從低速或高速、載人或載客、封閉場景或開放道路等維度來判斷一個場景是否適合無人駕駛
如果只考慮以上三個維度，適合無人駕駛的場景是港口中轉、礦山運輸等低速貨物的封閉場景；不適合無人駕駛的場景是公路開放的高速旅客，也就是大多數人想象的自動駕駛。
回到主題所有者的問題，主題所有者描述的這個場景是在相對封閉的公共道路上實現貨物的高速運輸。雖然用上述三個維度來判斷并不是合適的情景，但也更合適。許多公司在這方面進行了大量的研究工作。根據不同的實現方法，我認為可以分為三個階段。
1、 特定場景下的后方車輛編隊駕駛階段
在這個階段，很多卡車都在排隊行駛，輛車還是完全由駕駛員控制，后面的車輛采用了acc自適應巡航+lka車道保持輔助系統跟在前面的車輛后面，這是后面車輛的l2級自動駕駛，技術可行性和成熟度都比較高
例如，沃爾沃參與的薩特項目于2010年底正式啟動，2011年進行了次測試（注：測試后的車為小型客車），2016年在美國進行了第二次測試，測試中的三輛車為卡車，試驗中引入了v2v技術，實現了車輛之間的通信，實現了對車輛的同步控制運行。試驗結果表明，節油率可達25%，距離越近，節油效果越好。
另一家瑞典卡車巨頭斯堪尼亞（scania）2012年（或更早）開始研究排隊駕駛技術，并于2017年宣布與新加坡港務局合作，利用這項技術為新加坡港口運輸更多集裝箱。
2、 特定場景單車駕駛/全編隊駕駛階段
事實上，主要的想法是在這個階段。現階段基本為l3級及以上自動駕駛。
據我所知，研究高速單車自動駕駛的公司并不多。您要么正在研究礦山/港口等低速場景中的自動駕駛（例如沃爾沃與挪威碳酸鈣制造商brnn ykaks和斯堪尼亞的axl無人概念車的合作），要么直接研究復雜場景中的自動駕駛。
對于這種現象的原因，我個人的猜測是，雖然高速公路環境相對簡單，但仍需要考慮匝道、收費站以及可能出現的緊急情況。如果將這些場景的控制權交給驅動程序，則整個系統僅為二級。如果我們認為在這種情況下可以實現自動駕駛，那么我們可以跳過這個階段來覆蓋更多的場景。相比之下，低速封閉場景需要的考慮要少得多。
全隊列駕駛與前一種駕駛的區別僅限于輛車能否實現自動駕駛，因此不會重復。
3、 復雜場景自動駕駛/全編隊駕駛臺
在汽車技術發展和“新四化”的共同推動下，傳統汽車企業和初創企業都希望在這一領域占有一席之地，因此，事實上，現階段很多企業都在做這方面的研究。
根據計劃，上汽智能重卡將在未來3-5年內開始大規模運營。如果東海大橋的所有貨車都換成智能重型貨車，東海大橋的通行能力可以提高，湊成一座新的東海大橋。
因此，雖然長途運輸不是目前的無人駕駛場景，但也有著非常廣闊的資金前景。