• <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 ?

    考慮線網(wǎng)結(jié)構(gòu)的 LightGBM 軌道交通短時客流預測模型

    2021-11-01 09:20:12徐圣安
    鐵道運輸與經(jīng)濟 2021年10期
    關(guān)鍵詞:特征模型

    韓 皓,徐圣安,趙 蒙

    (上海海事大學 交通運輸學院,上海 201306)

    0 引言

    綜上分析,結(jié)合復雜網(wǎng)絡(luò)理論對軌道交通網(wǎng)絡(luò)開展結(jié)構(gòu)分析[7-10],不僅能從宏觀層面觀察車站在整個軌道交通網(wǎng)絡(luò)中的作用[11],也可進一步探索車站分布情況對客流的影響。通過分析軌道交通線網(wǎng)結(jié)構(gòu)特性,定量描述車站在線網(wǎng)結(jié)構(gòu)中的差異性,將線網(wǎng)結(jié)構(gòu)特征納入數(shù)據(jù)集中,并基于LightGBM[12]算法構(gòu)建城市軌道交通短時客流預測模型。相比同為集成算法的XGBoost[13],LightGBM 算法不僅節(jié)約內(nèi)存消耗,縮短訓練時間,且擁有更高的模型精度,同時支持并行學習,在海量數(shù)據(jù)的處理上表現(xiàn)更為優(yōu)異。因而,將LightGBM 算法應(yīng)用于軌道交通客流回歸預測,并結(jié)合特征工程,構(gòu)造包含線網(wǎng)結(jié)構(gòu)特征的數(shù)據(jù)集,優(yōu)化模型精度,提高算法效率,為運營組織及分析掌握城市軌道交通客流活動分布提供更加準確的技術(shù)手段。

    1 原始數(shù)據(jù)處理

    原始數(shù)據(jù)來源于github 項目(https://github.com/ivechan/PVCGN),涵蓋上海市軌道交通288 個車站進出站客流,時間跨度為2016 年7 月1 日至8 月31 日每天5 : 30 ~ 23 : 30,并以15 min 的粒度按時間順序排列呈現(xiàn),具體數(shù)據(jù)項為時間、車站號、進站客流量及出站客流量。

    1.1 線網(wǎng)結(jié)構(gòu)特征構(gòu)建

    車站客流量是車站所處區(qū)域的地理、人口、經(jīng)濟及其他屬性的綜合反映,基于這些屬性構(gòu)建特征存在以下難點:一是量化方式上存在困難;二是巨大的數(shù)據(jù)獲取成本。因此,將車站在空間維度上的差異轉(zhuǎn)換為對軌道交通線網(wǎng)結(jié)構(gòu)的量化統(tǒng)計,引入復雜網(wǎng)絡(luò)理論中的統(tǒng)計物理量及社團劃分理論描繪車站之間的差異性。

    1.1.1 節(jié)點統(tǒng)計指標

    以車站為節(jié)點,以相鄰車站間的可達路徑為連邊構(gòu)建上海市城市軌道交通網(wǎng)絡(luò)。將節(jié)點作為研究對象,通過復雜網(wǎng)絡(luò)理論中的統(tǒng)計物理量展開分析,分別取以下統(tǒng)計指標。

    (1)集聚系數(shù)。在二元關(guān)系C中,如果存在1C2,2C3,1C3,則稱C為傳遞關(guān)系。在城市軌道交通網(wǎng)絡(luò)中C可延展為以下定義:擁有同一相鄰車站的2 個車站彼此相鄰,該性質(zhì)為網(wǎng)絡(luò)的聚類性(Clustering)。定義節(jié)點i的聚類系數(shù)Ci如公式 ⑴ 所示。

    對公共圖書館招聘信息中需求專業(yè)出現(xiàn)的頻次進行統(tǒng)計,結(jié)果如圖3所示。公共圖書館專業(yè)需求排前三位的是圖情檔、其他專業(yè)以及人文社科類,占比分別為 28.1%、23.8%、17.3%。 其他專業(yè)主要是傳媒、會計以及外語等專業(yè)。統(tǒng)計分析顯示,隨著近年來公共圖書館在免費開放政策下業(yè)務(wù)范圍的擴大,人文社科類和傳媒類等專業(yè)與圖情檔專業(yè)形成競爭關(guān)系。對計算機學科的人才需求集中在省級以及沿海地區(qū)公共圖書館,縣級以及偏遠地區(qū)圖書館由于公共文化服務(wù)體系建設(shè)尚不完善、資金投入不足等原因?qū)?shù)字資源建設(shè)的關(guān)注力度較小,從而對計算機學科人才的需求較低??傊?,公共圖書館對人才的專業(yè)需求呈多樣化趨勢。

    (2)度。在無向網(wǎng)中,節(jié)點i的度ki是指節(jié)點i與其他節(jié)點之間存在的路徑數(shù),而延伸到城市軌道交通網(wǎng)絡(luò)上,車站i的度ki表示車站i與相鄰車站之間的路徑數(shù)。

    (3)流介數(shù)中心性。節(jié)點i的流介數(shù)中心性為網(wǎng)絡(luò)中所有路徑σst總數(shù)與經(jīng)過該節(jié)點路徑數(shù)σst(i)的比值,在城市軌道交通網(wǎng)絡(luò)中可反映車站作為“橋梁”的重要程度,節(jié)點i的流介數(shù)中心性CB(i)如公式 ⑵ 所示。

    根據(jù)上述分析可得,車站網(wǎng)絡(luò)結(jié)構(gòu)特征名及解釋如表1 所示。

    表1 車站網(wǎng)絡(luò)結(jié)構(gòu)特征名與解釋Tab.1 Network structure features and explanations

    1.1.2 線網(wǎng)模塊劃分

    車站編號作為離散型分類變量,如果采用傳統(tǒng)的獨熱編碼處理,288 個車站將產(chǎn)生288 維度特征,特征維度過高會對數(shù)據(jù)集的結(jié)構(gòu)產(chǎn)生較大的破壞,造成模型精度的下降。因而,為更好地挖掘車站在客流空間分布上的規(guī)律,除使用表1 中所提到的節(jié)點統(tǒng)計指標外,進一步引入Louvain 算法對線網(wǎng)劃分模塊,在盡可能減少新增特征維度的同時實現(xiàn)車站節(jié)點分類。

    Louvain 算法是一種基于聚類法思想的模塊劃分算法,可以高效辨別大型網(wǎng)絡(luò)的層次及社區(qū)結(jié)構(gòu),且劃分精準度高,能夠劃分出內(nèi)部聯(lián)系緊密、外部聯(lián)系稀疏的節(jié)點模塊。

    Louvain 算法以模塊度(Modularity,記為Q)和模塊度增量(Delta Modularity,記為ΔQ) 為主要參數(shù)對軌道交通網(wǎng)絡(luò)進行劃分,通過參數(shù)Q計算模塊內(nèi)部節(jié)點的緊密程度,模塊度Q如公式⑶所示。

    式中:m為網(wǎng)絡(luò)中邊的總數(shù)量;ki表示所有指向節(jié)點i的連邊權(quán)重之和,kj同理;Aij表示節(jié)點i,j之間的連邊權(quán)重;δ(Ci,Cj)為0-1 變量,用于判斷節(jié)點i和節(jié)點j所在社區(qū)是否相同,相同為1,不同為0。

    在將某一新節(jié)點劃分至某社區(qū)后,重新計算模塊度,模塊度增量ΔQ如公式 ⑷ 所示。

    式中:in和tot分別代表節(jié)點所在模塊邊權(quán)重之和以及所有與模塊內(nèi)部連邊權(quán)重之和;ki,in表示節(jié)點i加入到社區(qū)C時的權(quán)重和。以最大化模塊度為目的,基于Louvain 算法將上海城市軌道交通網(wǎng)絡(luò)劃分為18 個模塊,模塊劃分學習曲線如圖1 所示,上海市軌道交通模塊劃分網(wǎng)絡(luò)如圖2 所示。

    圖1 模塊劃分學習曲線Fig.1 Learning curve of module partition

    圖2 上海市軌道交通模塊劃分網(wǎng)絡(luò)Fig.2 Network of rail transit module partition in Shanghai

    劃分車站所屬的網(wǎng)絡(luò)模塊后,采用獨熱編碼處理,獨熱編碼即采用N位狀態(tài)寄存器對N個狀態(tài)進行編碼,每個狀態(tài)都有獨立的寄存器位,并且在任意時候只有一位有效。編碼后的特征名以Community1~18表示,用于描述車站節(jié)點i在獨熱編碼后的所屬模塊。

    1.2 時間維度特征構(gòu)建

    根據(jù)地鐵線路運營時間,按照原始數(shù)據(jù)時間粒度,統(tǒng)計進出站客流量。在時間維度抽取特征[14],將其分為小時(hour)、分鐘(minute)。為進一步分析客流在時間上的相關(guān)性,經(jīng)統(tǒng)計,0 號車站在2016 年7 月內(nèi)進站客流(30 d)如圖3 所示,0 號車站在2016 年7 月內(nèi)出站客流(30 d)如圖4 所示。

    圖3 0 號車站2016 年7 月內(nèi)進站客流(30 d)Fig.3 Passenger inflow of No.0 station in July (30 d), 2016

    圖4 0 號車站2016 年7 月內(nèi)出站客流(30 d)Fig.4 Passenger outflow of No.0 station in July (30 d), 2016

    通過計算皮爾遜相關(guān)矩陣,并繪制熱力圖可視化表示進出站客流在時間維度上的相關(guān)性。進站客流熱力圖如圖5 所示,出站客流熱力圖如圖6 所示。

    圖5 進站客流熱力圖Fig.5 Heat map of passenger inflow

    圖6 出站客流熱力圖Fig.6 Heat map of passenger outflow

    可視化結(jié)果表明,該車站進出站客流以7 d 為周期表現(xiàn)出強周期性,因而提取一周前同時段客流作為數(shù)據(jù)集特征,同時對啞變量“星期幾”作獨熱編碼處理。綜上分析可知,時間維度抽取特征名與解釋如表2 所示。

    綜上分析,對數(shù)據(jù)集進行構(gòu)建??紤]上海地鐵全線路平均運營起止時間,以及根據(jù)前述特征工程和原始數(shù)據(jù)集的數(shù)據(jù)屬性,最終將時間拆分點設(shè)置為6 : 30 和22 : 30,其中以2016 年7 月8 日 至8 月30 日共計55 d 共1 010 800 個樣本作為訓練數(shù)據(jù),以8 月31 日共18 720 個樣本為測試數(shù)據(jù)。特征向量由線網(wǎng)特征和時間維度特征共35 維構(gòu)成。其中線網(wǎng)特征共21 維,包括車站節(jié)點的“度”“流介數(shù)中心性”“集聚系數(shù)”3 維,“車站所屬網(wǎng)絡(luò)模塊的獨熱編碼”18 維;時間維度特征共14 維,包括“星期幾”7 維,“小時”與“分鐘”2 維,“前周同時段進出站”1維,“前15~60 min 進出站客流量”4 維。

    2 基于LightGBM算法的軌道交通短時客流預測模型

    2.1 LightGBM算法

    LightGBM 是一個分布式boosting框架,因其訓練速度快且性能優(yōu)秀,被廣泛應(yīng)用于回歸、分類等機器學習任務(wù)。將其應(yīng)用于地鐵客流量的建模與預測,其優(yōu)點主要有3 方面。①高效的訓練效率;②較低的內(nèi)存消耗;③支持平行學習和GPU 學習。假設(shè)生成了具有N個樣本的原始數(shù)據(jù)集和具有T顆樹(基學習器)的LightGBM 模型,在經(jīng)歷t次迭代后的預測值y(t)prei如公式 ⑸ 所示。

    LightGBM 是梯度提升決策樹(GBDT)的有效實現(xiàn)算法,也是一種基于XGBoost 的優(yōu)化算法,LightGBM能夠找到最佳特征分割點,減少樣本和特征數(shù)目。與XGBoost 相比,LightGBM 具有2 個主要優(yōu)點:基于梯度的單邊采樣(GOSS)和決策樹中按葉子生長策略(Leaf-wise)。

    從減少樣本數(shù)角度出發(fā),GOSS 根據(jù)梯度絕對值對樣本進行排序,保留前a%樣本,并從剩余樣本中選擇b%,后續(xù)計算中將小梯度樣本的信息增益放大(100 -a) /b倍,實現(xiàn)樣本梯度越大,計算增益時的貢獻越大。GOSS 無需遍歷數(shù)據(jù)集以檢查GBDT 中可能的分裂節(jié)點,這在很大程度上減少了計算的復雜性。在樹的生長策略上,大多數(shù)決策樹算法均采用分層策略Level-wise,該策略不考慮分裂增益,分裂增益較低的葉子會過度消耗計算資源,Leaf-wise 可從所有葉子中找到分裂增益最大的葉子節(jié)點進行分裂并迭代。因此,在相同的條件下,Leaf-wise 可以減小誤差,并最終表現(xiàn)出更高的預測精度。然而,當樣本量很小時,Leaf-wise 存在過度擬合的問題。利用參數(shù)max_depth 限制樹的深度,可有效避免過擬合現(xiàn)象。2 種生長樹策略如圖7所示。

    圖7 2 種生長樹策略Fig.7 Two tree growth strategies

    2.2 模型構(gòu)建與參數(shù)標定

    將數(shù)據(jù)集拆分為訓練集(7 月8 日至8 月25 日)、驗證集(8 月25 日至8 月30 日)和測試集(8 月31 日),按前述流程處理后的訓練集輸入LightGBM 模型。對參數(shù)進行調(diào)整是模型訓練過程中的一個重要環(huán)節(jié),包括主要參數(shù)、基學習器數(shù)量和其他參數(shù)3部分。

    (1)主要參數(shù)。考慮訓練數(shù)據(jù)量及LightGBM 參數(shù)調(diào)整范圍,采用貝葉斯優(yōu)化方法hyperopt 進行調(diào)參,該方法用于串行和并行優(yōu)化,優(yōu)化輸入?yún)?shù)以最小化目標函數(shù)值,實現(xiàn)重要參數(shù)在一定范圍空間的高效調(diào)參。此外,在訓練過程中,采用K折交叉驗證(KCV)方法,避免模型出現(xiàn)過擬合,并提高模型的泛化能力。K折交叉驗證將原始數(shù)據(jù)集經(jīng)KCV 后平均劃分為c組,每個子集作為一個驗證集,其余c-1 個子集作為訓練集。最終實現(xiàn)算法控制與LightGBM 參數(shù)優(yōu)化,LightGBM主要參數(shù)如表3 所示。

    表3 LightGBM 主要參數(shù)Tab.3 Main parameters of LightGBM

    (2)基學習器的數(shù)量。作為集成算法,Light-GBM 中的基學習器數(shù)量直接影響最終的模型精度,可通過調(diào)整基學習器數(shù)量以避免模型訓練中出現(xiàn)過擬合和欠擬合問題。以平均絕對誤差(MAE)為指標,5 折交叉驗證基學習器數(shù)量學習曲線如圖8 所示。經(jīng)圖8 分析可知,基學習器取值如表4 所示。

    表4 基學習器取值Tab.4 Values of base learners

    圖8 5折交叉驗證基學習器數(shù)量學習曲線Fig.8 Learning curve of base learners by 5-CV

    (3)其他參數(shù)。通過貝葉斯優(yōu)化方法hyperopt迭代獲取模型的最優(yōu)參數(shù)組合,調(diào)節(jié)參數(shù)取值。預測模型參數(shù)如表5 所示。

    表5 預測模型參數(shù)Tab.5 Parameters of the passenger flow prediction model

    3 模型結(jié)果分析

    3.1 模型評估

    評估回歸模型常采用的指標有均方誤差(MSE)、平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)、均方根誤差(RMSE) 和決定系數(shù)R2_score。由于數(shù)據(jù)粒度為15 min,評估指標選取MAE如公式 ⑼、MAPE如公式 ⑽ 、RMSE如公式 ⑾ 所示。

    式中:yi,yipred分別代表第i個樣本的真實值和預測值??紤]到LightGBM 屬于機器學習中的集成模型,為驗證其在客流預測上的優(yōu)勢,選取同為集成算法的XGBoost、隨機森林、CatBoost,以及多層感知機MLP 進行對比。進站模型對比評估如表6 所示,出站模型對比評估如表7 所示。

    表6 進站模型對比評估Tab.6 Comparison among prediction models in passenger inflow

    表7 出站模型對比評估Tab.7 Comparison among prediction models in passenger outflow

    通過模型評估結(jié)果分析,在特征表現(xiàn)上,線網(wǎng)結(jié)構(gòu)特征能夠提升不同算法的回歸效果以實現(xiàn)更高的預測精度。其中對于進站客流模型,LightGBM 在低維數(shù)據(jù)集上表現(xiàn)出較高的RMSE,結(jié)合線網(wǎng)結(jié)構(gòu)特征后,LightGBM 將RMSE降低約35%。在算法效果上,LightGBM 在各數(shù)據(jù)集上的預測精度均優(yōu)于MLP、XGBoost 與CatBoost,但在低維進站數(shù)據(jù)集上的表現(xiàn)略低于隨機森林。從總體看,所提出的考慮線網(wǎng)結(jié)構(gòu)的LightGBM 模型在確保預測精度的同時,大幅降低了模型訓練消耗的時間成本,訓練速度較XGBoot、隨機森林、CatBoost 和MLP 分別提升約10 倍、25 倍、15 倍和10 倍。

    3.2 特征重要性分析

    特征在基學習器中出現(xiàn)的次數(shù)反映了特征對模型的貢獻程度,由于最終數(shù)據(jù)集涵蓋特征數(shù)量較多,選取特征重要性排序較前的特征展開分析。進站客流預測模型特征重要性如圖9 所示,出站客流預測模型特征重要性如圖10 所示。

    圖9 進站客流預測模型特征重要性Fig.9 Feature importance of the prediction model in passenger inflow

    圖10 出站客流預測模型特征重要性Fig.10 Feature importance of the prediction model in passenger outflow

    在時間維度特征中,“當天前時段客流量”在特征重要性排序上位置靠前,其中“當天前15 min客流量”對模型貢獻最大?!扒爸芡瑫r段進出站客流量”次之,代表周六周日的獨熱編碼在“星期幾編碼”中排序較前,呈現(xiàn)出軌道交通客流所具備的強周期性。在線網(wǎng)結(jié)構(gòu)特征中,“流介數(shù)中心性”特征重要性明顯,其他統(tǒng)計指標“度”“集聚系數(shù)”及車站所在模塊的分類特征均對回歸模型有一定影響。綜上分析可知,時間維度特征在特征重要性上高于線網(wǎng)結(jié)構(gòu)特征,另外,線網(wǎng)結(jié)構(gòu)特征也對模型有不可忽視的貢獻,可有效提升模型的預測精度。

    4 結(jié)束語

    利用復雜網(wǎng)絡(luò)理論對軌道交通客流數(shù)據(jù)開展線網(wǎng)結(jié)構(gòu)層面的數(shù)據(jù)挖掘,通過分析軌道交通網(wǎng)絡(luò)屬性和網(wǎng)絡(luò)節(jié)點統(tǒng)計量及劃分網(wǎng)絡(luò)模塊的方式定義客流數(shù)據(jù)在空間維度上的特征,所構(gòu)建的考慮線網(wǎng)結(jié)構(gòu)特征的LightGBM 客流預測模型在減少預測誤差的同時,大幅縮短了訓練時間,降低訓練成本,同時證明線網(wǎng)結(jié)構(gòu)特征對模型的預測精度有正向貢獻。在后續(xù)研究中,可基于完整客流OD 數(shù)據(jù)計算客流驅(qū)動下的客流網(wǎng)絡(luò)中心性等統(tǒng)計指標,將靜態(tài)網(wǎng)絡(luò)轉(zhuǎn)換成動態(tài)網(wǎng)絡(luò)以更好地捕捉軌道交通線網(wǎng)結(jié)構(gòu)在加載客流下的動態(tài)特性,提高算法對客流數(shù)據(jù)的學習效果。

    猜你喜歡
    特征模型
    一半模型
    抓住特征巧觀察
    重要模型『一線三等角』
    新型冠狀病毒及其流行病學特征認識
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    抓住特征巧觀察
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    日本免费a在线| 又黄又爽又免费观看的视频| 一级黄片播放器| 亚洲国产精品久久男人天堂| 国产白丝娇喘喷水9色精品| 午夜福利在线在线| 亚洲国产欧美人成| 狂野欧美白嫩少妇大欣赏| 国产av一区在线观看免费| 国产伦在线观看视频一区| 亚洲激情五月婷婷啪啪| 噜噜噜噜噜久久久久久91| 午夜福利视频1000在线观看| 成人美女网站在线观看视频| 三级国产精品欧美在线观看| 国产一区亚洲一区在线观看| 国产欧美日韩一区二区精品| 人妻丰满熟妇av一区二区三区| 99久久九九国产精品国产免费| 国产午夜精品久久久久久一区二区三区 | 成年版毛片免费区| 国产高清激情床上av| 日本爱情动作片www.在线观看 | 黄片wwwwww| 成人漫画全彩无遮挡| 一进一出抽搐动态| 国产亚洲精品av在线| 国内少妇人妻偷人精品xxx网站| 国产精品无大码| 国产高潮美女av| 人妻制服诱惑在线中文字幕| 99久久精品一区二区三区| 三级毛片av免费| 国内精品宾馆在线| 亚洲性夜色夜夜综合| 日韩欧美精品v在线| 亚洲第一区二区三区不卡| 亚洲人成网站在线播放欧美日韩| 美女免费视频网站| 91久久精品国产一区二区成人| 成人二区视频| 欧美不卡视频在线免费观看| 色综合亚洲欧美另类图片| 丝袜美腿在线中文| 午夜久久久久精精品| av天堂中文字幕网| 深夜精品福利| 乱系列少妇在线播放| 国产探花在线观看一区二区| 悠悠久久av| 久久人人爽人人爽人人片va| 国产麻豆成人av免费视频| 国产欧美日韩精品一区二区| 亚洲精品日韩在线中文字幕 | videossex国产| 免费黄网站久久成人精品| 大香蕉久久网| 免费电影在线观看免费观看| 午夜爱爱视频在线播放| 97超碰精品成人国产| 日日啪夜夜撸| 成人午夜高清在线视频| 精品人妻一区二区三区麻豆 | 一个人免费在线观看电影| 最新在线观看一区二区三区| 久久久久国产精品人妻aⅴ院| 一级a爱片免费观看的视频| 一个人免费在线观看电影| 久久草成人影院| 亚洲最大成人中文| 久久国产乱子免费精品| 免费一级毛片在线播放高清视频| 婷婷精品国产亚洲av| 男女做爰动态图高潮gif福利片| 免费看美女性在线毛片视频| 别揉我奶头 嗯啊视频| 免费无遮挡裸体视频| avwww免费| 嫩草影院入口| 啦啦啦观看免费观看视频高清| 12—13女人毛片做爰片一| 精品久久久久久久久av| 女人被狂操c到高潮| 欧美绝顶高潮抽搐喷水| 菩萨蛮人人尽说江南好唐韦庄 | 国产私拍福利视频在线观看| 成人av在线播放网站| 一本精品99久久精品77| 日韩人妻高清精品专区| 一个人免费在线观看电影| 欧美成人免费av一区二区三区| 看免费成人av毛片| 亚洲精品色激情综合| 禁无遮挡网站| 美女被艹到高潮喷水动态| 日韩av不卡免费在线播放| 中文字幕熟女人妻在线| 国产91av在线免费观看| 精品一区二区三区视频在线观看免费| 狂野欧美激情性xxxx在线观看| aaaaa片日本免费| 亚洲无线观看免费| 久久精品国产自在天天线| 美女内射精品一级片tv| 国产精品电影一区二区三区| 国产 一区精品| 免费人成视频x8x8入口观看| 大又大粗又爽又黄少妇毛片口| 日韩人妻高清精品专区| 欧美在线一区亚洲| 国内精品久久久久精免费| 一进一出抽搐gif免费好疼| 国国产精品蜜臀av免费| 女人被狂操c到高潮| 久久久久国产网址| 久久精品国产清高在天天线| 精品无人区乱码1区二区| 91狼人影院| 精华霜和精华液先用哪个| av卡一久久| 中文在线观看免费www的网站| 午夜福利在线观看免费完整高清在 | 久久热精品热| 国产老妇女一区| 你懂的网址亚洲精品在线观看 | 国产成人a∨麻豆精品| 三级毛片av免费| 精品久久久噜噜| 国产白丝娇喘喷水9色精品| 国产三级在线视频| 国产精品三级大全| 性色avwww在线观看| 一级av片app| 亚洲人成网站在线观看播放| 欧美日韩一区二区视频在线观看视频在线 | 在线观看午夜福利视频| 国产探花在线观看一区二区| 亚洲精品成人久久久久久| 美女内射精品一级片tv| 人人妻人人看人人澡| 亚洲国产精品sss在线观看| 欧美zozozo另类| 国产大屁股一区二区在线视频| 国产免费一级a男人的天堂| 亚洲最大成人av| 晚上一个人看的免费电影| 在线观看免费视频日本深夜| 最近视频中文字幕2019在线8| 老司机午夜福利在线观看视频| 免费av不卡在线播放| 精品午夜福利在线看| 美女 人体艺术 gogo| 精品少妇黑人巨大在线播放 | 久久国产乱子免费精品| 99在线视频只有这里精品首页| 国产亚洲精品综合一区在线观看| av免费在线看不卡| 色视频www国产| 婷婷亚洲欧美| 日本精品一区二区三区蜜桃| 亚洲欧美精品综合久久99| 精品不卡国产一区二区三区| or卡值多少钱| 男女那种视频在线观看| av天堂在线播放| 亚洲av熟女| av在线老鸭窝| 99国产极品粉嫩在线观看| 俺也久久电影网| 成人美女网站在线观看视频| 日韩中字成人| 乱系列少妇在线播放| 国产成人freesex在线 | 欧美+日韩+精品| 草草在线视频免费看| 亚洲欧美日韩高清专用| 成人永久免费在线观看视频| АⅤ资源中文在线天堂| 高清毛片免费看| 身体一侧抽搐| 免费人成视频x8x8入口观看| 日韩在线高清观看一区二区三区| 高清日韩中文字幕在线| 热99re8久久精品国产| 又黄又爽又免费观看的视频| 91久久精品国产一区二区三区| 亚洲av不卡在线观看| 亚洲国产高清在线一区二区三| 亚洲最大成人av| 直男gayav资源| 免费在线观看影片大全网站| 99久久无色码亚洲精品果冻| 联通29元200g的流量卡| www.色视频.com| 国产精品美女特级片免费视频播放器| 亚洲经典国产精华液单| 18禁在线播放成人免费| 淫妇啪啪啪对白视频| 亚洲欧美日韩无卡精品| 国产真实乱freesex| 人妻制服诱惑在线中文字幕| 欧美成人一区二区免费高清观看| 丝袜喷水一区| 午夜a级毛片| 国产精品一区www在线观看| 天天一区二区日本电影三级| 91久久精品国产一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 男女啪啪激烈高潮av片| 美女cb高潮喷水在线观看| 搡老熟女国产l中国老女人| 婷婷六月久久综合丁香| 夜夜夜夜夜久久久久| 九九在线视频观看精品| 久久久精品欧美日韩精品| 级片在线观看| 欧美日本亚洲视频在线播放| 国产真实乱freesex| 少妇高潮的动态图| 日韩强制内射视频| 免费观看精品视频网站| 日韩欧美一区二区三区在线观看| 欧美色欧美亚洲另类二区| 国产老妇女一区| 乱人视频在线观看| 亚洲三级黄色毛片| 我的女老师完整版在线观看| 晚上一个人看的免费电影| 12—13女人毛片做爰片一| 女人十人毛片免费观看3o分钟| 99热精品在线国产| 香蕉av资源在线| 日本撒尿小便嘘嘘汇集6| 熟女电影av网| 搡老妇女老女人老熟妇| 成人综合一区亚洲| 九九久久精品国产亚洲av麻豆| 秋霞在线观看毛片| av天堂中文字幕网| 一进一出好大好爽视频| 夜夜夜夜夜久久久久| 国产精品国产高清国产av| 日韩中字成人| 桃色一区二区三区在线观看| 久久精品人妻少妇| 精品欧美国产一区二区三| 免费看光身美女| 国产精品三级大全| 亚洲欧美日韩高清在线视频| 菩萨蛮人人尽说江南好唐韦庄 | 免费观看人在逋| 黄色欧美视频在线观看| 久久99热这里只有精品18| 麻豆精品久久久久久蜜桃| 成人特级黄色片久久久久久久| 一夜夜www| 国产探花在线观看一区二区| 国产精品国产三级国产av玫瑰| 又爽又黄无遮挡网站| 在线天堂最新版资源| 最近中文字幕高清免费大全6| 一级毛片aaaaaa免费看小| 久久99热这里只有精品18| 国产亚洲欧美98| 人妻夜夜爽99麻豆av| 国产精品久久久久久av不卡| 色5月婷婷丁香| 国产亚洲91精品色在线| 中文在线观看免费www的网站| 一级a爱片免费观看的视频| 国产美女午夜福利| 国产成人精品久久久久久| 丝袜美腿在线中文| 日本熟妇午夜| 一级毛片久久久久久久久女| 18+在线观看网站| 国产精品一区二区三区四区久久| 最近最新中文字幕大全电影3| 亚洲成人精品中文字幕电影| 99热这里只有是精品在线观看| 三级国产精品欧美在线观看| 亚洲va在线va天堂va国产| 日韩,欧美,国产一区二区三区 | 国产成年人精品一区二区| 校园春色视频在线观看| 婷婷色综合大香蕉| 欧美丝袜亚洲另类| 97碰自拍视频| 精品人妻熟女av久视频| 我的老师免费观看完整版| 嫩草影院入口| 又黄又爽又免费观看的视频| 日本a在线网址| 欧美高清成人免费视频www| 免费高清视频大片| 午夜精品一区二区三区免费看| 婷婷六月久久综合丁香| 蜜桃久久精品国产亚洲av| 2021天堂中文幕一二区在线观| 别揉我奶头~嗯~啊~动态视频| 熟女电影av网| 一本久久中文字幕| 小说图片视频综合网站| 性插视频无遮挡在线免费观看| 国产免费男女视频| 观看美女的网站| 一级毛片aaaaaa免费看小| 国产精品国产三级国产av玫瑰| 中文字幕免费在线视频6| 国产av在哪里看| 国产真实乱freesex| 亚洲国产高清在线一区二区三| 男女视频在线观看网站免费| 黄色一级大片看看| av视频在线观看入口| 亚洲国产日韩欧美精品在线观看| 精品久久国产蜜桃| a级一级毛片免费在线观看| 国产成年人精品一区二区| 久久精品国产鲁丝片午夜精品| 日本色播在线视频| 成年女人毛片免费观看观看9| 久久久午夜欧美精品| 精品一区二区三区视频在线| 国产女主播在线喷水免费视频网站 | 国产亚洲精品综合一区在线观看| a级毛片a级免费在线| 午夜精品一区二区三区免费看| 日日撸夜夜添| 最近最新中文字幕大全电影3| 男女做爰动态图高潮gif福利片| 亚洲欧美精品综合久久99| 日本与韩国留学比较| 国产中年淑女户外野战色| 两个人的视频大全免费| 1024手机看黄色片| 我的老师免费观看完整版| 最近手机中文字幕大全| 成人特级黄色片久久久久久久| 一区二区三区免费毛片| 女同久久另类99精品国产91| 精品久久久久久久末码| 国产老妇女一区| 六月丁香七月| 在线观看免费视频日本深夜| 日本一二三区视频观看| 国产午夜福利久久久久久| 一本久久中文字幕| 女同久久另类99精品国产91| 男人的好看免费观看在线视频| 国产老妇女一区| 美女内射精品一级片tv| 亚洲av五月六月丁香网| 美女内射精品一级片tv| 亚洲人成网站在线播放欧美日韩| 午夜福利视频1000在线观看| 精品一区二区三区人妻视频| 久99久视频精品免费| 两个人的视频大全免费| 亚洲成人久久爱视频| 成年女人看的毛片在线观看| 久久午夜亚洲精品久久| 99久久久亚洲精品蜜臀av| 男人和女人高潮做爰伦理| 精品一区二区三区视频在线观看免费| 好男人在线观看高清免费视频| 你懂的网址亚洲精品在线观看 | 亚洲aⅴ乱码一区二区在线播放| 免费看光身美女| or卡值多少钱| 色5月婷婷丁香| 国产精品女同一区二区软件| 十八禁国产超污无遮挡网站| 日韩三级伦理在线观看| 99热精品在线国产| 亚洲无线在线观看| 中文资源天堂在线| 免费观看人在逋| 日韩成人伦理影院| 亚洲av第一区精品v没综合| 欧美+日韩+精品| 男女之事视频高清在线观看| 白带黄色成豆腐渣| 欧美xxxx黑人xx丫x性爽| 亚洲av二区三区四区| 六月丁香七月| 成年女人看的毛片在线观看| 国产人妻一区二区三区在| 亚洲成人久久性| 精品一区二区三区视频在线| 男人舔奶头视频| 秋霞在线观看毛片| 91av网一区二区| 晚上一个人看的免费电影| 国产不卡一卡二| 精品久久久久久成人av| 日本色播在线视频| 日本三级黄在线观看| 国产高清激情床上av| 国产精品永久免费网站| 在线免费观看的www视频| 国产高清三级在线| 有码 亚洲区| 午夜免费男女啪啪视频观看 | 三级男女做爰猛烈吃奶摸视频| 男女视频在线观看网站免费| 国产亚洲精品av在线| 97人妻精品一区二区三区麻豆| 亚洲精品在线观看二区| 乱人视频在线观看| 直男gayav资源| 成人av一区二区三区在线看| 日本a在线网址| a级一级毛片免费在线观看| av中文乱码字幕在线| 岛国在线免费视频观看| 又黄又爽又刺激的免费视频.| 精品人妻视频免费看| 亚洲国产色片| 亚洲专区国产一区二区| 一级毛片久久久久久久久女| 免费观看精品视频网站| 精品一区二区免费观看| 免费看av在线观看网站| 午夜福利高清视频| 春色校园在线视频观看| 人妻制服诱惑在线中文字幕| 国产一区二区三区在线臀色熟女| 欧美最黄视频在线播放免费| 日韩制服骚丝袜av| 久久久国产成人精品二区| 悠悠久久av| 国产成人影院久久av| 日韩精品中文字幕看吧| 噜噜噜噜噜久久久久久91| 亚洲无线观看免费| 一个人观看的视频www高清免费观看| 小说图片视频综合网站| 成人av在线播放网站| 人人妻,人人澡人人爽秒播| 免费看av在线观看网站| 国产蜜桃级精品一区二区三区| 最近最新中文字幕大全电影3| 国产欧美日韩精品亚洲av| 看片在线看免费视频| 免费大片18禁| 免费av不卡在线播放| 99久国产av精品国产电影| 久久精品人妻少妇| 国产单亲对白刺激| 国产一区二区在线观看日韩| 国产精品,欧美在线| 国产久久久一区二区三区| 国产蜜桃级精品一区二区三区| 国产大屁股一区二区在线视频| 美女黄网站色视频| 成人综合一区亚洲| 国国产精品蜜臀av免费| 久久久久久久久中文| 嫩草影院精品99| 亚洲无线观看免费| 亚洲七黄色美女视频| 特级一级黄色大片| 岛国在线免费视频观看| 亚洲av五月六月丁香网| 一级毛片我不卡| av在线蜜桃| 精品人妻熟女av久视频| 久久欧美精品欧美久久欧美| 在线看三级毛片| 免费看a级黄色片| 国产单亲对白刺激| 午夜a级毛片| 久久久久精品国产欧美久久久| 高清日韩中文字幕在线| 国内精品久久久久精免费| 亚洲国产欧洲综合997久久,| 午夜视频国产福利| 国产黄色小视频在线观看| 亚洲国产精品合色在线| 亚洲高清免费不卡视频| 你懂的网址亚洲精品在线观看 | 久久热精品热| 国产亚洲欧美98| 亚洲成人中文字幕在线播放| 亚洲图色成人| 久久中文看片网| 久久久久久久亚洲中文字幕| 国产精品三级大全| 国产精品99久久久久久久久| 卡戴珊不雅视频在线播放| .国产精品久久| 99久久精品国产国产毛片| 日韩欧美 国产精品| 午夜精品在线福利| 在线观看66精品国产| 天美传媒精品一区二区| 看片在线看免费视频| 国产成年人精品一区二区| 99精品在免费线老司机午夜| 少妇裸体淫交视频免费看高清| 国产精品一区二区三区四区免费观看 | 亚洲一区高清亚洲精品| 日韩精品有码人妻一区| 淫妇啪啪啪对白视频| 久久久久久久午夜电影| 国产精品亚洲美女久久久| 91久久精品国产一区二区成人| 亚洲国产高清在线一区二区三| 国产真实乱freesex| 人人妻人人澡欧美一区二区| 人妻久久中文字幕网| 99热网站在线观看| 大又大粗又爽又黄少妇毛片口| 亚洲最大成人av| 天天一区二区日本电影三级| 日本一二三区视频观看| 欧美+亚洲+日韩+国产| 欧美中文日本在线观看视频| 男女做爰动态图高潮gif福利片| 久久久久久久亚洲中文字幕| 淫秽高清视频在线观看| 又黄又爽又免费观看的视频| 春色校园在线视频观看| 日韩精品青青久久久久久| 国产精品久久久久久久久免| 国产成人91sexporn| 日日摸夜夜添夜夜添小说| 我要搜黄色片| av天堂中文字幕网| 别揉我奶头~嗯~啊~动态视频| 2021天堂中文幕一二区在线观| 亚洲久久久久久中文字幕| 日韩三级伦理在线观看| 午夜日韩欧美国产| 嫩草影院入口| 一区二区三区高清视频在线| 男人狂女人下面高潮的视频| 国产成人91sexporn| 国产欧美日韩精品一区二区| 一夜夜www| 国产熟女欧美一区二区| 少妇人妻精品综合一区二区 | 欧美一区二区精品小视频在线| 国产69精品久久久久777片| 九九久久精品国产亚洲av麻豆| 国产探花在线观看一区二区| 免费观看人在逋| 日本成人三级电影网站| 在线免费观看不下载黄p国产| 精品一区二区三区人妻视频| 午夜精品在线福利| 国产v大片淫在线免费观看| 伦精品一区二区三区| 一级毛片电影观看 | 国产69精品久久久久777片| 日韩精品青青久久久久久| av女优亚洲男人天堂| 99久久久亚洲精品蜜臀av| 亚洲最大成人手机在线| 人妻夜夜爽99麻豆av| 秋霞在线观看毛片| 99久久中文字幕三级久久日本| av在线亚洲专区| 日本一二三区视频观看| 97人妻精品一区二区三区麻豆| 国内精品久久久久精免费| 久久6这里有精品| 国内少妇人妻偷人精品xxx网站| 欧洲精品卡2卡3卡4卡5卡区| 狂野欧美激情性xxxx在线观看| 插逼视频在线观看| 又爽又黄无遮挡网站| 亚洲av成人av| 欧美激情久久久久久爽电影| 国产精品美女特级片免费视频播放器| 国产伦精品一区二区三区视频9| 成人精品一区二区免费| 国模一区二区三区四区视频| 村上凉子中文字幕在线| 久久久久久久久久久丰满| 99九九线精品视频在线观看视频| 精品福利观看| 欧美色欧美亚洲另类二区| 久久婷婷人人爽人人干人人爱| 淫妇啪啪啪对白视频| 国产精品爽爽va在线观看网站| 亚洲性久久影院| 国产精品爽爽va在线观看网站| 午夜日韩欧美国产| 亚洲内射少妇av| 久久亚洲国产成人精品v| 免费大片18禁| 白带黄色成豆腐渣| 男插女下体视频免费在线播放| 老熟妇仑乱视频hdxx| 在线看三级毛片| 久久精品久久久久久噜噜老黄 | 露出奶头的视频| 免费看光身美女| 春色校园在线视频观看| 在线观看av片永久免费下载| 女人被狂操c到高潮| 精品一区二区免费观看| 青春草视频在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 69人妻影院| 一区二区三区高清视频在线| 日本在线视频免费播放| 超碰av人人做人人爽久久| 三级国产精品欧美在线观看| 亚洲国产精品久久男人天堂| 国产精品女同一区二区软件| 国产精品综合久久久久久久免费| 精品久久久久久久久久久久久|