Entwicklung und Validierung eines ACO basierten Ansatzes zur Lösung des 2-Echelon CVRP in der Katastrophenlogistik am Fallbeispiel Kathmandu

Die effiziente Verteilung von Hilfsgütern nach Naturkatastrophen stellt die humanitäre Logistik vor massive Herausforderungen. Zerstörte Infrastruktur und unstrukturierte Daten machen klassische Konzepte der Direktbelieferung oft wirkungslos. Diese Bachelorarbeit befasst sich mit der Entwicklung eines Software-Prototypen zur Lösung des Two-Echelon Capacitated Vehicle Routing Problem (2E-CVRP) am Fallbeispiel des Erdbebens von Kathmandu. Ziel war die Automatisierung einer zweistufigen Lieferkette, bei der Güter zunächst per LKW zu Satelliten (z. B. Krankenhäusern) und von dort mittels kleinerer Fahrzeuge zu den Endkunden transportiert werden.

Die technische Umsetzung erfolgte als native Stand-alone-Lösung in der QGIS-Umgebung (PyQGIS) ohne externe Routing-Bibliotheken. Um die teils fehlerhaften OpenStreetMap-Rohdaten nutzbar zu machen, wurde zunächst ein auf Breitensuche (BFS) basierender "Graph Cleaner" entwickelt, der topologische Inseln eliminiert. Der Kern des Algorithmus kombiniert eine A*-Suche für präzise Netzwerkdistanzen mit einer Metaheuristik basierend auf der Ameisenkolonie-Optimierung (ACO). Im Gegensatz zu vereinfachten geometrischen Ansätzen (wie Voronoi-Diagrammen) berücksichtigt dieses Verfahren physische Barrieren wie Flüsse oder zerstörte Brücken korrekt.

Die Validierung am realen Straßennetz von Kathmandu (ca. 275.000 Knoten) zeigt, dass der Algorithmus erfolgreich kapazitätsbeschränkte Routen generiert. In der Simulation wurden 4 primäre LKW-Touren und 57 sekundäre Lieferwagen-Touren berechnet. Eine quantitative Analyse belegt zudem die Überlegenheit des topologischen Ansatzes: Durch die A*-basierte Clusterung konnten Fehlzuweisungen, die bei rein geometrischen Verfahren in 4,2 % der Fälle auftraten, vollständig vermieden werden. Das System bietet somit ein resilientes Werkzeug für die operative Einsatzplanung in Krisengebieten.