稀疏表示将环境感知抽象为离散的对象和车道线集合，在拥挤、遮挡的场景中难以处理非结构化障碍、不确定区域和复杂交互。为了解决这些安全风险，本文提出一种密集的风险感知占用（risk‑aware occupancy）表示，能够以统一且显式的方式刻画规划相关的风险。该表示在鸟瞰视角（BEV）下融合全局占用、地图衍生的交通约束以及未来动态主体的占用预测，形成一个同时包含空间和时间风险证据的统一图。基于此，我们设计了端到端网络 ROIDrive。网络在主干之外增加独立分支预测风险感知占用，并在规划查询阶段将其注入，以生成安全导向的轨迹。为量化安全性能，构建了 RiskOcc4D‑nuScenes 数据集，基于 nuScenes 与 occ3d‑nuscenes。实验表明，在 nuScenes 上使用 UniAD 指标时，风险感知占用可将开放回路碰撞率降低 52.9%，在 ST‑P3 指标下降低 35.0%。
点评