针对温控设备有两种改造方案，第一，修改温控设备的开关控制板，加入无线通信以及控制模块，可以对控制板上的功能进行控制。这种改造方案主要针对没有无线遥控器的中央空调。第二，针对一般的空调设备，可以设计一个带有红外的无线控制装置，对准需要控制的设备的红外发射口。针对家用电器，由于设备多样性及复杂性，简单加入一套插件并不能获得所有功能的控制权限，想要有效解决家用电器的网络接入问题，需要和产品生产厂家合作完成。

系统需更加“智能”

系统的“智能”意味着中控服务器智能化。中控服务器除了采集相应的环境数据(包括智能家居设备数据和室内环境的温度、湿度、光照和时间等参数)、记录用户操作行为外，还需要对用户的行为进行建模，设计出一套可以预测用户行为的模型，模型的输入主要是环境数据和用户操作。模型通过监督式的方式进行参数训练，当用户数据采集到足够的量，训练的模型就可以对用户的行为进行预测，从而自动调整智能家居设备参数。同时，模型还要能够接受用户的反馈，通过反馈机制能够实时修正模型的参数。

为了能够实现对所有家居设备的自动控制，中控服务器需要对不同类型的智能家居设备进行建模。但是模型的参数需要同时考虑到不同设备之间的影响。比如，控制灯光亮度的模型需要考虑到天气、环境、外界光照强度的综合影响。如果是晴朗的夏天，为了降温，空调制冷需要开启。同时为了省电，窗帘会被拉上。因此，灯控的模型需要综合考虑到这些情况，在白天且窗帘被拉上的时候打开灯光。

对于一体化智能家居系统而言，用户行为数据的获取非常重要，这主要借助于手机传感器上的数据读取，再经过简单的加工处理，以实现用户行为的识别。一般情况下，主要涉及的传感器有：加速度传感器、陀螺仪、GPS。加速度传感器主要用于监测人体的行为变化，包括站、坐、走等基本行为。人们在使用、携带手机的时候难免会产生相应的位置变化。为了校准手机这种位置变化，需要采集手机上的陀螺仪数据。在有了加速度传感器和陀螺仪数据后，系统就可以计算出用户在室内的行为以及运动轨迹。比如，系统可以识别用户从厨房移动到了卧室并坐下这一系列行为。这样就可以让中控服务器关闭一些厨房设备，并开启卧室内的相应设备。户外的用户运动轨迹数据主要通过GPS进行监测，通过掌握用户每天的运动轨迹，系统能够估算出用户到家的时间，自动开启空调、电饭煲等智能设备。

必不可少的前端设计

智能家居系统的前端采用当前流行的B/S架构。除了传统的Web控制前端外，还加入了移动前端。为了适配iOS和Andriod两大系统，可以用当前流行的HTML5来设计App。HTML5的好处是一份代码可以用于两种不同的移动设备操作系统，但是有些iOS上独有的特性无法体现。由于中控服务器需要能够支持外网接入，而当前家庭的网络接入都是以动态IP分配来实现，动态分配的IP并不能有效作为对外的服务器IP。针对这样的情况，可以考虑试用当前比较流行的云虚拟机来作为中控服务器和移动设备的连接桥梁。目前，国内主流的云虚拟机提供商，如阿里云就能够提供价格合理的云虚拟机服务。

满足用户个性化需求

除了统一化的智能家居框架设计外，该框架还必须支持用户自定义设定。用户可以按照自己的需求设定中控服务器的配置参数，如配置各种智能家居设备启动、关闭的判断条件。同时还可以保存不同的环境配置，如节能模式、高效模式等，能够实现在需求变化的时候自由切换，同时用户还可以将自己的配置分享到互联网上。

综上所述，一体化智能家居系统能够通过简单的改动，如在现有设备上增加插件的方式将这些非智能设备接入智能家居中控系统中。同时，用户可以通过移动端应用或者Web应用访问中控服务器，对智能家居环境进行调控。并且中控服务器可以通过和用户试用的移动设备进行信息交互，获取用户当前信息。在获取了用户、智能家居设备以及周围环境的信息后，该系统还具备一定的学习能力，通过机器学习的算法，针对用户行为特征、环境、设备参数设计一套模型。在一体化智能家居系统的支撑下，智能家居应用将变得更加方便、易用，大幅提升人们的体验，为智能家居的普及奠定坚实的基础。