- Relator(a)
- Ministro Mauro Campbell Marques
- Órgão julgador
- Segunda Turma
- Data do julgamento
- 03/03/2020
- Data de publicação
- 06/03/2020
STJ – Acórdão, Rel. Ministro Mauro Campbell Marques, Segunda Turma, j. 03/03/2020, p. 06/03/2020
PROCESSUAL CIVIL. ADMINISTRATIVO. AGRAVO INTERNO NO AGRAVO EM RECURSO ESPECIAL. ENUNCIADO ADMINISTRATIVO Nº 3/STJ. AÇÃO CIVIL PÚBLICA. TRANSPORTE DE CARGA EM RODOVIAS FEDERAIS. EXCESSO DE PESO. PEDIDO DE INDENIZAÇÃO POR DANOS MATERIAIS E MORAIS COLETIVOS. PRETENSÃO DA PARTE AUTORA QUE ENCONTRA GUARIDA NA JURISPRUDÊNCIA DESTA CORTE. AGRAVO INTERNO NÃO PROVIDO. 1. Inicialmente é necessário consignar que o presente recurso atrai a incidência do Enunciado Administrativo n. 3/STJ: "Aos recursos interpostos com fundamento no CPC/2015 (relativos a decisões publicadas a partir de 18 de março de 2016) serão exigidos os requisitos de admissibilidade recursal na forma do novo CPC". 2. É cabível a ação civil pública para obter pronunciamento judicial voltado à imposição de obrigação de não fazer e pagamento de indenização por danos morais coletivos por empresa que persiste com a prática de fazer com que seus veículos circulem com excesso de peso, ainda mais após considerável número de autuações administravas no Código Brasileiro de Trânsito. 3. Na hipótese dos autos, consignado que a empresa recorrente foi autuada por mais de cinquenta infrações dessa natureza, número manifestamente suficiente para evidenciar conduta antijurídica que deve ser combatida por meio de ação pública, haja vista que em casos assim, a aplicação do CTB se mostra insuficiente para combater os graves problemas decorrentes do tráfego de veículos com excesso de peso que não podem ser resolvidos apenas na esfera administrativa. 4. Agravo interno não provido. (AgInt no AREsp n. 1.580.705/MG, relator Ministro Mauro Campbell Marques, Segunda Turma, julgado em 3/3/2020, DJe de 6/3/2020.)
Consultar o inteiro teor no site do STJ ↗Pesquise jurisprudência como esta
Busque em dezenas de tribunais brasileiros, com busca inteligente por IA e comparação de precedentes.