时间知识图谱（Temporal Knowledge Graphs, Temporal KGs）通过在知识图谱的每条边中引入时间范围（起始时间和结束时间），对传统知识图谱进行了扩展。尽管知识图谱问答（KGQA）已受到研究界的一定关注，但针对时间知识图谱的问答（Temporal KGQA）仍是一个相对未被充分探索的研究领域。此外，缺乏覆盖广泛的数据集也是制约该领域发展的关键因素之一。为应对这一挑战，我们提出了CRONQUESTIONS——目前已知规模最大的时间知识图谱问答数据集，该数据集在结构复杂度上进行了清晰的分层划分。CRONQUESTIONS的规模较此前唯一已知的数据集扩大了340倍。我们发现，当前多种先进的KGQA方法在该新数据集上的表现远未达到理想水平。为此，我们进一步提出了CRONKGQA，一种基于Transformer架构的解决方案，充分利用了时间知识图谱嵌入技术的最新进展，其性能显著优于所有基线方法，在准确率上相较表现最佳的基线方法提升了120%。通过大量实验，我们深入剖析了CRONKGQA的工作机制，并揭示了在某些场景下仍存在显著提升空间。除数据集外，我们还公开了全部代码，以促进该领域的进一步研究。