تعرفه حمل همواره یکی از چالش های جدی است که ذینفعان بازار حمل‌ونقل با آن دست به گریبان هستند که همواره اثر مستقیم بر ترافیک و ظرفیت دارد. در این مطالعه پس از انجام اصلاحات مختلف روی داده ها و دسته بندی و حذف داده های پرت مناسب ترین مدل در نرم افزار طراحی آزمایشات بصورت جعبه سفید ساخته و اجرا شد که دقت مناسب داشته و به سهولت قابل استفاده می باشد. در کنار قیمت گذاری عادی از روش مطرح شده می توان به عنوان روش کمکی به منظور بهبود روند قیمت گذاری استفاده کرد. حال چنانچه اثرات متغیرهایی همچون نرخ تورم، توزیع بار و ... از یک روند پایدار تبعیت کنند، از روش مطرح شده می توان به طور مستقیم در قیمت گذاری استفاده نمود. راه آهن می بایست استراتژی قیمت گذاری را مشخص کند که فقط چشم انداز خدمت رسانی دارد و یا اینکه نگاهی به کسب درآمد هم دارد. نتایج نشان داد مدل شبکه عصبی دارای دقت بالایی می‌باشد اما هر بار استفاده از این روش حدود دو ساعت زمان لازم دارد. سیستم یادگیری عمیق نیز اجرا شد و دقت بالاتری را گزارش نمود. خوبی برازش 9925/0گزارش شد اما زمان اجرا کمی طولانی تر شد. روش بعدی که پیاده سازی شد مدل های مختلف رگرسیونی بودند که خوبی برازش آن ها به دلیل نامناسب بودن داده ها، در بهترین گزینه به 427/0 رسید که این مقدار بسیار پایینی بوده و قابل قبول نمی باشد. بنابراین استفاده از این مدل ها نیز مورد تایید قرار نگرفت.