{"id":3096,"date":"2021-03-11T18:40:50","date_gmt":"2021-03-11T23:40:50","guid":{"rendered":"http:\/\/blog.espol.edu.ec\/girni\/?p=3096"},"modified":"2021-03-12T14:39:49","modified_gmt":"2021-03-12T19:39:49","slug":"puntos-de-prueba-vs-modelo-de-propagacion","status":"publish","type":"post","link":"https:\/\/blog.espol.edu.ec\/girni\/puntos-de-prueba-vs-modelo-de-propagacion\/","title":{"rendered":"6.1 Puntos de prueba vs Modelo de propagaci\u00f3n"},"content":{"rendered":"

Una revisi\u00f3n del modelo de propagaci\u00f3n encontrado con los puntos de entrenamiento<\/strong> se puede realizar con puntos de prueba<\/strong>. Las lecturas de los puntos de prueba se realizaron dos semanas despu\u00e9s de los puntos de entrenamiento.<\/p>\n

\"\"<\/a><\/p>\n

Los puntos de prueba<\/strong> tienen una lectura<\/strong> a cada baliza, a diferencia de al menos cien de los puntos de entrenamiento.<\/p>\n

En la revisi\u00f3n se encuentra que los puntos de prueba se encuentran en el rango de las mediciones del modelo, sin embargo los puntos se encuentran distribuidos en la gr\u00e1fica desplazados hacia arriba del modelo, indicando que es necesario incorporar m\u00e1s variables para ajustar el modelo, por ejemplo la temperatura del entorno u otra variable que se determinar\u00eda en una siguiente fase del experimento.<\/p>\n

Para cuantificar el desplazamiento \u0394rssi, se calcula el error entre cada punto y la ecuaci\u00f3n modelo. Bajo el concepto que los errores se distribuyen equitativamente sobre y debajo la ecuaci\u00f3n, se obtiene el valor de la mediana que indica el desplazamiento m\u00e1s optimo como ajuste al modelo bajo las nuevas condiciones.<\/p>\n

Revisando la aplicabilidad del modelo, se obtiene el coeficiente de correlaci\u00f3n para los puntos de prueba clasificados en gtwFIEC, que es de -0.88 que permite estimar que se puede aplicar relaci\u00f3n lineal con pendiente negativa en el intervalo.<\/p>\n

gtwFIEC s0 r0  error_mediana: 5.99 correlacion: -0.88\r\ngtwFIEC s0 r1  error_mediana: 7.14 correlacion: -0.68\r\ngtwFIEC s0 r2  error_mediana: 1.98 correlacion: -0.76\r\n<\/pre>\n
Se puede proseguir con los otros puntos de prueba para las otras balizas, encontrando que en la baliza gtwRECT los mejores valores de correlaci\u00f3n con los datos disponibles tan dado en el \u00e1rea de vegetaci\u00f3n sin sombra.\u00a0 El modelo estimado en vegetaci\u00f3n para la zona con sombra debe ser revisados pues hay un valores cercanos a cero en correlaci\u00f3n, por lo que la linealizaci\u00f3n con los datos puede ser insuficiente para estimar que hay una relaci\u00f3n lineal entre las dos variables. Se requiere en ese caso expandir la toma de muestra y revisar con mas datos el modelo.<\/p>\n
Desplazamientos de puntos de prueba\r\n respecto al modelo:\r\n[baliza,sector,intervalo,drssi]\r\ngtwRECT s0 r0  error_mediana: 7.8 correlacion: -0.54\r\ngtwRECT s0 r1  error_mediana: 5.55 correlacion: -0.13\r\ngtwRECT s0 r2  error_mediana: 9.3 correlacion: -0.47\r\ngtwRECT s1 r0  error_mediana: 3.7 correlacion: 0.13\r\ngtwRECT s1 r1  error_mediana: 3.7 correlacion: 0.13\r\ngtwFIEC s0 r0  error_mediana: 5.99 correlacion: -0.88\r\ngtwFIEC s0 r1  error_mediana: 7.14 correlacion: -0.68\r\ngtwFIEC s0 r2  error_mediana: 1.98 correlacion: -0.76\r\ngtwFCNM s0 r0  error_mediana: 8.56 correlacion: -0.76\r\ngtwFCNM s0 r1  error_mediana: 6.59 correlacion: -0.75\r\ngtwFCNM s0 r2  error_mediana: 9.98 correlacion: -0.29\r\n<\/pre>\n
\n
Algoritmo en Python<\/h2>\n
Se adjunta el algoritmo correspondiente:<\/p>\n
# LoRa-Multipunto, Revisa grafica Rssi vs distancia<\/span>\r\n# con puntos de prueba 'CIRC'<\/span>\r\n# linealizaci\u00f3n Rssi vs log10(distancia) por m\u00ednimos cuadrados<\/span>\r\n# Graficas 2D y 3D<\/span>\r\n# Girni 2020-01-30 propuesta: edelros@espol.edu.ec<\/span>\r\n\r\nimport<\/span> numpy as<\/span> np\r\nimport<\/span> pandas as<\/span> pd\r\nimport<\/span> json\r\nimport<\/span> matplotlib.pyplot as<\/span> plt\r\nimport<\/span> girni_lora_libreria as<\/span> girni\r\n\r\n# INGRESO<\/span>\r\n# archivos de entrada<\/span>\r\nmodo       = 'rx'<\/span>\r\nmedida     = 'rssi'<\/span>\r\ndescriptor = 'mean'<\/span>\r\narch_ecuaciones  = 'rsmP07_ecuacionSector01.json'<\/span>\r\narch_medidaubica = 'rsmP06_'<\/span>+medida+'UbicaCirc01.txt'<\/span>\r\n# archivos de salida<\/span>\r\narch_ecuaciones2  = 'rsmP07_ecuacionSector02.json'<\/span>\r\n\r\n\r\nbaliza = {'d1'<\/span>:'gtwRECT'<\/span>,\r\n          'd2'<\/span>:'gtwFIEC'<\/span>,\r\n          'd3'<\/span>:'gtwFCNM'<\/span>}\r\n\r\n# Par\u00e1metros de grafica<\/span>\r\ntipograf      = '2D'<\/span>  # '2D','3D'<\/span>\r\nescala        = 'log'<\/span> # 'normal','log'<\/span>\r\nescalabase    = 10    # 10, np.exp()<\/span>\r\ncasicero   = 1e-4\r\nprecision  = 2\r\nintersectar = 0 # 0:Falso, 1: Verdadero<\/span>\r\n\r\n# Referencias de gr\u00e1fica<\/span>\r\ngrupo   = ['FIEC'<\/span> ,'FCNM'<\/span>  ,'RECT'<\/span>,'CIRC'<\/span>]\r\ncolores = ['green'<\/span>,'orange'<\/span>,'grey'<\/span>,'magenta'<\/span>]\r\ntipo    = ['punto'<\/span>,'1m'<\/span> ,'gtw'<\/span>,'dispositivo'<\/span>]\r\nmarcas  = [    'o'<\/span>,'D'<\/span>  ,'D'<\/span>  ,'*'<\/span> ]\r\n\r\nmostrargrpeti = ['FIEC'<\/span>,'FCNM'<\/span>,'RECT'<\/span>]\r\nmostrartipeti = ['1m'<\/span>,'gtw'<\/span>]\r\n\r\n# PROCEDIMIENTO<\/span>\r\n# leer datos<\/span>\r\nwith<\/span> open<\/span>(arch_ecuaciones) as<\/span> json_file: \r\n    ecuacion = json.load(json_file) \r\ntabla = pd.read_csv(arch_medidaubica, index_col='etiqueta'<\/span>)\r\ntabla = pd.DataFrame(tabla)\r\n\r\nbaliza_key = list<\/span>(baliza.keys())\r\nbaliza_val = list<\/span>(baliza.values())\r\neq_graf  = {}\r\n\r\n# Revisa un sector_estimado<\/span>\r\nfor<\/span> cualbaliza in<\/span> baliza:\r\n    sector_baliza = 'sector_'<\/span>+cualbaliza\r\n    tabla[sector_baliza] = 0\r\nfor<\/span> cadapunto in<\/span> tabla.index:\r\n    for<\/span> cualbaliza in<\/span> baliza:\r\n        # evalua en sector<\/span>\r\n        sector_baliza = 'sector_'<\/span>+cualbaliza\r\n        donde = baliza_key.index(cualbaliza)\r\n        # coordenadas baliza para identificar \u00e1ngulo<\/span>\r\n        b_este  = tabla['c_este'<\/span>][baliza[cualbaliza]]\r\n        b_norte = tabla['c_norte'<\/span>][baliza[cualbaliza]]\r\n        # coordenadas del punto<\/span>\r\n        p_este  = tabla['c_este'<\/span>][cadapunto]\r\n        p_norte = tabla['c_norte'<\/span>][cadapunto]\r\n        dx = p_este-b_este\r\n        dy = p_norte-b_norte\r\n        theta = np.arctan2(dy,dx)\r\n        if<\/span> theta<0:\r\n            theta = theta + 2*np.pi\r\n        sectores   =  ecuacion[baliza[cualbaliza]]['sector_rad'<\/span>]\r\n        nsectores  = len<\/span>(sectores)\r\n        otrosector = ''<\/span>\r\n        for<\/span> i in<\/span> range<\/span>(0,nsectores-1,1):\r\n            a = sectores[i]\r\n            b = sectores[i+1]\r\n            if<\/span> theta>=a and<\/span> theta<b:\r\n                otrosector = i+1\r\n        if<\/span> otrosector !=''<\/span>:\r\n            tabla.loc[cadapunto,'sector_'<\/span>+cualbaliza] = otrosector\r\n\r\n# analiza datos hacia una baliza<\/span>\r\nfor<\/span> unabaliza in<\/span> ecuacion:\r\n    donde = baliza_val.index(unabaliza)\r\n    cualbaliza = baliza_key[donde]\r\n    \r\n    eq_graf[unabaliza] = {}\r\n    for<\/span> unsector in<\/span> list<\/span>(ecuacion[unabaliza].keys()):  \r\n        if<\/span> unsector != 'sector_rad'<\/span>:\r\n            eq_graf[unabaliza][unsector] = {}\r\n            for<\/span> i_eq in<\/span> list<\/span>(ecuacion[unabaliza][unsector].keys()):\r\n                eq_graf[unabaliza][unsector][i_eq] = {} \r\n\r\n    # puntos de tabla<\/span>\r\n    for<\/span> unsector in<\/span> list<\/span>(ecuacion[unabaliza].keys()):\r\n        if<\/span> unsector != 'sector_rad'<\/span>:\r\n            xi_p = [] ; yi_p = []\r\n            xi = [] ; yi = [] ; etiqueta = []\r\n            columna = medida+'_'<\/span>+modo+'_'<\/span>+cualbaliza\r\n            for<\/span> cadapunto in<\/span> tabla.index:\r\n                p_rssi = np.round(tabla[columna][cadapunto], precision)\r\n                dist   = np.round(tabla['dist_'<\/span>+cualbaliza][cadapunto], precision)\r\n                ensector = 's'<\/span>+str<\/span>(tabla['sector_'<\/span>+cualbaliza][cadapunto])\r\n                LOS = tabla['LOS_'<\/span>+cualbaliza][cadapunto]\r\n                if<\/span> not<\/span>(np.isnan(p_rssi)) and<\/span> dist>1 and<\/span> LOS==1 and<\/span> unsector==ensector:\r\n                    yi_p.append(p_rssi)\r\n                    xi_p.append(dist)\r\n                    etiqueta.append(cadapunto)\r\n                    if<\/span> not<\/span>(dist in<\/span> xi):\r\n                        xi.append(dist)\r\n                        yi.append(p_rssi)\r\n                    \r\n            xi_p = np.array(xi_p)\r\n            yi_p = np.array(yi_p)\r\n            ordenar = np.argsort(xi_p)\r\n            xi_p = list<\/span>(xi_p[ordenar])\r\n            yi_p = list<\/span>(yi_p[ordenar])\r\n            etiqueta = np.array(etiqueta)\r\n            etiqueta = etiqueta[ordenar]\r\n\r\n            xi = np.array(xi)\r\n            yi = np.array(yi)\r\n            ordenar = np.argsort(xi)\r\n            xi = xi[ordenar]\r\n            yi = yi[ordenar]\r\n\r\n            i_eq = 'r0'<\/span> # todos los puntos<\/span>\r\n            eq_graf[unabaliza][unsector][i_eq]['xi'<\/span>] = xi_p.copy()\r\n            eq_graf[unabaliza][unsector][i_eq]['yi'<\/span>] = yi_p.copy()\r\n            eq_graf[unabaliza][unsector][i_eq]['etiqueta'<\/span>] = etiqueta.copy()\r\n                \r\n            \r\n            # ecuacion linealizada<\/span>\r\n            for<\/span> i_eq in<\/span> list<\/span>(ecuacion[unabaliza][unsector].keys()):\r\n                a = ecuacion[unabaliza][unsector][i_eq]['intervalox'<\/span>][0]\r\n                b = ecuacion[unabaliza][unsector][i_eq]['intervalox'<\/span>][1]\r\n                \r\n                alpha = ecuacion[unabaliza][unsector][i_eq]['alpha'<\/span>]\r\n                beta  = ecuacion[unabaliza][unsector][i_eq]['beta'<\/span>]\r\n                std   = ecuacion[unabaliza][unsector][i_eq]['error_std'<\/span>]\r\n                fdist = lambda<\/span> d: -10*alpha*(np.log10(d))+beta\r\n\r\n                subintervalo = (xi >= a) & (xi <= b)\r\n                xi_s = xi[subintervalo]\r\n                yi_s = yi[subintervalo]\r\n\r\n                # correlacion de los puntos<\/span>\r\n                correlacion = np.corrcoef(xi_s,yi_s)[0,1]\r\n                \r\n                # dibujar la l\u00ednea en intervalo<\/span>\r\n                xi_sub = xi[subintervalo]\r\n                if<\/span> not<\/span>(a in<\/span> xi_sub):\r\n                    xi_sub = np.concatenate(([a],xi_sub),axis=0)\r\n                if<\/span> not<\/span>(b in<\/span> xi_sub):\r\n                    xi_sub = np.concatenate((xi_sub,[b]),axis=0)\r\n                yi_sub = fdist(xi_sub)\r\n\r\n                eq_graf[unabaliza][unsector][i_eq]['xi_graf'<\/span>] = xi_sub.copy()\r\n                eq_graf[unabaliza][unsector][i_eq]['yi_graf'<\/span>] = yi_sub.copy()\r\n\r\n                \r\n                # Errores en subintervalo<\/span>\r\n                mediana = 0\r\n                if<\/span> intersectar == 0:\r\n                    yie_s = yi_s - fdist(xi_s)\r\n                    mediana = np.median(yie_s)\r\n                else<\/span>:\r\n                    if<\/span> i_eq=='r0'<\/span>:\r\n                        yie_s = yi_s - fdist(xi_s)\r\n                        mediana = np.median(yie_s)\r\n                    else<\/span>:\r\n                        mediana = ecuacion[unabaliza][unsector]['r0'<\/span>]['desplaza'<\/span>]\r\n                                    \r\n                eq_graf[unabaliza][unsector][i_eq]['desplaza'<\/span>] = mediana\r\n                eq_graf[unabaliza][unsector][i_eq]['correlacion'<\/span>] = correlacion\r\n                ecuacion[unabaliza][unsector][i_eq]['desplaza'<\/span>] = mediana\r\n                \r\n\r\n# SALIDA<\/span>\r\nprint<\/span>('Desplazamientos de puntos de prueba'<\/span>)\r\nprint<\/span>(' respecto al modelo:'<\/span>)\r\nprint<\/span>('[baliza,sector,intervalo,drssi]'<\/span>)\r\nfor<\/span> unabaliza in<\/span> ecuacion:\r\n    for<\/span> unsector in<\/span> list<\/span>(ecuacion[unabaliza].keys()):  \r\n        if<\/span> unsector != 'sector_rad'<\/span>:\r\n            for<\/span> i_eq in<\/span> list<\/span>(ecuacion[unabaliza][unsector].keys()):\r\n                mediana = ecuacion[unabaliza][unsector][i_eq]['desplaza'<\/span>]\r\n                mediana = np.round(mediana,precision)\r\n                correlacion = eq_graf[unabaliza][unsector][i_eq]['correlacion'<\/span>]\r\n                correlacion = np.round(correlacion,precision)\r\n                texto = unabaliza + ' '<\/span>+unsector + ' '<\/span> + i_eq + ' '<\/span>\r\n                texto = texto + ' error_mediana: '<\/span>+ str<\/span>(mediana)\r\n                texto = texto + ' correlacion: '<\/span>+str<\/span>(correlacion)\r\n                print<\/span>(texto)\r\n\r\n# salida hacia archivo<\/span>\r\nwith<\/span> open<\/span>(arch_ecuaciones2, 'w'<\/span>) as<\/span> outfile:\r\n    json.dump(ecuacion, outfile) \r\n\r\n# GRAFICA<\/span>\r\n# Referencias para gr\u00e1fica<\/span>\r\ngrupo   = ['FIEC'<\/span> ,'FCNM'<\/span>  ,'RECT'<\/span>,'CIRC'<\/span>]\r\ncolores = ['green'<\/span>,'orange'<\/span>,'grey'<\/span>,'magenta'<\/span>]\r\ntipo    = ['punto'<\/span>,'1m'<\/span> ,'gtw'<\/span>,'dispositivo'<\/span>]\r\nmarcas  = [    'o'<\/span>,'D'<\/span>  ,'D'<\/span>  ,'*'<\/span> ]\r\n\r\nmostrargrpeti = ['FIEC'<\/span>,'FCNM'<\/span>,'RECT'<\/span>]\r\nmostrartipeti = ['1m'<\/span>,'gtw'<\/span>]\r\n\r\nif<\/span> tipograf=='2D'<\/span>:\r\n    for<\/span> unabaliza in<\/span> eq_graf:\r\n        for<\/span> unsector in<\/span> eq_graf[unabaliza]:\r\n            figura,grafica = plt.subplots()\r\n            if<\/span> escala == 'log'<\/span>:\r\n                grafica.set_xscale(escala,base=escalabase)\r\n                \r\n            eq_graf2 = {}\r\n            # todos los puntos<\/span>\r\n            unintervalo = 'r0'<\/span>\r\n            xi_p = eq_graf[unabaliza][unsector][unintervalo]['xi'<\/span>]\r\n            yi_p = eq_graf[unabaliza][unsector][unintervalo]['yi'<\/span>]\r\n            etiqueta = eq_graf[unabaliza][unsector][unintervalo]['etiqueta'<\/span>]\r\n            grafica.scatter(xi_p,yi_p,marker='.'<\/span>)\r\n            m = len<\/span>(xi_p)\r\n            for<\/span> i in<\/span> range<\/span>(0,m,1):\r\n                grafica.annotate(etiqueta[i],\r\n                                (xi_p[i],yi_p[i]))\r\n                \r\n            # linea con todos los puntos<\/span>\r\n            for<\/span> i_eq in<\/span> list<\/span>(eq_graf[unabaliza][unsector].keys()):\r\n                fdtxt   = ecuacion[unabaliza][unsector][i_eq]['eq_latex'<\/span>]\r\n                xi_graf = eq_graf[unabaliza][unsector][i_eq]['xi_graf'<\/span>]\r\n                yi_graf = eq_graf[unabaliza][unsector][i_eq]['yi_graf'<\/span>]\r\n                a = np.round(ecuacion[unabaliza][unsector][i_eq]['intervalox'<\/span>][0],precision)\r\n                b = np.round(ecuacion[unabaliza][unsector][i_eq]['intervalox'<\/span>][1],precision)\r\n                desplaza = eq_graf[unabaliza][unsector][i_eq]['desplaza'<\/span>]\r\n                desplaza = np.round(desplaza,precision)\r\n                estilo = 'solid'<\/span>\r\n                if<\/span> i_eq =='r0'<\/span>:\r\n                    estilo = 'dashed'<\/span>\r\n                eq_texto = i_eq+': '<\/span>+fdtxt+' ; ['<\/span>+str<\/span>(a)+','<\/span>+str<\/span>(b)+']'<\/span>\r\n                grafica.plot(xi_graf,yi_graf,\r\n                             label = eq_texto,\r\n                             linestyle = estilo)\r\n                # para linea desplazada<\/span>\r\n                eq_graf2[i_eq] = {'xi'<\/span>:xi_graf,\r\n                              'yi'<\/span>:yi_graf + desplaza,\r\n                              'desplaza'<\/span>: desplaza}\r\n                \r\n                # lineas de frontera<\/span>\r\n                grafica.axvline(a, color='lightblue'<\/span>)\r\n                valor_frontera = str<\/span>(np.round(a,precision))\r\n                grafica.annotate(valor_frontera,\r\n                                 (a,np.max(yi_p)),\r\n                                 color='lightblue'<\/span>)\r\n                grafica.axvline(b, color='lightblue'<\/span>)\r\n                valor_frontera = str<\/span>(np.round(b,precision))\r\n                grafica.annotate(valor_frontera,\r\n                                 (b,np.max(yi_p)),\r\n                                 color='lightblue'<\/span>)\r\n            for<\/span> i_eq in<\/span> list<\/span>(ecuacion[unabaliza][unsector].keys()):\r\n                estilo = 'solid'<\/span>\r\n                if<\/span> i_eq =='r0'<\/span>:\r\n                    estilo = 'dashed'<\/span>\r\n                xi = eq_graf2[i_eq]['xi'<\/span>]\r\n                yi = eq_graf2[i_eq]['yi'<\/span>]\r\n                desplaza = eq_graf2[i_eq]['desplaza'<\/span>]\r\n                texto = i_eq + ' + $\\Delta $Rssi'<\/span>\r\n                texto = texto + ' ; $ \\Delta rssi$= '<\/span>+ str<\/span>(desplaza)\r\n                grafica.plot(xi,yi, label = texto,\r\n                             linestyle = estilo)\r\n        \r\n            # etiquetas y t\u00edtulos<\/span>\r\n            grafica.legend()\r\n            grafica.set_ylabel(medida+'_'<\/span>+modo)\r\n            grafica.set_xlabel('distancia'<\/span>)\r\n            grafica.grid(True<\/span>,linestyle='dotted'<\/span>,\r\n                         axis='x'<\/span>, which='both'<\/span>)\r\n            \r\n            untitulo = unabaliza+' '<\/span>+unsector+': Puntos de prueba desplazados'<\/span>\r\n            grafica.set_title(untitulo)\r\n            \r\n            plt.show()\r\n<\/pre>\n","protected":false},"excerpt":{"rendered":"
Una revisi\u00f3n del modelo de propagaci\u00f3n encontrado con los puntos de entrenamiento se puede realizar con puntos de prueba. Las lecturas de los puntos de prueba se realizaron dos semanas despu\u00e9s de los puntos de entrenamiento. Los puntos de prueba tienen una lectura a cada baliza, a diferencia de al menos cien de los puntos … <\/p>\n
Continuar leyendo \"6.1 Puntos de prueba vs Modelo de propagaci\u00f3n\"<\/span><\/a><\/p>\n","protected":false},"author":8043,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1463489],"tags":[],"class_list":["post-3096","post","type-post","status-publish","format-standard","hentry","category-localizacion-rssi-lora"],"_links":{"self":[{"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/posts\/3096","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/users\/8043"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/comments?post=3096"}],"version-history":[{"count":8,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/posts\/3096\/revisions"}],"predecessor-version":[{"id":3180,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/posts\/3096\/revisions\/3180"}],"wp:attachment":[{"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/media?parent=3096"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/categories?post=3096"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.espol.edu.ec\/girni\/wp-json\/wp\/v2\/tags?post=3096"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}