La predicción del flujo de multitudes en áreas urbanas clave es una base importante para el desarrollo y la gestión de la informatización de la ciudad. La comprensión oportuna de las tendencias del flujo de multitudes puede proporcionar a las ciudades apoyo de datos en la prevención de epidemias, la gestión de la seguridad pública y otros aspectos. En este documento, el modelo utiliza el algoritmo de incrustación de grafos Node2Vec combinado con LSTM (NDV-LSTM) para predecir el flujo de multitudes. El modelo primero analiza la correspondencia entre áreas clave y centros de cuadrícula, y se utilizó el algoritmo de incrustación de grafos Node2Vec para extraer características espaciales. Al mismo tiempo, considerando el tipo de región urbana, el clima, la temperatura y otras características de datos de flujo de multitudes, se utilizó el modelo de red de memoria a corto y largo plazo (LSTM) para modelado unificado. El modelo utiliza el flujo de multitudes de los tres días anteriores para predecir el flujo de multitudes del día siguiente. El modelo fue evaluado en el conjunto de datos de competencia de densidad de multitudes CCF 2020. Los resultados experimentales muestran que el modelo NDV-LSTM puede capturar bien las características del digrafo de asociación de la región y varios factores de correlación del flujo de multitudes, y el error cuadrático medio de la predicción del flujo de multitudes en áreas clave se reduce a 1.5194.