• <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 ?

    基于變量分析和粒子群優(yōu)化加權(quán)隨機(jī)森林的交通事件檢測(cè)方法

    2021-07-29 02:09:12羅預(yù)欣薛運(yùn)強(qiáng)
    科學(xué)技術(shù)與工程 2021年14期
    關(guān)鍵詞:占有率檢測(cè)器決策樹(shù)

    羅預(yù)欣,張 兵,薛運(yùn)強(qiáng)

    (華東交通大學(xué)交通運(yùn)輸與物流學(xué)院,南昌 330013)

    高速公路是城市間的主要通道,其特點(diǎn)是流量大,速度快,在高速公路上發(fā)生交通事件會(huì)帶來(lái)嚴(yán)重的人員傷亡和降低道路通行效率,若不及時(shí)處理對(duì)后續(xù)的車(chē)輛還是乘車(chē)人員都有發(fā)生二次安全事故的可能性。據(jù)統(tǒng)計(jì),美國(guó)快速路總擁堵事件中的55%~75%擁堵事件是由交通事件的發(fā)生引起的[1],在中國(guó)上海,1/3的交通擁堵是由交通事件、車(chē)輛故障等交通事件造成[2]。因此,為了保障道路通行效率,道路安全水平,研究出準(zhǔn)確及時(shí)的AID算法具有重要意義。近幾十年,越來(lái)越多的交通自動(dòng)檢測(cè)(AID)算法被相繼研究出。早期開(kāi)發(fā)的AID算法主要有加利福尼亞算法[3]、基于突變理論的McMaster算法[4]等。隨著對(duì)交通事故影響下事發(fā)路段交通特性變化分析[5]和機(jī)器學(xué)習(xí)、大數(shù)據(jù)的發(fā)展,越來(lái)越多的算法模型被相繼提出,如神經(jīng)網(wǎng)絡(luò)模型[6]、支持向量機(jī)(SVM)模型[7],隨機(jī)森林(RF)模型[8]等。然而,在以往的交通事件自動(dòng)檢測(cè)算法中大多數(shù)的輸入特征變量只是簡(jiǎn)單的流量、速度、占有率,并沒(méi)有對(duì)交通事件初始變量進(jìn)行全面的分析,導(dǎo)致檢測(cè)效果并不理想。為此,從變量分析的角度構(gòu)建全面的初始變量并進(jìn)行篩選,在算法層面,將根據(jù)隨機(jī)森林算法分類(lèi)的缺點(diǎn),提出對(duì)決策樹(shù)進(jìn)行權(quán)重賦值并利用粒子群(PSO)算法進(jìn)行優(yōu)化。提出基于變量分析和粒子群優(yōu)化加權(quán)隨機(jī)森林交通事件檢測(cè)算法,實(shí)現(xiàn)快速有效地檢測(cè)交通事件,提高AID系統(tǒng)的檢測(cè)性能,確保高速公路交通事件發(fā)生時(shí)能及時(shí)有效地處理。

    1 交通事件初始特征變量分析

    高速公路交通流參數(shù)主要包括流量、速度、占有率、車(chē)頭時(shí)距、車(chē)頭間距。但對(duì)于交通事件檢測(cè)算法來(lái)說(shuō)常用的三種參數(shù)為流量、速度、占有率。其中流量指在某一截面或某一地點(diǎn)單位時(shí)間內(nèi)通過(guò)的車(chē)輛數(shù);速度指車(chē)輛在單位時(shí)間內(nèi)行駛的距離;占有率也分為時(shí)間和空間上的占有率,由于空間占有率難以獲取,一般來(lái)說(shuō)在交通事件檢測(cè)中,占有率通常指的是時(shí)間占有率,其含義指的是在某一時(shí)間內(nèi),車(chē)輛占用檢測(cè)器時(shí)間與檢測(cè)時(shí)間的比值。在高速公路上目前車(chē)輛檢測(cè)器是常見(jiàn)的采集設(shè)備,它能采集交通流各參數(shù),可運(yùn)用這些參數(shù)進(jìn)行AID算法的研究。

    1.1 交通流基本參數(shù)分析

    在發(fā)生交通異常狀態(tài)時(shí),交通流各參數(shù)數(shù)據(jù)將會(huì)發(fā)生顯著的波動(dòng),與之相反,對(duì)于交通狀態(tài)處于正常情況下的交通流各參數(shù)數(shù)據(jù)波動(dòng)是在一定范圍內(nèi)的,當(dāng)高速公路發(fā)生交通事件時(shí),往往屬于偶發(fā)性交通事件,如車(chē)輛追尾,貨物散落等將造成這一路段在一定時(shí)間和范圍內(nèi)的交通擁堵導(dǎo)致道路的通行能力下降,車(chē)輛的行駛速度降低,道路占有率增加,如圖1所示。其初始特征變量:檢測(cè)器所采集的流量、速度、占有率。

    圖1 事件發(fā)生前后基本參數(shù)的變化Fig.1 Changes in basic parameters before and after the event

    1.2 交通流參數(shù)組合分析

    在發(fā)生交通事件時(shí)候,交通流參數(shù)將會(huì)發(fā)生一定的變化,對(duì)于單一的參數(shù)不能將這種變化放大,將考慮同一檢測(cè)器參數(shù)的不同的組合,例如不同參數(shù)之間的差值、乘積、比值,以同一檢測(cè)器交通實(shí)測(cè)量和交通預(yù)測(cè)量差值為例,如圖2所示,圖2中橢圓區(qū)域代表事件的發(fā)生。其中,本文交通流參數(shù)的預(yù)測(cè)值將采用移動(dòng)平均法算出。其初始特征變量:同一檢測(cè)器所采集的實(shí)測(cè)流量與預(yù)測(cè)流量的差值,同一檢測(cè)器所采集的實(shí)測(cè)速度與預(yù)測(cè)速度的差值,同一檢測(cè)器所采集的實(shí)測(cè)占有率與預(yù)測(cè)占有率的差值,同一檢測(cè)器所采集的占有率與速度的比值,同一檢測(cè)器所采集的流量與速度的比值,同一檢測(cè)器所采集的占有率與流量的比值。

    圖2 事件發(fā)生時(shí)交通實(shí)測(cè)量與預(yù)測(cè)量之差Fig.2 The difference between the measured and predicted traffic at the time of the incident

    1.3 不同區(qū)間交通流參數(shù)分析

    當(dāng)交通事件發(fā)生時(shí),在事件發(fā)生路段的上下游是處于一個(gè)相反的交通狀態(tài),上游擁堵,則下游暢通。從數(shù)據(jù)層面上,其相鄰的兩個(gè)檢測(cè)器采集到的交通流參數(shù)車(chē)輛速度、流量、占有率等數(shù)據(jù)將有明顯的不同的變化,上游車(chē)輛速度降低,流量增加,占有率增加;下游則相反。其上下游檢測(cè)器交通參數(shù)的組合對(duì)交通事件的發(fā)生也有很強(qiáng)的敏感性。其初始特征變量:上下游檢測(cè)器流量的比值,上下游檢測(cè)器占有率的比值,上下游檢測(cè)器速度的比值。

    綜上所述,設(shè)計(jì)15個(gè)特征變量,構(gòu)成交通事件檢測(cè)的初始變量見(jiàn)表1。

    2 基于樹(shù)模型的變量選擇

    樹(shù)模型一般不僅可以用來(lái)作為分類(lèi)和回歸,還可以對(duì)特征變量進(jìn)行選擇和重要度排序,比如決策樹(shù)是一種基本的分類(lèi)和回歸的方法,但它也可以對(duì)特征變量進(jìn)行選擇,選出對(duì)訓(xùn)練集有較好分類(lèi)能力的特征,一般采用的準(zhǔn)則是基尼系數(shù)、信息增益或者信息增益比來(lái)進(jìn)行特征選擇。通過(guò)樹(shù)模型:AdaBoost[9]、決策樹(shù)的提升方法梯度提升樹(shù)(GBDT)[10],還有決策樹(shù)的集合隨機(jī)森林(RF)作為樹(shù)模型對(duì)初始變量集進(jìn)行特征變量篩選和排序,然后再將各特征變量在不同樹(shù)模型中的重要度排序,最終得到所有變量的重要度排序?qū)?yīng)不同變量個(gè)數(shù)的分類(lèi)正確率。其流程如圖3所示。

    表1 初始特征變量Table 1 Initial characteristic variables

    圖3 變量選擇流程Fig.3 Variable selection process

    3 加權(quán)隨機(jī)森林

    3.1 隨機(jī)森林理論

    隨機(jī)森林(RF)[11-14]是一種集成學(xué)習(xí)的組合分類(lèi)器,利用Bootstrap重采樣方法從原始數(shù)據(jù)中有放回的抽樣,然后對(duì)抽取的樣本進(jìn)行決策樹(shù)建模,將多顆決策樹(shù)組合在一起,通過(guò)投票得出最終分類(lèi)和預(yù)測(cè)的結(jié)果。隨機(jī)森林算法在生成過(guò)程中實(shí)質(zhì)上是采用Bagging采樣技術(shù)對(duì)決策樹(shù)進(jìn)行集成,其目的是防止產(chǎn)生局部最優(yōu)解。隨機(jī)森林算法的隨機(jī)性主要體現(xiàn)在兩點(diǎn),第一是訓(xùn)練集的隨機(jī)抽取,第二是特征變量的隨機(jī)選擇。其算法流程如下:

    (1)確定訓(xùn)練集X、隨機(jī)變量m、樹(shù)的規(guī)模T。

    (2)通過(guò)Bagging采樣技術(shù)從訓(xùn)練集中采取樣本。

    (3)在隨機(jī)變量m中,隨機(jī)的抽取n個(gè)變量(n≤m)與采取的樣本構(gòu)建決策樹(shù)。

    (4)通過(guò)以上的不斷重復(fù),形成多棵決策樹(shù),生成隨機(jī)森林。并通過(guò)每棵決策樹(shù)的投票確定最終的分類(lèi)結(jié)果。

    其最終的分類(lèi)結(jié)果,可以表達(dá)為

    (1)

    式(1)中:H(X)為分類(lèi)結(jié)果;ht(X)=y表示第t棵決策樹(shù)得出的結(jié)果;I(·)表示括號(hào)中的個(gè)數(shù);y=1,2,…,c表示類(lèi)別數(shù);t=1,2,…,T為決策樹(shù)的數(shù)量。

    3.2 加權(quán)隨機(jī)森林算法

    對(duì)于傳統(tǒng)的隨機(jī)森林,在進(jìn)行最后投票分類(lèi)的時(shí)候,每棵決策樹(shù)的投票權(quán)重都是相同的,看似這種投票方式公平,但在隨機(jī)森林中每棵決策樹(shù)的分類(lèi)精度都不一樣,有些分類(lèi)效果可能較好,有些則相對(duì)較差,再加上交通事件數(shù)據(jù)樣本是一個(gè)不平衡數(shù)據(jù)樣本,將導(dǎo)致隨機(jī)森林的分類(lèi)能力將趨向于大樣本數(shù)據(jù)下決策樹(shù)的分類(lèi)結(jié)果。因此,提出加權(quán)隨機(jī)森林模型[15-16]。其主要思路是在給每棵決策樹(shù)設(shè)置一個(gè)權(quán)重,在進(jìn)行投票時(shí),每棵決策樹(shù)都要乘以這個(gè)權(quán)重值。其中將訓(xùn)練樣中的一部分樣本用來(lái)對(duì)傳統(tǒng)隨機(jī)森林中的決策樹(shù)進(jìn)行訓(xùn)練,在訓(xùn)練完成后,用另一部分訓(xùn)練樣本作為測(cè)試樣本,對(duì)決策樹(shù)進(jìn)行測(cè)試其分類(lèi)能力。

    (2)

    (3)

    4 粒子群優(yōu)化加權(quán)隨機(jī)森林模型

    對(duì)于加權(quán)隨機(jī)森林算法,其中決策樹(shù)數(shù)量T、測(cè)試樣本X、隨機(jī)變量m、剪枝閾值ε等參數(shù)在實(shí)際編程時(shí)都是通過(guò)經(jīng)驗(yàn)來(lái)選取,若取值不當(dāng)將對(duì)模型的輸出有很大的影響,所以這些參數(shù)要進(jìn)行優(yōu)化?,F(xiàn)在常用的參數(shù)優(yōu)化方法有網(wǎng)格子搜索法、遺傳算法相對(duì)于粒子群算法在優(yōu)化上的性能較差。為此,采用粒子群算法[17]對(duì)加權(quán)隨機(jī)森林的參數(shù)進(jìn)行優(yōu)化,獲取最優(yōu)的參數(shù)。

    基于粒子群算法對(duì)加權(quán)隨機(jī)森林參數(shù)優(yōu)化的步驟如下:

    (1)最開(kāi)始對(duì)決策樹(shù)數(shù)量T、測(cè)試樣本X、隨機(jī)變量m、剪枝閾值ε進(jìn)行一個(gè)隨機(jī)的設(shè)定。

    (2)對(duì)用于分類(lèi)的數(shù)據(jù)集進(jìn)行Bootstrap采樣,隨機(jī)生成T個(gè)訓(xùn)練數(shù)據(jù)集,并在每個(gè)訓(xùn)練數(shù)據(jù)集中選出X個(gè)測(cè)試樣本。

    (3)將每個(gè)訓(xùn)練數(shù)據(jù)集中的另一部分?jǐn)?shù)據(jù)樣本對(duì)決策樹(shù)進(jìn)行構(gòu)建,共T棵,在對(duì)決策樹(shù)進(jìn)行構(gòu)建時(shí),變量的選擇均從全部的變量中選出m個(gè)特征變量作為該決策樹(shù)結(jié)點(diǎn)的決策變量。

    (4)當(dāng)結(jié)點(diǎn)內(nèi)包含的樣本數(shù)少于閾值ε時(shí),將該結(jié)點(diǎn)作為葉結(jié)點(diǎn),并返回其目標(biāo)屬性的眾數(shù)作為該決策樹(shù)的分類(lèi)結(jié)果。

    (5)在生成完T棵決策樹(shù)后,對(duì)每棵樹(shù)進(jìn)行測(cè)試,并計(jì)算其權(quán)重。

    (6)通過(guò)式(3)計(jì)算出分類(lèi)結(jié)果。

    (7)將分類(lèi)結(jié)果作為準(zhǔn)確率,采用粒子群算法對(duì)(1)中提到的參數(shù)進(jìn)行迭代優(yōu)化,確定最終模型的參數(shù)。

    其本文算法流程圖如圖4所示。

    圖4 本文算法流程圖Fig.4 Flow chart of the proposed algorithm

    5 實(shí)例驗(yàn)證

    5.1 數(shù)據(jù)來(lái)源

    數(shù)據(jù)來(lái)源于某市高速公路環(huán)形線圈檢測(cè)器采集的交通事件數(shù)據(jù),選取該高速公路長(zhǎng)約為10 km的路段作為研究對(duì)象,該路段單向2車(chē)道,單車(chē)道寬3.5 m,大約平均500 m設(shè)置一個(gè)檢測(cè)截面。檢測(cè)器所采集的交通數(shù)據(jù)為流量、速度、占有率(時(shí)間占有率),采集時(shí)間間隔為1 min,共計(jì)發(fā)生5 760個(gè)樣本數(shù)據(jù),部分樣本數(shù)據(jù)見(jiàn)表2。

    表2 部分樣本數(shù)據(jù)Table 2 Partial sample data

    5.2 特征變量選擇

    采用基于樹(shù)模型的各種算法對(duì)交通事件的特征變量進(jìn)行篩選,利用Python3.7編程實(shí)現(xiàn)這三種基于樹(shù)模型的算法對(duì)初始變量進(jìn)行排序,圖5~圖7分別是各算法初始變量重要度排序,最終通過(guò)各算法得出的變量重要度[18]進(jìn)行綜合得分排序,選擇出對(duì)于交通事件發(fā)生更為敏感的關(guān)鍵變量,如圖8所示。當(dāng)進(jìn)行初始變量篩選時(shí),在尋找關(guān)鍵變量的同時(shí)也要保證分類(lèi)正確率,經(jīng)過(guò)三種算法比較分析,選取5個(gè)重要度相對(duì)較高的關(guān)鍵變量,分別為:同一檢測(cè)器所采集的實(shí)測(cè)速度與預(yù)測(cè)速度的差值;同一檢測(cè)器所采集的實(shí)測(cè)占有率與預(yù)測(cè)占有率差值。

    圖5 基于Adaboost算法變量篩選Fig.5 Variable selection based on Adaboost algorithm

    圖6 基于GBDT算法變量篩選Fig.6 Variable selection based on GBDT algorithm

    圖7 基于RF變量篩選Fig.7 Screening based on random forest variables

    圖8 最終變量重要度排序Fig.8 Ranking of importance of final variables

    同一檢測(cè)器實(shí)際占有率與預(yù)測(cè)占有率比值;上下游檢測(cè)器速度的比值;上下游檢測(cè)器占有率的比值。

    5.3 參數(shù)優(yōu)化

    在設(shè)定決策樹(shù)棵數(shù)T和剪枝閾值ε時(shí),對(duì)決策樹(shù)的數(shù)量在100~1 000取值;對(duì)剪枝閾值在10~100取值,分別判斷其取值對(duì)建立加權(quán)隨機(jī)森林模型分類(lèi)正確率的影響。

    從圖9和圖10可以看出剪枝閾值和決策樹(shù)數(shù)量對(duì)加權(quán)隨機(jī)森林模型的分類(lèi)準(zhǔn)確率有一定的影響,其中當(dāng)剪枝閾值達(dá)到50時(shí),準(zhǔn)確率達(dá)到最優(yōu)值,其后準(zhǔn)確率逐漸降低并在此左右波動(dòng);準(zhǔn)確率與決策樹(shù)的數(shù)量的曲線為緩慢上升的趨勢(shì),決策樹(shù)到500時(shí)準(zhǔn)確率達(dá)到最高,之后緩慢降低;由此可見(jiàn),加權(quán)隨機(jī)森林的參數(shù)對(duì)模型的分類(lèi)效果有一定的影響,所有將采用粒子群算法對(duì)模型參數(shù)進(jìn)行優(yōu)化以取得最優(yōu)值。其中,粒子群優(yōu)化算法的參數(shù)設(shè)置如下:學(xué)習(xí)因子c1=2,c2=2,慣性權(quán)重w=0.8,粒子個(gè)數(shù)為20,粒子維數(shù)為4,迭代次數(shù)為100。

    5.4 實(shí)驗(yàn)結(jié)果分析

    5.4.1 評(píng)價(jià)指標(biāo)

    交通事件自動(dòng)檢測(cè)算法(AID)評(píng)價(jià)指標(biāo)采用以下指標(biāo):檢測(cè)率(detection rate,DR)、誤報(bào)率(false alarm rate,FAR)、平均檢測(cè)時(shí)間(mean time to detection,MTTD)。

    圖9 剪枝閾值對(duì)加權(quán)隨機(jī)森林分類(lèi)性能的影響Fig.9 The influence of pruning threshold on the classification performance of weighted random forest

    圖10 決策樹(shù)數(shù)量對(duì)加權(quán)隨機(jī)森林分類(lèi)性能的影響Fig.10 The influence of the number of decision trees on the classification performance of weighted random forest

    (1)檢測(cè)率(DR):是指在同一時(shí)間段內(nèi)AID算法檢測(cè)到的事件數(shù)與實(shí)際發(fā)生的事件總數(shù)的百分比。

    (4)

    式(4)中:DM為檢測(cè)到的事件數(shù);AM為實(shí)際發(fā)生的事件數(shù)。

    (2)誤報(bào)率(FAR):表示在一定時(shí)間段內(nèi),誤報(bào)事件數(shù)與所有決策次數(shù)之比。

    (5)

    式(5)中:FN為誤報(bào)事件數(shù);NR為所有決策次數(shù)。

    (3)平均檢測(cè)時(shí)間(MTTD):指求實(shí)際發(fā)生時(shí)間和AID算法檢測(cè)出事件的時(shí)間相差的算術(shù)平均值。

    (6)

    式(6)中:T(i)為被檢測(cè)到的第i個(gè)事件發(fā)生的時(shí)間;A(i)為第i個(gè)事件實(shí)際發(fā)生的時(shí)間。

    5.4.2 性能分析

    為了驗(yàn)證對(duì)初始變量篩選后對(duì)事件檢測(cè)的有效影響和本文模型(PSO優(yōu)化的加權(quán)隨機(jī)森林)在交通事件自動(dòng)檢測(cè)上綜合性能的評(píng)價(jià),將引入支持向量機(jī)(SVM)、隨機(jī)森林(RF)算法進(jìn)行檢測(cè)效果整體分析。通過(guò)構(gòu)建初始變量訓(xùn)練集,重要變量訓(xùn)練集,并帶入這三種算法中測(cè)試其性能,結(jié)果見(jiàn)表3。

    由表3可知,從變量角度看出,在進(jìn)行過(guò)變量篩選后,利用重要變量進(jìn)行檢測(cè),性能比利用初始變量檢測(cè)有所改善,其中構(gòu)建的三種算法檢測(cè)率提高,誤報(bào)率降低;從算法模型的角度可以看出,本文構(gòu)建的PSO優(yōu)化加權(quán)隨機(jī)森林模型對(duì)初始變量和重要變量的檢測(cè)性能都要比SVM、RF算法的檢測(cè)效果要更優(yōu),在檢測(cè)率和誤報(bào)率上都有更優(yōu)的效果,但在檢測(cè)時(shí)間上還有進(jìn)一步提高。綜合實(shí)驗(yàn)結(jié)果分析:本文中對(duì)特征變量進(jìn)行篩選并構(gòu)建PSO優(yōu)化的加權(quán)隨機(jī)森林模型與SVM、RF算法相比,在檢測(cè)性能上更優(yōu)。

    表3 不同算法檢測(cè)效果對(duì)比Table 3 Comparison of detection effects of different algorithms

    6 結(jié)論

    以往傳統(tǒng)的交通事件檢測(cè)算法,其輸入的特征變量是簡(jiǎn)單的交通流參數(shù)。通過(guò)對(duì)事件發(fā)生前后基本交通流參數(shù)的分析,不同交通流參數(shù)組合分析,不同區(qū)間交通流參數(shù)的組合,構(gòu)建了較為完整的初始變量,通過(guò)幾種不同基于樹(shù)模型的算法綜合分析得出重要變量。并運(yùn)用PSO算法對(duì)加權(quán)隨機(jī)森林優(yōu)化,構(gòu)建交通事件檢測(cè)的模型,通過(guò)與SVM、RF的比較,本文算法在性能上更優(yōu)。

    猜你喜歡
    占有率檢測(cè)器決策樹(shù)
    數(shù)據(jù)參考
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹(shù)算法
    決策樹(shù)和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    車(chē)道微波車(chē)輛檢測(cè)器的應(yīng)用
    微軟領(lǐng)跑PC操作系統(tǒng)市場(chǎng) Win10占有率突破25%
    基于決策樹(shù)的出租車(chē)乘客出行目的識(shí)別
    一種霧霾檢測(cè)器的研究與設(shè)計(jì)
    滁州市中小學(xué)田徑場(chǎng)地現(xiàn)狀調(diào)查與分析
    9月服裝銷(xiāo)售疲軟
    基于肺癌CT的決策樹(shù)模型在肺癌診斷中的應(yīng)用
    极品人妻少妇av视频| 国产精品国产三级国产专区5o| 丝袜喷水一区| 国产一区二区三区综合在线观看 | 亚洲av国产av综合av卡| av免费在线看不卡| 能在线免费看毛片的网站| 亚洲av不卡在线观看| 亚洲人成网站在线观看播放| 国产精品 国内视频| av又黄又爽大尺度在线免费看| 91在线精品国自产拍蜜月| 五月天丁香电影| 精品人妻一区二区三区麻豆| 熟女电影av网| 黑人高潮一二区| 亚洲色图综合在线观看| 国产男女内射视频| 免费日韩欧美在线观看| 一级毛片aaaaaa免费看小| 在线天堂最新版资源| 亚洲美女视频黄频| 久久精品久久精品一区二区三区| 中文字幕亚洲精品专区| 色94色欧美一区二区| 日本色播在线视频| 91久久精品国产一区二区成人| 亚洲av综合色区一区| kizo精华| 亚洲精品久久久久久婷婷小说| 一级a做视频免费观看| 99久久精品国产国产毛片| 97在线人人人人妻| 大陆偷拍与自拍| 亚洲美女视频黄频| 免费观看的影片在线观看| 国产乱人偷精品视频| 五月开心婷婷网| 日本色播在线视频| 国产免费一区二区三区四区乱码| 91成人精品电影| 欧美最新免费一区二区三区| 最近最新中文字幕免费大全7| 亚洲成人手机| 久久久国产欧美日韩av| 人妻夜夜爽99麻豆av| 亚洲精品色激情综合| 一区二区三区乱码不卡18| 亚洲少妇的诱惑av| 成年美女黄网站色视频大全免费 | 大又大粗又爽又黄少妇毛片口| av.在线天堂| 99久久中文字幕三级久久日本| 精品卡一卡二卡四卡免费| 精品99又大又爽又粗少妇毛片| 国产一区二区三区综合在线观看 | 日日摸夜夜添夜夜爱| 91精品国产九色| 欧美人与善性xxx| 欧美日韩视频精品一区| 啦啦啦视频在线资源免费观看| 亚洲精品456在线播放app| 麻豆成人av视频| 欧美日韩成人在线一区二区| 亚洲色图综合在线观看| 午夜福利视频在线观看免费| av网站免费在线观看视频| 国产国拍精品亚洲av在线观看| 亚洲四区av| 欧美精品高潮呻吟av久久| 欧美三级亚洲精品| 国国产精品蜜臀av免费| 水蜜桃什么品种好| 麻豆成人av视频| 欧美人与性动交α欧美精品济南到 | 777米奇影视久久| 国产精品欧美亚洲77777| 久久97久久精品| 最近2019中文字幕mv第一页| 欧美3d第一页| av线在线观看网站| 少妇丰满av| 国产精品人妻久久久影院| a级毛片免费高清观看在线播放| 亚洲精品久久午夜乱码| 性色avwww在线观看| 99热6这里只有精品| 99久久人妻综合| 高清视频免费观看一区二区| 纵有疾风起免费观看全集完整版| 69精品国产乱码久久久| 国产男女内射视频| 美女cb高潮喷水在线观看| 熟妇人妻不卡中文字幕| 久久av网站| 国产精品 国内视频| 国产精品人妻久久久影院| 午夜老司机福利剧场| 亚洲成人一二三区av| 在线观看一区二区三区激情| 久久精品人人爽人人爽视色| 一区二区三区免费毛片| 欧美日韩视频高清一区二区三区二| 日韩 亚洲 欧美在线| 在线观看人妻少妇| .国产精品久久| 欧美bdsm另类| 久久综合国产亚洲精品| 人妻系列 视频| 99久久精品一区二区三区| 九九在线视频观看精品| 搡女人真爽免费视频火全软件| 伦理电影免费视频| 男男h啪啪无遮挡| 欧美精品亚洲一区二区| 午夜精品国产一区二区电影| 日本91视频免费播放| 日韩在线高清观看一区二区三区| 久久精品人人爽人人爽视色| 午夜av观看不卡| 一边亲一边摸免费视频| 亚洲色图综合在线观看| 曰老女人黄片| 蜜桃久久精品国产亚洲av| 国产av一区二区精品久久| 一个人看视频在线观看www免费| 日本-黄色视频高清免费观看| 成人毛片60女人毛片免费| 精品酒店卫生间| 人妻夜夜爽99麻豆av| 狠狠婷婷综合久久久久久88av| 午夜av观看不卡| 有码 亚洲区| videossex国产| 国产精品国产三级国产专区5o| 久久久国产欧美日韩av| 色网站视频免费| 一级,二级,三级黄色视频| 女人精品久久久久毛片| 中文字幕av电影在线播放| 女性被躁到高潮视频| 99热6这里只有精品| 午夜精品国产一区二区电影| 高清视频免费观看一区二区| 天天操日日干夜夜撸| 9色porny在线观看| 一边亲一边摸免费视频| 91久久精品国产一区二区三区| 18禁在线无遮挡免费观看视频| 国产精品久久久久久精品电影小说| 国产深夜福利视频在线观看| 欧美人与善性xxx| 国产成人精品无人区| 午夜日本视频在线| 国产成人免费观看mmmm| 人人妻人人添人人爽欧美一区卜| 久久久久网色| 99久久精品一区二区三区| 国产黄色免费在线视频| 黄片播放在线免费| 国产乱来视频区| 欧美老熟妇乱子伦牲交| 夜夜看夜夜爽夜夜摸| 男人操女人黄网站| 又粗又硬又长又爽又黄的视频| 亚洲欧美日韩卡通动漫| 女性被躁到高潮视频| 国产一级毛片在线| 黄色欧美视频在线观看| 欧美+日韩+精品| 视频在线观看一区二区三区| 色吧在线观看| 中国国产av一级| 熟女人妻精品中文字幕| 在线观看人妻少妇| 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 | 亚洲国产精品专区欧美| 色视频在线一区二区三区| 国产精品蜜桃在线观看| 91精品三级在线观看| 天天躁夜夜躁狠狠久久av| 日日撸夜夜添| 午夜福利视频精品| 欧美日韩国产mv在线观看视频| 国产免费视频播放在线视频| 亚洲国产av新网站| 国产男人的电影天堂91| 校园人妻丝袜中文字幕| 肉色欧美久久久久久久蜜桃| 亚洲一区二区三区欧美精品| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品456在线播放app| 免费看不卡的av| 国产熟女欧美一区二区| 制服诱惑二区| 亚洲国产欧美在线一区| 欧美性感艳星| 国语对白做爰xxxⅹ性视频网站| 熟女人妻精品中文字幕| 国产精品99久久99久久久不卡 | 简卡轻食公司| 国产在线一区二区三区精| 精品一品国产午夜福利视频| 人人妻人人澡人人爽人人夜夜| av播播在线观看一区| 女人精品久久久久毛片| 美女内射精品一级片tv| 飞空精品影院首页| 欧美人与善性xxx| 亚洲激情五月婷婷啪啪| 欧美国产精品一级二级三级| 狠狠精品人妻久久久久久综合| 夜夜看夜夜爽夜夜摸| 国产片内射在线| 亚洲精品456在线播放app| 大陆偷拍与自拍| 成人影院久久| 涩涩av久久男人的天堂| 一区二区三区精品91| 91久久精品国产一区二区成人| 精品久久久久久电影网| 五月天丁香电影| 久久av网站| 美女国产视频在线观看| 国产精品久久久久久精品电影小说| 亚洲久久久国产精品| 99久久中文字幕三级久久日本| 日韩 亚洲 欧美在线| 岛国毛片在线播放| 有码 亚洲区| 香蕉精品网在线| 国产熟女欧美一区二区| 观看美女的网站| 日本91视频免费播放| 亚洲精品视频女| 久久97久久精品| 久久久国产欧美日韩av| 九九在线视频观看精品| 成人国产av品久久久| 国产精品免费大片| 久久久久久久精品精品| 国产一级毛片在线| 女性生殖器流出的白浆| 街头女战士在线观看网站| av天堂久久9| 国产乱来视频区| 午夜福利,免费看| 国产精品一国产av| 成人18禁高潮啪啪吃奶动态图 | 女性生殖器流出的白浆| 日韩伦理黄色片| 日日爽夜夜爽网站| 国产乱人偷精品视频| 十八禁网站网址无遮挡| 搡女人真爽免费视频火全软件| 美女福利国产在线| 亚洲精品456在线播放app| 亚洲丝袜综合中文字幕| 欧美日韩综合久久久久久| 日本午夜av视频| 国产高清有码在线观看视频| 国产深夜福利视频在线观看| 黄色一级大片看看| av福利片在线| 人妻 亚洲 视频| 日韩人妻高清精品专区| 国产成人91sexporn| 午夜老司机福利剧场| 亚洲图色成人| 日韩熟女老妇一区二区性免费视频| 欧美日韩精品成人综合77777| 黄色毛片三级朝国网站| 黑人巨大精品欧美一区二区蜜桃 | 久久久久国产网址| 五月伊人婷婷丁香| 午夜免费鲁丝| 成年av动漫网址| 十八禁网站网址无遮挡| 免费播放大片免费观看视频在线观看| 王馨瑶露胸无遮挡在线观看| 免费黄频网站在线观看国产| 大话2 男鬼变身卡| 欧美国产精品一级二级三级| 成年女人在线观看亚洲视频| 日韩三级伦理在线观看| 一个人免费看片子| 日本vs欧美在线观看视频| 香蕉精品网在线| 日产精品乱码卡一卡2卡三| 2021少妇久久久久久久久久久| 九草在线视频观看| 久久青草综合色| 久久久精品免费免费高清| 亚洲av.av天堂| 99热这里只有精品一区| 日本午夜av视频| a级毛色黄片| 美女大奶头黄色视频| 一区二区三区乱码不卡18| 国产精品一区二区三区四区免费观看| 国产成人av激情在线播放 | 亚州av有码| 18禁观看日本| 69精品国产乱码久久久| 欧美日韩亚洲高清精品| 3wmmmm亚洲av在线观看| 国产精品久久久久久精品古装| 美女大奶头黄色视频| 欧美 亚洲 国产 日韩一| 免费高清在线观看日韩| av卡一久久| 91精品三级在线观看| 久久ye,这里只有精品| 一级毛片aaaaaa免费看小| 亚洲精品乱久久久久久| 国产精品麻豆人妻色哟哟久久| 少妇丰满av| 国产一级毛片在线| 观看av在线不卡| 热re99久久精品国产66热6| 亚洲精品乱码久久久久久按摩| 在线 av 中文字幕| 欧美xxⅹ黑人| 久久国内精品自在自线图片| 一级毛片黄色毛片免费观看视频| 午夜91福利影院| 久久久国产精品麻豆| av国产精品久久久久影院| 伦精品一区二区三区| 在线观看国产h片| 亚洲丝袜综合中文字幕| 多毛熟女@视频| 日韩电影二区| 多毛熟女@视频| 美女中出高潮动态图| 亚洲av男天堂| 国产亚洲精品第一综合不卡 | 性色avwww在线观看| 久久女婷五月综合色啪小说| 丰满迷人的少妇在线观看| av黄色大香蕉| 午夜福利在线观看免费完整高清在| 日韩强制内射视频| 国产精品久久久久久久久免| 欧美日韩一区二区视频在线观看视频在线| 搡老乐熟女国产| 91精品国产九色| 久久久久久久久久人人人人人人| 亚洲内射少妇av| 丝袜在线中文字幕| 全区人妻精品视频| 国产一区亚洲一区在线观看| 中文字幕人妻熟人妻熟丝袜美| 日韩精品有码人妻一区| 内地一区二区视频在线| 色婷婷av一区二区三区视频| 新久久久久国产一级毛片| 国产成人91sexporn| 亚洲一区二区三区欧美精品| 最近手机中文字幕大全| 亚洲国产精品一区二区三区在线| 99久国产av精品国产电影| 亚洲欧美精品自产自拍| 日韩亚洲欧美综合| 22中文网久久字幕| 免费黄色在线免费观看| av播播在线观看一区| 欧美3d第一页| 国产欧美日韩综合在线一区二区| 99久久人妻综合| 精品久久久久久电影网| av在线老鸭窝| 国产男女内射视频| 亚洲精华国产精华液的使用体验| 精品久久久久久久久av| 午夜视频国产福利| 国产精品一区二区在线不卡| 一个人看视频在线观看www免费| 观看美女的网站| 国产一区二区三区综合在线观看 | 国产亚洲一区二区精品| 精品熟女少妇av免费看| 日韩强制内射视频| a级毛色黄片| 国产男女超爽视频在线观看| 丰满乱子伦码专区| 亚洲三级黄色毛片| 99热网站在线观看| 欧美精品高潮呻吟av久久| 五月玫瑰六月丁香| 大又大粗又爽又黄少妇毛片口| 在线观看三级黄色| 国产午夜精品一二区理论片| 成人漫画全彩无遮挡| 日日摸夜夜添夜夜添av毛片| 黄色怎么调成土黄色| www.av在线官网国产| 男男h啪啪无遮挡| 久久国产精品大桥未久av| 插阴视频在线观看视频| 在线看a的网站| 国产精品一区www在线观看| 伊人亚洲综合成人网| 国产成人aa在线观看| 日韩一本色道免费dvd| 一级黄片播放器| 蜜臀久久99精品久久宅男| a级毛色黄片| 一区在线观看完整版| 99热这里只有精品一区| 18禁裸乳无遮挡动漫免费视频| av在线老鸭窝| 欧美另类一区| 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 | 午夜日本视频在线| 久热久热在线精品观看| 日本vs欧美在线观看视频| tube8黄色片| 亚洲综合色网址| 两个人免费观看高清视频| 亚洲国产精品一区三区| 五月开心婷婷网| 丰满少妇做爰视频| 三级国产精品欧美在线观看| 精品人妻熟女av久视频| av在线观看视频网站免费| 国产精品久久久久久久久免| 99热网站在线观看| 日韩一区二区视频免费看| 亚洲国产欧美在线一区| 99久久人妻综合| av在线观看视频网站免费| 老司机亚洲免费影院| 国产成人freesex在线| 男女边吃奶边做爰视频| 亚洲国产毛片av蜜桃av| 国产一区二区在线观看日韩| 国产老妇伦熟女老妇高清| 人人妻人人澡人人爽人人夜夜| 日本av手机在线免费观看| 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 | 在线观看www视频免费| 最近中文字幕2019免费版| 久久人人爽av亚洲精品天堂| 国产成人精品一,二区| 视频区图区小说| 欧美亚洲日本最大视频资源| 2022亚洲国产成人精品| 99久国产av精品国产电影| 伦理电影大哥的女人| 国产精品女同一区二区软件| 美女中出高潮动态图| 国产精品国产三级国产av玫瑰| 51国产日韩欧美| 免费观看av网站的网址| 午夜福利视频精品| 人人妻人人爽人人添夜夜欢视频| 97在线视频观看| 又黄又爽又刺激的免费视频.| 高清av免费在线| 蜜桃在线观看..| 国产av国产精品国产| 一级毛片黄色毛片免费观看视频| 97精品久久久久久久久久精品| 91国产中文字幕| 高清毛片免费看| 亚州av有码| 国产成人午夜福利电影在线观看| 卡戴珊不雅视频在线播放| 高清午夜精品一区二区三区| 一级黄片播放器| 看非洲黑人一级黄片| 一二三四中文在线观看免费高清| 女性生殖器流出的白浆| 成年人午夜在线观看视频| 日本与韩国留学比较| av线在线观看网站| 国国产精品蜜臀av免费| 国产成人精品福利久久| 国产老妇伦熟女老妇高清| 久久99蜜桃精品久久| 国产爽快片一区二区三区| 亚洲国产欧美在线一区| 亚洲性久久影院| av卡一久久| 天天操日日干夜夜撸| 成人二区视频| 各种免费的搞黄视频| 日韩在线高清观看一区二区三区| 美女内射精品一级片tv| 日韩av不卡免费在线播放| 中文字幕亚洲精品专区| 又粗又硬又长又爽又黄的视频| 亚洲性久久影院| 午夜老司机福利剧场| 亚洲精品自拍成人| 亚洲人成网站在线播| 午夜激情久久久久久久| 欧美人与善性xxx| 国语对白做爰xxxⅹ性视频网站| 亚洲精品亚洲一区二区| 亚洲精品乱码久久久v下载方式| 高清av免费在线| 不卡视频在线观看欧美| 在现免费观看毛片| 国产熟女午夜一区二区三区 | 一级毛片电影观看| 黄色一级大片看看| a级毛片黄视频| 一区在线观看完整版| 亚洲国产毛片av蜜桃av| 欧美日韩视频高清一区二区三区二| 精品国产露脸久久av麻豆| 免费黄色在线免费观看| 日韩制服骚丝袜av| 亚洲人成网站在线观看播放| 毛片一级片免费看久久久久| 日韩人妻高清精品专区| 丝瓜视频免费看黄片| √禁漫天堂资源中文www| 日韩,欧美,国产一区二区三区| 美女cb高潮喷水在线观看| 国产精品偷伦视频观看了| 亚洲精品一区蜜桃| 欧美少妇被猛烈插入视频| 久久久国产精品麻豆| 狂野欧美激情性bbbbbb| 日韩制服骚丝袜av| 亚洲精品一二三| 亚洲婷婷狠狠爱综合网| 午夜日本视频在线| 极品少妇高潮喷水抽搐| 99九九线精品视频在线观看视频| 一级毛片黄色毛片免费观看视频| 欧美丝袜亚洲另类| 亚洲精品色激情综合| 亚洲在久久综合| 色婷婷久久久亚洲欧美| 国产一区二区在线观看日韩| 秋霞伦理黄片| 卡戴珊不雅视频在线播放| 久久免费观看电影| 欧美成人午夜免费资源| 亚洲欧洲精品一区二区精品久久久 | 日本黄大片高清| 中文乱码字字幕精品一区二区三区| 高清黄色对白视频在线免费看| 老司机影院成人| 午夜福利网站1000一区二区三区| 日韩 亚洲 欧美在线| 黄片无遮挡物在线观看| 欧美日韩亚洲高清精品| 亚洲色图 男人天堂 中文字幕 | 亚洲av不卡在线观看| 免费播放大片免费观看视频在线观看| 亚洲av在线观看美女高潮| 免费播放大片免费观看视频在线观看| 亚洲精品乱码久久久v下载方式| 99久久中文字幕三级久久日本| 黄色欧美视频在线观看| 夫妻午夜视频| 人妻一区二区av| 久久 成人 亚洲| 国产高清不卡午夜福利| 国产在视频线精品| 亚洲av日韩在线播放| 国产精品久久久久久精品电影小说| 精品人妻偷拍中文字幕| 少妇人妻精品综合一区二区| 蜜臀久久99精品久久宅男| 超碰97精品在线观看| 美女主播在线视频| 久久精品国产亚洲av天美| 又大又黄又爽视频免费| 十八禁高潮呻吟视频| 亚州av有码| 国产精品国产av在线观看| 色视频在线一区二区三区| 久久久国产精品麻豆| 亚洲四区av| 这个男人来自地球电影免费观看 | 亚洲三级黄色毛片| av天堂久久9| 人妻制服诱惑在线中文字幕| 亚洲成人手机| 日本黄大片高清| 一级黄片播放器| 最黄视频免费看| av在线老鸭窝| 日韩强制内射视频| 精品酒店卫生间| 99久国产av精品国产电影| 亚洲精品久久久久久婷婷小说| 中文字幕亚洲精品专区| 国产成人91sexporn| 另类亚洲欧美激情| 国产亚洲精品久久久com| 日韩伦理黄色片| 国产精品不卡视频一区二区| 国产精品嫩草影院av在线观看| 少妇人妻 视频| 91精品一卡2卡3卡4卡| 在现免费观看毛片| 亚洲怡红院男人天堂| 中国美白少妇内射xxxbb| 国内精品宾馆在线| 精品国产乱码久久久久久小说| kizo精华| 久久久久网色| 色婷婷av一区二区三区视频| 十八禁网站网址无遮挡| 久久久久国产精品人妻一区二区| 日日撸夜夜添| 国产在线免费精品| 亚洲精品成人av观看孕妇|