La predicción del flujo de multitudes urbanas es una tarea importante para los sistemas de transporte y la seguridad pública. Aunque las redes convolucionales de grafos (GCNs) han sido ampliamente adoptadas para esta tarea, los métodos basados en GCN todavía enfrentan desafíos. En primer lugar, emplean campos receptivos fijos, sin tener en cuenta la heterogeneidad de la región urbana donde diferentes zonas funcionales interactúan de manera distinta con su entorno. En segundo lugar, carecen de mecanismos para ajustar adaptativamente los campos receptivos espaciales basados en dinámicas temporales, lo que limita el rendimiento de la predicción. Para abordar estas limitaciones, proponemos una Red Convolucional de Grafos de Campo Receptivo Adaptativo (ARFGCN) para la predicción del flujo de multitudes urbanas. ARFGCN permite que cada región determine de manera independiente el tamaño de su campo receptivo, adaptándolo de manera ajustada y aprendida de manera integral durante el entrenamiento, mejorando el rendimiento de la predicción del modelo. Consta de un mecanismo de compuerta de campo receptivo adaptativo consciente del tiempo (TARF), un 3DGCN apilado y una capa de predicción. El TARF tiene como objetivo aprovechar la compuerta en redes neuronales para adaptar los campos receptivos basados en dinámicas temporales, permitiendo que la red predictiva se adapte a la heterogeneidad regional urbana. El TARF se puede integrar fácilmente en el 3DGCN apilado, mejorando la predicción. Los resultados experimentales demuestran la efectividad de ARFGCN en comparación con otros métodos.