• <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 ?

    面向“15分鐘生活圈”社區(qū)結(jié)構(gòu)的表示學(xué)習(xí)

    2022-07-05 08:36:46孫煥良彭程劉俊嶺許景科
    計算機應(yīng)用 2022年6期
    關(guān)鍵詞:社區(qū)活動生活圈軌跡

    孫煥良,彭程,劉俊嶺,許景科

    面向“15分鐘生活圈”社區(qū)結(jié)構(gòu)的表示學(xué)習(xí)

    孫煥良,彭程,劉俊嶺*,許景科

    (沈陽建筑大學(xué) 信息與控制工程學(xué)院,沈陽 110168)(*通信作者電子郵箱liujl@sjzu.edu.cn)

    利用城市大數(shù)據(jù)發(fā)現(xiàn)社區(qū)結(jié)構(gòu)是城市計算中重要的研究方向。有效表示面向“15分鐘生活圈”社區(qū)的結(jié)構(gòu)特征可以細(xì)粒度地評價生活圈社區(qū)周圍的設(shè)施情況,有利于城市規(guī)劃建設(shè),創(chuàng)造宜居的生活環(huán)境。首先,定義了面向“15分鐘生活圈”的城市社區(qū)結(jié)構(gòu),并采用表示學(xué)習(xí)方法獲取生活圈社區(qū)的結(jié)構(gòu)特征;然后,提出了生活圈社區(qū)結(jié)構(gòu)的嵌入表示框架,框架中利用居民的出行軌跡數(shù)據(jù)確定興趣點(POI)與居民區(qū)的關(guān)系,構(gòu)建反映不同時段居民出行規(guī)律的動態(tài)活動圖;最后,對構(gòu)建的動態(tài)活動圖采用自編碼器進行表示學(xué)習(xí)得到生活圈社區(qū)潛在特征的向量表示,從而有效概括居民日常活動所形成的社區(qū)結(jié)構(gòu)。針對生活圈社區(qū)便利性評價、相似性度量等應(yīng)用,利用真實數(shù)據(jù)集進行了實驗評估,結(jié)果表明,分POI類別的日周期的潛在表示方法優(yōu)于星期周期的潛在表示方法,且前者的歸一化折損累計增益(NDCG)比后者最少提升了24.28%,最多提升了60.71%,驗證了所提方法的有效性。

    表示學(xué)習(xí);城市社區(qū);15分鐘生活圈;社區(qū)結(jié)構(gòu);自編碼器

    0 引言

    城市社區(qū)結(jié)構(gòu)反映了社區(qū)居民與周圍生活設(shè)施、興趣點(Points Of Interest, POI)之間的關(guān)系[1]?,F(xiàn)有對城市社區(qū)結(jié)構(gòu)的研究可以分為兩大類:一類是通過對靜態(tài)的城市POI分布進行分析來探索城市空間配置[2-5];另一類是通過對城市居民活動規(guī)律進行分析來識別城市區(qū)域功能,探索城市區(qū)域間的差異[6-7]。現(xiàn)有相關(guān)工作大多從宏觀角度研究城市社區(qū)結(jié)構(gòu)[6-8]。

    目前,我國將現(xiàn)有居住區(qū)的近距離生活圈內(nèi)設(shè)施品質(zhì)提升作為規(guī)劃建設(shè)的重要目標(biāo)[9]。2018年住建部《城市居住區(qū)規(guī)劃設(shè)計標(biāo)準(zhǔn)》中強調(diào)通過生活圈來劃分居住單元,重點規(guī)劃建設(shè)“15分鐘生活圈”內(nèi)的設(shè)施,以提升居民的生活質(zhì)量。其中,“15分鐘生活圈”社區(qū)是指從居民區(qū)步行15 min可達的空間區(qū)域,簡稱為生活圈社區(qū)。對生活圈社區(qū)結(jié)構(gòu)進行量化分析可以從細(xì)粒度角度發(fā)現(xiàn)居民區(qū)周圍設(shè)施分布情況,學(xué)習(xí)生活圈社區(qū)結(jié)構(gòu)特征,對完善社區(qū)周圍設(shè)施、便于城市建設(shè)和創(chuàng)造宜居的生活環(huán)境具有重要意義。

    本文研究生活圈社區(qū)結(jié)構(gòu)的表示方法,通過生活圈社區(qū)居民在周圍POI活動情況,采用表示學(xué)習(xí)技術(shù)發(fā)現(xiàn)生活圈社區(qū)結(jié)構(gòu)。

    圖1為生活圈社區(qū)結(jié)構(gòu)示例,其中:圖1(a)為北京市區(qū)某生活圈社區(qū)附近的POI分布情況,是半徑為1 km的圓周范圍,中心為生活圈社區(qū),周圍分布為不同類別的POI,如商場、學(xué)校、餐館和生活服務(wù)等;圖1(b)為該生活圈社區(qū)結(jié)構(gòu)圖,表示為星型結(jié)構(gòu),中心為生活圈社區(qū),四周為必要的POI,用線與中心連接。生活圈社區(qū)結(jié)構(gòu)展示了其周圍必要的POI及居民對這些POI依賴的程度。

    圖1 生活圈社區(qū)結(jié)構(gòu)圖示例

    實現(xiàn)生活圈社區(qū)結(jié)構(gòu)的有效表示具有挑戰(zhàn)性,主要體現(xiàn)在:1)生活圈社區(qū)周圍分布大量的POI,僅統(tǒng)計POI數(shù)量并不能準(zhǔn)確地描述生活圈社區(qū)結(jié)構(gòu),確定對居民日常生活必要的POI是一個挑戰(zhàn);2)在居民日常生活中,不同POI的重要程度有差異,例如一個超市的重要性要大于一個銀行網(wǎng)點,因此評價POI的重要性也是具有挑戰(zhàn)性的工作;3)居民在生活圈內(nèi)的活動具有周期性,構(gòu)建生活圈社區(qū)活動圖并進行POI嵌入表示也是一個挑戰(zhàn)。

    為了解決以上問題,本文比較分析了百度地圖路徑查詢、出租車軌跡及共享單車軌跡數(shù)據(jù),采用行程距離較短可以反映居民日常活動軌跡的共享單車數(shù)據(jù)來構(gòu)建居民活動圖;利用居民區(qū)到POI的軌跡數(shù)據(jù)標(biāo)記生活圈社區(qū)必要的POI,結(jié)合居民訪問POI的頻率、居民區(qū)與POI的距離及POI的類別確定POI的重要性。

    為了構(gòu)建生活圈社區(qū)活動圖,本文分析了不同時段居民的出行規(guī)律,獲取相對穩(wěn)定的活動模式生成動態(tài)活動圖。對構(gòu)建的動態(tài)活動圖集合采用自編碼器表示學(xué)習(xí),得到了生活圈社區(qū)潛在特征的向量表示,有效概括了居民日常活動所形成的社區(qū)結(jié)構(gòu)。

    本文主要工作如下:

    1)定義了面向“15分鐘生活圈”的社區(qū)結(jié)構(gòu),用于描述居民區(qū)周圍不同類別POI的必要性與重要性;

    2)提出了生活圈社區(qū)結(jié)構(gòu)的嵌入表示框架,框架中利用共享單車數(shù)據(jù)構(gòu)建生活圈社區(qū)活動圖,采用自編碼器表示學(xué)習(xí)方法對POI進行嵌入表示;

    3)針對生活圈社區(qū)便利性評價、相似性度量等應(yīng)用,利用真實數(shù)據(jù)集進行實驗評估,驗證本文方法的有效性。

    1 問題定義

    以下給出相關(guān)定義,并形式化所提出的問題。

    定義1給出的生活圈社區(qū)結(jié)構(gòu)為一個星形圖,如圖1(b)所示:中心為生活圈社區(qū),四周分布著不同類型的POI。每個POI有位置、類型及重要性等屬性,為居民提供日常生活相關(guān)的服務(wù),居民可以短距離地出行訪問這些POI。

    居民在生活圈社區(qū)周圍的活動是動態(tài)的,同時呈周期性變化[10]。例如,在工作日的早上居民大多上班,活動范圍在公交站和地鐵站附近,而在周末的早上居民會在市場周圍活動。因此,為了更好地描述生活圈社區(qū)結(jié)構(gòu),定義了生活圈社區(qū)活動圖,見定義2。

    現(xiàn)有的社區(qū)結(jié)構(gòu)表示方法,如文獻[8]中提出的表示方法無法直接應(yīng)用于生活圈社區(qū)結(jié)構(gòu)的表示?,F(xiàn)有社區(qū)結(jié)構(gòu)表示關(guān)注大范圍城市社區(qū)結(jié)構(gòu),通過構(gòu)建社區(qū)內(nèi)反映各POI間聯(lián)通關(guān)系的圖結(jié)構(gòu)進行表示學(xué)習(xí)。本文研究面向“15分鐘生活圈”社區(qū),更關(guān)注生活圈社區(qū)周圍的POI分布,通過構(gòu)建生活圈社區(qū)與POI間的星形活動圖進行表示學(xué)習(xí)。

    2 相關(guān)工作

    2.1 城市社區(qū)結(jié)構(gòu)與功能劃分

    隨著感知技術(shù)和計算環(huán)境的成熟,以城市大數(shù)據(jù)為基礎(chǔ)的城市計算得到廣泛關(guān)注,城市社區(qū)結(jié)構(gòu)與功能計算是城市計算重要的研究方向[11]。

    在城市社區(qū)結(jié)構(gòu)方面,文獻[3]中使用街景圖片和POI對社區(qū)結(jié)構(gòu)進行描述;文獻[8]中提出了一個集體嵌入框架,從人類移動的多個周期性時空圖中學(xué)習(xí)社區(qū)結(jié)構(gòu)。

    在城市功能區(qū)發(fā)現(xiàn)方面,文獻[4]中使用skip-gram模型和t-SNE技術(shù),利用城市POI數(shù)據(jù)探索城市區(qū)域功能并實現(xiàn)可視化;文獻[6]中利用POI和出租車軌跡發(fā)現(xiàn)了城市的區(qū)域功能;文獻[7]中提出了一個概率潛在因素模型學(xué)習(xí)一個地區(qū)的城市功能組合。

    本文屬于社區(qū)結(jié)構(gòu)發(fā)現(xiàn)方向,現(xiàn)有相關(guān)工作如文獻[6,8],主要關(guān)注大范圍城市社區(qū)結(jié)構(gòu)的表示,對POI之間的聯(lián)通性或者POI的類別進行嵌入學(xué)習(xí)。本文研究針對居民的日常生活圈社區(qū)結(jié)構(gòu),通過構(gòu)建生活圈社區(qū)與POI星形圖進行表示學(xué)習(xí)。

    2.2 表示學(xué)習(xí)

    表示學(xué)習(xí)是一種無監(jiān)督學(xué)習(xí)方法,旨在從復(fù)雜的高維數(shù)據(jù)中提取有效的低維特征,可以分為詞向量表示[12]、圖表示學(xué)習(xí)[13]、時空圖表示學(xué)習(xí)[14]。

    表示學(xué)習(xí)最初的應(yīng)用為自然語言處理領(lǐng)域,文獻[12]中提出了基于神經(jīng)網(wǎng)絡(luò)的表示學(xué)習(xí)模型word2vec用于提取單詞的語義特征。

    圖表示學(xué)習(xí)旨在學(xué)習(xí)一個低維向量用于表示頂點或圖[15]。圖表示學(xué)習(xí)算法可分為概率模型、流形學(xué)習(xí)方法與基于重構(gòu)的算法。其中,概率模型的方法是通過無監(jiān)督學(xué)習(xí)層次的特征;流形學(xué)習(xí)算法采用基于訓(xùn)練集最近鄰圖的非參數(shù)方法[16];基于重構(gòu)的算法采用自動編碼器的方法通過一系列非線性映射將原始特征表示中的實例投影到低維特征空間中,最小化原始和重構(gòu)特征之間的損失[17]。

    時空圖表示學(xué)習(xí)是時空環(huán)境下圖表示學(xué)習(xí)的發(fā)展[13]。如文獻[8]中提出了一個集體嵌入框架學(xué)習(xí)社區(qū)結(jié)構(gòu)。

    本文提出的生活圈社區(qū)結(jié)構(gòu)表示是一種時空表示學(xué)習(xí),重點考慮了居民區(qū)周圍POI必要性與重要性,通過對居民不同時間段與不同類型POI的活動來學(xué)習(xí)生活圈社區(qū)結(jié)構(gòu)。

    3 生活圈社區(qū)結(jié)構(gòu)的嵌入表示方法

    3.1 框架結(jié)構(gòu)

    本文的重點是開發(fā)一個生活圈社區(qū)結(jié)構(gòu)圖的表示學(xué)習(xí)框架,以獲取由居民活動產(chǎn)生的生活圈社區(qū)結(jié)構(gòu)的動態(tài)變化,具體結(jié)構(gòu)如圖2所示。該框架由兩個部分組成:第一部分通過POI、居民出行軌跡和居民區(qū)數(shù)據(jù)構(gòu)建了多個生活圈社區(qū)活動圖;第二部分將生活圈社區(qū)活動圖進行嵌入,并使用自動編碼器對活動圖進行表示。

    圖2 生活圈社區(qū)結(jié)構(gòu)表示學(xué)習(xí)框架

    3.2 生活圈社區(qū)活動圖的構(gòu)建

    本文定義生活圈社區(qū)活動圖用于反映居民的活動規(guī)律,需要確定哪些POI是所在生活圈社區(qū)必要的POI,以及這些POI的重要性;同時,需要發(fā)現(xiàn)居民周期性的活動規(guī)律。因此,本文在構(gòu)建生活圈社區(qū)活動圖時采用如下策略:首先,利用共享單車軌跡數(shù)據(jù)建立生活圈社區(qū)與POI的關(guān)系;其次,發(fā)現(xiàn)居民周期性的活動模式來劃分生活圈社區(qū)活動圖時間段;最后,根據(jù)POI與居民區(qū)的距離及領(lǐng)域知識對POI賦予權(quán)重。

    3.2.1 生活圈社區(qū)與POI關(guān)系的建立

    本文需要估計共享單車軌跡數(shù)據(jù)中居民到達某POI的可能性,并量化居民區(qū)與POI之間的移動連通性。因為居民騎行單車的下車點往往在POI附近,無法與POI重合;同時,居民傾向訪問與下車點距離近的POI。因此,本文采用文獻[17]中基于概率傳播的方法來估計居民到達POI的概率,如式(1)所示:

    3.2.2 生活圈社區(qū)活動圖時間段劃分

    為了更好地了解居民活動規(guī)律,需要對生活圈社區(qū)活動圖進行時間段劃分,獲取相對穩(wěn)定的活動模式。文獻[8]中將周一到周日的數(shù)據(jù)生成7個動態(tài)圖,本文獲取了更細(xì)粒度的時間片段,將每天的不同時段進行劃分。借鑒了文獻[18]中提出的主題模型方法來劃分片段,即通過滑動窗口以KL散度(Kullback-Leibler divergence)為度量對窗口進行劃分,如式(2)所示:

    3.2.3 POI權(quán)重生成

    為了能夠更好地區(qū)別不同POI對生活圈社區(qū)的影響,需要對POI賦予權(quán)重,權(quán)重越大說明POI的重要性越高。本文考慮了三個影響權(quán)重的因素,包括居民訪問的頻率、與居民區(qū)的距離以及類別情況,提出了一種權(quán)重計算方法,如式(3)所示:

    3.3 生活圈社區(qū)結(jié)構(gòu)的嵌入表示

    在構(gòu)建了多個不同時段的生活圈社區(qū)活動圖后,便可以進行活動圖嵌入表示,以發(fā)現(xiàn)不同生活圈社區(qū)中居民的日常生活規(guī)律所形成的社區(qū)結(jié)構(gòu)。具體的表示方法如圖3所示。

    圖3 生活圈社區(qū)結(jié)構(gòu)的嵌入表示

    4 實驗分析

    4.1 數(shù)據(jù)準(zhǔn)備與實驗參數(shù)

    本文所采用的實驗數(shù)據(jù)集均為真實數(shù)據(jù)集,如表1所示。第一個數(shù)據(jù)集是從房地產(chǎn)在線(www.soufun.com)網(wǎng)站獲得的,共包含1.3萬多個居民生活圈社區(qū)。第二個數(shù)據(jù)集為北京市POI數(shù)據(jù)集,通過調(diào)用騰訊地圖API接口下載,共包括180多萬19類的POI對象。第三個數(shù)據(jù)集為軌跡數(shù)據(jù),包括百度地圖路徑查詢軌跡、出租車軌跡及共享單車軌跡數(shù)據(jù)。其中:百度地圖路徑查詢軌跡數(shù)據(jù)來自百度大腦交通數(shù)據(jù)集;共享單車軌跡數(shù)據(jù)來自數(shù)據(jù)競賽社區(qū)www.biendata.xyz。

    表1 實驗數(shù)據(jù)集

    為了發(fā)現(xiàn)生活圈社區(qū)人們?nèi)粘;顒右?guī)律,本文分析了軌跡數(shù)據(jù)的分布情況。對軌跡長度進行了統(tǒng)計,共享單車的平均騎行距離是842 m,出租車的平均行駛距離是11 016 m,百度查詢的行程距離是15 302 m。出租車數(shù)據(jù)和百度查詢數(shù)據(jù)出行距離過大,無法真實反映居民在生活圈社區(qū)的日常生活活動,所以本文選用行程距離與15分鐘生活圈范圍基本相符的共享單車軌跡數(shù)據(jù),并且考慮到共享單車的普及性,選取北京五環(huán)內(nèi)的地區(qū)作為研究區(qū)域。表1給出了所使用的北京市相關(guān)數(shù)據(jù)集的詳細(xì)情況。在自編碼器編碼和解碼過程中,文本設(shè)置編碼和解碼的層數(shù)都為3,自編碼器訓(xùn)練輪數(shù)epochs為20,每次訓(xùn)練的樣本數(shù)量batch-size為64。

    4.2 生活圈社區(qū)便利性評價

    用生活圈社區(qū)便利性來度量本文表示學(xué)習(xí)方法的效果,生活圈社區(qū)便利性是指生活圈社區(qū)居民對周圍設(shè)施的滿意度和可達性[5]。文獻[5]中通過調(diào)查問卷及隨機森林等技術(shù)標(biāo)記了北京市各區(qū)域的便利性評分,便利性從低到高分為1到5共5個等級。利用現(xiàn)有的表示方法與本文的表示方法分別對生活圈社區(qū)進行表示,生成表示向量,并將文獻[5]的標(biāo)記結(jié)果作為所生成表示向量的便利性等級標(biāo)簽;接著將表示向量作為預(yù)測屬性,利用五種現(xiàn)有學(xué)習(xí)排序算法對生活圈社區(qū)便利性進行預(yù)測,通過預(yù)測結(jié)果評價表示方法。

    具體的表示方法如下,其中方法1、2為比較方法,3~5為本文提出的表示方法。

    1)顯性特征(Explict Feature, EF)方法:該方法將生活圈社區(qū)的19類POI每類的總數(shù)作為特征。

    2)星期周期的潛在表示方法WLF(Weekly Latent Feature)[8]:該方法采用共享單車數(shù)據(jù)中生活圈社區(qū)與POI間的軌跡數(shù)據(jù),將一周作為一個周期,每天生成一個生活圈社區(qū)活動圖,再進行嵌入表示。

    3)日周期的潛在表示方法DLF(Daily Latent Feature):將一天通過滑動窗口劃分為多個時間段,不區(qū)分POI類別,構(gòu)建生活圈社區(qū)活動圖并進行嵌入表示。

    4)分POI類別的DLF表示方法(Daily Latent Category Feature, DLCF):該方法在DLF方法基礎(chǔ)上增加了POI類別,綜合第2.2節(jié)提出的表示策略設(shè)計的方法。

    5)DLCF+EF:將DLCF與EF組合形成的方法。

    本文選取了五種學(xué)習(xí)排序方法驗證本文表示方法的性能。具體學(xué)習(xí)排序算法包括:

    1)Multiple Additive Regression Tree (MART)[20]:增強的樹模型,使用回歸樹在函數(shù)空間中執(zhí)行梯度下降。

    2)RankBoost(RB)[21]:增強的成對排序方法,訓(xùn)練多個弱排序器,并將它們的輸出組合為最終排序。

    3)ListNet(LN)[22]:列表排序模型,以轉(zhuǎn)換top-排序似然為目標(biāo)函數(shù),采用神經(jīng)網(wǎng)絡(luò)和梯度下降作為模型和算法。

    4)RankNet(RN)[23]:使用神經(jīng)網(wǎng)絡(luò)對潛在的概率成本函數(shù)進行建模。

    5)LambdaMART(LM)[24]:基于RankNet通過LambdaRank改進的增強樹的版本,結(jié)合了MART和LambdaRank。

    將以上五種表示方法和五種學(xué)習(xí)排序方法組合來進行比較,采用歸一化折損累計增益NDCG@(Normalized Discounted Cumulative Gain)評價排序結(jié)果,NDCG@值越大,評價排序的準(zhǔn)確性越高。如圖4(a)~(d)所示,比較了五種表示方法和五種學(xué)習(xí)排序方法組合而成的25個組合的性能。通過實驗發(fā)現(xiàn)潛在特征和顯性特征結(jié)合時性能最優(yōu),本文提出的框架所學(xué)習(xí)的潛在特征也優(yōu)于其他潛在特征學(xué)習(xí)表示,本文的框架的NDCG結(jié)果比其他框架最少提升了24.28%,最多提升了60.71%。結(jié)合生活圈社區(qū)的動態(tài)和靜態(tài)結(jié)構(gòu)的信息可以更加有效地表示生活圈社區(qū),使生活圈社區(qū)的便利性評價更加準(zhǔn)確。

    圖4 生活圈社區(qū)便利性比較

    由圖4可知,DLF優(yōu)于WLF,原因是DLF對時間段的劃分更加符合居民的活動規(guī)律,能更好地描述生活圈社區(qū)結(jié)構(gòu)的特征;DLCF優(yōu)于DLF,因為DLCF考慮了POI類別,因此能夠更清晰地表示不同類別的POI在不同時段的特征;組合方法DLCF+EF優(yōu)于DLCF,因為DLCF+EF將生活圈社區(qū)的靜態(tài)的顯性特征和動態(tài)的潛在特征相結(jié)合,能夠更加全面地描述生活圈社區(qū)。

    通過實驗發(fā)現(xiàn)潛在特征和顯性特征結(jié)合時性能最優(yōu),本文提出的框架所學(xué)習(xí)的潛在特征也優(yōu)于其他潛在特征學(xué)習(xí)表示。結(jié)合生活圈社區(qū)的動態(tài)和靜態(tài)結(jié)構(gòu)的信息可以更加有效地表示生活圈社區(qū),使生活圈社區(qū)的便利性評價更加準(zhǔn)確。

    4.3 生活圈社區(qū)相似性評價

    生活圈社區(qū)表示可應(yīng)用于居民生活圈社區(qū)的相似性分析。本文選取了朝陽區(qū)東四環(huán)附近3個真實生活圈社區(qū),通過這3個生活圈社區(qū)的特征向量的余弦相似度來比較三者之間的相似性。生活圈社區(qū)1和2的余弦相似度為0.964 1,生活圈社區(qū)1和3的余弦相似度為0.889 7。表2給出了三個生活圈社區(qū)范圍為1 km內(nèi)的不同類別POI分布數(shù)量,分析其顯性特征情況。

    表2 生活圈社區(qū)POI分布

    由表2可知,雖然生活圈社區(qū)1和2的POI分布相差較大,但是兩者在潛在特征方面比較相似。調(diào)查發(fā)現(xiàn)兩個現(xiàn)象可能導(dǎo)致它們潛特征相似:第一,在生活圈社區(qū)2的1 km范圍內(nèi)有一家大型商場,商場里包含著許多購物類、餐飲類和生活服務(wù)類POI,使得在相應(yīng)類別POI數(shù)量與生活圈社區(qū)1有較大差異。然而,大型商場與生活圈社區(qū)2相隔3個交通崗使得居民訪問數(shù)量較少,導(dǎo)致與生活圈社區(qū)1在相應(yīng)類別POI分布的差異減小。第二,在生活圈社區(qū)1和2區(qū)域內(nèi)均有重點中學(xué),并且學(xué)校周圍分布著很多餐飲類和生活服務(wù)類POI,居民的日常活動大部分集中在學(xué)校區(qū)域附近,因此即使POI分布差異較大,兩者的潛在特征仍然比較相似。

    生活圈社區(qū)1和3的POI分布數(shù)量十分相似,但其潛在特征差異較大。調(diào)查發(fā)現(xiàn)生活圈社區(qū)1的住宅區(qū)與3的住宅區(qū)距離相近,所以POI分布數(shù)量較為相似;然而,生活圈社區(qū)3的住宅離學(xué)校區(qū)域相對較遠(yuǎn),使得居民活動軌跡并不在學(xué)校區(qū)域周圍,表現(xiàn)為居民的訪問量較少。因此,即使兩者間的POI分布數(shù)量相似,但其潛在特征并不相似。

    通過對生活圈社區(qū)潛在特征的學(xué)習(xí),可以從動態(tài)的角度尋找相似的居民生活圈社區(qū),發(fā)現(xiàn)不同居民區(qū)之間的潛在相似性,為比較生活圈社區(qū)的相似性提供了新方法。

    5 結(jié)語

    本文研究了面向“15分鐘生活圈”的城市社區(qū)結(jié)構(gòu)問題,提出了生活圈社區(qū)結(jié)構(gòu)的嵌入表示框架。該框架由生活圈社區(qū)活動圖及表示學(xué)習(xí)兩部分組成。采用可以反映居民日?;顒榆壽E的共享單車數(shù)據(jù)來建立活動圖中的關(guān)系,通過分析居民活動模式得到活動圖時間片段,對構(gòu)建的動態(tài)活動圖采用自編碼器表示學(xué)習(xí),得到生活圈社區(qū)潛在特征的向量表示。使用歸一化折損累計增益作為評價指標(biāo)對生活圈社區(qū)的便利性進行評價,驗證了所以出框架的優(yōu)越性。接下來,對生活圈社區(qū)范圍進行更為細(xì)粒度的劃分和進行表示學(xué)習(xí)的研究將是我們進一步工作的重點。

    [1] JIANG S, ALVES A, RODRIGUES F, et al. Mining point of interest data from social networks for urban land use classification and disaggregation[J]. Computers, Environment and Urban Systems, 2015, 53:36-46.

    [2] 宋正娜,陳雯,張桂香,等. 公共服務(wù)設(shè)施空間可達性及其度量方法[J]. 地理科學(xué)進展, 2010, 29(10):1217-1224.(SONG Z N, CHEN W, ZHANG G X, et al. Spatial accessibility of public service facilities and its measurement approaches[J]. Progress in Geography, 2010, 29(10):1217-1224.)

    [3] LIU X J, LONG Y. Automated identification and characterization of parcels with OpenStreetMap and points of interest[J]. Environment and Planning B: Planning and Design, 2015, 43(2):341-360.

    [4] LIU K, YIN L, LU F, et al. Visualizing and exploring POI configurations of urban regions on POI-type semantic space[J]. Cities, 2020, 99: No.102610.

    [5] ZHANG X Y, DU S H, ZHANG J X. How do people understand convenience-of-living in cities? a multiscale geographic investigation in Beijing[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 148:87-102.

    [6] ZHANG C, ZHANG K Y, YUAN Q, et al. Regions, periods, activities: uncovering urban dynamics via cross-modal representation learning[C]// Proceedings of the 26th International Conference on World Wide Web. Republic and Canton of Geneva: International World Wide Web Conferences Steering Committee, 2017:361-370.

    [7] FU Y J, LIU G N, PAPADIMITRIOU S, et al. Real estate ranking via mixed land-use latent models[C]// Proceedings of the 21st ACM SIGKD International Conference on Knowledge Discovery and Data Mining. New York:ACM, 2015:299-308.

    [8] WANG P Y, FU Y J, ZHANG J W, et al. Learning urban community structures: a collective embedding perspective with periodic spatial-temporal mobility graphs[J]. ACM Transactions on Intelligent Systems and Technology, 2018, 9(6): No.63.

    [9] 莊曉平,陶楠,王江萍. 基于POI數(shù)據(jù)的城市15分鐘社區(qū)生活圈便利度評價研究-以武漢三區(qū)為例[J]. 華中建筑, 2020, 38(6):76-79.(ZHUANG X P, TAO N, WANG J P. The evaluation of the convenience of 15-minute community life circles based on POI data: taking three districts of Wuhan as an example[J]. Huazhong Architecture, 2020, 38(6):76-79.)

    [10] LI Z H, DING B L, HAN J W, et al. Mining periodic behaviors for moving objects[C]// Proceedings of the 16th ACM SIGKD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2010:1099-1108.

    [11] BURGES C, SHAKED T, RENSHAW E, et al. Learning to rank using gradient descent[C]// Proceedings of the 22nd International Conference on Machine Learning. New York: ACM, 2005:89-96.

    [12] BURGES C J C. From RankNet to LambdaRank to LambdaMART: an overview: MSR-TR-2010-82[R/OL]. (2010-06)[2021-06-20].https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/MSR-TR-2010-82.pdf.

    [13] ZHANG Y, CAPRA L, WOLFSON O, et al. Urban computing: concepts, methodologies, and applications[J]. ACM Transactions on Intelligent Systems and Technology, 2014, 5(3): No.38.

    [14] COURVILLE A, BERGSTRA J, BENGIO Y. Unsupervised models of images by spike-and-slab RBMs[C]// Proceedings of the 28th International Conference on Machine Learning. Madison, WI: Omnipress, 2011:1145-1152.

    [15] MIKOLOV T, CHEN K, CORRADO G, et al. Efficient estimation of word representations in vector space[EB/OL]. (2013-09-07)[2021-05-23].https://arxiv.org/pdf/1301.3781.pdf.

    [16] OU M D, CUI P, PEI J, et al. Asymmetric transitivity preserving graph embedding[C]// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2016:1105-1114.

    [17] HINTON G E, ZEMEL R S. Autoencoders, minimum description length and Helmholtz free energy[C]// Proceedings of the 6th International Conference on Neural Information Processing Systems. San Francisco: Morgan Kaufmann Publishers Inc., 1993: 3-10.

    [18] FU Y J, WANG P Y, DU J D, et al. Efficient region embedding with multi-view spatial networks: a perspective of locality constrained spatial autocorrelations[C]// Proceedings of the 33rd AAAI Conference on Artificial Intelligence. Palo Alto, CA: AAAI Press, 2019:906-913.

    [19] FU Y J, XIONG F, GE Y, et al. Exploiting geographic dependencies for real estate appraisal: a mutual perspective of ranking and clustering[C]// Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2014:1047-1056.

    [20] MEI Q Z, ZHAI C X. Discovering evolutionary theme patterns from text — an exploration of temporal text mining[C]// Proceedings of the 11th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2005:198-207.

    [21] YE X Y, TAN H L, ZHANG Y Z, et al. Research on convenience index of urban life based on POI data[J]. Journal of Physics: Conference Series, 2020, 1646: No.012073.

    [22] FRIEDMAN J H. Greedy function approximation: a gradient boosting machine[J]. The Annals of Statistics, 2001, 29(5):1189-1232.

    [23] FREUND Y, IYER R D, SCHAPIRE R E, et al. An efficient boosting algorithm for combining preferences[J]. Journal of Machine Learning Research, 2003, 4:933-969.

    [24] CAO Z, QIN T, LIU T Y, et al. Learning to rank: from pairwise approach to listwise approach[C]// Proceedings of the 24th International Conference on Machine Learning. New York: ACM, 2007:129-136.

    Community structure representation learning for "15-minute living circle"

    SUN Huanliang, PENG Cheng, LIU Junling*, XU Jingke

    (,,110168,)

    The discovery of community structures using urban big data is an important research direction in urban computing. Effective representation of the structural characteristics of the communities in the "15-minute living circle" can be used to evaluate the facilities around the living circle communities in a fine-grained manner, which is conducive to urban planning as well as the construction and creation of a livable living environment. Firstly, the urban community structure oriented to "15-minute living circle" was defined, and the structural characteristics of the living circle communities were obtained by representation learning method. Then, the embedding representation framework of the living circle community structure was proposed, in which the relationship between the Points Of Interest (POI) and the residential area was determined by using the travel trajectory data of the residents, and a dynamic activity map reflecting the travel rules of the residents at different times was constructed. Finally, the representation learning to the constructed dynamic activity map was performed by an auto-encoder to obtain the vector representations of the potential characteristics of the communities in the living circle, thus effectively summarizing the community structure formed by the residents’ daily activities. Experimental evaluations were conducted using real datasets for applications such as community convenience evaluation and similarity metrics in living circles. The results show that the daily latent feature expression method based on POI categories is better than the weekly latent feature expression method. Compared to the latter, the minimum increase of Normalized Discounted Cumulative Gain (NDCG) of the former is 24.28% and the maximum increase of NDCG is 60.71%, which verifies the effectiveness of the proposed method.

    representation learning; urban community; 15-minute living circle; community structure; auto-encoder

    This work is partially supported by National Natural Science Foundation of China (62073227), National Key Research and Development Program of China (2021YFF0306303), Natural Science Foundation of Liaoning Province (2019-MS-264),Project of the Educational Department of Liaoning Province ((LJKZ0582).

    SUN Huanliang, born in 1969. Ph. D., professor. His research interests include spatial data management, data mining.

    PENG Cheng,born in 1994, M. S. candidate. His research interests include data mining, representation learning.

    LIU Junling, born in 1972. Ph. D., associate professor. Her research interests include spatio-temporal data query, data mining.

    XU Jingke, born in 1976. Ph. D., professor. His research interests include spatio-temporal database, data mining.

    TP391

    A

    1001-9081(2022)06-1782-07

    10.11772/j.issn.1001-9081.2021091750

    2021?10?12;

    2021?11?15;

    2021?11?17。

    國家自然科學(xué)基金資助項目(62073227);國家重點研發(fā)計劃項目(2021YFF0306303);遼寧省自然科學(xué)基金資助項目(2019-MS-264);遼寧省教育廳項目(LJKZ0582)。

    孫煥良(1969—),男,黑龍江望奎人,教授,博士,博士生導(dǎo)師,CCF高級會員,主要研究方向:空間數(shù)據(jù)管理、數(shù)據(jù)挖掘;彭程(1994—),男,遼寧營口人,碩士研究生,CCF會員,主要研究方向:數(shù)據(jù)挖掘、表示學(xué)習(xí);劉俊嶺(1972—),女,遼寧沈陽人,副教授,博士,CCF會員,主要研究方向:時空數(shù)據(jù)查詢、數(shù)據(jù)挖掘;許景科(1976—),男,遼寧海城人,教授,博士,CCF會員,主要研究方向:時空數(shù)據(jù)庫、數(shù)據(jù)挖掘。

    猜你喜歡
    社區(qū)活動生活圈軌跡
    一段從“幼兒生活圈”開始的特別時光——淺談促進小班幼兒開學(xué)適應(yīng)的共育策略
    幼兒100(2023年36期)2023-10-23 11:41:34
    呼和浩特市中心城區(qū)生活圈劃分研究
    “小隊活動菜單”引領(lǐng)社區(qū)活動的“三步走”
    少先隊活動(2021年5期)2021-07-22 08:59:52
    怎樣有效組織少先隊員開展社區(qū)活動
    軌跡
    廣州周邊:價格洼地!“一小時”生活圈 7字頭置業(yè)廣州后花園
    軌跡
    軌跡
    進化的軌跡(一)——進化,無盡的適應(yīng)
    中國三峽(2017年2期)2017-06-09 08:15:29
    當(dāng)動物走進人類的生活圈
    国产免费男女视频| 国产成人啪精品午夜网站| 久久精品91无色码中文字幕| 精品国产一区二区三区久久久樱花| www.999成人在线观看| 国产精品久久久av美女十八| 999久久久国产精品视频| 国产亚洲一区二区精品| 亚洲专区国产一区二区| 99精品在免费线老司机午夜| 国产亚洲欧美98| 国产成人av教育| 国产三级黄色录像| 午夜福利欧美成人| 亚洲欧美色中文字幕在线| videos熟女内射| 日韩欧美国产一区二区入口| 免费在线观看影片大全网站| 在线十欧美十亚洲十日本专区| 亚洲成人手机| 亚洲午夜理论影院| 欧美大码av| 久久久久久久久免费视频了| xxx96com| 两个人看的免费小视频| 两个人看的免费小视频| 久久久久精品国产欧美久久久| 国产精品免费大片| 91麻豆av在线| 777米奇影视久久| 欧美成人免费av一区二区三区 | 亚洲一卡2卡3卡4卡5卡精品中文| 人成视频在线观看免费观看| 电影成人av| cao死你这个sao货| 久久久久久久国产电影| 亚洲精品在线美女| 身体一侧抽搐| 亚洲中文字幕日韩| 不卡一级毛片| 欧美日韩亚洲高清精品| 999久久久精品免费观看国产| 国产亚洲一区二区精品| 天堂俺去俺来也www色官网| 亚洲精品在线美女| 丝袜在线中文字幕| 老司机靠b影院| 999久久久精品免费观看国产| 日韩中文字幕欧美一区二区| 国产精品国产高清国产av | 在线免费观看的www视频| 在线免费观看的www视频| 天堂动漫精品| av有码第一页| 天堂√8在线中文| 18禁国产床啪视频网站| 亚洲成av片中文字幕在线观看| 国产欧美亚洲国产| 91成年电影在线观看| 国产av精品麻豆| 18禁美女被吸乳视频| 国产精品 国内视频| 超色免费av| 99精品久久久久人妻精品| 一区在线观看完整版| 成人黄色视频免费在线看| 午夜老司机福利片| 18禁黄网站禁片午夜丰满| 美女 人体艺术 gogo| bbb黄色大片| 国产精品久久视频播放| 人成视频在线观看免费观看| www.999成人在线观看| 免费在线观看完整版高清| 欧美日韩亚洲高清精品| 大型黄色视频在线免费观看| 国产亚洲精品第一综合不卡| 国产男靠女视频免费网站| 亚洲国产精品sss在线观看 | 男女免费视频国产| 人成视频在线观看免费观看| 69av精品久久久久久| 日韩人妻精品一区2区三区| 国产成人影院久久av| 免费观看a级毛片全部| 在线观看日韩欧美| 三级毛片av免费| 在线av久久热| 亚洲avbb在线观看| 99久久综合精品五月天人人| 国内久久婷婷六月综合欲色啪| 丰满迷人的少妇在线观看| 十分钟在线观看高清视频www| 狂野欧美激情性xxxx| 18禁裸乳无遮挡免费网站照片 | 国产精品一区二区在线不卡| 亚洲精品国产色婷婷电影| 人妻丰满熟妇av一区二区三区 | 国产一区二区三区在线臀色熟女 | 捣出白浆h1v1| 高清在线国产一区| 大香蕉久久网| 国产精品国产av在线观看| 欧美乱码精品一区二区三区| 校园春色视频在线观看| 在线观看日韩欧美| 这个男人来自地球电影免费观看| 99精国产麻豆久久婷婷| 人人妻人人爽人人添夜夜欢视频| 人人妻,人人澡人人爽秒播| 日日摸夜夜添夜夜添小说| 亚洲第一欧美日韩一区二区三区| 99香蕉大伊视频| 久久99一区二区三区| 五月开心婷婷网| 少妇被粗大的猛进出69影院| 91字幕亚洲| a级毛片黄视频| 韩国av一区二区三区四区| 91老司机精品| 亚洲第一欧美日韩一区二区三区| 在线观看免费午夜福利视频| 国产成人精品无人区| 五月开心婷婷网| 中文字幕人妻丝袜一区二区| 一a级毛片在线观看| 国产精品影院久久| 丰满饥渴人妻一区二区三| 午夜福利影视在线免费观看| 丁香六月欧美| 成人18禁高潮啪啪吃奶动态图| 成人三级做爰电影| 免费不卡黄色视频| 久久久国产成人免费| 在线看a的网站| 一个人免费在线观看的高清视频| 日韩欧美一区二区三区在线观看 | av免费在线观看网站| netflix在线观看网站| 久久国产精品人妻蜜桃| 黑人猛操日本美女一级片| 老司机午夜福利在线观看视频| 亚洲av日韩在线播放| 欧美日韩乱码在线| 一二三四社区在线视频社区8| 欧美黑人精品巨大| 亚洲国产精品sss在线观看 | 他把我摸到了高潮在线观看| 在线观看一区二区三区激情| 在线观看www视频免费| 建设人人有责人人尽责人人享有的| 不卡av一区二区三区| 国产在视频线精品| 国产精品一区二区在线不卡| 国产精品欧美亚洲77777| 国产单亲对白刺激| 三级毛片av免费| 久久香蕉激情| 一边摸一边抽搐一进一小说 | 满18在线观看网站| 久久香蕉国产精品| 人人妻人人爽人人添夜夜欢视频| 搡老岳熟女国产| 男女午夜视频在线观看| 黑人巨大精品欧美一区二区蜜桃| www.自偷自拍.com| 久久久久久久国产电影| 999久久久精品免费观看国产| 成人特级黄色片久久久久久久| 欧美日韩精品网址| 在线观看66精品国产| 一级a爱视频在线免费观看| 女同久久另类99精品国产91| 精品一区二区三区视频在线观看免费 | 国产欧美亚洲国产| 亚洲av日韩精品久久久久久密| 国产成人精品在线电影| 国产精品一区二区在线观看99| 亚洲中文av在线| www.999成人在线观看| 日本精品一区二区三区蜜桃| 1024香蕉在线观看| 午夜免费观看网址| 国产欧美日韩一区二区三| 国产av一区二区精品久久| 1024香蕉在线观看| 高清欧美精品videossex| 一本综合久久免费| 久久 成人 亚洲| 在线国产一区二区在线| 亚洲欧美一区二区三区久久| 国产精品永久免费网站| 亚洲精品国产色婷婷电影| xxx96com| 亚洲精品国产色婷婷电影| 人人澡人人妻人| 91老司机精品| 人人妻人人添人人爽欧美一区卜| 国产成人av激情在线播放| 怎么达到女性高潮| 国产成人免费无遮挡视频| 国产成人精品久久二区二区免费| 女人爽到高潮嗷嗷叫在线视频| 国产成人精品久久二区二区免费| 在线观看舔阴道视频| 中文字幕精品免费在线观看视频| 成年人午夜在线观看视频| av免费在线观看网站| 亚洲专区国产一区二区| 超碰97精品在线观看| 丰满饥渴人妻一区二区三| 手机成人av网站| 欧美精品啪啪一区二区三区| 麻豆成人av在线观看| 国产精品免费视频内射| 国产99白浆流出| 亚洲精品国产区一区二| 好男人电影高清在线观看| 成人国产一区最新在线观看| 国产精品影院久久| 在线观看免费视频网站a站| 国产又爽黄色视频| 国产成人系列免费观看| 一a级毛片在线观看| 久久久精品免费免费高清| 欧美午夜高清在线| 国产精品二区激情视频| 岛国毛片在线播放| 国产精品av久久久久免费| 亚洲国产精品一区二区三区在线| 亚洲aⅴ乱码一区二区在线播放 | 久久精品国产亚洲av高清一级| 性色av乱码一区二区三区2| 午夜精品在线福利| aaaaa片日本免费| 制服人妻中文乱码| 又黄又爽又免费观看的视频| 中文字幕制服av| 亚洲视频免费观看视频| 中文字幕人妻丝袜制服| 操出白浆在线播放| 国产片内射在线| 亚洲专区字幕在线| 日韩免费av在线播放| 国产精品免费一区二区三区在线 | 午夜福利乱码中文字幕| 日韩欧美三级三区| 女人久久www免费人成看片| 中文字幕另类日韩欧美亚洲嫩草| 男女之事视频高清在线观看| 这个男人来自地球电影免费观看| 久久精品91无色码中文字幕| 日韩有码中文字幕| 人成视频在线观看免费观看| 亚洲黑人精品在线| 成年人免费黄色播放视频| 亚洲性夜色夜夜综合| 交换朋友夫妻互换小说| 99国产精品一区二区蜜桃av | 亚洲国产中文字幕在线视频| 正在播放国产对白刺激| 国产99久久九九免费精品| 久久精品亚洲精品国产色婷小说| 超碰成人久久| 国产成人欧美| 成人国产一区最新在线观看| 精品视频人人做人人爽| 宅男免费午夜| 90打野战视频偷拍视频| www.999成人在线观看| 极品教师在线免费播放| cao死你这个sao货| 老鸭窝网址在线观看| 欧美亚洲 丝袜 人妻 在线| 中文字幕人妻熟女乱码| 法律面前人人平等表现在哪些方面| 久久国产精品人妻蜜桃| 国产亚洲精品一区二区www | 男人舔女人的私密视频| av天堂在线播放| 国产av一区二区精品久久| 女性生殖器流出的白浆| 精品福利永久在线观看| 久久久久久久午夜电影 | 99香蕉大伊视频| 亚洲精华国产精华精| 18禁裸乳无遮挡免费网站照片 | 中文字幕最新亚洲高清| 9191精品国产免费久久| 建设人人有责人人尽责人人享有的| 免费看a级黄色片| 人人妻人人爽人人添夜夜欢视频| 免费女性裸体啪啪无遮挡网站| 亚洲aⅴ乱码一区二区在线播放 | 天天添夜夜摸| 午夜福利在线观看吧| 两人在一起打扑克的视频| 夜夜夜夜夜久久久久| 国产成人av教育| √禁漫天堂资源中文www| 久久人妻av系列| 国产成人精品久久二区二区免费| 成人18禁高潮啪啪吃奶动态图| 久久精品亚洲熟妇少妇任你| 不卡一级毛片| 免费少妇av软件| 亚洲精品美女久久av网站| 人成视频在线观看免费观看| 精品熟女少妇八av免费久了| 亚洲第一欧美日韩一区二区三区| 国产精品一区二区免费欧美| 女性被躁到高潮视频| 婷婷成人精品国产| 国产真人三级小视频在线观看| 日韩三级视频一区二区三区| 欧美精品av麻豆av| 午夜激情av网站| 国产xxxxx性猛交| 人成视频在线观看免费观看| 欧美国产精品一级二级三级| 国产乱人伦免费视频| 精品国内亚洲2022精品成人 | 亚洲中文字幕日韩| 99热只有精品国产| 一区二区三区精品91| 国产精品一区二区免费欧美| 婷婷成人精品国产| 国产午夜精品久久久久久| 午夜精品久久久久久毛片777| 国产成人啪精品午夜网站| 9热在线视频观看99| av中文乱码字幕在线| 美女高潮到喷水免费观看| 极品人妻少妇av视频| 亚洲色图综合在线观看| 麻豆乱淫一区二区| 国产91精品成人一区二区三区| 久久人妻熟女aⅴ| 黄色片一级片一级黄色片| 黄色a级毛片大全视频| 9色porny在线观看| 欧美不卡视频在线免费观看 | 欧美日韩亚洲高清精品| 亚洲精品久久成人aⅴ小说| 99国产综合亚洲精品| 国产成人一区二区三区免费视频网站| 亚洲人成电影免费在线| 欧洲精品卡2卡3卡4卡5卡区| 国产成+人综合+亚洲专区| 色婷婷久久久亚洲欧美| 黑人巨大精品欧美一区二区蜜桃| 美女高潮喷水抽搐中文字幕| 亚洲精品自拍成人| 法律面前人人平等表现在哪些方面| 欧美人与性动交α欧美软件| 欧美+亚洲+日韩+国产| 国产精品九九99| tocl精华| 窝窝影院91人妻| 悠悠久久av| 亚洲精品美女久久av网站| 成人手机av| 人人澡人人妻人| 9191精品国产免费久久| 久久婷婷成人综合色麻豆| 午夜免费观看网址| 色精品久久人妻99蜜桃| √禁漫天堂资源中文www| av不卡在线播放| 亚洲精品在线观看二区| 19禁男女啪啪无遮挡网站| 超色免费av| 看片在线看免费视频| 欧美av亚洲av综合av国产av| 亚洲熟女精品中文字幕| 久久这里只有精品19| 美女 人体艺术 gogo| 欧美精品高潮呻吟av久久| 久久精品国产亚洲av香蕉五月 | 免费人成视频x8x8入口观看| 一级作爱视频免费观看| 成人18禁高潮啪啪吃奶动态图| 精品少妇久久久久久888优播| 国产精品电影一区二区三区 | 啦啦啦 在线观看视频| 交换朋友夫妻互换小说| 国产精品美女特级片免费视频播放器 | 亚洲 欧美一区二区三区| 老司机靠b影院| 黄色女人牲交| 午夜福利免费观看在线| 制服诱惑二区| 欧美久久黑人一区二区| 亚洲精品成人av观看孕妇| 在线观看一区二区三区激情| 五月开心婷婷网| 亚洲人成电影观看| √禁漫天堂资源中文www| 女人爽到高潮嗷嗷叫在线视频| 激情在线观看视频在线高清 | 亚洲一区二区三区欧美精品| 最新在线观看一区二区三区| 精品国产乱子伦一区二区三区| 国产精品国产高清国产av | 国产av又大| 精品久久久久久久久久免费视频 | 久久天躁狠狠躁夜夜2o2o| 首页视频小说图片口味搜索| 成人精品一区二区免费| 中文字幕制服av| 99热只有精品国产| 一级片免费观看大全| 国产成人欧美在线观看 | 深夜精品福利| 国产精品久久视频播放| www.熟女人妻精品国产| 亚洲色图av天堂| 美女午夜性视频免费| 久久人妻福利社区极品人妻图片| 多毛熟女@视频| ponron亚洲| cao死你这个sao货| 国产片内射在线| av线在线观看网站| 母亲3免费完整高清在线观看| 一级毛片女人18水好多| 国产野战对白在线观看| 免费人成视频x8x8入口观看| 国产日韩一区二区三区精品不卡| 自线自在国产av| 免费人成视频x8x8入口观看| 国产99久久九九免费精品| 欧美av亚洲av综合av国产av| 18在线观看网站| 真人做人爱边吃奶动态| 日本欧美视频一区| 最近最新中文字幕大全免费视频| 色综合欧美亚洲国产小说| 啦啦啦视频在线资源免费观看| 亚洲一区高清亚洲精品| 丝瓜视频免费看黄片| 精品国产一区二区久久| 精品人妻1区二区| 欧美黄色淫秽网站| 国产真人三级小视频在线观看| www.精华液| 精品国产美女av久久久久小说| 欧美国产精品一级二级三级| 黄片小视频在线播放| 国产高清国产精品国产三级| 久久人人97超碰香蕉20202| 欧美日韩乱码在线| 国产精品 欧美亚洲| 超碰97精品在线观看| 天天添夜夜摸| 伦理电影免费视频| videos熟女内射| 高清毛片免费观看视频网站 | 精品国产乱码久久久久久男人| 高清在线国产一区| 99久久人妻综合| 亚洲五月天丁香| 看片在线看免费视频| 国产又色又爽无遮挡免费看| 香蕉国产在线看| 欧美乱色亚洲激情| 国产精品二区激情视频| 亚洲免费av在线视频| 久久久精品区二区三区| 国产精品av久久久久免费| 中文字幕最新亚洲高清| 午夜免费成人在线视频| 亚洲一区二区三区欧美精品| 久久 成人 亚洲| av在线播放免费不卡| 在线观看免费午夜福利视频| 757午夜福利合集在线观看| 啦啦啦 在线观看视频| 国产亚洲欧美精品永久| 不卡一级毛片| 高清黄色对白视频在线免费看| 亚洲在线自拍视频| 午夜福利乱码中文字幕| 丝袜人妻中文字幕| 搡老熟女国产l中国老女人| 亚洲视频免费观看视频| e午夜精品久久久久久久| 久久国产精品影院| 国产av精品麻豆| 免费观看精品视频网站| 一a级毛片在线观看| 国产精品美女特级片免费视频播放器 | 搡老岳熟女国产| 两性夫妻黄色片| 一本大道久久a久久精品| 欧美黑人欧美精品刺激| 亚洲第一欧美日韩一区二区三区| 久久久久久久国产电影| 国产色视频综合| 欧美日韩精品网址| 大香蕉久久网| 国产日韩一区二区三区精品不卡| 国产淫语在线视频| 国产成人免费观看mmmm| 精品电影一区二区在线| 亚洲一区二区三区欧美精品| 热99国产精品久久久久久7| 亚洲人成77777在线视频| 啦啦啦视频在线资源免费观看| 欧美激情 高清一区二区三区| av网站在线播放免费| 日本五十路高清| 国产欧美日韩综合在线一区二区| 亚洲成人免费电影在线观看| 欧美精品人与动牲交sv欧美| 两性午夜刺激爽爽歪歪视频在线观看 | 正在播放国产对白刺激| av视频免费观看在线观看| 两人在一起打扑克的视频| 午夜精品国产一区二区电影| 亚洲五月婷婷丁香| av免费在线观看网站| 一夜夜www| 国产成+人综合+亚洲专区| 国产成人精品在线电影| 亚洲精品av麻豆狂野| 日韩欧美一区二区三区在线观看 | 热99国产精品久久久久久7| 黑丝袜美女国产一区| xxxhd国产人妻xxx| 免费在线观看完整版高清| 国产片内射在线| 久热这里只有精品99| 免费久久久久久久精品成人欧美视频| 国产xxxxx性猛交| 国产区一区二久久| 丝瓜视频免费看黄片| 国产欧美日韩综合在线一区二区| 婷婷成人精品国产| 久久九九热精品免费| 久久香蕉精品热| 欧美亚洲 丝袜 人妻 在线| 亚洲欧美精品综合一区二区三区| 日本a在线网址| 久久精品亚洲熟妇少妇任你| 国内毛片毛片毛片毛片毛片| 亚洲国产欧美网| 午夜福利在线免费观看网站| 美女福利国产在线| 亚洲中文av在线| 国产精品电影一区二区三区 | 窝窝影院91人妻| 在线天堂中文资源库| 淫妇啪啪啪对白视频| 久久精品国产清高在天天线| 久久久国产一区二区| 国产又爽黄色视频| 久久久久国产一级毛片高清牌| 在线视频色国产色| av片东京热男人的天堂| av天堂在线播放| 色婷婷av一区二区三区视频| 伊人久久大香线蕉亚洲五| 一进一出抽搐动态| 黑人巨大精品欧美一区二区蜜桃| 国产成人av教育| 老熟女久久久| 亚洲人成伊人成综合网2020| 女人高潮潮喷娇喘18禁视频| aaaaa片日本免费| 亚洲精品在线观看二区| 性少妇av在线| av线在线观看网站| 精品久久久久久电影网| 久久精品国产a三级三级三级| 欧美日韩一级在线毛片| 亚洲全国av大片| x7x7x7水蜜桃| 久久国产乱子伦精品免费另类| 最新在线观看一区二区三区| 男女午夜视频在线观看| 国产成人免费观看mmmm| 免费黄频网站在线观看国产| 很黄的视频免费| 99国产极品粉嫩在线观看| 国产亚洲欧美98| 天天影视国产精品| 免费久久久久久久精品成人欧美视频| 精品视频人人做人人爽| svipshipincom国产片| 国产一卡二卡三卡精品| 国产aⅴ精品一区二区三区波| 亚洲男人天堂网一区| 精品国内亚洲2022精品成人 | 久99久视频精品免费| 久久人人97超碰香蕉20202| 日本vs欧美在线观看视频| 免费看a级黄色片| 在线av久久热| 久久狼人影院| 久久ye,这里只有精品| 男女床上黄色一级片免费看| 日日摸夜夜添夜夜添小说| 91成年电影在线观看| 咕卡用的链子| 51午夜福利影视在线观看| 亚洲色图av天堂| 超色免费av| 国产欧美日韩一区二区三区在线| 国产麻豆69| 波多野结衣av一区二区av| 日本撒尿小便嘘嘘汇集6| 丝瓜视频免费看黄片| 国产精品秋霞免费鲁丝片| 日本黄色视频三级网站网址 |