Xét ví dụ minh hoạ tại hình 2.25 dưới đây: trong hình trên cùng bên trái cho thấy các vị trí và vectơ vận tốc của 7 đối tượng vào thời điểm 0 (t0). Đối tượng 1 và 2 di chuyển về phía phải với tốc độ 1 đơn vị khoảng cách, đối tượng 3 di chuyển về phía phải với tốc độ bằng 2 đơn vị khoảng cách, các đối tượng 4 và 6 di chuyển về phía trái với tốc độ bằng 1 đơn vị khoảng cách và các đối tượng 5 và 7 di chuyển lên trên với tốc độ bằng 1 đơn vị khoảng cách.
Giả sử chúng ta tạo ra một R-tree vào thời điểm 0, biểu đồ phía trên bên phải cho thấy một vị trí xác định của các đối tượng được bao quanh bởi hình chữ nhật tối thiểu (MBRs), giả định tối đa là ba MBR như trên hình. Mục đích của các bài toán là cố gắng để giảm thiểu số lượng MBRs để tránh chồng chéo lên nhau, tránh không gian chết để tạo chỉ mục với một kết quả truy vấn tốt. Tuy nhiên, nó rất thuận tiện để truy vấn tại thời điểm hiện tại, nhưng khó xác định được đối tượng chuyển động trong tương lai. Trong hình dưới cùng bên trái cho thấy các vị trí của các đối tượng và các MBRs ở thời điểm t3. Tại thời điểm này tất cả các MBR đã phát triển mở rộng, gây khó khăn đến kết quả truy vấn. Nếu thời gian tiếp tục tăng, các MBR sẽ tiếp tục phát triển mở rộng, dẫn đến khó khăn cho việc truy vấn hơn nữa. MBR có chứa đối tượng 4 và 5 cũng như MBR chứa các đối tượng 6 và 7 đã mở rộng nhiều hơn, mặc dù các đối tượng ban đầu gần nhau, các hướng chuyển động của đối tượng khác nhau vì vậy vị trí chuyển động nhanh chóng làm cho MBRs phát triển rộng. Tại thời điểm t3, sẽ có tối ưu hơn cho việc truy vấn khi gán các đối tượng 4 và 6 vào một MBR và các đối tượng 5 và 7 với cùng một MBR, như được minh họa bằng hình phía dưới bên phải. Các MBR trong ví dụ minh họa trên là kiểu tham số thời gian với hình chữ nhật bao bọc được hỗ trợ bởi TPR-tree. Mô hình hoá vị trí của đối tượng chuyển động theo thời gian cho phép chúng ta dự đoán được vị trí tương lai của đối tượng.