• <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 ?

    一種優(yōu)化的短時(shí)交通流量預(yù)測(cè)算法

    2021-01-04 08:05:12李誠(chéng)張宏烈葛海淼楊欣宇
    高師理科學(xué)刊 2020年11期
    關(guān)鍵詞:交通流量交通流蜂群

    李誠(chéng),張宏烈,葛海淼,楊欣宇

    一種優(yōu)化的短時(shí)交通流量預(yù)測(cè)算法

    李誠(chéng),張宏烈,葛海淼,楊欣宇

    (齊齊哈爾大學(xué) 計(jì)算機(jī)與控制工程學(xué)院,黑龍江 齊齊哈爾 161006)

    短時(shí)交通流量預(yù)測(cè)是智能交通的理論基礎(chǔ),是交通流誘導(dǎo)系統(tǒng)中的關(guān)鍵性技術(shù).對(duì)短時(shí)交通流量預(yù)測(cè)的研究具有很高的社會(huì)價(jià)值.目前,SVR智能預(yù)測(cè)模型已經(jīng)被應(yīng)用于這一領(lǐng)域.針對(duì)SVR模型參數(shù)選擇難、預(yù)測(cè)精度有待提高等問題,運(yùn)用人工蜂群算法(Artificial Bee Colony Algorithm,ABC)對(duì)SVR參數(shù)進(jìn)行優(yōu)化選擇,提出了基于人工蜂群算法優(yōu)化SVR的短時(shí)交通流量預(yù)測(cè)模型(ABC-SVR),并與其它典型預(yù)測(cè)模型進(jìn)行了對(duì)比仿真實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,ABC-SVR算法具有可行性和精確性.

    預(yù)測(cè)算法;人工蜂群算法;支持向量回歸機(jī);短時(shí)交通流量

    隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展和城市化進(jìn)程的不斷加快,購(gòu)車人數(shù)逐年上升,大中城市中,交通堵塞日趨成為一個(gè)嚴(yán)重的問題.交通堵塞不僅對(duì)環(huán)境產(chǎn)生污染,同時(shí)增加交通事故發(fā)生概率,因此智能交通系統(tǒng)(Intelligent Transport System,ITS)應(yīng)運(yùn)而生.ITS可以對(duì)交通信息進(jìn)行實(shí)時(shí)采集,及時(shí)分析,從而對(duì)交通進(jìn)行誘導(dǎo)控制.ITS中的關(guān)鍵技術(shù)就是短時(shí)交通流量(采樣時(shí)間間隔不超過15 min的交通流量)的預(yù)測(cè)[1].在實(shí)際應(yīng)用中,由于交通信息自身特點(diǎn)和采集過程中的各種因素影響,如何提高交通流量預(yù)測(cè)準(zhǔn)確性仍然面臨巨大的挑戰(zhàn)[2].

    短時(shí)交通流量預(yù)測(cè)方法研究一直是國(guó)內(nèi)外研究的熱點(diǎn)之一,早在20世紀(jì)70年代,一些學(xué)者就開始把經(jīng)濟(jì)學(xué)、物理學(xué)等學(xué)科中成熟的預(yù)測(cè)方法運(yùn)用到短時(shí)交通流量預(yù)測(cè)中,預(yù)測(cè)方法主要是應(yīng)用線性理論和統(tǒng)計(jì)學(xué)理論等.如時(shí)間序列模型[3]、卡爾曼濾波理論[4]等,這些傳統(tǒng)模型的應(yīng)用比較成熟,但計(jì)算誤差較大.為了解決這些模型的不足,學(xué)者將各種智能算法引入到短時(shí)交通流量預(yù)測(cè)的建模中,出現(xiàn)了神經(jīng)網(wǎng)絡(luò)模型[5-6]、支持向量機(jī)模型[7]等.最近幾年,有不少研究表明,基于組合預(yù)測(cè)模型的短時(shí)交通流量預(yù)測(cè)效果更優(yōu).該方法同時(shí)采用2種或2種以上的預(yù)測(cè)方法對(duì)短時(shí)交通流量進(jìn)行預(yù)測(cè),發(fā)揮不同預(yù)測(cè)方法的優(yōu)勢(shì).模型有神經(jīng)網(wǎng)絡(luò)模型與遺傳算法[8]、卡爾曼濾波與二次指數(shù)降噪法[9]等.

    1 支持向量機(jī)算法及參數(shù)分析

    2 人工蜂群算法優(yōu)化SVR模型

    2.1 人工蜂群算法

    人工蜂群算法求解優(yōu)化問題的過程是模擬蜂群尋找收益度(含蜜量)最高的蜜源過程,其優(yōu)點(diǎn)是控制參數(shù)少,易于實(shí)現(xiàn),全局收斂性能好,在求解非線性優(yōu)化函數(shù)方面比其它典型的啟發(fā)式算法具有更加優(yōu)越的性能.

    (3)目標(biāo)函數(shù)適應(yīng)度值,計(jì)算公式為

    (4)待工蜂根據(jù)觀察到的適應(yīng)度值計(jì)算各雇傭蜂被選中的概率,計(jì)算公式為

    2.2 參數(shù)優(yōu)化模型

    建立ABC-SVR模型,其過程見圖1.

    圖1 建立ABC-SVR模型流程

    3 仿真實(shí)驗(yàn)及結(jié)果分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    本實(shí)驗(yàn)數(shù)據(jù)來源為PEMS系統(tǒng)網(wǎng)站下載的某監(jiān)測(cè)點(diǎn)數(shù)據(jù).

    考慮到每周交通流量的周期性變化,選取工作日2017年9月7日(星期四)的交通流量數(shù)據(jù)作為研究對(duì)象.考慮到交通流量數(shù)據(jù)高峰期時(shí)間段的重要性,本實(shí)驗(yàn)選取7:00到20:00時(shí)間段作為仿真實(shí)驗(yàn)對(duì)象.

    采集時(shí)間間隔5 min,共采集數(shù)據(jù)157個(gè),前130個(gè)交通流量數(shù)據(jù)作為支持向量回歸機(jī)模型的訓(xùn)練集,剩下的27個(gè)數(shù)據(jù)作為支持向量回歸機(jī)模型的測(cè)試集.

    對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,包括缺失數(shù)據(jù)處理、異常數(shù)據(jù)處理和歸一化處理.

    3.2 可行性實(shí)驗(yàn)

    使用本文提出基于人工蜂群優(yōu)化支持向量機(jī)的短時(shí)交通流量預(yù)測(cè)模型,即ABC-SVR和傳統(tǒng)的SVR模型進(jìn)行預(yù)測(cè)對(duì)比仿真實(shí)驗(yàn).目的是證明ABC-SVR預(yù)測(cè)模型在預(yù)測(cè)短時(shí)交通流量上的可行性.

    本文仿真實(shí)驗(yàn)使用安裝了Libsvm-3.21工具包的MATLAB R2010b軟件完成.

    SVR,ABC-SVR與真實(shí)值之間的對(duì)比為優(yōu)化前后的SVR模型預(yù)測(cè)結(jié)果對(duì)比曲線圖(見圖2).

    圖2 SVR和ABC-SVR模型預(yù)測(cè)結(jié)果

    SVR,ABC-SVR與真實(shí)值之間的橫向?qū)Ρ龋瑥膱D2曲線走勢(shì)上可以看出,ABC-SVR曲線與真實(shí)值曲線的擬合度比較好;從評(píng)價(jià)指標(biāo)平均相對(duì)誤差MRE(見表1)上可以看出,ABC-SVR的MRE較低.

    表1 SVR和ABC-SVR模型預(yù)測(cè)結(jié)果的MRE對(duì)比

    通過對(duì)比分析可以看出,本文基于人工蜂群優(yōu)化SVR在短時(shí)交通流量預(yù)測(cè)方面是可行的,并能夠取得較好的預(yù)測(cè)精確度.

    3.3 精確性實(shí)驗(yàn)

    使用基于人工蜂群優(yōu)化支持向量機(jī)的短時(shí)交通流量預(yù)測(cè)模型,即ABC-SVR預(yù)測(cè)模型和典型的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)和小波神經(jīng)網(wǎng)絡(luò)時(shí)間序列(Wavelet Neural Network Time Series,WNN-ST)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)對(duì)比仿真實(shí)驗(yàn).目的是證明ABC-SVR預(yù)測(cè)模型在預(yù)測(cè)短時(shí)交通流量上的精確性.

    CNN,WNN-TS模型預(yù)測(cè)結(jié)果與真實(shí)值之間的對(duì)比曲線見圖3.ABC-SVR模型與真實(shí)值之間的對(duì)比曲線見圖2b.

    CNN,WNN-TS,ABC-SVR與真實(shí)值之間的橫向?qū)Ρ葘?shí)驗(yàn),從各個(gè)優(yōu)化模型預(yù)測(cè)結(jié)果的評(píng)價(jià)指標(biāo)平均相對(duì)誤差MRE(見表2)可以看出,ABC-SVR的MRE較低.

    通過對(duì)比分析,可以看出本文基于人工蜂群優(yōu)化SVR的短時(shí)交通流量預(yù)測(cè)方法的預(yù)測(cè)能力強(qiáng)、預(yù)測(cè)結(jié)果精確.

    圖3 CNN和WNN-TS模型預(yù)測(cè)結(jié)果

    表2 CNN,WNN-TS,ABC-SVR模型預(yù)測(cè)結(jié)果的MRE對(duì)比

    4 結(jié)論

    由于SVR算法能夠解決非線性、小樣本和高維的問題,符合短時(shí)交通流預(yù)測(cè)這一研究領(lǐng)域特點(diǎn).所以,本文采用SVR算法建立短時(shí)交通流預(yù)測(cè)模型.并針對(duì)基于支持向量回歸預(yù)測(cè)模型中參數(shù)選擇問題,運(yùn)用群智能優(yōu)化算法中的人工蜂群算法對(duì)參數(shù)進(jìn)行最優(yōu)選擇,建立基于人工蜂群算法優(yōu)化的SVR短時(shí)交通流預(yù)測(cè)模型.并對(duì)建立的模型進(jìn)行仿真實(shí)驗(yàn)及結(jié)果分析,表明了提出的模型具有可行性和預(yù)測(cè)的精確性.

    [1] YANG Zhaosheng,WANG Yuan,GUAN Qing.Short-term traffic flow prediction method based on SVM[J].Journal of Jilin University:Engineering and Technology Edition,2006,10(6):881-884

    [2] CHANG Gang,ZHANG Yi,YAO Danya.Short-term traffic flow forecasting model for regional road network based onspatial-temporal dependency[J].Journal of Tsinghua University,2013,52(2):215-221

    [3] WILLIAMS B M,OEL L A.Modelling and forecasting vehicular traffic flow as a seasonal ARIMA process:Theoretical basisand empirical results[J].Journal of Transportation Engineering,2003,129(6):664-672

    [4] OKUTANI I,TEPHANEDES Y J.Dynamic prediction of traffic volume through Kalman filtering theory[J].TransportationRes-earch Part B:Methodological,1984,18(1):1-11

    [5] 王青松,謝興生,佘顥.基于CNN-XGBoost混合模型的短時(shí)交通流預(yù)測(cè)[J].測(cè)控技術(shù),2019,38(4):42-45,72

    [6] 黃振盛,汪玉美,韓江洪,等.基于MLS-SVM和時(shí)空特性的短時(shí)交通流量預(yù)測(cè)方法[J].合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2020,43(1):57-63

    [7] HUANG M L.Intersection traffic flow forecasting based on v-GSVR with a new hybrid evolutionary algorithm[J].Neurocomputing,2015,147:343-349

    [8] ABDULHAI B,PORWAL H,RECKERW.Short-term traffic flow prediction using neuro-genetic algorithms[J].Intelligent Transportation Systems Journal,2002,7(1):3-41

    [9] QIN Ming,YANG Gaofei,DENG Mingjun,et al.Short-term traffic flow forecasting based on exponential smoothing and Kalmanfilter[J].Journal of Beihua University:Natural Science,2015,16(6):814-817

    An optimized algorithm of short-term traffic flow prediction

    LI Cheng,ZHANG Honglie,GE Haimiao,YANG Xinyu

    (Schoolof Computer and Control Engineering,Qiqihar University,Qiqihar 161006,China)

    The prediction of short-term traffic flow is the theoretical basis of intelligent transportation as well as the key technology in traffic flow induction system.The research on short-term traffic flow prediction has showed the considerable social value.At present,support vector regression(SVR)intelligent prediction model has been applied in this domain.Aiming at parameter selection difficulty and prediction accuracy improvement,the artificial bee colony algorithm(ABC)is adopted to optimize the SVR parameters.Accordingly,the short-term traffic flow prediction algorithm by support vector regression based on artificial bee colony optimization(ABC-SVR)is presented.The simulation experiments are carried out by comparing the ABC-SVR model with the other typical models,and the experimental results prove the feasibility and accuracy of the proposed ABC-SVR algorithm.

    prediction algorithm;artificial bee colony algorithm;support vector regression;short-time traffic flow

    TP183

    A

    10.3969/j.issn.1007-9831.2020.11.008

    1007-9831(2020)11-0031-05

    2020-07-02

    黑龍江省省屬高等學(xué)?;究蒲袠I(yè)務(wù)費(fèi)科研項(xiàng)目(135309463)

    李誠(chéng)(1978-),男,黑龍江齊齊哈爾人,副教授,碩士,從事嵌入式系統(tǒng)、人工智能等研究.E-mail:lcrb406@163.com

    猜你喜歡
    交通流量交通流蜂群
    “蜂群”席卷天下
    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)
    交通流隨機(jī)行為的研究進(jìn)展
    改進(jìn)gbest引導(dǎo)的人工蜂群算法
    路內(nèi)停車對(duì)交通流延誤影響的定量分析
    蜂群夏季高產(chǎn)管理
    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
    国产淫片久久久久久久久| 91在线观看av| 又黄又爽又免费观看的视频| 日本免费一区二区三区高清不卡| 久久久久久九九精品二区国产| 午夜免费成人在线视频| 桃红色精品国产亚洲av| 久久久久九九精品影院| 啦啦啦啦在线视频资源| 久久精品国产亚洲av香蕉五月| 成人国产麻豆网| 美女高潮喷水抽搐中文字幕| 欧美成人性av电影在线观看| 国产精品嫩草影院av在线观看 | 美女xxoo啪啪120秒动态图| 69人妻影院| 噜噜噜噜噜久久久久久91| 亚洲性夜色夜夜综合| 欧美成人a在线观看| 在线免费十八禁| 99久国产av精品| 中文字幕人妻熟人妻熟丝袜美| 国产精品电影一区二区三区| 国产精品1区2区在线观看.| 动漫黄色视频在线观看| 午夜a级毛片| 国产精品国产三级国产av玫瑰| 淫秽高清视频在线观看| 毛片女人毛片| 蜜桃亚洲精品一区二区三区| 国内精品久久久久精免费| 国产伦在线观看视频一区| 熟女电影av网| 一级a爱片免费观看的视频| 99热网站在线观看| 老熟妇乱子伦视频在线观看| av天堂在线播放| 99热网站在线观看| 真人一进一出gif抽搐免费| av在线老鸭窝| 一进一出抽搐gif免费好疼| 精品午夜福利在线看| 成人无遮挡网站| 亚洲美女搞黄在线观看 | 亚洲专区中文字幕在线| 黄色视频,在线免费观看| x7x7x7水蜜桃| 欧美日本视频| 亚洲精品日韩av片在线观看| 99久久无色码亚洲精品果冻| 国产又黄又爽又无遮挡在线| 身体一侧抽搐| 亚洲精品国产成人久久av| 可以在线观看的亚洲视频| 免费在线观看日本一区| 亚洲精品在线观看二区| 美女xxoo啪啪120秒动态图| 国产亚洲欧美98| 亚洲成av人片在线播放无| 亚洲精品亚洲一区二区| 天美传媒精品一区二区| 高清在线国产一区| 欧美三级亚洲精品| 久久精品综合一区二区三区| 最新在线观看一区二区三区| 国产白丝娇喘喷水9色精品| 男人舔女人下体高潮全视频| 久久久久国内视频| 欧美最黄视频在线播放免费| 国产三级在线视频| 听说在线观看完整版免费高清| 热99re8久久精品国产| 国产在线男女| av在线观看视频网站免费| 亚洲狠狠婷婷综合久久图片| 特大巨黑吊av在线直播| 小说图片视频综合网站| 国产精品三级大全| 亚洲人与动物交配视频| 成人精品一区二区免费| www日本黄色视频网| 女人十人毛片免费观看3o分钟| 91精品国产九色| 亚洲欧美日韩东京热| www日本黄色视频网| 少妇猛男粗大的猛烈进出视频 | 成年免费大片在线观看| 国产精品国产高清国产av| 国产主播在线观看一区二区| 国产亚洲av嫩草精品影院| 国产成人a区在线观看| 永久网站在线| 九色成人免费人妻av| 午夜爱爱视频在线播放| 熟妇人妻久久中文字幕3abv| 精品国产三级普通话版| 久久天躁狠狠躁夜夜2o2o| 99久久成人亚洲精品观看| 国产视频一区二区在线看| 美女高潮喷水抽搐中文字幕| 麻豆精品久久久久久蜜桃| 亚洲精华国产精华液的使用体验 | 两个人的视频大全免费| a级毛片a级免费在线| 非洲黑人性xxxx精品又粗又长| 亚洲精华国产精华液的使用体验 | 成人av一区二区三区在线看| 综合色av麻豆| 免费看日本二区| 黄色一级大片看看| 国产精品人妻久久久影院| 99在线视频只有这里精品首页| 免费人成在线观看视频色| 97碰自拍视频| 夜夜爽天天搞| 国产伦精品一区二区三区四那| 97碰自拍视频| 两个人视频免费观看高清| 日本三级黄在线观看| 全区人妻精品视频| 男女边吃奶边做爰视频| 欧美日韩亚洲国产一区二区在线观看| 成年女人看的毛片在线观看| 色综合站精品国产| 国产单亲对白刺激| 日本黄色视频三级网站网址| 长腿黑丝高跟| 99热6这里只有精品| 欧美人与善性xxx| 美女免费视频网站| 综合色av麻豆| 国产av一区在线观看免费| 国内精品美女久久久久久| 欧美日韩中文字幕国产精品一区二区三区| 中文字幕免费在线视频6| av天堂中文字幕网| 欧美日韩中文字幕国产精品一区二区三区| 99热这里只有精品一区| 国产午夜福利久久久久久| 成年女人永久免费观看视频| 欧美高清性xxxxhd video| 国产熟女欧美一区二区| 乱人视频在线观看| 男女那种视频在线观看| 日韩一本色道免费dvd| 我要搜黄色片| 黄色欧美视频在线观看| 亚洲精品一区av在线观看| 狠狠狠狠99中文字幕| 尤物成人国产欧美一区二区三区| av中文乱码字幕在线| 久久久久久久精品吃奶| 日日夜夜操网爽| 最好的美女福利视频网| 午夜免费激情av| 美女被艹到高潮喷水动态| 亚洲成人精品中文字幕电影| 春色校园在线视频观看| 午夜日韩欧美国产| 午夜a级毛片| 男人和女人高潮做爰伦理| 少妇的逼水好多| 国产 一区精品| 色精品久久人妻99蜜桃| 窝窝影院91人妻| 午夜福利18| 丝袜美腿在线中文| 亚洲中文日韩欧美视频| 黄色女人牲交| 最近在线观看免费完整版| 色综合婷婷激情| 日本五十路高清| 搡老妇女老女人老熟妇| 成人一区二区视频在线观看| 黄色女人牲交| 亚洲一区高清亚洲精品| 国产精品久久久久久久电影| 欧美性猛交╳xxx乱大交人| 久久精品国产亚洲av天美| 国产免费一级a男人的天堂| 露出奶头的视频| 欧洲精品卡2卡3卡4卡5卡区| 免费在线观看影片大全网站| 少妇裸体淫交视频免费看高清| 天堂影院成人在线观看| 日韩人妻高清精品专区| 午夜老司机福利剧场| 国产在线男女| 日日撸夜夜添| 欧美xxxx性猛交bbbb| 色综合色国产| 极品教师在线免费播放| 午夜久久久久精精品| 日韩人妻高清精品专区| 久久久久久久精品吃奶| 亚洲国产日韩欧美精品在线观看| 欧美黑人欧美精品刺激| 麻豆av噜噜一区二区三区| 一级黄色大片毛片| 免费大片18禁| 99精品在免费线老司机午夜| www.色视频.com| 亚洲成人久久爱视频| 日韩,欧美,国产一区二区三区 | 人人妻人人看人人澡| 国产高清激情床上av| 午夜爱爱视频在线播放| 国产视频一区二区在线看| 最近视频中文字幕2019在线8| 亚洲精品乱码久久久v下载方式| 91久久精品电影网| 亚洲精华国产精华精| 久久久久久久久中文| 亚洲美女视频黄频| 最新在线观看一区二区三区| 欧美一区二区精品小视频在线| 亚洲无线在线观看| 美女 人体艺术 gogo| 国产伦精品一区二区三区四那| 亚洲 国产 在线| 欧美日韩乱码在线| 免费看日本二区| 搞女人的毛片| 午夜a级毛片| 男人和女人高潮做爰伦理| 内射极品少妇av片p| 国产精品一区二区三区四区久久| 欧美高清性xxxxhd video| 亚洲精品亚洲一区二区| 好男人在线观看高清免费视频| 老司机深夜福利视频在线观看| 99热只有精品国产| 欧美高清性xxxxhd video| 亚洲av中文av极速乱 | 亚洲 国产 在线| 欧美成人一区二区免费高清观看| 亚洲国产精品合色在线| 国产精品爽爽va在线观看网站| 99久久成人亚洲精品观看| 亚洲精品一区av在线观看| 午夜福利视频1000在线观看| 久久精品国产亚洲av涩爱 | 久久这里只有精品中国| 亚洲一区高清亚洲精品| 日韩精品青青久久久久久| 亚洲va在线va天堂va国产| 亚洲无线观看免费| 琪琪午夜伦伦电影理论片6080| 国产精品永久免费网站| 亚洲精品在线观看二区| 毛片女人毛片| 亚洲精华国产精华液的使用体验 | 伦理电影大哥的女人| 美女高潮喷水抽搐中文字幕| 精品久久久久久久久久久久久| 亚洲乱码一区二区免费版| 亚洲av免费高清在线观看| 欧美日韩瑟瑟在线播放| 国内毛片毛片毛片毛片毛片| 国产精品人妻久久久久久| 国产91精品成人一区二区三区| 免费看av在线观看网站| 男人舔奶头视频| 男人的好看免费观看在线视频| 国产精品亚洲美女久久久| 少妇的逼好多水| 又爽又黄a免费视频| 国产一区二区三区av在线 | 午夜福利视频1000在线观看| 三级男女做爰猛烈吃奶摸视频| 乱人视频在线观看| 久久久久久久久中文| 亚洲精品色激情综合| 欧美极品一区二区三区四区| 村上凉子中文字幕在线| 亚洲人成伊人成综合网2020| 亚洲 国产 在线| 国产亚洲av嫩草精品影院| 伦理电影大哥的女人| 99九九线精品视频在线观看视频| 波多野结衣巨乳人妻| 久久中文看片网| 亚洲avbb在线观看| 久久国产乱子免费精品| 日本黄色片子视频| 亚洲人成网站在线播放欧美日韩| 啪啪无遮挡十八禁网站| 国产伦在线观看视频一区| 亚洲国产欧美人成| 日韩一区二区视频免费看| 亚洲综合色惰| 久久精品国产鲁丝片午夜精品 | 一本精品99久久精品77| 男女下面进入的视频免费午夜| xxxwww97欧美| 久久欧美精品欧美久久欧美| 一进一出抽搐动态| 精品人妻偷拍中文字幕| 国内精品宾馆在线| 欧美三级亚洲精品| 免费在线观看日本一区| 91狼人影院| 自拍偷自拍亚洲精品老妇| 成人av在线播放网站| 熟妇人妻久久中文字幕3abv| 欧美日韩乱码在线| 国产精品99久久久久久久久| 亚洲性夜色夜夜综合| 国产精品野战在线观看| 亚洲国产欧美人成| 免费一级毛片在线播放高清视频| 亚洲18禁久久av| 又爽又黄a免费视频| 一a级毛片在线观看| 夜夜夜夜夜久久久久| 嫩草影视91久久| 久久午夜亚洲精品久久| 亚洲一区二区三区色噜噜| 性色avwww在线观看| h日本视频在线播放| 91在线精品国自产拍蜜月| 搡老熟女国产l中国老女人| 变态另类丝袜制服| 窝窝影院91人妻| 五月玫瑰六月丁香| 亚洲av成人精品一区久久| 亚洲综合色惰| 国产 一区 欧美 日韩| 国内揄拍国产精品人妻在线| 亚洲精品乱码久久久v下载方式| 免费搜索国产男女视频| 黄色配什么色好看| 欧美zozozo另类| 国产精品亚洲美女久久久| 狂野欧美激情性xxxx在线观看| 精品国内亚洲2022精品成人| 精品久久国产蜜桃| 午夜视频国产福利| 亚洲狠狠婷婷综合久久图片| 看黄色毛片网站| 琪琪午夜伦伦电影理论片6080| 99热精品在线国产| 久久久久久国产a免费观看| 国产探花在线观看一区二区| 国产一区二区激情短视频| 精品国内亚洲2022精品成人| 色哟哟·www| 天堂网av新在线| 99久久中文字幕三级久久日本| 国内久久婷婷六月综合欲色啪| 在线观看一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 99热网站在线观看| 国产高清三级在线| 哪里可以看免费的av片| 成人一区二区视频在线观看| 丰满乱子伦码专区| 亚洲午夜理论影院| 偷拍熟女少妇极品色| 欧美高清成人免费视频www| 久久久久久大精品| 欧美日本视频| 搡老妇女老女人老熟妇| 白带黄色成豆腐渣| 国模一区二区三区四区视频| 动漫黄色视频在线观看| 1024手机看黄色片| 男女啪啪激烈高潮av片| 18禁黄网站禁片午夜丰满| 日本免费一区二区三区高清不卡| 99热6这里只有精品| 欧美又色又爽又黄视频| 又爽又黄无遮挡网站| 国产男靠女视频免费网站| 一级黄片播放器| 神马国产精品三级电影在线观看| 成年免费大片在线观看| www日本黄色视频网| 人妻久久中文字幕网| 一级a爱片免费观看的视频| 91麻豆av在线| 男人舔女人下体高潮全视频| 99久久成人亚洲精品观看| 91麻豆精品激情在线观看国产| 国产综合懂色| 国产av不卡久久| 国产精品野战在线观看| 国产精品精品国产色婷婷| 中国美白少妇内射xxxbb| 99九九线精品视频在线观看视频| 亚洲最大成人中文| 欧美xxxx黑人xx丫x性爽| 精品不卡国产一区二区三区| 亚洲最大成人手机在线| 免费在线观看影片大全网站| 非洲黑人性xxxx精品又粗又长| 婷婷精品国产亚洲av在线| 在线看三级毛片| 亚洲自拍偷在线| 蜜桃亚洲精品一区二区三区| 欧美bdsm另类| 中文字幕人妻熟人妻熟丝袜美| 美女黄网站色视频| 啦啦啦韩国在线观看视频| 欧美一区二区国产精品久久精品| 午夜免费男女啪啪视频观看 | 乱人视频在线观看| 搞女人的毛片| 亚洲精华国产精华精| 亚洲人成网站在线播放欧美日韩| 久久久国产成人免费| 日本免费一区二区三区高清不卡| 国产日本99.免费观看| 久久久午夜欧美精品| 国产亚洲欧美98| 欧美日本亚洲视频在线播放| 18禁黄网站禁片午夜丰满| 成人特级黄色片久久久久久久| 桃红色精品国产亚洲av| 女同久久另类99精品国产91| 两个人视频免费观看高清| 特级一级黄色大片| 狠狠狠狠99中文字幕| 日韩精品中文字幕看吧| 久久午夜福利片| 久久香蕉精品热| 成年人黄色毛片网站| 日本黄色视频三级网站网址| bbb黄色大片| av天堂在线播放| 中出人妻视频一区二区| 男女做爰动态图高潮gif福利片| 中文在线观看免费www的网站| 97超视频在线观看视频| 小蜜桃在线观看免费完整版高清| 免费看美女性在线毛片视频| 免费无遮挡裸体视频| 亚洲va在线va天堂va国产| 两个人的视频大全免费| 国产亚洲欧美98| 一a级毛片在线观看| 午夜久久久久精精品| АⅤ资源中文在线天堂| 国产精品不卡视频一区二区| 少妇猛男粗大的猛烈进出视频 | 网址你懂的国产日韩在线| 亚洲va在线va天堂va国产| 免费在线观看影片大全网站| 最新在线观看一区二区三区| 久久精品国产亚洲av香蕉五月| 国产在线精品亚洲第一网站| 国产一区二区三区在线臀色熟女| 少妇高潮的动态图| 午夜精品在线福利| 一个人看的www免费观看视频| 性插视频无遮挡在线免费观看| 国产视频一区二区在线看| 亚洲欧美日韩高清专用| 2021天堂中文幕一二区在线观| 老司机午夜福利在线观看视频| 一区福利在线观看| 成人美女网站在线观看视频| 嫩草影院精品99| 亚洲最大成人中文| 美女cb高潮喷水在线观看| 精品人妻偷拍中文字幕| 亚洲欧美精品综合久久99| 久久精品国产清高在天天线| 国产欧美日韩精品一区二区| 日本爱情动作片www.在线观看 | 一a级毛片在线观看| 观看免费一级毛片| 淫秽高清视频在线观看| 亚洲色图av天堂| 给我免费播放毛片高清在线观看| 嫩草影视91久久| 老司机福利观看| 日韩欧美三级三区| 在线播放无遮挡| 亚洲aⅴ乱码一区二区在线播放| 女同久久另类99精品国产91| 国产成人av教育| 亚洲欧美日韩无卡精品| 99久久成人亚洲精品观看| 精品久久久久久久久av| 日韩,欧美,国产一区二区三区 | av中文乱码字幕在线| 99热这里只有精品一区| 哪里可以看免费的av片| 日本熟妇午夜| 国产亚洲精品久久久com| 久久久午夜欧美精品| 亚洲男人的天堂狠狠| 亚洲熟妇中文字幕五十中出| 久久久久久久久久成人| 亚洲欧美清纯卡通| 亚洲专区中文字幕在线| 亚洲男人的天堂狠狠| 国产精品一区二区三区四区久久| 欧美日韩国产亚洲二区| 亚洲精品久久国产高清桃花| 男女啪啪激烈高潮av片| 免费黄网站久久成人精品| 免费高清视频大片| 熟妇人妻久久中文字幕3abv| 日日干狠狠操夜夜爽| 少妇熟女aⅴ在线视频| 欧美性猛交黑人性爽| 啦啦啦韩国在线观看视频| 国产精品自产拍在线观看55亚洲| 看十八女毛片水多多多| 可以在线观看的亚洲视频| 午夜福利欧美成人| 国产精品电影一区二区三区| 国产高清有码在线观看视频| 色哟哟哟哟哟哟| 久久精品国产99精品国产亚洲性色| 香蕉av资源在线| 午夜视频国产福利| 天天躁日日操中文字幕| 久久久久久九九精品二区国产| 欧美成人免费av一区二区三区| 日韩欧美三级三区| 亚洲,欧美,日韩| 国产精华一区二区三区| 精品久久久久久,| 国产高清三级在线| 在线观看美女被高潮喷水网站| 99久久九九国产精品国产免费| 麻豆国产av国片精品| 日韩欧美精品v在线| 国产精品一区二区免费欧美| 99九九线精品视频在线观看视频| 久久香蕉精品热| 久久99热6这里只有精品| 久久99热这里只有精品18| 色综合婷婷激情| 国模一区二区三区四区视频| 人人妻,人人澡人人爽秒播| 国产精品永久免费网站| 久久久精品欧美日韩精品| 精品不卡国产一区二区三区| 夜夜夜夜夜久久久久| 日韩欧美三级三区| 一个人看视频在线观看www免费| 亚洲最大成人手机在线| 美女免费视频网站| 欧美最黄视频在线播放免费| 91久久精品国产一区二区成人| 国产免费一级a男人的天堂| 精品日产1卡2卡| 亚洲av成人av| 国内精品一区二区在线观看| 午夜精品久久久久久毛片777| 男人舔女人下体高潮全视频| 国产在线男女| videossex国产| 午夜福利在线在线| 国产大屁股一区二区在线视频| 18禁在线播放成人免费| 全区人妻精品视频| 91精品国产九色| 精品久久久久久久久av| 国产黄片美女视频| 久久精品国产亚洲网站| 99热网站在线观看| 欧美+日韩+精品| 1024手机看黄色片| 久久亚洲精品不卡| 欧美日本视频| 久久午夜亚洲精品久久| 午夜福利欧美成人| 中文字幕高清在线视频| 97热精品久久久久久| 午夜福利在线在线| 亚洲av成人精品一区久久| 一区二区三区四区激情视频 | 亚洲电影在线观看av| 中出人妻视频一区二区| 国产精品三级大全| 三级男女做爰猛烈吃奶摸视频| 桃色一区二区三区在线观看| 精品乱码久久久久久99久播| 不卡视频在线观看欧美| 简卡轻食公司| 色综合亚洲欧美另类图片| 国产亚洲精品av在线| 亚洲av免费高清在线观看| 在线观看一区二区三区| 国产精品人妻久久久久久| 免费观看的影片在线观看| 成人三级黄色视频| 天堂av国产一区二区熟女人妻| 少妇猛男粗大的猛烈进出视频 | 国产高潮美女av| 国产精品久久电影中文字幕| 最近视频中文字幕2019在线8| 国产极品精品免费视频能看的| 亚洲欧美精品综合久久99| 99在线人妻在线中文字幕| 三级男女做爰猛烈吃奶摸视频| 女人被狂操c到高潮| 色哟哟·www| 国产视频一区二区在线看| 老司机午夜福利在线观看视频| 国国产精品蜜臀av免费| 亚洲中文字幕日韩| 欧美日韩亚洲国产一区二区在线观看| 综合色av麻豆| 欧美日韩黄片免| 亚洲图色成人| 免费大片18禁| 日本免费一区二区三区高清不卡| 午夜久久久久精精品| 岛国在线免费视频观看|