shí)測(cè)值實(shí)時(shí)更新下一時(shí)段各單源交通數(shù)據(jù)預(yù)測(cè)值的最小二乘動(dòng)態(tài)融合權(quán)重,使精度較高交通量預(yù)測(cè)序列所占比重大,而精度較低的交通量預(yù)測(cè)序列所占比重小?;谧钚《藙?dòng)態(tài)加權(quán)融合的算法既考慮了不同數(shù)據(jù)源預(yù)測(cè)流量序列的不同交通特征信息,又考慮了隨機(jī)因素對(duì)流量檢測(cè)值的影響,增強(qiáng)了融合的精度與抗干擾能力。

    以不同檢測(cè)器預(yù)測(cè)輸出值作為融合的基礎(chǔ),并以(t-1)時(shí)段融合權(quán)重實(shí)時(shí)更新t時(shí)段動(dòng)態(tài)誤差,由式(7)可得t時(shí)段融合后的交通流量預(yù)測(cè)值。

    (7)

    式中:yt為t時(shí)段融合后的交通流量預(yù)測(cè)值;yti為第i種交通檢測(cè)器在t時(shí)段的交通流量預(yù)測(cè)值;wt-1,i則為yti的融合權(quán)重;n為多源交通檢測(cè)器個(gè)數(shù)。

    設(shè)第i種檢測(cè)器的交通流量預(yù)測(cè)方差為σi,且σi=E[(yk-yki)],k=t-1,t-2,…,t-n;yk為k時(shí)段各交通檢測(cè)器的實(shí)測(cè)流量值,yki為k時(shí)段第i種交通檢測(cè)器的預(yù)測(cè)流量值。利用式(8)能得到多源融合的預(yù)測(cè)估計(jì)方差。

    (8)

    取式(8)中wti的偏導(dǎo)數(shù),并令其為0,取其極小值,有wti=1/σi,則t時(shí)段融合權(quán)重與方差成反比。并且將其代入(8)可得多個(gè)交通檢測(cè)器預(yù)測(cè)結(jié)果融合輸出后的估計(jì)方差,按式(9)計(jì)算:

    (9)

    從式(9)可看出:將不同交通檢測(cè)器的預(yù)測(cè)流量輸出值進(jìn)行融合后,其預(yù)測(cè)方差比單一交通檢測(cè)器預(yù)測(cè)結(jié)果方差小,從而短時(shí)交通流預(yù)測(cè)結(jié)果精度更高,提供的未知交通信息更可靠。

    基于多源交通流量數(shù)據(jù)融合及GA-WNN的短時(shí)交通流預(yù)測(cè)流程如圖2[14]。

    圖2 基于多源數(shù)據(jù)與遺傳小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)流程

    基于GA-WNN與多源交通數(shù)據(jù)的短時(shí)交通流預(yù)詳細(xì)步驟如下:

    1)收集預(yù)測(cè)路段各種交通檢測(cè)器的交通參數(shù),經(jīng)預(yù)處理后使不同源數(shù)據(jù)在時(shí)間與空間上保持一致性;

    3)將預(yù)測(cè)交通流量與實(shí)際采集交通流量間的誤差和確定為適應(yīng)度值;

    4)選擇、交叉、變異操作,且取交叉概率為0.7,變異概率為0.008;

    5)重復(fù)步驟3)、4)直到達(dá)到最大迭代次數(shù)或規(guī)定適應(yīng)度要求,并將遺傳算法優(yōu)化而得到的最優(yōu)種群依次解碼得到各種參數(shù);

    6)利用所采集的多源交通流量數(shù)據(jù)分別對(duì)步驟5)解碼后的權(quán)值及因子訓(xùn)練擬合預(yù)測(cè)模型,并不斷修正及更新參數(shù),直到訓(xùn)練誤差或訓(xùn)練次數(shù)滿足規(guī)定要求;

    7)分別以不同檢測(cè)器的歷史交通流量數(shù)據(jù)為預(yù)測(cè)模型的輸入,將要預(yù)測(cè)時(shí)刻的流量作為預(yù)測(cè)模型的輸出,得到單一檢測(cè)器流量數(shù)據(jù)的預(yù)測(cè)結(jié)果;

    8)按照各單一數(shù)據(jù)源流量預(yù)測(cè)結(jié)果精度的高低運(yùn)用最小二乘加權(quán)動(dòng)態(tài)融合法進(jìn)行處理,得到最優(yōu)短時(shí)交通流量預(yù)測(cè)序列。

    3 算例分析

    筆者以合肥市某小型路網(wǎng)為研究對(duì)象,其實(shí)際路網(wǎng)如圖3。該道路網(wǎng)絡(luò)中分布有丁字形、十字形等交叉口,具有代表性;布設(shè)有微波、視頻、地磁等車輛檢測(cè)器,交通數(shù)據(jù)獲取方便。選取“黃山路—科學(xué)大道”交叉口至“黃山路—天智路”交叉口間路段的多源交通數(shù)據(jù)為分析基礎(chǔ);其中,微波與視頻檢測(cè)器安裝在距“黃山路-天智路”交叉口停車線25m處,地磁檢測(cè)器在距停車線5、40m處都有安裝,但40m處檢測(cè)器采集的交通數(shù)據(jù)缺失,故地磁數(shù)據(jù)源以距停車線5m處的采集數(shù)據(jù)為準(zhǔn)。

    圖3 實(shí)際路網(wǎng)

    考慮到工作日交通流的相似性,整理和處理視頻、微波、地磁與浮動(dòng)車在2016年6月27日—7月1日、7月4日—8日的交通流數(shù)據(jù);由于視頻與浮動(dòng)車數(shù)據(jù)的采集在夜間缺失嚴(yán)重,故筆者只選用每天08:00—20:00的多源數(shù)據(jù)為預(yù)測(cè)樣本。為反映樣本數(shù)據(jù)采集時(shí)效性,同時(shí)降低交通流波動(dòng)對(duì)數(shù)據(jù)采集結(jié)果的影響,將各單源數(shù)據(jù)以5min時(shí)間間隔劃分,實(shí)現(xiàn)多源數(shù)據(jù)時(shí)間同步;以固定檢測(cè)器位置(如:微波檢測(cè)器)來挑選浮動(dòng)車數(shù)據(jù),由微波檢測(cè)器DETECT_ID(設(shè)備編號(hào))與ROAD_ID(路段編號(hào))確定的檢測(cè)路段在浮動(dòng)車LINK_ID中找到相匹配信息,實(shí)現(xiàn)多源數(shù)據(jù)空間同步。浮動(dòng)車直接獲取的交通參數(shù)為速度,利用楊濤[15]提出的三段式速度-流量模型對(duì)求得的平均速度進(jìn)行處理,得到行車區(qū)間內(nèi)的交通流量推算值。表1為不同數(shù)據(jù)源在7月5日13:00—13:30時(shí)段內(nèi)的初始交通流量(pcu/5min)。

    表1 初始數(shù)據(jù)采集及處理結(jié)果

    使用微波、地磁與浮動(dòng)車流量數(shù)據(jù)融合預(yù)測(cè)短時(shí)交通流量,并將預(yù)測(cè)結(jié)果與視頻實(shí)測(cè)流量值進(jìn)行比較;選取前9 d流量數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練集;并以7月14日流量數(shù)據(jù)作為驗(yàn)證集,預(yù)測(cè)輸出為11:30—14:30時(shí)段內(nèi)的交通流量序列。采用MAE、MRE和MSE這3個(gè)誤差指標(biāo)來量化評(píng)價(jià)短時(shí)預(yù)測(cè)精度及預(yù)測(cè)結(jié)果融合的可靠性。其中:MAE反映預(yù)測(cè)值誤差的實(shí)際情況;MRE反映預(yù)測(cè)偏離實(shí)測(cè)值的程度;MSE反映預(yù)測(cè)誤差的集中與離散程度。其定義如式(10):

    (10)

    為比較單檢測(cè)器流量數(shù)據(jù)與多檢測(cè)器流量數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)結(jié)果。利用MATLAB平臺(tái)基于遺傳小波神經(jīng)網(wǎng)絡(luò)模型對(duì)微波、地磁及浮動(dòng)車流量數(shù)據(jù)以及預(yù)測(cè)輸出結(jié)果進(jìn)行處理,得到4種數(shù)據(jù)源的交通流量預(yù)測(cè)序列及相對(duì)誤差分布,如圖4;預(yù)測(cè)誤差分析如表2。

    通過4種數(shù)據(jù)源預(yù)測(cè)流量序列與實(shí)測(cè)流量序列偏離程度及平均相對(duì)誤差波動(dòng)范圍的比較,預(yù)測(cè)效果由壞到好依次為浮動(dòng)車數(shù)據(jù)、地磁數(shù)據(jù)、微波數(shù)據(jù)及多源融合預(yù)測(cè)。由于多源融合協(xié)調(diào)了各種數(shù)據(jù)源不同的交通特性,綜合運(yùn)用了不同的交通信息,提高了預(yù)測(cè)樣本數(shù)據(jù)的時(shí)空覆蓋率,從而使預(yù)測(cè)結(jié)果相對(duì)單源較平穩(wěn),預(yù)測(cè)效果最好。

    圖4 4種數(shù)據(jù)源的交通流量預(yù)測(cè)及相對(duì)誤差

    表2 多源交通數(shù)據(jù)及融合預(yù)測(cè)結(jié)果對(duì)比

    微波、地磁、浮動(dòng)車與多源數(shù)據(jù)預(yù)測(cè)的平均絕對(duì)誤差(MAE)分別為8.65、12.21、13.15、7.71,則多源融合預(yù)測(cè)累計(jì)誤差小于單源數(shù)據(jù)預(yù)測(cè)序列誤差;平均相對(duì)誤差(MRE)分別為0.27、0.20、0.26、0.16,多源融合的MRE低于單源檢測(cè)器預(yù)測(cè)的誤差值,使預(yù)測(cè)值偏離實(shí)測(cè)值的離散程度得到改善。通過與MSE值對(duì)比,也可看出多源融合預(yù)測(cè)精度高于單源預(yù)測(cè)結(jié)果;因此基于多源融合的預(yù)測(cè)結(jié)果優(yōu)于僅使用固定或移動(dòng)數(shù)據(jù)的短時(shí)交通流預(yù)測(cè)序列。為驗(yàn)證GA-WNN模型融合預(yù)測(cè)可靠性,利用MATLAB將實(shí)測(cè)流量分別基于遺傳神經(jīng)網(wǎng)絡(luò)(GA-NN)模型、小波神經(jīng)網(wǎng)絡(luò)(WNN)模型進(jìn)行處理。表3為預(yù)測(cè)誤差定量化分析;圖5為不同模型預(yù)測(cè)結(jié)果比較曲線及其平均相對(duì)誤差分布。

    表3 基于不同模型的融合預(yù)測(cè)結(jié)果對(duì)比

    圖5 基于不同模型的交通流量預(yù)測(cè)及相對(duì)誤差

    基于GA-WNN模型融合預(yù)測(cè)交通流量最接近于實(shí)測(cè)值,預(yù)測(cè)誤差波動(dòng)范圍也最小,模型融合預(yù)測(cè)性能最好;基于GA-NN模型融合預(yù)測(cè)值能較好接近真實(shí)值,融合預(yù)測(cè)效果為次最優(yōu);而WNN模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)值偏差最大,誤差波動(dòng)范圍也最大,預(yù)測(cè)效果最差。

    對(duì)于MAE指標(biāo),GA-WNN相比于GA-NN減小了7.5%,相比于WNN減小了15.1%;對(duì)于MRE指標(biāo),GA-WNN相比于GA-NN減小了7.1%,相比于WNN減小了23.2%;對(duì)于模型計(jì)算時(shí)間(TIME)指標(biāo),GA-WNN相比于GA-NN減小了3.0%,相比與WNN減小了37.5%。由此可見,筆者提出的GA-WNN模型融合預(yù)測(cè)的MAE、MRE與MSE都最小,且網(wǎng)絡(luò)收斂速度也快,預(yù)測(cè)可靠性及實(shí)時(shí)性強(qiáng),預(yù)測(cè)效果最好。故基于遺傳小波神經(jīng)網(wǎng)絡(luò)和多源交通數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)序列結(jié)果最優(yōu)、精度最高,能為交通管理者的判斷決策與交通出行者的路徑選擇提供更準(zhǔn)確、全面的交通信息。

    4 結(jié) 語

    筆者通過對(duì)多源交通數(shù)據(jù)智能融合及短時(shí)交通流預(yù)測(cè)必要性的綜合分析,以微波、地磁、浮動(dòng)車與視頻交通流量參數(shù)序列為基礎(chǔ),分別利用GA-WNN、GA-NN與WNN進(jìn)行短時(shí)流量預(yù)測(cè),采用最小二乘動(dòng)態(tài)加權(quán)融合法將單一數(shù)據(jù)源預(yù)測(cè)結(jié)果融合處理而得到最優(yōu)短時(shí)交通流預(yù)測(cè)序列。利用平均絕對(duì)誤差MAE、平均相對(duì)誤差MRE和均方差MSE這3個(gè)誤差指標(biāo)為各模型的短時(shí)預(yù)測(cè)序列評(píng)價(jià)標(biāo)準(zhǔn)。經(jīng)實(shí)例驗(yàn)證分析,基于多檢測(cè)器數(shù)據(jù)融合和遺傳小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)精度優(yōu)于單一數(shù)據(jù)源的短時(shí)交通流預(yù)測(cè)序列。

    猜你喜歡
    交通流量交通流數(shù)據(jù)源
    基于XGBOOST算法的擁堵路段短時(shí)交通流量預(yù)測(cè)
    基于GA-BP神經(jīng)網(wǎng)絡(luò)的衡大高速公路日交通流量預(yù)測(cè)
    Web 大數(shù)據(jù)系統(tǒng)數(shù)據(jù)源選擇*
    基于不同網(wǎng)絡(luò)數(shù)據(jù)源的期刊評(píng)價(jià)研究
    交通流隨機(jī)行為的研究進(jìn)展
    路內(nèi)停車對(duì)交通流延誤影響的定量分析
    基于真值發(fā)現(xiàn)的沖突數(shù)據(jù)源質(zhì)量評(píng)價(jià)算法
    具有負(fù)壓力的Aw-Rascle交通流的Riemann問題
    基于復(fù)合卡和ETC的交通流量采集研究
    MLFF系統(tǒng)在交通流量控制中的應(yīng)用
    色5月婷婷丁香| 亚洲精品aⅴ在线观看| 免费观看精品视频网站| 99久久精品一区二区三区| 亚洲国产日韩欧美精品在线观看| 亚洲成人av在线免费| 边亲边吃奶的免费视频| 久久国产乱子免费精品| 久久久久久伊人网av| 又粗又爽又猛毛片免费看| 波多野结衣高清无吗| 国产不卡一卡二| 久久99蜜桃精品久久| 国产精品久久久久久精品电影| 看非洲黑人一级黄片| 黑人高潮一二区| 久久人人爽人人爽人人片va| 国产亚洲91精品色在线| 观看美女的网站| 嫩草影院入口| 干丝袜人妻中文字幕| videos熟女内射| 成人欧美大片| 女人久久www免费人成看片 | 村上凉子中文字幕在线| 日日啪夜夜撸| 欧美日韩精品成人综合77777| 亚洲欧美成人综合另类久久久 | 久久久国产成人精品二区| 久久精品夜色国产| 成年av动漫网址| 国产在线男女| 精品国产一区二区三区久久久樱花 | 大又大粗又爽又黄少妇毛片口| videos熟女内射| 一级毛片aaaaaa免费看小| 小蜜桃在线观看免费完整版高清| av在线亚洲专区| 国产精品1区2区在线观看.| 久久热精品热| 亚洲美女视频黄频| 精品久久国产蜜桃| 色吧在线观看| 激情 狠狠 欧美| 丰满少妇做爰视频| 免费在线观看成人毛片| 尤物成人国产欧美一区二区三区| 亚洲丝袜综合中文字幕| 欧美不卡视频在线免费观看| 一区二区三区高清视频在线| 日韩中字成人| 亚洲av免费在线观看| 青春草亚洲视频在线观看| 97热精品久久久久久| 少妇熟女欧美另类| 级片在线观看| 国产伦理片在线播放av一区| 国产午夜福利久久久久久| 人人妻人人澡欧美一区二区| 亚洲18禁久久av| 一夜夜www| 一级av片app| 又黄又爽又刺激的免费视频.| 国产免费男女视频| 伊人久久精品亚洲午夜| 亚洲av二区三区四区| 我的老师免费观看完整版| 蜜臀久久99精品久久宅男| 久久久久久伊人网av| 观看美女的网站| av女优亚洲男人天堂| 99久国产av精品| 亚洲丝袜综合中文字幕| 夫妻性生交免费视频一级片| 日本五十路高清| 国产一区二区在线观看日韩| 一边亲一边摸免费视频| 听说在线观看完整版免费高清| 最近中文字幕高清免费大全6| 观看美女的网站| 午夜福利在线观看吧| 在线免费观看不下载黄p国产| 国产美女午夜福利| 老司机福利观看| 免费av观看视频| 高清午夜精品一区二区三区| 国产 一区精品| 麻豆国产97在线/欧美| 六月丁香七月| 99热这里只有是精品在线观看| 午夜久久久久精精品| 亚洲,欧美,日韩| 久久久久久九九精品二区国产| 男女下面进入的视频免费午夜| 国产亚洲91精品色在线| 听说在线观看完整版免费高清| 午夜免费激情av| 欧美成人精品欧美一级黄| 简卡轻食公司| 精品久久久久久久久久久久久| 国产成人午夜福利电影在线观看| 国产亚洲精品av在线| 亚洲中文字幕日韩| 日本与韩国留学比较| 长腿黑丝高跟| 六月丁香七月| 国产亚洲一区二区精品| 亚洲在线自拍视频| 免费看光身美女| 日韩人妻高清精品专区| 日日撸夜夜添| 搡老妇女老女人老熟妇| 国产精品熟女久久久久浪| 如何舔出高潮| 日韩在线高清观看一区二区三区| 国产午夜福利久久久久久| 搡女人真爽免费视频火全软件| 有码 亚洲区| videossex国产| 男人狂女人下面高潮的视频| a级一级毛片免费在线观看| 国产精品久久久久久久电影| 久久精品久久久久久噜噜老黄 | 成年av动漫网址| 亚洲无线观看免费| 精品不卡国产一区二区三区| 免费观看a级毛片全部| 亚洲欧洲日产国产| av免费在线看不卡| 日韩成人av中文字幕在线观看| 亚洲欧美日韩卡通动漫| 国产淫片久久久久久久久| 久久精品国产亚洲av天美| 日韩欧美在线乱码| 成人毛片a级毛片在线播放| 亚洲av.av天堂| 国产高清国产精品国产三级 | 毛片女人毛片| 特大巨黑吊av在线直播| 97超碰精品成人国产| 成人毛片a级毛片在线播放| 亚州av有码| 丰满少妇做爰视频| 高清毛片免费看| 久久精品国产亚洲av涩爱| 免费av不卡在线播放| 亚洲成人中文字幕在线播放| 国国产精品蜜臀av免费| 春色校园在线视频观看| 欧美极品一区二区三区四区| 尾随美女入室| 日韩一本色道免费dvd| 亚洲国产欧洲综合997久久,| 午夜福利视频1000在线观看| av女优亚洲男人天堂| 十八禁国产超污无遮挡网站| 亚洲国产精品合色在线| 国产亚洲5aaaaa淫片| 国产亚洲91精品色在线| 国语对白做爰xxxⅹ性视频网站| 91精品国产九色| 亚洲人成网站在线观看播放| 三级国产精品欧美在线观看| 亚洲欧洲国产日韩| 青青草视频在线视频观看| 亚洲精品色激情综合| 久久国产乱子免费精品| 2021少妇久久久久久久久久久| 国产黄色小视频在线观看| 欧美一区二区精品小视频在线| 国产免费福利视频在线观看| 边亲边吃奶的免费视频| 99久久九九国产精品国产免费| 99久久精品一区二区三区| 精品99又大又爽又粗少妇毛片| 成人美女网站在线观看视频| 99在线视频只有这里精品首页| a级毛片免费高清观看在线播放| 又粗又爽又猛毛片免费看| 亚洲av成人精品一区久久| 国产高清有码在线观看视频| 九草在线视频观看| 天天一区二区日本电影三级| 国产又黄又爽又无遮挡在线| 亚洲欧洲日产国产| 又粗又爽又猛毛片免费看| 自拍偷自拍亚洲精品老妇| 99久久无色码亚洲精品果冻| 一区二区三区免费毛片| 欧美潮喷喷水| 精品一区二区免费观看| 成年av动漫网址| 国产一区二区三区av在线| 中文字幕久久专区| 免费在线观看成人毛片| 最近最新中文字幕免费大全7| 97人妻精品一区二区三区麻豆| 男人舔奶头视频| 成人亚洲精品av一区二区| 美女国产视频在线观看| 欧美bdsm另类| 日韩精品青青久久久久久| 亚洲经典国产精华液单| 日韩av在线大香蕉| 欧美一区二区国产精品久久精品| 国产 一区 欧美 日韩| .国产精品久久| 中文字幕免费在线视频6| 狂野欧美白嫩少妇大欣赏| 热99re8久久精品国产| 少妇裸体淫交视频免费看高清| 日本av手机在线免费观看| 午夜亚洲福利在线播放| 国产在视频线精品| 禁无遮挡网站| 女人被狂操c到高潮| 亚洲国产色片| 欧美3d第一页| 国产乱来视频区| 国产 一区 欧美 日韩| 小说图片视频综合网站| 免费看a级黄色片| 九九久久精品国产亚洲av麻豆| 婷婷六月久久综合丁香| or卡值多少钱| 欧美性感艳星| 亚洲aⅴ乱码一区二区在线播放| 卡戴珊不雅视频在线播放| 一本一本综合久久| 国产精华一区二区三区| 一级黄片播放器| 亚洲国产精品成人综合色| 亚洲国产欧美在线一区| 我要看日韩黄色一级片| 嫩草影院新地址| 国语对白做爰xxxⅹ性视频网站| 国产精品美女特级片免费视频播放器| 久热久热在线精品观看| av在线老鸭窝| 91狼人影院| 在线a可以看的网站| 中文亚洲av片在线观看爽| 身体一侧抽搐| 亚洲精品,欧美精品| 日本wwww免费看| 精品一区二区免费观看| 日韩成人av中文字幕在线观看| 成人鲁丝片一二三区免费| 伦理电影大哥的女人| 搡女人真爽免费视频火全软件| av卡一久久| 女的被弄到高潮叫床怎么办| 免费无遮挡裸体视频| 亚洲怡红院男人天堂| 日本一二三区视频观看| 嘟嘟电影网在线观看| 午夜精品一区二区三区免费看| 亚洲性久久影院| 亚洲av日韩在线播放| 国产一区二区在线观看日韩| 色哟哟·www| 免费大片18禁| 欧美xxxx黑人xx丫x性爽| 亚洲国产精品成人久久小说| 午夜精品国产一区二区电影 | 亚洲精品,欧美精品| 男人舔女人下体高潮全视频| 亚洲av成人av| 亚洲国产精品成人综合色| 日韩 亚洲 欧美在线| 亚洲av不卡在线观看| 亚洲在线自拍视频| 美女脱内裤让男人舔精品视频| 国产高清视频在线观看网站| 亚洲成人久久爱视频| 精品国内亚洲2022精品成人| av在线蜜桃| 色哟哟·www| 国产在视频线精品| 青春草视频在线免费观看| 精品国产三级普通话版| 亚洲四区av| 一级毛片aaaaaa免费看小| 别揉我奶头 嗯啊视频| 国产精品国产高清国产av| 亚洲美女视频黄频| 搡老妇女老女人老熟妇| 狂野欧美白嫩少妇大欣赏| 中文字幕久久专区| 日本免费一区二区三区高清不卡| 听说在线观看完整版免费高清| 国产精品国产三级国产专区5o | 精品国产露脸久久av麻豆 | 免费观看精品视频网站| 亚洲中文字幕日韩| 久久久久久久午夜电影| 狂野欧美白嫩少妇大欣赏| 麻豆成人av视频| 中文欧美无线码| 国产老妇伦熟女老妇高清| 久久久久性生活片| 精品久久久久久久末码| 国产午夜精品论理片| 亚州av有码| 国产久久久一区二区三区| 欧美日本亚洲视频在线播放| 亚洲欧美一区二区三区国产| 国产av码专区亚洲av| 亚洲国产精品成人综合色| 国产伦在线观看视频一区| 国产国拍精品亚洲av在线观看| 精品人妻一区二区三区麻豆| av国产免费在线观看| 午夜激情欧美在线| 亚洲欧美精品自产自拍| av国产久精品久网站免费入址| 国产精品99久久久久久久久| 又粗又硬又长又爽又黄的视频| 久久精品国产鲁丝片午夜精品| 亚洲精品成人久久久久久| 免费在线观看成人毛片| 日本免费一区二区三区高清不卡| 国产精品熟女久久久久浪| 欧美日韩综合久久久久久| 女人十人毛片免费观看3o分钟| 国产伦理片在线播放av一区| 床上黄色一级片| 国产高清三级在线| 久久久成人免费电影| 18禁动态无遮挡网站| 亚洲乱码一区二区免费版| 三级毛片av免费| 91久久精品电影网| 在现免费观看毛片| 插逼视频在线观看| 欧美xxxx黑人xx丫x性爽| 大香蕉久久网| 日本爱情动作片www.在线观看| 中文字幕av在线有码专区| 变态另类丝袜制服| 日本一本二区三区精品| 日日撸夜夜添| 色尼玛亚洲综合影院| 男人舔女人下体高潮全视频| 国产一级毛片在线| 91aial.com中文字幕在线观看| 51国产日韩欧美| 免费观看在线日韩| 国产在视频线精品| 美女脱内裤让男人舔精品视频| 天天躁日日操中文字幕| 久久久久国产网址| 日本爱情动作片www.在线观看| 色5月婷婷丁香| 丰满乱子伦码专区| 久久精品熟女亚洲av麻豆精品 | 免费播放大片免费观看视频在线观看 | 国产精品麻豆人妻色哟哟久久 | 国语对白做爰xxxⅹ性视频网站| 国语自产精品视频在线第100页| 日本免费a在线| 91精品一卡2卡3卡4卡| 国产精品三级大全| 成人综合一区亚洲| 亚洲精品色激情综合| 十八禁国产超污无遮挡网站| 久久久久久久久大av| 亚洲国产精品国产精品| 免费播放大片免费观看视频在线观看 | 中国美白少妇内射xxxbb| 国国产精品蜜臀av免费| 国产精品野战在线观看| 国产精品三级大全| 国产精品野战在线观看| 亚洲国产欧美人成| 国产在线男女| 91久久精品国产一区二区三区| 欧美变态另类bdsm刘玥| 久久久久久大精品| 波多野结衣巨乳人妻| 亚洲内射少妇av| 免费观看精品视频网站| 国产黄a三级三级三级人| 亚洲人成网站高清观看| 亚洲精品乱久久久久久| 国产大屁股一区二区在线视频| 久久久久久久久大av| 午夜久久久久精精品| 国产精品,欧美在线| 国产在视频线在精品| 国产精品久久久久久精品电影| 尤物成人国产欧美一区二区三区| 亚洲av.av天堂| 国产 一区 欧美 日韩| 日韩欧美三级三区| 亚洲在线观看片| 国产一区亚洲一区在线观看| 成人综合一区亚洲| 国产精品三级大全| 久久久欧美国产精品| 久久久精品欧美日韩精品| 欧美日本视频| 观看美女的网站| 国产精品乱码一区二三区的特点| 69人妻影院| 欧美不卡视频在线免费观看| 国产免费视频播放在线视频 | 婷婷六月久久综合丁香| 又爽又黄a免费视频| 美女黄网站色视频| 成人综合一区亚洲| 久久精品综合一区二区三区| 日韩在线高清观看一区二区三区| 免费大片18禁| 九草在线视频观看| 美女内射精品一级片tv| 日本免费在线观看一区| 中文乱码字字幕精品一区二区三区 | 亚洲精品日韩在线中文字幕| 久久精品国产亚洲网站| 亚洲精品日韩av片在线观看| 国产91av在线免费观看| 99热网站在线观看| 午夜精品一区二区三区免费看| 九色成人免费人妻av| 少妇的逼水好多| av在线天堂中文字幕| 高清视频免费观看一区二区 | 亚洲国产成人一精品久久久| 菩萨蛮人人尽说江南好唐韦庄 | av免费观看日本| 中文字幕亚洲精品专区| 亚洲美女视频黄频| av在线老鸭窝| 男女边吃奶边做爰视频| 日韩在线高清观看一区二区三区| 一夜夜www| 国语自产精品视频在线第100页| 一区二区三区乱码不卡18| 三级国产精品欧美在线观看| 熟女人妻精品中文字幕| 亚洲婷婷狠狠爱综合网| h日本视频在线播放| 男人的好看免费观看在线视频| 人妻夜夜爽99麻豆av| 最近的中文字幕免费完整| 亚洲欧美精品专区久久| 亚洲久久久久久中文字幕| 99久久中文字幕三级久久日本| 亚洲三级黄色毛片| 欧美性猛交黑人性爽| 亚洲国产日韩欧美精品在线观看| 亚洲欧美日韩卡通动漫| 波野结衣二区三区在线| 国产亚洲av嫩草精品影院| 日本免费一区二区三区高清不卡| 桃色一区二区三区在线观看| www日本黄色视频网| 欧美极品一区二区三区四区| 欧美bdsm另类| 十八禁国产超污无遮挡网站| 欧美一区二区国产精品久久精品| 国产免费男女视频| 一区二区三区免费毛片| 精品酒店卫生间| 日韩av在线大香蕉| 寂寞人妻少妇视频99o| 国产美女午夜福利| 欧美日韩在线观看h| 久久久久久久国产电影| 国产高清视频在线观看网站| 久久久久免费精品人妻一区二区| 一二三四中文在线观看免费高清| 国产一级毛片七仙女欲春2| 少妇人妻精品综合一区二区| 精华霜和精华液先用哪个| 中文字幕人妻熟人妻熟丝袜美| 欧美精品国产亚洲| 国产又色又爽无遮挡免| 99国产精品一区二区蜜桃av| 亚洲电影在线观看av| 免费黄色在线免费观看| 亚洲精品日韩av片在线观看| 又爽又黄a免费视频| 精品久久久久久久久av| 国产成人freesex在线| 好男人视频免费观看在线| 两个人的视频大全免费| 国产亚洲一区二区精品| 亚洲伊人久久精品综合 | 亚洲av.av天堂| 国产欧美日韩精品一区二区| 久久精品久久精品一区二区三区| 欧美三级亚洲精品| 精品无人区乱码1区二区| 色噜噜av男人的天堂激情| 国产大屁股一区二区在线视频| 九色成人免费人妻av| 精品少妇黑人巨大在线播放 | 日韩精品青青久久久久久| 中文字幕亚洲精品专区| 国产成人精品婷婷| 日韩国内少妇激情av| 插阴视频在线观看视频| 亚洲激情五月婷婷啪啪| 欧美高清性xxxxhd video| 天堂√8在线中文| 欧美人与善性xxx| 18禁裸乳无遮挡免费网站照片| 亚洲激情五月婷婷啪啪| 欧美高清性xxxxhd video| 国产国拍精品亚洲av在线观看| 内射极品少妇av片p| 午夜免费激情av| 久久久午夜欧美精品| 欧美极品一区二区三区四区| 天堂√8在线中文| 精品少妇黑人巨大在线播放 | 婷婷色麻豆天堂久久 | 黑人高潮一二区| 国产伦理片在线播放av一区| 插阴视频在线观看视频| 国产亚洲5aaaaa淫片| 高清在线视频一区二区三区 | 国产成人a区在线观看| 久久久精品欧美日韩精品| 国产精品1区2区在线观看.| 乱系列少妇在线播放| 国产不卡一卡二| 精品国内亚洲2022精品成人| 国产高清有码在线观看视频| 精品一区二区三区人妻视频| 女人被狂操c到高潮| 男女下面进入的视频免费午夜| 99热精品在线国产| 69人妻影院| 国产精品一区二区性色av| 啦啦啦啦在线视频资源| 色吧在线观看| 伦精品一区二区三区| 国产精华一区二区三区| 欧美日本亚洲视频在线播放| 十八禁国产超污无遮挡网站| 日本免费a在线| 永久网站在线| 亚洲欧美精品综合久久99| 久久人人爽人人爽人人片va| 日韩国内少妇激情av| 男人和女人高潮做爰伦理| 亚洲成人精品中文字幕电影| 最近最新中文字幕大全电影3| 乱人视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 免费观看在线日韩| 国产乱来视频区| 国产精品,欧美在线| 国产伦一二天堂av在线观看| 男人的好看免费观看在线视频| 汤姆久久久久久久影院中文字幕 | 国产探花在线观看一区二区| av在线播放精品| 亚洲第一区二区三区不卡| 日本黄色片子视频| 最近最新中文字幕免费大全7| 日韩在线高清观看一区二区三区| 久久久久九九精品影院| 成人三级黄色视频| 亚洲国产成人一精品久久久| 久久久久久国产a免费观看| 欧美不卡视频在线免费观看| 久久精品夜色国产| 亚洲国产精品专区欧美| 国产亚洲精品av在线| 美女cb高潮喷水在线观看| av播播在线观看一区| 夜夜爽夜夜爽视频| 一区二区三区四区激情视频| 日本免费一区二区三区高清不卡| 国产精品永久免费网站| 一级二级三级毛片免费看| 国产精品久久久久久久电影| 蜜桃亚洲精品一区二区三区| 国产一区二区在线av高清观看| 国产精品一区二区在线观看99 | 久久久久久久国产电影| 久久久久久大精品| 日本免费在线观看一区| 如何舔出高潮| 丰满乱子伦码专区| 夜夜看夜夜爽夜夜摸| 国产单亲对白刺激| 久久人人爽人人爽人人片va| 日日摸夜夜添夜夜添av毛片| 岛国在线免费视频观看| 国产av码专区亚洲av| 狠狠狠狠99中文字幕| 久久草成人影院| 久久欧美精品欧美久久欧美| 如何舔出高潮| 国内揄拍国产精品人妻在线| 亚洲在线自拍视频| 91久久精品国产一区二区三区| 亚洲精华国产精华液的使用体验| 亚洲av成人av| 国产成人a区在线观看| 精品久久国产蜜桃| 久久精品国产亚洲av涩爱| 一个人免费在线观看电影| 最近中文字幕2019免费版| 日日摸夜夜添夜夜爱| 欧美区成人在线视频| 在线免费十八禁| 亚洲精品日韩在线中文字幕| 特大巨黑吊av在线直播| 国产成人免费观看mmmm|