• <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 ?

    基于深度注意力模型的個體出行多步預(yù)測研究

    2022-11-02 08:52:36翁小雄覃鎮(zhèn)林羅瑞發(fā)
    關(guān)鍵詞:步長注意力向量

    翁小雄,任 杰,覃鎮(zhèn)林,羅瑞發(fā)

    (1.華南理工大學(xué) 土木與交通學(xué)院,廣東 廣州 510640;2.深圳市金溢科技股份有限公司,廣東 深圳 518000)

    0 引 言

    最近幾年,隨著智慧交通的不斷發(fā)展,越來越多可被用于預(yù)測個體出行的數(shù)據(jù)被采集。個體出行預(yù)測對城市發(fā)展具有十分重要的意義。從宏觀層面來看,政府可以根據(jù)出行預(yù)測設(shè)計更好的交通規(guī)劃和調(diào)度策略,以緩解交通擁堵并處理人群聚集問題;從微觀層面來看,通過對個體的出行預(yù)測,乘車共享平臺可以更好地估計其客戶的出行需求并調(diào)度資源相應(yīng)地滿足這些要求。

    目前對個體出行預(yù)測的研究主要是對個體出行進行單步預(yù)測,即基于個體歷史出行數(shù)據(jù)對接下來的一次出行進行預(yù)測,如基于馬爾可夫模型進行優(yōu)化的MMC模型[1],n-MMC模型[2],隱馬爾可夫模型[3]等,基于機器學(xué)習(xí)的貝葉斯模型[4],隨機森林模型[5],BP神經(jīng)網(wǎng)絡(luò)模型[6]等,而這些傳統(tǒng)模型難以提取到個體出行中較為復(fù)雜周期性規(guī)律,在特征提取方面具有較大的局限性,難以用于多步預(yù)測研究。此外,很多交通場景需要基于個體未來一段時間的出行進行規(guī)劃和調(diào)度,而單步預(yù)測難以滿足這些場景的需要,如公交調(diào)度、交通規(guī)劃等;最后,這些研究大多使用個體出行的GPS數(shù)據(jù)[7-8]進行預(yù)測,而由于GPS等非交通系統(tǒng)采集到的數(shù)據(jù)質(zhì)量和情況不同,這些個體出行數(shù)據(jù)多是低采樣的,且通常將所有個體的出行特征融合在一起,數(shù)據(jù)通常具有較強的稀疏性和異構(gòu)性,因此這類研究的預(yù)測精度一般不高。

    針對當(dāng)前個體出行研究的局限性, 設(shè)計了3種基于序列到序列(sequence to sequence, Seq2Seq)并結(jié)合注意力學(xué)習(xí)機制的深度學(xué)習(xí)模型,對個體出行進行多步預(yù)測。個體的多步預(yù)測即使用個體過去一段時間的歷史出行數(shù)據(jù),對其未來一段時間的多次出行進行預(yù)測,如圖1。

    圖1 多步預(yù)測

    首先采用詞嵌入的方法對數(shù)據(jù)進行特征映射,通過嵌入層提取出行特征,由于提取到的出行特征可以隨著模型的訓(xùn)練不斷更新和優(yōu)化,因此相較于傳統(tǒng)模型更能提取出包含復(fù)雜的周期性出行規(guī)律的語義信息;然后采用門控循環(huán)單元(GRU)來實現(xiàn)Seq2Seq深度學(xué)習(xí)模型,并引入注意力機制來增強模型對周期性規(guī)律的捕捉能力,以提高準確率,以此完成對個體出行的單步預(yù)測。進一步地,為了盡可能地減少多步誤差,提高模型預(yù)測精度,筆者設(shè)計了3種多步預(yù)測模型:①整體輸出式多步預(yù)測模型;②步進輸出式多步預(yù)測模型;③多模型組合式多步預(yù)測模型來完成對個體出行的多步預(yù)測。筆者針對地鐵系統(tǒng)的個體出行場景,使用AFC數(shù)據(jù)對地鐵乘客進行多步預(yù)測研究,從而填補了單步預(yù)測難以滿足預(yù)測需求的場景。使用地鐵羊城通數(shù)據(jù)對提出的模型進行驗證,其主要網(wǎng)絡(luò)結(jié)構(gòu)如圖2。

    圖2 模型架構(gòu)

    1 模型介紹

    1.1 個體出行多步預(yù)測的問題描述

    對個體的多步預(yù)測即使用個體過去一段時間的歷史出行數(shù)據(jù),對其未來一段時間內(nèi)的出行進行預(yù)測。為了定義個體出行多步預(yù)測的任務(wù),筆者首先引入兩個定義。

    1)出行元組(trip tuple)。通過一個元組來描述一次出行:

    Q=(o,d,t,w)

    (1)

    式中:o,d,t,w分別為一次出行的出行起點、出行終點、出行時間和出行日期(星期幾)。由于出站時間主要由較為復(fù)雜的地鐵系統(tǒng)來決定,受到較多非出行因素的干擾,如地鐵客流等,因此筆者沒有考慮出站時間。

    2)出行序列(trip sequence)。單個個體的出行序列為可以用一個有向序列來表示。根據(jù)出行元組的定義,可以進一步定義出行序列為:

    Sm=(Q1,Q2,…,Qm)

    (2)

    基于以上兩個定義,對個體出行的多步預(yù)測問題進行數(shù)學(xué)描述。對于給定的出行序列Sm和已知最后一次的出行信息(om,dm),對個體出行進行多步預(yù)測的任務(wù)可以轉(zhuǎn)化成對映射F建模以實現(xiàn)輸入這些信息到輸出最后k次出行的目的站點的預(yù)測,其數(shù)學(xué)定義為:

    dm+1,dm+2, …, …,dm+k=F(Sm-1;om,dm)

    (3)

    1.2 嵌入層

    由于用于表示出行的4個屬性具有離散的特性,難以直接作為神經(jīng)網(wǎng)絡(luò)模型的輸入,因此筆者引入詞嵌入(word embedding)的方法對出行屬性進行處理[9]。詞嵌入方法可以把一個維數(shù)為所有詞的高維空間嵌入到一個低維連續(xù)空間中,每個單詞或詞組被映射為一個向量,目前該方法在NLP領(lǐng)域已廣泛使用。

    通過搭建嵌入層(embedding)實現(xiàn)個體出行數(shù)據(jù)的向量轉(zhuǎn)換,把個體出行屬性轉(zhuǎn)換為包含更多出行特征信息的低維稠密向量,使得模型更容易學(xué)到個體出行規(guī)律,該嵌入層的輸入為用于表示出行的4種屬性數(shù)據(jù),輸出為各屬性的映射向量。

    1.3 Seq2Seq模型

    循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)是一種具有循環(huán)性和內(nèi)部存儲單元的神經(jīng)網(wǎng)絡(luò),因此常被用于處理序列數(shù)據(jù),其中長短期記憶網(wǎng)絡(luò)(long short-term memory, LSTM)[10]和門控循環(huán)單元(gated recurrent neural network, GRU)是廣泛使用的兩種循環(huán)神經(jīng)網(wǎng)絡(luò)。LSTM包含一個單元狀態(tài)和3個控制門以保持和更新單元狀態(tài)。GRU是LSTM的一種變體,它將忘記門和輸入門合并成一個單一的更新門,因此GRU只包含重置門和更新門兩個門。同時還混合了細胞狀態(tài)和隱藏狀態(tài),加諸其他一些改動,使得最終的模型比標準的 LSTM 模型要簡單,是當(dāng)下非常流行的變體。GRU模型如圖3。

    圖3 GRU原理

    zt=σ(Wz[ht-1,xt])

    (4)

    rt=σ(Wr[ht-1,xt])

    (5)

    (6)

    (7)

    基于Seq2Seq模型對個體出行進行多步預(yù)測,Seq2Seq模型由解碼器和編碼器兩部分構(gòu)成,而編碼器和解碼器通常通過RNN結(jié)構(gòu)實現(xiàn)。首先將輸入序列輸入到編碼器,編碼器對輸入序列進行編碼,其最后一個隱狀態(tài)即為上下文向量。然后解碼器將上下文向量進行解碼,生成目標序列。

    筆者將經(jīng)過特征提取和特征融合的個體歷史出行特征數(shù)據(jù)作為輸入序列,經(jīng)過Seq2Seq模型得到下次出行中各個站點的出現(xiàn)概率,選擇概率最大的站點作為下一次的出行預(yù)測,然后將該次預(yù)測結(jié)果重新嵌入、編碼和解碼,并對該過程進行迭代,以此來生成個體的多步出行預(yù)測結(jié)果。

    1.4 注意力機制

    由于Seq2Seq模型具有無法包含輸入序列的所有信息,從而限制了解碼器的解碼能力,因此筆者引入了注意力機制。引入注意力機制是為了計算查詢向量與候選向量之間的相似度,得到候選向量的權(quán)重系數(shù),以生成上下文向量。該過程可以認為是計算歷史出行與當(dāng)前出行的相關(guān)程度,越相關(guān)的出行越可能為該模型準確預(yù)測下次出行提供有效信息。注意力機制被參數(shù)化為可以與整個神經(jīng)網(wǎng)絡(luò)一起訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)。注意力機制的計算公式為:

    ct=∑αisi

    (8)

    αi=softmax[f(ht,si)]

    (9)

    f(ht,s)=tanh(ht,Ws)

    (10)

    式中:s為歷史特征;Ws為tanh的可學(xué)習(xí)參數(shù);f為score函數(shù);ct為當(dāng)前狀態(tài)下的上下文向量;αi為中間問題。

    1.5 帶注意力機制的Seq2Seq多步預(yù)測模型

    在設(shè)計多步預(yù)測方法之前,首先介紹帶注意力機制的Seq2Seq單步預(yù)測模型,該模型首先根據(jù)個體出行數(shù)據(jù)對出行特征進行提取和融合,通過編碼器將歷史出行數(shù)據(jù)進行編碼,得到編碼器的輸出向量和隱狀態(tài)向量;然后通過解碼器對最近一次的出行數(shù)據(jù)進行嵌入并編碼,將解碼器輸出的隱狀態(tài)向量作為查詢向量,通過注意力機制計算查詢向量與編碼器輸出的隱狀態(tài)向量的注意力權(quán)重,以此來計算上下文向量;上下文向量可以表示當(dāng)前向量與歷史向量的相關(guān)出行信息,通過上下文向量即可預(yù)測個體下一次出行的站點,計算過程如表1。

    表1 帶注意力機制的Seq2Seq預(yù)測模型

    多步預(yù)測場景與單步預(yù)測場景有很大不同,主要在于如何設(shè)計多步預(yù)測的建模策略。在多步預(yù)測過程中,第t+k步的預(yù)測準確性直接影響了第t+k+1及之后時間窗的預(yù)測準確性,因此多步預(yù)測任務(wù)不可避免地會產(chǎn)生多步誤差,我們需要針對多步預(yù)測場景設(shè)計不同的建模策略以減少多步誤差帶來的影響。也就是說,對于單步預(yù)測,基于上述模型即可直接進行預(yù)測,而多步預(yù)測則需要考慮如何使多步預(yù)測誤差最小。因此,筆者針對地鐵系統(tǒng)AFC數(shù)據(jù)的個體出行多步預(yù)測的場景,設(shè)計了3種多步預(yù)測模型。

    1)整體輸出式多步預(yù)測模型。該方法即在單步預(yù)測的基礎(chǔ)上,重復(fù)編碼解碼過程,直至預(yù)測出所有時間步的出行,直接輸出對個體未來一段時間出行行為的預(yù)測,從而實現(xiàn)個體出行的多步預(yù)測。

    2)步進輸出式多步預(yù)測模型。該方法在單步預(yù)測的基礎(chǔ)上,將未來一次出行的預(yù)測結(jié)果與歷史出行數(shù)據(jù)拼接起來,滑動時間窗對模型的輸入進行更新,從而實現(xiàn)對個體出行行為進行持續(xù)的步進式輸出,最終實現(xiàn)個體出行的多步預(yù)測。

    3)多模型組合的多步預(yù)測模型。該方法即訓(xùn)練出多個單步預(yù)測模型,使其能夠?qū)ξ磥聿煌瑫r間步的出行進行預(yù)測,然后將多個模型的輸出結(jié)果拼接起來獲得個體出行的多步預(yù)測結(jié)果。

    2 案例分析

    2.1 數(shù)據(jù)處理

    由于地鐵系統(tǒng)刷卡數(shù)據(jù)記錄了每次出行的進站和出站及出行屬性,與出行直接相關(guān),因此筆者選擇了廣州地鐵羊城通的刷卡數(shù)據(jù)作為案例進行分析。該數(shù)據(jù)集的時間跨度為2017年3月1日—2017年5月31日,該地鐵系統(tǒng)包含9條地鐵線路和157個地鐵站。

    基于深度學(xué)習(xí)的多步預(yù)測算法需要足夠的歷史出行記錄,因此僅關(guān)注在研究的時間段內(nèi)至少出行90次(即3個月內(nèi)至少平均每天出行一次)的乘客。在清理完原始數(shù)據(jù)之后,隨機選擇20 000名乘客,并使用他們的交易記錄構(gòu)建數(shù)據(jù)集。筆者使用進站站點o,出站站點d,進站時間t和星期幾w作為出行屬性來構(gòu)造每次出行的出行元組。其中,o,t和w是可以通過進站記錄獲得,因此為進站屬性,d為出站屬性。其中o∈[0,90],d∈[0,90],w∈[0,6]表示為分類變量。每個乘客的前80%序列樣本都用作訓(xùn)練集,其余20%是測試集。

    使用寬度為n的滑動窗口從每個個體的整個行程序列中生成行程序列樣本作為模型輸入。令Tr表示研究時間范圍內(nèi)個體r的整個行程序列。出行序列樣本Ssample則可表示為:

    Ssample=[Qp,Qp+1,…,Qp+n-1] (1≤p≤N-n+1)

    (11)

    因此,具有N次出行記錄的個體可以提供N-n+1 個出行序列樣本。為了使模型覆蓋到數(shù)據(jù)集中的絕大多數(shù)乘客,將寬度n設(shè)置為70,覆蓋了95.2%的個體。我們從整個數(shù)據(jù)集中獲得了1 386 872個樣本序列。

    2.2 實驗及實驗配置

    2.2.1 評價指標

    平均相對誤差[11](MRE)是平均絕對誤差與真值的比值,常用百分數(shù)來表示,可以用來反映預(yù)測值與真值的偏離程度,是交通預(yù)測中常用的評價指標之一,因此筆者采用MRE來評估各模型的預(yù)測性能。在MRE的計算中,使用編輯距離(levenshtein distance)來測量預(yù)測位置序列與目標位置序列之間的誤差。編輯距離在自然語言處理中有著廣泛的應(yīng)用,是指由一個轉(zhuǎn)換成另一個所需的最少編輯操作次數(shù)。MRE的公式定義為:

    (12)

    式中:v為序列數(shù);E(Mu,Ru)為第u個預(yù)測序列與其對應(yīng)的目標序列的編輯距離;L(Mu,Ru)為第u個預(yù)測序列與其對應(yīng)的目標序列的長度。分母將誤差歸一化,使MRE值處于[0,1]之間。

    此外,準確率[11]已廣泛應(yīng)用于評估分類任務(wù)的模型性能,準確率Acc的公式如下,其中為Pu序列中正確預(yù)測位置的個數(shù)。

    (13)

    2.2.2 對比實驗設(shè)置及實驗參數(shù)設(shè)置

    構(gòu)建了基于帶注意力機制的Seq2Seq模型的3種深度學(xué)習(xí)實驗?zāi)P瓦M行多步預(yù)測,其中包括整體輸出式多步預(yù)測模型、步進輸出式多步預(yù)測模型、多模型組合的多步預(yù)測模型, 并構(gòu)建了兩種傳統(tǒng)模型作為基準模型。所有實驗均在windows服務(wù)器上進行,該服務(wù)器配置為Intel?Xeon?CPU E5-2696 v4 2.20GHz,GPU的配置為NVIDIA GeForce RTX 2080 Ti。

    另外,為了驗證模型的預(yù)測效果,將基于帶注意力機制的Seq2Seq模型的3種多步預(yù)測模型與以下基準模型進行比較。

    1)MC:馬爾可夫模型是一種傳統(tǒng)的統(tǒng)計學(xué)方法,是一種根據(jù)上一時刻狀態(tài)對下一時刻狀態(tài)進行預(yù)測的方法。

    2)SVC:支持向量分類器是支持向量機模型的一種變體方法,其本質(zhì)是對距離進行度量,經(jīng)常用于時間序列預(yù)測。

    3)Seq2Seq模型:序列到序列模型是近年來NLP領(lǐng)域的一種常見模型,主要用于序列的預(yù)測問題。

    多步預(yù)測模型的參數(shù)設(shè)置如表2。

    表2 實驗參數(shù)

    2.3 實驗結(jié)果分析

    首先設(shè)定輸入步長為35,輸出步長為5,選擇馬爾可夫模型、支持向量分類器模型和沒有注意力機制的Seq2Seq模型作為對照實驗,觀察不同多步預(yù)測模型的預(yù)測效果,實驗結(jié)果如表3。

    表3 實驗結(jié)果對比

    通過表3可以得出以下結(jié)論:①在基于AFC數(shù)據(jù)的地鐵系統(tǒng)個體出行多步預(yù)測的場景下,Seq2Seq深度學(xué)習(xí)模型能夠獲得相比于傳統(tǒng)的機器學(xué)習(xí)模型更高的預(yù)測準確率和更低的預(yù)測誤差,這是由于深度學(xué)習(xí)模型能夠從個體出行的歷史序列中提取到更多復(fù)雜的出行信息,從而提高模型的學(xué)習(xí)能力;②引入注意力機制的多步預(yù)測模型可以獲得相比于沒有注意力機制的Seq2Seq模型更高的預(yù)測準確率和更低的預(yù)測誤差,這是由于注意力機制可以提高解碼器的解碼能力,加快模型的迭代,能夠為預(yù)測提供更多的有效信息;③針對研究場景,設(shè)計的3種多步預(yù)測模型中,多模型組合式多步預(yù)測模型相比于步進輸出式多步預(yù)測模型和整體輸出式多步預(yù)測模型可以獲得更高的準確率和更低的誤差,這是由于在個體出行的場景下,分別基于個體的歷史出行序列對未來某次的出行進行模型訓(xùn)練,然后將預(yù)測結(jié)果結(jié)合起來,更能提取到個體歷史出行對該次出行產(chǎn)生影響的特征,從而獲得更高的預(yù)測精度;而步進輸出式多步預(yù)測模型預(yù)測精度最低,是由于該模型直接將單步預(yù)測結(jié)果與歷史出行數(shù)據(jù)結(jié)合起來,然后滑動時間窗作為下一次單步預(yù)測的輸入,沒有在模型訓(xùn)練階段引入多步預(yù)測機制,無法減少多步誤差對模型的干擾;整體輸出式多步預(yù)測模型預(yù)測精度居中,是由于該模型雖然在訓(xùn)練過程中引入了多步預(yù)測的機制,將單步預(yù)測結(jié)果進行重新編碼并嵌入,模型可以在一定程度上學(xué)習(xí)多步預(yù)測的規(guī)律,但該模型并不能針對未來特定步長的規(guī)律進行學(xué)習(xí),對未來固定步長出行預(yù)測規(guī)律的提取存在一定局限性。

    為了進一步探究預(yù)測步長給實驗結(jié)果帶來的影響,針對多模型組合式多步預(yù)測模型,在固定輸入步長的基礎(chǔ)上,改變輸出步長設(shè)置了5個對比試驗。實驗將輸入步長設(shè)置為35,輸出步長分別設(shè)置為1、2、3、4、5進行探究。實驗結(jié)果如表4,其中ΔAcc為準確率變化量,ΔMRE為MRE變化量,R1、R2分別為準確量變化率、MRE變化率。

    表4 改變輸出步長的結(jié)果對比

    通過表4可以看出:①在固定輸入步長的情況下,隨著預(yù)測步長的增長,預(yù)測準確率降低,MRE升高,這是由于在輸入步長一定的情況下,提取到的有效特征不能維持無限長的多步預(yù)測;②準確率的變化量隨著輸出步長的增加不斷均趨向于0,可以看出當(dāng)模型的輸入步長一定時,模型不會隨著預(yù)測步長的增加而導(dǎo)致性能大幅降低,魯棒性較強。

    3 結(jié) 論

    隨著智能交通的發(fā)展,交通出行不斷向著個性化、智能化的方向發(fā)展,個體出行的多步預(yù)測研究對于交通出行的發(fā)展具有重要意義。

    使用廣州地鐵羊城通的刷卡數(shù)據(jù),通過建立包含注意力機制的序列到序列模型對個體出行的多步預(yù)測進行了研究和實驗。首先對個體出行特征進行了提取和融合,然后基于包含注意力機制的序列到序列模型設(shè)計了3種多步預(yù)測模型,并與傳統(tǒng)出行預(yù)測模型進行對比,進一步地,通過改變預(yù)測步長,探究了不同預(yù)測步長對實驗結(jié)果帶來的影響。得出以下結(jié)論:

    1)注意力機制可以提高解碼器的解碼能力,加快模型的迭代,能夠為預(yù)測提供更多的有效信息,因此包含注意力機制的序列到序列模型能夠比傳統(tǒng)模型(如馬爾可夫模型、支持向量分類器模型)更適用于多步預(yù)測的場景。

    2)包含注意力機制序列到序列模型更適合對長序列的處理,能夠從長序列中提取到更多的有效信息,從而獲得更好的預(yù)測結(jié)果。

    3)在基于AFC數(shù)據(jù)的地鐵系統(tǒng)個體出行多步預(yù)測的場景下,多模型組合的多步預(yù)測方法更能提取到個體歷史出行對該次出行產(chǎn)生影響的特征,能夠獲得更好的預(yù)測結(jié)果;當(dāng)模型的輸入步長一定時,模型不會隨著預(yù)測步長的增加而導(dǎo)致性能大幅降低,具有較強的魯棒性。

    綜上,筆者證實了包含注意力機制的序列到序列模型在個體出行多步預(yù)測中的實用性和優(yōu)越性,并進一步對多步預(yù)測模型進行了設(shè)計和探究,最后說明了輸出步長對多步預(yù)測結(jié)果的影響。

    猜你喜歡
    步長注意力向量
    向量的分解
    讓注意力“飛”回來
    基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
    聚焦“向量與三角”創(chuàng)新題
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    基于逐維改進的自適應(yīng)步長布谷鳥搜索算法
    一種新型光伏系統(tǒng)MPPT變步長滯環(huán)比較P&O法
    電測與儀表(2014年2期)2014-04-04 09:04:00
    午夜老司机福利片| 91九色精品人成在线观看| 亚洲人成电影观看| 国产精品1区2区在线观看. | 中出人妻视频一区二区| 亚洲成国产人片在线观看| 日本一区二区免费在线视频| 成人国语在线视频| 免费久久久久久久精品成人欧美视频| 国产精品偷伦视频观看了| 一边摸一边抽搐一进一出视频| 熟女少妇亚洲综合色aaa.| 日本vs欧美在线观看视频| 亚洲熟女精品中文字幕| 国产极品粉嫩免费观看在线| 无遮挡黄片免费观看| 韩国av一区二区三区四区| 9色porny在线观看| 最近最新中文字幕大全电影3 | 不卡一级毛片| av福利片在线| 夜夜爽天天搞| 亚洲七黄色美女视频| 国产一区二区三区综合在线观看| 精品人妻1区二区| 老熟妇乱子伦视频在线观看| 国产精品免费视频内射| 一进一出抽搐gif免费好疼 | 成年动漫av网址| 亚洲精品一二三| 精品人妻熟女毛片av久久网站| 久久亚洲真实| 18禁美女被吸乳视频| 日韩欧美免费精品| 啪啪无遮挡十八禁网站| 天天操日日干夜夜撸| 在线观看免费日韩欧美大片| 午夜免费鲁丝| 老熟妇仑乱视频hdxx| 黄色视频不卡| 国产精品偷伦视频观看了| 99久久综合精品五月天人人| 最新在线观看一区二区三区| 在线观看免费视频日本深夜| 99国产精品一区二区三区| 亚洲精品成人av观看孕妇| 午夜精品国产一区二区电影| 久久国产精品男人的天堂亚洲| 国产一区有黄有色的免费视频| 婷婷丁香在线五月| 久久久久久久精品吃奶| 中文字幕人妻熟女乱码| 十分钟在线观看高清视频www| 久久久久久亚洲精品国产蜜桃av| 最近最新中文字幕大全免费视频| 母亲3免费完整高清在线观看| 麻豆av在线久日| 女警被强在线播放| 国产精品一区二区在线不卡| 欧美精品啪啪一区二区三区| 亚洲专区中文字幕在线| 深夜精品福利| 满18在线观看网站| 大型av网站在线播放| 久久精品成人免费网站| 国产成人av教育| 精品一区二区三区视频在线观看免费 | 搡老岳熟女国产| 精品乱码久久久久久99久播| 女性生殖器流出的白浆| 亚洲黑人精品在线| 日韩有码中文字幕| 国产极品粉嫩免费观看在线| 国产片内射在线| 日日爽夜夜爽网站| 一本大道久久a久久精品| 999精品在线视频| 丝袜在线中文字幕| 999久久久国产精品视频| 波多野结衣av一区二区av| 国产野战对白在线观看| 999久久久国产精品视频| 亚洲国产毛片av蜜桃av| a级片在线免费高清观看视频| 精品国产一区二区三区久久久樱花| 99精品久久久久人妻精品| 免费av中文字幕在线| 少妇猛男粗大的猛烈进出视频| 国产精品永久免费网站| 一进一出抽搐gif免费好疼 | 国产日韩一区二区三区精品不卡| 搡老乐熟女国产| 91老司机精品| 99久久综合精品五月天人人| 亚洲五月婷婷丁香| 一夜夜www| 人成视频在线观看免费观看| 久久午夜综合久久蜜桃| 久久久久久亚洲精品国产蜜桃av| 午夜两性在线视频| 婷婷丁香在线五月| 欧美 亚洲 国产 日韩一| 韩国精品一区二区三区| 久久中文看片网| 精品免费久久久久久久清纯 | 久久精品亚洲av国产电影网| 日本撒尿小便嘘嘘汇集6| 成年女人毛片免费观看观看9 | 亚洲中文字幕日韩| 韩国精品一区二区三区| 国产在线观看jvid| 国产又色又爽无遮挡免费看| 午夜免费观看网址| videosex国产| 久久精品国产清高在天天线| 叶爱在线成人免费视频播放| www.自偷自拍.com| 久久精品国产a三级三级三级| 超碰成人久久| 午夜福利影视在线免费观看| 亚洲一区中文字幕在线| 成人av一区二区三区在线看| 国产xxxxx性猛交| 日韩视频一区二区在线观看| 青草久久国产| 日本一区二区免费在线视频| 国产精品电影一区二区三区 | 久久久久久久久免费视频了| 日日爽夜夜爽网站| 国产精品乱码一区二三区的特点 | 波多野结衣av一区二区av| 亚洲aⅴ乱码一区二区在线播放 | 日韩免费av在线播放| 久久久国产精品麻豆| 在线av久久热| 中文亚洲av片在线观看爽 | 亚洲一区二区三区不卡视频| 国产精品久久久人人做人人爽| 一边摸一边抽搐一进一小说 | 99在线人妻在线中文字幕 | 久热这里只有精品99| 18在线观看网站| 久久国产精品人妻蜜桃| 精品国产超薄肉色丝袜足j| 捣出白浆h1v1| 免费观看a级毛片全部| 国内久久婷婷六月综合欲色啪| 女人精品久久久久毛片| www.精华液| 国产男女内射视频| 久久影院123| 91老司机精品| 亚洲欧美精品综合一区二区三区| 日韩免费高清中文字幕av| 三级毛片av免费| 黄片大片在线免费观看| 女人被狂操c到高潮| 亚洲欧美一区二区三区久久| 中文亚洲av片在线观看爽 | svipshipincom国产片| 午夜福利影视在线免费观看| www.自偷自拍.com| 亚洲熟妇熟女久久| 十八禁人妻一区二区| 精品欧美一区二区三区在线| 国产精品秋霞免费鲁丝片| 国产野战对白在线观看| 一本综合久久免费| 两个人免费观看高清视频| 在线观看免费视频网站a站| 五月开心婷婷网| 日韩视频一区二区在线观看| 人成视频在线观看免费观看| 可以免费在线观看a视频的电影网站| 中文字幕精品免费在线观看视频| 一级a爱片免费观看的视频| 国产有黄有色有爽视频| 人人妻人人澡人人看| 两个人看的免费小视频| 久久国产亚洲av麻豆专区| 999久久久国产精品视频| 人人妻人人澡人人爽人人夜夜| 三级毛片av免费| 久久精品国产综合久久久| 黄色 视频免费看| 夜夜躁狠狠躁天天躁| 亚洲人成电影观看| 可以免费在线观看a视频的电影网站| 亚洲欧美一区二区三区久久| 99久久人妻综合| 亚洲精品粉嫩美女一区| 后天国语完整版免费观看| 91大片在线观看| 国产精品乱码一区二三区的特点 | 精品久久蜜臀av无| 日韩免费高清中文字幕av| 国产精品影院久久| 国产精品一区二区在线观看99| 别揉我奶头~嗯~啊~动态视频| 黄色a级毛片大全视频| 麻豆成人av在线观看| 国产蜜桃级精品一区二区三区 | 国产亚洲精品久久久久久毛片 | 人妻丰满熟妇av一区二区三区 | 久久性视频一级片| 亚洲一区高清亚洲精品| 欧美最黄视频在线播放免费 | 国产精品1区2区在线观看. | 少妇被粗大的猛进出69影院| 一个人免费在线观看的高清视频| 美女 人体艺术 gogo| 啦啦啦在线免费观看视频4| 亚洲精品国产区一区二| 亚洲男人天堂网一区| 桃红色精品国产亚洲av| 成年人黄色毛片网站| 国产精品亚洲av一区麻豆| 天天躁日日躁夜夜躁夜夜| 丝瓜视频免费看黄片| 欧美激情 高清一区二区三区| 欧美亚洲 丝袜 人妻 在线| 久久午夜综合久久蜜桃| 国产亚洲一区二区精品| 欧美午夜高清在线| 欧美日韩成人在线一区二区| 国产精品一区二区免费欧美| 久久香蕉精品热| 另类亚洲欧美激情| 久久精品91无色码中文字幕| 欧美国产精品一级二级三级| 国产乱人伦免费视频| 一区福利在线观看| 18禁美女被吸乳视频| 法律面前人人平等表现在哪些方面| 热99国产精品久久久久久7| 欧美在线黄色| 久久亚洲真实| 久久人人爽av亚洲精品天堂| 国产亚洲精品久久久久久毛片 | 国产精品av久久久久免费| 国产亚洲欧美98| 一区二区三区国产精品乱码| 三上悠亚av全集在线观看| 大陆偷拍与自拍| 亚洲五月婷婷丁香| 国产日韩一区二区三区精品不卡| 婷婷成人精品国产| 亚洲中文av在线| 久久性视频一级片| 久久国产亚洲av麻豆专区| 新久久久久国产一级毛片| а√天堂www在线а√下载 | 中文字幕制服av| 黑丝袜美女国产一区| 黄色片一级片一级黄色片| 啦啦啦视频在线资源免费观看| 欧美另类亚洲清纯唯美| 后天国语完整版免费观看| 午夜老司机福利片| av国产精品久久久久影院| 欧美日韩黄片免| 亚洲成人国产一区在线观看| 精品无人区乱码1区二区| av电影中文网址| 天天躁夜夜躁狠狠躁躁| 亚洲熟妇熟女久久| 在线看a的网站| 免费久久久久久久精品成人欧美视频| 丝袜美足系列| 精品久久久久久,| 欧美在线一区亚洲| 一边摸一边抽搐一进一小说 | 18在线观看网站| 欧美丝袜亚洲另类 | 欧美精品啪啪一区二区三区| 国产精品1区2区在线观看. | 久久国产精品男人的天堂亚洲| 国产午夜精品久久久久久| 亚洲av熟女| 午夜福利视频在线观看免费| 天堂动漫精品| 一进一出抽搐动态| 亚洲国产欧美网| 久久精品熟女亚洲av麻豆精品| 麻豆av在线久日| 国产99久久九九免费精品| 国产精品98久久久久久宅男小说| 人人妻人人爽人人添夜夜欢视频| 制服诱惑二区| 精品久久久久久久久久免费视频 | 91在线观看av| 老熟女久久久| 国产精品自产拍在线观看55亚洲 | 97人妻天天添夜夜摸| 久久久国产成人精品二区 | 日本wwww免费看| 国产精品 欧美亚洲| 亚洲精品av麻豆狂野| 天天躁夜夜躁狠狠躁躁| 制服诱惑二区| 成年人午夜在线观看视频| 国产av精品麻豆| 校园春色视频在线观看| 欧美精品高潮呻吟av久久| 午夜老司机福利片| 嫩草影视91久久| 中文欧美无线码| 久热爱精品视频在线9| 香蕉丝袜av| 最新美女视频免费是黄的| 精品国产一区二区三区四区第35| 夜夜夜夜夜久久久久| 欧美日韩黄片免| 日韩大码丰满熟妇| 国产亚洲精品久久久久久毛片 | 美女视频免费永久观看网站| av超薄肉色丝袜交足视频| 两性午夜刺激爽爽歪歪视频在线观看 | 深夜精品福利| 两个人看的免费小视频| 国产蜜桃级精品一区二区三区 | 18禁国产床啪视频网站| 久久久久国产一级毛片高清牌| 亚洲全国av大片| 午夜福利在线观看吧| 美女福利国产在线| a级片在线免费高清观看视频| 国产激情久久老熟女| 丁香欧美五月| 久久久久国产一级毛片高清牌| 十八禁高潮呻吟视频| 18禁黄网站禁片午夜丰满| 国产成人欧美| 亚洲熟女精品中文字幕| 久久久久久免费高清国产稀缺| 又大又爽又粗| 亚洲精品成人av观看孕妇| av网站免费在线观看视频| 一本综合久久免费| 丝袜美腿诱惑在线| 国产片内射在线| 国产主播在线观看一区二区| www.精华液| 国产在线观看jvid| 人妻久久中文字幕网| 国产日韩欧美亚洲二区| 久久久国产成人精品二区 | 亚洲av电影在线进入| 成熟少妇高潮喷水视频| 国产不卡一卡二| 中文字幕色久视频| 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| 日韩人妻精品一区2区三区| 国产精品亚洲一级av第二区| www.自偷自拍.com| 国产有黄有色有爽视频| 亚洲成国产人片在线观看| 少妇猛男粗大的猛烈进出视频| 曰老女人黄片| 日韩欧美一区视频在线观看| 麻豆av在线久日| 丝袜美足系列| 一区二区日韩欧美中文字幕| 国产色视频综合| 99精品在免费线老司机午夜| 少妇粗大呻吟视频| 欧美日韩中文字幕国产精品一区二区三区 | 一区福利在线观看| 亚洲av日韩在线播放| 美女扒开内裤让男人捅视频| 不卡一级毛片| 最近最新免费中文字幕在线| 亚洲专区字幕在线| 大香蕉久久网| 久久久久国产一级毛片高清牌| 亚洲国产欧美日韩在线播放| 51午夜福利影视在线观看| 正在播放国产对白刺激| 国产精品98久久久久久宅男小说| 91成人精品电影| 国产91精品成人一区二区三区| 少妇裸体淫交视频免费看高清 | 一区二区三区国产精品乱码| 精品久久久精品久久久| 免费黄频网站在线观看国产| 日韩熟女老妇一区二区性免费视频| 少妇裸体淫交视频免费看高清 | 久久精品亚洲熟妇少妇任你| 国产一卡二卡三卡精品| a级毛片在线看网站| 国产成人av激情在线播放| 中文亚洲av片在线观看爽 | 黄色片一级片一级黄色片| 50天的宝宝边吃奶边哭怎么回事| 岛国毛片在线播放| 最近最新中文字幕大全免费视频| 两人在一起打扑克的视频| 免费av中文字幕在线| 亚洲av片天天在线观看| 国产黄色免费在线视频| 9色porny在线观看| 精品国产亚洲在线| 亚洲成人国产一区在线观看| 精品欧美一区二区三区在线| 三上悠亚av全集在线观看| 夜夜爽天天搞| 午夜福利影视在线免费观看| 中文字幕人妻丝袜一区二区| 大码成人一级视频| 嫩草影视91久久| 欧美乱妇无乱码| 一边摸一边抽搐一进一出视频| 久久精品人人爽人人爽视色| 亚洲国产中文字幕在线视频| 飞空精品影院首页| 国产精品自产拍在线观看55亚洲 | 亚洲五月色婷婷综合| 欧美日韩亚洲综合一区二区三区_| 久久国产精品人妻蜜桃| 色在线成人网| 久久这里只有精品19| 18禁观看日本| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲五月色婷婷综合| 99国产精品一区二区蜜桃av | 亚洲一码二码三码区别大吗| 91在线观看av| 黄色视频不卡| 伦理电影免费视频| 午夜影院日韩av| 国产熟女午夜一区二区三区| 激情在线观看视频在线高清 | 国产成人精品久久二区二区免费| 另类亚洲欧美激情| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲熟妇中文字幕五十中出 | 久久狼人影院| 国产精品成人在线| 久久精品亚洲熟妇少妇任你| 亚洲久久久国产精品| 久久精品亚洲av国产电影网| 看黄色毛片网站| 国产精品久久久av美女十八| 亚洲精品国产一区二区精华液| 丝瓜视频免费看黄片| 一区二区三区精品91| 久久热在线av| 国产精品香港三级国产av潘金莲| 亚洲精品美女久久久久99蜜臀| 国产精品 国内视频| 天天添夜夜摸| 侵犯人妻中文字幕一二三四区| 精品少妇久久久久久888优播| 午夜精品国产一区二区电影| 国产精品久久久人人做人人爽| 免费在线观看亚洲国产| 国产精品99久久99久久久不卡| 女同久久另类99精品国产91| 每晚都被弄得嗷嗷叫到高潮| 五月开心婷婷网| 丰满的人妻完整版| 国产午夜精品久久久久久| av欧美777| 欧美日韩亚洲高清精品| 国产精品九九99| 亚洲人成77777在线视频| 午夜久久久在线观看| 午夜精品国产一区二区电影| 午夜福利在线观看吧| 99精品在免费线老司机午夜| 美女午夜性视频免费| 久久性视频一级片| 国产乱人伦免费视频| 大陆偷拍与自拍| 久久 成人 亚洲| 天天影视国产精品| 久久久久国内视频| 18禁裸乳无遮挡动漫免费视频| 亚洲全国av大片| 国产亚洲精品久久久久5区| 国产高清videossex| 欧美亚洲日本最大视频资源| 久久精品成人免费网站| 久久国产亚洲av麻豆专区| 国产亚洲精品第一综合不卡| 久久中文字幕一级| 午夜免费鲁丝| 少妇粗大呻吟视频| 嫁个100分男人电影在线观看| 国产精品一区二区免费欧美| 精品一区二区三卡| 免费看十八禁软件| 女性被躁到高潮视频| 国产欧美亚洲国产| 看免费av毛片| 国产精品久久久人人做人人爽| 亚洲国产中文字幕在线视频| 在线视频色国产色| 日本撒尿小便嘘嘘汇集6| 丰满饥渴人妻一区二区三| 午夜福利在线观看吧| 亚洲专区字幕在线| 高清黄色对白视频在线免费看| 国产极品粉嫩免费观看在线| 黄色成人免费大全| 亚洲欧美一区二区三区黑人| 两性午夜刺激爽爽歪歪视频在线观看 | 精品人妻熟女毛片av久久网站| 黑人猛操日本美女一级片| av线在线观看网站| e午夜精品久久久久久久| 老司机亚洲免费影院| 亚洲精品美女久久久久99蜜臀| 欧美一级毛片孕妇| 天天躁狠狠躁夜夜躁狠狠躁| 午夜老司机福利片| 老熟女久久久| 欧美人与性动交α欧美精品济南到| 久久久久久人人人人人| 成年人黄色毛片网站| 一级黄色大片毛片| 精品久久久久久久毛片微露脸| 热re99久久国产66热| 日韩 欧美 亚洲 中文字幕| 成年女人毛片免费观看观看9 | 99热只有精品国产| 久久草成人影院| 免费在线观看影片大全网站| 一区二区三区精品91| 国产精品国产高清国产av | 91九色精品人成在线观看| 久久久久国内视频| 国产一区二区三区视频了| 久久久久久亚洲精品国产蜜桃av| 99热只有精品国产| 精品高清国产在线一区| 视频在线观看一区二区三区| 欧美+亚洲+日韩+国产| 国产成人欧美在线观看 | 亚洲,欧美精品.| 我的亚洲天堂| 午夜亚洲福利在线播放| 亚洲欧美日韩另类电影网站| e午夜精品久久久久久久| 国产精品免费一区二区三区在线 | 国产av一区二区精品久久| 一级毛片精品| 日韩熟女老妇一区二区性免费视频| 国产精品一区二区精品视频观看| 久久这里只有精品19| 欧美精品高潮呻吟av久久| 亚洲精品久久午夜乱码| 交换朋友夫妻互换小说| 国产亚洲一区二区精品| 中出人妻视频一区二区| 成年人免费黄色播放视频| 精品卡一卡二卡四卡免费| 18禁裸乳无遮挡免费网站照片 | 亚洲欧美激情在线| 亚洲一区高清亚洲精品| 久久精品91无色码中文字幕| 久久中文字幕一级| 丰满饥渴人妻一区二区三| 国产成人欧美在线观看 | 极品人妻少妇av视频| 人妻 亚洲 视频| 91在线观看av| 两性夫妻黄色片| 日韩成人在线观看一区二区三区| 大码成人一级视频| 美女高潮到喷水免费观看| 欧美激情久久久久久爽电影 | 久久亚洲精品不卡| 窝窝影院91人妻| 色精品久久人妻99蜜桃| www.自偷自拍.com| 老司机午夜福利在线观看视频| 国产欧美亚洲国产| 少妇 在线观看| 十分钟在线观看高清视频www| 国产精品久久久人人做人人爽| 十分钟在线观看高清视频www| 99re在线观看精品视频| 成人精品一区二区免费| 欧美日韩成人在线一区二区| 巨乳人妻的诱惑在线观看| 国产男女内射视频| 国产成人av激情在线播放| 最近最新中文字幕大全免费视频| 国产精品98久久久久久宅男小说| 亚洲欧美一区二区三区黑人| 国产乱人伦免费视频| 波多野结衣一区麻豆| 99久久人妻综合| 18禁裸乳无遮挡动漫免费视频| 久久久水蜜桃国产精品网| 老司机在亚洲福利影院| 午夜精品在线福利| 久久久国产欧美日韩av| 美女扒开内裤让男人捅视频| 国产主播在线观看一区二区| 免费一级毛片在线播放高清视频 | 色婷婷久久久亚洲欧美| 国产精品自产拍在线观看55亚洲 | 男女免费视频国产| 一区二区三区国产精品乱码| 搡老岳熟女国产| 久久久久久久午夜电影 | 国产有黄有色有爽视频| 国产精品98久久久久久宅男小说| 成年人黄色毛片网站| 丰满饥渴人妻一区二区三| x7x7x7水蜜桃|