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

        ?

        基于AI的全場(chǎng)景智能基站節(jié)電系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

        2022-09-03 03:23:34趙偉李貝孟寧王廷偉林俊釩陳樂(lè)胡煜華楊漢源
        電信科學(xué) 2022年8期
        關(guān)鍵詞:業(yè)務(wù)量節(jié)電基站

        趙偉,李貝,孟寧,王廷偉,林俊釩,陳樂(lè),胡煜華,楊漢源

        (1.中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司浙江省分公司,浙江 杭州 310051;2.中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司研究院,北京 100048;3.中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司,北京 100033)

        0 引言

        在4G網(wǎng)絡(luò)逐步向5G基站牽引的背景下,不斷增長(zhǎng)的網(wǎng)絡(luò)業(yè)務(wù)需求及流量需求使得基站能耗節(jié)節(jié)攀升。為響應(yīng)國(guó)家集約化綠色網(wǎng)絡(luò)的建設(shè)要求,如何提升基站節(jié)能效率成為運(yùn)營(yíng)商當(dāng)前亟須解決的問(wèn)題。依據(jù)設(shè)備規(guī)格與負(fù)載水平的不同,5G基站每小時(shí)的耗電約2.5度,3G或4G基站則在1~2度,其主要能耗集中在基站的有源天線單元上?,F(xiàn)行基站節(jié)能方案也大多針對(duì)該設(shè)備進(jìn)行節(jié)能,對(duì)夜間低能耗站點(diǎn)采取一刀切直接下電的方式進(jìn)行。在實(shí)際生產(chǎn)中,該方案存在以下不足。

        ? 人工成本高。當(dāng)前需要人工進(jìn)行節(jié)能時(shí)間配置與調(diào)整,操作時(shí)對(duì)運(yùn)維工程師的一線經(jīng)驗(yàn)和專(zhuān)業(yè)水平要求較高。

        ? 節(jié)電策略單一?,F(xiàn)有的節(jié)電方案通常為千站一策,即運(yùn)營(yíng)商對(duì)批量基站設(shè)置統(tǒng)一的節(jié)能時(shí)間段,無(wú)法在不同覆蓋場(chǎng)景和不同業(yè)務(wù)需求下進(jìn)行差異化節(jié)電。

        ? 無(wú)法適應(yīng)動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境。一旦基站下電后便無(wú)法獲取站點(diǎn)附近的用戶情況,無(wú)法應(yīng)對(duì)突發(fā)性業(yè)務(wù)和流量波動(dòng),基站恢復(fù)存在滯后性,易出現(xiàn)聚集性投訴風(fēng)險(xiǎn)。

        ? 難以平衡用戶體驗(yàn)與節(jié)能需求。在實(shí)際節(jié)電時(shí),考慮用戶感知,節(jié)電時(shí)間的參數(shù)設(shè)置通常相對(duì)保守,難以挖掘得到基站的最大節(jié)能空間。

        1 智能節(jié)電建模

        為實(shí)現(xiàn)節(jié)能策略的動(dòng)態(tài)化,需要對(duì)基站的業(yè)務(wù)流量進(jìn)行預(yù)測(cè),以便在低能耗時(shí)段進(jìn)行節(jié)能。當(dāng)前常見(jiàn)做法是將基站的歷史流量數(shù)據(jù)轉(zhuǎn)換為不同的算法進(jìn)行求解,包括傳統(tǒng)時(shí)序算法、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法3種,各有利弊。

        (1)傳統(tǒng)時(shí)序算法

        將業(yè)務(wù)流量預(yù)測(cè)轉(zhuǎn)換為時(shí)序預(yù)測(cè)模型進(jìn)行建模是最為常見(jiàn)的算法。典型的時(shí)間序列預(yù)測(cè)方法包括整合移動(dòng)平均自回歸模型(autoregressive integrated moving average model,ARIMA)、Holt-Winters等。此類(lèi)算法對(duì)周期波動(dòng)明顯的單一時(shí)間序列進(jìn)行預(yù)測(cè)時(shí)預(yù)測(cè)效果較好,但難以適應(yīng)周期波動(dòng)不明顯的時(shí)序或區(qū)域突發(fā)流量。

        (2)機(jī)器學(xué)習(xí)回歸算法

        通過(guò)構(gòu)造時(shí)間特征可將流量預(yù)測(cè)問(wèn)題轉(zhuǎn)化回歸問(wèn)題,繼而使用如支持向量機(jī)(support vector machine,SVM)和梯度提升算法(如 XGBoost)等機(jī)器學(xué)習(xí)算法進(jìn)行預(yù)測(cè)。該類(lèi)算法對(duì)時(shí)間序列中的非線性因素適應(yīng)較好,但對(duì)訓(xùn)練樣本的要求較高且實(shí)際預(yù)測(cè)精度偏低。

        (3)深度學(xué)習(xí)算法

        循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)或長(zhǎng)短期記憶(long short term memory,LSTM)網(wǎng)絡(luò)等深度學(xué)習(xí)模型能夠快速適應(yīng)不穩(wěn)定的時(shí)間序列。但受限于模型本身特性,其建模效率較低。此外,基于序列的神經(jīng)網(wǎng)絡(luò)更關(guān)注與上一刻的業(yè)務(wù)流量情況,易累積預(yù)測(cè)誤差導(dǎo)致最終結(jié)果偏差過(guò)大。

        從時(shí)域特征上看,受地理位置、無(wú)線環(huán)境、周?chē)肆骷盎顒?dòng)等多重因素影響,現(xiàn)網(wǎng)基站的流量波動(dòng)整體呈周期性變化,但偶有突發(fā)性擾動(dòng)。從空域特征上看,基站的覆蓋場(chǎng)景各不相同,存在單站覆蓋區(qū)域、多制式共站、多制式同覆蓋等多種情況,不同情況的流量分擔(dān)方式也不同。因此,對(duì)比上述算法后,文中提出一種先用動(dòng)態(tài)時(shí)間規(guī)整(dynamic time warping,DTW)算法進(jìn)行聚類(lèi),再用不同參數(shù)的季節(jié)性整合移動(dòng)平均自回歸模型(seasonal autoregressive integrated moving average,SARIMA)對(duì)各類(lèi)基站分別建模來(lái)進(jìn)行節(jié)電時(shí)間窗預(yù)測(cè)的算法。

        DTW 聚類(lèi)算法通過(guò)動(dòng)態(tài)規(guī)劃思想提取兩個(gè)不同時(shí)間序列的相似性,進(jìn)而對(duì)時(shí)間序列進(jìn)行聚類(lèi)。假設(shè)有兩個(gè)長(zhǎng)度分別為m和n的時(shí)間序列,如式(1):

        則兩個(gè)序列可構(gòu)建一個(gè)m×n的矩陣,通過(guò)動(dòng)態(tài)規(guī)劃可找出該矩陣的最小累積路徑γ(i,j),如式(2):

        其中,d(Xi,Yj)代表矩陣內(nèi)任意兩點(diǎn)的距離。兩個(gè)時(shí)間序列的相似度即可用γ(i,j)表示,則對(duì)于n個(gè)時(shí)間序列來(lái)說(shuō),需找到使得總相似度最小的聚類(lèi)結(jié)果,以便將具有相似時(shí)序波動(dòng)的小區(qū)聚類(lèi)在一起。

        SARIMA模型是基于ARIMA模型之上,將時(shí)間序列看作依賴時(shí)間t的隨機(jī)變量,通過(guò)數(shù)據(jù)模型解析歷史序列的自相關(guān)性、平穩(wěn)性以及季節(jié)性來(lái)預(yù)測(cè)未來(lái)的數(shù)據(jù)。假設(shè)將某特定長(zhǎng)度為T(mén)的d階非平穩(wěn)時(shí)間序列描述為Y1,Y2,Y3,… ,YT。對(duì)Yt∈R,ARIMA模型可表示為:

        2 智能節(jié)電系統(tǒng)

        智能節(jié)電系統(tǒng)模塊如圖1所示,本項(xiàng)目搭建在 Windows服務(wù)器上,采用Python作為主要編程語(yǔ)言,基于DTW和SARIMA算法完成模型構(gòu)建,通過(guò)北向接口進(jìn)行節(jié)能操作的指令下發(fā),后臺(tái)使用 MySQL承接操作日志,通過(guò)五大功能模塊實(shí)現(xiàn)基站智能節(jié)電閉環(huán)系統(tǒng)。

        圖1 智能節(jié)電系統(tǒng)模塊

        2.1 數(shù)據(jù)處理模塊

        為進(jìn)行智能節(jié)電預(yù)測(cè),系統(tǒng)需獲取以下不同時(shí)間粒度的數(shù)據(jù)作為基站監(jiān)控?cái)?shù)據(jù)源以及節(jié)電操作時(shí)進(jìn)行干預(yù)決策的參考指標(biāo)。智能節(jié)電系統(tǒng)數(shù)據(jù)源清單見(jiàn)表1。

        表1 智能節(jié)電系統(tǒng)數(shù)據(jù)源清單

        其中,采集待預(yù)測(cè)時(shí)間 7天內(nèi)的全量3G/4G/5G基站性能數(shù)據(jù)后,可供智能預(yù)測(cè)模塊進(jìn)行節(jié)電時(shí)間窗口預(yù)測(cè)。采集小區(qū)工參和MDT數(shù)據(jù)并處理后,可生成某站點(diǎn)關(guān)閉后對(duì)應(yīng)的切換基站(cell to cell)清單,供實(shí)時(shí)監(jiān)控模塊判決是否需要進(jìn)行恢復(fù)操作以及進(jìn)行何種恢復(fù)操作。

        2.2 智能預(yù)測(cè)模塊

        智能預(yù)測(cè)模塊是智能節(jié)電系統(tǒng)的“核心”模塊,其具體工作步驟如下。

        步驟1數(shù)據(jù)聚類(lèi)。若各基站單個(gè)小區(qū)的業(yè)務(wù)量可表示為時(shí)間序列Y,將對(duì)全網(wǎng)基站下小區(qū)的業(yè)務(wù)量Y1,Y2,Y3,… ,YN進(jìn)行DTW算法聚類(lèi)。聚類(lèi)個(gè)數(shù)n可自行設(shè)置。經(jīng)實(shí)驗(yàn),本文中將聚類(lèi)個(gè)數(shù)最終設(shè)置為3,則全量小區(qū)可分為C1、C2、C3共3類(lèi)。

        步驟2超參選擇。分別從C1、C2、C3聚類(lèi)結(jié)果中選出 100個(gè)小區(qū),并針對(duì)這 100個(gè)小區(qū)使用SARIMA(p,d,q)(P,D,Q)模型進(jìn)行20輪模型預(yù)訓(xùn)練,獲取使得總評(píng)價(jià)指標(biāo)信息準(zhǔn)則(Akaike information criterion,AIC)最優(yōu)的超參組合,并輸出到最優(yōu)超參字典中,即{C1|p1,d1,q1,P1,D1,Q1},{C2|p2,d2,q2,P2,D2,Q2} ,{C3|p3,d3,q3,P3,D3,Q3} 。

        步驟 3模型訓(xùn)練。遍歷全網(wǎng)所有小區(qū),進(jìn)行口碑場(chǎng)景級(jí)分析,根據(jù)其聚類(lèi)結(jié)果,從最優(yōu)超參字典中找到對(duì)應(yīng)的超參組合,將這個(gè)超參組合放入SARIMA(p,d,q)(P,D,Q)中進(jìn)行模型訓(xùn)練,訓(xùn)練完成后的業(yè)務(wù)流量趨勢(shì)預(yù)測(cè)結(jié)果如圖2所示。

        圖2 SARIMA模型業(yè)務(wù)預(yù)測(cè)結(jié)果示例

        步驟4模型輸出。通過(guò)計(jì)算序列的統(tǒng)計(jì)置信區(qū)間3-sigma區(qū)間(μ? 3σ,μ+ 3σ)得到該站業(yè)務(wù)量正常區(qū)間的上限值和下限值。其中,μ為序列的均值,為序列的標(biāo)準(zhǔn)差。結(jié)合一線的實(shí)際經(jīng)驗(yàn),可認(rèn)為當(dāng)前時(shí)刻業(yè)務(wù)量落在(0,μ?3σ)時(shí)為低能耗時(shí)刻。確定每日關(guān)站門(mén)限后,將低能耗時(shí)間段對(duì)應(yīng)小區(qū)粒度,并結(jié)合小區(qū)覆蓋特性,在保障感知的前提下,采取以下不同的節(jié)電策略。

        (1)00:00—06:00時(shí)段

        采用小區(qū)符號(hào)關(guān)斷;若小區(qū)完全無(wú)流量/話務(wù)量產(chǎn)生,則直接采用激活/去激活策略。

        (2)非00:00—06:00時(shí)段

        ? 若存在多制式同覆蓋場(chǎng)景,則用3G小區(qū)作為覆蓋打底網(wǎng)絡(luò)保障用戶感知,對(duì) 4G/5G高制式小區(qū)進(jìn)行節(jié)電;

        ? 當(dāng)基站載波帶寬≥20 MHz,采取射頻通道關(guān)斷策略;

        ? 若頻段為L(zhǎng)TE 1 800 MHz或LTE 900 MHz,采用載波關(guān)斷策略;

        ? 無(wú)法使用射頻通道關(guān)斷和載波關(guān)斷,則采用符號(hào)關(guān)斷策略。

        步驟 5生成每日任務(wù)。在完成建模和節(jié)電策略判定后,數(shù)據(jù)結(jié)構(gòu)需要進(jìn)行重組,生成每日每個(gè)節(jié)電時(shí)間點(diǎn)需要開(kāi)關(guān)的基站清單,并將一天的時(shí)間切分成若干個(gè)需要監(jiān)控的時(shí)間段和該時(shí)間段內(nèi)需要監(jiān)控的基站小區(qū)清單,供后續(xù)基站開(kāi)關(guān)模塊和實(shí)時(shí)監(jiān)控模塊執(zhí)行使用。

        步驟 6反饋調(diào)整。在每一輪基站開(kāi)關(guān)模塊實(shí)施調(diào)度過(guò)程中,可能會(huì)監(jiān)控到誤節(jié)能現(xiàn)象,即在模型預(yù)測(cè)需關(guān)站的時(shí)間段內(nèi),基站存在流量壓抑現(xiàn)象。因此,在重復(fù)步驟1~步驟5進(jìn)行新一輪模型預(yù)測(cè)之前,系統(tǒng)會(huì)讀取日志輸出模塊生成的調(diào)度日志,利用上一輪產(chǎn)生偏差來(lái)反饋調(diào)節(jié)模型,以助于縮小下一周期預(yù)測(cè)業(yè)務(wù)量的誤差。

        需要注意的是,在實(shí)際運(yùn)行中,從數(shù)據(jù)處理模塊采集數(shù)據(jù)到完成本模塊前序的步驟1~步驟4均需要占用一定的計(jì)算時(shí)間。在該計(jì)算真空期內(nèi),基站開(kāi)關(guān)模塊無(wú)法獲得任何指令數(shù)據(jù),導(dǎo)致每日有一段時(shí)間無(wú)法對(duì)基站進(jìn)行操作。針對(duì)該情況,本系統(tǒng)在不增加算力資源的情況下,分上下各半天進(jìn)行模型訓(xùn)練。舉例來(lái)說(shuō),在T日上半天(當(dāng)日 12:00前)獲取[T? 5 ,T]的下半天實(shí)時(shí)數(shù)據(jù)(12:00-24:00)進(jìn)行訓(xùn)練預(yù)測(cè)得出 T日下半天(12:00-24:00)的指令時(shí)間點(diǎn)。在T日下半天(當(dāng)日 12:00前)獲取[T? 5 ,T]的上半天實(shí)時(shí)數(shù)據(jù)(00:00-12:00)進(jìn)行訓(xùn)練預(yù)測(cè)得出T+1日上半天(00:00-12:00)的指令時(shí)間點(diǎn)。這樣就保證了在運(yùn)行過(guò)程中沒(méi)有真空期,基站開(kāi)關(guān)模塊能實(shí)時(shí)對(duì)基站進(jìn)行操作。

        2.3 基站開(kāi)關(guān)模塊

        接收每日開(kāi)關(guān)任務(wù),根據(jù)每日的開(kāi)站時(shí)間點(diǎn)、關(guān)站時(shí)間點(diǎn)以及開(kāi)站清單和關(guān)站清單,在對(duì)應(yīng)時(shí)間點(diǎn)通過(guò)北向接口下達(dá)指令打開(kāi)或關(guān)閉對(duì)應(yīng)的基站。在每次下達(dá)指令、操作基站或出現(xiàn)異常時(shí)都需進(jìn)行日志輸出。

        2.4 實(shí)時(shí)監(jiān)控模塊

        實(shí)時(shí)監(jiān)控示意圖如圖3所示,一旦開(kāi)啟節(jié)能后,將無(wú)法獲取被節(jié)電基站的業(yè)務(wù)量。為了在發(fā)生業(yè)務(wù)量突增時(shí)及時(shí)停止節(jié)電,減少對(duì)用戶感知的影響,需在開(kāi)啟節(jié)能后同時(shí)觀測(cè)承接該節(jié)電基站業(yè)務(wù)量的周邊小區(qū)的業(yè)務(wù)量波動(dòng)情況?;谛^(qū)工參和MDT數(shù)據(jù),可從數(shù)據(jù)處理模塊獲取某站點(diǎn)關(guān)閉后對(duì)應(yīng)的切換基站(cell to cell)清單。

        圖3 實(shí)時(shí)監(jiān)控示意圖

        根據(jù)需要監(jiān)控的時(shí)間段和每個(gè)時(shí)間段內(nèi)的監(jiān)控基站清單,實(shí)時(shí)觀測(cè)這部分承接基站的3G/4G/5G的業(yè)務(wù)流量數(shù)據(jù)及投訴數(shù)據(jù)。結(jié)合實(shí)際情況,若當(dāng)前節(jié)電時(shí)刻為T(mén),則觀測(cè)當(dāng)前節(jié)電時(shí)刻[T? 2 ,T]的業(yè)務(wù)量,即對(duì)3G站點(diǎn)觀測(cè)其前 兩個(gè)30 min業(yè)務(wù)量數(shù)據(jù),對(duì)4G/5G站點(diǎn)觀測(cè)其前兩個(gè)15 min的業(yè)務(wù)量數(shù)據(jù)。當(dāng)因基站壓力過(guò)大、流量激增等原因發(fā)生異常時(shí),利用是否發(fā)生異常流量增長(zhǎng)或突發(fā)區(qū)域性投訴來(lái)進(jìn)行異常判定,必要時(shí)通過(guò)北向接口開(kāi)啟監(jiān)控基站,及時(shí)恢復(fù)基站覆蓋供用戶正常使用。若持續(xù)出現(xiàn)問(wèn)題或發(fā)生指令操作異常,則發(fā)送短信告警給運(yùn)維人員來(lái)進(jìn)行人工干預(yù)。實(shí)時(shí)監(jiān)控流程如圖4所示。

        圖4 實(shí)時(shí)監(jiān)控流程

        2.5 日志輸出模塊

        每次下達(dá)指令、操作基站或出現(xiàn)異常時(shí)都需要進(jìn)行日志輸出,輸出內(nèi)容包括操作日期、時(shí)間、操作指令、操作類(lèi)型、操作基站 ID、操作基站名稱(chēng)、操作小區(qū) ID、操作小區(qū)名稱(chēng)、指令是否下發(fā)成功、操作結(jié)果等。所有操作日志統(tǒng)一存儲(chǔ)至MySQL數(shù)據(jù)庫(kù),便于智能預(yù)測(cè)模塊進(jìn)行反饋調(diào)整。此外,當(dāng)系統(tǒng)發(fā)生異常故障時(shí),可通過(guò)存儲(chǔ)的日志快速定位問(wèn)題。

        3 指標(biāo)評(píng)價(jià)

        為評(píng)估本文算法在實(shí)際生產(chǎn)環(huán)境的預(yù)測(cè)能力,假設(shè)某節(jié)電基站為X1,在對(duì)其進(jìn)行節(jié)電操作后,承接其業(yè)務(wù)量的基站為X2,X3,… ,Xn。通過(guò)對(duì)比承接站點(diǎn)在承接前后的業(yè)務(wù)量增長(zhǎng)是否超過(guò)給定門(mén)限的5%來(lái)判定節(jié)電是否準(zhǔn)確。小區(qū)的節(jié)電準(zhǔn)確率可表示為

        4 模型效果驗(yàn)證

        本文系統(tǒng)在某省會(huì)主城區(qū)進(jìn)行14天的試點(diǎn)。使用本文所提出的算法,共試點(diǎn)85個(gè)小區(qū),其中在試點(diǎn)期內(nèi)進(jìn)行節(jié)電操作的小區(qū)為60個(gè),節(jié)電操作率為71%。

        試點(diǎn)期間,采取符號(hào)關(guān)斷604.18 h,采取通道關(guān)斷660.77 h,采取載波關(guān)斷331.73 h,總計(jì)節(jié)電時(shí)長(zhǎng)1 596.68 h。節(jié)電判定正確時(shí)長(zhǎng)為1 504 h,節(jié)電準(zhǔn)確率為 94.2%。試點(diǎn)區(qū)域單站平均年節(jié)電效率可達(dá) 9.24%站/日。試點(diǎn)期間所選區(qū)域未出現(xiàn)網(wǎng)絡(luò)感知明顯波動(dòng),未發(fā)生相關(guān)感知投訴,節(jié)電指令關(guān)閉與開(kāi)啟未出現(xiàn)異常。智能節(jié)電系統(tǒng)試點(diǎn)前后節(jié)電時(shí)長(zhǎng)對(duì)比見(jiàn)表2,本文所提算法在該區(qū)域的節(jié)電量為試點(diǎn)前凌晨下電方案的1.5倍。

        表2 智能節(jié)電系統(tǒng)試點(diǎn)前后節(jié)電時(shí)長(zhǎng)對(duì)比

        5 結(jié)束語(yǔ)

        本文描述了一種基于通過(guò)動(dòng)態(tài)時(shí)間規(guī)整算法和SARIMA分覆蓋場(chǎng)景構(gòu)建預(yù)測(cè)節(jié)電的方法,相較于傳統(tǒng)在低能耗時(shí)段一刀切下電的方法,本文所提的智能節(jié)電系統(tǒng)一方面可以準(zhǔn)確地預(yù)測(cè)節(jié)電時(shí)間窗,節(jié)電量是傳統(tǒng)方法的1.5倍,區(qū)域節(jié)電效率平均可達(dá)9.24%站/日,最大程度地挖掘了基站節(jié)電潛能;另一方面,通過(guò)構(gòu)建從數(shù)據(jù)拉取、制定策略、指令下發(fā)、監(jiān)控反饋的全流程自助閉環(huán)系統(tǒng),監(jiān)控同期客服投訴情況作為輔助評(píng)估,有效降低了節(jié)電對(duì)用戶感知的影響。本文所述方法已在某沿?!潦〕晒υ圏c(diǎn),實(shí)時(shí)性及準(zhǔn)確性均較高,可有效降低人工成本,具有良好的推廣性與復(fù)制性。

        猜你喜歡
        業(yè)務(wù)量節(jié)電基站
        快遞業(yè)務(wù)量累計(jì)完成480.9 億件
        2020年業(yè)務(wù)量達(dá)830億件快遞跑出經(jīng)濟(jì)活力
        8月全國(guó)快遞業(yè)務(wù)量完成32.6億件同比增29.4%
        人民交通(2017年10期)2017-10-25 11:13:08
        可惡的“偽基站”
        基于GSM基站ID的高速公路路徑識(shí)別系統(tǒng)
        從“冰箱小殺手”到“節(jié)電小王子”
        從“冰箱小殺手”到“節(jié)電小王子”
        小基站助力“提速降費(fèi)”
        基站輻射之爭(zhēng)亟待科學(xué)家發(fā)聲
        電動(dòng)機(jī)系統(tǒng)節(jié)電措施及實(shí)踐
        日韩av一区在线播放| 人妻在线日韩免费视频| 亚洲图区欧美| 美女精品国产一区二区三区 | 亚洲午夜无码AV不卡| 国产一区二区三区经典| 午夜一区二区视频在线观看| 成人av鲁丝片一区二区免费| 夜色阁亚洲一区二区三区| 国产精品亚洲综合色区丝瓜| 国产一区二区精品人妖系列在线 | 欧洲vat一区二区三区| 国产精品无码精品久久久| 国产精品女同一区二区久| 婷婷久久精品国产色蜜蜜麻豆| 色婷婷综合久久久久中文字幕| 亚洲无毛片| 国产一区二区免费在线观看视频 | 日本高清成人一区二区三区 | 免费无码又爽又刺激高潮的视频网站| 蜜桃精品国产一区二区三区| 国产高清乱码又大又圆| 射死你天天日| 亚洲精品成人av一区二区| 午夜视频一区二区在线观看 | 五月激情在线视频观看| 亚洲a∨国产av综合av下载| 伊人色网站| 久久青青草原亚洲av| 奇米影视色777四色在线首页| 无码人妻精品一区二区三区在线| 久久人妻av无码中文专区| 涩涩鲁精品亚洲一区二区| a级毛片无码久久精品免费| 久久99精品免费一区二区| 国产精品日本一区二区三区在线| 奇米影视色777四色在线首页| 人妻熟妇乱又伦精品视频app | 亚洲高清一区二区精品| 日本真人做爰免费视频120秒| 国产成+人+综合+亚洲 欧美|