• <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
    91久久精品电影网| 人人妻人人澡人人看| 极品人妻少妇av视频| 噜噜噜噜噜久久久久久91| 青春草视频在线免费观看| 黄色欧美视频在线观看| 久久久欧美国产精品| 久久久久久久久久成人| 久久99精品国语久久久| 狂野欧美激情性xxxx在线观看| 亚洲av免费高清在线观看| 如何舔出高潮| 亚洲欧美日韩东京热| 人妻夜夜爽99麻豆av| 日韩制服骚丝袜av| 精品国产国语对白av| 特大巨黑吊av在线直播| 在线精品无人区一区二区三| 国产成人精品无人区| 美女国产视频在线观看| 亚洲情色 制服丝袜| 黄色视频在线播放观看不卡| 精品亚洲成国产av| 黄色配什么色好看| 久久国产乱子免费精品| 嫩草影院新地址| 亚洲四区av| 国产爽快片一区二区三区| 国产成人一区二区在线| 亚洲精品日韩在线中文字幕| 欧美另类一区| 一级黄片播放器| 日韩电影二区| 91午夜精品亚洲一区二区三区| 久久久久久久久大av| 啦啦啦视频在线资源免费观看| 韩国高清视频一区二区三区| 免费在线观看成人毛片| 18+在线观看网站| 亚洲av日韩在线播放| 丰满人妻一区二区三区视频av| 男男h啪啪无遮挡| 国产一级毛片在线| 黄色配什么色好看| 久久久久久久久大av| 嫩草影院入口| 中文字幕人妻熟人妻熟丝袜美| 九草在线视频观看| 亚洲精品久久久久久婷婷小说| 色哟哟·www| 老司机影院成人| 91成人精品电影| 免费av不卡在线播放| 精华霜和精华液先用哪个| 少妇裸体淫交视频免费看高清| 久久精品国产亚洲网站| 亚洲,欧美,日韩| 2022亚洲国产成人精品| 天美传媒精品一区二区| 久久精品国产亚洲av天美| 女性生殖器流出的白浆| 国产成人91sexporn| 91久久精品国产一区二区成人| 一级av片app| 国产在线视频一区二区| 国产成人91sexporn| videossex国产| 亚洲av在线观看美女高潮| 国产黄片美女视频| 亚洲伊人久久精品综合| 欧美 亚洲 国产 日韩一| 成年av动漫网址| www.av在线官网国产| 观看av在线不卡| 最近中文字幕高清免费大全6| 免费看日本二区| 国产探花极品一区二区| 精品国产乱码久久久久久小说| 偷拍熟女少妇极品色| 国产日韩欧美视频二区| 内射极品少妇av片p| 在线观看免费日韩欧美大片 | 日韩av免费高清视频| 热99国产精品久久久久久7| 欧美成人午夜免费资源| 高清午夜精品一区二区三区| 777米奇影视久久| 亚洲国产最新在线播放| 日韩视频在线欧美| 亚洲一区二区三区欧美精品| 美女xxoo啪啪120秒动态图| 亚洲欧美日韩另类电影网站| 在线精品无人区一区二区三| 日韩中字成人| 欧美日韩国产mv在线观看视频| 91成人精品电影| 精品熟女少妇av免费看| 伦理电影免费视频| 中文字幕制服av| 大香蕉久久网| 日韩中文字幕视频在线看片| 国产黄色视频一区二区在线观看| 亚洲精华国产精华液的使用体验| 亚洲精品久久久久久婷婷小说| 亚洲情色 制服丝袜| 国产69精品久久久久777片| 日韩在线高清观看一区二区三区| 日韩伦理黄色片| 毛片一级片免费看久久久久| 国产日韩欧美亚洲二区| 国产熟女欧美一区二区| 男女边吃奶边做爰视频| 如何舔出高潮| 夜夜看夜夜爽夜夜摸| 亚洲av福利一区| 久久久久精品性色| 人妻制服诱惑在线中文字幕| 亚洲av福利一区| videossex国产| 国产成人精品一,二区| 亚洲精品aⅴ在线观看| 97在线视频观看| 亚洲欧美日韩另类电影网站| 人人妻人人澡人人爽人人夜夜| 亚洲伊人久久精品综合| 日韩欧美精品免费久久| 美女中出高潮动态图| 男人舔奶头视频| av天堂久久9| 如何舔出高潮| 插逼视频在线观看| 成人18禁高潮啪啪吃奶动态图 | 内地一区二区视频在线| 两个人的视频大全免费| 激情五月婷婷亚洲| 高清毛片免费看| 国产有黄有色有爽视频| 成人影院久久| 国产深夜福利视频在线观看| 美女大奶头黄色视频| 日韩强制内射视频| av黄色大香蕉| 亚洲精品亚洲一区二区| 美女内射精品一级片tv| a级一级毛片免费在线观看| 亚洲欧美精品专区久久| 精品久久久精品久久久| 国产淫语在线视频| 日产精品乱码卡一卡2卡三| 色视频在线一区二区三区| 久久久久久人妻| 插逼视频在线观看| 久久综合国产亚洲精品| 91成人精品电影| 久久久久久久久久久久大奶| 毛片一级片免费看久久久久| 久久毛片免费看一区二区三区| 国产午夜精品久久久久久一区二区三区| 国产黄片视频在线免费观看| 日韩视频在线欧美| 久久精品国产自在天天线| 日韩欧美精品免费久久| 欧美高清成人免费视频www| 国产精品成人在线| 亚洲国产最新在线播放| 亚洲性久久影院| 搡女人真爽免费视频火全软件| 国产在视频线精品| 18+在线观看网站| 日韩中字成人| 国产黄色视频一区二区在线观看| 久久国产精品大桥未久av | 久久av网站| 国产极品粉嫩免费观看在线 | 亚洲欧美日韩另类电影网站| 精品国产一区二区三区久久久樱花| 美女视频免费永久观看网站| 永久免费av网站大全| 噜噜噜噜噜久久久久久91| 在线亚洲精品国产二区图片欧美 | 七月丁香在线播放| 狂野欧美激情性bbbbbb| 国产精品一区二区在线观看99| 日韩中文字幕视频在线看片| 国产乱来视频区| 高清视频免费观看一区二区| 中国三级夫妇交换| 亚洲精品第二区| 国产在线视频一区二区| 国产亚洲午夜精品一区二区久久| 男人狂女人下面高潮的视频| 国产高清不卡午夜福利| 国产高清国产精品国产三级| 欧美成人午夜免费资源| 亚洲精品aⅴ在线观看| 天美传媒精品一区二区| 国产欧美日韩精品一区二区| 亚洲伊人久久精品综合| 少妇熟女欧美另类| 美女脱内裤让男人舔精品视频| 一边亲一边摸免费视频| 狠狠精品人妻久久久久久综合| 亚洲电影在线观看av| 男女国产视频网站| 国产在线一区二区三区精| 久久99一区二区三区| 人人妻人人添人人爽欧美一区卜| 国产色爽女视频免费观看| 国产黄色免费在线视频| 99九九线精品视频在线观看视频| 在线 av 中文字幕| 国产精品一区二区三区四区免费观看| 我的女老师完整版在线观看| 中文字幕精品免费在线观看视频 | 乱码一卡2卡4卡精品| 在线观看av片永久免费下载| av国产久精品久网站免费入址| 秋霞伦理黄片| 极品人妻少妇av视频| 在线免费观看不下载黄p国产| 精品酒店卫生间| 免费久久久久久久精品成人欧美视频 | 成人午夜精彩视频在线观看| 国产精品秋霞免费鲁丝片| 狂野欧美白嫩少妇大欣赏| 色94色欧美一区二区| 国产亚洲午夜精品一区二区久久| 国产在线一区二区三区精| 男人舔奶头视频| 精品国产国语对白av| h视频一区二区三区| 观看av在线不卡| av女优亚洲男人天堂| 国产欧美亚洲国产| 9色porny在线观看| 青春草视频在线免费观看| 精品国产乱码久久久久久小说| 国产 精品1| 成人免费观看视频高清| 欧美日韩视频高清一区二区三区二| 免费黄频网站在线观看国产| 久久精品国产自在天天线| 熟女人妻精品中文字幕| 亚洲欧美一区二区三区黑人 | 高清午夜精品一区二区三区| 91精品国产国语对白视频| 久久婷婷青草| 亚州av有码| 如何舔出高潮| 一区二区三区精品91| 国语对白做爰xxxⅹ性视频网站| 中国美白少妇内射xxxbb| 久久久久久久久大av| 免费看av在线观看网站| 男女啪啪激烈高潮av片| 一本一本综合久久| 99视频精品全部免费 在线| 国产精品一区二区在线不卡| 中文字幕久久专区| 成人国产av品久久久| 又黄又爽又刺激的免费视频.| 自拍偷自拍亚洲精品老妇| 夜夜骑夜夜射夜夜干| 精品人妻熟女毛片av久久网站| xxx大片免费视频| 特大巨黑吊av在线直播| 中文欧美无线码| 日本欧美国产在线视频| 黄色日韩在线| 一区二区三区四区激情视频| 人妻一区二区av| 久久久国产一区二区| 国产爽快片一区二区三区| 国产极品天堂在线| 简卡轻食公司| 国产精品一区二区性色av| 国产免费视频播放在线视频| 亚洲,欧美,日韩| 一级a做视频免费观看| 精品人妻一区二区三区麻豆| 搡女人真爽免费视频火全软件| 麻豆精品久久久久久蜜桃| 亚洲电影在线观看av| 久久国产亚洲av麻豆专区| 80岁老熟妇乱子伦牲交| 九色成人免费人妻av| 高清在线视频一区二区三区| 久久精品久久久久久噜噜老黄| 99热6这里只有精品| 夜夜看夜夜爽夜夜摸| 啦啦啦视频在线资源免费观看| 亚洲欧美成人精品一区二区| 免费久久久久久久精品成人欧美视频 | 久久久久视频综合| 自线自在国产av| 久久99蜜桃精品久久| 丝袜脚勾引网站| av天堂中文字幕网| 国精品久久久久久国模美| 欧美变态另类bdsm刘玥| 日韩中文字幕视频在线看片| av在线老鸭窝| 色婷婷av一区二区三区视频| 亚洲精品中文字幕在线视频 | 一级毛片久久久久久久久女| 日韩成人伦理影院| 激情五月婷婷亚洲| av视频免费观看在线观看| 十分钟在线观看高清视频www | 三级国产精品欧美在线观看| 99久国产av精品国产电影| 成人免费观看视频高清| 少妇猛男粗大的猛烈进出视频| 99热这里只有是精品50| 免费不卡的大黄色大毛片视频在线观看| 亚洲国产成人一精品久久久| 午夜av观看不卡| 最近2019中文字幕mv第一页| 天天操日日干夜夜撸| 能在线免费看毛片的网站| 国产一区二区三区综合在线观看 | 日韩三级伦理在线观看| av在线app专区| 亚洲欧美成人综合另类久久久| 99热6这里只有精品| 欧美精品一区二区大全| 女性被躁到高潮视频| 全区人妻精品视频| 欧美日韩国产mv在线观看视频| 欧美激情极品国产一区二区三区 | 2018国产大陆天天弄谢| 国产日韩欧美亚洲二区| 99久久中文字幕三级久久日本| 精品99又大又爽又粗少妇毛片| 日本av免费视频播放| 免费在线观看成人毛片| 亚洲真实伦在线观看| 黄色视频在线播放观看不卡| a级毛片在线看网站| 成年人午夜在线观看视频| 你懂的网址亚洲精品在线观看| 久久国产亚洲av麻豆专区| 亚洲国产日韩一区二区| 久久6这里有精品| 色5月婷婷丁香| 久久久精品94久久精品| 97超碰精品成人国产| √禁漫天堂资源中文www| 日本欧美视频一区| 97超视频在线观看视频| 国产一区有黄有色的免费视频| 久久久久久伊人网av| 国产91av在线免费观看| 亚洲怡红院男人天堂| 免费黄网站久久成人精品| 精品久久久久久久久亚洲| 成人二区视频| 欧美bdsm另类| 亚洲av在线观看美女高潮| 亚洲欧美成人综合另类久久久| 三上悠亚av全集在线观看 | 丝瓜视频免费看黄片| 国产欧美日韩综合在线一区二区 | 日韩欧美 国产精品| 精品一区二区三区视频在线| 边亲边吃奶的免费视频| 一本一本综合久久| 久久久久久久久久久久大奶| 国产淫片久久久久久久久| 国产成人精品无人区| 色婷婷久久久亚洲欧美| 国产免费一级a男人的天堂| 在现免费观看毛片| 高清黄色对白视频在线免费看 | 蜜臀久久99精品久久宅男| 欧美xxxx性猛交bbbb| 久久免费观看电影| a级毛色黄片| av在线观看视频网站免费| 国产精品国产三级国产专区5o| 欧美亚洲 丝袜 人妻 在线| 国产精品99久久99久久久不卡 | 国产男女内射视频| 人人妻人人看人人澡| 成人影院久久| 内射极品少妇av片p| 美女xxoo啪啪120秒动态图| 久久av网站| 在线观看美女被高潮喷水网站| 久久久久久久久久成人| 一二三四中文在线观看免费高清| 久久久国产精品麻豆| 国产成人a∨麻豆精品| 大香蕉久久网| 精品久久久精品久久久| 国产精品一区二区性色av| 国产精品久久久久久精品电影小说| 天堂中文最新版在线下载| 日韩免费高清中文字幕av| 免费观看在线日韩| 久久久久精品性色| 免费高清在线观看视频在线观看| 丰满饥渴人妻一区二区三| 国产精品无大码| 香蕉精品网在线| 69精品国产乱码久久久| 精品亚洲乱码少妇综合久久| 一本—道久久a久久精品蜜桃钙片| 99热这里只有是精品50| 国产精品欧美亚洲77777| 少妇的逼水好多| 亚洲精品国产色婷婷电影| 人人妻人人看人人澡| 18禁在线播放成人免费| 亚洲中文av在线| av国产久精品久网站免费入址| 国产熟女欧美一区二区| 久久久久精品性色| 亚洲av国产av综合av卡| 久热久热在线精品观看| 亚洲国产精品专区欧美| 在线观看一区二区三区激情| 午夜久久久在线观看| 国产欧美日韩精品一区二区| 一级二级三级毛片免费看| 十八禁网站网址无遮挡 | 久久人妻熟女aⅴ| 亚洲精品日本国产第一区| 边亲边吃奶的免费视频| 韩国高清视频一区二区三区| 久久精品国产自在天天线| 亚洲国产精品国产精品| 欧美精品国产亚洲| 欧美变态另类bdsm刘玥| 亚洲精品久久午夜乱码| 人人妻人人澡人人爽人人夜夜| 亚洲综合精品二区| 欧美精品人与动牲交sv欧美| 黄色视频在线播放观看不卡| 亚洲美女黄色视频免费看| 欧美 日韩 精品 国产| 亚洲国产av新网站| 青春草视频在线免费观看| 国内揄拍国产精品人妻在线| 中文字幕制服av| 99久久精品热视频| 国产一区有黄有色的免费视频| 一级a做视频免费观看| 久久亚洲国产成人精品v| 一级毛片久久久久久久久女| .国产精品久久| 国产精品熟女久久久久浪| 91午夜精品亚洲一区二区三区| 热re99久久精品国产66热6| 69精品国产乱码久久久| videos熟女内射| 精品久久久久久久久av| 内射极品少妇av片p| 99久久综合免费| 男女免费视频国产| 亚洲精品成人av观看孕妇| 日本午夜av视频| av线在线观看网站| 亚洲内射少妇av| 97超碰精品成人国产| 日日爽夜夜爽网站| 亚洲欧美精品自产自拍| 少妇熟女欧美另类| 成人国产麻豆网| 午夜影院在线不卡| av一本久久久久| 十八禁网站网址无遮挡 | 男女啪啪激烈高潮av片| 欧美成人精品欧美一级黄| 亚洲美女视频黄频| 日韩精品免费视频一区二区三区 | 自拍偷自拍亚洲精品老妇| 国产91av在线免费观看| 自拍欧美九色日韩亚洲蝌蚪91 | 大片免费播放器 马上看| 天堂中文最新版在线下载| 亚洲欧美日韩另类电影网站| 久久久久精品久久久久真实原创| 亚洲av成人精品一区久久| 国产亚洲午夜精品一区二区久久| 国产在线视频一区二区| 欧美 亚洲 国产 日韩一| 这个男人来自地球电影免费观看 | 少妇高潮的动态图| 在线 av 中文字幕| 久久国产乱子免费精品| 免费黄频网站在线观看国产| 国产高清国产精品国产三级| 色94色欧美一区二区| 精品一区二区三区视频在线| 亚洲熟女精品中文字幕| 国产色爽女视频免费观看| 日韩强制内射视频| .国产精品久久| 国产精品一区www在线观看| 国产精品成人在线| 欧美 日韩 精品 国产| 久久久久久伊人网av| 国产av一区二区精品久久| 校园人妻丝袜中文字幕| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区www在线观看| 亚洲熟女精品中文字幕| 午夜影院在线不卡| 在线观看美女被高潮喷水网站| 嫩草影院新地址| 国产熟女欧美一区二区| 三级国产精品片| 视频区图区小说| 日韩精品免费视频一区二区三区 | 91久久精品电影网| 成人二区视频| 国产一区亚洲一区在线观看| 午夜视频国产福利| 男男h啪啪无遮挡| 国产高清不卡午夜福利| 国产成人a∨麻豆精品| 男的添女的下面高潮视频| 亚洲成人一二三区av| 日本av免费视频播放| 国产色爽女视频免费观看| 亚洲国产精品一区三区| 熟女电影av网| 国产精品一区www在线观看| 国产亚洲5aaaaa淫片| 久久精品国产亚洲av天美| 中文精品一卡2卡3卡4更新| 国产精品不卡视频一区二区| 国产免费视频播放在线视频| 国内少妇人妻偷人精品xxx网站| 国产欧美日韩一区二区三区在线 | 高清欧美精品videossex| 国产精品福利在线免费观看| 少妇精品久久久久久久| 91久久精品国产一区二区三区| 国产成人精品福利久久| 亚洲国产精品成人久久小说| 最黄视频免费看| 日本欧美视频一区| 亚洲色图综合在线观看| 男的添女的下面高潮视频| 中文字幕免费在线视频6| 午夜激情久久久久久久| 国产成人freesex在线| 在线 av 中文字幕| 国产欧美日韩综合在线一区二区 | 免费观看a级毛片全部| 国产高清三级在线| 久久综合国产亚洲精品| 亚洲欧美精品自产自拍| 欧美日韩亚洲高清精品| 亚洲欧洲日产国产| 性高湖久久久久久久久免费观看| 欧美日韩av久久| 亚洲美女视频黄频| 国产精品人妻久久久久久| 国模一区二区三区四区视频| 在线观看免费日韩欧美大片 | 精品熟女少妇av免费看| 美女视频免费永久观看网站| 少妇的逼好多水| 性高湖久久久久久久久免费观看| 少妇 在线观看| 国产成人免费观看mmmm| 国产毛片在线视频| 欧美 亚洲 国产 日韩一| 日本午夜av视频| 亚洲丝袜综合中文字幕| 久久国产亚洲av麻豆专区| av网站免费在线观看视频| 中文字幕制服av| 黑人猛操日本美女一级片| 亚洲久久久国产精品| 亚洲成人手机| 三级国产精品欧美在线观看| 久久久久久人妻| av天堂久久9| 欧美xxⅹ黑人| 精品99又大又爽又粗少妇毛片| 丰满乱子伦码专区| 国产精品久久久久久久电影| 亚洲成人一二三区av| 少妇的逼好多水| 国产男女超爽视频在线观看| 人妻系列 视频| xxx大片免费视频| 日韩熟女老妇一区二区性免费视频| 亚洲人与动物交配视频| 99久久中文字幕三级久久日本| 国产探花极品一区二区| 精品一区二区三区视频在线| 亚洲国产av新网站| 高清视频免费观看一区二区| 亚洲欧美中文字幕日韩二区| 搡女人真爽免费视频火全软件| 国产伦理片在线播放av一区| 国产老妇伦熟女老妇高清| 亚洲国产av新网站| 伦精品一区二区三区| 国产 精品1| 十分钟在线观看高清视频www | 在线观看国产h片| 你懂的网址亚洲精品在线观看| 18禁动态无遮挡网站| 噜噜噜噜噜久久久久久91| 永久网站在线| 午夜精品国产一区二区电影| av一本久久久久| 寂寞人妻少妇视频99o| 熟妇人妻不卡中文字幕|