• <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 ?

    一種短時(shí)交通流組合預(yù)測模型

    2020-04-01 03:58:46羅中萍
    交通科技 2020年1期
    關(guān)鍵詞:交通流權(quán)值神經(jīng)網(wǎng)絡(luò)

    羅中萍 寧 丹

    (中設(shè)設(shè)計(jì)集團(tuán)股份有限公司 南京 210001)

    近年來,隨著智能交通系統(tǒng)(ITS)的快速發(fā)展,主動(dòng)式交通管理和控制逐漸成為ITS的發(fā)展核心。作為主動(dòng)式交通管理的關(guān)鍵技術(shù),短時(shí)交通流預(yù)測在交通系統(tǒng)的日常運(yùn)營與管理中發(fā)揮著重要的作用。

    短時(shí)交通流預(yù)測,就是合理地根據(jù)當(dāng)前交通流變化規(guī)律,推測未來一定時(shí)間范圍內(nèi)的交通流,從而實(shí)現(xiàn)提前的主動(dòng)式交通管控。短時(shí)交通流預(yù)測的時(shí)間跨度一般認(rèn)為不超過15 min。短時(shí)交通流預(yù)測的研究從20世紀(jì)60年代開始,到目前已發(fā)展出了眾多的預(yù)測模型,總的來說,目前常用的預(yù)測模型主要包括:歷史平均[1]、時(shí)間序列[2-3]、卡爾曼濾波[4]、神經(jīng)網(wǎng)絡(luò)[5]、支持向量機(jī)[6]、非參數(shù)回歸[7]、小波理論[8-9]等。除了單一的預(yù)測方法或模型,組合預(yù)測也是短時(shí)交通流預(yù)測的一個(gè)重要研究方向,組合預(yù)測利用多種預(yù)測方法或模型從不同的理論角度對交通流的特點(diǎn)進(jìn)行挖掘,旨在獲得較高的預(yù)測精度。

    相比較單一的預(yù)測方法或模型,組合預(yù)測在短時(shí)交通流預(yù)測中的研究起步較晚,開始于20世紀(jì)90年代。利用組合預(yù)測進(jìn)行短時(shí)交通流預(yù)測,主要涉及2個(gè)問題:①單項(xiàng)預(yù)測方法的選擇;②權(quán)重的分配。目前,大部分的文獻(xiàn)主要集中在多個(gè)預(yù)測方法或模型的權(quán)重分配。Zheng等[10]利用BP神經(jīng)和RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建了組合預(yù)測模型,利用自適應(yīng)啟發(fā)式算法實(shí)現(xiàn)組合預(yù)測模型權(quán)值的分配。Stathopoulos等[11]利用卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)構(gòu)建了組合預(yù)測模型,利用基于模糊規(guī)則的方法實(shí)現(xiàn)卡爾曼濾波模型和神經(jīng)網(wǎng)絡(luò)模型的非線性加權(quán)組合。Tan等[12]提出利用移動(dòng)平均、指數(shù)平滑和ARIMA對交通流時(shí)間序列進(jìn)行建模及預(yù)測,并利用神經(jīng)網(wǎng)絡(luò)進(jìn)行組合預(yù)測權(quán)值的分配。陳淑燕等[13]使用3種不同的神經(jīng)網(wǎng)絡(luò)構(gòu)成集成預(yù)測模型,即將2個(gè)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果,作為新的神經(jīng)網(wǎng)絡(luò)的輸入,從而實(shí)現(xiàn)組合預(yù)測模型權(quán)值得分。徐建閩等[14]利用灰色模型和四次多項(xiàng)式構(gòu)建組合預(yù)測模型,然后利用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)組合預(yù)測模型的權(quán)重分配??偟膩碚f,在短時(shí)交通流預(yù)測中,組合預(yù)測模型權(quán)值的分配幾乎都是采用機(jī)器學(xué)習(xí)算法或啟發(fā)式算法來實(shí)現(xiàn)的,這可能會導(dǎo)致分配的權(quán)值出現(xiàn)負(fù)值或大于1的情況,從組合預(yù)測的實(shí)際意義上來說這是不符合實(shí)際情況的。

    因此,本文針對短時(shí)交通流組合預(yù)測,提出一個(gè)短時(shí)交通流回歸組合預(yù)測模型,在充分發(fā)揮各單項(xiàng)預(yù)測模型優(yōu)勢的前提下,保證組合預(yù)測模型分配到的權(quán)值滿足:權(quán)值之和等于1,每個(gè)權(quán)值不為負(fù)值且小于或等于1。

    1 基于回歸的組合預(yù)測模型

    1.1 組合預(yù)測線性模型

    在短時(shí)交通流預(yù)測中,對于交通流時(shí)間序列xt(t=1,2,…,N),假設(shè)有m種單項(xiàng)預(yù)測方法,設(shè)第i種單項(xiàng)預(yù)測方法在t時(shí)刻的預(yù)測值為xit,其中:i=1,2,…,m,t=1,2,…,N,那么組合預(yù)測模型就可以表示為

    (1)

    (2)

    (3)

    在式(3)中,加權(quán)系數(shù)應(yīng)滿足

    l1+l2+…+lm=1

    (4)

    令Y=(x1,x2,…,xN)T;E=(e1,e2,…,eN)T;L=(l1,l2,…,lm)T;R=(1,1,…,1)T,R是元素全為1的m維列向量,那么式(3)和(4)可以表示為

    (5)

    式(5)中,X為一個(gè)N×m維的向量,表示為

    (6)

    (7)

    (8)

    1.2 組合預(yù)測模型的權(quán)系數(shù)顯著性檢驗(yàn)

    在組合預(yù)測模型權(quán)系數(shù)分配之后,若發(fā)現(xiàn)存在權(quán)系數(shù)接近于零,則需要對權(quán)系數(shù)進(jìn)行顯著性檢驗(yàn),以保證組合預(yù)測模型中的每個(gè)預(yù)測方法在一定置信水平下具有顯著意義。

    構(gòu)建原假設(shè)為:H0:li=0,1≤i≤m。若接受原假設(shè)H0,表明第i種預(yù)測方法與組合預(yù)測無顯著關(guān)系,這說明可以去掉第i種預(yù)測方法,否則表明不能去掉第i種預(yù)測方法。

    (9)

    (10)

    當(dāng)假設(shè)H0成立時(shí),Ti服從自由度為(N-m-1)的t分布,檢驗(yàn)假設(shè)H0的拒絕域?yàn)?/p>

    wα={‖t‖≥ta/2(N-m-1)}

    (11)

    式中:α為顯著性水平。因此,當(dāng)|Ti|

    1.3 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)是一個(gè)應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)模型,在短時(shí)交通流預(yù)測中通常使用3層網(wǎng)絡(luò)結(jié)構(gòu),即1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層[16]。BP神經(jīng)網(wǎng)絡(luò)的最大特點(diǎn)是,在3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中信號正向傳播、誤差反向傳播,正向傳播時(shí),輸入樣本從輸入層傳入,經(jīng)過隱含層處理后傳向輸出層。若輸出層與期望的輸出不符,則將輸出誤差通過隱含層向輸入層逐層反傳,將誤差分?jǐn)偨o各層所有單元,以此作為修正各單元權(quán)值的依據(jù)。

    假設(shè)輸入向量為:Xk=(x1,x2,…,xn),k=1,2,…,m。對應(yīng)輸入模式的輸出向量為Yk=(y1,y2,…,yp), 其中p為輸出層單元數(shù)。隱含層各單元的輸入為

    (12)

    式中:Wij為輸入層至隱層的連接權(quán)重;θj為隱層單元的閾值;q為隱含層單元的個(gè)數(shù)。轉(zhuǎn)移函數(shù)采用Sigmoid函數(shù)f(x)=1/(1+e-x),則隱含層單元的輸出為

    (13)

    在誤差反傳過程中,按照梯度下降原理,不斷調(diào)整權(quán)值。按推導(dǎo)出的調(diào)整量對輸出層和隱含層的權(quán)值和閾值作出調(diào)整,這樣整個(gè)模型完成一次學(xué)習(xí)。

    1.4 RBF神經(jīng)網(wǎng)絡(luò)

    RBF神經(jīng)網(wǎng)絡(luò)也是一種在短時(shí)交通流預(yù)測中應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)模型,它與BP神經(jīng)網(wǎng)絡(luò)的不同之處在于,RBF神經(jīng)網(wǎng)絡(luò)在隱含層中采用徑向基函數(shù)處理連接網(wǎng)絡(luò)權(quán)值的傳遞,常用的徑向基函數(shù)是高斯函數(shù),因此,RBF神經(jīng)網(wǎng)絡(luò)的激活函數(shù)可以表示為

    (14)

    式中:‖xp-ci‖為歐式范數(shù);ci為高斯函數(shù)的中心;σ2為高斯函數(shù)的方差。RBF神經(jīng)網(wǎng)絡(luò)的輸出可以表示為

    j=1,2,…,n

    (15)

    式中:xp=(x1,x2,…,xm)為神經(jīng)網(wǎng)絡(luò)的輸入;p為樣本數(shù)量;ci為網(wǎng)絡(luò)隱含層節(jié)點(diǎn)的中心;wij為隱含層與輸出層的連接權(quán)值;i為隱含層節(jié)點(diǎn)數(shù);yi為輸出值。RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程、網(wǎng)絡(luò)權(quán)值計(jì)算過程與BP神經(jīng)網(wǎng)絡(luò)一致。

    1.5 時(shí)間序列模型

    在短時(shí)交通流預(yù)測中,時(shí)間序列模型是一種常用的參數(shù)類預(yù)測方法,主要包括自回歸(auto-regressive,AR)模型、移動(dòng)平均(moving-average,MA)模型和自回歸移動(dòng)平均(auto-regressive and moving-average,ARMA)模型。ARMA是一種隨機(jī)時(shí)間序列模型,以最小化協(xié)方差矩陣的方式尋找最優(yōu)的預(yù)測值。設(shè)時(shí)間序列中Xt是一個(gè)依賴相鄰數(shù)據(jù)和隨機(jī)項(xiàng)的函數(shù),相關(guān)表達(dá)式為

    (16)

    式中:p和q分別為AR模型和MA模型的階數(shù);φi和θj分別為模型的自回歸系數(shù)和移動(dòng)平均系數(shù);at-j為隨機(jī)誤差項(xiàng)。在時(shí)間序列分析中,ARIMA是ARMA模型的延伸,可用來預(yù)測非平穩(wěn)時(shí)間序列,ARIMA模型通常定義為ARIMA(p,d,q),如下

    φ(B)dXt=θ(B)at

    (17)

    式中:d為平穩(wěn)過程中的差分階數(shù);B為滯后算子;為差分。對于時(shí)間序列模型ARIMA(p,d,q),模型的階數(shù)由時(shí)間序列的自相關(guān)和偏相關(guān)系數(shù)確定。

    1.6 評價(jià)指標(biāo)

    為了定量的評價(jià)組合預(yù)測模型的預(yù)測精度,采用常用的誤差指標(biāo),即均方差誤差百分比(MAPE)和均方根誤差(RMSE)這2個(gè)指標(biāo)的計(jì)算方法分別見式(18)、(19)。

    (18)

    (19)

    2 實(shí)例分析

    2.1 數(shù)據(jù)

    本文使用的交通流數(shù)據(jù)來源于美國西雅圖高速公路上的3個(gè)線圈檢測基站(基站14015、14016和4064),以及中國南京城市道路上的3個(gè)視頻檢測基站(基站6024、6025和6057)。借鑒Edie的研究成果[17-18],把采集到的原始交通數(shù)據(jù)匯集為15 min間隔的數(shù)據(jù),在進(jìn)行原始數(shù)據(jù)匯集時(shí),利用簡單插值的方法對缺失值進(jìn)行填補(bǔ)。本文所使用的實(shí)驗(yàn)數(shù)據(jù)信息見表1。

    表1 采集的交通數(shù)據(jù)基本信息

    一般來說,交通流序列具有典型的周期性,分別選擇基站14015和基站6024上連續(xù)7 d的交通流數(shù)據(jù),交通流序列變化的特點(diǎn)見圖1,西雅圖高速路和南京城市道路上的交通流均呈現(xiàn)出明顯的周期性,并且工作日(周一-周五)的交通流展現(xiàn)出了明顯的雙峰現(xiàn)象,周末(周六和周日)的交通流則展現(xiàn)出單峰現(xiàn)象。利用這些特性,為了構(gòu)建組合預(yù)測模型,將采集到的交通流數(shù)據(jù),劃分為3個(gè)部分(訓(xùn)練數(shù)據(jù)、標(biāo)定數(shù)據(jù)和測試數(shù)據(jù)),它們分別用于確定單一的預(yù)測模型、確定組合權(quán)重系數(shù)、測試組合預(yù)測模型的精度,具體的數(shù)據(jù)劃分情況見表2。

    圖1 連續(xù)7 d的交通流序列示意

    表2 數(shù)據(jù)劃分使用情況

    根據(jù)已有的研究,時(shí)間序列的模型確定為ARIMA(2,1,2)。對于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò),分別構(gòu)建三層的網(wǎng)絡(luò)結(jié)構(gòu),其中,輸入層的節(jié)點(diǎn)數(shù)為5,隱含層的節(jié)點(diǎn)數(shù)為12,輸出層的節(jié)點(diǎn)數(shù)為1,選擇Levernberg-Marquart作為訓(xùn)練算法,BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)為tansig。需要注意的是,神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)為當(dāng)前時(shí)刻的交通流及前4個(gè)時(shí)刻的交通流,輸出數(shù)據(jù)為下一時(shí)刻的交通流。在此基礎(chǔ)上,根據(jù)表2劃分的數(shù)據(jù)情況,分別進(jìn)行確定單一的預(yù)測模型、確定組合權(quán)重系數(shù)、測試組合預(yù)測模型的精度。

    2.2 組合預(yù)測模型權(quán)系數(shù)的確定

    根據(jù)式(8)和(10),進(jìn)行組合預(yù)測模型的權(quán)值分配,并對分配的權(quán)值進(jìn)行顯著性檢驗(yàn),最終組合預(yù)測模型的權(quán)系數(shù)見表3,由表3可見,BP神經(jīng)網(wǎng)、RBF神經(jīng)網(wǎng)絡(luò)和ARIMA模型的系數(shù)均不為0,且權(quán)值之和為1。

    表3 組合預(yù)測模型的權(quán)系數(shù)

    2.3 精度比較

    與單項(xiàng)預(yù)測模型相比較,組合預(yù)測模型的精度見表4。可以看出6個(gè)基站上組合預(yù)測模型的精度MAPE分別為9.05%,10.56%和8.87%,9.58%,8.99%,10.06%,RMSE分別為87.54,93.25,85.45,78.80,72.01和96.68,均高于單一預(yù)測模型的預(yù)測精度。這表明本文所提出的組合預(yù)測模型的精度,高于常規(guī)的單項(xiàng)預(yù)測模型的精度,可以在一定程度上彌補(bǔ)單一預(yù)測模型的不足,提高預(yù)測精度。

    表4 預(yù)測精度比較

    3 結(jié)論

    在短時(shí)交通流量預(yù)測中,由于交通流的隨機(jī)性和高度非線性,單純利用某一種預(yù)測方法,難以自始至終滿足主動(dòng)式管理的精度要求。

    本文基于最優(yōu)化理論,提出了利用BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和時(shí)間序列,來構(gòu)建組合預(yù)測模型,并對組合預(yù)測模型的權(quán)值進(jìn)行顯著性檢驗(yàn),達(dá)到提高短時(shí)交通流預(yù)測精度的目的。通過現(xiàn)實(shí)中采集得到的交通流數(shù)據(jù),驗(yàn)證了提出組合預(yù)測模型具有普遍的有效性,其預(yù)測精度均高于單一的預(yù)測模型。

    猜你喜歡
    交通流權(quán)值神經(jīng)網(wǎng)絡(luò)
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    交通流隨機(jī)行為的研究進(jìn)展
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    路內(nèi)停車對交通流延誤影響的定量分析
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    具有負(fù)壓力的Aw-Rascle交通流的Riemann問題
    久久这里有精品视频免费| 久久97久久精品| 久久99一区二区三区| 久久国产精品大桥未久av| 插逼视频在线观看| 免费看不卡的av| 亚洲美女搞黄在线观看| 免费观看的影片在线观看| 97在线视频观看| 欧美日韩在线观看h| 九九爱精品视频在线观看| 人妻系列 视频| 国产精品麻豆人妻色哟哟久久| 少妇高潮的动态图| 五月伊人婷婷丁香| 亚洲婷婷狠狠爱综合网| 国产在线一区二区三区精| 人人妻人人爽人人添夜夜欢视频| 国产精品国产三级专区第一集| 午夜久久久在线观看| 亚洲av免费高清在线观看| 久久久国产欧美日韩av| 国产精品国产av在线观看| 亚洲精品国产av成人精品| 久久99精品国语久久久| 欧美日韩综合久久久久久| .国产精品久久| 久久久久久久久久久久大奶| av免费观看日本| 日韩大片免费观看网站| 美女国产视频在线观看| 亚洲人成网站在线观看播放| 国产黄片视频在线免费观看| 亚洲欧洲国产日韩| av福利片在线| 边亲边吃奶的免费视频| 国产欧美亚洲国产| 日韩成人伦理影院| h视频一区二区三区| 国产日韩欧美亚洲二区| 三上悠亚av全集在线观看| 日韩一区二区三区影片| 一级毛片我不卡| 人人澡人人妻人| 国产一区亚洲一区在线观看| 制服诱惑二区| 男女啪啪激烈高潮av片| 黑丝袜美女国产一区| 99re6热这里在线精品视频| 亚洲丝袜综合中文字幕| av在线老鸭窝| 国产爽快片一区二区三区| a级毛色黄片| 久久久久精品性色| 王馨瑶露胸无遮挡在线观看| 最近中文字幕高清免费大全6| 欧美少妇被猛烈插入视频| xxx大片免费视频| av福利片在线| 国产精品一国产av| 精品人妻偷拍中文字幕| 免费高清在线观看日韩| 欧美激情 高清一区二区三区| 女的被弄到高潮叫床怎么办| 午夜91福利影院| 精品少妇久久久久久888优播| a级毛片免费高清观看在线播放| 99久久中文字幕三级久久日本| 欧美最新免费一区二区三区| 国产精品国产av在线观看| 成年av动漫网址| 人妻少妇偷人精品九色| 一区二区三区四区激情视频| 爱豆传媒免费全集在线观看| 欧美成人精品欧美一级黄| 天美传媒精品一区二区| 久久人人爽人人爽人人片va| 久久久久精品久久久久真实原创| 欧美精品一区二区免费开放| 久久99一区二区三区| 久久人妻熟女aⅴ| 九九在线视频观看精品| 成人免费观看视频高清| 伦精品一区二区三区| 一区二区日韩欧美中文字幕 | 一本色道久久久久久精品综合| 大香蕉久久成人网| 视频在线观看一区二区三区| 人妻夜夜爽99麻豆av| 黑丝袜美女国产一区| 国产成人精品在线电影| 国产毛片在线视频| 亚洲,欧美,日韩| 亚洲人成网站在线观看播放| 国产淫语在线视频| 两个人免费观看高清视频| av专区在线播放| 国产免费又黄又爽又色| 亚洲av不卡在线观看| 国产黄色视频一区二区在线观看| 老司机亚洲免费影院| 王馨瑶露胸无遮挡在线观看| 成人无遮挡网站| 国产成人av激情在线播放 | 日本爱情动作片www.在线观看| av免费在线看不卡| 日本色播在线视频| 亚洲精品乱码久久久久久按摩| 99精国产麻豆久久婷婷| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 十八禁高潮呻吟视频| 狂野欧美激情性bbbbbb| 精品一区二区三区视频在线| 国语对白做爰xxxⅹ性视频网站| 91在线精品国自产拍蜜月| a级毛片免费高清观看在线播放| 一边亲一边摸免费视频| 免费不卡的大黄色大毛片视频在线观看| 日日撸夜夜添| 日韩制服骚丝袜av| 女性生殖器流出的白浆| 精品视频人人做人人爽| 亚洲精品中文字幕在线视频| 人妻系列 视频| 熟女人妻精品中文字幕| 高清欧美精品videossex| 春色校园在线视频观看| 成人无遮挡网站| 男男h啪啪无遮挡| 久久影院123| 丰满迷人的少妇在线观看| 大片电影免费在线观看免费| 国产精品人妻久久久影院| 亚洲一级一片aⅴ在线观看| 亚洲伊人久久精品综合| 欧美日韩成人在线一区二区| 母亲3免费完整高清在线观看 | 黄片无遮挡物在线观看| 22中文网久久字幕| 伊人亚洲综合成人网| 黄片无遮挡物在线观看| 中国三级夫妇交换| 亚洲色图综合在线观看| 日韩一区二区三区影片| 日韩电影二区| 你懂的网址亚洲精品在线观看| 99热国产这里只有精品6| 亚洲国产精品一区三区| 久久久久人妻精品一区果冻| 精品久久久精品久久久| 亚洲av综合色区一区| 午夜免费男女啪啪视频观看| 女人久久www免费人成看片| 国产av码专区亚洲av| 伊人亚洲综合成人网| 精品国产乱码久久久久久小说| 免费不卡的大黄色大毛片视频在线观看| 国产日韩一区二区三区精品不卡 | 久久久久久久久久久丰满| 精品亚洲乱码少妇综合久久| 免费看av在线观看网站| 国产无遮挡羞羞视频在线观看| 下体分泌物呈黄色| 精品人妻熟女av久视频| 一边摸一边做爽爽视频免费| 精品一区二区三区视频在线| 亚洲精品美女久久av网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产精品99久久久久久久久| 18+在线观看网站| 丝袜喷水一区| 国产日韩欧美亚洲二区| 亚洲国产精品国产精品| 丁香六月天网| av黄色大香蕉| 高清在线视频一区二区三区| 亚洲美女搞黄在线观看| 久久精品国产a三级三级三级| 国产一级毛片在线| 国产无遮挡羞羞视频在线观看| 日韩一区二区三区影片| 99热全是精品| 日韩 亚洲 欧美在线| 少妇 在线观看| 另类精品久久| 亚洲国产欧美日韩在线播放| 99热这里只有精品一区| 久久精品国产亚洲av天美| 乱码一卡2卡4卡精品| 欧美精品高潮呻吟av久久| 80岁老熟妇乱子伦牲交| 欧美变态另类bdsm刘玥| 国产成人午夜福利电影在线观看| 久久av网站| 免费av不卡在线播放| 一级毛片黄色毛片免费观看视频| 国产女主播在线喷水免费视频网站| 国产黄频视频在线观看| 亚洲伊人久久精品综合| 97在线视频观看| videossex国产| 婷婷成人精品国产| 赤兔流量卡办理| 久久人妻熟女aⅴ| 国产国语露脸激情在线看| 国国产精品蜜臀av免费| 国产在视频线精品| 热re99久久精品国产66热6| 黑人巨大精品欧美一区二区蜜桃 | 中文字幕免费在线视频6| 欧美97在线视频| 国产成人精品福利久久| 91久久精品电影网| 九九久久精品国产亚洲av麻豆| 精品久久国产蜜桃| 好男人视频免费观看在线| 秋霞在线观看毛片| 极品少妇高潮喷水抽搐| 两个人免费观看高清视频| av在线老鸭窝| 两个人免费观看高清视频| 国产亚洲av片在线观看秒播厂| 国产不卡av网站在线观看| 国产高清不卡午夜福利| 在线观看免费日韩欧美大片 | 欧美亚洲日本最大视频资源| 久久国产精品男人的天堂亚洲 | 国产不卡av网站在线观看| 久久女婷五月综合色啪小说| 亚洲av国产av综合av卡| 精品久久久久久电影网| 黄片播放在线免费| av女优亚洲男人天堂| 国产色婷婷99| 亚洲在久久综合| videosex国产| 91午夜精品亚洲一区二区三区| 成人手机av| 精品久久久久久电影网| 久久人人爽人人爽人人片va| 9色porny在线观看| 性色avwww在线观看| 亚洲欧美一区二区三区国产| 18禁动态无遮挡网站| 欧美97在线视频| 伊人久久精品亚洲午夜| 99国产综合亚洲精品| 边亲边吃奶的免费视频| 亚洲天堂av无毛| 一本—道久久a久久精品蜜桃钙片| 欧美国产精品一级二级三级| 免费大片18禁| 大片免费播放器 马上看| 国产成人aa在线观看| 国产爽快片一区二区三区| 国产淫语在线视频| 黄色一级大片看看| 91久久精品电影网| 最新中文字幕久久久久| 国国产精品蜜臀av免费| 99久久综合免费| 欧美xxxx性猛交bbbb| 亚洲美女搞黄在线观看| 国产精品人妻久久久久久| 午夜福利在线观看免费完整高清在| 日韩中字成人| 成人18禁高潮啪啪吃奶动态图 | 内地一区二区视频在线| 97超碰精品成人国产| 午夜免费男女啪啪视频观看| 欧美三级亚洲精品| 日韩大片免费观看网站| 亚洲成人手机| 在线观看一区二区三区激情| 男的添女的下面高潮视频| 伦理电影免费视频| 欧美成人精品欧美一级黄| 夫妻性生交免费视频一级片| 中文精品一卡2卡3卡4更新| 亚洲欧美一区二区三区国产| 色5月婷婷丁香| 久久久久精品久久久久真实原创| 国语对白做爰xxxⅹ性视频网站| 免费人成在线观看视频色| 蜜桃久久精品国产亚洲av| 伊人久久精品亚洲午夜| 婷婷色综合大香蕉| 午夜福利视频精品| 日韩电影二区| 黄片无遮挡物在线观看| 99九九在线精品视频| 国产成人精品一,二区| 午夜日本视频在线| 国产黄片视频在线免费观看| 涩涩av久久男人的天堂| 在线天堂最新版资源| xxx大片免费视频| 免费看av在线观看网站| 久久人妻熟女aⅴ| av天堂久久9| 欧美成人精品欧美一级黄| 亚洲经典国产精华液单| 久久精品久久久久久噜噜老黄| 黑人欧美特级aaaaaa片| 国产一级毛片在线| 欧美最新免费一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美中文字幕日韩二区| 日韩成人伦理影院| 如日韩欧美国产精品一区二区三区 | videosex国产| 日韩不卡一区二区三区视频在线| 99九九在线精品视频| 丝袜喷水一区| .国产精品久久| 久久久久久久久大av| 嫩草影院入口| 99久久人妻综合| 制服丝袜香蕉在线| 青春草亚洲视频在线观看| 晚上一个人看的免费电影| 99精国产麻豆久久婷婷| 黑人猛操日本美女一级片| 嘟嘟电影网在线观看| freevideosex欧美| 午夜激情福利司机影院| 22中文网久久字幕| 狂野欧美白嫩少妇大欣赏| 午夜福利网站1000一区二区三区| 国产片特级美女逼逼视频| 国产精品久久久久久久电影| 婷婷色综合www| 欧美最新免费一区二区三区| av国产久精品久网站免费入址| 国产精品一区二区三区四区免费观看| 国产综合精华液| a级片在线免费高清观看视频| 国产男女内射视频| 日韩电影二区| 国产精品欧美亚洲77777| 成人综合一区亚洲| 中文精品一卡2卡3卡4更新| 免费黄频网站在线观看国产| 亚洲怡红院男人天堂| 精品99又大又爽又粗少妇毛片| 久久99蜜桃精品久久| 欧美xxxx性猛交bbbb| 欧美精品一区二区大全| 欧美xxxx性猛交bbbb| av网站免费在线观看视频| 中文乱码字字幕精品一区二区三区| 天堂中文最新版在线下载| 日韩免费高清中文字幕av| 最近中文字幕2019免费版| 久久韩国三级中文字幕| 老司机影院毛片| 亚洲色图综合在线观看| videosex国产| 午夜老司机福利剧场| videosex国产| 人妻人人澡人人爽人人| 日本-黄色视频高清免费观看| 亚洲综合精品二区| 日本黄大片高清| 在现免费观看毛片| 久久热精品热| 国产精品国产三级国产专区5o| 久久免费观看电影| 三级国产精品片| 只有这里有精品99| 久热久热在线精品观看| 人人妻人人澡人人看| 免费黄网站久久成人精品| 26uuu在线亚洲综合色| 亚洲国产成人一精品久久久| 99热国产这里只有精品6| 狠狠精品人妻久久久久久综合| 少妇被粗大猛烈的视频| 蜜桃久久精品国产亚洲av| 亚洲av成人精品一二三区| 黑人巨大精品欧美一区二区蜜桃 | 高清不卡的av网站| 欧美最新免费一区二区三区| 中文字幕精品免费在线观看视频 | 一本色道久久久久久精品综合| 国产亚洲av片在线观看秒播厂| 亚洲一级一片aⅴ在线观看| 久久久国产欧美日韩av| 高清av免费在线| 日韩欧美一区视频在线观看| 国产国拍精品亚洲av在线观看| 成年女人在线观看亚洲视频| 亚洲欧洲精品一区二区精品久久久 | 99国产综合亚洲精品| 亚洲综合精品二区| 永久免费av网站大全| 国产 精品1| 亚洲精品自拍成人| 久久99热6这里只有精品| 91aial.com中文字幕在线观看| 日韩不卡一区二区三区视频在线| 晚上一个人看的免费电影| 26uuu在线亚洲综合色| 内地一区二区视频在线| 我的女老师完整版在线观看| 青春草视频在线免费观看| 亚洲综合色惰| 高清毛片免费看| 亚洲怡红院男人天堂| 国产亚洲精品第一综合不卡 | 日韩欧美精品免费久久| 中文字幕人妻熟人妻熟丝袜美| 成人黄色视频免费在线看| 免费看av在线观看网站| 亚洲av成人精品一二三区| 伊人久久国产一区二区| 中文精品一卡2卡3卡4更新| 久久这里有精品视频免费| 国产视频首页在线观看| 日本黄色日本黄色录像| 精品少妇内射三级| 寂寞人妻少妇视频99o| 熟女人妻精品中文字幕| 91国产中文字幕| 亚洲精品中文字幕在线视频| 制服诱惑二区| 精品亚洲乱码少妇综合久久| 国产成人精品婷婷| a级片在线免费高清观看视频| 综合色丁香网| 日日啪夜夜爽| 99久久中文字幕三级久久日本| 免费少妇av软件| 免费av中文字幕在线| 亚洲无线观看免费| 91精品伊人久久大香线蕉| 国产熟女欧美一区二区| 2021少妇久久久久久久久久久| 国产伦理片在线播放av一区| 男女边吃奶边做爰视频| 精品视频人人做人人爽| 9色porny在线观看| 波野结衣二区三区在线| 人妻人人澡人人爽人人| 天堂中文最新版在线下载| 亚洲欧美中文字幕日韩二区| 日产精品乱码卡一卡2卡三| 丰满饥渴人妻一区二区三| 一区二区三区精品91| 欧美 日韩 精品 国产| 人人妻人人澡人人看| 精品亚洲成国产av| 免费不卡的大黄色大毛片视频在线观看| 国产免费又黄又爽又色| 搡老乐熟女国产| 国产探花极品一区二区| 久久午夜福利片| 国产免费福利视频在线观看| 水蜜桃什么品种好| 成人黄色视频免费在线看| 亚洲美女搞黄在线观看| 777米奇影视久久| 亚洲人成网站在线观看播放| 久久青草综合色| 久久久久国产网址| 99九九在线精品视频| 午夜福利网站1000一区二区三区| 热re99久久精品国产66热6| 国产国语露脸激情在线看| 又黄又爽又刺激的免费视频.| 免费av中文字幕在线| 不卡视频在线观看欧美| 国产免费一区二区三区四区乱码| 男的添女的下面高潮视频| 性色av一级| 亚洲国产av影院在线观看| 欧美97在线视频| 国产精品女同一区二区软件| 成人亚洲欧美一区二区av| 亚洲国产精品成人久久小说| 亚洲色图 男人天堂 中文字幕 | 久久狼人影院| 天美传媒精品一区二区| 国产精品久久久久久久电影| 99热全是精品| 国产一区二区在线观看av| 精品视频人人做人人爽| 天美传媒精品一区二区| 欧美三级亚洲精品| 天堂俺去俺来也www色官网| 亚洲美女视频黄频| av专区在线播放| 国产黄片视频在线免费观看| 日本-黄色视频高清免费观看| 久久人人爽人人片av| 免费高清在线观看视频在线观看| 在线亚洲精品国产二区图片欧美 | 尾随美女入室| 午夜福利影视在线免费观看| 亚洲人成电影观看| 十八禁高潮呻吟视频| svipshipincom国产片| 在线天堂中文资源库| 一本久久精品| 嫁个100分男人电影在线观看| 丝瓜视频免费看黄片| 美女扒开内裤让男人捅视频| 成年人免费黄色播放视频| 超碰成人久久| 久久午夜亚洲精品久久| 男人舔女人的私密视频| 亚洲国产中文字幕在线视频| 国产精品二区激情视频| 香蕉久久夜色| 国产精品偷伦视频观看了| 新久久久久国产一级毛片| 高清在线国产一区| 90打野战视频偷拍视频| 9热在线视频观看99| 别揉我奶头~嗯~啊~动态视频| 国产精品久久久av美女十八| av天堂久久9| 久久国产精品大桥未久av| 亚洲专区国产一区二区| 久久这里只有精品19| 久久精品国产亚洲av香蕉五月 | 天天躁夜夜躁狠狠躁躁| 亚洲国产中文字幕在线视频| 美女高潮到喷水免费观看| 曰老女人黄片| 一进一出抽搐动态| 两个人免费观看高清视频| 国产免费视频播放在线视频| 老鸭窝网址在线观看| 男人舔女人的私密视频| 黑人猛操日本美女一级片| 亚洲av日韩精品久久久久久密| 亚洲专区字幕在线| 日本av免费视频播放| 欧美精品高潮呻吟av久久| 我的亚洲天堂| 亚洲欧美一区二区三区黑人| 97人妻天天添夜夜摸| 十八禁人妻一区二区| 狠狠精品人妻久久久久久综合| 可以免费在线观看a视频的电影网站| 巨乳人妻的诱惑在线观看| 久久久国产一区二区| 欧美黑人精品巨大| 亚洲成人手机| 国产成人影院久久av| 国产日韩欧美亚洲二区| 国产在线精品亚洲第一网站| 亚洲九九香蕉| 不卡一级毛片| 2018国产大陆天天弄谢| 国产欧美亚洲国产| 精品福利观看| 日韩一卡2卡3卡4卡2021年| 午夜福利乱码中文字幕| 大片免费播放器 马上看| 欧美精品人与动牲交sv欧美| 国产欧美日韩一区二区三区在线| 法律面前人人平等表现在哪些方面| 成人免费观看视频高清| 又紧又爽又黄一区二区| 夜夜夜夜夜久久久久| 欧美黑人欧美精品刺激| 五月天丁香电影| 国产欧美日韩综合在线一区二区| av欧美777| 国产成人精品久久二区二区免费| 又大又爽又粗| 亚洲国产毛片av蜜桃av| 国产99久久九九免费精品| 夜夜爽天天搞| 日本五十路高清| 久久久久久久久免费视频了| 最近最新中文字幕大全免费视频| 狠狠精品人妻久久久久久综合| 男女高潮啪啪啪动态图| 叶爱在线成人免费视频播放| 国产精品久久久久久精品古装| 高清av免费在线| 亚洲av电影在线进入| 日韩中文字幕欧美一区二区| 欧美一级毛片孕妇| 国产精品.久久久| 一边摸一边做爽爽视频免费| 久久久久视频综合| 欧美激情极品国产一区二区三区| 亚洲专区国产一区二区| 成人国语在线视频| 99精品欧美一区二区三区四区| a级毛片黄视频| 亚洲人成伊人成综合网2020| 亚洲av美国av| 国产精品久久久久久精品电影小说| 国产麻豆69| 男女床上黄色一级片免费看| 老熟妇乱子伦视频在线观看| 日韩一卡2卡3卡4卡2021年| 美女高潮喷水抽搐中文字幕| 国产精品久久久久久精品电影小说| 国产成人一区二区三区免费视频网站| 欧美激情 高清一区二区三区| 老司机亚洲免费影院| 一区二区av电影网| 18禁国产床啪视频网站| www日本在线高清视频| 精品熟女少妇八av免费久了| 国产欧美日韩一区二区三| 欧美性长视频在线观看| 热99re8久久精品国产| 日本精品一区二区三区蜜桃|