{"id":51287,"date":"2024-03-27T10:00:52","date_gmt":"2024-03-27T09:00:52","guid":{"rendered":"https:\/\/www.ferrovial.com\/blog\/?p=51287"},"modified":"2025-12-11T17:28:59","modified_gmt":"2025-12-11T16:28:59","slug":"redes-neuronales-profundas-para-transformar-infraestructuras","status":"publish","type":"post","link":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/","title":{"rendered":"Entender las redes neuronales profundas para transformar el sector de las infraestructuras"},"content":{"rendered":"

En cuesti\u00f3n de unos a\u00f1os, la innovaci\u00f3n y la tecnolog\u00eda han transformado el uso que hacemos de las im\u00e1genes y los v\u00eddeos. Las c\u00e1maras ya no solo sirven para grabar, sino que tienen la capacidad de reconocer objetos<\/strong> y hasta de representar su trayectoria. Detr\u00e1s de esto est\u00e1n la gran evoluci\u00f3n de las c\u00e1maras, pero sobre todo la inteligencia artificial y, m\u00e1s concretamente, la visi\u00f3n por computador basada en redes neuronales profundas.<\/p>\n

Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial<\/strong>, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.<\/p>\n

El principio: las t\u00e9cnicas cl\u00e1sicas de anal\u00edtica de im\u00e1genes<\/h2>\n

Para entender c\u00f3mo se han analizado y modificado las im\u00e1genes y los videos digitales en las \u00faltimas d\u00e9cadas, lo mejor es empezar por el principio. \u00bfC\u00f3mo funcionan? Si nos centramos en las im\u00e1genes digitales en blanco y negro<\/strong>, vemos que est\u00e1n formadas por una matriz de dos dimensiones: ancho y alto. Los valores de la matriz se mueven en un rango (denominado profundidad del color) que representa los diferentes tonos de gris que puede tener cada p\u00edxel.<\/p>\n

Habitualmente, esta profundidad del color var\u00eda entre el valor 0, que es el negro, y el 255, que es el blanco. Entre estos dos n\u00fameros, se abre todo un gran abanico de tonos<\/strong>. La siguiente imagen nos muestra c\u00f3mo se digitalizar\u00eda una imagen en blanco y negro:<\/p>\n

\"Digitalizaci\u00f3n<\/p>\n

Si la imagen tiene color, se representa mediante una matriz de tres dimensiones. En este caso, la profundidad del color representa el rojo, el verde y el azul<\/strong>, los tres colores que componen el modelo RGB (red, green, blue<\/em>, por sus siglas en ingl\u00e9s). Los valores de cada pixel var\u00edan entre el 0, el negro, y el 255, que puede ser el rojo, el verde o el azul. De este modo, se pueden obtener m\u00e1s de 16 millones de colores.<\/p>\n

\"Loro<\/p>\n

Un v\u00eddeo digital, por otro lado, es una secuencia de im\u00e1genes o fotogramas en una unidad de tiempo determinada. El valor m\u00e1s habitual es de 30 fps (frames per second<\/em>), lo que significa que cada segundo de v\u00eddeo<\/strong> est\u00e1 compuesto por 30 im\u00e1genes. Y, dado que estas im\u00e1genes est\u00e1n formadas por valores, basta con realizar operaciones matem\u00e1ticas para modificarlas.<\/p>\n

Si quisi\u00e9ramos aclarar una imagen<\/strong> en blanco y negro, por ejemplo, deber\u00edamos sumarles un n\u00famero fijo a todos los p\u00edxeles de la imagen, ya que de esa manera estar\u00e1n m\u00e1s cercanos al valor 255 y, por consiguiente, al color blanco.<\/p>\n

Esta l\u00f3gica tambi\u00e9n nos permitir\u00eda realizar comparaciones entre una imagen y la siguiente: las partes de la imagen que cambian tienen valores distintos, mientras que las partes sin cambios mantienen valores similares. En esto se basan los algoritmos de sustracci\u00f3n de fondo<\/strong>, que diferencian entre los p\u00edxeles de un v\u00eddeo que tienen valores constantes (los del fondo) de los que var\u00edan (los de los objetos en movimiento).<\/p>\n

De este modo, estos algoritmos permiten identificar la parte de un v\u00eddeo que cambia con el tiempo. La siguiente imagen muestra el resultado aplicar un algoritmo de sustracci\u00f3n de fondo sobre una secuencia de im\u00e1genes de los t\u00faneles de la M-30<\/strong> en Madrid:<\/p>\n

\"Im\u00e1genes<\/p>\n

La revoluci\u00f3n de las redes neuronales<\/h2>\n

En los \u00faltimos a\u00f1os, la inteligencia artificial y, m\u00e1s concretamente, las redes neuronales profundas han hecho posible mejorar las t\u00e9cnicas de reconocimiento de im\u00e1genes. Las redes neuronales son herramientas inspiradas en el funcionamiento del cerebro humano<\/strong>. Las siguientes im\u00e1genes muestran la representaci\u00f3n de una neurona y su simplificaci\u00f3n matem\u00e1tica:<\/p>\n

\"Redes<\/p>\n

El funcionamiento de las redes neuronales, a grandes rasgos, es el siguiente: una neurona recibe impulsos el\u00e9ctricos a trav\u00e9s de las dendritas. El funcionamiento de la neurona permite dar mayor o menor importancia<\/strong> a estos impulsos y, por consiguiente, generar una respuesta diferente para cada uno de ellos.<\/p>\n

En el modelo matem\u00e1tico, las entradas o inputs<\/em> equivalen a las dendritas de las neuronas reales. Y, del mismo modo, todo el sistema genera una respuesta determinada<\/strong> a cada impulso. Cuando un proceso se repite en multitud de capas que cuentan con varios cientos de neuronas cada una, se forma lo que se denomina una red neuronal artificial profunda.<\/p>\n

\"Red<\/p>\n

En estas redes neuronales, cada neurona se especializa en la detecci\u00f3n de un determinado patr\u00f3n de datos. Cuando los datos de entrada coinciden en gran medida con lo que la neurona espera, esta genera una se\u00f1al de gran intensidad<\/strong>, es decir, un valor de salida elevado. En cambio, si apenas coinciden, la salida de la neurona ser\u00e1 baja o nula. Esto se reproduce capa tras capa, extendi\u00e9ndose hasta el final de la red, donde se genera el resultado.<\/p>\n

\u00bfY c\u00f3mo se consigue que una red sea capaz de hacer esta relaci\u00f3n? Entren\u00e1ndola. En el caso de las im\u00e1genes, este entrenamiento<\/strong> se realiza introduciendo en la red un conjunto de im\u00e1genes previamente clasificadas y ajustando los par\u00e1metros para que el resultado sea el esperado.<\/p>\n

Ser\u00eda un proceso asimilable al que se realiza al ajustar el sonido antes de un evento musical. El t\u00e9cnico sabe c\u00f3mo debe sonar un determinado instrumento y para ello act\u00faa sobre diferentes controles<\/strong> de forma iterativa hasta que el sonido es el deseado.<\/p>\n

\"Control<\/p>\n

Para entrenar redes neuronales es necesario disponer de un n\u00famero ingente de im\u00e1genes (o cualquier otro input<\/em>) etiquetadas, algo muy costoso computacionalmente. Por ello, es habitual utilizar redes preentrenadas<\/strong>, en las que solo es necesario realizar un ajuste fino de los par\u00e1metros para adecuarlas lo m\u00e1ximo posible a la tarea a desempe\u00f1ar. Esto se le conoce como transfer learning<\/em> y permite obtener muy buenos resultados con poco tiempo de entrenamiento.<\/p>\n

Algunos ejemplos de redes preentrenadas muy utilizadas son YOLO, MobileNet o EfficientDet<\/strong>. Muchas de ellas proceden de grandes corporaciones como Google, que las pone a disposici\u00f3n de la comunidad para su uso. Algunas empresas tambi\u00e9n ofrecen redes preentrenadas como producto y otras entrenan sus propias redes para un uso determinado.<\/p>\n

Una vez la red est\u00e1 entrenada, puede ser muy ligera y \u00e1gil, lo que permite su uso en tiempo real en dispositivos muy sencillos<\/strong>, como tel\u00e9fonos m\u00f3viles o c\u00e1maras de videovigilancia.<\/p>\n

La aplicaci\u00f3n de redes neuronales a las c\u00e1maras de tr\u00e1fico<\/h2>\n

La innovaci\u00f3n ha permitido revolucionar las aplicaciones de las redes neuronales profundas y darles usos muy \u00fatiles. Un ejemplo lo encontramos en las c\u00e1maras de tr\u00e1fico<\/strong>, que permiten identificar y clasificar diferentes tipos de veh\u00edculos, otros objetos y seres vivos con cierta confianza.<\/p>\n

Adem\u00e1s, estas c\u00e1maras tambi\u00e9n logran interpretar y registrar las trayectorias de los objetos. Es habitual que estos modelos vayan acompa\u00f1ados de algoritmos de localizaci\u00f3n relativa<\/strong> dentro de la imagen, de manera que el objeto identificado quede, por ejemplo, inscrito en un rect\u00e1ngulo.<\/p>\n

Con la posici\u00f3n relativa de los rect\u00e1ngulos en la imagen y mediante el empleo de algoritmos de seguimiento o tracking<\/em>, es posible representar las trayectorias de los objetos<\/strong>, como se observa en la siguiente imagen.<\/p>\n

\"Tracking<\/p>\n

Esto tiene numerosas aplicaciones. Permite cuantificar, por ejemplo, cu\u00e1ntos veh\u00edculos<\/strong> sobrepasan una l\u00ednea o cu\u00e1ntos se encuentran en el interior de un pol\u00edgono durante un tiempo determinado.<\/p>\n

La inteligencia artificial y concretamente las redes neuronales profundas han encontrado m\u00faltiples aplicaciones en nuestro d\u00eda a d\u00eda. Permiten resolver tareas repetitivas y complejas en poco tiempo y con resultados muy satisfactorios<\/strong>. Conocer bien su funcionamiento abre un ampl\u00edsimo abanico de usos en el campo de las infraestructuras y, lo que es igual de importante, permite seguir ampli\u00e1ndolo.<\/p>\n

Un art\u00edculo de Felipe May\u00e1n Momblan<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

En cuesti\u00f3n de unos a\u00f1os, la innovaci\u00f3n y la tecnolog\u00eda han transformado el uso que hacemos de las im\u00e1genes y los v\u00eddeos. Las c\u00e1maras ya no solo sirven para grabar, sino que tienen la capacidad de reconocer objetos y hasta de representar su trayectoria. Detr\u00e1s de esto est\u00e1n la gran evoluci\u00f3n de las c\u00e1maras, pero […]<\/p>\n","protected":false},"featured_media":51305,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"nivel-1":[],"nivel-2":[4512,4515,4516],"nivel-3":[],"nivel-4":[],"nivel-5":[],"topic":[7292],"coauthors":[7162],"class_list":["post-51287","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","nivel-2-infraestructuras","nivel-2-innovacion","nivel-2-inteligencia-artificial","topic-tecnologia-e-innovacion"],"acf":[],"yoast_head":"\nTransformar las infraestructuras con las redes neuronales profundas<\/title>\n<meta name=\"description\" content=\"Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Transformar las infraestructuras con las redes neuronales profundas\" \/>\n<meta property=\"og:description\" content=\"Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/\" \/>\n<meta property=\"og:site_name\" content=\"Ferrovial\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/ferrovial\" \/>\n<meta property=\"article:published_time\" content=\"2024-03-27T09:00:52+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-12-11T16:28:59+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1406\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@ferrovial_es\" \/>\n<meta name=\"twitter:site\" content=\"@ferrovial_es\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Felipe May\u00e1n Momblan\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutos\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Felipe May\u00e1n Momblan\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Transformar las infraestructuras con las redes neuronales profundas","description":"Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/","og_locale":"es_ES","og_type":"article","og_title":"Transformar las infraestructuras con las redes neuronales profundas","og_description":"Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.","og_url":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/","og_site_name":"Ferrovial","article_publisher":"https:\/\/www.facebook.com\/ferrovial","article_published_time":"2024-03-27T09:00:52+00:00","article_modified_time":"2025-12-11T16:28:59+00:00","og_image":[{"width":2560,"height":1406,"url":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_creator":"@ferrovial_es","twitter_site":"@ferrovial_es","twitter_misc":{"Escrito por":"Felipe May\u00e1n Momblan","Tiempo de lectura":"7 minutos","Written by":"Felipe May\u00e1n Momblan"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#article","isPartOf":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/"},"headline":"Entender las redes neuronales profundas para transformar el sector de las infraestructuras","datePublished":"2024-03-27T09:00:52+00:00","dateModified":"2025-12-11T16:28:59+00:00","mainEntityOfPage":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/"},"wordCount":1351,"commentCount":0,"publisher":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/#organization"},"image":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#primaryimage"},"thumbnailUrl":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg","inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/","url":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/","name":"Transformar las infraestructuras con las redes neuronales profundas","isPartOf":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#primaryimage"},"image":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#primaryimage"},"thumbnailUrl":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg","datePublished":"2024-03-27T09:00:52+00:00","dateModified":"2025-12-11T16:28:59+00:00","description":"Conocer el funcionamiento de estas redes neuronales profundas nos permite no solo aprovechar su potencial, sino tambi\u00e9n seguir ampliando el amplio abanico de usos que ya tienen en el campo de las infraestructuras.","breadcrumb":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#primaryimage","url":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg","contentUrl":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2024\/03\/27070245\/entender-las-redes-neuronales-profundas-para-transformar-el-sector-de-las-infraestructuras-scaled.jpg","width":2560,"height":1406,"caption":"Redes neuronales e infraestructuras"},{"@type":"BreadcrumbList","@id":"https:\/\/www.ferrovial.com\/blog\/es\/2024\/03\/redes-neuronales-profundas-para-transformar-infraestructuras\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.ferrovial.com\/blog\/es\/"},{"@type":"ListItem","position":2,"name":"Entender las redes neuronales profundas para transformar el sector de las infraestructuras"}]},{"@type":"WebSite","@id":"https:\/\/www.ferrovial.com\/blog\/es\/#website","url":"https:\/\/www.ferrovial.com\/blog\/es\/","name":"Ferrovial","description":"Aeropuertos, autopistas, construcci\u00f3n y servicios (smart cities).","publisher":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.ferrovial.com\/blog\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.ferrovial.com\/blog\/es\/#organization","name":"Ferrovial S.A.","url":"https:\/\/www.ferrovial.com\/blog\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.ferrovial.com\/blog\/es\/#\/schema\/logo\/image\/","url":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2018\/03\/13150646\/logo-vector-ferrovial.jpg","contentUrl":"https:\/\/static.ferrovial.com\/wp-content\/uploads\/sites\/3\/2018\/03\/13150646\/logo-vector-ferrovial.jpg","width":525,"height":156,"caption":"Ferrovial S.A."},"image":{"@id":"https:\/\/www.ferrovial.com\/blog\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/ferrovial","https:\/\/x.com\/ferrovial_es","https:\/\/www.linkedin.com\/company\/ferrovial","https:\/\/www.youtube.com\/ferrovial"]},{"@type":"Person","@id":"https:\/\/www.ferrovial.com\/blog\/es\/#\/schema\/person\/1458f6a17143f6d88e2c3d12cfe48bf9","name":"Felipe May\u00e1n Momblan","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/secure.gravatar.com\/avatar\/9d5f843ec92c6f296ecccb6fd9beaa42ed66ad93b0422e4a2355533be3a75636?s=96&d=mm&r=gbb65ae977bd36eed98fd4ea5e0239207","url":"https:\/\/secure.gravatar.com\/avatar\/9d5f843ec92c6f296ecccb6fd9beaa42ed66ad93b0422e4a2355533be3a75636?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/9d5f843ec92c6f296ecccb6fd9beaa42ed66ad93b0422e4a2355533be3a75636?s=96&d=mm&r=g","caption":"Felipe May\u00e1n Momblan"}}]}},"_links":{"self":[{"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/posts\/51287","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/comments?post=51287"}],"version-history":[{"count":4,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/posts\/51287\/revisions"}],"predecessor-version":[{"id":53256,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/posts\/51287\/revisions\/53256"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/media\/51305"}],"wp:attachment":[{"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/media?parent=51287"}],"wp:term":[{"taxonomy":"nivel-1","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/nivel-1?post=51287"},{"taxonomy":"nivel-2","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/nivel-2?post=51287"},{"taxonomy":"nivel-3","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/nivel-3?post=51287"},{"taxonomy":"nivel-4","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/nivel-4?post=51287"},{"taxonomy":"nivel-5","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/nivel-5?post=51287"},{"taxonomy":"topic","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/topic?post=51287"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.ferrovial.com\/blog\/es\/wp-json\/wp\/v2\/coauthors?post=51287"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}