• <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
    看黄色毛片网站| 无限看片的www在线观看| 老熟妇乱子伦视频在线观看| 久久国产精品男人的天堂亚洲| 免费高清视频大片| tocl精华| 精品国内亚洲2022精品成人| 黄色 视频免费看| 午夜免费观看网址| 久久亚洲真实| 国产亚洲欧美精品永久| 老熟妇乱子伦视频在线观看| 免费av毛片视频| 欧美日韩乱码在线| 熟女少妇亚洲综合色aaa.| 搞女人的毛片| 婷婷精品国产亚洲av在线| 久久久水蜜桃国产精品网| 久久九九热精品免费| 亚洲第一电影网av| 夜夜看夜夜爽夜夜摸| 欧美黑人精品巨大| www日本在线高清视频| 老汉色∧v一级毛片| 国产真人三级小视频在线观看| 久久中文字幕人妻熟女| 午夜福利成人在线免费观看| 一级黄色大片毛片| 他把我摸到了高潮在线观看| 一级,二级,三级黄色视频| 午夜福利成人在线免费观看| 久久国产精品影院| 99热只有精品国产| 亚洲一卡2卡3卡4卡5卡精品中文| 国产1区2区3区精品| 不卡一级毛片| 黄色视频不卡| 中文字幕人妻熟女乱码| 男男h啪啪无遮挡| 久久精品91蜜桃| 亚洲片人在线观看| 亚洲精华国产精华精| 老司机福利观看| 无限看片的www在线观看| 日本五十路高清| 露出奶头的视频| 国产精品美女特级片免费视频播放器 | 日韩欧美在线二视频| 国产精品乱码一区二三区的特点 | 欧美大码av| 国产精品98久久久久久宅男小说| 日韩欧美一区二区三区在线观看| 99riav亚洲国产免费| 久久午夜综合久久蜜桃| 精品国产超薄肉色丝袜足j| 1024香蕉在线观看| 一区二区三区精品91| 国产人伦9x9x在线观看| 亚洲精品中文字幕在线视频| 淫秽高清视频在线观看| 久久久久国产一级毛片高清牌| 无限看片的www在线观看| 亚洲成人精品中文字幕电影| 日本 欧美在线| 欧美中文综合在线视频| 97人妻天天添夜夜摸| 国产高清激情床上av| 久久久久久久精品吃奶| 国产亚洲欧美98| 欧美老熟妇乱子伦牲交| а√天堂www在线а√下载| 麻豆av在线久日| 亚洲人成电影免费在线| 国产精品亚洲av一区麻豆| 久久影院123| 咕卡用的链子| 国产精品亚洲一级av第二区| 亚洲自拍偷在线| 岛国视频午夜一区免费看| 免费女性裸体啪啪无遮挡网站| 午夜福利视频1000在线观看 | 欧美性长视频在线观看| 国产成人欧美| 一a级毛片在线观看| 国产午夜精品久久久久久| 最近最新中文字幕大全免费视频| 欧美成人免费av一区二区三区| 亚洲一区中文字幕在线| 日本精品一区二区三区蜜桃| 亚洲人成电影免费在线| 色婷婷久久久亚洲欧美| 久久中文看片网| 久久午夜亚洲精品久久| 午夜福利影视在线免费观看| 午夜福利一区二区在线看| 午夜福利在线观看吧| 黑人欧美特级aaaaaa片| 亚洲 国产 在线| 亚洲人成77777在线视频| 国产亚洲欧美98| 亚洲va日本ⅴa欧美va伊人久久| 欧美在线黄色| 欧美成狂野欧美在线观看| 精品久久久久久久久久免费视频| ponron亚洲| 国产成人精品在线电影| 欧美日韩亚洲国产一区二区在线观看| 97人妻天天添夜夜摸| 精品乱码久久久久久99久播| 国产极品粉嫩免费观看在线| 欧美性长视频在线观看| 欧美激情 高清一区二区三区| 久久香蕉激情| 国产成人精品久久二区二区免费| 久久亚洲精品不卡| 久久久国产成人免费| 亚洲国产欧美网| 亚洲国产精品999在线| 亚洲aⅴ乱码一区二区在线播放 | 一进一出抽搐动态| 国产熟女xx| 亚洲国产看品久久| 香蕉国产在线看| 中文字幕av电影在线播放| 午夜免费成人在线视频| 高清黄色对白视频在线免费看| 美女扒开内裤让男人捅视频| 欧美一区二区精品小视频在线| 黑丝袜美女国产一区| 亚洲成国产人片在线观看| 午夜激情av网站| 99热只有精品国产| 精品无人区乱码1区二区| 免费在线观看视频国产中文字幕亚洲| 午夜免费观看网址| 精品国产一区二区久久| 免费无遮挡裸体视频| 色综合亚洲欧美另类图片| 久久久久九九精品影院| 国产精品野战在线观看| 午夜a级毛片| 国产成人影院久久av| 啦啦啦韩国在线观看视频| av中文乱码字幕在线| 成人三级做爰电影| 身体一侧抽搐| 国产精品自产拍在线观看55亚洲| 亚洲第一欧美日韩一区二区三区| 动漫黄色视频在线观看| 久久中文字幕人妻熟女| 久久久久久久久免费视频了| av天堂在线播放| 51午夜福利影视在线观看| svipshipincom国产片| 精品不卡国产一区二区三区| 99国产综合亚洲精品| 欧洲精品卡2卡3卡4卡5卡区| 自线自在国产av| av视频在线观看入口| 级片在线观看| 涩涩av久久男人的天堂| 久久久久九九精品影院| 国产伦一二天堂av在线观看| 亚洲激情在线av| 可以在线观看的亚洲视频| 日韩国内少妇激情av| 在线永久观看黄色视频| 99久久精品国产亚洲精品| 成年版毛片免费区| 亚洲狠狠婷婷综合久久图片| 伦理电影免费视频| 久久人人精品亚洲av| 日本 欧美在线| 亚洲精品av麻豆狂野| 日本欧美视频一区| 国产极品粉嫩免费观看在线| 亚洲欧美日韩另类电影网站| av在线天堂中文字幕| 国产亚洲欧美精品永久| 欧美绝顶高潮抽搐喷水| 久久人人97超碰香蕉20202| 天天添夜夜摸| 久久久久精品国产欧美久久久| 久久久久久人人人人人| 免费看十八禁软件| 精品卡一卡二卡四卡免费| 婷婷六月久久综合丁香| 国产成人一区二区三区免费视频网站| av免费在线观看网站| 亚洲中文av在线| 中出人妻视频一区二区| 欧美+亚洲+日韩+国产| 一个人观看的视频www高清免费观看 | 法律面前人人平等表现在哪些方面| 久久香蕉精品热| 日韩欧美一区二区三区在线观看| 久久精品91无色码中文字幕| 国产精品一区二区在线不卡| 精品不卡国产一区二区三区| 人人妻人人爽人人添夜夜欢视频| 久久热在线av| 午夜福利18| 久久天躁狠狠躁夜夜2o2o| 一级毛片精品| 国产精品,欧美在线| 久久这里只有精品19| 老司机在亚洲福利影院| 欧美激情高清一区二区三区| 中文字幕最新亚洲高清| 亚洲第一av免费看| 亚洲人成伊人成综合网2020| 久久婷婷成人综合色麻豆| 一夜夜www| 久久久久久久久免费视频了| 婷婷六月久久综合丁香| 精品久久蜜臀av无| 黄色 视频免费看| av视频在线观看入口| 日日夜夜操网爽| 在线观看免费视频网站a站| 中文字幕人妻熟女乱码| 欧美激情久久久久久爽电影 | 欧美日韩亚洲国产一区二区在线观看| 岛国在线观看网站| av中文乱码字幕在线| 男女床上黄色一级片免费看| 香蕉国产在线看| 中文字幕av电影在线播放| 18禁观看日本| 90打野战视频偷拍视频| 国产成人欧美在线观看| 亚洲一区中文字幕在线| 久久精品国产亚洲av香蕉五月| av网站免费在线观看视频| 国产激情久久老熟女| 变态另类成人亚洲欧美熟女 | 精品国产乱子伦一区二区三区| 一级黄色大片毛片| 一区二区日韩欧美中文字幕| 欧美色视频一区免费| 国产激情欧美一区二区| 亚洲 国产 在线| 国产精品日韩av在线免费观看 | 精品一区二区三区视频在线观看免费| 欧美激情 高清一区二区三区| 香蕉国产在线看| 欧美最黄视频在线播放免费| 精品电影一区二区在线| 欧美激情极品国产一区二区三区| 非洲黑人性xxxx精品又粗又长| 久久精品国产综合久久久| 久久人人精品亚洲av| 男女下面插进去视频免费观看| 成人18禁在线播放| 国产99白浆流出| 久久久久久国产a免费观看| 日本vs欧美在线观看视频| 久久精品亚洲精品国产色婷小说| 99re在线观看精品视频| a级毛片在线看网站| 国产精品永久免费网站| 精品国产超薄肉色丝袜足j| 亚洲精品美女久久av网站| 国产亚洲欧美98| 成人国产综合亚洲| 一级a爱片免费观看的视频| 欧美成人性av电影在线观看| 老司机午夜十八禁免费视频| 少妇熟女aⅴ在线视频| 欧美午夜高清在线| 久久香蕉激情| 咕卡用的链子| 国产精品二区激情视频| 日韩欧美在线二视频| 91成人精品电影| 99香蕉大伊视频| 两性午夜刺激爽爽歪歪视频在线观看 | 啪啪无遮挡十八禁网站| 久久伊人香网站| 在线观看www视频免费| 天堂√8在线中文| 三级毛片av免费| 免费观看精品视频网站| 嫩草影视91久久| 亚洲国产看品久久| 一本久久中文字幕| 日日摸夜夜添夜夜添小说| 亚洲美女黄片视频| 女人被狂操c到高潮| ponron亚洲| 无限看片的www在线观看| 黄频高清免费视频| 亚洲性夜色夜夜综合| 黄频高清免费视频| 国产av又大| 别揉我奶头~嗯~啊~动态视频| 一个人免费在线观看的高清视频| 国产精品久久久久久人妻精品电影| 99久久国产精品久久久| 精品午夜福利视频在线观看一区| 国产成人免费无遮挡视频| 国产成人欧美| 在线天堂中文资源库| 国产亚洲av嫩草精品影院| 亚洲一区高清亚洲精品| 人人澡人人妻人| 国产精品1区2区在线观看.| 午夜福利高清视频| 亚洲av成人av| 亚洲人成电影观看| 久久香蕉激情| 亚洲在线自拍视频| 欧美成人午夜精品| 色综合亚洲欧美另类图片| 精品国产乱码久久久久久男人| 国产成人av教育| 国产日韩一区二区三区精品不卡| 亚洲欧美精品综合一区二区三区| 一区二区日韩欧美中文字幕| 亚洲七黄色美女视频| 久久久久国产一级毛片高清牌| 波多野结衣巨乳人妻| 99久久久亚洲精品蜜臀av| 欧美老熟妇乱子伦牲交| 人成视频在线观看免费观看| 桃色一区二区三区在线观看| 50天的宝宝边吃奶边哭怎么回事| 欧美乱色亚洲激情| 欧美乱色亚洲激情| 黑人巨大精品欧美一区二区mp4| 又黄又粗又硬又大视频| 男女午夜视频在线观看| 99在线人妻在线中文字幕| 91国产中文字幕| 国内久久婷婷六月综合欲色啪| 欧美性长视频在线观看| 无遮挡黄片免费观看| 极品教师在线免费播放| 三级毛片av免费| 人人澡人人妻人| 国产一级毛片七仙女欲春2 | 女人高潮潮喷娇喘18禁视频| 天堂√8在线中文| 男人的好看免费观看在线视频 | 国产精品久久久av美女十八| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品一区二区精品视频观看| 一级a爱片免费观看的视频| 国产亚洲精品久久久久5区| av片东京热男人的天堂| 国产成人精品久久二区二区免费| 亚洲精品在线观看二区| videosex国产| 国产精品秋霞免费鲁丝片| 精品国产国语对白av| 亚洲精品在线观看二区| 香蕉丝袜av| 成年女人毛片免费观看观看9| 亚洲午夜精品一区,二区,三区| 巨乳人妻的诱惑在线观看| 亚洲黑人精品在线| 国产精品永久免费网站| 日本黄色视频三级网站网址| 国产精品免费一区二区三区在线| 大香蕉久久成人网| 久久国产精品人妻蜜桃| 99久久久亚洲精品蜜臀av| 久久久久久大精品| 国产亚洲欧美98| 久久久久国产精品人妻aⅴ院| 日韩欧美一区视频在线观看| 精品免费久久久久久久清纯| 首页视频小说图片口味搜索| 一区二区三区国产精品乱码| ponron亚洲| 午夜亚洲福利在线播放| 婷婷丁香在线五月| 亚洲最大成人中文| 欧美黑人精品巨大| 嫁个100分男人电影在线观看| 精品一区二区三区av网在线观看| 悠悠久久av| 国内毛片毛片毛片毛片毛片| 久久草成人影院| 亚洲精品一卡2卡三卡4卡5卡| 国产精品一及| 别揉我奶头~嗯~啊~动态视频| 18+在线观看网站| 日本五十路高清| 国产黄色小视频在线观看| 黄色丝袜av网址大全| 动漫黄色视频在线观看| 97超视频在线观看视频| 久久久色成人| 国产精品不卡视频一区二区| 人人妻人人澡欧美一区二区| 亚洲性夜色夜夜综合| 久久精品国产亚洲av天美| 国产精品亚洲一级av第二区| АⅤ资源中文在线天堂| 很黄的视频免费| 91狼人影院| 国产伦精品一区二区三区视频9| 一边摸一边抽搐一进一小说| 十八禁国产超污无遮挡网站| 不卡一级毛片| or卡值多少钱| 精品久久久久久成人av| 变态另类成人亚洲欧美熟女| 五月玫瑰六月丁香| 成人av在线播放网站| 人人妻人人看人人澡| 美女大奶头视频| 欧美在线一区亚洲| 久久久久久久亚洲中文字幕| 久久精品人妻少妇| 色哟哟·www| 亚洲成a人片在线一区二区| 久久精品国产亚洲av涩爱 | 1024手机看黄色片| 国产伦精品一区二区三区四那| 国产爱豆传媒在线观看| 国产精品日韩av在线免费观看| 欧美xxxx性猛交bbbb| 欧美精品啪啪一区二区三区| 丰满人妻一区二区三区视频av| 麻豆国产av国片精品| 国产精品乱码一区二三区的特点| 免费不卡的大黄色大毛片视频在线观看 | 亚洲精华国产精华精| 亚洲欧美日韩高清在线视频| 99国产极品粉嫩在线观看| 夜夜爽天天搞| 精品国内亚洲2022精品成人| 日韩精品青青久久久久久| 国产精品自产拍在线观看55亚洲| 色av中文字幕| 日本黄大片高清| 极品教师在线免费播放| 久久精品国产亚洲av天美| av福利片在线观看| 九九热线精品视视频播放| 成熟少妇高潮喷水视频| 日韩欧美 国产精品| 狠狠狠狠99中文字幕| 精品久久久久久久久久免费视频| av中文乱码字幕在线| 亚洲精品久久国产高清桃花| 国产探花在线观看一区二区| 久久国产乱子免费精品| 亚洲av熟女| 美女高潮的动态| 亚洲经典国产精华液单| 国产av在哪里看| 偷拍熟女少妇极品色| 日韩欧美在线二视频| 99久久久亚洲精品蜜臀av| 日韩av在线大香蕉| 国产欧美日韩精品一区二区| 男女做爰动态图高潮gif福利片| 久久99热6这里只有精品| 国产一区二区三区视频了| 男女视频在线观看网站免费| 熟妇人妻久久中文字幕3abv| 亚洲国产欧洲综合997久久,| 亚洲在线观看片| 久久国内精品自在自线图片| 国产亚洲精品综合一区在线观看| 欧美日韩精品成人综合77777| 色av中文字幕| 在线观看免费视频日本深夜| 国产亚洲精品久久久com| 小说图片视频综合网站| 国产亚洲av嫩草精品影院| 熟女电影av网| 好男人在线观看高清免费视频| 国产精品一区二区性色av| 日本欧美国产在线视频| 久久久久久九九精品二区国产| bbb黄色大片| 午夜福利在线在线| 特大巨黑吊av在线直播| 久久久久久久久大av| 欧美日本视频| 超碰av人人做人人爽久久| 亚洲色图av天堂| 18禁裸乳无遮挡免费网站照片| 国产高潮美女av| 桃色一区二区三区在线观看| 久久久久久伊人网av| 精品国内亚洲2022精品成人| 日韩欧美免费精品| 麻豆成人av在线观看| av女优亚洲男人天堂| 91久久精品电影网| 又爽又黄无遮挡网站| 久久99热这里只有精品18| 又黄又爽又刺激的免费视频.| 国产精品日韩av在线免费观看| 国产精品99久久久久久久久| 两个人视频免费观看高清| 中文亚洲av片在线观看爽| 国产美女午夜福利| 精华霜和精华液先用哪个| 乱码一卡2卡4卡精品| 国产精品日韩av在线免费观看| 黄色配什么色好看| 亚洲精华国产精华精| 1000部很黄的大片| 成人二区视频| 国产精品国产三级国产av玫瑰| 午夜免费男女啪啪视频观看 | 天天一区二区日本电影三级| 俺也久久电影网| 成人国产一区最新在线观看| 成人亚洲精品av一区二区| 国产欧美日韩精品亚洲av| 日日摸夜夜添夜夜添av毛片 | 国产免费一级a男人的天堂| 两人在一起打扑克的视频| 久久精品国产亚洲av香蕉五月| 国产成人a区在线观看| 嫩草影院精品99| 国产白丝娇喘喷水9色精品| 最近在线观看免费完整版| 午夜福利18| 日韩欧美国产在线观看| 91久久精品国产一区二区三区| 日韩精品中文字幕看吧| 欧美色视频一区免费| 亚洲成人精品中文字幕电影| 国产高清三级在线| 99九九线精品视频在线观看视频| 国产精品亚洲一级av第二区| 在线看三级毛片| 久久精品国产清高在天天线| 搡老熟女国产l中国老女人| 久久天躁狠狠躁夜夜2o2o| 亚洲 国产 在线| 99热这里只有精品一区| 床上黄色一级片| 成人高潮视频无遮挡免费网站| 亚洲最大成人手机在线| 色在线成人网| 又黄又爽又刺激的免费视频.| 我要搜黄色片| 精品一区二区三区人妻视频| 亚洲一区高清亚洲精品| 日韩欧美三级三区| 国产伦在线观看视频一区| 18禁裸乳无遮挡免费网站照片| 国产三级在线视频| 中文在线观看免费www的网站| a级毛片a级免费在线| 国产精品1区2区在线观看.| 可以在线观看的亚洲视频| 精华霜和精华液先用哪个| 99精品在免费线老司机午夜| 久久久久久久精品吃奶| 国产精品综合久久久久久久免费| 人妻久久中文字幕网| 国产一区二区亚洲精品在线观看| 亚洲av五月六月丁香网| 日韩 亚洲 欧美在线| 成人国产麻豆网| 成人一区二区视频在线观看| 狠狠狠狠99中文字幕| 麻豆久久精品国产亚洲av| 亚洲欧美精品综合久久99| 国产亚洲91精品色在线| 看免费成人av毛片| 亚洲国产色片| 男人舔女人下体高潮全视频| 久久久久久久久中文| 午夜福利在线观看吧| 99国产极品粉嫩在线观看| 国产精品一区二区免费欧美| 国产黄色小视频在线观看| 国产高清视频在线播放一区| 亚洲男人的天堂狠狠| 久久精品综合一区二区三区| av天堂中文字幕网| 日韩 亚洲 欧美在线| 久久精品国产清高在天天线| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品嫩草影院av在线观看 | 麻豆成人午夜福利视频| 一级a爱片免费观看的视频| 大又大粗又爽又黄少妇毛片口| 男女之事视频高清在线观看| 我的老师免费观看完整版| 中出人妻视频一区二区| 九色成人免费人妻av| 国产乱人伦免费视频| 一级黄片播放器| 一级黄片播放器| av中文乱码字幕在线| 3wmmmm亚洲av在线观看| 97超级碰碰碰精品色视频在线观看| 嫩草影视91久久| 无人区码免费观看不卡| 最好的美女福利视频网| 亚洲国产精品久久男人天堂| 九色成人免费人妻av| 免费av不卡在线播放| x7x7x7水蜜桃| 在线免费观看的www视频| 亚洲国产日韩欧美精品在线观看| 亚洲精华国产精华精| 人人妻,人人澡人人爽秒播| 中文在线观看免费www的网站| 免费大片18禁| 永久网站在线| 又爽又黄无遮挡网站| 色哟哟·www|