Sí están a escala. Ese edificio tiene una altura de unos 9 m lo que pasa es que esta a una distancia de por lo menos unos 100m de la cámara, quizás sea eso lo que no se entiende por la composición de la escena

Realmente, la composición se debe a la idea de hacer varios renders en los que el bus del primer plano se elevaba y dejaba ver a los demás vehículos que hay detrás, incluso alguno que llegase volando. Pero de momento se quedó así ...
Entonces sí que seguramente la posición de los diversos vehículos, con su gradual desenfoque, hubiese ayudado a visualizar la verdadedra distancia hasta la terminal