• <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 ?

    基于大數據分析和多模型融合的交通擁堵高效預測技術

    2021-11-02 15:10:35林立春洪東劉華
    西部交通科技 2021年7期
    關鍵詞:優(yōu)化模型

    林立春 洪東 劉華

    文章利用可變系數加權優(yōu)化方法對交通大數據進行聚類分析,并為了適用于常發(fā)性和偶發(fā)性擁堵,采用改進的兩級加權優(yōu)化ELM對分類進行模式識別,以期提高擁堵預測的精確度。同時,引入了上下游關聯的擁堵傳導模型,進一步提高擁堵預測的關聯性。當預測到或已檢測到交通擁堵時,在擁堵誘導上采用路網局部最優(yōu)化模型為出行者規(guī)劃路線,路網全局最優(yōu)化模型則為管理部門使用并為未來規(guī)劃提供輔助決策。仿真實驗結果表明,多模型融合技術能預測較長時間后的擁堵情況并維持較高的準確率,為構建高效、經濟、安全和便捷的現代化綜合交通體系提供科技支撐。

    大數據;交通擁堵;預測;多模型;擁堵傳導

    U491.1+13A421515

    0 引言

    伴隨著我國人民生活水平的穩(wěn)步提高和社會的快速發(fā)展,機動車保有量迅速增加,居民出行總量提高,交通擁堵問題越來越嚴重,成為影響和制約城市發(fā)展以及飽受民眾詬病的熱點。在現今“互聯網+”和大數據發(fā)展的時代,利用大數據分析以及合適的技術,可以科學地預測道路的擁堵程度,為出行合理規(guī)劃路線,提高出行效率,減少安全事故隱患,降低城市排放污染,釋放城市發(fā)展?jié)撃堋1疚牡闹攸c在于擁堵的預測,創(chuàng)新貢獻點主要有:(1)可變系數加權聚類優(yōu)化模型;(2)兩級加權并自適應權重模型以全面應對常發(fā)性和偶發(fā)性擁堵;(3)將兩級加權與極限學習機(下稱ELM)結合,使其既保持快速又能適用于平衡數據集和不平衡數據集,達到快速與準確并存;(4)采用擁堵傳導模型,考慮上下游情況,進而能夠從全局角度觀察,輔助管理決策;(5)預測到擁堵后采用路網總成本最優(yōu)化模型實現交通誘導,以提高城市的整體通行能力。

    1 架構的提出

    交通擁堵從成因上來劃分一般可歸納為常發(fā)性交通擁堵和偶發(fā)性交通擁堵。詳見文獻[1]。常發(fā)性交通擁堵具有一定規(guī)律可循,大數據分析上具有明顯特征。而諸如交通事故、交通違法、道路施工、極端天氣、大型活動、特殊路段等動態(tài)因素影響而發(fā)生的偶發(fā)性交通擁堵隨機性大,規(guī)律不甚明顯。為此,本文提出建立含有常發(fā)性和偶發(fā)性擁堵規(guī)則庫及動態(tài)影響數據庫,當偶發(fā)性擁堵發(fā)生時,通過兩級加權優(yōu)化模型側重于偶發(fā)性擁堵規(guī)則,常發(fā)性擁堵規(guī)則只做輔助參考,并通過預測時刻到來時的實時數據的驗證對加權進行自學習(自適應),以期收斂和準確,同時豐富規(guī)則庫。當無偶發(fā)性擁堵因素時,則以常發(fā)性擁堵規(guī)則為主。

    為此,提出基于大數據分析的多模型融合(Big Data Analytics with Multiple Mode Combination,BDA-MMC)交通擁堵預警平臺,其架構簡圖如圖1所示。架構的核心是融合多種模型來構建規(guī)則庫,其優(yōu)劣直接關系到預測精度。

    2 關鍵技術

    2.1 可變系數加權聚類優(yōu)化模型

    模糊C均值聚類(FCM)不同于傳統的K均值聚類(K-means),它是一種柔性劃分方法,劃分結果是各個樣本的隸屬程度,而不是屬于某類,正符合擁堵程度的劃分需求。

    但各路段本質特征又有區(qū)別,如車道數量、人行橫道數量、紅綠燈數量和占有率等,加之工作日、周末和節(jié)假日之間的數據特征也有一定差異,顯然需要對不同維度上的特征予以區(qū)分。本文在FCM基礎上提出了一種可變系數加權聚類優(yōu)化模型及權重自學習方法。

    令W={W1,W2,……,Wn}為n維特征的對應權值集合,定義第i個維度特征的可變系數為:

    Vi=σiμi(1)

    式中:μi=1n∑nj=1χij,σi=1n∑nj=1(χij-μi)2。再為第i維特征的可變系數加權:

    Wi=Vi∑nj=1Vj

    (2)

    通過可變系數加權值求得對象xi到聚類中心vk的距離dki:

    dki=∑nj=1Wj(xij-vkj)2

    (3)

    對應的隸屬度計算公式為:

    uij=∑Kk=1∑nhWh(xjh-vih)2∑nhWh(xjh-vkh)1m-1-1(4)

    計算權重的修正量公式為:

    ΔWi=-ηE(W)Wi(5)

    式中:E(W)——極小評價函數;

    η——學習率。

    η通過下面公式計算:

    EW1-ηE(W)W1,…,Wm-ηE(W)Wn=

    minλ>0EW1-λE(W)W1,…,Wn-ηE(W)Wm(6)

    當Wi+ΔWi>0時,更新權重Wi=Wi+ΔWi。

    2.2 兩級加權優(yōu)化的ELM及自適應權重模型

    通過聚類將大數據劃分為若干類之后,另一關鍵技術就是分類識別獲得與預測時段最相似的樣本集和規(guī)則。極限學習機(Extreme Learning Machine,ELM)在處理大數據問題時以快速著稱,適用于擬合、分類和模式識別等問題[5]。但缺點是當有“噪聲”——數據集里存在離群點時,性能會受到影響。為彌補這一缺點,本文對ELM進行改進,進行兩級加權優(yōu)化。因為偶發(fā)性擁堵相對于歷年的海量常發(fā)性擁堵來說占比極小,相當于噪聲,但在現實中卻無疑會引發(fā)擁堵,只是程度不同而已。故此,當偶發(fā)性擁堵發(fā)生時,不僅不應讓這些少數類被淹沒,還要加大其權重,以期ELM在快速(時效性)的基礎上又能提高預測準確度,還能使其同時適用于平衡和不平衡的大數據集合。

    參考文獻[4],給定預測樣本xi,訓練好的N個學習機的預測輸出為f1(xi),…,fn(xi),…,fN(xi),其中fn(xi)=[f1n(xi),f2n(xi),…,fMn(xi)]T。首先進行一級加權優(yōu)化,方法是計算每個學習機各個節(jié)點的概率輸出,公式如下:

    pmn(fmn(xi))=11+exp(-(fmn(xi))),m=1,2,…,M,n=1,2,…,N(7)

    進一步對其歸一化得到:

    pmn(xi)=p(fmn(xi))∑Mt=1p(ftn(xi)),m=1,2,…,M,n=1,2,…,N(8)

    再確定每個學習機概率輸出的最大值:

    pn=maxm=1,2,…,M{pmn(xi)}(9)

    pn越大,該分類器在多模融合預測中的權值也應越大,一級加權定義為:

    un=pn∑Nn=1pn(10)

    最后進行二級加權wδ,計算樣本xi在預測模型中的輸出:

    class(xi)=argmaxm=1,2,…,M∑Nn=1wδunpmn(xi)(11)

    二級加權wδ取值范圍為[0,1],在常發(fā)性擁堵——無動態(tài)影響因素時初始化為:

    wδ=10.618Num(xi)>AVG(Num(xi))Num(xi)≤AVG(Num(xi))(12)

    Num(xi)是指屬于xi類的樣本數目,當其大于平均數目時,既側重于多數類,并有效抑制噪聲。在偶發(fā)性擁堵時,wδ的取值則反過來,側重于少數類。wδ以線性回歸模型為基礎,通過自學習動態(tài)在[0,1]之間改變。在t時刻預測t+1時刻擁堵程度,當到達t+1時刻,根據浮動車實時采集的數據來驗證,通過驗證的偏差來調整權重,以期準確和收斂。當該規(guī)則有效,則加入規(guī)則庫。這種自適應權重既保持ELM的快速,還在一定程度上防止過擬合,且能提高模型的自適應能力,亦能克服普通的線性回歸不能很好地反映交通的非線性變化和不確定性的缺點。

    2.3 擁堵傳導模型(上下游關聯規(guī)則模型)

    為了提高較長時長后的預測擁堵的準確性,還要考慮擁堵的上下游關聯傳導關系。因為交通擁堵的產生在時間上和空間上都是一個較復雜的過程。本文的擁堵傳導模型既考慮路段在路網空間拓撲上的鄰接關系,也考慮擁堵狀態(tài)的傳導在時間上的先后關系。

    如圖2所示,當前RC路段箭頭所示為行駛方向(另一方向同理),如果RC發(fā)生擁堵,一般會引發(fā)上游的i1~i3在Δt時間后發(fā)生擁堵。這在大數據分析中較容易通過RC的擁堵程度和i1~i3的流量預測出Δt,這里不贅述。

    反過來,當上下游路段發(fā)生不同程度的擁堵后,何時會傳導引發(fā)RC發(fā)生擁堵,這樣的因果關聯性是本文研究的重點。為降低時空復雜度,本平臺擁堵傳導模型僅計算直接擁堵傳導(臨邊),但整個路網的連通性已能反映出間接擁堵傳導(相隔路段之間傳導)。

    對于RC,關聯模型主要考慮上游三個流入路段的流量Q(vehs/h),即流入RC的量;還有下游三個流出路段的平均行駛速度V(km/h),即RC的排出速度。當采用路段平均速度為交通擁堵指數時,平均速度即是擁堵程度。若再簡化模型,把上游的流量也改為擁堵程度時,雖然計算簡化,但在實際應用中的預測精度有所下降。

    首先,通過道路方向與車輛行駛方向之間夾角過濾掉無關方向的浮動車,再通過檢測器得到上游三個駛入流量Qi,i=1,2,3,下游三個駛出路段的平均行駛速度為Vj,j=1,2,3。擁堵傳導預測計算公式如下:

    α∑ni=1(αiQi)-β∑mj=1(βjVj)+γVRc(13)

    式中:n——上游臨邊數;

    m——下游臨邊數。

    如果是圖2所示的十字路口,n和m都等于3,如果存在無關的單行線等限行路段方向應將其忽略。αi、βj為參數,根據擁堵程度和流量占比給出;

    α,β,γ——影響因子;

    VRc——RC自身當前的擁堵程度。

    路段平均行駛速度定義為:

    V=∑nk=1Lk∑nk=1(LkVk)(14)

    Lk為該路段上第k條記錄的行駛車輛所駛過的距離;Vk為其速度。

    除了考慮偶發(fā)性因素外,在常發(fā)性擁堵中,如何較準確地預測從居民區(qū)和單位等地駛出的新匯入到道路上的車輛數——流量變數,是預測中的難題之一,也是能否較準確預測擁堵的關鍵因素之一。為提高較長一段時間后(例如超過20 min之后)的擁堵預測準確度,以時間序列上眾路段擁堵傳導模型的計算值為主,以大數據挖掘出的每天上下班高峰期的流量變數為輔進行調整。因為絕大多數人的上下班時間段是固定的,乃至周末出行均有一定規(guī)律可循,從大數據分析可以得出;其他變數可以通過交通事故上報平臺、道路施工的市政平臺、極端天氣的天氣預報平臺、大型活動的社會服務平臺等采集,這樣即可實現預測較長時間后擁堵程度的高準確度。

    2.4 路網總成本最優(yōu)化模型

    在出行路線選擇上,出行者僅僅從自身考慮,往往選擇路線最短、耗時最短路線或者主干道路線。在發(fā)出擁堵預警后,給出的優(yōu)化路線要充分考慮城市路網整體最優(yōu)均衡,即實現了一種交通誘導,充分利用次級道路,提高城市整體通行能力。平臺在為出行者服務時,為提高時空效率采用局部最優(yōu)方法,計算起點i到終點j的預選路徑集合所覆蓋的局部路網的總成本最小[6]。記起止(OD)點間路徑集合為Pij={Pij(t):路網從點i到點j的第t條路徑};M為其流量矩陣;L(Pij(t))為路徑Pij(t)的長度;Cij(t)為Pij(t)的通行能力;Xij(t)為Pij(t)上待分配的交通量。則建立路網尋優(yōu)模型:

    min∑i≠j∑tXij(t)×L(Pij(t))(15)

    s.t.∑tXij(t)=Mij

    0≤Xij(t)≤Cij(t)

    ∑XklXij(t)Xij(t)≤Ckl,

    最后一條約束表示多條路徑都經過某kl路段,則流經重疊路段kl的交通量總和∑Xkl不超過kl段的通行能力。該模型同樣適用于整體路網總成本最優(yōu)(全局最優(yōu)),為相應管理部門所用或對未來交通規(guī)劃輔助決策。

    3 仿真實驗

    實驗在訊方大數據服務器(2個英特爾至強銀牌4110-2.1 G-8 Core處理器,2×32G DDR4內存,2塊1 200 GB SAS 12 Gb/s-10 K rpm硬盤,1塊RAID卡)、客戶端Windows 10計算機(處理器Intel Core i7-9700,內存16 G)上進行;實驗軟件使用Python 3.9;樣本數據采用廣西交通運輸云數據中心和南寧市交警支隊部分樣本數據;測試路網為南寧市中心區(qū)域多條易擁堵路線,并選取了18:00有交通事故的情況;在8:00、12:00、18:00三個早中晚上下班高峰時段進行重點預測,并以當時的真實擁堵程度值進行驗證。評價指標選取常用的平均絕對誤差(MAE)、均方根誤差(RMSE)和平均絕對百分比誤差(MAPE),將BDA-MMC與廣義回歸神經網絡(GRNN)、ELM和支持向量機(SVM)等模型的預測性能進行比較,結果如表1所示。

    從表1中可以看出,本文基于大數據分析和多種模型融合(BDA-MMC)的擁堵預測結果明顯提高,且在18:00有交通事故的偶發(fā)性擁堵預測中結果穩(wěn)定。

    4 結語

    本文介紹了交通擁堵預警的主要方法,對歷史大數據進行可變系數加權優(yōu)化聚類分析,在分類識別上,為綜合考慮常發(fā)性和偶發(fā)性交通擁堵,提出兩級加權優(yōu)化ELM和自適應權重模型,同時引入上下游關聯的擁堵傳導模型,進一步提升預測的準確性和關聯性。在擁堵誘導上采用局部最優(yōu)模型,充分發(fā)揮各級道路的作用以提高城市的整體通行能力。通過仿真實驗證明,多模融合技術的交通擁堵預測方法不僅能夠給出短時擁堵預測,還能夠給出長時擁堵預測,并且均能維持較高的準確率。

    預測交通擁堵的作用和意義重大,可以提前預防,如同治未病思想,而不是已經發(fā)生了擁堵甚至造成了事故才去彌補損失。在如今節(jié)奏越來越快的城市生活當中,時間是最寶貴的,擁堵預警從節(jié)約時間、綠色環(huán)保、高效通行和提高管理水平的角度出發(fā)是必需的,是引領智能出行的關鍵,也是建設交通強國,助力交通科學治理的技術支撐和強有力的手段。

    但是,由于歷史和信息安全等因素的約束,公安交通網絡一般與互聯網等網絡是隔離的,交通實時數據對外共享較困難。建議將交通系統數據中有必要對外開放又不涉及隱私和信息安全的數據進行映射,對外共享。可采取授權訪問的方式進行管理,商業(yè)化的要合理收費。同時,應逐步推進行業(yè)間大數據接口的標準,形成如圖1中所示各部門之間有關交通大數據的相互對接和信息共享,加快信息產業(yè)的升級,使之更好地服務于社會。

    [1]林立春,劉 華,洪 東.基于大數據分析的交通擁堵預測技術[J].西部交通科技,2020(9):138-141.

    [2]沈 晴.面向交通擁堵預測大數據的神經網絡群組快速學習[D].北京:北京科技大學,2017.

    [3]周輝宇.基于大數據規(guī)則挖掘的交通擁堵治理研究[J].統計與信息論壇,2017,32(5):96-101.

    [4]鄧萬宇,鄭慶華,陳 琳,等.神經網絡極速學習方法研究[J].計算機學報,2010,33(2):279-287.

    [5]Lichun Lin,Shi Tong.Automatic Spatial Annotation of Image Based on Object Recognition [J].Journal of Information and Computational Science,2013,10(18): 5 829-5 847.

    [6]薛倚明.整體優(yōu)化路網交通量分配的系統思想[J].運籌與管理,2000,9(2):79-83.

    猜你喜歡
    優(yōu)化模型
    一半模型
    超限高層建筑結構設計與優(yōu)化思考
    房地產導刊(2022年5期)2022-06-01 06:20:14
    民用建筑防煙排煙設計優(yōu)化探討
    關于優(yōu)化消防安全告知承諾的一些思考
    一道優(yōu)化題的幾何解法
    由“形”啟“數”優(yōu)化運算——以2021年解析幾何高考題為例
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權M-估計的漸近分布
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉換方法初步研究
    欧美人与善性xxx| 午夜福利在线观看免费完整高清在| 中文字幕制服av| 免费观看无遮挡的男女| 大码成人一级视频| 亚洲精品久久久久久婷婷小说| 色5月婷婷丁香| 高清毛片免费看| 大香蕉97超碰在线| 国产日韩一区二区三区精品不卡| 美女主播在线视频| 国产极品天堂在线| 国产精品秋霞免费鲁丝片| 亚洲中文av在线| 少妇精品久久久久久久| 久久久久网色| 国产成人免费无遮挡视频| 色婷婷av一区二区三区视频| 久久久久久久久久人人人人人人| av视频免费观看在线观看| 欧美精品高潮呻吟av久久| 国产欧美日韩一区二区三区在线| 欧美精品亚洲一区二区| av国产久精品久网站免费入址| 大码成人一级视频| 久久久亚洲精品成人影院| 大陆偷拍与自拍| 亚洲国产精品999| 亚洲国产毛片av蜜桃av| 妹子高潮喷水视频| 性色avwww在线观看| 在线观看美女被高潮喷水网站| 在线观看国产h片| 五月伊人婷婷丁香| 蜜臀久久99精品久久宅男| 熟女电影av网| 国产白丝娇喘喷水9色精品| 久久久久久久久久成人| 国产精品国产av在线观看| 高清在线视频一区二区三区| 亚洲人与动物交配视频| 丝袜美足系列| 91久久精品国产一区二区三区| 精品国产一区二区久久| 精品福利永久在线观看| 成人亚洲精品一区在线观看| 赤兔流量卡办理| 国产深夜福利视频在线观看| 国产片内射在线| 国产精品国产三级专区第一集| 国产av一区二区精品久久| 狂野欧美激情性xxxx在线观看| 午夜福利网站1000一区二区三区| 国产在线视频一区二区| 久久婷婷青草| 丁香六月天网| 欧美 日韩 精品 国产| 曰老女人黄片| av卡一久久| 国产视频首页在线观看| 日日撸夜夜添| 日本与韩国留学比较| 免费观看av网站的网址| 九草在线视频观看| 久久精品aⅴ一区二区三区四区 | 在线看a的网站| 久久久国产精品麻豆| 考比视频在线观看| 涩涩av久久男人的天堂| 麻豆乱淫一区二区| 成年人午夜在线观看视频| 精品少妇内射三级| 精品第一国产精品| 精品午夜福利在线看| 99热国产这里只有精品6| 亚洲精品日韩在线中文字幕| 日本免费在线观看一区| 亚洲国产日韩一区二区| 久热这里只有精品99| 日本91视频免费播放| 在线亚洲精品国产二区图片欧美| 女的被弄到高潮叫床怎么办| 亚洲精品第二区| 欧美 亚洲 国产 日韩一| 国产综合精华液| av免费在线看不卡| 亚洲精品色激情综合| 五月伊人婷婷丁香| 成人毛片a级毛片在线播放| 亚洲精品自拍成人| 久久99蜜桃精品久久| 日韩三级伦理在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 成人手机av| 婷婷色麻豆天堂久久| 男女免费视频国产| 永久网站在线| 久久久久久久久久久久大奶| 亚洲av日韩在线播放| 91午夜精品亚洲一区二区三区| 91国产中文字幕| 久久久久久久大尺度免费视频| 国产精品99久久99久久久不卡 | 在线观看人妻少妇| 中文字幕亚洲精品专区| 香蕉精品网在线| 女的被弄到高潮叫床怎么办| 婷婷成人精品国产| 欧美成人午夜精品| 建设人人有责人人尽责人人享有的| 国产精品嫩草影院av在线观看| 亚洲精品日本国产第一区| videossex国产| 欧美日韩国产mv在线观看视频| 午夜福利视频精品| 午夜91福利影院| 亚洲高清免费不卡视频| 免费观看性生交大片5| 国产亚洲午夜精品一区二区久久| 精品午夜福利在线看| 菩萨蛮人人尽说江南好唐韦庄| 精品国产一区二区久久| 人人妻人人澡人人看| 欧美亚洲 丝袜 人妻 在线| 日本-黄色视频高清免费观看| 日本-黄色视频高清免费观看| 日本-黄色视频高清免费观看| 日本av免费视频播放| 看非洲黑人一级黄片| 精品国产一区二区久久| 日韩制服骚丝袜av| 爱豆传媒免费全集在线观看| av天堂久久9| 久久99热这里只频精品6学生| 啦啦啦中文免费视频观看日本| 在线观看美女被高潮喷水网站| 丰满迷人的少妇在线观看| 久久久久人妻精品一区果冻| 久久影院123| 综合色丁香网| 欧美日韩视频高清一区二区三区二| 国产精品女同一区二区软件| 日本av手机在线免费观看| 青青草视频在线视频观看| 欧美日韩视频高清一区二区三区二| 国产精品女同一区二区软件| 天堂8中文在线网| 在线观看美女被高潮喷水网站| www.熟女人妻精品国产 | 丰满饥渴人妻一区二区三| 99热6这里只有精品| 秋霞在线观看毛片| 一边摸一边做爽爽视频免费| 亚洲精品成人av观看孕妇| 在线观看www视频免费| 国产精品久久久久久精品古装| 亚洲国产欧美日韩在线播放| 如何舔出高潮| 晚上一个人看的免费电影| 晚上一个人看的免费电影| 欧美日韩亚洲高清精品| 国产成人欧美| 国产欧美日韩一区二区三区在线| 18禁动态无遮挡网站| 亚洲精品国产av蜜桃| 自线自在国产av| 亚洲av在线观看美女高潮| 两个人免费观看高清视频| 亚洲国产精品999| 色94色欧美一区二区| 交换朋友夫妻互换小说| 国产精品一国产av| 国产一区二区三区av在线| 超色免费av| 欧美日韩成人在线一区二区| 22中文网久久字幕| a级毛片在线看网站| 丝袜人妻中文字幕| 国产精品一国产av| 久久精品国产自在天天线| 精品一区二区三区四区五区乱码 | h视频一区二区三区| 日韩精品免费视频一区二区三区 | 国产成人精品在线电影| 成年人免费黄色播放视频| 国产一区二区激情短视频 | 国产精品女同一区二区软件| 免费大片18禁| 免费大片18禁| 精品少妇久久久久久888优播| 国产av国产精品国产| 99热全是精品| 精品人妻一区二区三区麻豆| 久久这里有精品视频免费| 宅男免费午夜| 精品亚洲乱码少妇综合久久| 少妇精品久久久久久久| 九草在线视频观看| 视频在线观看一区二区三区| 少妇人妻 视频| 免费不卡的大黄色大毛片视频在线观看| 国产精品国产三级国产av玫瑰| 国产国拍精品亚洲av在线观看| 狂野欧美激情性xxxx在线观看| 日日摸夜夜添夜夜爱| 日本欧美国产在线视频| 日韩 亚洲 欧美在线| 久热久热在线精品观看| 丝瓜视频免费看黄片| 美女中出高潮动态图| 亚洲精华国产精华液的使用体验| 精品人妻熟女毛片av久久网站| 99精国产麻豆久久婷婷| 国产永久视频网站| 午夜av观看不卡| 日本vs欧美在线观看视频| 啦啦啦在线观看免费高清www| 又粗又硬又长又爽又黄的视频| 免费大片18禁| 午夜老司机福利剧场| 少妇 在线观看| 天天躁夜夜躁狠狠躁躁| 一级爰片在线观看| 亚洲精品一二三| 国产一区二区激情短视频 | 国产欧美另类精品又又久久亚洲欧美| 国产日韩一区二区三区精品不卡| 热re99久久国产66热| 欧美人与性动交α欧美软件 | 亚洲成人av在线免费| 亚洲精品久久久久久婷婷小说| 免费在线观看黄色视频的| 国产精品人妻久久久影院| 久久综合国产亚洲精品| 国产免费视频播放在线视频| 曰老女人黄片| 妹子高潮喷水视频| 日本91视频免费播放| 国产不卡av网站在线观看| 国产白丝娇喘喷水9色精品| 国产免费一级a男人的天堂| 国产 一区精品| 亚洲国产欧美在线一区| 亚洲 欧美一区二区三区| 欧美人与性动交α欧美软件 | 99视频精品全部免费 在线| 亚洲欧美精品自产自拍| 五月伊人婷婷丁香| 欧美另类一区| 亚洲精品第二区| 又黄又爽又刺激的免费视频.| 岛国毛片在线播放| 亚洲精品自拍成人| 女人精品久久久久毛片| 亚洲国产精品一区三区| 欧美 亚洲 国产 日韩一| 国产日韩欧美视频二区| 丁香六月天网| 深夜精品福利| 国产成人精品久久久久久| 亚洲色图 男人天堂 中文字幕 | 9色porny在线观看| 高清欧美精品videossex| 国产一级毛片在线| 一级爰片在线观看| www.av在线官网国产| 亚洲欧美一区二区三区黑人 | 午夜福利网站1000一区二区三区| 大香蕉久久成人网| 中国三级夫妇交换| 黑人猛操日本美女一级片| 久久午夜福利片| 侵犯人妻中文字幕一二三四区| 亚洲美女搞黄在线观看| 国产淫语在线视频| 女性生殖器流出的白浆| 日韩av在线免费看完整版不卡| 日韩不卡一区二区三区视频在线| 国产亚洲午夜精品一区二区久久| 毛片一级片免费看久久久久| 最近2019中文字幕mv第一页| 在线亚洲精品国产二区图片欧美| 80岁老熟妇乱子伦牲交| 插逼视频在线观看| 日本av免费视频播放| av免费在线看不卡| 美女xxoo啪啪120秒动态图| 一本久久精品| 蜜桃国产av成人99| 另类亚洲欧美激情| 国产av精品麻豆| 午夜av观看不卡| 夫妻午夜视频| 2021少妇久久久久久久久久久| 狠狠精品人妻久久久久久综合| 日韩在线高清观看一区二区三区| 美女脱内裤让男人舔精品视频| 午夜av观看不卡| 有码 亚洲区| 啦啦啦啦在线视频资源| 在线精品无人区一区二区三| a级片在线免费高清观看视频| 日本欧美视频一区| 亚洲av电影在线进入| av免费观看日本| 狂野欧美激情性xxxx在线观看| 老司机影院成人| 日本91视频免费播放| 久久鲁丝午夜福利片| 日本av免费视频播放| 日本猛色少妇xxxxx猛交久久| 一区二区三区乱码不卡18| 婷婷成人精品国产| 久久久精品免费免费高清| 肉色欧美久久久久久久蜜桃| 人人妻人人澡人人看| 国产综合精华液| 国产精品一二三区在线看| 一区二区日韩欧美中文字幕 | 欧美日韩视频精品一区| 欧美少妇被猛烈插入视频| 在线 av 中文字幕| 亚洲人成网站在线观看播放| 蜜臀久久99精品久久宅男| 久久影院123| 韩国av在线不卡| 亚洲国产精品999| 伊人亚洲综合成人网| 日日撸夜夜添| av卡一久久| 久久精品国产亚洲av天美| 波野结衣二区三区在线| 久久久久久伊人网av| 久久午夜福利片| 三上悠亚av全集在线观看| 国产毛片在线视频| 欧美日韩视频精品一区| 亚洲情色 制服丝袜| 亚洲精品成人av观看孕妇| 久久这里有精品视频免费| 亚洲精品乱码久久久久久按摩| 97在线视频观看| 99热6这里只有精品| 亚洲精品一二三| 两性夫妻黄色片 | 欧美日韩国产mv在线观看视频| 成人无遮挡网站| 国产欧美日韩一区二区三区在线| 国产又爽黄色视频| 久久精品人人爽人人爽视色| 看非洲黑人一级黄片| 国产成人免费无遮挡视频| 丝瓜视频免费看黄片| 久久国产精品大桥未久av| 亚洲欧美成人综合另类久久久| 高清不卡的av网站| 自线自在国产av| 亚洲经典国产精华液单| 精品国产一区二区久久| 一二三四中文在线观看免费高清| 18禁动态无遮挡网站| 日韩熟女老妇一区二区性免费视频| 最黄视频免费看| 啦啦啦视频在线资源免费观看| 国产成人欧美| 亚洲精品美女久久av网站| 免费在线观看黄色视频的| 免费观看无遮挡的男女| 午夜精品国产一区二区电影| 黄色配什么色好看| 成人国产麻豆网| 亚洲成人手机| 自线自在国产av| 久久久久久久久久人人人人人人| 亚洲美女视频黄频| 99久国产av精品国产电影| 日本欧美视频一区| 亚洲精品日韩在线中文字幕| 久久ye,这里只有精品| 在线观看www视频免费| 色5月婷婷丁香| 哪个播放器可以免费观看大片| 日韩成人av中文字幕在线观看| 亚洲国产欧美日韩在线播放| 久久鲁丝午夜福利片| av免费观看日本| 男男h啪啪无遮挡| 亚洲精品一区蜜桃| av.在线天堂| 免费av中文字幕在线| 久久久久久久大尺度免费视频| 国产精品.久久久| 亚洲av男天堂| 中文乱码字字幕精品一区二区三区| 另类亚洲欧美激情| 五月伊人婷婷丁香| 午夜91福利影院| 亚洲少妇的诱惑av| 视频在线观看一区二区三区| 国产男人的电影天堂91| 九色亚洲精品在线播放| 午夜免费男女啪啪视频观看| 国产精品无大码| 在线观看免费高清a一片| 免费人成在线观看视频色| 亚洲美女黄色视频免费看| 王馨瑶露胸无遮挡在线观看| 国产日韩欧美在线精品| 亚洲精品自拍成人| 校园人妻丝袜中文字幕| 欧美成人午夜免费资源| 精品熟女少妇av免费看| 黑人猛操日本美女一级片| 黄网站色视频无遮挡免费观看| 捣出白浆h1v1| 精品一区二区免费观看| 在现免费观看毛片| 97超碰精品成人国产| 国产欧美日韩综合在线一区二区| 婷婷色综合www| 考比视频在线观看| 成人黄色视频免费在线看| 中文字幕av电影在线播放| 免费黄频网站在线观看国产| 成人毛片a级毛片在线播放| 国精品久久久久久国模美| 免费人成在线观看视频色| 观看av在线不卡| 一个人免费看片子| 成人毛片a级毛片在线播放| www.熟女人妻精品国产 | 国产成人精品在线电影| 国产欧美另类精品又又久久亚洲欧美| 下体分泌物呈黄色| 深夜精品福利| 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| 中国美白少妇内射xxxbb| 免费在线观看黄色视频的| 国产亚洲精品久久久com| 午夜免费男女啪啪视频观看| 欧美人与性动交α欧美精品济南到 | 久久久久网色| 国产成人一区二区在线| 成人国产麻豆网| 亚洲精品日本国产第一区| 国产又色又爽无遮挡免| 日本色播在线视频| 最近手机中文字幕大全| 国产又爽黄色视频| 亚洲精品,欧美精品| 久久久a久久爽久久v久久| 亚洲精品美女久久久久99蜜臀 | 日本av免费视频播放| av卡一久久| 久久狼人影院| 一区在线观看完整版| 在线 av 中文字幕| 国产成人一区二区在线| 亚洲综合色惰| 男人爽女人下面视频在线观看| 欧美激情极品国产一区二区三区 | 亚洲图色成人| 国产成人精品无人区| 制服人妻中文乱码| 亚洲美女搞黄在线观看| av网站免费在线观看视频| 久久青草综合色| 丝袜喷水一区| 欧美精品一区二区免费开放| 咕卡用的链子| 亚洲国产精品999| 国产精品人妻久久久影院| 免费看av在线观看网站| 制服丝袜香蕉在线| xxxhd国产人妻xxx| 久热这里只有精品99| 亚洲国产精品专区欧美| a级毛色黄片| 久久人妻熟女aⅴ| 久久青草综合色| 97超碰精品成人国产| xxx大片免费视频| 中文字幕免费在线视频6| 男女啪啪激烈高潮av片| 国语对白做爰xxxⅹ性视频网站| 午夜福利,免费看| 在线观看三级黄色| 免费黄网站久久成人精品| 久久99蜜桃精品久久| 又黄又粗又硬又大视频| 久久久久国产网址| 国产精品三级大全| 在线亚洲精品国产二区图片欧美| 午夜福利网站1000一区二区三区| 中文字幕av电影在线播放| 人妻 亚洲 视频| 99久久中文字幕三级久久日本| 亚洲av综合色区一区| 亚洲一码二码三码区别大吗| 久久 成人 亚洲| 欧美变态另类bdsm刘玥| 桃花免费在线播放| 亚洲av综合色区一区| 人体艺术视频欧美日本| 人人妻人人添人人爽欧美一区卜| 免费人成在线观看视频色| 一区二区av电影网| 最近2019中文字幕mv第一页| 免费高清在线观看日韩| 黑人欧美特级aaaaaa片| 男人添女人高潮全过程视频| 日韩伦理黄色片| 麻豆乱淫一区二区| 国产成人精品久久久久久| 日日爽夜夜爽网站| 亚洲人成网站在线观看播放| 99热网站在线观看| 久久久精品区二区三区| 人成视频在线观看免费观看| 国产成人a∨麻豆精品| 蜜桃在线观看..| 日韩三级伦理在线观看| 三上悠亚av全集在线观看| 这个男人来自地球电影免费观看 | 久热这里只有精品99| 久久这里只有精品19| 国产69精品久久久久777片| 满18在线观看网站| 一区二区三区乱码不卡18| 日韩,欧美,国产一区二区三区| 欧美少妇被猛烈插入视频| 国产xxxxx性猛交| 桃花免费在线播放| 久久精品国产鲁丝片午夜精品| 国产一区二区在线观看日韩| 麻豆乱淫一区二区| 日韩人妻精品一区2区三区| 春色校园在线视频观看| 国产精品.久久久| 天美传媒精品一区二区| 亚洲第一av免费看| 日韩大片免费观看网站| 久久99热6这里只有精品| 国产av码专区亚洲av| 91精品伊人久久大香线蕉| 高清视频免费观看一区二区| 一级毛片电影观看| 男人添女人高潮全过程视频| 女人精品久久久久毛片| 熟妇人妻不卡中文字幕| 又大又黄又爽视频免费| 国产精品久久久久久精品古装| 国产黄色免费在线视频| 欧美精品亚洲一区二区| 91午夜精品亚洲一区二区三区| 免费日韩欧美在线观看| 肉色欧美久久久久久久蜜桃| 一区二区三区乱码不卡18| 久久毛片免费看一区二区三区| 啦啦啦在线观看免费高清www| 日本91视频免费播放| 少妇人妻久久综合中文| 亚洲图色成人| 菩萨蛮人人尽说江南好唐韦庄| 免费黄网站久久成人精品| 亚洲伊人久久精品综合| 久久久国产欧美日韩av| 免费不卡的大黄色大毛片视频在线观看| 欧美日韩视频高清一区二区三区二| 午夜福利视频在线观看免费| 精品一区二区免费观看| 丝袜在线中文字幕| 午夜av观看不卡| 亚洲精品中文字幕在线视频| 欧美日韩成人在线一区二区| 侵犯人妻中文字幕一二三四区| 伊人亚洲综合成人网| 精品一区二区三区视频在线| 寂寞人妻少妇视频99o| 中文字幕精品免费在线观看视频 | 亚洲精品国产色婷婷电影| h视频一区二区三区| 亚洲内射少妇av| 男女无遮挡免费网站观看| 精品午夜福利在线看| 亚洲少妇的诱惑av| 美女国产视频在线观看| 97在线人人人人妻| 国产成人91sexporn| 亚洲精品一区蜜桃| 七月丁香在线播放| 午夜福利视频在线观看免费| 国产精品国产三级国产av玫瑰| 精品亚洲成a人片在线观看| 亚洲av男天堂| 久久久国产欧美日韩av| 大码成人一级视频| 精品国产一区二区三区四区第35| 国产男人的电影天堂91| 成人综合一区亚洲| 免费久久久久久久精品成人欧美视频 | 欧美国产精品va在线观看不卡| 免费女性裸体啪啪无遮挡网站| 一本大道久久a久久精品| 永久网站在线| 国产片特级美女逼逼视频| 成人毛片a级毛片在线播放| 国产黄色视频一区二区在线观看| 男女边摸边吃奶| 久久99热6这里只有精品| 午夜av观看不卡| 中文字幕亚洲精品专区| 国产麻豆69| 丝袜喷水一区|