RESUMENLa movilidad en bicicleta conlleva beneficios para el ambiente, la economía y la salud de la población. No obstante, la adopción de la bicicleta como medio de transporte, está limitada por la carencia de geoinformación detallada que describa el comportamiento de los ciclistas y permita la creación de estrategias adecuadas de planificación y promoción. En este estudio presentamos un método para obtener conocimiento sobre los patrones de movilidad de ciclistas urbanos utilizando datos crowdsourcing, minería de datos y técnicas de visualización de geo-información. Demostramos la viabilidad del método analizando un año de datos de la aplicación Strava METRO en la ciudad de Cuenca, y extrayendo y visualizando patrones secuenciales generalizados (GSP) de movimiento. Los resultados evidencian que la aplicación del método propuesto permite generar información relevan-te para el conocimiento sobre movilidad no motorizada utilizando conjuntos masivos de datos recolectados con técnicas de crowdsourcing. Palabras clave: movilidad no motorizada, bicicletas, geoinformación de crowdsourcing, patrones secuenciales generalizados, comportamiento colectivo espacial. ABSTRACTBicycle mobility lead to environmental, economic and health benefits to the population. Nonetheless, the implementation of bicycle-based transport systems is limited due to lack of detailed geodata describing the behavior of cyclists in order to build appropriate planning and promotion strategies. In this study, we present a method to extract knowledge about urban cyclist’s mobility patterns using crowdsourced geodata, data mining and ge-odata visualization techniques. We demonstrate the viability of the method by analyzing a year-long data from the Strava METRO application in the city of Cuenca (Ecuador); and extracting and visualizing generalized sequential patterns (GSP) of movement. The results that data mining analysis technique applied to massive datasets allows the generation of relevant information about the non-motorized mobility knowledge.  Keywords: non-motorized mobility, bikes, crowdsourced geoinformation, generalized sequential patterns, collective spatial behavior.