随着现代科技的急速发展,更加频繁的人类交互潜藏着更多的风险,因此对风险群体与个体的检测具有巨大的现实意义。利用高精度的、带有时间信息的手机信令数据构建动态网络,采用动态社团检测方法识别社团结构、演化分析、节点重要性和节点角色,可以实现城市风险管理中的风险团体识别、风险人员识别等功能。现有的动态方法在随机块模型的基础上引入转移矩阵来模拟复杂网络的动态演化,这些方法大多将社团内部的节点看作无差别的,忽略了节点的异质性和网络的无标度特性,不能精确建模真实世界的网络。本文在随机块模型的基础上,进行融合节点流行度的动态复杂网络生成模型研究,具体工作如下:首先,提出了基于无标度特性的动态网络生成模型（DPSBM）。针对真实网络中节点的度服从幂律分布这一特性,融合节点异质性模拟真实网络的无标度属性,修正了现有模型在社团检测中的偏差,更加精确建模现实世界的动态网络,同时提出了有效的变分EM算法进行模型推断。其次,提出了结合节点拓扑特征的动态网络生成模型（DRSBM）。改进使用单一流行度建模节点差异性的思想,通过融合节点拓扑特征构建动态复杂网络,建模节点社团归属、节点角色、拓扑特征的内在联系,区分网络中节点的不同作用,将社团检测、演化追踪和节点角色放在统一框架下进行解决,进而提出了基于平均场理论和变分EM的有效算法。最后,基于手机信令数据进行实证分析。针对城市风险中的犯罪识别问题,通过使用本文提出的动态社团检测方法,对手机通信网络进行社团检测、演化追踪,同时分析社团中的个体重要性和个体角色,识别出城市中的具有犯罪风险的群体和人员,为城市风险管理提供强有力的支撑。本文提出的动态复杂网络生成模型融合了节点流行度,修正了现有模型在社团检测和演化追踪的偏差,同时发现网络的节点角色和重要性,更加贴合真实世界的网络,拓展了随机块模型在真实网络中的应用。