亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        自動(dòng)駕駛車輛道路測試場景評價(jià)方法與試驗(yàn)驗(yàn)證*

        2021-05-12 02:52:12孫亞夫
        汽車工程 2021年4期
        關(guān)鍵詞:復(fù)雜度參與者靜態(tài)

        王 榮,孫亞夫,宋 娟

        (1. 工業(yè)和信息化部計(jì)算機(jī)與微電子發(fā)展研究中心(中國軟件評測中心),智能網(wǎng)聯(lián)駕駛測試與評價(jià)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室,北京 100048;2. 北京千方科技股份有限公司,北京 100085)

        前言

        以自動(dòng)駕駛車輛(包括智能汽車、無人駕駛汽車、智能網(wǎng)聯(lián)汽車等)為例,在自動(dòng)駕駛技術(shù)的發(fā)展和智能網(wǎng)聯(lián)汽車商業(yè)化應(yīng)用的迫切需求下,自動(dòng)駕駛車輛道路測試顯得極為重要。通過對自動(dòng)駕駛車輛進(jìn)行道路測試,既可以對新技術(shù)進(jìn)行測試驗(yàn)證,促進(jìn)技術(shù)發(fā)展,還可以檢驗(yàn)自動(dòng)駕駛車輛的安全性[1-2]。

        基于道路場景的車輛測試方法是目前主流的車輛測試方法。例如美國公路交通安全管理局(NHTSA)預(yù)碰撞場景、美國交通部(DOT)和Waymo核心駕駛能力的測試項(xiàng)目和場景[3]。德國政府研究事故場景,在電子地圖上表示事故類型、交通類型和事故嚴(yán)重程度[4]。歐盟梳理潛在的和真實(shí)事故場景與特征,總結(jié)人工和自動(dòng)駕駛關(guān)鍵場景[5]。我國發(fā)布的《智能網(wǎng)聯(lián)汽車道路測試管理規(guī)范(試行)》規(guī)定自動(dòng)駕駛功能檢測項(xiàng)目。中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟和全國汽標(biāo)委針對此《管理規(guī)范》細(xì)化的檢測項(xiàng)目與場景[6-7]。中關(guān)村智通智能交通產(chǎn)業(yè)聯(lián)盟發(fā)布《自動(dòng)駕駛車輛測試道路要求》,對測試道路進(jìn)行分級[8]。北京理工大學(xué)張昕等[9]提出基于信息熵的特殊區(qū)域環(huán)境復(fù)雜度計(jì)算模型。吉林大學(xué)王云鵬等[10]提出定量評價(jià)交通環(huán)境因素的方法。在現(xiàn)有技術(shù)中,場景復(fù)雜度模型沒有針對自動(dòng)駕駛汽車的自身數(shù)據(jù)進(jìn)行綜合分析,場景分類也大多基于自動(dòng)駕駛功能、事故等維度,沒有區(qū)分不同類別場景的難易度或復(fù)雜程度,從而無法依據(jù)分類選取出適用于自動(dòng)駕駛道路測試的典型場景。因此,現(xiàn)階段自動(dòng)駕駛車輛須進(jìn)行大量的場景測試來驗(yàn)證自動(dòng)駕駛能力,測試效率和測評效果均有待提升。基于現(xiàn)有技術(shù),研究場景評價(jià)與分類方法是自動(dòng)駕駛車輛道路測試亟需突破的難點(diǎn)之一[11-12]。

        本文中提出了一種自動(dòng)駕駛車輛道路測試的場景評價(jià)與分類方法,以解決現(xiàn)有技術(shù)存在的無法區(qū)分不同道路測試場景的復(fù)雜度,更無法依據(jù)分類選取出適用于自動(dòng)駕駛道路測試的典型場景,測試效率和測評效果均有待提升的問題。通過確定一個(gè)或多個(gè)預(yù)先創(chuàng)建的道路場景,并確定為創(chuàng)建道路場景所采用的場景組成要素;獲取場景組成要素所對應(yīng)的信息,將場景組成要素劃分為靜態(tài)場景要素和動(dòng)態(tài)場景要素;進(jìn)一步計(jì)算靜態(tài)場景要素和動(dòng)態(tài)場景要素分別對應(yīng)的場景復(fù)雜度,綜合得到道路場景所對應(yīng)的場景復(fù)雜度分值。最后,根據(jù)道路場景所對應(yīng)的場景復(fù)雜度分值實(shí)現(xiàn)對場景的分類,使最終得到的分類結(jié)果既能體現(xiàn)出不同道路場景的復(fù)雜程度,又能體現(xiàn)出不同道路場景的類別,本文中提出的道路場景評價(jià)與分類方法能大幅提升測試效率和測評效果。

        1 場景設(shè)計(jì)方案

        基于國際、國內(nèi)自動(dòng)駕駛測試場景標(biāo)準(zhǔn)規(guī)范、道路交通事故場景和國家智能汽車與智慧交通(京冀)示范區(qū)的測試經(jīng)驗(yàn)[13],建立智能網(wǎng)聯(lián)汽車道路測試場景要素庫,通過選取基本要素與要素組成,從功能和邏輯等維度進(jìn)行梳理組合,提取自動(dòng)駕駛測試場景。

        1.1 場景組成要素庫

        通過分析標(biāo)準(zhǔn)規(guī)范場景,包括ISO、NTHSA、SAE、ENCAP、FMCSA 和ADAS 場景[14-18],結(jié)合網(wǎng)絡(luò)事故視頻、公安交管道路交通事故數(shù)據(jù)和事故還原等道路交通事故和人為駕駛經(jīng)驗(yàn),將自動(dòng)駕駛車輛道路測試場景要素庫劃分為靜態(tài)場景要素和動(dòng)態(tài)場景要素。其中靜態(tài)要素包括路段、車道、道路交通標(biāo)志、道路交通標(biāo)線、交通信號燈、其他設(shè)施和天氣,動(dòng)態(tài)要素包括場景參與者。場景要素庫見表1。

        表1 自動(dòng)駕駛車輛道路測試場景要素庫

        1.2 測試場景的提取

        根據(jù)上述場景要素庫中的組成要素,從功能、邏輯等維度進(jìn)行梳理組合,自動(dòng)駕駛功能包括直行、跟車、變更車道和路口左轉(zhuǎn)等,邏輯維度是在功能研究的基礎(chǔ)上,考慮自然環(huán)境條件、道路屬性和運(yùn)動(dòng)狀態(tài)等,進(jìn)而劃分為不同時(shí)間、不同天氣狀態(tài)、道路等級和道路長度等,設(shè)計(jì)形成測試場景[19],如圖1 所示。

        1.3 測評場景

        根據(jù)上述方法設(shè)計(jì)道路場景,參考T/CMAX116-01-2018《自動(dòng)駕駛車輛道路測試能力評估與方法》[20],從自動(dòng)駕駛車輛認(rèn)知與交通法規(guī)遵守能力、執(zhí)行能力、應(yīng)急處置與人工介入能力和綜合駕駛能力等方面,設(shè)計(jì)搭建50 組城市道路測評場景,如圖2所示。

        圖1 自動(dòng)駕駛車輛道路測試場景的提取

        2 場景評價(jià)與分類方法

        提出場景復(fù)雜度模型,它是根據(jù)道路交通環(huán)境的影響因素,建立一個(gè)評估道路交通環(huán)境復(fù)雜程度的評價(jià)模型,用來反映道路交通環(huán)境的參與者和其所處的交通環(huán)境之間的相互作用關(guān)系。進(jìn)一步通過場景評價(jià)方法進(jìn)行場景分類,可以分為簡單、中等和復(fù)雜3 個(gè)等級的環(huán)境測試場景。場景評價(jià)與分類流程如圖3 所示。

        場景評價(jià)理論主要基于場景復(fù)雜度,它是指自動(dòng)駕駛車輛道路測試評價(jià)場景的復(fù)雜程度,在研究道路交通環(huán)境影響因素時(shí)僅考慮周圍環(huán)境對自動(dòng)駕駛車輛造成的其他交通參與者、路段、標(biāo)志標(biāo)線等相關(guān)影響因素,不考慮風(fēng)向、溫度濕度、樹木抖動(dòng)等自然條件。場景復(fù)雜度是一個(gè)相對的概念,不會(huì)離開自動(dòng)駕駛車輛而存在,是一個(gè)隨著因素變化而變化的變量,在道路交通環(huán)境測試中會(huì)隨著距離、速度等因素的變化而變化。

        本文中將自動(dòng)駕駛車輛道路測試場景復(fù)雜度分為靜態(tài)場景復(fù)雜度和動(dòng)態(tài)場景復(fù)雜度,其中靜態(tài)場景復(fù)雜度引入信息熵理論,計(jì)算離散信息源的信息量總和,考慮靜態(tài)場景要素的類型和權(quán)重;動(dòng)態(tài)場景復(fù)雜度引入加速引力模型,考慮場景參與者和測試車輛之間的距離、速度等的相互影響因素[21-23]。場景復(fù)雜度由靜態(tài)場景復(fù)雜度和動(dòng)態(tài)場景復(fù)雜度的綜合評價(jià)結(jié)果得到,場景復(fù)雜度如圖4所示。

        圖2 50組城市道路交通場景

        2.1 靜態(tài)場景復(fù)雜度

        靜態(tài)場景復(fù)雜度引入信息熵理論確定靜態(tài)場景要素的信息熵,考慮靜態(tài)場景要素的類型和權(quán)重。靜態(tài)復(fù)雜度系數(shù)(信息熵)計(jì)算公式為

        式中:θ1為靜態(tài)場景復(fù)雜度系數(shù);h為靜態(tài)場景復(fù)雜度中各個(gè)場景組成要素所對應(yīng)分組標(biāo)簽的類型總數(shù);pi為根據(jù)靜態(tài)場景復(fù)雜度構(gòu)建的圖形結(jié)構(gòu)中相同類型節(jié)點(diǎn)數(shù)與節(jié)點(diǎn)總數(shù)的比值。

        圖3 場景評價(jià)與分類流程示意圖

        圖4 自動(dòng)駕駛車輛道路測試行為評價(jià)場景復(fù)雜度

        不同靜態(tài)環(huán)境要素權(quán)重根據(jù)專家打分確定:

        式中:C0為靜態(tài)場景復(fù)雜度;βn為靜態(tài)場景組成要素中第n個(gè)分組所對應(yīng)的權(quán)重;Yn為靜態(tài)場景組成要素中第n個(gè)分組內(nèi)各個(gè)場景組成要素所對應(yīng)的預(yù)設(shè)分值之和。

        2.2 動(dòng)態(tài)場景復(fù)雜度

        基于引力模型研究,提出動(dòng)態(tài)場景復(fù)雜度與場景中的動(dòng)態(tài)因素有關(guān),復(fù)雜度與測試車輛和場景參與者的速度、兩者之間的距離與夾角等存在某種數(shù)學(xué)函數(shù)關(guān)系。將動(dòng)態(tài)因素對測試車輛的影響作用視為環(huán)境復(fù)雜度的場效應(yīng)機(jī)制,測試車輛與場景參與者之間的相對速度與距離作為衡量場強(qiáng)度的指標(biāo),對環(huán)境復(fù)雜度的場分布進(jìn)行數(shù)學(xué)描述,將動(dòng)態(tài)因素進(jìn)行抽象概括。根據(jù)測試車輛屬性與交通參與者屬性初步形成具有場效應(yīng)的復(fù)雜度引力模型結(jié)構(gòu)體系,其模型的基本形式為

        式中:C1為動(dòng)態(tài)場景復(fù)雜度;K1為測試車輛的屬性值;K2為交通參與者的屬性值;c為常數(shù)。

        測試車輛的屬性值的計(jì)算公式為

        式中:a為常系數(shù),為調(diào)整模型規(guī)范的一個(gè)常數(shù);t1為測試車輛的反應(yīng)時(shí)間;v1為測試車輛的行車速度;d1為測試車輛與交通參與者的距離;θ為測試車輛與其他交通參與者之間的夾角。

        交通參與者屬性值的計(jì)算公式為

        式中:p為常數(shù);t2為交通參與者的被感測時(shí)間;v2為交通參與者的速度;d2為交通參與者的運(yùn)動(dòng)距離。

        根據(jù)靜態(tài)場景復(fù)雜度和動(dòng)態(tài)場景復(fù)雜度計(jì)算得到道路測試場景的復(fù)雜度,即

        式中C為道路測試場景復(fù)雜度。

        3 場景評價(jià)與分類的試驗(yàn)研究

        從設(shè)計(jì)搭建的50 組自動(dòng)駕駛車輛道路測試場景中選取10 組典型場景,通過開展實(shí)車試驗(yàn)研究,搭建測試環(huán)境、采集并分析試驗(yàn)數(shù)據(jù),旨在對自動(dòng)駕駛車輛道路測試場景評價(jià)方法進(jìn)行驗(yàn)證。

        3.1 試驗(yàn)準(zhǔn)備

        3.1.1 測試車輛

        測試車輛選用Tesla Model S,在測試車輛上安裝激光雷達(dá)、攝像頭、工控機(jī)、慣導(dǎo)等測試設(shè)備,測試車輛與設(shè)備見圖5。

        圖5 Tesla Model S和測試設(shè)備

        3.1.2 交通參與者

        (1)背景車

        交通參與者是3 輛背景車:上汽大通T60,長×寬×高為5 365 mm×1 900 mm×1 809 mm;華晨金杯,長×寬×高為5 020 mm×1 690 mm×1 935 mm;福田皮卡,長×寬×高為5 310 mm×1 860 mm×1 790 mm。

        (2)假人

        交通參與者模擬行人,安裝在可移動(dòng)小車上,如圖6所示。

        圖6 交通參與者

        3.1.3 數(shù)據(jù)采集設(shè)備

        數(shù)據(jù)采集設(shè)備采用華測P3 北斗高精度定位測向接收機(jī)。通過慣導(dǎo)采集測試車輛的數(shù)據(jù),包括測試車輛速度、測試車輛正前方與交通參與者之間的夾角、測試車輛與交通參與者的距離和交通參與者數(shù)據(jù)包括交通參與者速度等。

        3.2 場景評價(jià)與分類試驗(yàn)

        選取的10 組典型場景編號分別為5、6、7、13、22、29、30、33、34、42,分別計(jì)算每個(gè)場景的場景復(fù)雜度分值。下面以測試場景30 為例,計(jì)算該測試場景的復(fù)雜度。該測試場景的測試車輛在右側(cè)車道左轉(zhuǎn),行人沿車道線同向行走,如圖7所示。

        3.2.1 測試現(xiàn)場

        測試車輛位于測試車道,開啟自動(dòng)駕駛模式;測試終點(diǎn)設(shè)在離測試車輛前進(jìn)方向十字路口左側(cè)50 m 以上的位置,行人沿兩車道分割線同向行走,實(shí)時(shí)記錄測試車輛和行人的速度、相對距離和夾角等參數(shù),測試現(xiàn)場如圖8所示。

        圖7 測試場景30

        圖8 場景30測試現(xiàn)場

        3.2.2 評價(jià)方法

        (1)靜態(tài)場景復(fù)雜度

        統(tǒng)計(jì)場景30的靜態(tài)環(huán)境要素庫如圖9所示。

        圖9 場景30環(huán)境靜態(tài)要素庫

        場景30的構(gòu)成節(jié)點(diǎn)分組統(tǒng)計(jì)如表2所示。

        計(jì)算交通環(huán)境復(fù)雜度系數(shù):

        表2 場景30靜態(tài)環(huán)境要素的節(jié)點(diǎn)分組統(tǒng)計(jì)

        靜態(tài)影響類別的權(quán)重分別為路段、車道、交通信號燈和天時(shí),設(shè)置難易程度(0-10)分別為3、6、6.5、5[8-9]。通過判斷矩陣,得到權(quán)重:路段β1=0.1463,車道β2=0.2927,交通信號燈β3=0.3171,天時(shí)β4=0.2439。

        表3 為靜態(tài)要素分值表,由專家打分確定各指標(biāo)對應(yīng)影響要素分值[8-9],路段Y1=7、車道Y2=5、交通信號燈Y3=6、天時(shí)Y4=3、Y5=3。

        表3 靜態(tài)要素分值

        靜態(tài)環(huán)境復(fù)雜度分?jǐn)?shù)為

        (2)動(dòng)態(tài)場景復(fù)雜度

        將試驗(yàn)測試數(shù)據(jù)代入式(3)~式(5),得到的動(dòng)態(tài)場景復(fù)雜度分?jǐn)?shù)為

        (3)場景復(fù)雜度

        自動(dòng)駕駛車輛道路測試場景復(fù)雜度為

        3.3 試驗(yàn)結(jié)果分析

        對10 組典型場景的場景復(fù)雜度分別進(jìn)行計(jì)算,統(tǒng)計(jì)每個(gè)場景的靜態(tài)場景復(fù)雜度、動(dòng)態(tài)場景復(fù)雜度和場景復(fù)雜度,10 組典型場景復(fù)雜度統(tǒng)計(jì)如表4所示。

        表4 10組場景復(fù)雜度匯總

        從表4 可知,利用本文中研究的場景復(fù)雜度模型可以計(jì)算出每個(gè)場景的復(fù)雜度值,其中靜態(tài)場景復(fù)雜度主要由不同類型的靜態(tài)場景要素權(quán)重和場景要素值決定,通過試驗(yàn)發(fā)現(xiàn),采用信息熵理論可以計(jì)算出靜態(tài)場景的復(fù)雜度值,可有效地比較不同場景的難易度,但是數(shù)值相差并不大,主要原因可能是現(xiàn)階段還沒考慮靜態(tài)場景的差異性變化,比如雙向車道的角度、高低和匯合等因素,未來研究可以增加這方面的考慮。而動(dòng)態(tài)場景復(fù)雜度主要由測試車輛與交通參與者的速度、距離和相對夾角決定,通過試驗(yàn)發(fā)現(xiàn),采用引力模型可以有效區(qū)分不同場景難易度,有利于簡單、中等、復(fù)雜不同等級場景的劃分。

        進(jìn)一步通過散點(diǎn)圖觀察不同場景的場景復(fù)雜度,橫坐標(biāo)取為場景編號,縱坐標(biāo)取為場景復(fù)雜度,10 個(gè)場景的分布情況如圖10 所示。按復(fù)雜度將場景分成3個(gè)等級,場景復(fù)雜度<100為簡單場景,100≤場景復(fù)雜度≤500 為中等場景,場景復(fù)雜度>500為復(fù)雜場景,因此場景5、6、7、29、30 為簡單場景,場景13、22、33、42為中等場景,場景34為復(fù)雜場景。

        圖10 場景分類圖

        4 試驗(yàn)結(jié)果驗(yàn)證

        具體分析每組場景的復(fù)雜度值,觀察是否與人類認(rèn)知的場景復(fù)雜度相同,以驗(yàn)證場景復(fù)雜度模型的合理性。場景復(fù)雜度驗(yàn)證-1如圖11所示。場景下面括弧中的數(shù)值表示復(fù)雜度值。場景5(侵入車輛識別)的復(fù)雜度>場景7(路口行人橫穿道路)的復(fù)雜度>場景6(椎桶識別)的復(fù)雜度,與人類駕駛員經(jīng)驗(yàn)相同。在實(shí)際駕駛過程中,駕駛員躲避靜態(tài)的障礙物、規(guī)律運(yùn)動(dòng)的障礙物和非規(guī)律運(yùn)動(dòng)障礙物的難度也是逐漸增加的。

        圖11 場景復(fù)雜度驗(yàn)證-1

        場景復(fù)雜度驗(yàn)證-2 如圖12 所示。通過分析場景5、場景22 和場景42,場景42(彎道會(huì)車)的復(fù)雜度>場景22(T型路口直行時(shí),左側(cè)支路車輛左轉(zhuǎn))的復(fù)雜度>場景5(侵入車輛識別)的復(fù)雜度,與人類駕駛員經(jīng)驗(yàn)相同,試驗(yàn)結(jié)果合理。

        場景復(fù)雜度驗(yàn)證-3如圖13所示。由圖可見,場景34(路口右轉(zhuǎn)彎,左側(cè)支路車輛直行)的復(fù)雜度>場景29(路口左轉(zhuǎn)彎,對向車輛直行)的復(fù)雜度,與人類駕駛經(jīng)驗(yàn)相同,在實(shí)際駕駛過程中,十字路口右轉(zhuǎn)比左轉(zhuǎn)更易發(fā)生事故,試驗(yàn)結(jié)果合理。

        圖12 場景復(fù)雜度驗(yàn)證-2

        圖13 場景復(fù)雜度驗(yàn)證-3

        綜上所述,通過實(shí)際道路測試,場景復(fù)雜度可以合理反映自動(dòng)駕駛車輛在不同場景下測試的復(fù)雜程度和發(fā)生事故的風(fēng)險(xiǎn)大小,驗(yàn)證了復(fù)雜度模型的合理性。

        5 結(jié)論與展望

        基于場景復(fù)雜度模型提出一種自動(dòng)駕駛車輛道路測試場景的分類方法,既可以實(shí)現(xiàn)對不同道路測試場景的分類,又能夠劃分出適用于不同自動(dòng)駕駛車輛的場景復(fù)雜度,從而有助于自動(dòng)駕駛車輛企業(yè)或第三方測評機(jī)構(gòu)選取典型場景對自動(dòng)駕駛能力進(jìn)行測試驗(yàn)證,有助于提高自動(dòng)駕駛車輛測試效率和測試結(jié)果的可信度,推進(jìn)自動(dòng)駕駛車輛的產(chǎn)業(yè)化。

        深入研究了自動(dòng)駕駛車輛在開放道路環(huán)境下的測試方法,并在國家智能網(wǎng)聯(lián)交通(京冀)示范區(qū)進(jìn)行了可行性驗(yàn)證。試驗(yàn)結(jié)果表明,基于場景的自動(dòng)駕駛車輛道路測試方法能夠?qū)囕v的駕駛行為安全進(jìn)行有效的測試與評價(jià)。本研究將推動(dòng)北京市自動(dòng)駕駛車輛道路測試管理規(guī)則的頒布,促進(jìn)自動(dòng)駕駛企業(yè)開展道路測試,有利于實(shí)現(xiàn)冬奧會(huì)投放自動(dòng)駕駛車隊(duì)的目標(biāo)。

        猜你喜歡
        復(fù)雜度參與者靜態(tài)
        休閑跑步參與者心理和行為相關(guān)性的研究進(jìn)展
        靜態(tài)隨機(jī)存儲(chǔ)器在軌自檢算法
        一種低復(fù)雜度的慣性/GNSS矢量深組合方法
        淺析打破剛性兌付對債市參與者的影響
        求圖上廣探樹的時(shí)間復(fù)雜度
        海外僑領(lǐng)愿做“金絲帶”“參與者”和“連心橋”
        某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
        出口技術(shù)復(fù)雜度研究回顧與評述
        機(jī)床靜態(tài)及動(dòng)態(tài)分析
        具7μA靜態(tài)電流的2A、70V SEPIC/升壓型DC/DC轉(zhuǎn)換器
        国精产品一区二区三区| 亚洲精品国产电影| 久久99热狠狠色精品一区| 按摩师玩弄少妇到高潮av| 老色鬼在线精品视频| 欧美mv日韩mv国产网站| 亚洲人成影院在线高清| 成人全部免费的a毛片在线看| 美女视频在线观看网址大全| 欧美最猛黑人xxxx黑人猛交| 色一情一区二| 亚洲AV无码乱码精品国产草莓| 男女啪啪在线视频网站| 热re99久久精品国99热| 免费黄色电影在线观看| 国产成人精品人人做人人爽| 亚洲av成人一区二区| 久久久国产打桩机| 精品88久久久久88久久久| 久久精品国产一区二区涩涩| 性感女教师在线免费观看| 性裸交a片一区二区三区| 欧美色图中文字幕| 用力草我小逼视频在线播放| 精品国产一区二区三区三级| 99久久人妻精品免费二区| 国产精品九九久久一区hh| 美国黄色av一区二区| 精品国产乱码久久久久久婷婷| 亚洲综合无码一区二区三区 | 91精品国产自拍视频| 熟妇熟女乱妇乱女网站| 国产天堂网站麻豆| 国产一区二区黑丝美女| 少妇被粗大猛进进出出男女片| 亚洲va欧美va日韩va成人网| 人妻无码中文专区久久五月婷| 亚洲综合原千岁中文字幕| 一二三区无线乱码中文在线| 看全色黄大色大片免费久久| 精品一区二区三区四区少妇|